CN105354819A - 深度数据测量系统、深度数据确定方法和装置 - Google Patents
深度数据测量系统、深度数据确定方法和装置 Download PDFInfo
- Publication number
- CN105354819A CN105354819A CN201510630016.5A CN201510630016A CN105354819A CN 105354819 A CN105354819 A CN 105354819A CN 201510630016 A CN201510630016 A CN 201510630016A CN 105354819 A CN105354819 A CN 105354819A
- Authority
- CN
- China
- Prior art keywords
- depth data
- light image
- closed region
- infrared light
- visible images
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种深度数据测量系统、深度数据确定方法和装置。该方法包括:获取待检测物体的第一可见光图像和红外光图像,红外光图像是由投射到测量空间中的红外光束产生的带有红外光纹理的图像,基于红外光图像能够确定红外光纹理中的纹理片段的深度数据;确定第一可见光图像中的待检测物体图像的轮廓,轮廓在第一可见光图像中划分出一个或多个第一封闭区域;确定红外光图像中与第一可见光图像中的第一封闭区域对应的第二封闭区域;确定第二封闭区域中的纹理片段的深度数据,作为待检测物体相应位置的深度数据。由此,可以准确地获得待检测物体的边缘轮廓的深度信息,并减少深度数据计算量,提高深度数据测量效率。
Description
技术领域
本发明涉及三维检测领域,具体地说,涉及一种深度数据测量系统、深度数据确定方法和装置。
背景技术
三维信息亦可称深度信息或景深信息,其在现代图像信息采集技术中的重要性日益显现,尤其在监控安防、体感操作及机械自动化等应用中。
现有的深度检测设备一般采用辅助离散光源进行照明,如结构光等,通过检测结构光的相位移动从而计算得到所测物体表面的深度信息,简单地说,该测量方法首先向待测体表面投射带有编码信息的二维激光纹理图案,例如离散化的散斑图,另一处位置相对固定的图像采集装置对激光纹理进行连续采集,处理单元将采集的激光纹理序列与预先存储在寄存器内的已知纵深距离的参考面纹理序列进行比较,计算出投射在自然体表面的各个激光纹理序列片段的纵深距离,并进一步测量得出待测物表面的三维数据。基于这种结构光检测的三维测量技术采用并行图像处理的方法,能够对待检测物体的深度信息进行实时检测。
下面结合图1至图3对现有测量方法的缺点做简要说明。
图1示出待检测物体是两个有重叠部分的手掌时,向两个手掌投射离散光斑的示意图。
图2示出利用现有结构光检测方法对两个手掌进行图像采集得到的离散光斑图像。
图3示出利用现有技术对图2采集的离散光斑图像进行计算得到的待检测物体轮廓的示意图。
从图1可以看出,由于离散的各个激光光斑间有一定距离,因此针对投射面较细窄的位置无法发射较多的光斑信息,这样就容易丢失部分真实深度信息。即使在较大的投射面,也会因为该原因而无法稳定连续描述其边缘轮廓,因此对图1的两个手掌的离散光斑进行图像采集时得到的离散光斑图像的轮廓边缘与实际物体的边缘有很大误差(如图2所示),此时通过从而引起轮廓边缘的测量数据不稳定。
另外,当两个手掌有重叠部分时(此处重叠可以是接触覆盖,也可以是空间遮挡),重叠部分的纹理片段不能判断其属于哪个手掌,这样针对此时获取的纹理图像进行深度数据计算,其深度数据不能准确的反映待检测物体的深度信息,如图3所示,两个手掌的重叠部分不能清除描述其属于哪个手掌。
而且,在难以确定待检测物体的边缘轮廓的情况下,需要对整个图像中的光斑进行深度计算,才能确定对象方位,这样会大大增大计算量。
因此,需要一种深度数据测量系统、深度数据确定方法和装置,使得能够更准确地获得待检测物体的边缘轮廓的深度信息。
发明内容
本发明所要解决的一个技术问题是,提供一种深度数据测量系统、深度数据确定方法和装置,通过待检测物体的可见光图像,划分红外光图像的轮廓,以准确计算待检测物体的边缘轮廓的深度信息。
根据本发明的一个方面,公开了一种确定测量空间中的待检测物体的深度数据的方法,包括:获取使用第一可见光图像传感器对测量空间进行拍摄得到的第一可见光图像;获取使用红外光图像检测单元对测量空间进行拍摄得到的红外光图像,红外光图像是由投射到测量空间中的红外光束产生的带有红外光纹理的图像,基于红外光图像能够确定红外光纹理中的纹理片段的深度数据;确定第一可见光图像中的待检测物体图像的轮廓,轮廓在可见光图像中划分出一个或多个第一封闭区域;确定红外光图像中与第一可见光图像中的第一封闭区域相对应的第二封闭区域;确定第二封闭区域中的纹理片段的深度数据,作为待检测物体相应位置的深度数据。
由此,可以利用第一可见光图像来确定待检测物体的轮廓,并将第一可见光图像中的待检测物体的轮廓图像划分成一个或多个第一封闭区域。这样,通过在红外光图像中找出与第一可见光图像中的第一封闭区域相对应的第二封闭区域,就可以借助于第一可见光图像中确定的轮廓确定红外光图像中的轮廓信息。此时,就可以通过计算红外光图像中确定的第二封闭区域中的纹理片段的深度数据,获得待检测物体的边缘轮廓的深度信息。
优选地,红外光图像检测单元可以包括一个红外光图像传感器,此时,可以根据第二封闭区域中的纹理片段与已知纵深距离的参考面纹理图案之间的差异来确定第二封闭区域中的纹理片段的深度数据。
优选地,红外光图像检测单元还可以包括两个红外光图像传感器,两个红外光图像传感器之间具有预定的相对空间位置关系。此时,可以根据两个红外光图像传感器之间的预定空间位置关系、基于测量空间中同一个纹理片段在两个红外光图像中相对应地形成的纹理片段图像的位置差异,确定第二封闭区域中的纹理片段的深度数据。
优选地,确定第二封闭区域中的纹理片段的深度数据的步骤可以包括:确定第二封闭区域边缘的纹理片段的深度数据,作为边缘片段深度数据;根据边缘片段深度数据拟合出一个参考面,以近似表达待检测物体的表面。
由此,可以根据获取的第二封闭区域的边缘深度进行曲面拟合,拟合出一个带有深度数据的参考面,在对待检测物体的深度数据要求不高的情况下,可以将这个参考面的深度数据作为该区域内的深度数据,由此可以减少深度数据计算量,提高深度数据测量效率。
优选地,确定第二封闭区域中的纹理片段的深度数据的步骤可以包括:确定第二封闭区域内部的纹理片段的深度数据,作为内部片段深度数据;根据参考面判断内部片段深度数据是否有效。
由此,在需要对封闭区域内的各个纹理片段进行其深度数据计算时,可以根据参考面的深度数据来判定计算得到的深度数据是否有效,这样,可以剔除一些由于匹配错误等原因造成计算错误的深度数据,提高深度数据测量的准确度。
优选地,当内部片段深度数据与参考面上相应位置处的深度数据的差值大于预定阈值时,判定内部片段深度数据无效;当内部片段深度数据与参考面上相应位置处的深度数据的差值小于或等于预定阈值时,判定内部片段深度数据有效。
优选地,当判定内部片段深度数据无效时,可以用参考面上相应位置处的深度数据替代内部片段深度数据。
这样,在剔除了无效数据的同时,还可以将参考面上相应位置处的深度数据作为内部片段深度数据,可以保证待检测物体的深度数据的完整性。
优选地,根据红外光图像检测单元与第一可见光图像传感器之间预定相对空间位置关系,确定红外光图像中与第一可见光图像中的第一封闭区域对应的第二封闭区域。
由此,可以根据红外光图像检测单元与第一可见光图像传感器之间预定相对空间位置关系,将红外光图像与第一可见光图像对齐,然后根据第一可见光图像中的待检测物体的轮廓信息,就可以确定红外光图像中待检测物体的轮廓信息。
优选地,方法还可以包括:获取使用第二可见光图像传感器对测量空间进行拍摄得到的第二可见光图像,其中,第一可见光图像传感器与第二可见光图像传感器之间具有预定相对空间位置关系;确定第二可见光图像中的待检测物体图像的轮廓,轮廓在第二可见光图像中划分出一个或多个第三封闭区域,基于第一可见光图像传感器与第二可见光图像传感器之间的预定相对空间位置关系、第一封闭区域和与其相对应的第三封闭区域之间的差异,确定第一封闭区域的深度数据,作为待检测物体相应位置的第二深度数据。
由此,还可以通过比较两个可见光图像之间的视差,以确定第一可见光图像中的封闭区域的深度数据。其中,可见光图像可以是包含待检测物体的色彩信息的彩色图像,这样,当工作环境处于户外,有较强的红外光(主要是日光)干扰时,根据两个处于不同位置的彩色摄像头获取的彩色图像信息,就可以进行视差匹配以计算得到可靠的深度信息。
优选地,基于两个可见光图像之间的差异来确定第一封闭区域的深度数据的步骤还可以包括:确定第一封闭区域边缘的深度数据,作为第二边缘深度数据,根据第二边缘深度数据拟合出一个参考面,以近似表达所述待检测物体的表面。
由此,可以根据待检测物体的封闭区域的边缘深度进行曲面拟合,拟合出一个带有深度数据的参考面,在对待检测物体的深度数据要求不高的情况下,可以将这个参考面的深度数据作为该区域内的深度数据,由此可以减少深度数据计算量,提高深度数据测量效率。
