Accessible Requires Authentication Published by Oldenbourg Wissenschaftsverlag September 13, 2016

Simulationsgestützte Optimierung einer Computational-Kamera zur dichten Tiefenschätzung

Simulation-based optimization of a computational camera for dense depth estimation
Thomas Nürnberg, Christian Zimmermann and Fernando Puente León
From the journal tm - Technisches Messen

Zusammenfassung

Der Ansatz des Computational Imagings bezeichnet bei der Bildgewinnung die Erweiterung der sonst üblicherweise rein digitalen Signalverarbeitung auf die Optik. Dies eröffnet die Möglichkeit, physikalisch bedingte Barrieren konventioneller Kameras zu umgehen. Das Raytracing-Verfahren als Simulationsverfahren der Bildgewinnung erlaubt die einfache und realitätsnahe Simulation neuartiger Kamerakonzepte und hilft dabei, deren Potenzial und Grenzen zu ermitteln. Dieser Beitrag stellt das Vorgehen zur Simulation und Optimierung einer Computational-Kamera am Beispiel der dichten Tiefenschätzung nach dem Depth-from-Defocus-Prinzip vor. Das Tiefenschätzverfahren beruht auf der Bestimmung des Grads der Unschärfe im Bild durch die Schätzung der optischen Übertragungsfunktion mit einer spektralen Entfaltung. Die Ergebnisse einer simulationsgestützten vollständigen Suche nach rotationssymmetrischen Blenden zeigen, dass insbesondere ringförmige Blenden eine um bis zu 25% höhere Trennbarkeit unterschiedlicher Tiefen im Vergleich zu klassischen kreisförmigen Blenden ermöglichen.

Abstract

The paradigm of Computational Imaging denotes the extension of the usually pure digital signal processing of images to the optical domain. This allows to cope with physical restrictions of conventional image capturing. Raytracing as a simulation method for image capturing allows the simple implementation and realistic simulation of new camera types in order to identify their potential and limitations. This article presents how a computational camera for dense depth estimation following the Depth-from-Defocus approach can be simulated and optimized. The depth estimation relies on the identification of the degree of blur in an image by estimating the optical transfer function with spectral deconvolution. An exhaustive search for rotation-symmetric aperture shapes reveals that ring-shaped apertures achieve an up to 25% better separability of different depths compared to common circle-shaped apertures.

Erhalten: 2015-11-27
Revidiert: 2016-4-15
Angenommen: 2016-5-25
Online erschienen: 2016-9-13
Erschienen im Druck: 2016-9-28

©2016 Walter de Gruyter Berlin/Boston