首页 | 本学科首页   官方微博 | 高级检索  
     

一种鲁棒的基于光度立体视觉的表面重建方法
引用本文:吴仑, 王涌天, 刘越. 一种鲁棒的基于光度立体视觉的表面重建方法. 自动化学报, 2013, 39(8): 1339-1348. doi: 10.3724/SP.J.1004.2013.01339
作者姓名:吴仑  王涌天  刘越
作者单位:1.北京理工大学光电学院 北京 100086
基金项目:国家重点基础研究发展计划(973计划) (2010CB732505);国家自然科学基金(61072096)资助
摘    要:提出一种基于先进的凸优化技术的光度立体视觉重建框架. 首先通过鲁棒的主成分分析(Robust principle component analysis, RPCA)祛除图像噪声, 得到低秩矩阵和物体表面向量场, 然后再通过表面重建算法从向量场来恢复物体形状. 相对于先前的一些使用最小二乘或者一些启发式鲁棒技术的方法, 该方法使用了所有可用的信息, 可以同时修复数据中的丢失和噪声数据, 显示出了较高的计算效率以及对于大的稀疏噪声的鲁棒性. 实验结果表明, 本文提出的框架大大提高了在噪声存在情况下物体表面的重建精度.

关 键 词:光度立体视觉   鲁棒主成分分析   表面重建   稀疏噪声   低秩矩阵
收稿时间:2011-12-12
修稿时间:2012-07-15

A Robust Approach Based on Photometric Stereo for Surface Reconstruction
WU Lun, WANG Yong-Tian, LIU Yue. A Robust Approach Based on Photometric Stereo for Surface Reconstruction. ACTA AUTOMATICA SINICA, 2013, 39(8): 1339-1348. doi: 10.3724/SP.J.1004.2013.01339
Authors:WU Lun  WANG Yong-Tian  LIU Yue
Affiliation:1. School of Optoelectronics, Beijing Institute of Technology, Beijing 100086
Abstract:We present a new framework for surface reconstruction with technique of photometric stereo, which is based on advanced convex optimization technique. We firstly remove the errors in images by robust principle component analysis (RPCA), and then obtain low-rank matrix and surface normal field. Unlike previous approaches, this method uses all the available information to simultaneously fix missing and erroneous entries. The new technique is more computationally efficient and provides theoretical assurance for robustness to large errors. Experimental results demonstrate that this framework can improve the precision for surface reconstruction with noise.
Keywords:Photometric stereo  robust principle component analysis (RPCA)  surface reconstruction  sparse error  low-rank matrix
点击此处可从《自动化学报》浏览原始摘要信息
点击此处可从《自动化学报》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号