根据本发明的另一方面,还公开了一种确定测量空间中的待检测物体的深度数据的装置,包括:第一可见光图像获取模块,用于获取使用第一可见光图像传感器对测量空间进行拍摄得到的第一可见光图像;红外光图像获取模块,用于获取使用红外光图像检测单元对测量空间进行拍摄得到的红外光图像,红外光图像是投射到测量空间中的红外光束产生的带有红外光纹理的图像,基于红外光图像能够确定红外光纹理中的纹理片段的深度数据;第一封闭区域划分模块,用于确定第一可见光图像中的待检测物体图像的轮廓,轮廓在第一可见光图像中划分出一个或多个第一封闭区域;第二封闭区域划分模块,用于确定红外光图像中与第一可见光图像中的第一封闭区域对应的第二封闭区域;深度数据确定模块,用于确定第二封闭区域中的纹理片段的深度数据。
优选地,深度数据确定模块可以包括:边缘深度数据确定模块,用于确定第二封闭区域边缘的纹理片段的深度数据,作为边缘片段深度数据;参考面拟合模块,用于根据边缘片段深度数据拟合出一个参考面,以近似表达待检测物体的表面。
优选地,深度数据确定模块还可以包括:内部片段深度数据确定模块,用于确定第二封闭区域内部的纹理片段的深度数据,作为内部片段深度数据;深度数据判断模块,用于根据参考面判断内部片段深度数据是否有效。
优选地,装置还可以包括:第二可见光图像获取模块,可以用于获取使用第二可见光图像传感器对所述测量空间进行拍摄得到的第二可见光图像,其中,第一可见光图像传感器与第二可见光图像传感器之间具有预定相对空间位置关系;第三封闭区域划分模块,可以用于确定第二可见光图像中的待检测物体图像的轮廓,该轮廓在第二可见光图像中划分出一个或多个第三封闭区域;第二深度数据确定模块,可以基于第一可见光图像传感器与第二可见光图像传感器之间的预定相对空间位置关系、第一封闭区域和与其相对应的第三封闭区域之间的差异,确定第一封闭区域的深度数据。
优选地,第二深度数据确定模块可以包括:第二边缘深度数据确定模块,用于确定第一封闭区域边缘的深度数据;第二参考面拟合模块,用于根据第一封闭区域边缘的深度数据拟合出一个参考面,以近似表达待检测物体的表面。
根据本发明的又一方面,还公开了一种深度数据测量系统,包括:存储器,用于存储红外光图像和第一可见光图像,第一可见光图像是使用第一可见光图像传感器对测量空间进行拍摄得到的,红外光图像是使用红外光图像检测单元对测量空间进行拍摄得到的,并且红外光图像是由投射到测量空间中的红外光束产生的带有红外光纹理的图像,基于红外光图像能够确定红外光纹理中的纹理片段的深度数据;处理器,用于从存储器获取红外光图像和第一可见光图像,确定第一可见光图像中的待检测物体图像的轮廓,轮廓在第一可见光图像中划分出一个或多个第一封闭区域,并确定红外光图像中与第一可见光图像中的第一封闭区域对应的第二封闭区域以及第二封闭区域中的纹理片段的深度数据,作为待检测物体相应位置的深度数据,并且将待检测物体相应位置的深度数据存储到存储器中。
由此,存储器可以用来存储待检测物体的红外光图像和第一可见光图像,处理器可以从存储器获取红外光图像和第一可见光图像,并将可见光图像中待检测物体的图像划分成一个或多个第一封闭区域,在红外光图像中找出与第一可见光图像中的第一封闭区域相对应的第二封闭区域,这样就可以确定红外光图像中待检测物体的轮廓信息,通过计算多个第二封闭区域内的纹理片段的深度数据,就可以获得待检测物体的边缘轮廓的深度信息。
优选地,本发明的深度数据测量系统还可以包括:第一可见光图像传感器,可以对测量空间进行拍摄以得到第一可见光图像,第一可见光图像可以被存储在存储器中;红外编码投影系统,可以用于向测量空间投射带有纹理的红外光束,以在测量空间中的待检测物体上形成红外光纹理;红外光图像检测单元,可以用于对测量空间进行拍摄以得到红外光图像,红外光图像可以被存储在存储器中。
这样,通过红外编码投影系统、红外光图像检测单元以及第一可见光图像传感器可以得到测量空间的红外光图像和第一可见光图像,并将其存储在存储器中,以供处理器调取。
优选地,红外光图像检测单元可以包括:第一红外图像传感器,可以对测量空间进行拍摄以得到第一红外光图像,第一红外光图像可以被存储在存储器中;和/或第二红外图像传感器,可以对测量空间进行拍摄以得到第二红外光图像,第二红外光图像可以被存储在存储器中。
由此,红外光图像检测单元可以采用单个红外图像传感器,也可以采用两个红外图像传感器。
优选地,处理器可以确定第二封闭区域边缘的纹理片段的深度数据,作为边缘片段深度数据,并根据边缘片段深度数据拟合出一个参考面,以近似表达待检测物体的表面,并可以将参考面存储到存储器中。
这样,处理器还可以计算待检测物体的封闭区域的边缘深度,在对待检测物体的深度数据测量要求不高时,可以将参考面的深度数据作为待检测物体的深度数据,由此可以减少深度数据计算量,提高深度数据测量效率。
优选地,处理器可以确定第二封闭区域内部的纹理片段的深度数据,作为内部片段深度数据,根据参考面判断内部片段深度数据是否有效,并将被判定有效的内部片段深度数据存储到存储器中。
这样,在需要对封闭区域内的各个纹理片段进行其深度数据计算时,处理器可以根据参考面的深度数据来判定计算得到的深度数据是否有效,这样,可以剔除一些由于匹配错误等原因造成计算错误的深度数据,提高深度数据测量的准确度。
优选地,处理器可以计算内部片段深度数据与参考面上相应位置处的深度数据的差值,当差值大于预定阈值时,处理器可以判定内部片段深度数据无效;当差值小于或等于预定阈值时,处理器可以判定内部片段深度数据有效。
这样,具体提出了一种处理器可以执行判定方式,处理器基于该判定方式就可以快速判定内部片段深度数据是否有效。
优选地,当处理器判定内部片段深度数据无效时,处理器可以用参考面上相应位置处的深度数据替代内部片段深度数据。
这样,在剔除了无效数据的同时,还可以将参考面上相应位置处的深度数据作为内部片段深度数据,可以保证待检测物体的深度数据的完整性。
优选地,处理器可以根据红外光图像传感器与可见光图像传感器之间预定相对空间位置关系,确定红外光图像中与可见光区域中的第一封闭区域对应的第二封闭区域。
由此,处理器可以根据红外光图像传感器与可见光图像传感器之间预定相对空间位置关系,将红外光图像与可见光图像对齐,然后根据可见光图像来确定红外光图像中待检测物体的轮廓信息。
优选地,存储器还可以用于存储第二可见光图像,第二可见光图像是使用第二可见光图像传感器对测量空间进行拍摄得到的,其中,第一可见光图像传感器与第二可见光图像传感器之间具有预定相对空间位置关系,处理器还用于从存储器获取第二可见光图像,确定第二可见光图像中的待检测物体图像的轮廓,该轮廓在第二可见光图像中划分出一个或多个第三封闭区域,处理器可以根据第一可见光图像传感器与第二可见光图像传感器之间的预定相对空间位置关系、第一封闭区域和与其相对应的第三封闭区域之间的差异(如视差),确定第一封闭区域的深度数据,作为待检测物体相应位置的第二深度数据,并可以将第二深度数据存储到所述存储器中。
优选地,处理器还可以确定第一封闭区域边缘的深度数据,作为第二边缘片段深度数据,并可以根据第二边缘片段深度数据拟合出一个参考面,以近似表达待检测物体的表面,并可以将该参考面存储到存储器中。
综上,本发明公开的深度数据测量系统、深度数据确定方法和装置不仅可以准确地获取待检测物体的轮廓信息,还可以通过多种方式快速、高效地获取待检测物体的深度数据。
附图说明
通过结合附图对本公开示例性实施方式进行更详细的描述,本公开的上述以及其它目的、特征和优势将变得更加明显,其中,在本公开示例性实施方式中,相同的参考标号通常代表相同部件。
图1示出了待检测物体是两个有重叠部分的手掌时,向两个手掌投射离散光斑的示意图。
图2示出了利用现有结构光检测方法对两个手掌进行图像采集得到的离散光斑图像。
图3示出了利用现有技术对图2采集的离散光斑图像进行计算得到的待检测物体的轮廓的示意图。
图4示出了本发明的深度数据测量系统的结构的示意性方框图。
图5示出了本发明一实施例的对待检测物体的封闭区域进行划分的示意图。
图6示出了根据本发明另一个实施例的深度数据测量系统的结构的示意性方框图。
图7示出了本发明的深度数据测量系统的另一个实施例的示意性方框图。
图8示出了本发明的深度数据测量系统的另一个实施例的示意性方框图。
图9示出了根据本发明的一个实施例的深度数据测量方法的流程图。
图10示出了图9所示步骤S500可选地可包括的子步骤的流程图。
图11是本发明的深度数据确定方法还可以包括的步骤的示意性流程图。
图12示出了图11所示步骤S160可包括的子步骤的流程图。
图13示出了根据本发明的一个实施例的深度数据确定装置的示意性方框图。
图14示出了图13中所示的深度数据确定模块500的可选内部结构的示意性方框图。
图15示出了本发明的深度数据确定装置还可以包括的结构示意图。
图16示出了图15中所示的第二深度数据确定模块230的可选内部结构的示意性方框图。
具体实施方式
下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
图4示出了本发明的深度数据测量系统的结构的示意性方框图。
如图4所示,本发明的深度数据测量系统包括存储器1和处理器2,存储器1连接于处理器2。其中,存储器1可以预先存储有待处理的相关数据,处理器2可以对存储器1预先存储的数据进行提取、处理,以确定待检测物体的深度数据。其中,处理器2和存储器1之间可以采用实时性或非实时性处理的方式,即处理器2可以实时地从不存储器1中获取相关数据并进行处理,也可以先将相关数据由存储器1存储,然后由处理器2在合适的时间进行提取、处理。
下面对存储器1和处理器2的相关功能做详细说明。
存储器1可以存储红外光图像和第一可见光图像。第一可见光图像可以是使用第一可见光图像传感器对测量空间进行拍摄得到的。其中,第一可见光图像可以包含待检测物体的色彩信息,因此,第一可见光图像传感器可以采用RGB(色彩)传感器。
