AdaptiveStereo: Depth estimation from adaptive structured light

使用主动立体方法恢复深度已成为三维感知的重要方法。然而，当测量场景的特性发生变化时，投影预先设计的结构光可能会导致某些物体表面曝光不当和散焦模糊。为了解决这些问题，我们基于自适应结构光（ASL）提出了一种名为 AdaptiveStereo 的主动立体深度感知方法。核心思想是利用先验深度信息生成不同测量场景的最佳结构光，确保物体表面的均匀照明，从而提高深度感知结果。为此，首先设计了一种基于斑点图案的新型 ASL 编码方案。然后，我们构建了一个自适应结构光生成模型（ASL-GM）来自动生成最佳结构光。最后，通过使用具有自适应引导的主动立体匹配网络（AGS-Net）实现深度感知。与主流深度感知方法相比，评估结果表明我们的方法具有更高的准确性，并且可以获得更好的深度感知结果