CN109242782B - 噪点处理方法及装置 - Google Patents

噪点处理方法及装置 Download PDF

Info

Publication number
CN109242782B
CN109242782B CN201710562270.5A CN201710562270A CN109242782B CN 109242782 B CN109242782 B CN 109242782B CN 201710562270 A CN201710562270 A CN 201710562270A CN 109242782 B CN109242782 B CN 109242782B
Authority
CN
China
Prior art keywords
pixel
pixel points
depth information
points
dispersion
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
Application number
CN201710562270.5A
Other languages
English (en)
Other versions
CN109242782A (zh
Inventor
简羽鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Autel Intelligent Aviation Technology Co Ltd
Original Assignee
Shenzhen Autel Intelligent Aviation Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Autel Intelligent Aviation Technology Co Ltd filed Critical Shenzhen Autel Intelligent Aviation Technology Co Ltd
Priority to CN201710562270.5A priority Critical patent/CN109242782B/zh
Priority to PCT/CN2018/082223 priority patent/WO2019011017A1/zh
Publication of CN109242782A publication Critical patent/CN109242782A/zh
Priority to US16/740,233 priority patent/US11238563B2/en
Application granted granted Critical
Publication of CN109242782B publication Critical patent/CN109242782B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明揭示了一种噪点处理方法及装置。所述方法包括：选取面阵中的像素点，面阵为多个像素点通过矩阵排列形成；获取预先存储在传感器中像素点对应的深度信息；根据像素点对应的深度信息进行像素点离散度运算，得到像素点的至少一离散度，离散度用于指示像素点与面阵中其余像素点之间的离散程度；在像素点的至少一离散度超过预设阈值时，将像素点识别为噪点并由面阵中剔除。由上述方法可知，根据像素点对应的深度信息计算像素点与面阵中其余像素点的离散度，并在像素点的至少一离散度超过预设阈值时，将像素点识别为噪点并由面阵中剔除，从而实现了识别并剔除面阵中的噪点，从而解决了产生的噪点会影响干扰深度信息的准确性的技术问题。

