System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种屏下深度相机数据集生成方法、装置、设备及介质制造方法及图纸_技高网

一种屏下深度相机数据集生成方法、装置、设备及介质制造方法及图纸

技术编号:41058999 阅读:2 留言:0更新日期:2024-04-24 11:10
本发明专利技术公开了一种屏下深度相机数据集生成方法、装置、设备及介质,包括:通过第一渲染器生成屏下TOF深度相机稳态渲染的场景数据,获取深度相机采集的稳态场景下的RGB图像;通过第二渲染器根据场景数据,生成每帧RGB图像对应的原始Raw瞬态数据,模拟生成深度相机对应的噪声、点扩散函数以及相机响应函数;通过预先构建的退化噪声模型,将噪声、点扩散函数以及相机响应函数添加至原始Raw瞬态数据,得到屏下深度相机对应的目标Raw数据集。本发明专利技术实施例的技术方案可以生成与真实场景噪声特性相近的屏下深度相机数据集,为后续基于深度学习的屏下深度图像恢复算法研究奠定坚实的基础。

【技术实现步骤摘要】

本专利技术涉及计算机,尤其涉及一种屏下深度相机数据集生成方法、装置、设备及介质


技术介绍

1、目前,全面屏手机面临的一大难题是前置摄像头的安置问题,主流的智能手机厂商均采用“刘海”屏、“水滴”屏或小孔屏等方式安置前置摄像头,由于屏下tof(time offlight)深度相机采集的原始图像质量不理想,因此,对屏下深度相机采集的深度图像进行恢复是极其重要的。

2、随机人工智能技术的发展,可以采用深度学习模型构建深度相机图像恢复任务,但是现有技术中缺乏深度相机图像恢复任务对应的大规模合成数据集,尤其是针对自然场景的拍摄。

3、因此,亟需提供一种有效的技术手段,生成屏下深度相机对应的大规模深度图像数据集。


技术实现思路

1、本专利技术提供了一种屏下深度相机数据集生成方法、装置、设备及介质,可以生成与真实场景噪声特性相近的屏下深度相机数据集,为后续基于深度学习的屏下深度图像恢复算法研究奠定坚实的基础。

2、根据本专利技术的一方面,提供了一种屏下深度相机数据集生成方法,所述方法包括:

3、通过第一渲染器生成屏下tof深度相机稳态渲染的场景数据,并获取所述深度相机采集的稳态场景下的rgb图像;

4、通过第二渲染器根据场景数据,生成每帧rgb图像对应的原始raw瞬态数据,并模拟生成深度相机对应的噪声、点扩散函数以及相机响应函数;

5、通过预先构建的退化噪声模型,将所述噪声、点扩散函数以及相机响应函数添加至原始raw瞬态数据,得到屏下深度相机对应的目标raw数据集。

6、根据本专利技术的另一方面,提供了一种屏下深度相机数据集生成装置,所述装置包括:

7、稳态渲染模块,用于通过第一渲染器生成屏下tof深度相机稳态渲染的场景数据,并获取所述深度相机采集的稳态场景下的rgb图像;

8、瞬态渲染模块,用于通过第二渲染器根据场景数据,生成每帧rgb图像对应的原始raw瞬态数据,并模拟生成深度相机对应的噪声、点扩散函数以及相机响应函数;

9、数据集生成模块,用于通过预先构建的退化噪声模型,将所述噪声、点扩散函数以及相机响应函数添加至原始raw瞬态数据,得到屏下深度相机对应的目标raw数据集。

10、根据本专利技术的另一方面,提供了一种电子设备,所述设备包括:

11、至少一个处理器;以及

12、与所述至少一个处理器通信连接的存储器;其中,

13、所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本专利技术任一实施例所述的屏下深度相机数据集生成方法。

14、根据本专利技术的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的屏下深度相机数据集生成方法。

15、本专利技术实施例提供的技术方案,通过第一渲染器生成屏下tof深度相机稳态渲染的场景数据,获取所述深度相机采集的稳态场景下的rgb图像,通过第二渲染器根据场景数据,生成每帧rgb图像对应的原始raw瞬态数据,模拟生成深度相机对应的噪声、点扩散函数以及相机响应函数,通过预先构建的退化噪声模型,将所述噪声、点扩散函数以及相机响应函数添加至原始raw瞬态数据,得到屏下深度相机对应的目标raw数据集的技术手段,可以解决屏下tof深度相机3d raw数据的合成问题,生成与真实场景噪声特性相近的屏下深度相机数据集,为后续基于深度学习的屏下深度图像恢复算法研究奠定坚实的基础,同时本实施例提供的数据集生成方法具有良好的泛化能力,可作为一种通用方法用于合成其它退化类型的大规模数据。

16、应当理解,本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征,也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。

本文档来自技高网...

【技术保护点】

1.一种屏下深度相机数据集生成方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,通过第一渲染器生成屏下TOF深度相机稳态渲染的场景数据,包括:

3.根据权利要求1所述的方法,其特征在于,通过第二渲染器根据场景数据,生成每帧RGB图像对应的原始Raw瞬态数据,包括:

4.根据权利要求1所述的方法,其特征在于,在通过预先构建的退化噪声模型,将所述噪声、点扩散函数以及相机响应函数添加至原始Raw瞬态数据之前,还包括:

5.根据权利要求4所述的方法,其特征在于,所述相机函数包括暗角效应参数、像素延迟参数、调制函数以及温度漂移参数。

6.根据权利要求1所述的方法,其特征在于,所述噪声包括透明屏物理噪声、固定模式噪声以及散粒噪声;所述相机响应函数包括暗角效应参数。

7.一种屏下深度相机数据集生成装置,其特征在于,所述装置包括:

8.根据权利要求7所述的装置,其特征在于,所述稳态渲染模块包括:

9.一种电子设备,其特征在于,所述设备包括:

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-6中任一项所述的屏下深度相机数据集生成方法。

...

【技术特征摘要】

1.一种屏下深度相机数据集生成方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,通过第一渲染器生成屏下tof深度相机稳态渲染的场景数据,包括:

3.根据权利要求1所述的方法,其特征在于,通过第二渲染器根据场景数据,生成每帧rgb图像对应的原始raw瞬态数据,包括:

4.根据权利要求1所述的方法,其特征在于,在通过预先构建的退化噪声模型,将所述噪声、点扩散函数以及相机响应函数添加至原始raw瞬态数据之前,还包括:

5.根据权利要求4所述的方法,其特征在于,所述相机函数包括暗角效应参数、像素延迟参数...

【专利技术属性】
技术研发人员:穆欣炬葛晨阳马中生李铁宋思远阳旭高裕弟乔欣刘宏俊
申请(专利权)人:义乌清越光电技术研究院有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1