基於光場立體匹配的魯棒偽隨機場

每天一分鐘，帶你讀遍機器人頂級會議文章

標題：Robust Pseudo Random Fields for Light-Field Stereo Matching

作者：Chao-Tsung Huang

來源：International Conference on Computer Vision (ICCV 2017)

播音員：小晨

編譯：陳世浪周平

歡迎個人轉發朋友圈；其他機構或自媒體如需轉載，後台留言申請授權

摘要

馬爾科夫隨機場被廣泛用於模擬光場立體匹配問題。然而，大多數以前的方法使用固定參數，並且不適應光場統計。相反，他們探索明確的視覺線索以提供局部適應性，從而提高深度質量。但是這些額外的假設可能最終限制它們的適用性，例如為密集光場設計的演算法不適用於稀疏光場。

本文建立了一種基於經驗的貝葉斯框架魯棒偽隨機場，研究了廣義適用性的內在統計線索。在偽似然的基礎上，應用軟期望-最大化(expectation-maximization)對良好的模型擬合和硬期望-最大化(expectation-aximization)進行魯棒深度估計。我們引入了新的像素差分模型，使之能夠同時實現這種適應性和魯棒性。我們還設計了一個演算法來在密集、稀疏甚至去噪的光場上使用這個框架。

客廳的深度地圖估計

實驗結果表明，該演算法魯棒性強，收斂速度快。在深度精度和計算速度方面，它也優於目前最先進的演算法。

Abstract

Markov Random Fields are widely used to model lightfield stereo matching problems. However, most previous approaches used fixed parameters and did not adapt to lightfield statistics. Instead, they explored explicit vision cues to provide local adaptability and thus enhanced depth quality.But such additional assumptions could end up confining their applicability, e.g. algorithms designed for dense light fields are not suitable for sparse ones.

In this paper, we develop an empirical Bayesian framework—Robust Pseudo Random Field—to explore intrinsic statistical cues for broad applicability. Based on pseudo-likelihood, it applies soft expectation-maximization(EM) for good model fitting and hard EM for robust depth estimation. We introduce novel pixel difference models to enable such adaptability and robustness simultaneously.We also devise an algorithm to employ this framework on dense, sparse, and even denoised light fields.

Experimental results show that it estimates scene-dependent parameters robustly and converges quickly. In terms of depth accuracy and computation speed, it also outperforms state-of-the-art algorithms constantly.

如果你對本文感興趣，想要下載完整文章進行閱讀，可以關注【泡泡機器人SLAM】公眾號（paopaorobot_slam）。

百度網盤鏈接：https://pan.baidu.com/s/1nwlsaUl 密碼：wfmn

歡迎來到泡泡論壇，這裡有大牛為你解答關於SLAM的任何疑惑。

有想問的問題，或者想刷帖回答問題，泡泡論壇歡迎你！

泡泡論壇：http://paopaorobot.org/forums/

泡泡機器人SLAM的原創內容均由泡泡機器人的成員花費大量心血製作而成，希望大家珍惜我們的勞動成果，轉載請務必註明出自【泡泡機器人SLAM】微信公眾號，否則侵權必究！同時，我們也歡迎各位轉載到自己的朋友圈，讓更多的人能進入到SLAM這個領域中，讓我們共同為推進中國的SLAM事業而努力！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！