Description

噪点处理方法及装置
技术领域
本发明涉及光学领域，特别涉及一种噪点处理方法及装置。
背景技术
TOF是飞行时间(Time of Flight)技术的缩写，即传感器向测量景深的3D相机拍摄的物体，发出经调制的近红外光，并接收遇物体后反射的近红外光，由此，传感器通过计算光线发射和反射的时间差或相位差，来换算被拍摄物体的距离，以产生深度信息。再结合传统的相机拍摄，将物体的三维轮廓以不同颜色代表不同深度信息的方式呈现出来。
在该TOF技术中，由于外界光源中存在接近调制光波长的成分或反射面的亮暗不规则等外部原因，反射后接收到的光线中会产生一部分噪点。这部分噪点会干扰深度信息的准确性。
发明内容
为了解决相关技术中存在的反射后接收到的光线中产生的噪点会干扰深度信息的准确性的技术问题，本发明提供了一种噪点处理方法及装置。
一种噪点处理方法，所述方法包括：
选取面阵中的像素点，所述面阵为多个所述像素点通过矩阵排列形成；
获取预先存储在传感器中所述像素点对应的深度信息；
根据所述像素点对应的深度信息进行像素点离散度运算，得到所述像素点的至少一离散度，所述离散度用于指示所述像素点与所述面阵中其余像素点之间的离散程度；
在所述像素点的至少一离散度超过预设阈值时，将所述像素点识别为噪点并由所述面阵中剔除。
一种噪点处理装置，所述装置包括：
选取模块，用于选取面阵中的像素点，所述面阵为多个所述像素点通过矩阵排列形成；
获取模块，用于获取预先存储在传感器中所述像素点对应的深度信息；
运算模块，用于根据所述像素点对应的深度信息进行像素点离散度运算，得到所述像素点的至少一离散度，所述离散度用于指示所述像素点与所述面阵中其余像素点之间的离散程度；
剔除模块，用于在所述像素点的至少一离散度超过预设阈值时，将所述像素点识别为噪点并由所述面阵中剔除。
一种噪点处理装置，所述装置包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
选取面阵中的像素点，所述面阵为多个所述像素点通过矩阵排列形成；
获取预先存储在传感器中所述像素点对应的深度信息；
根据所述像素点对应的深度信息进行像素点离散度运算，得到所述像素点的至少一离散度，所述离散度用于指示所述像素点与所述面阵中其余像素点之间的离散程度；
在所述像素点的至少一离散度超过预设阈值时，将所述像素点识别为噪点并由所述面阵中剔除。
本发明的实施例提供的技术方案可以包括以下有益效果：
选取面阵中的像素点，面阵为多个像素点通过矩阵排列形成；获取预先存储在传感器中像素点对应的深度信息；根据像素点对应的深度信息进行像素点离散度运算，得到像素点的至少一离散度，离散度用于指示像素点与面阵中其余像素点之间的离散程度；在像素点的至少一离散度超过预设阈值时，将像素点识别为噪点并由面阵中剔除。由上述方法可知，选取面阵中的像素点，并根据像素点对应的深度信息计算像素点与面阵中其余像素点的离散度，并在像素点的至少一离散度超过预设阈值时，将像素点识别为噪点并由面阵中剔除，从而实现了识别并剔除面阵中的噪点，从而解决了产生的噪点会影响干扰深度信息的准确性的技术问题。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并于说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种电子设备的框图；
图2是根据一示例性实施例示出的一种噪点处理方法的流程图；
图3是图2对应实施例的根据像素点对应的深度信息进行像素点离散度运算，得到像素点的至少一离散度在一个实施例的流程图；
图4是根据一示例性实施例示出的样本集合的示意图；
图5是根据另一示例性实施例示出的一种噪点处理方法的流程图；
图6是图2对应实施例的根据像素点对应的深度信息进行像素点离散度运算，得到像素点的至少一离散度在另一个实施例的流程图；
图7是根据一示例性实施例示出的相邻像素点的示意图；
图8是根据另一示例性实施例示出的一种噪点处理方法的流程图；
图9是根据一示例性实施例示出的一种噪点处理装置框图。
具体实施方式
这里将详细地对示例性实施例执行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
请参阅图1，图1是根据一示例性实施例示出的一种电子设备的框图。需要说明的是，该电子设备100只是一个适配于本发明的示例，不能认为是提供了对本发明的使用范围的任何限制。该电子设备100也不能解释为需要依赖于或者必须具有图1中示出的示例性的电子设备100中的一个或者多个组件。
