CN105447288B - 一种信息处理方法及电子设备 - Google Patents
一种信息处理方法及电子设备 Download PDFInfo
- Publication number
- CN105447288B CN105447288B CN201410392396.9A CN201410392396A CN105447288B CN 105447288 B CN105447288 B CN 105447288B CN 201410392396 A CN201410392396 A CN 201410392396A CN 105447288 B CN105447288 B CN 105447288B
- Authority
- CN
- China
- Prior art keywords
- pixel
- parallax
- image
- matching cost
- acquisition unit
- 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.)
- Active
Links
Abstract
本发明公开了一种信息处理方法及电子设备,所述电子设备包括第一采集单元和第二采集单元;所述信息处理方法包括:利用所述第一采集单元以及第二采集单元分别采集目标对象的第一图像以及第二图像;对所述第一图像相对于所述第二图像的视差场构建能量函数;针对所述第二图像中的每个像素点,计算所述像素点的第一预设范围内的所有像素点与该像素点的梯度值;按照从小到大的顺序依次选择N个梯度值,并将所述N个梯度值对应的像素点所在的方向作为优化路径的方向;计算每条优化路径上的匹配代价;基于所述匹配代价以及所述能量函数,建立半全局能量函数;依据所述半全局能量函数,计算所述目标对象对应的视差场。
Description
技术领域
本发明涉及信息处理技术,尤其涉及一种信息处理方法及电子设备。
背景技术
从有一定距离的两个点上观察同一个目标所产生的方向差异称为视差。从目标看两个点之间的夹角,叫做这两个点的视差角度,两点之间的距离称作基线。依据视差角度和基线长度,就可以计算出目标和观测者之间的距离。基于此原理,使用双目摄像头对同一个物体进行图像采集,根据图像的视差能够计算得到物体的深度信息。
目前的双目摄像头的采集参数是一致的,即双目摄像头的内部光学参数和几何特性均一样,利用此类双目摄像头并采用半全局匹配方法生成视差图时,视差图的轮廓信息非常模糊粗糙,这将造成后续获取到精度较低的深度信息。
发明内容
为解决上述技术问题,本发明实施例提供了一种信息处理方法及电子设备。
本发明实施例提供的信息处理方法应用于电子设备中,所述电子设备包括第一采集单元和第二采集单元;所述信息处理方法包括:
利用所述第一采集单元以及第二采集单元分别采集目标对象的第一图像以及第二图像;
对所述第一图像相对于所述第二图像的视差场构建能量函数;
针对所述第二图像中的每个像素点,计算所述像素点的第一预设范围内的所有像素点与该像素点的梯度值;
按照从小到大的顺序依次选择N个梯度值,并将所述N个梯度值对应的像素点所在的方向作为优化路径的方向;N≥1;
计算每条优化路径上的匹配代价;
基于所述匹配代价以及所述能量函数,建立半全局能量函数;
依据所述半全局能量函数,计算所述目标对象对应的视差场。
本发明实施例提供的电子设备包括第一采集单元和第二采集单元;所述电子设备还包括:
控制单元,用于利用所述第一采集单元以及第二采集单元分别采集目标对象的第一图像以及第二图像;
构建单元,用于对所述第一图像相对于所述第二图像的视差场构建能量函数;
第一处理单元,用于针对所述第二图像中的每个像素点,计算所述像素点的第一预设范围内的所有像素点与该像素点的梯度值;
路径选取单元,用于按照从小到大的顺序依次选择N个梯度值,并将所述N个梯度值对应的像素点所在的方向作为优化路径的方向;N≥1;
第二处理单元,用于计算每条优化路径上的匹配代价;
建立单元,用于基于所述匹配代价以及所述能量函数,建立半全局能量函数;
第三处理单元,用于依据所述半全局能量函数,计算所述目标对象对应的视差场。
本发明实施例的技术方案中,电子设备具有两个采集单元,分别为第一采集单元和第二采集单元;第一采集单元与第二采集单元位于不同的位置,因此,由第一采集单元和采集到的第一图像和由第二采集单元采集到的第二图像具有视差;首先,对所述第一图像相对于所述第二图像的视差场构建能量函数;然后,通过以下方式选取优化路径,即按照从小到大的顺序依次选择N个梯度值,并将所述N个梯度值对应的像素点所在的方向作为优化路径的方向;如此,优化路径方向上的像素点的视差最接近待匹配像素点的视差,进而基于此优化路径所得到的半全局能量函数能够计算出精度更高的视差场,继而改善了视差图的轮廓信息以及后续获取到精度较高的深度信息。
附图说明
图1为本发明实施例一的信息处理方法的流程示意图;
图2为本发明实施例二的信息处理方法的流程示意图;
图3为本发明实施例三的信息处理方法的流程示意图;
图4为本发明实施例四的电子设备的结构组成示意图;
