CN105631848A - 一种信息处理方法和电子设备 - Google Patents
一种信息处理方法和电子设备 Download PDFInfo
- Publication number
- CN105631848A CN105631848A CN201410602806.8A CN201410602806A CN105631848A CN 105631848 A CN105631848 A CN 105631848A CN 201410602806 A CN201410602806 A CN 201410602806A CN 105631848 A CN105631848 A CN 105631848A
- Authority
- CN
- China
- Prior art keywords
- reference stripe
- subset
- stripe
- screening
- area
- 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
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种信息处理方法和电子设备，方法包括：获得条纹结构光图像；对所述条纹结构光图像执行第一区域识别，获得所述图像中的至少一个第一区域，每个所述第一区域中包括各自对应的第一物体的完整图像；对每个所述第一区域分别执行基准条纹检测，获得每个所述第一区域内的基准条纹集，每个所述基准条纹集中包括至少一条基准条纹；基于每个所述基准条纹集中各基准条纹的完整性和覆盖在第一物体上的条纹长度，对每个所述基准条纹集进行条纹筛选，获得用于第一物体深度恢复的参考条纹。
Description
技术领域
本发明涉及智能电子设备技术领域，尤其涉及一种信息处理方法和电子设备。
背景技术
扫描式的条纹结构光打在待测物体上，对条纹结构光进行图像采集，并对采集的图像进行深度恢复，能够恢复出待测物体的深度信息。进行深度恢复需保证待测物体上有基准条纹，对于静态的待测物体，能够保证基准条纹始终位于待测物体上；而对于动态的待测物体，现有技术则无法保证基准条纹始终位于待测物体上，即使能够保证，也无法从基准条纹中选择出最优的参考条纹，从而无法保证深度恢复的精度。
因此，对于动态场景下的待测物体进行深度恢复时，怎样选择最优的参考条纹，以保证深度恢复的精度，是目前亟待解决的技术问题。
发明内容
为解决现有存在的技术问题，本发明实施例提供一种信息处理方法和电子设备。
本发明实施例提供了一种信息处理方法，应用于电子设备，所述方法包括：
获得条纹结构光图像；
对所述条纹结构光图像执行第一区域识别，获得所述图像中的至少一个第一区域，每个所述第一区域中包括各自对应的第一物体的完整图像；
对每个所述第一区域分别执行基准条纹检测，获得每个所述第一区域内的基准条纹集，每个所述基准条纹集中包括至少一条基准条纹；
基于每个所述基准条纹集中各基准条纹的完整性和覆盖在第一物体上的条纹长度，对每个所述基准条纹集进行条纹筛选，获得用于第一物体深度恢复的参考条纹。
上述方案中，所述基于每个基准条纹集中各基准条纹的完整性和覆盖在第一物体上的条纹长度，对每个基准条纹集进行条纹筛选，获得用于第一物体深度恢复的参考条纹，包括：
对每个所述基准条纹集分别执行第一筛选处理，获得第一基准条纹子集，所述第一基准条纹子集由所述基准条纹集中有效数据量最大的第一预设数量的基准条纹组成；
对每个所述第一基准条纹子集分别执行第二筛选处理，获得第二基准条纹子集，所述第二基准条纹子集由所述第一基准条纹子集中分段数最少的第二预设数量的基准条纹组成；
对每个所述第二基准条纹子集分别执行第三筛选处理，获得第三基准条纹子集，所述第三基准条纹子集由所述第二基准条纹子集中经过所述第一物体的基准条纹组成；
对每个所述第三基准条纹子集分别执行第四筛选处理，选定落在所述第一物体上的最长基准条纹为用于第一物体深度恢复的参考条纹。
上述方案中，所述对每个基准条纹集分别执行第一筛选处理，获得第一基准条纹子集，包括：
统计每个所述基准条纹集中各基准条纹所包含的位置点的数量，从所述基准条纹集中选择位置点的数量最多的第一预设数量的基准条纹组成所述第一基准条纹子集。
上述方案中，所述对每个第一基准条纹子集分别执行第二筛选处理，获得第二基准条纹子集，包括：
根据每个所述第一基准条纹子集中的基准条纹所包含的位置点的坐标，统计每个基准条纹的连通域的数量，从所述第一基准条纹子集中选择连通域最少的第二预设数量的基准条纹组成所述第二基准条纹子集；
其中，每个基准条纹的所述连通域由所述基准条纹中坐标连续的位置点组成。
上述方案中，所述对每个第二基准条纹子集分别执行第三筛选处理，获得第三基准条纹子集，包括：
判断所述第二基准条纹子集中的每条基准条纹是否与所述第一物体有重叠的位置点，将与所述第一物体没有重叠位置点的基准条纹从所述第二基准条纹子集中去除，所述第二基准条纹子集中剩余的基准条纹组成所述第三基准条纹子集。
上述方案中，所述对每个第三基准条纹子集分别执行第四筛选处理，选定落在第一物体上的最长基准条纹为用于第一物体深度恢复的参考条纹，包括：
