【技术实现步骤摘要】
一种联合RGB图片的多视角ToF深度测量去噪方法
[0001]本专利技术属于计算机视觉领域,具体的说是一种通过多视角的RGB
‑
D图片去除ToF相机成像过程中由于多径干扰导致的噪声的方法。
技术介绍
[0002]近几年来,基于Time
‑
of
‑
Fight(TOF)的RGB
‑
D相机模块在移动设备中得到了大量的应用。其提供了一个可靠的深度数据测量的方式。相对比与结构光相机或是双目成像系统,TOF相机在短距离范围内提供了精度更高的深度数据。
[0003]TOF设备通过向场景发射调制的红外光,并在传感器上与不同的相移计算测量,来计算可几何场景的深度。然而,ToF设备受到多路径干扰(multipath interference,MPI)的影响:单个像素点信号由多个光反射的路径信号组成,这会在获取深度信息时造成误差,从而降低TOF相机的适用范围。为了尽可能消除MPI效应的影响,以前的大多数工作是利用额外的措施增加获取信号的准确性,例如将探测光信号编码或使用不同相移的多个调制频率,由此可以消除多径效应带来的误差,但是这需要硬件更改(例如,修改内置的红外光发射器,使用可以接收多个调制频率的传感器),或者使用同一标准的ToF相机的多次扫描。
[0004]由于近几年深度学习的快速发展,促使越来越多的研究人员想通过深度学习的方式来解决多径效应,因此研究人员开始从深度学习的方法来解决TOF成像中的误差问题,这就十分依赖用来训练的数据集。但是这种方式需 ...
【技术保护点】
【技术特征摘要】
1.一种联合RGB图片的多视角ToF深度测量去噪方法,其特征是按如下步骤进行:步骤1、利用标定对齐后的RGB
‑
D成像系统获得N组的RGB图和ToF相位测量图(I
n
,P
n
|n=1,2,...,N},其中,I
n
表示第n张RGB图,P
n
表示第n张ToF相位测量图;将第n张RGB图I
n
中第i列第j行的像素点记为其中,表示第n张RGB图I
n
中第i列第j行的像素点的R值,表示第n张RGB图I
n
中第i列第j行的像素点的G值,表示第n张RGB图I
n
中第i列第j行的像素点的B值;将第n张ToF相位测量图P
n
中第i列第j行的像素点记为其中,表示第n张ToF相位测量图P
n
中第i列第j行的像素点的正弦测量分量,表示第n张ToF相位测量图P
n
中第i列第j行的像素点的余弦测量分量;步骤2、以第n组图的相机光心作为原点o
n
,将原点o
n
指向第i列第j行的像素点(i,j)的方向记为从而利用式(1)得到从原点o
n
经过像素点(i,j)的一条射线作为相机光线:式(1)中,x表示射线上的任意一点与原点o
n
之间的距离;并有:o
n
=
‑
t
n
ꢀꢀꢀꢀ
(2)式(2)和式(3)中,K表示相机内参;R
n
表示第n组图的相机位姿E
n
下的旋转矩阵;t
n
表示第n组图的相机位姿E
n
下的平移向量,n=1,2,...,N;步骤3、利用分层抽样法从射线上采样A个位置点:步骤3.1、设置采样区间为[x
near
,x
far
],并将[x
near
,x
far
]均匀分为A个区间块;其中,x
near
表示采样点与原点o
n
的最近距离,x
far
表示采样点与原点o
n
的最远距离;步骤3.2、从第a个块区间中随机采样一个样本x
a
,其中,x
a
代表当前采样位置点与原点o
n
之间的距离,并有:式(2)中,表示服从;U表示均匀分布;步骤3.3、将样本x
a
代入式(1)中得到第a个3D坐标点步骤3.4、按照步骤3.2
‑
步骤3.3的过程得到A个区间的各个3D坐标点并构成3D坐标点集合步骤4、构建多层感知机网络并且每一层采用ReLU作为激活函数;并将第a个3D坐标点输入多层感知机网络从而利用式(5)和式(6)分别得到第a个3D坐标点对应的密度值σ
a
,辐射值c
a
,红外强度值b
a
以及法线方向n
a
:
式(5)...
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。