Актуальность исследования обусловлена тем, что качество обработки глубинных данных часто оценивают по пиксельным ошибкам, хотя в робототехнике и трехмерной метрологии конечным результатом являются пространственные расстояния. Цель работы – разработать и проверить протокол оценки методов улучшения глубины по ошибке евклидовых расстояний между восстановленными точками. Основные эксперименты выполнены на последовательностях TUM Freiburg1 desk и xyz; дополнительная валидация включает динамическую последовательность Freiburg3 walking_static, контролируемые сценарии с движением границ, дальними глубинами и повышенным шумом, три варианта псевдоэталона и измерение вычислительных затрат. При полуширине окна N = 10 временное среднее уменьшило RMSE расстояний на 24,07 % для desk и на 23,66 % для xyz по сравнению с необработанной глубиной. Прямое сопоставление метрик показало, что минимальную пиксельную MAE дает временная медиана, тогда как минимальную RMSE расстояний – временное среднее; коэффициенты ранговой корреляции Спирмена равны 0,70 и 0,90. Временное среднее сохранило первое место при трех способах построения псевдоэталона. На динамической последовательности маска временной стабильности сохранила 18,92 % пикселей и изменила ранжирование, что подтверждает необходимость исключения или компенсации движущихся областей. На CPU обработка кадра 640 × 480 при N = 10 заняла 56,2 мс для временного среднего, 217,5 мс для временной медианы и 3155,6 мс для пространственно-временной медианы в исследовательской реализации. Полученные результаты определяют область применимости протокола и ограничения псевдоэталонной оценки.
Depth enhancement is commonly evaluated with pixel-wise errors, although robotic vision and three-dimensional metrology ultimately use geometric distances. This study develops and tests a protocol that evaluates enhancement methods by the error of Euclidean distances between back-projected point pairs. The primary experiments use the TUM Freiburg1 desk and xyz sequences. Additional validation includes the dynamic Freiburg3 walking_static sequence, controlled stress tests with moving depth boundaries, long range and elevated noise, three pseudo-reference variants, and a computational-cost benchmark. With temporal half-window N = 10, temporal mean fusion reduces distance RMSE by 24.07 % on desk and 23.66 % on xyz relative to raw depth. Direct metric comparison shows that temporal median has the lowest pixel MAE, whereas temporal mean has the lowest distance RMSE; Spearman rank correlations are 0.70 and 0.90. Temporal mean remains ranked first under all three pseudo-reference constructions. On the dynamic sequence, a temporal-stability gate retains 18.92 % of pixels and changes the method ranking, demonstrating that moving regions must be excluded or motion-compensated. For 640 × 480 frames at N = 10, the research CPU implementation requires 56.2 ms for temporal mean, 217.5 ms for temporal median, and 3155.6 ms for spatial-temporal median. The results delimit the practical use of the protocol and the systematic limitations of pseudo-reference evaluation.
The authors declare that there are no conflicts of interest present.