红外光图像可以是使用红外光图像检测单元对测量空间进行拍摄得到的。其中,红外光图像是由投射到测量空间中的红外光束产生的红外光纹理的图像。因此,红外光图像中包含有待检测物体的深度信息。
处理器2与存储器1连接,可以从存储器1获取红外光图像和第一可见光图像,然后可以通过图像特征识别等现有技术确定第一可见光图像中的待检测物体的轮廓,此处的轮廓指的是待检测物体图像的整体轮廓,该轮廓可以将第一可见光图像中的待检测物体图像划分出一个或多个第一封闭区域,这一个或多个第一封闭区域的边界就组成了待检测物体的轮廓。
待检测物体没有重叠部分时,处理器2确定的第一可见光图像中的待检测物体的轮廓在第一可见光图像中划分出一个第一封区域,该第一封闭区域内部就是待检测物体的图像。例如,待检测物体是一个伸展的手掌时,第一封闭区域就是整个手掌。
待检测物体有重叠部分时,处理器2确定的第一可见光图像中的待检测物体图像的轮廓就将待检测物体分为多个第一封闭区域,多个第一封闭区域组成待检测物体的图像。如图5所示,待检测物体是两个手掌,并且其中一个手掌的部分手掌压在另一个手掌上,这种情况下确定的轮廓就将待检测物体(两个手掌)分为如图所示的四个封闭区域(图中P1、P2、P3、P4),这四个封闭区域组成待检测物体(两个手掌)。
在对第一可见光图像进行区域划分后,处理器2可以通过标定来将红外光图像与第一可见光图像对齐,以此可以确定红外光图像中与第一可见光图像中的第一封闭区域对应的第二封闭区域,并可以确定第二封闭区域中的纹理片段的深度数据,作为待检测物体相应位置的深度数据,并可以将其存储到存储器1中。
这样就可以获取待检测物体的轮廓深度数据,将待检测物体的轮廓深度数据填充在第一可见光图像中待检测物体图像的相应轮廓处,就可以得到待检测物体的包含有色彩和深度信息的轮廓。
其中,存储器1可以预先存储使用红外光图像检测单元获取的单个红外光图像,也可以存储使用红外光图像检测单元获取的两个红外光图像。也就是说,红外光图像检测单元可以采用单个红外光图像传感器,也可以采用两个红外光图像传感器。
在已经存储有已知纵深距离的若干个参考面纹理图案情况下,存储器1中可以存储单个红外光图像。处理器2可以通过将红外光图像的第二封闭区域中的纹理片段与已知纵深距离的参考面纹理图案比较,以确定第二封闭区域中的纹理片段的深度数据。其中,已知纵深距离的参考面纹理图案可以预先存储在处理器2中也可以预先存储在存储器1中,还可以存储在其它可以由处理器2调取的存储设备中。
或者,存储器1中也可以存储使用两个红外光图像传感器获取的两个红外光图像。处理器2可以根据两个红外光图像传感器之间的预定相对空间位置关系、基于测量空间中同一个纹理片段在两个红外光图像中相对应地形成的纹理片段图像的位置差异,确定第二封闭区域的深度数据。
综上,本发明实施例的存储器1可以存储包含有待检测物体图像的第一可见光图像和红外光图像。处理器2从存储器1获取第一可见光图像和红外光图像,并对第一可见光图像进行封闭区域划分,划分出第一可见光图像中的待检测物体图像的轮廓,然后可以根据第一可见光图像中划分的待检测物体图像的轮廓,确定红外光图像中相对应的轮廓。这样,就可以准确地划分出红外光图像中的待检测物体的轮廓,由此,在计算待检测物体各处深度数据时,可以舍弃轮廓外部的红外纹理片段,只计算轮廓内部的红外纹理片段。可以减少深度数据计算量,提高深度数据测量效率。
需要注意的是,本文中的处理器2的功能可以在计算机处理器上通过编写的计算机程序来实现。可替代地,该处理器2的部分或全部功能可在定制的或半定制的集成电路上实现,也可以在DSP(DigitalSignalProcessor,数字信号处理器)或FPGA(FieldProgrammableGateArray,现场可编程门阵列)等通用计算芯片上通过运行预先编写的程序实现。
另外,存储器1和处理器2的上述功能可以由独立的两个部件分别实现,也可以由一个部件实现,只要能实现上述功能即可。例如,存储器1的上述功能还可以由处理器2中的临时存储器实现,也可以由两个分别用来存储红外光图像和可见光图像的存储器实现。
作为优选方案,处理器2还可以被配置为可以实现下述功能。
处理器2还可以确定第二封闭区域边缘的纹理片段的深度数据,作为边缘片段深度数据,并根据边缘片段深度数据拟合出一个参考面,以近似表达待检测物体的表面,并将参考面的相关信息存储到存储器1中。
其中,根据边缘片段深度数据拟合参考面,既可以是线性拟合也可以通过其它非线性的方式进行拟合。例如,基于获取的边缘片段深度数据,可以采用但不限于最小二乘法、移动最小二乘法、特征值最小二乘法等现有的平面拟合方法得到参考面。
这样,在对待检测物体的深度数据测量要求不高时,可以将参考面的深度数据作为该区域内的深度数据。这时,可以将参考面的深度数据填充到可见光图像中的待检测物体图像中,这样就可以得到待检测物体的深度及彩色数据,由此可以减少深度数据计算量,提高深度数据测量效率。
另外,处理器2还可以将第二封闭区域内部的纹理片段的深度数据作为内部片段深度数据,然后可以根据拟合出的参考面判断内部片段深度数据是否有效,并将被判定为有效的内部片段深度数据存储到存储器中。
具体地说,处理器2可以先计算内部片段深度数据与拟合出的参考面上相应位置处的深度数据的差值,当差值大于预定阈值时,处理器2判定内部片段深度数据无效;当差值小于或等于预定阈值时,处理器2判定内部片段深度数据有效。
其中,在处理器2判定内部片段深度数据无效时,处理器2还可以用参考面上相应位置处的深度数据替代内部片段深度数据。
这样,在需要对封闭区域内的各个纹理片段进行其深度数据计算时,处理器2可以根据参考面的深度数据来判定计算得到的该区域内深度数据是否有效,这样,既可以剔除一些由于人为或环境等原因计算错误的深度数据,提高深度数据测量的准确度,又保证了深度数据的完整性。
显而易见的是,以上优选实施例也能够以本领域技术人员可以想到的其他方式实现,而不背离本发明的精神和范围。
图6示出了根据本发明另一个实施例的深度数据测量系统的结构的示意性方框图。
如图6所示,本实施例的深度数据测量系统可以包括存储器1、处理器2、红外光图像检测单元4、第一可见光图像传感器5以及红外编码投影系统3。
存储器1可以分别与红外光图像检测单元4、第一可见光图像传感器5相连,存储通过红外光图像检测单元4、第一可见光图像传感器5分别得到的红外光图像、第一可见光图像。处理器2可以与存储器1相连,从存储器1获取其存储的包含有待检测物体的红外光图像和第一可见光图像。其中,处理器2的相关功能可参照上文关于图5的相关描述,此处不再赘述。
另外,处理器2还可以分别与红外光图像检测单元4、第一可见光图像传感器5相连。这样,处理器2可以对红外光图像传感器4和第一可见光图像传感器5获取的图像进行实时处理,并将处理后得到的数据存储在存储器1中。
本发明实施例中的红外编码投影系统3可以向测量空间投射带有随机纹理的红外光束,以在测量空间中的待检测物体上形成随机分布的红外光纹理。其中,红外编码投影系统3投射的带有纹理的红外光束可以是多种形式的随机纹理,例如可以是离散光斑、条状纹理等等,此时对测量空间拍摄得到的红外光图像是带有相应纹理片段的红外光图像。
红外光图像检测单元4可以与存储器1相连,用于对测量空间进行拍摄以得到红外光图像,并将拍摄得到的红外光图像存储在存储器1中。
由于在对红外光图像进行区域划分时,需要将红外光图像和第一可见光图像对齐。因此,优选地,可以使红外光图像检测单元4与第一可见光图像传感器5尽可能靠近。
第一可见光图像传感器5可以与存储器1相连,可以对测量空间进行拍摄以得到第一可见光图像,并将拍摄得到的第一可见光图像存储在存储器1中。
本发明实施例的深度数据测量系统,通过红外光图像检测单元4和第一可见光图像传感器5对测量空间拍摄成像,并将所成像存储到存储器2中,供处理器1调取、处理,可以确定待检测物体的轮廓和待检测物体的深度信息。
其中,红外光图像检测单元4可以采用一个红外光图像传感器,通过单目视觉识别技术来获取深度数据,也可以采用两个具有预定空间位置关系的红外光图像传感器,通过双目视觉识别技术来获取深度数据。
红外光图像检测单元4采用单个红外光图像传感器时,处理器2可以根据红外光图像中的纹理片段与已知纵深距离的参考面纹理图案比较,来确定红外光图像中的纹理片段的深度数据。
其中,已知纵深距离的参考面纹理图案可以预先存储在处理器2中也可以预先存储在存储器1中,还可以存储在其它可以由处理器2调取的存储设备中。
单目视觉识别技术已为本领域技术人员所公知,在此不再详述。
红外光图像检测单元4采用两个红外光图像传感器时,处理器2可以根据两个红外光图像中相对应的封闭区域中的纹理片段的差异、两个红外光图像传感器之间的相对空间位置关系确定相应的封闭区域中的纹理片段的深度数据。
如下将根据上述优选实施例描述在一个实施例中的本发明所公开方法的一个具体实现。应该理解的是,该具体实现中所阐明的各优选特征可以同时出现、部分出现、由其他优选特征所代替,并且这些修改和变化都位于所附权利要求所涵盖的本发明的精神和范围之内。
图7示出了本发明的深度数据测量系统的另一个实施例的示意性方框图,其中,作为示例,描述了红外光图像检测单元包括两个红外光图像传感器的情况。
如图7所示,该系统包括红外编码投影系统3、第一红外光图像传感器41、第二红外光图像传感器42、第一可见光图像传感器5、存储器1以及处理器2。其中,第一红外光图像传感器41、第二红外光图像传感器42、第一可见光图像传感器5分别与存储器1相连,存储器1与处理器2相连,第一红外光图像传感器41、第二红外光图像传感器42以及第一可见光图像传感器5的两两之间具有预定相对空间位置关系。