根据所述每个第三基准条纹子集中各基准条纹与所述第一物体重叠的位置点的坐标，计算所述各基准条纹落在第一物体上的长度，选定所述长度最大的基准条纹为用于第一物体深度恢复的参考条纹。
上述方案中，所述对条纹结构光图像执行第一区域识别，获得所述图像中的至少一个第一区域，包括：
通过边缘提取算法，提取所述条纹结构光图像中的每个第一物体的边缘信息，并根据每个第一物体的边缘信息，确定每个第一物体对应的第一区域；
其中，第一区域覆盖所述第一物体的边缘信息。
本发明实施例还提供了一种电子设备，包括：
图像获得单元，用于获得条纹结构光图像；
区域识别单元，用于对所述条纹结构光图像执行第一区域识别，获得所述图像中的至少一个第一区域，每个所述第一区域中包括各自对应的第一物体的完整图像；
基准条纹检测单元，用于对每个所述第一区域分别执行基准条纹检测，获得每个所述第一区域内的基准条纹集，每个所述基准条纹集中包括至少一条基准条纹；
条纹筛选单元，用于基于每个所述基准条纹集中各基准条纹的完整性和覆盖在第一物体上的条纹长度，对每个所述基准条纹集进行条纹筛选，获得用于第一物体深度恢复的参考条纹。
上述方案中，所述条纹筛选单元进一步用于，
对每个所述基准条纹集分别执行第一筛选处理，获得第一基准条纹子集，所述第一基准条纹子集由所述基准条纹集中有效数据量最大的第一预设数量的基准条纹组成；
对每个所述第一基准条纹子集分别执行第二筛选处理，获得第二基准条纹子集，所述第二基准条纹子集由所述第一基准条纹子集中分段数最少的第二预设数量的基准条纹组成；
对每个所述第二基准条纹子集分别执行第三筛选处理，获得第三基准条纹子集，所述第三基准条纹子集由所述第二基准条纹子集中经过所述第一物体的基准条纹组成；
对每个所述第三基准条纹子集分别执行第四筛选处理，选定落在所述第一物体上的最长基准条纹为用于第一物体深度恢复的参考条纹。
上述方案中，所述条纹筛选单元进一步用于，统计每个所述基准条纹集中各基准条纹所包含的位置点的数量，从所述基准条纹集中选择位置点的数量最多的第一预设数量的基准条纹组成所述第一基准条纹子集。
上述方案中，所述条纹筛选单元进一步用于，根据每个所述第一基准条纹子集中的基准条纹所包含的位置点的坐标，统计每个基准条纹的连通域的数量，从所述第一基准条纹子集中选择连通域最少的第二预设数量的基准条纹组成所述第二基准条纹子集；
其中，每个基准条纹的所述连通域由所述基准条纹中坐标连续的位置点组成。
上述方案中，所述条纹筛选单元进一步用于，判断所述第二基准条纹子集中的每条基准条纹是否与所述第一物体有重叠的位置点，将与所述第一物体没有重叠位置点的基准条纹从所述第二基准条纹子集中去除，所述第二基准条纹子集中剩余的基准条纹组成所述第三基准条纹子集。
上述方案中，所述条纹筛选单元进一步用于，根据所述每个第三基准条纹子集中各基准条纹与所述第一物体重叠的位置点的坐标，计算所述各基准条纹落在第一物体上的长度，选定所述长度最大的基准条纹为用于第一物体深度恢复的参考条纹。
上述方案中，所述区域识别单元进一步用于，通过边缘提取算法，提取所述条纹结构光图像中的每个第一物体的边缘信息，并根据每个第一物体的边缘信息，确定每个第一物体对应的第一区域；
其中，第一区域覆盖所述第一物体的边缘信息。
本发明实施例所提供的一种信息处理方法和电子设备，从采集获得的条纹结构光图像中确定包含完整第一物体的第一区域，并依据第一区域内的基准条纹的自身特性，如条纹的完整性、覆盖在第一物体上的条纹长度等，进行条纹筛选，最终获得最可靠的基准条纹作为用于第一物体深度恢复的参考条纹。
本发明实施例保证了深度恢复的灵活性，本发明实施例不仅适用于静态物体的参考条纹筛选和深度恢复，也适用于动态物体的参考条纹筛选和深度恢复；在包含多基准条纹的条形结构光中，物体可以处于任何位置，都可以确定出用于深度恢复的参考条纹；本发明实施例不仅能够确定出动态场景中任意位置的物体的参考条纹，也能同时分别确定出动态场景中多个物体的参考条纹。
附图说明
图1为本发明实施例一的信息处理方法的流程图；
图2a为本发明实施例二中采集获得的条纹结构光图像示意图；
图2b为本发明实施例二中在条纹结构光图像中确定的第一区域的示意图；
图2c为本发明实施例二中在条纹结构光图像中最终确定出的参考条纹的示意图；
图3为本发明实施例三的电子设备组成结构示意图。
具体实施方式
下面结合附图和具体实施例对本发明的技术方案进一步详细阐述。
实施例一
本发明实施例一提供的一种信息处理方法，如图1所示，该方法主要包括：
步骤101，获得条纹结构光图像。
利用投影仪进行条纹结构光投射，并利用图像采集单元对条纹结构光的投射区域进行图像采集，采集获得条纹结构光图像；当有物体进入所述条纹结构光的投射区域时，所述条纹结构光会投射在所述物体上，且投射在物体上的条纹结构光会发生形变，所述图像采集单元采集获得的条纹结构光图像中会包括所述物体的图像。
步骤102，对所述条纹结构光图像执行第一区域识别，获得所述图像中的至少一个第一区域，每个所述第一区域中包括各自对应的第一物体的完整图像。
步骤102的一种实施方式包括：
