Noise Analysis and Modeling of the PMD Flexx2 Depth Camera for Robotic Applications

要約

リアルタイム 3D 情報をキャプチャする機能で知られる Time of Flight ToF カメラは、機敏なモバイル ロボット工学に不可欠なものとなっています。これらのカメラは、光信号を利用して距離を正確に測定し、ロボットが複雑な環境を正確にナビゲートできるようにします。革新的な深度カメラは、コンパクトなサイズと軽量設計を特徴としています。
最近リリースされた PMD Flexx2 はモバイル ロボットに特に適しています 深度情報を取得しながら高いフレーム レートを達成できるこの革新的なセンサーは、ロボットのナビゲーションや地形マッピングなどのタスクに適しています ToF 測定原理で動作するセンサー
従来のステレオベースの深度カメラに比べて複数の利点があります ただし、カメラによって生成される深度画像は複数のソースからのノイズの影響を受け、シミュレーションが複雑になります この論文では、PMD Flexx2 の非系統的ノイズの正確な定量化とモデリングを提案します 軸方向と横方向の両方のモデルを提案します
ガウス分布を仮定したさまざまなカメラ モードにわたるノイズ 距離と入射角の関数としてモデル化された軸方向ノイズは、平均 KullbackLeibler KL 発散が 0015 であることを示しました
nats は正確なノイズ特性評価を反映しています ガウス分布から逸脱する横方向ノイズは保守的にモデル化され、0868 nats の満足のいく KL 発散が得られました これらの結果は、仮想環境でセンサーの動作を正確にシミュレートし、学習ベースの制御アプローチにおける仮想ギャップを削減するために重要なノイズ モデルを検証します

要約(オリジナル)

Time of Flight ToF cameras renowned for their ability to capture realtime 3D information have become indispensable for agile mobile robotics These cameras utilize light signals to accurately measure distances enabling robots to navigate complex environments with precision Innovative depth cameras characterized by their compact size and lightweight design such as the recently released PMD Flexx2 are particularly suited for mobile robots Capable of achieving high frame rates while capturing depth information this innovative sensor is suitable for tasks such as robot navigation and terrain mapping Operating on the ToF measurement principle the sensor offers multiple benefits over classic stereobased depth cameras However the depth images produced by the camera are subject to noise from multiple sources complicating their simulation This paper proposes an accurate quantification and modeling of the nonsystematic noise of the PMD Flexx2 We propose models for both axial and lateral noise across various camera modes assuming Gaussian distributions Axial noise modeled as a function of distance and incidence angle demonstrated a low average KullbackLeibler KL divergence of 0015 nats reflecting precise noise characterization Lateral noise deviating from a Gaussian distribution was modeled conservatively yielding a satisfactory KL divergence of 0868 nats These results validate our noise models crucial for accurately simulating sensor behavior in virtual environments and reducing the simtoreal gap in learningbased control approaches

arxiv情報

提供元, 利用サービス

arxiv.jp, Google