一种基于TOF深度相机的图像处理方法及可存储介质技术

本发明专利技术涉及一种图像处理技术领域，具体涉及一种基于TOF深度相机的图像处理方法及可存储介质，其中一种基于TOF深度相机的图像处理方法，包括：获取每个像素的初始实部数据、初始虚部数据；根据所述初始实部数据、虚部数据结合当前数据计算形成特征数据；对所述特征数据做编码处理以形成编码序列参数；对所述编码序列参数做恢复处理以形成图像基础数据。

【技术实现步骤摘要】
一种基于TOF深度相机的图像处理方法及可存储介质
本专利技术涉及一种图像处理
，具体涉及一种基于TOF深度相机的图像处理方法及可存储介质。
技术介绍
事件相机通过对局部变化的像素检测，并将局部变化的像素进行编码传输以形成事件效果，大大降低了数据传输带宽要求，突破数据带宽对图像更新帧率的限制。事件编码的思想同样能够应用于3D深度相机，突破数据传输带宽对快速运动物3D成像和跟踪的限制。目前常见的深度相机有双目深度相机、结构光深度相机和TOF深度相机，其中TOF相机的工作原理(如图1所示)是：由相机主动发射幅度调制的光信号到物体表面，接收反射光信号并测量其收发信号之间的相位差，进而将相位差折算成光飞行时间差，最后将时间差乘以光速得到物体距离信息。传统TOF相机以类似RGB相机的形式按帧传输完整深度图数据，受限于数据带宽，无法同时满足分辨率和帧率的要求，使得它对高速物体捕获能力受限。将基于事件编码的技术应用于TOF相机，仅传输像素变化信息，能够突破按帧传输的深度图像更新速率限制，使得TOF相机能够有效跟踪高速率运动物体，支撑其在机械加工、机器人控本文档来自技高网...

【技术保护点】
1.一种基于TOF深度相机的图像处理方法，其特征在于，包括：/n获取每个像素的初始实部数据、初始虚部数据；/n根据所述初始实部数据、虚部数据结合当前数据计算形成特征数据；/n对所述特征数据做编码处理以形成编码序列参数；/n对所述编码序列参数做恢复处理以形成图像基础数据。/n

【技术特征摘要】
1.一种基于TOF深度相机的图像处理方法，其特征在于，包括：
获取每个像素的初始实部数据、初始虚部数据；
根据所述初始实部数据、虚部数据结合当前数据计算形成特征数据；
对所述特征数据做编码处理以形成编码序列参数；
对所述编码序列参数做恢复处理以形成图像基础数据。


2.根据权利要求1所述的一种基于TOF深度相机的图像处理方法，其特征在于，还包括：对所述基础数据做分析处理以去除残差。


3.根据权利要求1所述的一种基于TOF深度相机的图像处理方法，其特征在于，获取每个像素的初始实部数据、初始虚部数据具体包括：
获取每个像素的初始的第一参考信号、第二参考信号、第三参考信号和第四参考信号；
根据初始的所述第一参考信号、第二参考信号、第三参考信号和第四参考信号获取初始实部数据和初始虚部数据。


4.根据权利要求3所述的一种基于TOF深度相机的图像处理方法，其特征在于，根据所述初始实部数据、虚部数据结合当前数据计算形成特征数据具体包括：
获取每个像素当前数据，所述当前数据包括当前的实部数据和当前的虚部数据；
根据每个像素当前的实部数据、当前的虚部数据、初始的实部数据、初始的虚部数据计算形成实部参考数据、虚部参考数据；



其中：Im(ΔD(t))为虚部参考数据；
Q4(t)为第四参考信号的当前积分值；
Q4(t0)为第四参考信号的初始积分值；
Q2(t)为第二参考信号的当前积分值；
Q2(t0)为第二参考信号的初始积分值；
Re(ΔD(t))为实部参考数据；
Q3(t)为第三参考信号的当前积分值；
Q3(t0)为第三参考信号的初始积分值；
Q1(t)为第一参考信号的当前积分值；
Q1(t0)为第一参考信号的初始积分值；
判断所述实部参考数据的绝对值、或虚部参考数据的绝对值是否不小于门限阈值，于所述实部参考数据的绝对值、或虚部参考数据的绝对值不小于门限阈值的状态下，根...

【专利技术属性】
技术研发人员：应忍冬，王俊，刘佩林，邹耀，葛昊，
申请(专利权)人：上海数迹智能科技有限公司，
类型：发明
国别省市：上海;31