图5为本发明实施例五的电子设备的结构组成示意图;
图6为本发明实施例六的电子设备的结构组成示意图;
图7为本发明实施例的优化路径的示意图。
具体实施方式
为了能够更加详尽地了解本发明实施例的特点与技术内容,下面结合附图对本发明实施例的实现进行详细阐述,所附附图仅供参考说明之用,并非用来限定本发明实施例。
图1为本发明实施例一的信息处理方法的流程示意图,本示例中的信息处理方法应用于电子设备中,所述电子设备包括第一采集单元和第二采集单元;如图1所示,所述信息处理方法包括以下步骤:
步骤101:利用所述第一采集单元以及第二采集单元分别采集目标对象的第一图像以及第二图像。
本发明实施例中,所述电子设备可以是智能手机、平板电脑、掌上电脑、游戏机、笔记本电脑等电子设备;该电子设备具有两个采集单元,分别为第一采集单元和第二采集单元;这里,采集单元可由摄像头实现。其中,第一采集单元与第二采集单元具有不同的采集参数,这里,采集参数为采集单元的内部参数,采集参数表征了采集单元的内部光学特性以及几何结构特性。由于第一采集单元与第二采集单元具有不同的采集参数,因此,由第一采集单元采集到的第一图像与由第二采集单元采集到的第二图像的像素大小不同。
本发明实施例中,由第一采集单元和第二采集单元同时采集同一目标对象的图像,分别得到第一图像和第二图像;第一图像的像素和第二图像的像素不同。本发明实施例将像素值较大的称为第一图像,将像素值较小的称为第二图像,即第一图像的像素值大于等于所述第二图像的像素值。本发明实施例中的目标对象是指被拍摄物体。
步骤102:对所述第一图像相对于所述第二图像的视差场构建能量函数。
具体地,根据公式(1a)构建所述第一图像相对于所述第二图像的视差场的能量函数:
其中,p为第二图像中的任一像素点,Dxp为像素点p在x方向的视差,Dyp为像素点p在y方向的视差;C(p,Dxp,Dyp)为像素点p在x方向视差为Dxp,且y方向视差为Dyp时的匹配代价;Np为像素点p的邻域;q为像素点p邻域内的任一像素点,Dxq为像素点q在x方向的视差,Dyq为像素点q在y方向的视差;T[]在方括号中的表达式为真时取1,为假时取0;P1为对视差变化量等于1时的惩罚系数;P2为对视差变化量大于1时的惩罚系数。
步骤103:针对所述第二图像中的每个像素点,计算所述像素点的第一预设范围内的所有像素点与该像素点的梯度值。
参照图7,o为第二图像中的任意一像素点,以该像素点为中心,以预设长度(W,Width)以及预设宽度(H,Height)确定出的窗口大小(WS,Window Size)作为第一预设范围,第一预设范围内的像素点的个数为W×H;其中,所述预设长度为同名像素点在第一方向上的匹配范围,所述预设宽度为同名像素点在第二方向上的匹配范围。这里,第一方向为窗口的行方向,第二方向为窗口的列方向。
具体地,行方向上预设长度的像素点的视差取值范围与列方向上预设宽度的像素点的视差取值范围分别为[Dxo-dxmin,Dxo+dxmax]和[Dyo-dymin,Dyo+dymax];其中,Dxo和Dyo分别为像素点o的行方向上的视差值与列方向上的视差值;dxmin和dxmax表征行方向上的视差取值范围;dymin和dymax表征列方向上的视差取值范围。
本发明实施例中,计算所述像素点的第一预设范围内的所有像素点与该像素点的梯度值具体为:对于第一预设范围内的每一个像素点,计算该像素点与像素点o之间的视差梯度;例如,图7中第一预设范围内具有5×5=25个像素点,然后分别计算这25个像素点与像素点o之间的视差梯度。这里,两个像素点的视差梯度是指两个像素点所对应的图像平面坐标系中的物理坐标之差。
步骤104:按照从小到大的顺序依次选择N个梯度值,并将所述N个梯度值对应的像素点所在的方向作为优化路径的方向。
其中,N≥1。
具体地,将第一预设范围内的所有像素点与像素点o之间的梯度值由小到大进行排序,并按照从小到大的顺序依次选择N个梯度值;将所述N个梯度值对应的像素点所在的方向作为优化路径的方向。这里,N个梯度值对应的像素点所在的方向为:像素点o至N个梯度值对应的像素点的射线方向。
这里,N的可以由用于预先设定,N值取大,则计算量大,精确度高;N值取小,则计算量小,精确度低。
本发明实施例中,寻找任意像素点的匹配点时,无需以最大视差为搜索范围,而是通过以视差梯度值最小的像素点所在的方向作为优化路径的方向,在匹配过程中避免了冗余搜索,匹配速度高,匹配精确准确。
步骤105:计算每条优化路径上的匹配代价。
具体地,根据公式(2a)计算每条优化路径上的匹配代价:
其中,r表示传播方向,p表示方向r优化路径上的任一像素点;p-r表示像素点p在方向r上的前一个像素点;dx为x方向视差;dy为y方向视差;Lr(p,dx,dy)表示像素点p在方向r优化路径上当x方向视差为dx,y方向视差为dy时的匹配代价;C(p,dx,dy)为像素点p在x方向视差为dx,y方向视差为dy时的匹配代价;为像素点p-r最小的匹配代价,i,j也表示x方向视差和y方向的视差。
步骤106:基于所述匹配代价以及所述能量函数,建立半全局能量函数。
