RGBD序列场景流计算中深度图像优化方法技术

本发明专利技术公开了一种RGBD序列场景流计算中深度图像优化方法，首先设定初始分割层数并采用K均值聚类得到深度图像初始分割结果；然后计算RGB图像序列帧间光流，利用深度图像初始分割结果中相邻层之间的光流平均角误差和点误差判断相邻层是否合并；最后通过对深度图像初始分层结果进行循环判断，当深度图像分层层数不再改变时，得到RGBD序列场景流计算中深度图像的自动分层层数与最终分割结果。与现有的深度图像人工分层方法相比，本方法能够实现深度图像自动分层，分割结果更加准确。

【技术实现步骤摘要】
RGBD序列场景流计算中深度图像优化方法
本专利技术涉及深度图像自动分层方法，特别涉及一种RGBD序列场景流计算中深度图像优化方法。
技术介绍
场景流是空间场景或物体运动所形成的三维运动场，场景流将场景或物体的运动估计由二维拓展到三维，在机器人视觉、无人机导航、虚拟现实以及远程控制等方面具有重要的应用价值。随着消费级深度传感器变得广泛普及，用RGBD序列估计场景流越来越受关注。虽然深度图像信息可以从单视点RGB图像还原场景或物体的3D运动与结构，但是当深度图中场景或物体的边缘没有准确地与RGB图像边缘匹配，会导致基于RGBD序列的场景流计算模型无法确定场景或物体的运动边界。因此，采用RGBD序列估计场景流技术首先需要根据深度图像的分层信息确定深度图像与RGB图像中场景或物体的边缘匹配结果。现有的场景流计算深度图像分层方法通常是采用人工设定分层数量，由于不同类型RGBD序列图像的运动与场景信息千差万别，使其在实际应用中受到极大限制。
技术实现思路
本专利技术的目的是利用RGBD序列图像帧间光流优化深度图像的分层与分割，实现RGBD序列场景流计算中深度图像的自动分层与分割，优化深度图像分割。本文档来自技高网...

【技术保护点】
RGBD序列场景流计算中深度图像优化方法，其特征在于，其步骤如下：1)首先设定任意初始分层层数；2)计算RGB图像序列连续两帧图像间的光流，并根据初始分层层数对深度图进行K均值聚类，得到初始的分割图；3)利用RGB序列图像帧间的光流，判定分割图的相邻层是否满足合并条件，判断规则如下：a)检测初始分层的各层区域是否相邻，如果不相邻，则不是同一运动物体，保留初始分层结果；b)检测初始分层结果中相邻层平均光流的角误差AE和点误差EE，满足式(1)中任意一个判定公式则将初始分层结果中的相邻层进行合并：

【技术特征摘要】
1.RGBD序列场景流计算中深度图像优化方法，其特征在于，其步骤如下：1)首先设定任意初始分层层数；2)计算RGB图像序列连续两帧图像间的光流，并根据初始分层层数对深度图进行K均值聚类，得到初始的分割图；3)利用RGB序列图像帧间的光流，判定分割图的相邻层是否满足合并条件，判断规则如下：a)检测初始分层的各层区域是否相邻，如果不相邻，则不是同一运动物体，保留初始分层结果；b)检测初始分层结果中相邻层平均光流的角误差AE和点误差EE，满足式(1)中任意一个判定公式则将初始分层结果中的相邻层进行合并：

【专利技术属性】
技术研发人员：陈震，张聪炫，朱令令，何超，江少锋，
申请(专利权)人：南昌航空大学，
类型：发明
国别省市：江西,36