3、结构化与非结构化相机阵列传感技术解析

结构化与非结构化相机阵列传感技术解析

1. 结构化相机阵列传感

在结构化相机阵列传感中，计算视差图后，会结合立体视觉（$C_{stereo}$）和光场（$C_{lf}$）的信息。为了将最终置信图和粗视差图相结合，采用了两种方法来生成细化视差图$D$，分别是双边求解器和超像素级（SP - wise）正则化。

双边求解器在构建视差图$D_1$的边缘方面效果显著，而超像素级方法则有助于揭示视差图$D_2$中的模糊实体结构。最终视差图$D$的计算公式如下：
$D = D_1^{\alpha} D_2^{1 - \alpha}$
其中，$\alpha \in (0, 1)$是一个用于调整两种方法贡献比例的参数。

基于视差图可以计算最终深度图$Z$，计算公式如下：
$Z =
\begin{cases}
\frac{fB}{D}, & \text{for } MV \leq Var_{th} \
\frac{fb}{D}, & \text{for } MV > Var_{th}
\end{cases}$

为了评估该系统的优越性，使用了当前最先进的深度估计方法，包括Tao等人、Chen等人用于光场的方法，以及Olsson等人和Sun等人用于立体匹配的方法。实验结果表明，对于合成数据集和真实捕获数据集，该系统在深度传感范围和准确性方面均优于现有的基于光场相机和立体相机的方法。

结构化相机阵列在便携式相机和个人手机中得到了广泛应用。例如，Light L16是一款具有16个相机模块的数码单反相机，包含五个28mm、五个70mm和六个150mm镜头及其相关图像传感器。每个模