当前位置:首页 >  科学 >  利用专利描述的机器学习特征,从而缩短MR系统的续航

利用专利描述的机器学习特征,从而缩短MR系统的续航

发布时间:2021-01-13 14:01编辑:小狐阅读: 787次 手机阅读

映维网 2021年01月13日为了捕捉复杂的3D几何图形,MR依赖于深度估计生成的深度信息。利用深度信息,MR可以确定设备和特定对象之间的相对距离,同时能够识别对象的特定轮廓、边面和形状。行业存在不同类型的深度估计,如飞行时间、点对点激光扫描和干涉测量等。

为了提升MR的续航,同时为了利用高质量的深度信息来继续高质量MR体验,微软工程团队一直在探索不同的解决方案。日前,美国专利商标局公布了一份名为“Machine-learned depth dealiasing”的微软专利申请。

利用专利描述的机器学习特征,从而缩短MR系统的续航(图1)

这份专利主要描述了一种优化深度估计操作的技术,方式是对红外相位深度图像的深度ambiguity进行dealiasing。微软指出,发明所述的技术可用于需要深度信息的任何场景,包括但不限于混合现实和自动驾驶。

在实现方面,可以致使照明器向目标对象发射参考光;作为响应,检测反射光,其中反射光包括从目标对象反射的一部分参考光;生成相位图像;产生相位图像的过程基于参考光和反射光之间的相位差。

其中,相位差表示参考光和反射光的重叠正弦周期内的深度变化。另外,相位图像包括ambiguity,这是因为即便实际对应于不同的真实世界深度,由相位图像表示的多个不同深度都共享相同的相位差/偏移值。

接下来,可以将相位图像作为输入输入到机器学习组件之中。机器学习组件可特别配置为对相移信息中的ambiguity进行dealiasing。在执行dealiasing操作时,机器学习组件针对相位图像中的每个像素确定相应的de-aliasing interval。基于相位图像,以及由机器学习组件生成的任何de-aliasing interval来生成深度贴图(或曲面网格)

通过对ambiguity进行dealiasing处理,可以大大减少需要生成的相位图像数量,因而能够在执行深度映射生成或点云生成(或者甚至表面重建)时显著降低飞行时间深度成像和深度计算消耗的功率。例如,通过专利描述的实施例,“所生成的相位图像的数目可以从9个或6个图像,甚至减少到3个、2个或潜在的1个图像,从而实现显著的功率降低和更少的数据处理、存储和传输。”

另外,这项技术能够减少达到深度所需的激光照明时间,并因而延长红外照明器的使用寿命。不仅只是这样,所述技术同时可以扩展深度估计的操作范围,例如6米远,甚至可以达到14米。利用专利描述的机器学习特征,一些实施例不存在深度范围的上线。所以,在描述的部分实施例中,深度估计可以超过14米,甚至超过20米。

相关专利:Machine-learned depth dealiasing

名为“Machine-learned depth dealiasing”的专利申请最初在2019年7月提交。需要注意的是,这只是专利申请,而且文中所述只是理论,不确定实际的应用效果。

本文相关词条概念解析:

图像

图像(Picture)有多种含义,其中最常见的定义是指各种图形和影像的总称。在理科的学习以及日常的学习或统计中,图像都是必不可少的组成部分,它为人类构建了一个形象的思维模式,有助于我们学习、思考问题。

相位

相位是反映交流电任何时刻的状态的物理量。交流电的大小和方向是随时间变化的。比如正弦交流电流,它的公式是i=Isin2πft。i是交流电流的瞬时值,I是交流电流的最大值,f是交流电的频率,t是时间。随着时间的推移,交流电流可以从零变到最大值,从最大值变到零,又从零变到负的最大值,从负的最大值变到零。在三角函数中2πft相当于弧度,它反映了交流电任何时刻所处的状态,是在增大还是在减小,是正的还是负的等等。因此把2πft叫做相位,或者叫做相。相位是对于一个波,特定的时刻在它循环中的位置:一种它是否在波峰、波谷或它们之间的某点的标度。是描述讯号波形变化的度量,通常以度(角度)作为单位,也称作相角。当讯号波形以周期的方式变化,波形循环一周即为360°。常应用在科学领域,如数学、物理学等。

标签:
  • 网友评论
相关文章:

科学本月排行

科学精选