具体地,将各个方向优化路径上的匹配代价相加,得到匹配代价的聚合结果如公式(3a):
其中,S(p,dx,dy)为匹配代价的聚合结果,Lr(p,dx,dy)为r优化路径上的匹配代价;
根据公式(4a)计算半全局能量函数:
其中,E(D)为半全局能量函数。
步骤107:依据所述半全局能量函数,计算所述目标对象对应的视差场。
具体地,对每个像素点p,在使得匹配代价聚合结果S(p,dx,dy)最小的二维视差值(dxp,dyp)附近进行局部曲面拟合,求得拟合曲面的极小值作为该像素点的二维视差,进而可得到目标对象的整个二维视差场。
本发明实施例中,优化路径方向上的像素点的视差最接近待匹配像素点的视差,进而基于此优化路径所得到的半全局能量函数能够计算出精度更高的视差场,继而改善了视差图的轮廓信息以及后续获取到精度较高的深度信息。
图2为本发明实施例二的信息处理方法的流程示意图,本示例中的信息处理方法应用于电子设备中,所述电子设备包括第一采集单元和第二采集单元;如图2所示,所述信息处理方法包括以下步骤:
步骤201:利用所述第一采集单元以及第二采集单元分别采集目标对象的第一图像以及第二图像。
本发明实施例中,所述电子设备可以是智能手机、平板电脑、掌上电脑、游戏机、笔记本电脑等电子设备;该电子设备具有两个采集单元,分别为第一采集单元和第二采集单元;这里,采集单元可由摄像头实现。其中,第一采集单元与第二采集单元具有不同的采集参数,这里,采集参数为采集单元的内部参数,采集参数表征了采集单元的内部光学特性以及几何结构特性。由于第一采集单元与第二采集单元具有不同的采集参数,因此,由第一采集单元采集到的第一图像与由第二采集单元采集到的第二图像的像素大小不同。
本发明实施例中,由第一采集单元和第二采集单元同时采集同一目标对象的图像,分别得到第一图像和第二图像;第一图像的像素和第二图像的像素不同。本发明实施例将像素值较大的称为第一图像,将像素值较小的称为第二图像,即第一图像的像素值大于等于所述第二图像的像素值。本发明实施例中的目标对象是指被拍摄物体。
步骤202:对所述第一图像以及所述第二图像进行校准。
本发明实施例中,由于第一采集单元与第二采集单元具有不同的采集参数,因此,需要先对第一采集单元和第二采集单元进行校准,得到所述第一图像采集单元和所述第二图像采集单元的校准参数;然后,利用校准参数对所述第一图像以及所述第二图像进行校准。这里,校准参数包括旋转参数和平移参数,这两个参数分别由第一图像采集单元和第二图像采集单元的内参以及外参确定。
步骤203:对所述第一图像相对于所述第二图像的视差场构建能量函数。
具体地,根据公式(1b)构建所述第一图像相对于所述第二图像的视差场的能量函数:
其中,p为第二图像中的任一像素点,Dxp为像素点p在x方向的视差,Dyp为像素点p在y方向的视差;C(p,Dxp,Dyp)为像素点p在x方向视差为Dxp,且y方向视差为Dyp时的匹配代价;Np为像素点p的邻域;q为像素点p邻域内的任一像素点,Dxq为像素点q在x方向的视差,Dyq为像素点q在y方向的视差;T[]在方括号中的表达式为真时取1,为假时取0;P1为对视差变化量等于1时的惩罚系数;P2为对视差变化量大于1时的惩罚系数。
步骤204:针对所述第二图像中的每个像素点,计算所述像素点的第一预设范围内的所有像素点与该像素点的梯度值。
参照图7,o为第二图像中的任意一像素点,以该像素点为中心,以预设长度(W,Width)以及预设宽度(H,Height)确定出的窗口大小(WS,Window Size)作为第一预设范围,第一预设范围内的像素点的个数为W×H;其中,所述预设长度为同名像素点在第一方向上的匹配范围,所述预设宽度为同名像素点在第二方向上的匹配范围。这里,第一方向为窗口的行方向,第二方向为窗口的列方向。
具体地,行方向上预设长度的像素点的视差取值范围与列方向上预设宽度的像素点的视差取值范围分别为[Dxo-dxmin,Dxo+dxmax]和[Dyo-dymin,Dyo+dymax];其中,Dxo和Dyo分别为像素点o的行方向上的视差值与列方向上的视差值;dxmin和dxmax表征行方向上的视差取值范围;dymin和dymax表征列方向上的视差取值范围。
本发明实施例中,计算所述像素点的第一预设范围内的所有像素点与该像素点的梯度值具体为:对于第一预设范围内的每一个像素点,计算该像素点与像素点o之间的视差梯度;例如,图7中第一预设范围内具有5×5=25个像素点,然后分别计算这25个像素点与像素点o之间的视差梯度。这里,两个像素点的视差梯度是指两个像素点所对应的图像平面坐标系中的物理坐标之差。
步骤205:按照从小到大的顺序依次选择N个梯度值,并将所述N个梯度值对应的像素点所在的方向作为优化路径的方向。
其中,N≥1。
具体地,将第一预设范围内的所有像素点与像素点o之间的梯度值由小到大进行排序,并按照从小到大的顺序依次选择N个梯度值;将所述N个梯度值对应的像素点所在的方向作为优化路径的方向。这里,N个梯度值对应的像素点所在的方向为:像素点o至N个梯度值对应的像素点的射线方向。