如图1所示，电子设备100包括存储器101、存储控制器103、一个或多个(图中仅示出一个)处理器105、外设接口107、射频模块109、定位模块111、摄像模块113、音频模块115、触控屏幕117以及按键模块119。这些组件通过一条或多条通讯总线/信号线121相互通讯。
其中，存储器101可用于存储软件程序以及模块，如本发明示例性实施例中的噪点处理方法及装置对应的程序指令及模块，处理器105通过运行存储在存储器101内的程序指令，从而执行各种功能以及数据处理，即实现上述运行于电子设备100的应用程序中的噪点处理方法。
存储器101作为资源存储的载体，可以是随机存储介质、例如高速随机存储器、非易失性存储器，如一个或多个磁性存储装置、闪存、或者其它固态存储器。存储方式可以是短暂存储或者永久存储。
外设接口107可以包括至少一有线或无线网络接口、至少一串并联转换接口、至少一输入输出接口以及至少一USB接口等等，用于将外部各种输入/输出装置耦合至存储器101以及处理器105，以实现与外部各种输入/输出装置的通信。
射频模块109用于收发电磁波，实现电磁波与电信号的相互转换，从而通过通讯网络与其他设备进行通讯。通信网络包括蜂窝式电话网、无线局域网或者城域网，上述通信网络可以使用各种通信标准、协议及技术。
定位模块111用于获取电子设备100的当前所在的地理位置。定位模块111的实例包括但不限于全球卫星定位系统(GPS)、基于无线局域网或者移动通信网的定位技术。
摄像模块113用于拍摄图片或者视频。拍摄的图片或者视频可以存储至存储器101内，还可以通过射频模块109发送至上位机。
音频模块115向用户提供音频接口，其可包括一个或多个麦克风接口、一个或多个扬声器接口以及一个或多个耳机接口。通过音频接口与其它设备进行音频数据的交互。音频数据可以存储至存储器101内，还可以通过射频模块109发送。
触控屏幕117在电子设备100与用户之间提供一个输入输出界面。具体地，用户可通过触控屏幕117进行输入操作，例如点击、触摸、滑动等手势操作，以使电子设备对该输入操作进行响应。电子设备100则将文字、图片或者视频任意一种形式或者组合所形成的输出内容通过触控屏幕117向用户显示输出。
按键模块119包括至少一个按键，用以提供用户向电子设备100进行输入的接口，用户可以通过按下不同的按键使电子设备100执行不同的功能。例如，声音调节按键可供用户实现对电子设备100播放的声音音量的调节。
可以理解，图1所示的结构仅为示意，电子设备100还可包括比图1中所示更多或更少的组件，或者具有与图1所示不同的组件。图1中所示的各组件可以采用硬件、软件或者其组合来实现。
图2是根据一示例性实施例示出的一种噪点处理方法的流程图。如图2所示，该噪点处理方法可以由图1中的电子设备100执行，可以包括以下步骤。
在步骤210中，选取面阵中的像素点。
其中，面阵为多个像素点通过矩阵排列形成。传感器接收到的反射后的光线是由多个像素点组成的，例如接收到的光线分辨率为320*240像素，则光线中含有320*240＝76800个像素点，这些像素点即构成一个排列成矩阵的面阵。
进一步地，选取面阵中的像素点可以按照面阵中的顺序进行选取，也可以是随机抽样进行选取。
在步骤230中，获取预先存储在传感器中像素点对应的深度信息。
其中，传感器接收到反射后的光线，并计算光线中像素点与传感器发射的光线的相位差。
基于此，在一个示例性实施例中，深度信息可以为相位差，也可以为根据相位差计算得到的深度距离值，该深度距离值表示传感器与反射光线的物体的距离。
其中，计算深度距离值的公式为：深度距离值＝相位差*最大距离/最大相位差，其中，最大距离与传感器发出光线调制的频率相关，最大相位差为传感器芯片相关的参数，二者均为固定值。
获取到深度信息后，便将深度信息存储至传感器中，从而可以根据深度信息，计算该像素点与其他像素点的离散程度，从而将离散程度过大的像素点剔除。
在步骤250中，根据像素点对应的深度信息进行像素点离散度运算，得到像素点的至少一离散度。
其中，离散度用于指示像素点与面阵中其余像素点之间的离散程度。像素点离散度运算为根据得到的像素点对应的深度信息，与其他像素点的深度信息进行计算，从而得到像素点的离散度的过程。
离散度用于判断该像素点是否为噪点，当该像素点与其他像素点的离散度过大时，表示该像素点与面阵中其余像素点之间的离散程度过大，则判断该像素点对应的深度信息不可靠，即该像素点为噪点。
