图 3.8. 计算漫反射角的说明。a) 粒子的漫反射将具有相对于表面法线的朗伯分布。b) 通过将表面法线假设为从笛卡尔 z 轴旋转的 Z 轴和在 XY 和 xy 车道交叉线上重叠的旋转 X 轴,只需要两个欧拉角。c) 利用欧拉角,将漫反射计算回主坐标系。d) 最终的粒子反射是镜面反射和漫反射的总和。................................................ 70
摘要。非线视线(NLOS)成像已成为一种突出的技术,用于从经历多种弥漫性反射的图像中重建遮盖的对象。这种成像方法由于其广泛的潜在应用而引起了各种领域的关注,包括遥感,救援操作和智能驾驶。然而,准确地对入射光方向进行建模,该方向携带能量并由检测器捕获,并在随机扩散反射方向中捕获,这构成了巨大的挑战。这一挑战阻碍了NLOS成像的精确前进和逆物理模型的获取,这对于实现高质量重建至关重要。在这项研究中,我们提出了一个使用随机角度跟踪的NLOS成像系统的点扩散函数(PSF)模型。此外,我们引入了一种重构方法,称为物理受限的反向网络(PCIN),该方法通过利用PSF约束和卷积神经网络的优化来建立准确的PSF模型和逆物理模型。PCIN方法在正向PSF模型的约束下随机初始化参数,从而消除了传统深入学习方法需要的广泛训练数据集的需求。通过交替的迭代和梯度下降算法,我们迭代优化了PSF模型和神经网络参数中的分散反射角。结果表明,PCIN不需要大量实际的地面数据组来实现有效的数据利用。此外,实验发现证实了所提出的方法可以高精度有效地恢复隐藏的对象特征。