这里,N的可以由用于预先设定,N值取大,则计算量大,精确度高;N值取小,则计算量小,精确度低。
本发明实施例中,寻找任意像素点的匹配点时,无需以最大视差为搜索范围,而是通过以视差梯度值最小的像素点所在的方向作为优化路径的方向,在匹配过程中避免了冗余搜索,匹配速度高,匹配精确准确。
步骤206:计算每条优化路径上的匹配代价。
具体地,根据公式(2b)计算每条优化路径上的匹配代价:
其中,r表示传播方向,p表示方向r优化路径上的任一像素点;p-r表示像素点p在方向r上的前一个像素点;dx为x方向视差;dy为y方向视差;Lr(p,dx,dy)表示像素点p在方向r优化路径上当x方向视差为dx,y方向视差为dy时的匹配代价;C(p,dx,dy)为像素点p在x方向视差为dx,y方向视差为dy时的匹配代价;为像素点p-r最小的匹配代价,i,j也表示x方向视差和y方向的视差。
步骤207:基于所述匹配代价以及所述能量函数,建立半全局能量函数。
具体地,将各个方向优化路径上的匹配代价相加,得到匹配代价的聚合结果如公式(3b):
其中,S(p,dx,dy)为匹配代价的聚合结果,Lr(p,dx,dy)为r优化路径上的匹配代价;
根据公式(4b)计算半全局能量函数:
其中,E(D)为半全局能量函数。
步骤208:依据所述半全局能量函数,计算所述目标对象对应的视差场。
具体地,对每个像素点p,在使得匹配代价聚合结果S(p,dx,dy)最小的二维视差值(dxp,dyp)附近进行局部曲面拟合,求得拟合曲面的极小值作为该像素点的二维视差,进而可得到目标对象的整个二维视差场。
本发明实施例中,优化路径方向上的像素点的视差最接近待匹配像素点的视差,进而基于此优化路径所得到的半全局能量函数能够计算出精度更高的视差场,继而改善了视差图的轮廓信息以及后续获取到精度较高的深度信息。
图3为本发明实施例三的信息处理方法的流程示意图,本示例中的信息处理方法应用于电子设备中,所述电子设备包括第一采集单元和第二采集单元;如图3所示,所述信息处理方法包括以下步骤:
步骤301:利用所述第一采集单元以及第二采集单元分别采集目标对象的第一图像以及第二图像。
本发明实施例中,所述电子设备可以是智能手机、平板电脑、掌上电脑、游戏机、笔记本电脑等电子设备;该电子设备具有两个采集单元,分别为第一采集单元和第二采集单元;这里,采集单元可由摄像头实现。其中,第一采集单元与第二采集单元具有不同的采集参数,这里,采集参数为采集单元的内部参数,采集参数表征了采集单元的内部光学特性以及几何结构特性。由于第一采集单元与第二采集单元具有不同的采集参数,因此,由第一采集单元采集到的第一图像与由第二采集单元采集到的第二图像的像素大小不同。
本发明实施例中,由第一采集单元和第二采集单元同时采集同一目标对象的图像,分别得到第一图像和第二图像;第一图像的像素和第二图像的像素不同。本发明实施例将像素值较大的称为第一图像,将像素值较小的称为第二图像,即第一图像的像素值大于等于所述第二图像的像素值。本发明实施例中的目标对象是指被拍摄物体。
步骤302:对所述第一图像相对于所述第二图像的视差场构建能量函数。
具体地,根据公式(1c)构建所述第一图像相对于所述第二图像的视差场的能量函数:
其中,p为第二图像中的任一像素点,Dxp为像素点p在x方向的视差,Dyp为像素点p在y方向的视差;C(p,Dxp,Dyp)为像素点p在x方向视差为Dxp,且y方向视差为Dyp时的匹配代价;Np为像素点p的邻域;q为像素点p邻域内的任一像素点,Dxq为像素点q在x方向的视差,Dyq为像素点q在y方向的视差;T[]在方括号中的表达式为真时取1,为假时取0;P1为对视差变化量等于1时的惩罚系数;P2为对视差变化量大于1时的惩罚系数。
步骤303:针对所述第二图像中的每个像素点,计算所述像素点的第一预设范围内的所有像素点与该像素点的梯度值。
参照图7,o为第二图像中的任意一像素点,以该像素点为中心,以预设长度(W,Width)以及预设宽度(H,Height)确定出的窗口大小(WS,Window Size)作为第一预设范围,第一预设范围内的像素点的个数为W×H;其中,所述预设长度为同名像素点在第一方向上的匹配范围,所述预设宽度为同名像素点在第二方向上的匹配范围。这里,第一方向为窗口的行方向,第二方向为窗口的列方向。
具体地,行方向上预设长度的像素点的视差取值范围与列方向上预设宽度的像素点的视差取值范围分别为[Dxo-dxmin,Dxo+dxmax]和[Dyo-dymin,Dyo+dymax];其中,Dxo和Dyo分别为像素点o的行方向上的视差值与列方向上的视差值;dxmin和dxmax表征行方向上的视差取值范围;dymin和dymax表征列方向上的视差取值范围。
本发明实施例中,计算所述像素点的第一预设范围内的所有像素点与该像素点的梯度值具体为:对于第一预设范围内的每一个像素点,计算该像素点与像素点o之间的视差梯度;例如,图7中第一预设范围内具有5×5=25个像素点,然后分别计算这25个像素点与像素点o之间的视差梯度。这里,两个像素点的视差梯度是指两个像素点所对应的图像平面坐标系中的物理坐标之差。