通过边缘提取算法，提取所述条纹结构光图像中的每个第一物体的边缘信息，并根据每个第一物体的边缘信息，确定每个第一物体对应的第一区域；
其中，第一区域覆盖所述第一物体的边缘信息，即保证所述第一区域将所述第一物体的所有边缘都框了进来。
所述第一区域，是指包括第一物体完整图像的矩形区域，在通过边缘提取算法提取所述条纹结构光图像中第一物体的边缘信息后，计算能够包含所述第一物体完整图像的最小矩形区域，并将所述最小举行区域确定为对应所述第一物体的第一区域。
当通过边缘提取算法确定所述条纹结构光图像中只有一个第一物体时，那么获得所述结构光图像中的第一区域也仅为一个；当通过边缘提取算法确定所述条纹结构光图像中有多个第一物体时，那么获得所述结构光图像中的第一区域也为多个。总之，第一区域的数量是与所述条纹结构光图像中确定出的第一物体的数量一致的。
步骤103，对每个所述第一区域分别执行基准条纹检测，获得每个所述第一区域内的基准条纹集，每个所述基准条纹集中包括至少一条基准条纹。
所述对每个第一区域分别执行基准条纹检测，是指检测识别每个第一区域内所包含的基准条纹，凡是第一区域内出现的条纹都属于所述第一区域内的基准条纹，每个第一区域内检测识别出的基准条纹就构成了相应第一区域内的基准条纹集。
步骤104，基于每个所述基准条纹集中各基准条纹的完整性和覆盖在第一物体上的条纹长度，对每个所述基准条纹集进行条纹筛选，获得用于第一物体深度恢复的参考条纹。
步骤104的一种实施方式包括：
对每个所述基准条纹集分别执行第一筛选处理，获得第一基准条纹子集，所述第一基准条纹子集由所述基准条纹集中有效数据量最大的第一预设数量的基准条纹组成；
对每个所述第一基准条纹子集分别执行第二筛选处理，获得第二基准条纹子集，所述第二基准条纹子集由所述第一基准条纹子集中分段数最少的第二预设数量的基准条纹组成；
对每个所述第二基准条纹子集分别执行第三筛选处理，获得第三基准条纹子集，所述第三基准条纹子集由所述第二基准条纹子集中经过所述第一物体的基准条纹组成；
对每个所述第三基准条纹子集分别执行第四筛选处理，选定落在所述第一物体上的最长基准条纹为用于第一物体深度恢复的参考条纹。
本发明实施例中，所述对每个基准条纹集分别执行第一筛选处理，获得第一基准条纹子集，包括：
统计每个所述基准条纹集中各基准条纹所包含的位置点(即各基准条纹所覆盖/经过的位置点)的数量，从所述基准条纹集中选择位置点的数量最多的第一预设数量的基准条纹组成所述第一基准条纹子集。
也就是说，对每个基准条纹集分别执行条纹筛选，筛选条件为包含位置点的数量最多的基准条纹，筛选数量为第一预设数量，所述第一预设数量可以根据实际需要灵活设定；而且根据基准条纹集中所包含的基准条纹的数量多少，也可以更灵活的设定第一预设数量，当基准条纹集中所包含的基准条纹的数量较多时，可以设定第一预设数量的取值较大，当基准条纹集中所包含的基准条纹的数量较少时，可以设定第一预设数量的取值较小。例如：一基准条纹集中包含10条基准条纹，可以设定第一预设数量为5，通过统计该基准条纹集中每条基准条纹所包含的位置点的数量，只保留包含位置点的数量最多前5条基准条纹，由这前5条基准条纹组成第一基准条纹子集；再例如：一基准条纹集中包含20条基准条纹，可以设定第一预设数量为8，通过统计该基准条纹集中每条基准条纹所包含的位置点的数量，只保留包含位置点的数量最多的前8条基准条纹，由这前8条基准条纹组成第一基准条纹子集。另外，对于同一条纹结构光图像中的不同第一区域所对应的基准条纹集，为其设定的筛选数量(即第一预设数量)仍可以不同。
对每个基准条纹集分别执行第一筛选处理的目的是，从所述基准条纹集中去掉一部分包含位置点数量少的基准条纹，因为基准条纹包含的位置点数量少就意味着该基准条纹包含的可用于第一物体深度恢复的信息量少，第一筛选处理的目的就是将这部分信息量少的基准条纹从基准条纹集中去除掉。
本发明实施例中，所述对每个第一基准条纹子集分别执行第二筛选处理，获得第二基准条纹子集，包括：
根据每个所述第一基准条纹子集中的基准条纹所包含的位置点的坐标，统计每个基准条纹的连通域的数量，从所述第一基准条纹子集中选择连通域最少的第二预设数量的基准条纹组成所述第二基准条纹子集；
每个基准条纹的所述连通域由所述基准条纹中坐标连续的位置点组成。
也就是说，对每个第一基准条纹子集分别执行条纹筛选，筛选条件为连通域最少，筛选数量为第二预设数量，所述第二预设数量可以根据实际需要灵活设定；而且根据第一基准条纹子集中所包含的基准条纹的数量多少，也可以更灵活的设定第二预设数量，当第一基准条纹子集中所包含的基准条纹的数量较多时，可以设定第二预设数量的取值较大，当第一基准条纹子集中所包含的基准条纹的数量较少时，可以设定第二预设数量的取值较小。例如：一第一基准条纹子集中包含5条基准条纹，可以设定第二预设数量为3，通过统计第一基准条纹子集中每条基准条纹的连通域的数量，只保留其中连通域数量最少的前3条基准条纹，由这前3条基准条纹组成第二基准条纹子集；再例如：一第一基准条纹子集中包含8条基准条纹，可以设定第二预设数量为6，通过统计每个基准条纹的连通域的数量，只保留其中连通域数量最少的前6条基准条纹，由这前6条基准条纹组成第二基准条纹子集。另外，对于同一条纹结构光图像中的不同第一区域所对应的第一基准条纹子集，为其设定的筛选数量(即第二预设数量)仍可以不同。
