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

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...

【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：