步骤304:按照从小到大的顺序依次选择N个梯度值,并将所述N个梯度值对应的像素点所在的方向作为优化路径的方向。
其中,N≥1。
具体地,将第一预设范围内的所有像素点与像素点o之间的梯度值由小到大进行排序,并按照从小到大的顺序依次选择N个梯度值;将所述N个梯度值对应的像素点所在的方向作为优化路径的方向。这里,N个梯度值对应的像素点所在的方向为:像素点o至N个梯度值对应的像素点的射线方向。
这里,N的可以由用于预先设定,N值取大,则计算量大,精确度高;N值取小,则计算量小,精确度低。
本发明实施例中,寻找任意像素点的匹配点时,无需以最大视差为搜索范围,而是通过以视差梯度值最小的像素点所在的方向作为优化路径的方向,在匹配过程中避免了冗余搜索,匹配速度高,匹配精确准确。
步骤305:计算每条优化路径上的匹配代价。
具体地,根据公式(2c)计算每条优化路径上的匹配代价:
其中,r表示传播方向,p表示方向r优化路径上的任一像素点;p-r表示像素点p在方向r上的前一个像素点;dx为x方向视差;dy为y方向视差;Lr(p,dx,dy)表示像素点p在方向r优化路径上当x方向视差为dx,y方向视差为dy时的匹配代价;C(p,dx,dy)为像素点p在x方向视差为dx,y方向视差为dy时的匹配代价;为像素点p-r最小的匹配代价,i,j也表示x方向视差和y方向的视差。
步骤306:将各个方向优化路径上的匹配代价相加,得到匹配代价的聚合结果。
具体地,将各个方向优化路径上的匹配代价相加,得到匹配代价的聚合结果如公式(3c):
其中,S(p,dx,dy)为匹配代价的聚合结果,Lr(p,dx,dy)为r优化路径上的匹配代价。
步骤307:根据公式计算半全局能量函数。
其中,E(D)为半全局能量函数。
步骤308:依据所述半全局能量函数,计算所述目标对象对应的视差场。
具体地,对每个像素点p,在使得匹配代价聚合结果S(p,dx,dy)最小的二维视差值(dxp,dyp)附近进行局部曲面拟合,求得拟合曲面的极小值作为该像素点的二维视差,进而可得到目标对象的整个二维视差场。
本发明实施例中,优化路径方向上的像素点的视差最接近待匹配像素点的视差,进而基于此优化路径所得到的半全局能量函数能够计算出精度更高的视差场,继而改善了视差图的轮廓信息以及后续获取到精度较高的深度信息。
图4为本发明实施例一的电子设备的结构组成示意图,本示例中的电子设备包括第一采集单元和第二采集单元;所述电子设备还包括:
控制单元41,用于利用所述第一采集单元以及第二采集单元分别采集目标对象的第一图像以及第二图像;
构建单元42,用于对所述第一图像相对于所述第二图像的视差场构建能量函数;
第一处理单元43,用于针对所述第二图像中的每个像素点,计算所述像素点的第一预设范围内的所有像素点与该像素点的梯度值;
路径选取单元44,用于按照从小到大的顺序依次选择N个梯度值,并将所述N个梯度值对应的像素点所在的方向作为优化路径的方向;N≥1;
第二处理单元45,用于计算每条优化路径上的匹配代价;
建立单元46,用于基于所述匹配代价以及所述能量函数,建立半全局能量函数;
第三处理单元47,用于依据所述半全局能量函数,计算所述目标对象对应的视差场。
本发明实施例中,所述第一采集单元和第二采集单元具有不同的采集参数,相应地,所述第一图像的像素值大于等于所述第二图像的像素值。
本领域技术人员应当理解,本发明实施例的电子设备中的各单元所实现的功能,可参照前述的数据处理方法的相关描述而理解,本发明实施例的电子设备中的各单元,可通过实现本发明实施例所述的功能的模拟电路而实现,也可以通过执行本发明实施例所述的功能的软件在智能终端上的运行而实现。
图5为本发明实施例二的电子设备的结构组成示意图,本示例中的电子设备包括第一采集单元和第二采集单元;所述电子设备还包括:
控制单元51,用于利用所述第一采集单元以及第二采集单元分别采集目标对象的第一图像以及第二图像;
构建单元52,用于对所述第一图像相对于所述第二图像的视差场构建能量函数;
第一处理单元53,用于针对所述第二图像中的每个像素点,计算所述像素点的第一预设范围内的所有像素点与该像素点的梯度值;
路径选取单元54,用于按照从小到大的顺序依次选择N个梯度值,并将所述N个梯度值对应的像素点所在的方向作为优化路径的方向;N≥1;
第二处理单元55,用于计算每条优化路径上的匹配代价;
建立单元56,用于基于所述匹配代价以及所述能量函数,建立半全局能量函数;
第三处理单元57,用于依据所述半全局能量函数,计算所述目标对象对应的视差场。
本发明实施例中,所述第一采集单元和第二采集单元具有不同的采集参数,相应地,所述第一图像的像素值大于等于所述第二图像的像素值。
本发明实施例中,所述电子设备还包括:
确定单元58,用于以像素点为中心,以预设长度以及预设宽度确定出的窗口大小作为第一预设范围;其中,所述预设长度为同名像素点在第一方向上的匹配范围,所述预设宽度为同名像素点在第二方向上的匹配范围。
优选地,所述电子设备还包括:校准单元59,用于对所述第一图像以及所述第二图像进行校准。