对每个第一基准条纹子集分别执行第二筛选处理的目的是，从所述第一基准条纹子集中去掉一部分连通域较多的基准条纹(即分段较多的基准条纹)，因为基准条纹包含的分段较多就意味着该基准条纹包含的坐标不连续的位置点较多，说明该基准条纹的完整性不高，不利于第一物体深度恢复，因此，第二筛选处理的目的是将这部分完整性不高的基准条纹从第一基准条纹子集中去除掉。
本发明实施例中，所述对每个第二基准条纹子集分别执行第三筛选处理，获得第三基准条纹子集，包括：
判断所述第二基准条纹子集中的每条基准条纹是否与所述第一物体有重叠的位置点，将与所述第一物体没有重叠位置点的基准条纹从所述第二基准条纹子集中去除，所述第二基准条纹子集中剩余的基准条纹组成所述第三基准条纹子集。
也就是说，对每个第二基准条纹子集分别执行条纹筛选，筛选条件为基准条纹与第一物体有重叠位置点；例如：一第二基准条纹子集中包含3条基准条纹，判断其中存在一条与第一物体无重叠位置点的基准条纹，从而将这条无重叠位置点的基准条纹去除，保留剩余的两条基准条纹组成第三基准条纹子集；再例如：一第二基准条纹子集中包含6条基准条纹，判断其中存在两条与第一物体无重叠位置点的基准条纹，从而将这两条无重叠位置点的基准条纹去除，保留剩余的4条基准条纹组成第三基准条纹子集。
对每个第二基准条纹子集分别执行第三筛选处理的目的是，从所述第二基准条纹子集中去掉与第一物体没有重叠位置点的基准条纹，因为与第一物体没有重叠位置点就意味着该基准条纹不包含可用于第一物体深度恢复的有效信息，第三筛选处理的目的就是将这部分不包含有效信息的基准条纹从第二基准条纹子集中去除掉。
本发明实施例中，所述对每个第三基准条纹子集分别执行第四筛选处理，选定落在第一物体上的最长基准条纹为用于第一物体深度恢复的参考条纹，包括：
根据所述每个第三基准条纹子集中各基准条纹与所述第一物体重叠的位置点的坐标，计算所述各基准条纹落在第一物体上的长度，选定所述长度最大的基准条纹为用于第一物体深度恢复的参考条纹。
也就是说，对每个第三基准条纹子集分别执行条纹筛选，筛选条件为基准条纹落在第一物体上的长度最长；通过位置坐标的计算，将所述第三基准条纹子集中落在第一物体上的长度最长的基准条纹选定为最终用于第一物体深度恢复的参考条纹。基准条纹落在第一物体上的长度长，意味着该基准条纹中包含的用于第一物体深度恢复的有效信息量多，包含的有效信息量多则对第一物体的深度恢复有利，从而选择其为用于第一物体深度恢复的参考条纹。
在选定了用于第一物体深度恢复的参考条纹后，就可以依据所述参考条纹执行对第一物体的深度恢复。
需要说明的是，上述第一预设数量、第二预设数量、第三预设数量也可以分别用第一预设比例、第二预设比例、第三预设比例来代替，即通过筛选保留基准条纹中第一预设比例的基准条纹组成第一基准条纹子集，通过筛选保留第一基准条纹子集中第二预设比例的基准条纹组成第二基准条纹子集，通过筛选保留第二基准条纹子集中第三预设比例的基准条纹组成第三基准条纹子集。其中，第一预设比例、第二预设比例、第三预设比例的取值可以根据实际需要灵活设定。
下面结合一具体示例进一步阐述本发明实施例的信息处理方法。
实施例二
首先参见图2a所示的条纹结构光图像，利用图像采集单元采集获得的条纹结构光图像中包括用户的手图像，从图2a中可以看到，投射在手上的条纹结构光发生了形变。
在获得条纹结构光图像后，通过边缘提取算法提取所述条纹结构光图像中的手图像的边缘信息，根据手图像的边缘信息计算能够包含所述手图像的最小矩形区域，确定为第一区域，如图2b中的黑色矩形框所示。
然后，对确定的第一区域执行基准条纹检测，获得第一区域内的基准条纹集，该基准条纹集中包括多条基准条纹；
基于基准条纹集中各基准条纹的完整性和覆盖在手上的条纹长度，对所述基准条纹集进行条纹筛选，获得用于深度恢复的参考条纹，具体筛选过程如下：
统计所述基准条纹集中各基准条纹所包含的位置点(即各基准条纹所覆盖/经过的位置点)的数量，从所述基准条纹集中选择位置点的数量最多的第一预设数量的基准条纹组成第一基准条纹子集；通过本次筛选，将包含位置点数量少的基准条纹从所述基准条纹集中去除掉，保留剩余的基准条纹组成第一基准条纹子集；
根据所述第一基准条纹子集中的基准条纹所包含的位置点的坐标，统计每个基准条纹的连通域的数量，从所述第一基准条纹子集中选择连通域最少的第二预设数量的基准条纹组成所述第二基准条纹子集；其中，每个基准条纹的所述连通域由所述基准条纹中坐标连续的位置点组成；通过本次筛选，将连通域较多的基准条纹(即分段较多的基准条纹)从所述第一基准条纹子集中去除掉，保留剩余的基准条纹组成第二基准条纹子集；
判断所述第二基准条纹子集中的每条基准条纹是否与手图像有重叠的位置点，将与所述手图像没有重叠位置点的基准条纹从所述第二基准条纹子集中去除，所述第二基准条纹子集中剩余的基准条纹组成所述第三基准条纹子集；通过本次筛选，从所述第二基准条纹子集中去掉与手图像没有重叠位置点的基准条纹，如图2b所示，图中矩形方框内靠最右的基准条纹就可能是与手图像没有重叠位置点的基准条纹；
