一种光场相机校准方法及系统技术方案

本申请提供的一种光场相机校准方法及系统，该方法包括：获取训练数据，其中训练数据包括标准图像数据和误差图像数据；基于所述标准图像数据和所述误差图像数据之间的距离误差、偏移误差以及角度误差，训练校准模型；通过光场相机阵列中的成像相机获取待处理图像数据；将所述待处理图像数据输入训练好的校准模型，生成所述成像相机的校准数据。通过该方法生成的校准数据高效便捷并且具有更高的精度和普适性。适性。适性。

【技术实现步骤摘要】
一种光场相机校准方法及系统


[0001]本申请涉及图像处理领域，更具体地，涉及一种光场相机校准方法及系统。

技术介绍

[0002]光场成像技术能够同时记录光线的空间和角度信息，突破常规透镜成像的局限，随着现代科技的发展，光场相机越来越多的企业和个人使用，在低光以及影响高速移动的情况下，能够准确对角拍出清晰照片。利用光场相机的光场数据可实现数字重聚焦、景深扩展、场景深度计算和场景三维重建等计算成像技术，被广泛应用于计算机视觉和计算成像领域。其中，光场成像系统的误差分析是光场数据校准和实现计算成像技术的重要前提。
[0003]然而，现有的光场相机的误差分析仅考虑图像结构上的误差，而忽略了轮廓特征、方向特征所带来的误差，导致校准结果准确度低。

