【技术实现步骤摘要】
一种改进的基于TOF相机三维重建的补空洞方法
本专利技术涉及三维成像领域,尤其涉及一种改进的基于TOF相机三维重建的补空洞方法。
技术介绍
在计算机视觉中,三维重建是指根据单视图或者多视图的图像重建三维信息的过程。三维重建技术在三维人脸识别、虚拟现实、三维建模、电影动画的制作等方面有广泛的应用。主要的三维重建技术有基于结构光的三维重建、基于光度立体技术的三维重建以及基于双目视觉的三维重建,但是TOF相机直接获得的深度图数据无组织的、无序的和有噪声的,含有空白空洞区域,传统补空洞算法具有局限性,有噪声深度图,滤波后有伪影,边缘变得模糊,有噪声点云图,修补效果不理想,过渡生硬。
技术实现思路
为解决上述技术问题,本专利技术提供一种改进的基于TOF相机三维重建的补空洞方法,目的是提高深度图和点云图的质量,改善三维重建物体的效果。本专利技术采用如下技术方案:一种改进的基于TOF相机三维重建的补空洞方法,其特征在于,包括以下步骤:S1、首先对TOF相机进行标定,固定相机进行采集,TOF相机提供红外数据和深度数据,得到含有噪声的初始深度图;S2、利用最小化二次能量函数对得到的初始深度图进行滤波、去噪、补空洞处理,从深度数据和红外数据之间的强相关性出发,定义滤波项和重建项的组合为能量函数,并将其最小化来恢复深度数据;S3、将处理后的深度图转换为点云图;S4、对得到的点云图进行去噪、补空洞处理。进一步的,所述步骤S2中滤波项的算法过程为:为了去除高斯 ...
【技术保护点】
1.一种改进的基于TOF相机三维重建的补空洞方法,其特征在于,包括以下步骤:/nS1、首先对TOF相机进行标定,固定相机进行采集,TOF相机提供红外数据和深度数据,得到含有噪声的初始深度图;/nS2、利用最小化二次能量函数对得到的初始深度图进行滤波、去噪、补空洞处理,从深度数据和红外数据之间的强相关性出发,定义滤波项和重建项的组合为能量函数,并将其最小化来恢复深度数据;/nS3、将处理后的深度图转换为点云图;/nS4、对得到的点云图进行去噪、补空洞处理。/n
【技术特征摘要】
1.一种改进的基于TOF相机三维重建的补空洞方法,其特征在于,包括以下步骤:
S1、首先对TOF相机进行标定,固定相机进行采集,TOF相机提供红外数据和深度数据,得到含有噪声的初始深度图;
S2、利用最小化二次能量函数对得到的初始深度图进行滤波、去噪、补空洞处理,从深度数据和红外数据之间的强相关性出发,定义滤波项和重建项的组合为能量函数,并将其最小化来恢复深度数据;
S3、将处理后的深度图转换为点云图;
S4、对得到的点云图进行去噪、补空洞处理。
2.根据权利要求1所述的一种改进的基于TOF相机三维重建的补空洞方法,其特征在于,所述步骤S2中滤波项的算法过程为:
为了去除高斯白噪声,通过最小化加权误差平方和得到加权平均滤波器:
其中,表示像素xi处的期望深度值,D(xj)表示观察到的深度值,w(xi,xj)表示权重,并且Ni是xi的集合相邻像素,求解得到:
为了去除ToF深度数据中的噪声,将有效深度像素的多边过滤器权重定义为:
其中,KS、KD和KR分别是空间权重、深度权重和红外权重的高斯核,Sigma值分别为hS、hD和hR,引入的一个较小的ε值,它可以增强滤波脉冲噪声,如果中心像素具有无效的深度值,则将过滤器权重定义为:
通过聚合所有像素并以二次矩阵的形式表示,将滤波项定义为:
其中,W是N×N多边权重矩阵,每个行值的总和归一化为1,D是深度值的N×1向量,其中N是深度图像中的像素数。
3.根据权利要求1所述的一种改进的基于TOF相机三维重建的补空洞方法,其特征在于,所述步骤S2中重建项的算法过程为:
采用一种结构引导的深度重建方法,具有Dirichlet边界条件的泊松方程为:
其中Gx和Gy分别是引导向量场的x和y分量,采用了上述方程的离散化形式的解用于重建项,给定深度梯度作为引导向量场,可以通过求解基于4个相邻像素的离散化形式来获得深度值:
通过将非孔像素处的深度值移到右侧在上式中加入边界条件,如果所有像素都在非空洞区域中,则重建项的作用类似于典型的数据项,通过聚合所有像素,方程式可以写成:
其中L表示N×N拉普拉斯矩阵,G表示深度梯度的散度的N×1向量,因此将二次矩阵形式的重构项定义为:
使用移动最小二乘(MLS)插值方法来获得孔洞区域内像素的梯度,MLS通过最小化每个像素的加权最小二乘来求解:
p和pi分别表示目标像素和相邻像素的数据矢量,并且fi是测量的深度梯度Dx(x,y)或Dy(x,y),θ(p;pi)是与pi相关联的权重,并且p是通过使用对空洞区域附近的非空洞像素的k最近邻搜索而获得的像素索引集合,引入红外数据作为额外的结构信息,以防止不必要的内绘深度梯度平滑。
使用中的二次多项式函数f(p)作为近似函数:
f(xyr)=c0+c1x+c2y+c3r+c4x2+c5xy+c6y2+c7...
【专利技术属性】
技术研发人员:毕欣,杨士超,熊璐,张博,许志秋,
申请(专利权)人:同济大学,
类型:发明
国别省市:上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。