根据所述每个第三基准条纹子集中各基准条纹与手图像重叠的位置点的坐标，计算所述各基准条纹落在手图像上的长度(即各基准条纹中与手图像重叠的长度)，选定所述长度最大的基准条纹为用于深度恢复的参考条纹；通过本次筛选，从所述第三基准条纹子集中选出落在手图像上的长度最长的基准条纹为最终用于手深度恢复的参考条纹。所选的参考条纹如图2c中覆盖在手图像上的标识为最粗的基准条纹所示。
实施例三
本发明实施例三提供一种电子设备，如图3所示，该电子设备包括：
图像获得单元10，用于获得条纹结构光图像；
区域识别单元20，用于对所述条纹结构光图像执行第一区域识别，获得所述图像中的至少一个第一区域，每个所述第一区域中包括各自对应的第一物体的完整图像；
基准条纹检测单元30，用于对每个所述第一区域分别执行基准条纹检测，获得每个所述第一区域内的基准条纹集，每个所述基准条纹集中包括至少一条基准条纹；
条纹筛选单元40，用于基于每个所述基准条纹集中各基准条纹的完整性和覆盖在第一物体上的条纹长度，对每个所述基准条纹集进行条纹筛选，获得用于第一物体深度恢复的参考条纹。
在一实施方案中，条纹筛选单元40进一步用于，
对每个所述基准条纹集分别执行第一筛选处理，获得第一基准条纹子集，所述第一基准条纹子集由所述基准条纹集中有效数据量最大的第一预设数量的基准条纹组成；
对每个所述第一基准条纹子集分别执行第二筛选处理，获得第二基准条纹子集，所述第二基准条纹子集由所述第一基准条纹子集中分段数最少的第二预设数量的基准条纹组成；
对每个所述第二基准条纹子集分别执行第三筛选处理，获得第三基准条纹子集，所述第三基准条纹子集由所述第二基准条纹子集中经过所述第一物体的基准条纹组成；
对每个所述第三基准条纹子集分别执行第四筛选处理，选定落在所述第一物体上的最长基准条纹为用于第一物体深度恢复的参考条纹。
在一实施方案中，条纹筛选单元40进一步用于，统计每个所述基准条纹集中各基准条纹所包含的位置点的数量，从所述基准条纹集中选择位置点的数量最多的第一预设数量的基准条纹组成所述第一基准条纹子集。通过本次筛选，将包含位置点数量少的基准条纹从所述基准条纹集中去除掉，保留剩余的基准条纹组成第一基准条纹子集。
在一实施方案中，条纹筛选单元40进一步用于，根据每个所述第一基准条纹子集中的基准条纹所包含的位置点的坐标，统计每个基准条纹的连通域的数量，从所述第一基准条纹子集中选择连通域最少的第二预设数量的基准条纹组成所述第二基准条纹子集；
其中，每个基准条纹的所述连通域由所述基准条纹中坐标连续的位置点组成。通过本次筛选，将连通域较多的基准条纹(即分段较多的基准条纹)从所述第一基准条纹子集中去除掉，保留剩余的基准条纹组成第二基准条纹子集。
在一实施方案中，条纹筛选单元40进一步用于，判断所述第二基准条纹子集中的每条基准条纹是否与所述第一物体有重叠的位置点，将与所述第一物体没有重叠位置点的基准条纹从所述第二基准条纹子集中去除，所述第二基准条纹子集中剩余的基准条纹组成所述第三基准条纹子集。通过本次筛选，从所述第二基准条纹子集中去掉与第一物体没有重叠位置点的基准条纹。
在一实施方案中，条纹筛选单元40进一步用于，根据所述每个第三基准条纹子集中各基准条纹与所述第一物体重叠的位置点的坐标，计算所述各基准条纹落在第一物体上的长度，选定所述长度最大的基准条纹为用于第一物体深度恢复的参考条纹。通过本次筛选，从所述第三基准条纹子集中选出落在手图像上的长度最长的基准条纹为最终用于手深度恢复的参考条纹。
在一实施方案中，区域识别单元20进一步用于，通过边缘提取算法，提取所述条纹结构光图像中的每个第一物体的边缘信息，并根据每个第一物体的边缘信息，确定每个第一物体对应的第一区域；
其中，第一区域覆盖所述第一物体的边缘信息。
需要说明的是，上述图像获得单元10、区域识别单元20、基准条纹检测单元30和条纹筛选单元40可以由电子设备的中央处理器(CPU，CentralProcessingUnit)、微处理器(MPU，MicroProcessingUnit)、数字信号处理器(DSP，DigitalSignalProcessor)或可编程逻辑阵列(FPGA，Field－ProgrammableGateArray)实现。
本发明实施例从采集获得的条纹结构光图像中确定包含完整第一物体的第一区域，并依据第一区域内的基准条纹的自身特性，如条纹的完整性、覆盖在第一物体上的条纹长度等，进行条纹筛选，最终获得最可靠的基准条纹作为用于第一物体深度恢复的参考条纹。
本发明实施例保证了深度恢复的灵活性，本发明实施例不仅适用于静态物体的参考条纹筛选和深度恢复，也适用于动态物体的参考条纹筛选和深度恢复；在包含多基准条纹的条形结构光中，物体可以处于任何位置，都可以确定出用于深度恢复的参考条纹；本发明实施例不仅能够确定出动态场景中任意位置的物体的参考条纹，也能同时分别确定出动态场景中多个物体的参考条纹。