进一步地，离散度运算过程中，可能会产生多个对应于像素点的离散度，由此，可以获取其中一个离散度进行该像素点离散度的判断，也可以是以多个离散度为基础进行该像素点离散度的判断。
在步骤270中，在像素点的至少一离散度超过预设阈值时，将像素点识别为噪点并由所述面阵中剔除。
其中，预设阈值为判断像素点是否为噪点的临界值。当离散度超过预设阈值时，则判定该离散度对应的像素点为噪点，并将该像素点剔除，从而实现了噪点的识别和剔除，解决了产生的噪点会影响干扰深度信息的准确性的技术问题。
此实施例通过实现识别并剔除面阵中的噪点，从而解决了产生的噪点会影响干扰深度信息的准确性的技术问题。
在一个示例性实施例中，图2对应实施例的选取面阵中的像素点在一个实施例的步骤包括：
按照面阵中像素点的排列顺序进行像素点逐一选取。
其中，面阵中的像素点按照矩阵排列，由此，按照像素点的排列顺序进行的像素点逐一选取，选取方式可以按照面阵一行行的进行选取，也可以按照面阵中一列列的进行选取，以此避免了漏选或者重选像素点。
在一个示例性实施例的具体实现中，面阵中光线中的分辨率设置为320*240像素，光线中含有320*240＝76800个像素点，可设置像素点的坐标为(X0，Y0)，(X1，Y0)…(X319，Y239)。按照像素点坐标的排列顺序，逐一选取像素点，保证面阵中所有的像素点都能进行噪点识别。
此实施例实现了按照面阵中像素点的排列顺序进行像素点逐一选取，从而避免了漏选或者重选像素点使噪点处理结果产生误差。
在一个示例性实施例中，图2对应实施例的获取传感器中像素点对应的深度信息在一个实施例的步骤包括：
由传感器中获取面阵中各像素点的相位差，以各像素点的相位差作为像素点对应的深度信息。
其中，传感器接收到经反射后的光线并计算光线中的像素点的相位差，由传感器获取面阵中各像素点与传感器发射的光线的相位差，作为像素点对应的深度信息，从而根据深度信息识别并剔除噪点。
此实施例实现了获取面阵中各像素点的相位差，并将相位差作为像素点对应的深度信息。
图3是根据一示例性实施例示出的对步骤250的细节进行描述。如图3所示，该步骤250可以包括以下步骤。
在步骤251中，将选取到的像素点添加至样本集合。
其中，样本集合可以以链表的形式存在。当添加像素点时，将指针指向欲添加的像素点，从而将像素点添加至样本集合中。当剔除像素点时，将指向欲剔除的像素点的指针指向下一个像素点，从而将像素点剔除样本集合中。
样本集合设置有样本容量，样本集合中的像素点个数不超过样本容量。按照面阵中排列顺序选取像素点添加至样本集合。当样本集合中的像素点的个数超过样本容量时，将最先进入样本集合的像素点移出样本集合外，从而保证像素点个数不超过样本容量。
如图4所示，图4是根据一示例性实施例示出的样本集合的示意图。样本集合的样本容量设置为K，选取像素点添加至样本集合，并当样本集合的像素点的个数大于K时，将最先进入样本集合的像素点移出样本集合外。
在步骤252中，以样本集合中的所有样本像素点作为标准差公式的输入，依照标准差公式计算得到像素点的标准差。
其中，计算标准差的公式为：
Figure BDA0001347446890000071
其中，K为样本集合中的像素点个数，xi为像素点的深度信息，
Figure BDA0001347446890000072
为样本集合中的像素点的深度信息的平均值。
在步骤253中，以像素点的标准差作为像素点的离散度。
图5是根据另一示例性实施例示出的一种噪点处理方法的流程图。如图5所示，在像素点的至少一离散度超过预设阈值时，将像素点识别为噪点并由面阵中剔除步骤之前，该噪点处理方法可以包括以下步骤。
在步骤310中，比较标准差与分界标准差。
在一个实例性实施例的具体实现中，分界标准差为设置的预设阈值，分界标准差的一般设置为0.5*最大相位差/最大距离。
通过比较标准差与分界标准差判断标准差是否超过预设阈值。
如果标准差超过预设阈值，则跳转进入步骤330。
反之，如果标准差未超过预设阈值，则跳转进入步骤按照面阵中像素点的排列顺序进行像素点逐一选取。
在步骤330中，如果标准差超过分界标准差，则判定像素点的至少一离散度超过预设阈值。
图6是根据一示例性实施例示出的对步骤250的细节进行描述。如图6所示，该步骤250还可以包括以下步骤。
在步骤256中，以像素点为中心，按照指定方向由面阵中获得与像素点相邻的多个相邻像素点。
如图7所示，图7是根据一示例性实施例示出的相邻像素点的示意图。
在一个示例性实施例的具体实现中，指定方向可以为东南西北四个方向，也可以包括东南，东北，西南，西北四个方向。