下面详细叙述本发明实施例的深度数据测量系统的工作过程。
红外编码投影系统3用于向待检测物体所在的测量空间投射带有随机纹理的红外光束,以在待检测物体上形成随机分布的红外纹理,第一红外光图像传感器41和第二红外光图像传感器42分别对被测空间成像,并将所成的像发送至处理器2,由于待检测物体上有红外纹理,所以第一红外光图像传感器41和第二红外光图像传感器42的成像为两个红外纹理图像。
第一可见光图像传感器5对被测空间成像,并将成的第一可见光图像发送至处理器2。
处理器2可以根据图像识别技术确定可见光图像中待检测物体图像的轮廓,此处的轮廓在待检测物体图像中划分出一个或多个封闭区域,然后处理器2可以根据第一红外光图像传感器41、第二红外光图像传感器42与可见光图像传感器5的相对空间位置关系,将两个红外纹理图像分别与可见光图像对齐,根据可见光图像中划分的封闭区域,在两个红外纹理图像中分别划分出与可见光图像对应的封闭区域。至此,可以确定两个红外纹理图像的轮廓信息。处理器2可以将处理的结果存储在存储器1中。
此时,处理器2就可以根据确定的两个红外纹理图像的轮廓信息来计算待检测物体的轮廓的深度数据,计算过程如下。
处理器2首先在两个红外纹理图像中找出对应的封闭区域,然后确定封闭区域边缘位置的纹理片段,并对边缘位置的纹理片段进行匹配,根据匹配的两个纹理片段的差异和预定的空间位置关系就可以计算这两个纹理片段对应的待检测物体位置处的深度数据,继而可以计算边缘位置的所有纹理片段。这样,就可以得出封闭区域边缘位置的深度数据,也就是待检测物体的轮廓的深度数据。
在对待检测物体的深度信息要求不高时,处理器2可以基于待检测物体的轮廓的深度数据确定待检测物体的深度数据。
具体地说,处理器2可以根据待检测物体的轮廓的深度数据拟合出一个参考面,以近似表达待检测物体的表面,此时,可以将参考面的深度数据作为该区域内的深度数据,这样,可以大大减少计算量,提高计算效率。
在对待检测物体的深度信息要求较高时,则需要计算待检测物体各个位置的深度信息。此时,处理器2可以根据现有的匹配模型,在两个红外纹理图像中找出匹配程度最高的两个纹理片段,根据这两个纹理片段的差异及相对空间位置关系可以计算与这两个纹理片段对应的待检测物体位置处的深度数据。但是,由于多个纹理片段自相似或者图像捕获或者环境影响或者匹配数学模型等原因,匹配度最高的两个纹理片段也有可能是错误的纹理片段,会降低深度数据测量的准确性。
此时,可以将计算得到的纹理片段深度数据与拟合得到的参考面上的相应位置处的深度数据做差值,如果差值绝对值大于预设阈值,可以认为根据这两个纹理片段计算得出的深度数据不准确,可以将该数据舍弃,然后可以将参考面上相应位置处的深度数据填充到可见光图像的相应位置。这样,可以提高待检测物体的深度数据测量的准确度。
另外,本发明的深度数据测量系统工作在户外时,存在较强的红外光(主要是日光)干扰。此时,基于本发明中的红外光图像检测单元对测量空间进行拍摄得到红外光图像确定深度数据时,不能得到精确的深度数据。为此,本发明还提供了一种可以应用于日光下的深度数据测量系统。
本发明实施例的深度数据测量系统包含存储器和处理器。其中,存储器和处理器的功能大部分与上文图4至图7相同,此处,仅就不同之处做以说明,相同之处不再赘述。
本发明的深度数据测量系统中的存储器1还可以用来存储第二可见光图像,第二可见光图像是使用第二可见光图像传感器对测量空间进行拍摄得到的。其中,第二可见光图像传感器与第一可见光图像传感器之间具有预定相对空间位置关系。
处理器2可以从存储器1获取第二可见光图像,并可以通过图像识别等现有技术确定第二可见光图像中的待检测物体图像的轮廓。此处的轮廓指的是待检测物体图像的整体轮廓,该轮廓将第二可见光图像中的待检测物体图像划分出一个或多个第三封闭区域,这一个或多个第三封闭区域的边界就组成了待检测物体的轮廓。
此时,处理器2可以通过两个可见光图像传感器之间的预定相对空间位置关系、第一封闭区域和与其对应的第三封闭区域之间的差异,确定第一封闭区域的深度数据,作为待检测物体相应位置的第二深度数据,并且可以将确定的第二深度数据存储到存储器1中。
图8示出了本发明的深度数据测量系统的另一个实施例的示意性方框图。其中,本发明实施例的深度数据测量系统包含了两套深度数据测量系统。
如图8所示,本发明实施例的深度数据测量系统可以包括存储器1、处理器2、红外编码投影系统3、第一可见光图像传感器5、第二可见光图像传感器6、第一红外光图像传感器41以及第二红外光图像传感器42。
其中,第一可见光图像传感器5可以对测量空间进行拍摄得到第一可见光图像。第二可见光图像传感器6可以对测量空间进行拍摄得到第二可见光图像。第一可见光图像传感器5和第二可见光图像传感器6可以采用RGB(色彩)传感器,此时,第一可见光图像传感器5和第二可见光图像传感器6获取的图像是带有色彩信息的彩色图像。
红外编码系统3可以向待检测物体所在的测量空间投射带有随机纹理的红外光束,以在待检测物体上形成随机分布的红外纹理,第一红外光图像传感器41和第二红外光图像传感器42分别对被测空间成像,并将所成的像发送至处理器2,由于待检测物体上带有随机分布的红外纹理,所以第一红外光图像传感器41和第二红外光图像传感器42所形成的图像为两个带有红外纹理的红外光图像。
存储器1可以分别存储第一可见光图像传感器5、第二可见光图像传感器6、第一红外光图像传感器41以及第二红外光图像传感器42对测量空间进行拍摄得到的图像数据。
本实施例包含两套深度数据测量系统。即可以根据第一红外图像传感器41和第二红外光图像传感器42所成的图像来确定待检测物体的深度数据。也可以根据第一可见光图像传感器5和第二可见光图像传感器获取的图像来确定待检测物体的深度数据。
一方面,第一红外光图像传感器41和第二红外光图像传感器42构成红外光深度数据测量系统。
基于红外光深度数据测量系统,处理器2可以确定第一可见光图像中的待检测物体图像的轮廓,该轮廓在第一可见光图像中划分出一个或多个第一封闭区域。
在对第一可见光图像进行区域划分后,处理器2可以通过标定来将第一红外光图像与第一可见光图像对齐,以此可以确定第一红外光图像中与第一可见光图像中的第一封闭区域对应的第二封闭区域。然后,处理器2可以根据第一红外光图像传感器41和第二红外光图像传感器42之间的预定相对空间位置关系、基于测量空间中同一个纹理片段在两个红外光图像中相对应地形成的纹理片段图像的位置差异,确定第二封闭区域的深度数据。这样,就可以确定待检测物体相应位置的深度数据。
当然,处理器2也可以确定第二可见光图像中的待检测物体图像的轮廓,该轮廓在第二可见光图像中划分出一个或多个第三封闭区域。在对第二可见光图像进行区域划分后,处理器2可以通过标定来将第二红外光图像和第二可见光图像对齐,以此可以确定第二红外光图像中与第二可见光图像中的第三封闭区域对应的第四封闭区域。然后,处理器2可以根据第第一红外光图像传感器41和第二红外光图像传感器42之间的预定相对空间位置关系、基于测量空间中同一个纹理片段在两个红外光图像中相对应地形成的纹理片段图像的位置差异,确定第四封闭区域的深度数据,并作为待检测物体相应位置的深度数据。
或者,处理器2可以通过标定来将第一红外光图像与第一可见光图像对齐,以此可以确定第一红外光图像中与第一可见光图像中的第一封闭区域对应的第二封闭区域。处理器2通过标定来将第二红外光图像和第二可见光图像对齐,以此可以确定第二红外光图像中与第二可见光图像中的第三封闭区域对应的第四封闭区域。处理器2可以根据第一红外光图像传感器41和第二红外光图像传感器42之间的预定相对空间位置关系、第二封闭区域和第四封闭区域中相对应地形成的纹理片段图像的位置差异,确定第二封闭区域的深度数据。这样,就可以确定待检测物体相应位置的深度数据。
另一方面,第一可见光图像传感器5和第二可见光图像传感器6构成可见光深度数据测量系统。
基于可见光深度数据测量系统,处理器2可以根据图像识别等现有技术分别确定第一可见光图像中的待检测物体图像的轮廓和第二可见光图像中的待检测物体的轮廓。
其中,第一可见光图像中的轮廓将第一可见光图像中的待检测物体图像划分出一个或多个第一封闭区域,这一个或多个第一封闭区域的边界就组成了待检测物体的轮廓。第二可见光图像中的轮廓将第二可见光图像中的待检测物体图像划分出一个或多个第三封闭区域,这一个或多个第三封闭区域的边界也组成了待检测物体的轮廓。
这样,处理器2就可以通过两个可见光图像传感器之间的预定相对空间位置关系、第一封闭区域和与其对应的第三封闭区域之间的差异,确定第一封闭区域的深度数据,作为待检测物体相应位置的第二深度数据,并且可以将确定的第二深度数据存储到存储器1中。
因此,对于本发明实施例来说,第一红外光图像传感器41和第二红外光图像传感器42可以构成一套深度数据检测系统。第一可见光图像传感器5和第二可见光图像传感器6也可以构成一套深度数据检测系统。
第一可见光图像传感器5和第二可见光图像传感器6组成的深度数据测量系统可以弥补在较强的红外光的环境下使用由红外光图像传感器获取的红外光图像确定深度数据会存在误差的缺点。
另外,为了能够实现可见光图像和红外光图像的像素对齐,需要尽量减小可见光图像传感器和红外光传感器之间的视差。因此,对于本发明实施例来说,第一可见光图像传感器5可以尽可能地靠近第一红外光图像传感器41设置,第二可见光图像传感器6可以尽可能地靠近第二红外光图像传感器42设置。优选地,第一可见光图像传感器5和第二可见光图像传感器之间的距离可以等于第一红外光图像传感器41和第二红外光图像传感器42之间的距离。