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、装置和电子设备，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。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明实施例上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
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。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (14)
1.一种信息处理方法，应用于电子设备，所述方法包括：
获得条纹结构光图像；
对所述条纹结构光图像执行第一区域识别，获得所述图像中的至少一个第一区域，每个所述第一区域中包括各自对应的第一物体的完整图像；
对每个所述第一区域分别执行基准条纹检测，获得每个所述第一区域内的基准条纹集，每个所述基准条纹集中包括至少一条基准条纹；
基于每个所述基准条纹集中各基准条纹的完整性和覆盖在第一物体上的条纹长度，对每个所述基准条纹集进行条纹筛选，获得用于第一物体深度恢复的参考条纹。
2.根据权利要求1所述信息处理方法，其特征在于，所述基于每个基准条纹集中各基准条纹的完整性和覆盖在第一物体上的条纹长度，对每个基准条纹集进行条纹筛选，获得用于第一物体深度恢复的参考条纹，包括：
对每个所述基准条纹集分别执行第一筛选处理，获得第一基准条纹子集，所述第一基准条纹子集由所述基准条纹集中有效数据量最大的第一预设数量的基准条纹组成；
对每个所述第一基准条纹子集分别执行第二筛选处理，获得第二基准条纹子集，所述第二基准条纹子集由所述第一基准条纹子集中分段数最少的第二预设数量的基准条纹组成；
对每个所述第二基准条纹子集分别执行第三筛选处理，获得第三基准条纹子集，所述第三基准条纹子集由所述第二基准条纹子集中经过所述第一物体的基准条纹组成；
对每个所述第三基准条纹子集分别执行第四筛选处理，选定落在所述第一物体上的最长基准条纹为用于第一物体深度恢复的参考条纹。
3.根据权利要求2所述信息处理方法，其特征在于，所述对每个基准条纹集分别执行第一筛选处理，获得第一基准条纹子集，包括：
统计每个所述基准条纹集中各基准条纹所包含的位置点的数量，从所述基准条纹集中选择位置点的数量最多的第一预设数量的基准条纹组成所述第一基准条纹子集。
4.根据权利要求2所述信息处理方法，其特征在于，所述对每个第一基准条纹子集分别执行第二筛选处理，获得第二基准条纹子集，包括：
根据每个所述第一基准条纹子集中的基准条纹所包含的位置点的坐标，统计每个基准条纹的连通域的数量，从所述第一基准条纹子集中选择连通域最少的第二预设数量的基准条纹组成所述第二基准条纹子集；
其中，每个基准条纹的所述连通域由所述基准条纹中坐标连续的位置点组成。
5.根据权利要求2所述信息处理方法，其特征在于，所述对每个第二基准条纹子集分别执行第三筛选处理，获得第三基准条纹子集，包括：
判断所述第二基准条纹子集中的每条基准条纹是否与所述第一物体有重叠的位置点，将与所述第一物体没有重叠位置点的基准条纹从所述第二基准条纹子集中去除，所述第二基准条纹子集中剩余的基准条纹组成所述第三基准条纹子集。
6.根据权利要求2所述信息处理方法，其特征在于，所述对每个第三基准条纹子集分别执行第四筛选处理，选定落在第一物体上的最长基准条纹为用于第一物体深度恢复的参考条纹，包括：
根据所述每个第三基准条纹子集中各基准条纹与所述第一物体重叠的位置点的坐标，计算所述各基准条纹落在第一物体上的长度，选定所述长度最大的基准条纹为用于第一物体深度恢复的参考条纹。
7.根据权利要求1至6任一项所述信息处理方法，其特征在于，所述对条纹结构光图像执行第一区域识别，获得所述图像中的至少一个第一区域，包括：
通过边缘提取算法，提取所述条纹结构光图像中的每个第一物体的边缘信息，并根据每个第一物体的边缘信息，确定每个第一物体对应的第一区域；
其中，第一区域覆盖所述第一物体的边缘信息。
8.一种电子设备，包括：
图像获得单元，用于获得条纹结构光图像；
区域识别单元，用于对所述条纹结构光图像执行第一区域识别，获得所述图像中的至少一个第一区域，每个所述第一区域中包括各自对应的第一物体的完整图像；
基准条纹检测单元，用于对每个所述第一区域分别执行基准条纹检测，获得每个所述第一区域内的基准条纹集，每个所述基准条纹集中包括至少一条基准条纹；
条纹筛选单元，用于基于每个所述基准条纹集中各基准条纹的完整性和覆盖在第一物体上的条纹长度，对每个所述基准条纹集进行条纹筛选，获得用于第一物体深度恢复的参考条纹。
9.根据权利要求8所述电子设备，其特征在于，所述条纹筛选单元进一步用于，
对每个所述基准条纹集分别执行第一筛选处理，获得第一基准条纹子集，所述第一基准条纹子集由所述基准条纹集中有效数据量最大的第一预设数量的基准条纹组成；
对每个所述第一基准条纹子集分别执行第二筛选处理，获得第二基准条纹子集，所述第二基准条纹子集由所述第一基准条纹子集中分段数最少的第二预设数量的基准条纹组成；
