MPI Planar Correction of Pulse Based ToF Cameras

要約

タイムオブフライト（ToF）カメラは、民生用電子機器から安全性が重要な産業用ロボットに至るまで、幅広い分野で普及しつつあります。
これは主に、フレーム レートが高く、精度が比較的高く、コストが低いためです。
ToF カメラ、特にパルスベースのバリアントは継続的に開発されていますが、ポイント上のスプリアス ノイズやマルチパス推論 (MPI) などのさまざまな問題に依然として直面しています。
後者では、変形したサーフェスが平面ではなく曲面に現れる可能性があり、平面抽出などの標準的な空間データの前処理が困難になります。
このペーパーでは、パルスベースの ToF カメラのこのタイプのアーティファクトの軽減を可能にするフィーチャー ピラミッド ネットワーク (FPN) を使用した MPI 削減問題に焦点を当てます。
エンドツーエンドのネットワークにより、実際の ToF データに対する学習ベースの方法を使用して、平面上の MPI 効果を軽減することができました。
モデルのトレーニングに使用したカスタム データセットとコードは両方とも、作者の Github ホームページから入手できます。

要約(オリジナル)

Time-of-Flight (ToF) cameras are becoming popular in a wide span of areas ranging from consumer-grade electronic devices to safety-critical industrial robots. This is mainly due to their high frame rate, relative good precision and the lowered costs. Although ToF cameras are in continuous development, especially pulse-based variants, they still face different problems, including spurious noise over the points or multipath inference (MPI). The latter can cause deformed surfaces to manifest themselves on curved surfaces instead of planar ones, making standard spatial data preprocessing, such as plane extraction, difficult. In this paper, we focus on the MPI reduction problem using Feature Pyramid Networks (FPN) which allow the mitigation of this type of artifact for pulse-based ToF cameras. With our end-to-end network, we managed to attenuate the MPI effect on planar surfaces using a learning-based method on real ToF data. Both the custom dataset used for our model training as well as the code is available on the author’s Github homepage.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google