相邻像素点即为像素点在面阵中的坐标相邻，例如中心像素点为(X1，Y1)，(X1，Y2)即为中心像素点南面方向的相邻像素点，(X2，Y2)即为中心像素点东南方向的相邻像素点。
当选取的像素点为边界上的像素点，即在320*240的面阵中，Xi＝0,或Xi＝319或Yi＝0或Yi＝239时，即表示选取的像素点为边界上的像素点，此时的像素点会存在其中一个方向上没有相邻像素点，例如(X0，Y1)不存在西面方向上的相邻像素点
具体地，可以根据像素点的坐标，判定像素点不存在某一指定方向上的相邻像素点时，不进行这一指定方向上的相邻像素点获取。
在步骤257中，获取预先存储在传感器中各相邻像素点对应的深度信息。
如前所述，深度信息预先存储在传感器中。由此，便可由传感器获取到各相邻像素点对应的深度信息。
在一个示例性实施例的具体实现中，获取传感器中各相邻像素点对应的深度信息，即获取相邻像素点的相位差，从而根据深度信息进行离散度运算。
在步骤258中，针对像素点和各相邻像素点分别对应的深度信息，进行像素点与相邻像素点之间深度信息差值计算。
其中，深度信息差值计算公式为：
σ＝|Me-Neighbor|
其中，σ为计算得到的像素点与相邻像素点之间深度信息的差值，Me为像素点对应的深度信息，Neighbor为相邻像素点对应的深度信息。通过将像素点对应的深度信息和各个相邻像素点对应的深度信息分别进行作差并取绝对值，计算出像素点与各个相邻像素点之间的深度信息差值。
在步骤259中，以计算得到的多个深度信息差值作为像素点的多个离散度。
此实施例实现了根据像素点和相邻像素点对应的深度信息，实现获取像素点的多个离散度。
图8是根据另一示例性实施例示出的一种噪点处理方法的流程图。如图8所示，在像素点的至少一离散度超过预设阈值时，将像素点识别为噪点并由面阵中剔除步骤之前，该噪点处理方法可以包括以下步骤。
在步骤410中，分别比较多个深度信息差值与深度限值。
在一个实例性实施例的具体实现中，深度限值为设置的预设阈值。分别比较多个深度信息差值和深度限值，从而得到多个比较结果，并根据该多个比较结果判断像素点的至少一离散度是否超过预设阈值。
如果像素点的至少一离散度超过预设阈值，跳转进入步骤430。
反之，如果像素点的至少一离散度未超过预设阈值，则返回步骤按照面阵中像素点的排列顺序进行像素点逐一选取。
在步骤430中，如果任一个深度信息差值超过深度限值，则判定像素点的至少一离散度超过预设阈值。
其中，只要存在一个深度信息差值超过深度限值时，即判定像素点存在至少一离散度超过预设阈值，从而判断该像素点为噪点，并将该像素点剔除。
当然，在其他应用场景中，还可以通过判断两个以上的离散度超过预设阈值时，才判定像素点为噪点，以此来提高剔除噪点的精度。
此实施例实现了判断像素点是否有至少一离散度超过预设阈值。
图9是根据一示例性实施例示出的一种噪点处理装置框图。该装置执行如上所述的全部或者部分步骤。如图9所示，该装置包括但不限于：选取模块510，获取模块530，运算模块550和剔除模块570。
选取模块510用于选取面阵中的像素点，面阵为多个像素点通过矩阵排列形成。
获取模块530用于获取预先存储在传感器中像素点对应的深度信息。
运算模块550用于根据像素点对应的深度信息进行像素点离散度运算，得到像素点的至少一离散度，离散度用于指示像素点与面阵中其余像素点之间的离散程度。
剔除模块570用于在像素点的至少一离散度超过预设阈值时，将像素点识别为噪点并由面阵中剔除。
在一个示例性实施例中，图9对应实施例的选取模块包括但不限于：
顺序选取单元，用于按照面阵中像素点的排列顺序进行像素点逐一选取。
在一个示例性实施例中，本发明包括一种噪点处理装置。该噪点处理装置执行图2任一所示的噪点处理方法的全部或者部分步骤。该噪点处理装置包括：
处理器。
用于存储处理器可执行指令的存储器。
其中，处理器被配置为：
选取面阵中的像素点，面阵为多个像素点通过矩阵排列形成。
获取预先存储在传感器中像素点对应的深度信息。
根据像素点对应的深度信息进行像素点离散度运算，得到像素点的至少一离散度，离散度用于指示像素点与面阵中其余像素点之间的离散程度。
在像素点的至少一离散度超过预设阈值时，将像素点识别为噪点并由面阵中剔除。
上述装置中各个模块的功能和作用的实现过程详见上述噪点处理方法中对应步骤的实现过程，在此不再赘述。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (8)