对每个所述第二基准条纹子集分别执行第三筛选处理，获得第三基准条纹子集，所述第三基准条纹子集由所述第二基准条纹子集中经过所述第一物体的基准条纹组成；
对每个所述第三基准条纹子集分别执行第四筛选处理，选定落在所述第一物体上的最长基准条纹为用于第一物体深度恢复的参考条纹。
10.根据权利要求9所述电子设备，其特征在于，所述条纹筛选单元进一步用于，统计每个所述基准条纹集中各基准条纹所包含的位置点的数量，从所述基准条纹集中选择位置点的数量最多的第一预设数量的基准条纹组成所述第一基准条纹子集。
11.根据权利要求9所述电子设备，其特征在于，所述条纹筛选单元进一步用于，根据每个所述第一基准条纹子集中的基准条纹所包含的位置点的坐标，统计每个基准条纹的连通域的数量，从所述第一基准条纹子集中选择连通域最少的第二预设数量的基准条纹组成所述第二基准条纹子集；
其中，每个基准条纹的所述连通域由所述基准条纹中坐标连续的位置点组成。
12.根据权利要求9所述电子设备，其特征在于，所述条纹筛选单元进一步用于，判断所述第二基准条纹子集中的每条基准条纹是否与所述第一物体有重叠的位置点，将与所述第一物体没有重叠位置点的基准条纹从所述第二基准条纹子集中去除，所述第二基准条纹子集中剩余的基准条纹组成所述第三基准条纹子集。
13.根据权利要求9所述电子设备，其特征在于，所述条纹筛选单元进一步用于，根据所述每个第三基准条纹子集中各基准条纹与所述第一物体重叠的位置点的坐标，计算所述各基准条纹落在第一物体上的长度，选定所述长度最大的基准条纹为用于第一物体深度恢复的参考条纹。
14.根据权利要求8至13任一项所述电子设备，其特征在于，所述区域识别单元进一步用于，通过边缘提取算法，提取所述条纹结构光图像中的每个第一物体的边缘信息，并根据每个第一物体的边缘信息，确定每个第一物体对应的第一区域；
其中，第一区域覆盖所述第一物体的边缘信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410602806.8A CN105631848B (zh) | 2014-10-31 | 2014-10-31 | 一种信息处理方法和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410602806.8A CN105631848B (zh) | 2014-10-31 | 2014-10-31 | 一种信息处理方法和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105631848A true CN105631848A (zh) | 2016-06-01 |
| CN105631848B CN105631848B (zh) | 2018-11-09 |
Family
ID=56046736
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410602806.8A Active CN105631848B (zh) | 2014-10-31 | 2014-10-31 | 一种信息处理方法和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105631848B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1786810A (zh) * | 2005-12-01 | 2006-06-14 | 上海交通大学 | 投影仪生成平移面阵条纹实现高解析度三维成像的方法 |
| CN1830217A (zh) * | 2003-08-05 | 2006-09-06 | 皇家飞利浦电子股份有限公司 | 多视图图像产生 |
| US7440590B1 (en) * | 2002-05-21 | 2008-10-21 | University Of Kentucky Research Foundation | System and technique for retrieving depth information about a surface by projecting a composite image of modulated light patterns |
| CN102316355A (zh) * | 2011-09-15 | 2012-01-11 | 丁少华 | 3d机器视觉信号的生成方法及3d机器视觉传感器 |
| CN103400366A (zh) * | 2013-07-03 | 2013-11-20 | 西安电子科技大学 | 基于条纹结构光的动态场景深度获取方法 |
-
2014