本领域技术人员应当理解,本发明实施例的电子设备中的各单元所实现的功能,可参照前述的数据处理方法的相关描述而理解,本发明实施例的电子设备中的各单元,可通过实现本发明实施例所述的功能的模拟电路而实现,也可以通过执行本发明实施例所述的功能的软件在智能终端上的运行而实现。
图6为本发明实施例三的电子设备的结构组成示意图,本示例中的电子设备包括第一采集单元和第二采集单元;所述电子设备还包括:
控制单元61,用于利用所述第一采集单元以及第二采集单元分别采集目标对象的第一图像以及第二图像;
构建单元62,用于对所述第一图像相对于所述第二图像的视差场构建能量函数;
第一处理单元63,用于针对所述第二图像中的每个像素点,计算所述像素点的第一预设范围内的所有像素点与该像素点的梯度值;
路径选取单元64,用于按照从小到大的顺序依次选择N个梯度值,并将所述N个梯度值对应的像素点所在的方向作为优化路径的方向;N≥1;
第二处理单元65,用于计算每条优化路径上的匹配代价;
建立单元66,用于基于所述匹配代价以及所述能量函数,建立半全局能量函数;
第三处理单元67,用于依据所述半全局能量函数,计算所述目标对象对应的视差场。
本发明实施例中,所述第一采集单元和第二采集单元具有不同的采集参数,相应地,所述第一图像的像素值大于等于所述第二图像的像素值。
本发明实施例中,所述电子设备还包括:
确定单元68,用于以像素点为中心,以预设长度以及预设宽度确定出的窗口大小作为第一预设范围;其中,所述预设长度为同名像素点在第一方向上的匹配范围,所述预设宽度为同名像素点在第二方向上的匹配范围。
优选地,所述电子设备还包括:校准单元69,用于对所述第一图像以及所述第二图像进行校准。
优选地,所述第二处理单元65,还用于根据以下公式计算每条优化路径上的匹配代价:
其中,r表示传播方向,p表示方向r优化路径上的任一像素点;p-r表示像素点p在方向r上的前一个像素点;dx为x方向视差;dy为y方向视差;Lr(p,dx,dy)表示像素点p在方向r优化路径上当x方向视差为dx,y方向视差为dy时的匹配代价;C(p,dx,dy)为像素点p在x方向视差为dx,y方向视差为dy时的匹配代价;为像素点p-r最小的匹配代价,i,j也表示x方向视差和y方向的视差。
优选地,所述建立单元66包括:
聚合子单元661,用于将各个方向优化路径上的匹配代价相加,得到匹配代价的聚合结果:
其中,S(p,dx,dy)为匹配代价的聚合结果,Lr(p,dx,dy)为r优化路径上的匹配代价;
计算子单元662,用于根据以下公式计算半全局能量函数:
其中,E(D)为半全局能量函数。
本领域技术人员应当理解,本发明实施例的电子设备中的各单元所实现的功能,可参照前述的数据处理方法的相关描述而理解,本发明实施例的电子设备中的各单元,可通过实现本发明实施例所述的功能的模拟电路而实现,也可以通过执行本发明实施例所述的功能的软件在智能终端上的运行而实现。
本发明实施例所记载的技术方案之间,在不冲突的情况下,可以任意组合。
在本发明所提供的几个实施例中,应该理解到,所揭露的方法和智能设备,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个第二处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种信息处理方法,其特征在于,该方法应用于电子设备中,所述电子设备包括第一采集单元和第二采集单元;所述信息处理方法包括:
利用所述第一采集单元以及第二采集单元分别采集目标对象的第一图像以及第二图像;
对所述第一图像相对于所述第二图像的视差场构建能量函数;
针对所述第二图像中的每个像素点,计算所述像素点的第一预设范围内的所有像素点与该像素点的梯度值;
按照从小到大的顺序依次选择N个梯度值,并将所述N个梯度值对应的像素点所在的方向作为优化路径的方向;N≥1;
计算每条优化路径上的匹配代价;
基于所述匹配代价以及所述能量函数,建立半全局能量函数;
依据所述半全局能量函数,计算所述目标对象对应的视差场;
其中,所述计算每条优化路径上的匹配代价,包括:
根据以下公式计算每条优化路径上的匹配代价:
Lr(p,dx,dy)=C(p,dx,dy)+min(Lr(p-r,dx,dy),
Lr(p-r,dx-1,dy)+Lr(p-r,dx+1,dy)+P1,
Lr(p-r,dx,dy-1)+Lr(p-r,dx,dy+1)+P1,
其中,r表示传播方向,p表示方向r优化路径上的任一像素点;p-r表示像素点p在方向r上的前一个像素点;dx为x方向视差;dy为y方向视差;Lr(p,dx,dy)表示像素点p在方向r优化路径上当x方向视差为dx,y方向视差为dy时的匹配代价;C(p,dx,dy)为像素点p在x方向视差为dx,y方向视差为dy时的匹配代价;为像素点p-r最小的匹配代价,i,j也表示x方向视差和y方向的视差;P1为对视差变化量等于1时的惩罚系数;P2为对视差变化量大于1时的惩罚系数。