技术实现思路

[0004]本专利技术实施例的目的在于提供一种光场相机校准方法及系统，其生成的校准数据高效便捷并且具有更高的精度和普适性。具体技术方案如下：
[0005]在本专利技术实施例的第一方面，提供一种光场相机校准方法，包括：获取训练数据，其中训练数据包括标准图像数据和误差图像数据；基于所述标准图像数据和所述误差图像数据之间的距离误差、偏移误差以及角度误差，训练校准模型；通过光场相机阵列中的成像相机获取待处理图像数据；将所述待处理图像数据输入训练好的校准模型，生成所述成像相机的校准数据。通过该方法生成的校准数据高效便捷并且具有更高的精度和普适性。
[0006]可选地，所述标准图像数据和所述误差图像数据之间的距离误差，包括：计算所述标准图像数据和所述误差图像数据之间的轮廓校准值和结构校准值；基于所述轮廓校准值和所述结构校准值，确定所述距离误差、偏移误差以及角度误差。
[0007]可选地，所述计算所述标准图像数据和所述误差图像数据之间的轮廓校准值，包括：计算所述标准图像数据和所述误差图像数据之间的相对轮廓特征相似度和方向特征相似度；基于所述相对轮廓特征相似度和所述方向特征相似度，计算轮廓标准值；基于所述轮廓标准值，计算轮廓校准值。
[0008]可选地，所述计算所述标准图像数据和所述误差图像数据之间的相对轮廓特征相似度和方向特征相似度，包括：获取所述标准图像数据S(N
×
M)和所述误差图像数据E中，每个像素的子轮廓特征g(i,j)和子方向特征α(i,j)，其中1＜i＜N，1＜α＜M；计算所述标准图像数据S相对于所述误差图像数据E的轮廓特征G
SE
(i,j)和方向特征A
SE
(i,j)；通过如下公式计算轮廓特征相似度和方向特征相似度：
[0009][0010][0011]其中，表示轮廓特征相似度，表示方向特征相似度，G
SE
(i,j)表示轮廓特征，Γ
g
、κ
g
、σ
g
、Γ
α
、κ
α
和σ
α
均表示切线参数。
[0012]可选地，所述基于所述相对轮廓特征相似度和所述方向特征相似度，计算轮廓标准值，包括：通过如下公式计算轮廓标准值：
[0013][0014]其中，表示轮廓特征相似度，表示方向特征相似度。
[0015]可选地，所述计算所述标准图像数据和所述误差图像数据之间的结构校准值，包括：计算所述标准图像数据和所述误差图像数据之间的亮度相似度、对比度相似度以及结构相似度；基于所述亮度相似度、对比度相似度和结构相似度，计算结构校准值。
[0016]可选地，所述计算所述标准图像数据和所述误差图像数据之间的亮度相似度、对比度相似度以及结构相似度，包括：计算所述标准图像数据S的灰度平均值μ
S
和灰度标准差σ
S
；计算所述误差图像数据E的灰度平均值μ
E
和灰度标准差σ
E
；计算所述标准图像数据S和所述误差图像数据E之间的灰度协方差σ
SE
；通过如下公式计算亮度相似度、对比度相似度以及结构相似度：
[0017][0018][0019][0020]其中，l(S,E)表示亮度相似度，c(S,E)表示对比度相似度，s(S,E)表示结构相似度，C1、C2和C3是偏置项。
[0021]可选地，所述将所述待处理图像数据输入训练好的校准模型，生成所述成像相机的校准数据，包括：将所述待处理图像数据输入训练好的校准模型，生成距离校准数据、偏移校准数据以及角度校准数据；所述距离校准数据、所述偏移校准数据以及所述角度校准数据，构成所述成像相机的校准数据。
[0022]在本专利技术实施例的又一方面，提供一种光场相机校准系统，包括：训练数据获取模块，用于获取训练数据，其中训练数据包括标准图像数据和误差图像数据；校准模型训练模块，用于基于所述标准图像数据和所述误差图像数据之间的距离误差、偏移误差以及角度误差，训练校准模型；待处理图像获取模块，用于通过光场相机阵列中的成像相机获取待处理图像数据；校准数据生成模块，用于将所述待处理图像数据输入所述校准模型，生成所述成像相机的校准数据。
[0023]可选地，校准模型训练模块具体用于：计算所述标准图像数据和所述误差图像数据之间的轮廓校准值和结构校准值；基于所述轮廓校准值和所述结构校准值，确定所述距离误差、偏移误差以及角度误差。
[0024]可选地，校准模型训练模块还用于：计算所述标准图像数据和所述误差图像数据之间的相对轮廓特征相似度和方向特征相似度；基于所述相对轮廓特征相似度和所述方向
特征相似度，计算轮廓标准值；基于所述轮廓标准值，计算轮廓校准值。
[0025]可选地，校准模型训练模块还用于：获取所述标准图像数据S(N
×
M)和所述误差图像数据E中，每个像素的子轮廓特征g(i,j)和子方向特征α(i,j)，其中1＜i＜N，1＜α＜M；计算所述标准图像数据S相对于所述误差图像数据E的轮廓特征G
SE
(i,j)和方向特征A
SE
(i,j)；通过如下公式计算轮廓特征相似度和方向特征相似度：
[0026][0027][0028]其中，表示轮廓特征相似度，表示方向特征相似度，G
SE
(i,j)表示轮廓特征，Γ
g
、κ
g
、σ
g
、Γ
α
、κ
α
和σ
α
均表示切线参数。
[0029]可选地，校准模型训练模块还用于：通过如下公式计算轮廓标准值：
[0030][0031]其中，表示轮廓特征相似度，表示方向特征相似度。
[0032]可选地，校准模型训练模块还用于：计算所述标准图像数据和所述误差图像数据之间的亮度相似度、对比度相似度以及结构相似度；基于所述亮度相似度、对比度相似度和结构相似度，计算结构校准值。
[0033]可选地，校准模型训练模块还用于：计算所述标准图像数据S的灰度平均值μ
S
和灰度标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光场相机校准方法，其特征在于，包括：获取训练数据，其中训练数据包括标准图像数据和误差图像数据；基于所述标准图像数据和所述误差图像数据之间的距离误差、偏移误差以及角度误差，训练校准模型；通过光场相机阵列中的成像相机获取待处理图像数据；将所述待处理图像数据输入训练好的校准模型，生成所述成像相机的校准数据。2.根据权利要求1所述的方法，其特征在于，所述标准图像数据和所述误差图像数据之间的距离误差，包括：计算所述标准图像数据和所述误差图像数据之间的轮廓校准值和结构校准值；基于所述轮廓校准值和所述结构校准值，确定所述距离误差、偏移误差以及角度误差。3.根据权利要求2所述的方法，其特征在于，所述计算所述标准图像数据和所述误差图像数据之间的轮廓校准值，包括：计算所述标准图像数据和所述误差图像数据之间的相对轮廓特征相似度和方向特征相似度；基于所述相对轮廓特征相似度和所述方向特征相似度，计算轮廓标准值；基于所述轮廓标准值，计算轮廓校准值。4.根据权利要求3所述的方法，其特征在于，所述计算所述标准图像数据和所述误差图像数据之间的相对轮廓特征相似度和方向特征相似度，包括：获取所述标准图像数据S(N
×
M)和所述误差图像数据E中，每个像素的子轮廓特征g(i,j)和子方向特征α(i,j)，其中1＜i＜N，1＜α＜M；计算所述标准图像数据S相对于所述误差图像数据E的轮廓特征G
SE
(i,j)和方向特征A
SE
(i,j)；通过如下公式计算轮廓特征相似度和方向特征相似度：征相似度和方向特征相似度：其中，表示轮廓特征相似度，表示方向特征相似度，G
SE
(i,j)表示轮廓特征，Γ
g
、κ
g
、σ
g
、Γ
α
、κ
α
和σ
α
均表示切线参数。5.根据权利要求4所述的方法，其特征在于，所述基于所述相对轮廓特征相似度和所述方向特征相似度，计算轮廓标准值，包括：通过如下公式计算轮廓标准值：其中，表示轮廓特征相似度，表示方向特征相似度。6.根据权利要求2所述的方法，其特征...

【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：北京拙河科技有限公司，
类型：发明
国别省市：