- 2014-10-31 CN CN201410602806.8A patent/CN105631848B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7440590B1 (en) * | 2002-05-21 | 2008-10-21 | University Of Kentucky Research Foundation | System and technique for retrieving depth information about a surface by projecting a composite image of modulated light patterns |
| CN1830217A (zh) * | 2003-08-05 | 2006-09-06 | 皇家飞利浦电子股份有限公司 | 多视图图像产生 |
| CN1786810A (zh) * | 2005-12-01 | 2006-06-14 | 上海交通大学 | 投影仪生成平移面阵条纹实现高解析度三维成像的方法 |
| CN102316355A (zh) * | 2011-09-15 | 2012-01-11 | 丁少华 | 3d机器视觉信号的生成方法及3d机器视觉传感器 |
| CN103400366A (zh) * | 2013-07-03 | 2013-11-20 | 西安电子科技大学 | 基于条纹结构光的动态场景深度获取方法 |
Non-Patent Citations (1)
| Title |
|---|
| 范剑英: "结构光深度图像获取和处理与三维重建研究", 《中国优秀博士学位论文全文数据库信息科技辑》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105631848B (zh) | 2018-11-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10217007B2 (en) | Detecting method and device of obstacles based on disparity map and automobile driving assistance system | |
| US20150254499A1 (en) | Multi-view 3d object recognition from a point cloud and change detection | |
| US11048948B2 (en) | System and method for counting objects | |
| CN109840502B (zh) | 一种基于ssd模型进行目标检测的方法及设备 | |
| CN108960174A (zh) | 一种目标检测结果优化方法及装置 | |
| EP2743886B1 (en) | System for detecting structured artifacts in video sequences | |
| CN111401205A (zh) | 动作识别方法及装置、电子设备、计算机可读存储介质 | |
| CN103020650A (zh) | 一种台标识别方法及装置 | |
| CN105868708A (zh) | 一种图像目标识别方法及装置 | |
| CN103336946A (zh) | 一种基于双目立体视觉的成簇状番茄识别方法 | |
| CN105426903A (zh) | 一种遥感卫星图像的云判方法及系统 | |
| CN106327558A (zh) | 点云立面提取方法和装置 | |
| CN104298947B (zh) | 一种对二维条码精确定位的方法及装置 | |
| US8750622B2 (en) | Image processing device and image processing method | |
| CN103049900A (zh) | 选择候选图像帧的设备和方法以及校正损伤的设备和方法 | |
| CN105308618A (zh) | 借助于并行检测和跟踪和/或分组特征运动移位跟踪的人脸识别 | |
| CN110119675B (zh) | 一种产品识别方法和装置 | |
| CN106331848B (zh) | 全景视频的识别方法及设备、播放视频方法及设备 | |
| CN105006002A (zh) | 自动图像抠图方法和装置 | |
| CN113688709A (zh) | 一种安全帽佩戴智能检测方法、系统、终端及介质 | |
| CN103390268B (zh) | 物体区域分割方法和装置 | |
| CN106384071A (zh) | 一种二维码扫描识别处理方法及装置 | |
| Karantzalos et al. | Towards automatic olive tree extraction from satellite imagery | |
| CN105512610A (zh) | 一种基于感兴趣点位置信息的视频中人体动作识别方法 | |
| CN114419428A (zh) | 一种目标检测方法、目标检测装置和计算机可读存储介质 |
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 |