2.根据权利要求1所述的信息处理方法,其特征在于,所述第一采集单元和第二采集单元具有不同的采集参数,相应地,所述第一图像的像素值大于等于所述第二图像的像素值。
3.根据权利要求1所述的信息处理方法,其特征在于,所述方法还包括:
以像素点为中心,以预设长度以及预设宽度确定出的窗口大小作为第一预设范围;其中,所述预设长度为同名像素点在第一方向上的匹配范围,所述预设宽度为同名像素点在第二方向上的匹配范围。
4.根据权利要求1所述的信息处理方法,其特征在于,所述对所述第一图像相对于所述第二图像的视差场构建能量函数之前,所述方法还包括:
对所述第一图像以及所述第二图像进行校准。
5.根据权利要求1所述的信息处理方法,其特征在于,所述基于所述匹配代价以及所述能量函数,建立半全局能量函数,包括:
将各个方向优化路径上的匹配代价相加,得到匹配代价的聚合结果:
其中,S(p,dx,dy)为匹配代价的聚合结果,Lr(p,dx,dy)为r优化路径上的匹配代价;
根据以下公式计算半全局能量函数:
其中,E(D)为半全局能量函数。
6.一种电子设备,其特征在于,所述电子设备包括第一采集单元和第二采集单元;所述电子设备还包括:
控制单元,用于利用所述第一采集单元以及第二采集单元分别采集目标对象的第一图像以及第二图像;
构建单元,用于对所述第一图像相对于所述第二图像的视差场构建能量函数;
第一处理单元,用于针对所述第二图像中的每个像素点,计算所述像素点的第一预设范围内的所有像素点与该像素点的梯度值;
路径选取单元,用于按照从小到大的顺序依次选择N个梯度值,并将所述N个梯度值对应的像素点所在的方向作为优化路径的方向;N≥1;
第二处理单元,用于计算每条优化路径上的匹配代价;
建立单元,用于基于所述匹配代价以及所述能量函数,建立半全局能量函数;
第三处理单元,用于依据所述半全局能量函数,计算所述目标对象对应的视差场;
其中,所述第二处理单元,还用于根据以下公式计算每条优化路径上的匹配代价:
Lr(p,dx,dy)=C(p,dx,dy)+min(Lr(p-r,dx,dy),
Lr(p-r,dx-1,dy)+Lr(p-r,dx+1,dy)+P1,
Lr(p-r,dx,dy-1)+Lr(p-r,dx,dy+1)+P1,
其中,r表示传播方向,p表示方向r优化路径上的任一像素点;p-r表示像素点p在方向r上的前一个像素点;dx为x方向视差;dy为y方向视差;Lr(p,dx,dy)表示像素点p在方向r优化路径上当x方向视差为dx,y方向视差为dy时的匹配代价;C(p,dx,dy)为像素点p在x方向视差为dx,y方向视差为dy时的匹配代价;为像素点p-r最小的匹配代价,i,j也表示x方向视差和y方向的视差;P1为对视差变化量等于1时的惩罚系数;P2为对视差变化量大于1时的惩罚系数。
7.根据权利要求6所述的电子设备,其特征在于,所述第一采集单元和第二采集单元具有不同的采集参数,相应地,所述第一图像的像素值大于等于所述第二图像的像素值。
8.根据权利要求6所述的电子设备,其特征在于,所述电子设备还包括:
确定单元,用于以像素点为中心,以预设长度以及预设宽度确定出的窗口大小作为第一预设范围;其中,所述预设长度为同名像素点在第一方向上的匹配范围,所述预设宽度为同名像素点在第二方向上的匹配范围。
9.根据权利要求6所述的电子设备,其特征在于,所述电子设备还包括:校准单元,用于对所述第一图像以及所述第二图像进行校准。
10.根据权利要求6所述的电子设备,其特征在于,所述建立单元包括:
聚合子单元,用于将各个方向优化路径上的匹配代价相加,得到匹配代价的聚合结果:
其中,S(p,dx,dy)为匹配代价的聚合结果,Lr(p,dx,dy)为r优化路径上的匹配代价;
计算子单元,用于根据以下公式计算半全局能量函数:
其中,E(D)为半全局能量函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410392396.9A CN105447288B (zh) | 2014-08-11 | 2014-08-11 | 一种信息处理方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410392396.9A CN105447288B (zh) | 2014-08-11 | 2014-08-11 | 一种信息处理方法及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105447288A CN105447288A (zh) | 2016-03-30 |
CN105447288B true CN105447288B (zh) | 2019-01-15 |
Family
