A MEMS-based Foveating LIDAR to enable Real-time Adaptive Depth Sensing
A MEMS-based Foveating LIDAR to enable Real-time Adaptive Depth Sensing
复制标题
基于 MEMS 的 Foveating LIDAR 可实现实时自适应深度传感
DOI：
--
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
S. Koppal
中科院分区：
文献类型：
--
作者：
F. Pittaluga;Z. Tasneem;J. Folden;Brevin Tilmon;Ayan Chakrabarti;S. Koppal
大多数主动式深度传感器使用固定的模式对视野进行采样，这取决于准确性、速度和成本权衡，而不是场景内容。然而，最近的一些作品已经表明，适应测量模式的场景内容可以提供显着更好的权衡。我们提出了一种硬件激光雷达设计，允许灵活的实时测量，根据动态指定的测量模式。我们灵活的深度传感器设计包括一个可控扫描激光雷达，它可以在感兴趣的区域进行中心凹或提高分辨率，并且可以充分利用自适应深度感测的功能。我们描述了我们的光学设置和校准，这使得快速稀疏的深度测量使用扫描MEMS（微机电）镜。我们通过对超过75个静态和动态场景进行测试，验证了原型LIDAR设计的有效性。我们还展示了基于CNN的深度图完成我们的传感器获得的稀疏测量。我们的实验表明，我们的传感器可以实现自适应深度传感系统。
Most active depth sensors sample their visual field using a fixed pattern, decided by accuracy, speed and cost trade-offs, rather than scene content. However, a number of recent works have demonstrated that adapting measurement patterns to scene content can offer significantly better trade-offs. We propose a hardware LIDAR design that allows flexible real-time measurements according to dynamically specified measurement patterns. Our flexible depth sensor design consists of a controllable scanning LIDAR that can foveate, or increase resolution in regions of interest, and that can fully leverage the power of adaptive depth sensing. We describe our optical setup and calibration, which enables fast sparse depth measurements using a scanning MEMS (micro-electro mechanical) mirror. We validate the efficacy of our prototype LIDAR design by testing on over 75 static and dynamic scenes spanning a range of environments. We also show CNN-based depth-map completion of sparse measurements obtained by our sensor. Our experiments show that our sensor can realize adaptive depth sensing systems.
DOI：
10.1007/978-3-030-01219-9_2
发表时间：
2018
期刊：
European Conference on Computer Vision
影响因子：
--
作者：
Wang, Jian;Bartels, Joseph;Whittaker, William;Sankaranarayanan, Aswin C.;Narasimhan, Srinivasa G.
通讯作者：
Narasimhan, Srinivasa G.
使用三角测量光幕进行敏捷深度感测
DOI：
10.1109/iccv.2019.00799
发表时间：
2019
期刊：
International Conference on Computer Vision
影响因子：
--
作者：
Bartels, Joseph;Wang, Jian;Whittaker, William;Narasimhan, Srinivasa
通讯作者：
Narasimhan, Srinivasa
登记。
DOI：
10.1007/978-1-4939-7647-8_1
发表时间：
2018
期刊：
Neuromethods
影响因子：
--
作者：
Joshi,AnandA
通讯作者：
Joshi,AnandA