以上参考图4至图8对本发明的深度数据测量系统做了详细说明,下面参考图9至图12来描述本发明的确定测量空间中的待检测物体的深度数据的方法。
下面描述的方法的很多步骤分别与上面参考图4至图8及随后优选的实施例描述的处理器的功能相同。为了避免重复,这里重点描述该方法的步骤,而对于一些细节则不再赘述,可以参考上文中的相应描述。
图9示出了根据本发明的一个实施例的深度数据测量方法的流程图。
其中,图9所示的执行顺序仅是为了更清楚地描述本发明,应该明白,对本发明而言,步骤S100与S200的顺序可以调换,即可以先执行步骤S200然后执行步骤S100,也可以同时执行,其执行顺序对本发明并无影响。
在步骤S100,获取使用第一可见光图像传感器对测量空间进行拍摄得到的第一可见光图像。
其中,第一可见光图像可以从存储器获取,也可以直接从第一可见光图像传感器获取。
在步骤S200,获取使用红外光图像检测单元对测量空间进行拍摄得到的红外光图像,红外光图像是由投射到测量空间中的红外光束产生的带有红外光纹理的图像,基于红外光图像能够确定红外光纹理中的纹理片段的深度数据。
其中,红外光图像可以从存储器获取,也可以直接从红外光图像检测单元获取,直接从红外光图像检测单元获取的方式使得图像获取、深度数据计算可以同步进行。
在步骤S300,确定第一可见光图像中的待检测物体图像的轮廓,轮廓在第一可见光图像中划分出一个或多个第一封闭区域。
其中,在可见光图像中确定物体轮廓是图像处理领域已经成熟的技术,此处不再另行说明。
在步骤S400,确定红外光图像中与第一可见光图像中的第一封闭区域对应的第二封闭区域。
其中,可以根据红外光图像检测单元与第一可见光图像传感器之间预定相对空间位置关系,确定红外光图像中与可见光区域中的第一封闭区域对应的第二封闭区域。
在步骤S500,确定第二封闭区域中的纹理片段的深度数据,作为待检测物体相应位置的深度数据。
由此,通过将可见光图像中待检测物体图像划分成一个或多个第一封闭区域,在红外光图像中找出与可见光图像中的第一封闭区域相对应的第二封闭区域,就可以确定红外光图像中的轮廓信息,然后以此来计算相应区域内的纹理片段的深度数据,使得能够精确地获得待检测物体的边缘轮廓的深度信息。
其中,红外光图像检测单元可以由一个红外光图像传感器组成,此时,在步骤S500,可以根据第二封闭区域中的纹理片段与已知纵深距离的参考面纹理图像之间的差异,来确定第二封闭区域中的纹理片段的深度数据。
另外,红外光图像检测单元还可以由两个红外光图像传感器组成,两个红外光图像传感器之间具有预定的相对空间位置关系。此时,在步骤500,可以根据两个红外光图像传感器之间的相对空间位置关系、基于测量空间中同一个纹理片段在两个红外光图像中相对应地形成的纹理片段图像的位置差异,确定第二封闭却与中的纹理片段的深度数据。
图10示出了图9所示步骤S500可选地可包括的子步骤的流程图。
其中,图10所示的执行顺序仅是为了更清楚地描述本发明,应该明白,对本发明而言,步骤S530与步骤S510、步骤S520的顺序可以调换,即可以先执行步骤S530然后执行步骤S510、S520,也可以同时执行,其执行顺序对本发明并无影响。
如图10所示,步骤S500还可以可选地包括子步骤S510、S520。
在步骤S510,确定第二封闭区域边缘的纹理片段的深度数据,作为边缘片段深度数据。
在步骤S520,根据边缘片段深度数据拟合出一个参考面,以近似表达待检测物体的表面。
其中,根据边缘片段深度数据拟合出一个参考面可以根据实际情况选择不同的拟合方式,例如,可以是线性拟合也可以是非线性拟合。
这样,在对待检测物体的深度数据要求不高的情况下,可以将参考面的深度数据作为该区域内的深度数据,由此可以减少深度数据计算量,提高深度数据测量效率。
如图10所示,步骤S500还可以可选地包括子步骤S530、S540。
在步骤S530,确定第二封闭区域内部的纹理片段的深度数据,作为内部片段深度数据。
在步骤S540,根据参考面判断内部片段深度数据是否有效。
内部片段深度数据有效的判定方式可以设定为:
当内部片段深度数据与参考面上相应位置处的深度数据的差值大于预定阈值时,判定内部片段深度数据无效;
当内部片段深度数据与参考面上相应位置处的深度数据的差值小于或等于预定阈值时,判定内部片段深度数据有效。
其中,当判定内部片段深度数据无效时,可以用参考面上相应位置处的深度数据替代内部片段深度数据。
另外,预定阈值可以根据待检测物体及周围环境的性质来设定,其既可以是一个数值范围,也可以是一个具体数值。例如,当待检测物体是手掌,手掌处于桌面上时,可以设定阈值为3cm-8cm,也可以设置为5cm;当手掌位于桌面上空时,相应地,此时的阈值可以设置为一个较大值或是一个较大的数值范围。
这样,可以剔除一些由于匹配错误等原因造成计算错误的深度数据,提高深度数据测量的准确度。
图11示出了本发明的深度数据确定方法还可以包括的步骤的示意性流程图。
如图11所示,在步骤S100后,还可以可选地包括步骤S140、S150、S160。
在步骤S140,获取第二可见光图像。
其中,第二可见光图像是使用第二可见光图像传感器对测量空间进行拍摄得到的第二可见光图像。第一可见光图像传感器与第二可见光图像传感器之间具有预定相对空间位置关系。
在步骤S150,确定第二可见光图像中的待检测物体图像的轮廓,轮廓在第二可见光图像中划分出一个或多个第二封闭区域。
其中,在可见光图像中确定物体轮廓是图像处理领域已经成熟的技术,此处不再另行说明。
在步骤S160,基于述第一可见光图像传感器与第二可见光图像传感器之间的预定相对空间位置关系、第一封闭区域和与其相对应的第三封闭区域之间的差异,确定述第一封闭区域的深度数据,作为待检测物体相应位置的第二深度数据。
由此,当本发明的深度数据测量方法应用于户外时,会有较强的红外光(主要是日光)干扰。采用基于图9、图10中深度数据测量方法对测量空间进行拍摄得到带有红外纹理的红外光图像确定深度数据时,不能得到精确的深度数据。此时,可以通过对两个可见光图像进行视察匹配的方法获取待检测物体的深度信息。
图12示出了图11所示步骤S160可包括的子步骤的流程图。
在步骤S1610,确定第一封闭区域边缘的深度数据,作为第二边缘深度数据。
在步骤S1620,根据第二边缘深度数据拟合出一个参考面,以近似表达待检测物体的表面。
这样,可以根据获取的第一封闭区域边缘的深度数据进行曲面拟合,拟合出一个带有深度数据的参考面,在对待检测物体的深度数据要求不高的情况下,可以将这个参考面的深度数据作为该区域内的深度数据,由此可以减少深度数据计算量,提高深度数据测量效率。
上面参考图9至图12描述了本发明的深度数据确定方法,下面参考图13、图14来描述本发明的确定深度数据确定装置。
下面描述的装置的很多单元的功能分别与上面参考图4至图7及随后的实施例描述的处理器的相应功能相同。为了避免重复,这里重点描述该装置可以具有的单元结构,而对于一些细节则不再赘述,可以参考上文中的相应描述。
图13示出了根据本发明的一个实施例的深度数据确定装置的示意性方框图。
如图13所示,装置包括第一可见光图像获取模块100、红外光图像获取模块200、第一封闭区域划分模块300、第二封闭区域划分模块400以及深度数据确定模块500。
第一可见光图像获取模块100可以获取使用第一可见光图像传感器对测量空间进行拍摄得到的可见光图像。
红外光图像获取模块200可以获取使用红外光图像检测单元对测量空间进行拍摄得到的红外光图像,红外光图像是投射到测量空间中的红外光束产生的红外光纹理的图像,基于红外光图像能够确定红外光纹理中的纹理片段的深度数据。
第一封闭区域划分模块300可以确定第一可见光图像中的待检测物体图像的轮廓,轮廓在第一可见光图像中划分出一个或多个第一封闭区域。
第二封闭区域划分模块400可以确定红外光图像中与第一可见光图像中的第一封闭区域对应的第二封闭区域。
深度数据确定模块500可以确定第二封闭区域中的纹理片段的深度数据。
由此,本发明的深度数据确定装置可以利用第一可见光图像来确定待检测物体的轮廓,并将第一可见光图像中的待检测物体的轮廓图像划分成一个或多个第一封闭区域。这样,通过在红外光图像中找出与第一可见光图像中的第一封闭区域相对应的第二封闭区域,就可以借助于第一可见光图像中确定的轮廓确定红外光图像中的轮廓信息。此时,就可以通过计算红外光图像中确定的第二封闭区域中的纹理片段的深度数据,获得待检测物体的边缘轮廓的深度信息。
图14示出了图13中所示的深度数据确定模块500的可选内部结构的示意性方框图。
如图14所示,在一个优选的实施例中,深度数据确定模块500可以可选包括边缘深度数据确定模块510和参考面拟合模块520。
边缘深度数据确定模块510可以确定第二封闭区域边缘的纹理片段的深度数据,作为边缘片段深度数据。
参考面拟合模块520可以根据边缘片段深度数据拟合出一个参考面,以近似表达待检测物体的表面的深度信息。
由此,可以根据获取的第二封闭区域的边缘深度进行曲面拟合,拟合出一个带有深度数据的参考面,在对待检测物体的深度数据要求不高的情况下,可以将这个参考面的深度数据作为该区域内的深度数据,由此可以减少深度数据计算量,提高深度数据测量效率。
如图14所示,在另一个优选的实施例中,深度数据确定模块500还可以可选包括内部片段深度数据确定模块530和深度数据判断模块540。