ID=55557459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410392396.9A Active CN105447288B (zh) | 2014-08-11 | 2014-08-11 | 一种信息处理方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105447288B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110619660A (zh) * | 2019-08-21 | 2019-12-27 | 深圳市优必选科技股份有限公司 | 一种物体定位方法、装置、计算机可读存储介质及机器人 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101582171A (zh) * | 2009-06-10 | 2009-11-18 | 清华大学 | 一种创建深度图的方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009133753A (ja) * | 2007-11-30 | 2009-06-18 | Toshiba Corp | 画像処理装置及びその方法 |
-
2014
- 2014-08-11 CN CN201410392396.9A patent/CN105447288B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101582171A (zh) * | 2009-06-10 | 2009-11-18 | 清华大学 | 一种创建深度图的方法及装置 |
Non-Patent Citations (1)
Title |
---|
从双目立体图像中恢复三维信息的研究;高波;《中国优秀硕士学位论文全文数据库信息科技辑》;20100715(第7期);第1.2节,第2.3节 |
Also Published As
Publication number | Publication date |
---|---|
CN105447288A (zh) | 2016-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111354042B (zh) | 机器人视觉图像的特征提取方法、装置、机器人及介质 | |
US8437554B2 (en) | Method of extracting three-dimensional objects information from a single image without meta information | |
CN109993793B (zh) | 视觉定位方法及装置 | |
CN108615244B (zh) | 一种基于cnn和深度滤波器的图像深度估计方法及系统 | |
CN103090846B (zh) | 一种测距装置、测距系统及其测距方法 | |
JP6883608B2 (ja) | 深度マップに対して画像位置合せを行って深度データを最適化することができる深度データ処理システム | |
CN105758426A (zh) | 移动机器人的多传感器的联合标定方法 | |
CN105654547B (zh) | 三维重建方法 | |
CN111735439B (zh) | 地图构建方法、装置和计算机可读存储介质 | |
CN103679693B (zh) | 一种多相机单视图标定装置及其标定方法 | |
CN105374019A (zh) | 一种多深度图融合方法及装置 | |
CN105160680A (zh) | 一种基于结构光的无干扰深度相机的设计方法 | |
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 | |
EP3301913A1 (en) | Photographing device and method for acquiring depth information | |
CN103903263B (zh) | 一种基于Ladybug全景相机图像的360度全方位测距方法 | |
CN110889873A (zh) | 一种目标定位方法、装置、电子设备及存储介质 | |
CN110793544A (zh) | 感知传感器参数标定方法、装置、设备及存储介质 | |
WO2015122658A1 (ko) | 비전 센서 데이터베이스를 이용한 거리 측정 방법 | |
CN104807449A (zh) | 一种基于立体摄影测量的输电线路交叉跨越测量系统 | |
CN109425348A (zh) | 一种同时定位与建图的方法和装置 | |
CN108470356A (zh) | 一种基于双目视觉的目标对象快速测距方法 | |
CN112509057A (zh) | 相机外参标定方法、装置、电子设备以及计算机可读介质 | |
CN103528562A (zh) | 一种基于单摄像头检测人眼与显示终端距离的方法 | |
CN110458952A (zh) | 一种基于三目视觉的三维重建方法和装置 | |
CN108007426A (zh) | 一种摄像头测距方法和系统 |
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 |