1.一种噪点处理方法，其特征在于，所述方法包括：
选取面阵中的像素点，所述面阵为多个所述像素点通过矩阵排列形成；
获取预先存储在传感器中所述像素点对应的深度信息；
根据所述像素点对应的深度信息进行像素点离散度运算，得到所述像素点的多个离散度，所述离散度用于指示所述像素点与所述面阵中其余像素点之间的离散程度；其中，根据所述像素点对应的深度信息进行像素点离散度运算，得到所述像素点的多个离散度包括：
将选取到的所述像素点添加至样本集合，所述样本集合设置有样本容量，所述样本集合中的像素点个数不超过样本容量；以所述样本集合中的所有样本像素点作为标准差公式的输入，依照标准差公式计算得到所述像素点的标准差；以所述像素点的标准差作为所述像素点的多个离散度；以及，
以所述像素点为中心，按照指定方向由所述面阵中获得与所述像素点相邻的多个相邻像素点；获取预先存储在传感器中各所述相邻像素点对应的深度信息；针对所述像素点和各所述相邻像素点分别对应的深度信息，进行像素点与相邻像素点之间深度信息差值计算；以计算得到的多个深度信息差值作为所述像素点的多个离散度；
在所述像素点的至少一离散度超过预设阈值时，将所述像素点识别为噪点并由所述面阵中剔除。
2.根据权利要求1所述的方法，其特征在于，所述选取面阵中的像素点步骤包括：
按照所述面阵中像素点的排列顺序进行像素点逐一选取。
3.根据权利要求1所述的方法，其特征在于，所述获取预先存储在传感器中所述像素点对应的深度信息步骤包括：
由所述传感器中获取所述面阵中各像素点的相位差，以所述各像素点的相位差作为所述像素点对应的深度信息。
4.根据权利要求1所述的方法，其特征在于，所述预设阈值为分界标准差，所述在所述像素点的至少一离散度超过预设阈值时，将所述像素点识别为噪点并由所述面阵中剔除步骤之前，所述方法还包括：
比较所述标准差与所述分界标准差；
如果所述标准差超过所述分界标准差，则判定所述像素点的至少一离散度超过所述预设阈值。
5.根据权利要求1所述的方法，其特征在于，所述预设阈值为深度限值，所述在所述像素点的至少一离散度超过预设阈值时，将所述像素点识别为噪点并由所述面阵中剔除步骤之前，所述方法还包括：
分别比较多个所述深度信息差值与所述深度限值；
如果任一个所述深度信息差值超过所述深度限值，则判定所述像素点的至少一离散度超过所述预设阈值。
6.一种噪点处理装置，其特征在于，所述装置包括：
选取模块，用于选取面阵中的像素点，所述面阵为多个所述像素点通过矩阵排列形成；
获取模块，用于获取预先存储在传感器中所述像素点对应的深度信息；
运算模块，用于根据所述像素点对应的深度信息进行像素点离散度运算，得到所述像素点的多个离散度，所述离散度用于指示所述像素点与所述面阵中其余像素点之间的离散程度；其中，根据所述像素点对应的深度信息进行像素点离散度运算，得到所述像素点的多个离散度包括：
将选取到的所述像素点添加至样本集合；以所述样本集合中的所有样本像素点作为标准差公式的输入，依照标准差公式计算得到所述像素点的标准差；以所述像素点的标准差作为所述像素点的多个离散度；以及，
以所述像素点为中心，按照指定方向由所述面阵中获得与所述像素点相邻的多个相邻像素点；获取预先存储在传感器中各所述相邻像素点对应的深度信息；针对所述像素点和各所述相邻像素点分别对应的深度信息，进行像素点与相邻像素点之间深度信息差值计算；以计算得到的多个深度信息差值作为所述像素点的多个离散度；
剔除模块，用于在所述像素点的至少一离散度超过预设阈值时，将所述像素点识别为噪点并由所述面阵中剔除。
7.根据权利要求6所述的装置，其特征在于，所述选取模块包括：
顺序选取单元，用于按照所述面阵中像素点的排列顺序进行像素点逐一选取。
8.一种噪点处理装置，其特征在于，所述装置包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
选取面阵中的像素点，所述面阵为多个所述像素点通过矩阵排列形成；
获取预先存储在传感器中所述像素点对应的深度信息；
根据所述像素点对应的深度信息进行像素点离散度运算，得到所述像素点的多个离散度，所述离散度用于指示所述像素点与所述面阵中其余像素点之间的离散程度；其中，根据所述像素点对应的深度信息进行像素点离散度运算，得到所述像素点的多个离散度包括：
将选取到的所述像素点添加至样本集合；以所述样本集合中的所有样本像素点作为标准差公式的输入，依照标准差公式计算得到所述像素点的标准差；以所述像素点的标准差作为所述像素点的多个离散度；以及，
以所述像素点为中心，按照指定方向由所述面阵中获得与所述像素点相邻的多个相邻像素点；获取预先存储在传感器中各所述相邻像素点对应的深度信息；针对所述像素点和各所述相邻像素点分别对应的深度信息，进行像素点与相邻像素点之间深度信息差值计算；以计算得到的多个深度信息差值作为所述像素点的多个离散度；
在所述像素点的至少一离散度超过预设阈值时，将所述像素点识别为噪点并由所述面阵中剔除。
CN201710562270.5A 2017-07-11 2017-07-11 噪点处理方法及装置 Active CN109242782B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201710562270.5A CN109242782B (zh) 2017-07-11 2017-07-11 噪点处理方法及装置
PCT/CN2018/082223 WO2019011017A1 (zh) 2017-07-11 2018-04-08 噪点处理方法及装置
US16/740,233 US11238563B2 (en) 2017-07-11 2020-01-10 Noise processing method and apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710562270.5A CN109242782B (zh) 2017-07-11 2017-07-11 噪点处理方法及装置