内部片段深度数据确定模块530可以确定第二封闭区域内部的纹理片段的深度数据,作为内部片段深度数据。
深度数据判断模块540可以根据参考面拟合模块520拟合出的参考面判断通过内部片段深度数据确定模块530得到的内部片段深度数据是否有效。
由此,在需要对封闭区域内的各个纹理片段进行其深度数据计算时,可以根据参考面的深度数据来判定计算得到的深度数据是否有效,这样,可以剔除一些由于匹配错误等原因造成计算错误的深度数据,提高深度数据测量的准确度。
图15示出了本发明的深度数据确定装置还可以包括的结构示意图。
如图15所示,本发明实施例中的深度数据确定装置还可以可选地包括第二可见光图像获取模块210、第三封闭区域划分模块220以及第二深度数据确定模块230。
第二可见光图像获取模块210可以获取使用第二可见光图像传感器对测量空间进行拍摄得到的第二可见光图像,其中,第一可见光图像传感器与第二可见光图像传感器之间具有预定相对空间位置关系。
第三封闭区域划分模块220可以确定第二可见光图像中的待检测物体图像的轮廓,轮廓在所述第二可见光图像中划分出一个或多个第三封闭区域。
第二深度数据确定模块230可以基于第一可见光图像传感器与第二可见光图像传感器之间的预定相对空间位置关系、第一封闭区域和与其相对应的第三封闭区域之间的差异,确定第一封闭区域的深度数据。
还可以通过比较两个可见光图像之间的视差,以确定第一可见光图像中的封闭区域的深度数据。其中,可见光图像可以是包含待检测物体的色彩信息的彩色图像,这样,当工作环境处于户外,有较强的红外光(主要是日光)干扰时,根据两个处于不同位置的彩色摄像头获取的彩色图像信息,就可以进行视差匹配以计算得到可靠的深度信息。
图16示出了图15中所示的第二深度数据确定模块230的可选内部结构的示意性方框图。
如图16所示,第二深度数据确定模块230可以可选地包括第二边缘深度数据确定模块2310和第二参考面拟合模块2320。
第二边缘深度数据确定模块2310可以确定第一封闭区域边缘的深度数据。
第二参考面拟合模块2320可以根据第二边缘深度数据确定模块2310确定的第一封闭区域边缘的深度数据,拟合出一个参考面,以近似表达待检测物体的表面。
这样,可以根据获取的第二封闭区域的边缘深度进行曲面拟合,拟合出一个带有深度数据的参考面,在对待检测物体的深度数据要求不高的情况下,可以将这个参考面的深度数据作为该区域内的深度数据,由此可以减少深度数据计算量,提高深度数据测量效率。
上文中已经参考附图详细描述了根据本发明的深度数据测量系统、深度数据确定方法和装置。
综上所述,本发明的深度数据测量系统、深度数据确定方法和装置能够精确地确定待检测物体的轮廓深度数据,在对待检测物体的深度数据计算中,可以减少计算量,提高深度数据测量效率,且在对待检测物体深度数据要求不高时,可以以待检测物体的轮廓深度数据的平均值作为其深度数据,以进一步减少计算量,提高深度数据测量效率。
此外,根据本发明的方法还可以实现为一种计算机程序产品,该计算机程序产品包括计算机可读介质,在该计算机可读介质上存储有用于执行本发明的方法中限定的上述功能的计算机程序。本领域技术人员还将明白的是,结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。
附图中的流程图和框图显示了根据本发明的多个实施例的系统和方法的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (25)
1.一种确定测量空间中的待检测物体的深度数据的方法,包括:
获取使用第一可见光图像传感器对所述测量空间进行拍摄得到的第一可见光图像;
获取使用红外光图像检测单元对所述测量空间进行拍摄得到的红外光图像,所述红外光图像是由投射到测量空间中的红外光束产生的带有红外光纹理的图像,基于所述红外光图像能够确定所述红外光纹理中的纹理片段的深度数据;
确定所述第一可见光图像中的待检测物体图像的轮廓,所述轮廓在所述第一可见光图像中划分出一个或多个第一封闭区域;
确定所述红外光图像中与所述第一可见光图像中的第一封闭区域相对应的第二封闭区域;
确定所述第二封闭区域中的纹理片段的深度数据,作为所述待检测物体相应位置的深度数据。
2.根据权利要求1所述的方法,其中,所述红外光图像检测单元包括一个红外光图像传感器,
所述确定所述第二封闭区域中的纹理片段的深度数据包括:
根据所述第二封闭区域中的纹理片段与已知纵深距离的参考面纹理图案之间的差异,确定所述第二封闭区域中的纹理片段的深度数据。
3.根据权利要求1所述的方法,其中,所述红外光图像检测单元包括两个红外光图像传感器,所述两个红外光图像传感器之间具有预定相对空间位置关系,
所述确定所述第二封闭区域中的纹理片段的深度数据包括:
根据所述两个红外光图像传感器之间的预定相对空间位置关系、基于测量空间中同一个纹理片段在所述两个红外光图像中相对应地形成的纹理片段图像的位置差异,确定所述第二封闭区域中的纹理片段的深度数据。
4.根据权利要求1至3中任一项所述的方法,所述确定所述第二封闭区域中的纹理片段的深度数据的步骤包括:
确定所述第二封闭区域边缘的纹理片段的深度数据,作为边缘片段深度数据;
根据所述边缘片段深度数据拟合出一个参考面,以近似表达所述待检测物体的表面。
5.根据权利要求4所述的方法,所述确定所述第二封闭区域中的纹理片段的深度数据的步骤还包括:
确定所述第二封闭区域内部的纹理片段的深度数据,作为内部片段深度数据;
根据所述参考面判断所述内部片段深度数据是否有效。
6.根据权利要求5所述的方法,其中,
当所述内部片段深度数据与所述参考面上相应位置处的深度数据的差值大于预定阈值时,判定所述内部片段深度数据无效;
当所述内部片段深度数据与所述参考面上相应位置处的深度数据的差值小于或等于预定阈值时,判定所述内部片段深度数据有效。
7.根据权利要求6所述的方法,其中,当判定所述内部片段深度数据无效时,
用所述参考面上相应位置处的深度数据替代所述内部片段深度数据。
8.根据权利要求1至3中任一项所述的方法,其中,
根据所述红外光图像检测单元与所述第一可见光图像传感器之间的预定相对空间位置关系,确定所述红外光图像中与所述第一可见光图像中的第一封闭区域对应的第二封闭区域。
9.根据权利要求1至3中任一项所述的方法,还包括:
获取使用第二可见光图像传感器对所述测量空间进行拍摄得到的第二可见光图像,其中,所述第一可见光图像传感器与所述第二可见光图像传感器之间具有预定相对空间位置关系;
确定所述第二可见光图像中的待检测物体图像的轮廓,所述轮廓在所述第二可见光图像中划分出一个或多个第三封闭区域,
基于所述第一可见光图像传感器与所述第二可见光图像传感器之间的预定相对空间位置关系、第一封闭区域和与其相对应的第三封闭区域之间的差异,确定所述第一封闭区域的深度数据,作为所述待检测物体相应位置的第二深度数据。
10.根据权利要求9所述的方法,所述确定所述第一封闭区域的深度数据的步骤包括:
确定所述第一封闭区域边缘的深度数据,作为第二边缘深度数据,
根据所述第二边缘深度数据拟合出一个参考面,以近似表达所述待检测物体的表面。
11.一种确定测量空间中的待检测物体的深度数据的装置,包括:
第一可见光图像获取模块,用于获取使用第一可见光图像传感器对所述测量空间进行拍摄得到的第一可见光图像;
红外光图像获取模块,用于获取使用红外光图像检测单元对所述测量空间进行拍摄得到的红外光图像,所述红外光图像是由投射到测量空间中的红外光束产生的带有红外光纹理的图像,基于所述红外光图像能够确定所述红外光纹理中的纹理片段的深度数据;
第一封闭区域划分模块,用于确定所述第一可见光图像中的待检测物体图像的轮廓,所述轮廓在所述第一可见光图像中划分出一个或多个第一封闭区域;
第二封闭区域划分模块,用于确定所述红外光图像中与所述第一可见光图像中的第一封闭区域对应的第二封闭区域;
深度数据确定模块,用于确定所述第二封闭区域中的纹理片段的深度数据。
12.根据权利要求11所述的装置,所述深度数据确定模块包括:
边缘深度数据确定模块,用于确定所述第二封闭区域边缘的纹理片段的深度数据,作为边缘片段深度数据;
参考面拟合模块,用于根据所述边缘片段深度数据拟合出一个参考面,以近似表达所述待检测物体的表面。
13.根据权利要求12所述的装置,所述深度数据确定模块还包括:
内部片段深度数据确定模块,用于确定所述第二封闭区域内部的纹理片段的深度数据,作为内部片段深度数据;
深度数据判断模块,用于根据所述参考面判断所述内部片段深度数据是否有效。
14.根据权利要求11所述的装置,还包括:
第二可见光图像获取模块,用于获取使用第二可见光图像传感器对所述测量空间进行拍摄得到的第二可见光图像,其中,所述第一可见光图像传感器与所述第二可见光图像传感器之间具有预定相对空间位置关系;
第三封闭区域划分模块,用于确定所述第二可见光图像中的待检测物体图像的轮廓,所述轮廓在所述第二可见光图像中划分出一个或多个第三封闭区域;
第二深度数据确定模块,用于基于所述第一可见光图像传感器与所述第二可见光图像传感器之间的预定相对空间位置关系、第一封闭区域和与其相对应的第三封闭区域之间的差异,确定所述第一封闭区域的深度数据。
15.根据权利要求14所述的装置,所述第二深度数据确定模块包括:
第二边缘深度数据确定模块,用于确定所述第一封闭区域边缘的深度数据;
第二参考面拟合模块,用于根据所述第一封闭区域边缘的深度数据拟合出一个参考面,以近似表达所述待检测物体的表面。
16.一种深度数据测量系统,包括:
