科研之友
微信
新浪微博
Facebook
分享链接
摘要
非视域（Non-Line-of-Sight, NLoS）成像是近年来发展起来的一项新兴技术，其通过分析成像场景中的中介面信息来重建隐藏场景，实现了“拐弯成像”的效果，在多个领域有巨大的应用价值。本文主要针对NLoS成像重建算法进行综述性研究。考虑到目前NLoS成像分类存在交叉和非独立现象，本文基于物理成像模式和算法模型的不同特点，对其进行了独立的重新分类。根据提出的分类标准分别对传统和基于深度学习的NLoS成像重建算法进行了归纳总结，对代表性算法的发展现状进行了概述，推导了典型方法的实现原理，并对比了传统重建方法和基于深度学习的NLoS成像重建算法的重建应用结果。总结了NLoS成像目前存在的挑战和未来的发展方向。该研究对不同类型的NLoS成像进行了较为全面的梳理，对NLoS成像重建算法在内的一系列研究的进一步发展有着一定的支撑和推动作用。
- 单位
