基于深度学习的逆向反射模型
Inverse Reflectance Model Based on Deep Learning作者机构:上海交通大学机械与动力工程学院机械系统与振动国家重点实验室上海200240
出 版 物:《光学学报》 (Acta Optica Sinica)
年 卷 期:2023年第43卷第21期
页 面:255-266页
核心收录:
学科分类:0710[理学-生物学] 081203[工学-计算机应用技术] 08[工学] 0703[理学-化学] 0835[工学-软件工程] 0701[理学-数学] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家重点研发计划变革性专项课题(2019YFA0706701) 国家自然科学基金(52175477) 国家自然科学基金合作研究项目(U22A20176)
摘 要:为提高光度立体视觉技术处理各向同性非朗伯反射的能力,提出一种基于深度学习的逆向反射模型,通过提取与方位角差相关的图像特征,弥补共位光源逆向反射模型的理论不足,实现表面法向量高精度估计。该模型由三阶段子网络组成,分别是方位角差子网络、逆向反射模型子网络与法向量估计子网络,其中:第一阶段子网络与第二阶段子网络共同实现像素值到法向量以及入射光线方向点积的高精度映射;第三阶段子网络充分利用前两个子网络提取的特征,实现表面法向量高精度估计。仿真实验表明,所提方法对100种典型各向同性非朗伯反射均具有较好的处理能力;基于标准数据集的真实实验证明,所提方法能够取得平均5.90°的法向量估计精度,充分证明所提方法的有效性。