【技术实现步骤摘要】
深度恢复方法、装置、电子设备和计算机可读存储介质
[0001]本申请实施例涉及机器视觉
，特别涉及一种深度恢复方法、装置、电子设备和计算机可读存储介质。
技术介绍
[0002]深度相机可以实时获取目标场景的深度信息，其为动作捕捉、三维建模、室内导航与定位、人脸识别、零件扫描检测分拣、安防监控人数统计等应用提供了技术支持，市面上的深度相机进行深度恢复、深度成像主要分为飞行时间法(Time of flight，简称：TOF)、双目视觉技术和单目结构光技术，其中单目结构光技术是当前主流的针对消费级人脸识别、支付场景的主流方案，单目结构光深度相机通过散斑投射器向目标场景投射不规则散斑图案，并通过红外镜头拍摄散斑图案在目标场景上的投影，最后基于拍摄的红外图和预先标定的参考图进行散斑特征匹配，进行深度恢复。
[0003]然而，本申请的专利技术人发现，行业内使用单目结构光技术进行深度恢复时服务器都是针对整张图像操作的，实际上很多背景区域是不需要深度恢复的，在计算资源有限的情况下，深度恢复的精度会大打折扣，无法满足实际需求，同...
【技术保护点】
【技术特征摘要】
1.一种深度恢复方法，其特征在于，包括：在获取到的红外图中确定目标红外区域，并根据所述目标红外区域在与所述红外图对应的散斑图中确定目标散斑区域；其中，所述目标红外区域中包括预设的目标对象；根据所述目标散斑区域的数据有效位和预设的目标数据位选取策略，生成若干个候选散斑图；其中，不同所述候选散斑图选取的目标数据位不同；基于预设的质量评分算法分别对所述若干个候选散斑图进行质量评分，根据评分最高的候选散斑图生成与所述红外图对应的深度图。2.根据权利要求1所述的深度恢复方法，其特征在于，所述目标散斑区域的数据有效位为K位，所述K为大于2的整数，所述预设的目标数据位选取策略包括高位选取策略和低位选取策略，所述候选散斑图包括高位候选散斑图和低位候选散斑图；所述根据所述目标散斑区域的数据有效位和预设的目标数据位选取策略，生成若干个候选散斑图，包括：获取所述目标散斑区域中的各像素点灰度值，所述灰度值为K位数据；根据所述高位选取策略，选取所述各像素点的灰度值的前L位数据作为所述各像素点的第一灰度值，生成高位候选散斑图；其中，所述L为小于K的整数；根据所述低位选取策略，选取所述各像素点的灰度值的后L位数据作为所述各像素点的第二灰度值，生成低位候选散斑图。3.根据权利要求1至权利要求2中任一项所述的深度恢复方法，其特征在于，所述目标散斑区域的数据有效位为10位，所述预设的目标数据位选取策略包括高8位选取策略、中8位选取策略和低8位选取策略，所述候选散斑图包括高8位候选散斑图、中8位候选散斑图和低8位候选散斑图；所述根据所述目标散斑区域的数据有效位和预设的目标数据位选取策略，生成若干个候选散斑图，包括：获取所述目标散斑区域中的各像素点灰度值，所述灰度值为10位数据；根据所述高8位选取策略，选取所述各像素点的灰度值的前8位数据作为所述各像素点的第三灰度值，生成高8位候选散斑图；根据所述中8位选取策略，选取所述各像素点的灰度值的第2位至第9位数据作为所述各像素点的第四灰度值，生成中8位候选散斑图；根据所述低8位选取策略，选取所述各像素点的灰度值的后8位数据作为所述各像素点的第五灰度值，生成低8位候选散斑图。4.根据权利要求1至权利要求2中任一项所述的深度恢复方法，其特征在于，所述基于预设的质量评分算法分别对所述若干个候选散斑图进行质量评分，包括：遍历所述若干个候选散斑图，根据当前候选散斑图中各像素点的灰度值，计算所述当前候选散斑图的灰度值均值；根据所述当前候选散斑图中的散斑点和非散斑点，计算所述当前候选散斑图的信噪比；根据各所述候选散斑图的灰度值均值、各所述候选散斑图的信噪比和预设的质量评分算法，计算各所述候选散斑图的质量评分。5.根据权利要求4所述的深度恢复方法，其特征在于，所述根据所述当前候选散斑图中
的散斑点和非散斑点，计算所述当前候选散斑图的信噪比，包括：对所述当前候选散斑图进行上采样，得到上采样的当前候选散斑图；根据所述...
【专利技术属性】
技术研发人员：化雪诚，付贤强，刘祺昌，王海彬，李东洋，户磊，
申请(专利权)人：合肥的卢深视科技有限公司，
类型：发明
国别省市：
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。