存储器,用于存储红外光图像和第一可见光图像,所述第一可见光图像是使用第一可见光图像传感器对所述测量空间进行拍摄得到的,所述红外光图像是使用红外光图像检测单元对所述测量空间进行拍摄得到的,并且所述红外光图像是由投射到测量空间中的红外光束产生的带有红外光纹理的图像,基于所述红外光图像能够确定所述红外光纹理中的纹理片段的深度数据;
处理器,用于从所述存储器获取所述红外光图像和所述第一可见光图像,确定所述第一可见光图像中的待检测物体图像的轮廓,所述轮廓在所述第一可见光图像中划分出一个或多个第一封闭区域,并确定所述红外光图像中与所述第一可见光图像中的第一封闭区域对应的第二封闭区域以及第二封闭区域中的纹理片段的深度数据,作为所述待检测物体相应位置的第一深度数据,并且将所述第一深度数据存储到所述存储器中。
17.根据权利16所述的深度数据测量系统,还包括:
第一可见光图像传感器,用于对所述测量空间进行拍摄以得到所述第一可见光图像,所述第一可见光图像被存储在所述存储器中;
红外编码投影系统,用于向测量空间投射带有纹理的红外光束,以在测量空间中的待检测物体上形成红外光纹理;
红外光图像检测单元,用于对所述测量空间进行拍摄以得到所述红外光图像,所述红外光图像被存储在所述存储器中。
18.根据权利要求17所述的深度数据测量系统,其中,所述红外光图像检测单元包括:
第一红外图像传感器,用于对所述测量空间进行拍摄以得到第一红外光图像,所述第一红外光图像被存储在所述存储器中;和/或
第二红外图像传感器,用于对所述测量空间进行拍摄以得到第二红外光图像,所述第二红外光图像被存储在所述存储器中。
19.根据权利要求18所述的深度数据测量系统,其中,
所述处理器确定所述第二封闭区域边缘的纹理片段的深度数据,作为边缘片段深度数据,并根据所述边缘片段深度数据拟合出一个参考面,以近似表达所述待检测物体的表面,并将所述参考面存储到所述存储器中。
20.根据权利要求21所述的深度数据测量系统,其中,
所述处理器确定所述第二封闭区域内部的纹理片段的深度数据,作为内部片段深度数据,根据所述参考面判断所述内部片段深度数据是否有效,并将被判定有效的内部片段深度数据存储到所述存储器中。
21.根据权利要求20所述的深度数据测量系统,其中,
所述处理器计算所述内部片段深度数据与所述参考面上相应位置处的深度数据的差值,
当所述差值大于预定阈值时,所述处理器判定所述内部片段深度数据无效;
当所述差值小于或等于预定阈值时,所述处理器判定所述内部片段深度数据有效。
22.根据权利要求21所述的深度数据测量系统,其中,当所述处理器判定所述内部片段深度数据无效时,
所述处理器用所述参考面上相应位置处的深度数据替代所述内部片段深度数据。
23.根据权利要求16至22中任一项所述的深度数据测量系统,其中,
所述处理器根据所述红外光图像传感器与所述第一可见光图像传感器之间预定相对空间位置关系,确定所述红外光图像中与所述第一可见光图像中的第一封闭区域对应的第二封闭区域。
24.根据权利要求16所述的深度数据测量系统,其中,
所述存储器还用于存储第二可见光图像,所述第二可见光图像是使用第二可见光图像传感器对所述测量空间进行拍摄得到的,其中,所述第一可见光图像传感器与所述第二可见光图像传感器之间具有预定相对空间位置关系,
所述处理器还用于从所述存储器获取所述第二可见光图像,确定所述第二可见光图像中的待检测物体图像的轮廓,所述轮廓在所述第二可见光图像中划分出一个或多个第三封闭区域,并基于所述第一可见光图像传感器与所述第二可见光图像传感器之间的预定相对空间位置关系、第一封闭区域和与其相对应的第三封闭区域之间的差异,确定所述第一封闭区域的深度数据,作为所述待检测物体相应位置的第二深度数据,并且将所述第二深度数据存储到所述存储器中。
25.根据权利要求24所述的深度数据测量系统,其中,
所述处理器确定所述第一封闭区域边缘的深度数据,作为第二边缘片段深度数据,并根据所述第二边缘片段深度数据拟合出一个参考面,以近似表达所述待检测物体的表面,并将该参考面存储到所述存储器中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510630016.5A CN105354819B (zh) | 2015-09-29 | 2015-09-29 | 深度数据测量系统、深度数据确定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510630016.5A CN105354819B (zh) | 2015-09-29 | 2015-09-29 | 深度数据测量系统、深度数据确定方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105354819A true CN105354819A (zh) | 2016-02-24 |
CN105354819B CN105354819B (zh) | 2018-10-09 |
Family
ID=55330786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510630016.5A Active CN105354819B (zh) | 2015-09-29 | 2015-09-29 | 深度数据测量系统、深度数据确定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105354819B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107547798A (zh) * | 2017-08-09 | 2018-01-05 | 广东欧珀移动通信有限公司 | 拍摄对焦控制方法、装置和终端设备 |
CN107660037A (zh) * | 2017-09-11 | 2018-02-02 | 高嵩 | 手势控制光源系统和手势控制灯 |
CN108428244A (zh) * | 2018-02-27 | 2018-08-21 | 上海图漾信息科技有限公司 | 图像匹配方法及深度数据测量方法和系统 |
CN108629290A (zh) * | 2018-04-12 | 2018-10-09 | Oppo广东移动通信有限公司 | 基于结构光的年龄推测方法、装置及移动终端、存储介质 |
CN108833884A (zh) * | 2018-07-17 | 2018-11-16 | Oppo广东移动通信有限公司 | 深度校准方法及装置、终端、可读存储介质及计算机设备 |
CN109215044A (zh) * | 2017-06-30 | 2019-01-15 | 京东方科技集团股份有限公司 | 图像处理方法和系统、存储介质和移动系统 |
CN109670390A (zh) * | 2017-10-16 | 2019-04-23 | 纬创资通股份有限公司 | 活体面部识别方法与系统 |
CN110278356A (zh) * | 2019-06-10 | 2019-09-24 | 北京迈格威科技有限公司 | 智能相机设备和信息处理方法、信息处理设备及介质 |
CN110944135A (zh) * | 2019-11-18 | 2020-03-31 | 深圳前海达闼云端智能科技有限公司 | 一种功率控制方法、电子设备及存储介质 |
CN110971889A (zh) * | 2018-09-30 | 2020-04-07 | 华为技术有限公司 | 一种获取深度图像的方法、摄像装置以及终端 |
WO2020199563A1 (zh) * | 2019-04-01 | 2020-10-08 | 四川深瑞视科技有限公司 | 深度信息检测方法、装置及系统 |
CN112840644A (zh) * | 2018-12-03 | 2021-05-25 | 三星电子株式会社 | 利用相机或深度传感器中的至少一个获取深度信息的电子装置和方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120051631A1 (en) * | 2010-08-30 | 2012-03-01 | The Board Of Trustees Of The University Of Illinois | System for background subtraction with 3d camera |
CN103489214A (zh) * | 2013-09-10 | 2014-01-01 | 北京邮电大学 | 增强现实系统中基于虚拟模型预处理的虚实遮挡处理方法 |
CN103996174A (zh) * | 2014-05-12 | 2014-08-20 | 上海大学 | 一种对Kinect深度图像进行空洞修复的方法 |
CN104574393A (zh) * | 2014-12-30 | 2015-04-29 | 北京恒达锦程图像技术有限公司 | 一种三维路面裂缝图像生成系统和方法 |
CN104634277A (zh) * | 2015-02-12 | 2015-05-20 | 北京唯创视界科技有限公司 | 拍摄设备和方法、三维测量系统、深度计算方法和设备 |
CN104634276A (zh) * | 2015-02-12 | 2015-05-20 | 北京唯创视界科技有限公司 | 三维测量系统、拍摄设备和方法、深度计算方法和设备 |
CN104837002A (zh) * | 2015-05-06 | 2015-08-12 | 北京唯创视界科技有限公司 | 拍摄设备、三维测量系统、视频帧内插方法和装置 |
