基于深度学习的RGB-D深度信息补全方法研究

摘要

目前的深度相机往往不能感知高光、透明和较远距离的深度信息,导致原始获得的深度图像存在一定的信息丢失.为了解决这个问题,采用了一种基于深度学习的方法,从大量彩色图像中训练出能够估计局部法向和遮挡边界的模型,并结合深度相机提供的原始深度信息,通过构造全局优化函数,实现对原始深度的补全.通过对多视角的RGB-D数据集进行实验对比,方法较好地估计出整体轮廓和局部细节的深度,解决了原始深度信息缺失的问题.