Publications (2)

Publication Number Publication Date
CN109242782A CN109242782A (zh) 2019-01-18
CN109242782B true CN109242782B (zh) 2022-09-09

Family

ID=65000878

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710562270.5A Active CN109242782B (zh) 2017-07-11 2017-07-11 噪点处理方法及装置

Country Status (3)

Country Link
US (1) US11238563B2 (zh)
CN (1) CN109242782B (zh)
WO (1) WO2019011017A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109242901B (zh) * 2017-07-11 2021-10-22 深圳市道通智能航空技术股份有限公司 应用于三维相机的图像校准方法和装置
CN111415308B (zh) * 2020-03-13 2023-04-28 青岛海信医疗设备股份有限公司 一种超声图像处理方法和通信终端
CN115294314B (zh) * 2022-09-26 2022-12-30 南通蘅田电子科技有限公司 一种电子元器件表面缺陷识别方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101308573A (zh) * 2008-06-30 2008-11-19 北京中星微电子有限公司 一种消除噪声的方法和装置
CN102184531A (zh) * 2010-05-07 2011-09-14 微软公司 深度图置信过滤
CN102279263A (zh) * 2011-05-06 2011-12-14 杭州顿力医疗器械股份有限公司 一种ccd型胶体金免疫层析诊断试纸定量分析系统
JP2014144113A (ja) * 2013-01-29 2014-08-14 Fukuda Denshi Co Ltd 超音波診断装置および輝度補正方法
CN104601861A (zh) * 2015-02-03 2015-05-06 河海大学常州校区 一种针对光纤监控视频序列的降噪方法及系统
CN104751491A (zh) * 2015-04-10 2015-07-01 中国科学院宁波材料技术与工程研究所 一种人群跟踪及人流量统计方法及装置
CN105225244A (zh) * 2015-10-22 2016-01-06 天津大学 基于最小局部均方差计算的噪点检测方法
CN105787906A (zh) * 2016-03-25 2016-07-20 北京环境特性研究所 一种剔除红外图像亮噪点的方法及系统
CN106355561A (zh) * 2016-08-30 2017-01-25 天津大学 基于噪点先验约束的全变分图像去噪方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101526866B1 (ko) * 2009-01-21 2015-06-10 삼성전자주식회사 깊이 정보를 이용한 깊이 노이즈 필터링 방법 및 장치
US20120158496A1 (en) * 2010-12-20 2012-06-21 Amiad Solomon System and method for classifying webpages
KR20120084216A (ko) * 2011-01-19 2012-07-27 삼성전자주식회사 깊이 정보에 대한 픽셀 노이즈를 제거하는 3차원 이미지 신호 처리 방법 및 상기 방법을 수행하는 3차원 이미지 신호 프로세서
CN103139577B (zh) * 2011-11-23 2015-09-30 华为技术有限公司 一种深度图像滤波方法、获取深度图像滤波阈值的方法和装置
KR101862199B1 (ko) * 2012-02-29 2018-05-29 삼성전자주식회사 원거리 획득이 가능한 ｔｏｆ카메라와 스테레오 카메라의 합성 시스템 및 방법
CN102663696B (zh) * 2012-03-31 2015-03-25 广东威创视讯科技股份有限公司 放大图像的去噪方法和系统
KR101362183B1 (ko) * 2012-11-29 2014-02-13 한국과학기술연구원 카메라 자세 기반의 깊이 영상 노이즈 제거 장치 및 방법
KR101896301B1 (ko) * 2013-01-03 2018-09-07 삼성전자주식회사 깊이 영상 처리 장치 및 방법
US10122993B2 (en) * 2013-03-15 2018-11-06 Fotonation Limited Autofocus system for a conventional camera that uses depth information from an array camera
US9786062B2 (en) * 2013-05-06 2017-10-10 Disney Enterprises, Inc. Scene reconstruction from high spatio-angular resolution light fields
CN103886557A (zh) * 2014-03-28 2014-06-25 北京工业大学 一种深度图像的去噪方法
CN106165390B (zh) * 2014-03-28 2019-06-28 富士胶片株式会社 图像处理装置、摄影装置、图像处理方法
US9501830B2 (en) * 2015-03-18 2016-11-22 Intel Corporation Blob detection in noisy images
CN105374030B (zh) * 2015-10-12 2017-12-15 北京深视科技有限公司 一种背景模型和运动物体检测方法及系统
CN105354805B (zh) * 2015-10-26 2020-03-06 京东方科技集团股份有限公司 深度图像的去噪方法和去噪设备

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101308573A (zh) * 2008-06-30 2008-11-19 北京中星微电子有限公司 一种消除噪声的方法和装置
CN102184531A (zh) * 2010-05-07 2011-09-14 微软公司 深度图置信过滤
CN102279263A (zh) * 2011-05-06 2011-12-14 杭州顿力医疗器械股份有限公司 一种ccd型胶体金免疫层析诊断试纸定量分析系统
JP2014144113A (ja) * 2013-01-29 2014-08-14 Fukuda Denshi Co Ltd 超音波診断装置および輝度補正方法
CN104601861A (zh) * 2015-02-03 2015-05-06 河海大学常州校区 一种针对光纤监控视频序列的降噪方法及系统
CN104751491A (zh) * 2015-04-10 2015-07-01 中国科学院宁波材料技术与工程研究所 一种人群跟踪及人流量统计方法及装置
CN105225244A (zh) * 2015-10-22 2016-01-06 天津大学 基于最小局部均方差计算的噪点检测方法
CN105787906A (zh) * 2016-03-25 2016-07-20 北京环境特性研究所 一种剔除红外图像亮噪点的方法及系统
CN106355561A (zh) * 2016-08-30 2017-01-25 天津大学 基于噪点先验约束的全变分图像去噪方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
François Pomerleau等.Noise characterization of depth sensors for surface inspections.《https://hal.archives-ouvertes.fr/hal-01142707》.2015,1-7. *
基于时空联合的视频对象分割算法研究;胡可成;《中国优秀硕士学位论文全文数据库_信息科技辑》;20071115;I138-1340 *
基于深度图像利用随机森林实现遮挡检测;张世辉等;《光学学报》;20140910;第34卷(第9期);197-208 *

Also Published As

Publication number Publication date
US11238563B2 (en) 2022-02-01
WO2019011017A1 (zh) 2019-01-17
CN109242782A (zh) 2019-01-18
US20200151855A1 (en) 2020-05-14

Similar Documents

Publication Publication Date Title
US10146412B2 (en) Method and electronic device for providing information
US20170243405A1 (en) Systems and Methods for Deriving Spatial Attributes for Imaged Objects Utilizing Three-Dimensional Information
JP2021517649A (ja) 位置姿勢推定方法、装置、電子機器及び記憶媒体
CN109165606B (zh) 一种车辆信息的获取方法、装置以及存储介质
CN103871051A (zh) 图像处理方法、装置和电子设备
JP2017508197A (ja) オブジェクト認識システムにおける動的な特徴データベース管理のためのインクリメンタル学習
KR102524982B1 (ko) 흐림 처리가 수행된 이미지에 노이즈 패턴을 반영하는 방법 및 장치
CN109242782B (zh) 噪点处理方法及装置
CN111542128B (zh) 一种基于uwb的设备交互方法、装置及设备
CN108881875B (zh) 图像白平衡处理方法、装置、存储介质及终端
CN114862828B (zh) 光斑搜索方法装置、计算机可读介质和电子设备
US10636122B2 (en) Method, device and nonvolatile computer-readable medium for image composition
CN110726971B (zh) 可见光定位方法、装置、终端及存储介质
CN112418038A (zh) 人体检测方法、装置、电子设备及介质
CN110188782B (zh) 图像相似性确定方法、装置、电子设备及可读存储介质
US11467673B2 (en) Method for controlling camera and electronic device therefor
US20150187087A1 (en) Electronic device and method for using the same
CN110673114B (zh) 校准三维相机深度的方法、装置、计算机装置及存储介质
CN110095792A (zh) 定位终端的方法及装置
CN111065045B (zh) 匹配定位方法、装置、电子设备及计算机可读介质
CN112714925B (zh) 图像处理方法、电子设备和计算机可读存储介质
CN112037280A (zh) 物体距离测量方法及装置
CN112489104B (zh) 测距方法、装置、电子设备以及可读存储介质
CN115015955B (zh) 运动信息的确定方法、装置、设备、存储介质和程序产品
CN108959073B (zh) 算法库的测试方法、装置、存储介质和电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 518000 9th floor, building B1, Zhiyuan, 1001 Xueyuan Avenue, Xili street, Shenzhen City, Guangdong Province

Applicant after: Shenzhen daotong intelligent Aviation Technology Co.,Ltd.

Address before: 518000 9th floor, building B1, Zhiyuan, 1001 Xueyuan Avenue, Xili street, Nanshan District, Shenzhen City, Guangdong Province

Applicant before: AUTEL ROBOTICS Co.,Ltd.

GR01 Patent grant
GR01 Patent grant