-
2015
- 2015-09-29 CN CN201510630016.5A patent/CN105354819B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120051631A1 (en) * | 2010-08-30 | 2012-03-01 | The Board Of Trustees Of The University Of Illinois | System for background subtraction with 3d camera |
CN103489214A (zh) * | 2013-09-10 | 2014-01-01 | 北京邮电大学 | 增强现实系统中基于虚拟模型预处理的虚实遮挡处理方法 |
CN103996174A (zh) * | 2014-05-12 | 2014-08-20 | 上海大学 | 一种对Kinect深度图像进行空洞修复的方法 |
CN104574393A (zh) * | 2014-12-30 | 2015-04-29 | 北京恒达锦程图像技术有限公司 | 一种三维路面裂缝图像生成系统和方法 |
CN104634277A (zh) * | 2015-02-12 | 2015-05-20 | 北京唯创视界科技有限公司 | 拍摄设备和方法、三维测量系统、深度计算方法和设备 |
CN104634276A (zh) * | 2015-02-12 | 2015-05-20 | 北京唯创视界科技有限公司 | 三维测量系统、拍摄设备和方法、深度计算方法和设备 |
CN104837002A (zh) * | 2015-05-06 | 2015-08-12 | 北京唯创视界科技有限公司 | 拍摄设备、三维测量系统、视频帧内插方法和装置 |
Non-Patent Citations (3)
Title |
---|
BIAN JUNXIA 等: "Hand detection based on depth information and color information of Kinect", 《CONTROL AND DECISION CONFERENCE(CCDC),2015 27TH CHINESE》 * |
吴鑫: "融合Kinect深度和颜色信息的机器人视觉系统研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
赵建敏 等: "基于Kinect传感器的羊体体尺测量系统", 《传感器与微系统》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109215044B (zh) * | 2017-06-30 | 2020-12-15 | 京东方科技集团股份有限公司 | 图像处理方法和系统、存储介质和移动系统 |
CN109215044A (zh) * | 2017-06-30 | 2019-01-15 | 京东方科技集团股份有限公司 | 图像处理方法和系统、存储介质和移动系统 |
CN107547798A (zh) * | 2017-08-09 | 2018-01-05 | 广东欧珀移动通信有限公司 | 拍摄对焦控制方法、装置和终端设备 |
CN107660037A (zh) * | 2017-09-11 | 2018-02-02 | 高嵩 | 手势控制光源系统和手势控制灯 |
CN109670390A (zh) * | 2017-10-16 | 2019-04-23 | 纬创资通股份有限公司 | 活体面部识别方法与系统 |
CN108428244A (zh) * | 2018-02-27 | 2018-08-21 | 上海图漾信息科技有限公司 | 图像匹配方法及深度数据测量方法和系统 |
CN108629290A (zh) * | 2018-04-12 | 2018-10-09 | Oppo广东移动通信有限公司 | 基于结构光的年龄推测方法、装置及移动终端、存储介质 |
CN108833884A (zh) * | 2018-07-17 | 2018-11-16 | Oppo广东移动通信有限公司 | 深度校准方法及装置、终端、可读存储介质及计算机设备 |
CN110971889A (zh) * | 2018-09-30 | 2020-04-07 | 华为技术有限公司 | 一种获取深度图像的方法、摄像装置以及终端 |
US11425355B2 (en) | 2018-09-30 | 2022-08-23 | Huawei Technologies Co., Ltd. | Depth image obtaining method, image capture device, and terminal |
CN112840644A (zh) * | 2018-12-03 | 2021-05-25 | 三星电子株式会社 | 利用相机或深度传感器中的至少一个获取深度信息的电子装置和方法 |
WO2020199563A1 (zh) * | 2019-04-01 | 2020-10-08 | 四川深瑞视科技有限公司 | 深度信息检测方法、装置及系统 |
CN110278356A (zh) * | 2019-06-10 | 2019-09-24 | 北京迈格威科技有限公司 | 智能相机设备和信息处理方法、信息处理设备及介质 |
CN110944135A (zh) * | 2019-11-18 | 2020-03-31 | 深圳前海达闼云端智能科技有限公司 | 一种功率控制方法、电子设备及存储介质 |
CN110944135B (zh) * | 2019-11-18 | 2022-05-31 | 深圳前海达闼云端智能科技有限公司 | 一种功率控制方法、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105354819B (zh) | 2018-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105354819A (zh) | 深度数据测量系统、深度数据确定方法和装置 | |
CN107067470B (zh) | 基于红外热像仪与深度相机的便携式三维温度场重建系统 | |
CN104173054B (zh) | 基于双目视觉技术的人体身高测量方法及其装置 | |
CN111340797A (zh) | 一种激光雷达与双目相机数据融合检测方法及系统 | |
CN113409382B (zh) | 车辆损伤区域的测量方法和装置 | |
US7764284B2 (en) | Method and system for detecting and evaluating 3D changes from images and a 3D reference model | |
CN106978774B (zh) | 一种路面坑槽自动检测方法 | |
CN110766669B (zh) | 一种基于多目视觉的管线测量方法 | |
CN109961468A (zh) | 基于双目视觉的体积测量方法、装置及存储介质 | |
CN102800096B (zh) | 一种摄像机参数的鲁棒性估计算法 | |
CN110044374B (zh) | 一种基于图像特征的单目视觉测量里程的方法及里程计 | |
CN109916322A (zh) | 一种基于自适应窗口匹配的数字散斑全场形变测量方法 | |
CN101266652A (zh) | 信息处理设备、信息处理方法和校准工具 | |
CN106052646A (zh) | 信息处理装置及信息处理方法 | |
US11971961B2 (en) | Device and method for data fusion between heterogeneous sensors | |
CN105378794A (zh) | 3d拍摄装置、用于建立3d图像的方法和用于构建3d拍摄装置的方法 | |
Staniek | Stereo vision method application to road inspection | |
CN111709985B (zh) | 一种基于双目视觉的水下目标测距方法 | |
JP2001324305A (ja) | 画像対応位置検出装置および該装置を備える測距装置 | |
EP3155369B1 (en) | System and method for measuring a displacement of a mobile platform | |
Fernandez et al. | Planar-based camera-projector calibration | |
CN112348869A (zh) | 通过检测和标定恢复单目slam尺度的方法 | |
CN107367245B (zh) | 光学三维轮廓测量中的无效点探测与剔除方法 | |
CN113008158A (zh) | 多线激光轮胎花纹深度测量方法 | |
Tushev et al. | Architecture of industrial close-range photogrammetric system with multi-functional coded targets |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |