CN110400344A - 深度图处理方法和装置 - Google Patents
深度图处理方法和装置 Download PDFInfo
- Publication number
- CN110400344A CN110400344A CN201910626054.1A CN201910626054A CN110400344A CN 110400344 A CN110400344 A CN 110400344A CN 201910626054 A CN201910626054 A CN 201910626054A CN 110400344 A CN110400344 A CN 110400344A
- Authority
- CN
- China
- Prior art keywords
- frame
- depth
- pixel
- depth image
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000009499 grossing Methods 0.000 claims description 30
- 238000001914 filtration Methods 0.000 claims description 23
- 238000003672 processing method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 description 9
- 238000005259 measurement Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 210000003733 optic disk Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010587 phase diagram Methods 0.000 description 1
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
- 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
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提出一种深度图处理方法和装置,其中,方法包括:获取包含目标深度图像帧的连续n帧深度图像帧;确定目标深度图像帧分别和n帧深度图像帧中其他每帧深度图像帧对应的时间相似权重;确定可信像素分别和n帧深度图像帧中其他每帧深度图像帧中对应像素的内容相似度;确定可信像素与n帧深度图像帧中其他每帧深度图像帧中对应像素的内容相似权重;根据所有的时间相似权重和所有的内容相似权重对可信像素的深度值进行滤波处理。由此,根据深度图中像素的可信性进行深度平滑,同时考虑了连续多帧之间时间和内容相似度,有效的使深度平缓变化区域在时间维度上深度值更为平滑,而深度快速变化区域又保持了原来的高动态性。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种深度图处理方法和装置。
背景技术
通常,在基于飞行时间(Time of flight,ToF)传感器测量物体的深度时,ToF传感器通过计算脉冲信号的飞行时间来确定传感器和物体之间的距离,进而基于距离确定出物体的深度值。其中,由于测量过程中存在着各类不确定性,带来了多种误差,在离线标定阶段已经对多种误差进行了修正,但是由于这些误差具有很大的随机性,这造成了在测量范围内ToF的深度测量误差大约为1%。在计算物体的深度值时,我们基于该固定的深度测量误差进行深度值的平滑处理。
然而,若在一定时间内,深度值的误差是固定的,即具有时间一致性,则会为我们的深度值的精确计算具有较大意义,因此,亟需一种方法能够保证深度误差在在短时间内具有时间一致性,不会发生深度误差的跳变。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
本发明旨在至少在一定程度上解决相关技术中,深度值的误差在时间上不一致具有跳变的技术问题。
为此,本发明的第一个目的在于提出一种深度图处理方法,根据深度图中下像素的可信性进行深度平滑,同时考虑了连续多帧之间时间和内容相似度,有效的使深度平缓变化区域在时间维度上深度值更为平滑,而深度快速变化区域又保持了原来的高动态性。
本发明的第二个目的在于提出一种深度图处理装置。
本发明的第三个目的在于提出一种电子设备。
本发明的第四个目的在于提出一种非临时性计算机可读存储介质。
为达上述目的,本发明第一方面实施例提出了一种深度图处理方法,包括以下步骤:获取包含目标深度图像帧的连续n帧深度图像帧,其中,n为大于1的自然数;根据预设策略确定所述目标深度图像帧中的可信像素,并确定与所述可信像素对应的平滑因子;确定所述目标深度图像帧分别和所述n帧深度图像帧中其他每帧深度图像帧对应的时间相似权重;确定所述可信像素分别和所述n帧深度图像帧中其他每帧深度图像帧中对应像素的内容相似度;根据所述内容相似度和所述平滑因子,确定所述可信像素与所述n帧深度图像帧中其他每帧深度图像帧中对应像素的内容相似权重;根据所有的所述时间相似权重和所有的所述内容相似权重对所述可信像素的深度值进行滤波处理。
本发明第二方面实施例提出了一种深度图处理装置,包括:第一获取模块,用于获取包含目标深度图像帧的连续n帧深度图像帧,其中,n为大于1的自然数;第一确定模块,用于根据预设策略确定所述目标深度图像帧中的可信像素,并确定与所述可信像素对应的平滑因子;第二确定模块,用于确定所述目标深度图像帧分别和所述n帧深度图像帧中其他每帧深度图像帧对应的时间相似权重;第三确定模块,用于确定所述可信像素分别和所述n帧深度图像帧中其他每帧深度图像帧中对应像素的内容相似度;第四确定模块,用于根据所述内容相似度和所述平滑因子,确定所述可信像素与所述n帧深度图像帧中其他每帧深度图像帧中对应像素的内容相似权重;滤波模块,用于根据所有的所述时间相似权重和所有的所述内容相似权重对所述可信像素的深度值进行滤波处理。
本发明第三方面实施例提出了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如第一方面实施例所述的深度图处理方法。
本发明第四方面实施例提出了一种非临时性计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面实施例所述的深度图处理方法。
本发明提供的技术方案,至少包含如下有益效果:
确定出待处理的目标深度图像帧中的可信像素,同时考虑了目标深度图像帧连续多帧之间时间和内容相似度,有效的使深度平缓变化区域在时间维度上深度值更为平滑,而深度快速变化区域又保持了原来的高动态性。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明实施例所提供的一种基于TOF的深度图处理方法的流程示意图;
图2是根据本发明一个实施例的原始深度值计算方法流程示意图;
图3是根据本发明一个实施例的时间一致性滤波方法流程示意图;
图4是根据本发明一个实施例的深度图处理方法的流程图;
图5是根据本发明一个实施例的深度图处理装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的深度图处理方法和装置。其中,本发明实施例的深度图中的深度值是基于TOF传感器获取的。
为了使得本领域的技术人员,更加清楚的理解本发明的深度图处理方法的时机,下面结合图1对TOF的深度图处理的整个流程进行说明,如图1所示,ToF传感器发射经过调制的脉冲信号,待测量物体表面接收到脉冲信号并反射信号,然后ToF传感器接收到反射信号,并对多频相位图解码,接着根据标定参数对ToF数据进行误差修正,然后对多频信号去混叠,并将深度值由径向坐标系转换到笛卡尔坐标系,最后对深度图进行时间一致性滤波,对深度变化平缓的区域,输出时间维度上相对平滑的深滤波结果。
其中,深度时间一致性滤波方案包括两个主要阶段:ToF原始深度值计算阶段和深度时间一致性滤波阶段,其中,如图2所示,ToF原始深度值计算阶段包括:基于获取的ToF传感器采集原始相位图(单频模式下为四相位图,双频模式下为八相位图,假设本实施例中为双频模式),计算每个像素的IQ信号,进而,根据IQ信号计算每个像素的相位和置信度,其中,置信度表示该点相位值的可信度,是该点能量大小的反应,根据ToF离线标定的内参在线修正几种误差,包括循环误差,温度误差,梯度误差,视差误差等,在双频去混叠前进行前滤波,以分别过滤各频率模式下的噪声,在去除双频的噪声后,对双频进行混叠,确定每个像素的真实周期数,基于该真实周期数对混叠的结果进行后滤波,进而将后滤波后的径向坐标系转换到笛卡尔坐标系,进行下一步的处理。
在深度时间一致性滤波阶段,如图3所示,本发明的实施例中在获取到笛卡尔坐标系下的原始深度图包含的原始深度值后,迭代每个像素点,判断每个像素点是否邻近帧的内容差较小,若内容差较小,则认为该像素是深度变化缓慢区域的可信像素,否则,则认为该像素是深度动态范围较大的不可信像素,根据掩码方式对可信像素所在的可信区域和不可信像素所在的不可信区域进行分区域平滑,即统计可信区域掩码,根据掩码分区域平滑,在本申请中,主要基于连续多帧深度图像进行平滑处理。
本发明中的深度图处理方法,主要针对上述图3指出的基于连读多帧深度图像进行平滑处理的过程进行说明,图4是根据本发明一个实施例的深度图处理方法的流程图,如图4所示,该深度图处理方法包括:
步骤101,获取包含目标深度图像帧的连续n帧深度图像帧,其中,n为大于1的自然数。
其中,目标图像帧时当前待处理的深度图像帧,基于连续包含目标图像帧的多帧深度图像帧,对目标图像帧进行深度平滑处理,参考连续多帧的深度值的情况可以保证滤波后的目标深度图像帧的深度误差在时间上更为平滑。
需要说明的是,上述n值大于1,n的大小取决于TOF传感器的采集频率,通常采集频率越高,则表明越多数量的连续帧在深度值上可能相似度比较大,因而,n值越大。
步骤102,根据预设策略确定目标深度图像帧中的可信像素,并确定与可信像素对应的平滑因子。
应当理解的是,目标深度图像帧中可能包含深度快速变化区域和深度缓慢变化区域,深度缓慢变化区域我们可以理解为可信区域,该可信区域中的可信像素的深度值可能相邻帧之间变化浮动较小,这种变化浮动可能是由于深度测量误差跳变导致的,因为我们需要对可信像素的深度值进行基于时间一致性的滤波,深度快速变化区域我们可以理解为不可信区域,不可信区域中的非可信像素的深度值可能相邻帧之间变化浮动较大,这种较大的深度值变化通常包含了深度值的高动态信息,因此,针对非可信像素的深度值进行较小程度的平滑,或者,可以直接保留非可信像素的深度值,本实施例中,主要针对可信像素的基于时间一致性的滤波进行描述。
因而,为了对目标深度图像帧的可信像素进行时间一致性滤波,本发明的实时中,首先根据预设策略确定目标深度图像帧中的可信像素。
需要说明的是,在不同的应用场景中,根据预设策略确定目标深度图像帧中的可信像素的方式不同,示例如下:
第一种示例:
在本示例中,获取与目标深度图像帧相邻的参考深度图像帧,确定目标深度图像帧中每个像素的深度值与参考深度图像帧中对应像素的深度值的深度差值,判断深度差值是否小于等于预设阈值,该预设阈值根据经验值标定,若小于等于预设阈值,则确定对应的像素为可信像素,即为深度缓慢变化区域中的像素。
第二种示例:
在本示例中,获取与目标深度图像帧相邻的参考深度图像帧,确定目标深度图像帧中每个像素的灰度值与参考深度图像帧中对应像素的灰度值的灰度差值,判断灰度差值是否小于等于预设阈值,该预设阈值根据经验值标定,若小于等于预设阈值,则确定对应的像素为可信像素,即为深度缓慢变化区域中的像素。
第三种示例:
在本示例中,获取与目标深度图像帧相邻的参考深度图像帧,确定目标深度图像帧中每个像素的深度值的置信度与参考深度图像帧中对应像素的深度值的置信度的置信度差,判断置信度差是否小于等于预设阈值,该预设阈值根据经验值标定,若小于等于预设阈值,则确定对应的像素为可信像素,即为深度缓慢变化区域中的像素。
进一步的,在确定可信像素后确定与可信像素对应的平滑因子,以便于根据平滑因子对可信像素的深度值进行平滑处理。
需要说明的是,在不同的应用场景下,确定与可信像素对应的平滑因子的方式不同,示例如下:
第一种示例:
在本示例中,判断深度差和预设阈值的差值的绝对值,其中,预设阈值对应于深度差的平均差值,当深度差小于该平均值的差值的绝对值越大,意味着可信像素和相邻深度图像帧中对应的第二像素越有可能是针对物体的同一点的像素,根据差值确定因子提高值,比如预先建立深度差和预设阈值的差值和因子提高值的对应关系,基于该对应关系获取对应的因子提高值,基于因子提高值和初始平滑因子之和确定平滑因子,也就是说在初始平滑因子的基础上进行适应性的提高。这种方式细化到每个像素进行不同程度的平滑,提高了平滑效果。
第二种示例:
在本示例中,为可信像素分别适配固定的平滑因子,比如,确定与可信像素对应的平滑因子为1。这种方式提高了平滑处理的效率。
步骤103,确定目标深度图像帧分别和n帧深度图像帧中其他每帧深度图像帧对应的时间相似权重。
容易理解的是,深度图像帧之间采集时间差在一定程度上体现了相邻深度图像帧之间的相似度,理论上,采集时间差越小,则意味着二者之间越相似,否则,二者之间则差异性越大,因此,在本实施例中,获取目标深度图像帧的采集时间,以及n帧深度图像帧中其他每帧深度图像帧的采集时间,基于二者的采集时间确定对应的时间相似权重,保证深度图像帧中的深度变化平缓区域在滤波的时间一致性。
基于此,显然当采集时间差较大时,目标深度图像帧和对应深度图像帧之间差异性较大,时间相似权重越小,因此,基于时间相似权重进行目标深度图像帧的滤波处理。
需要说明的是,在不同的应用场景下,确定目标深度图像帧分别和n帧深度图像帧中其他每帧深度图像帧对应的时间相似权重的方式不同,示例如下:
第一种示例:
在本示例中,获取目标深度图像帧的采集时间,以及分别和n帧深度图像帧中其他每帧深度图像帧的采集时间的采集时间差,根据时间权重计算公式和采集时间差,获取时间差权重,其中,时间权重计算公式为下述公式(1),其中,公式(1)为:
其中,t为时间相似权重,tgap为采集时间差,tmax为预设两帧最大采集时间差,该最大采集时间差是系统标定的,tstd为预设的两帧采集标准时间差,该采集标准时间差是TOF传感器采集深度图像帧的理论时间差。
第二种示例:
在本示例中,目标深度图像帧在连续多帧深度图像帧中的顺序也决定了目标深度图像帧和对应的深度图像帧的相似度,因而,获取目标深度图像帧在连续n帧深度图像帧中的顺序编号,比如,n为10,目标深度图像帧在10帧深度图像帧的第9位,则顺序编号为9,进而,根据预设的时间权重公式对顺序编号和n计算,获取时间相似权重。
在本示例中,预设的时间权重公式可以为如下公式(2)所示:
其中,w1k为时间相似权重,k为顺序编号。
步骤104,确定可信像素分别和n帧深度图像帧中其他每帧深度图像帧中对应像素的内容相似度。
步骤105,根据内容相似度和平滑因子,确定可信像素与n帧深度图像帧中其他每帧深度图像帧中对应像素的内容相似权重。
其中,内容相似度所指的内容可以是可信像素分别和n帧深度图像帧中其他每帧深度图像帧中对应像素的深度值的置信度的相似度、灰度值的相似度等。
容易理解的是,深度图像帧之间内容差在一定程度上体现了相邻深度图像帧之间的相似度,理论上,内容差越小,则意味着二者之间越相似,否则,二者之间则差异性越大,因此,在本实施例中,获取可信像素的内容值,以及n帧深度图像帧中其他每帧深度图像帧中对应像素的内容值,基于二者的内容差时间确定对应的内容相似度,保证深度图像帧中的深度变化平缓区域在滤波的时间一致性。
需要说明的是,在不同的应用场景中,确定可信像素分别和n帧深度图像帧中其他每帧深度图像帧中对应像素的内容相似度的方式不同,示例如下:
第一种示例:
在本示例中,获取可信像素分别和n帧深度图像帧中其他每帧深度图像帧中对应像素的内容值的内容差值,基于预设的内容差值和内容相似度的对应关系,确定与该内容差值对应的内容相似度。
第二种示例:
在本示例中,获取可信像素的第一置信度和其他每帧深度图像帧中对应像素的第二置信度,并计算第一置信度和第二置信度的置信度差,获取可信像素的第一灰度值和其他每帧深度图像帧中对应像素的第二灰度值,并计算第一灰度值和第二灰度值的灰度差值,进而,获取与置信度对应的第一权重系数,并根据第一权重系数确定第二权重系数,其中,第一权重系数为根据应用需要确定的,第一权重系数越高则表明当前平滑处理时越侧重于考虑像素之间的深度差值的置信度,第二权重系数可以与第一权重系数成反比关系,比如,第一权重系数=1-第二权重系数等,由此,保证在同一个平滑场景中,对灰度差值和深度值的置信度差的考量具有不同的侧重点。
进一步的,根据置信度差、灰度差值、第一权重系数和第二权重系数获取内容相似度,并根据内容相似度和平滑因子,确定可信像素与n帧深度图像帧中其他每帧深度图像帧中对应像素的内容相似权重。
作为一种可能的实现方式,根据预设的内容权重公式对内容相似度和平滑因子计算,确定可信像素与n帧深度图像帧中其他每帧深度图像帧中对应像素的内容相似权重。其中,该预设的内容权重公式可以为如下公式(3),其中,公式(3)为:
其中,s为平滑因子,diff1为置信度差,diff2为灰度差值,d为第一权重系数,1-d为第二权重系数,σ是每个可信像素的深度值和预设标标准误差的乘积值。其中,预设标准误差是由温度误差等导致的深度值的经验测量误差,可以为1%等。
步骤106,根据所有的时间相似权重和所有的内容相似权重对可信像素的深度值进行滤波处理。
具体的,迭代连续多帧的时间相似权重和内容相似权重,对可信像素进行基于时间一致性的滤波处理,有效的使得深度平滑变化区域在时间维度上深度值更为平滑。
作为一种可能的实现方式,根据预设的滤波公式和所有的时间相似权重、所有的内容相似权重和可信像素的深度值,平滑可信像素的深度值,其中,在本示例中,预设的滤波公式可以为下述公式(4)所示:
其中,D为可信像素平滑后的深度值,depk为可信像素的深度值。
作为另一种可能的实现方式,可以预先根据大量实验数据构建深度模型,该深度模型的输入为时间相似权重和内容相似权重,输出为深度滤波值,因而,可以分别将可信像素与对应的深度图像帧中对应像素的内容相似权重,和可信像素与对应的深度图像帧的时间相似权重输入至该深度模型,获取与可信像素与对应的深度图像帧的深度滤波值,当得到n个深度滤波值之后,将n个深度滤波值之和的平均值作为该可信像素滤波后的深度值,从而实现对可信像素的滤波。
综上,本发明实施例的深度图处理方法,确定出待处理的目标深度图像帧中的可信像素,同时考虑了目标深度图像帧连续多帧之间时间和内容相似度,有效的使深度平缓变化区域在时间维度上深度值更为平滑,而深度快速变化区域又保持了原来的高动态性。
为了实现上述实施例,本发明还提出一种深度图处理装置。图5是根据本发明一个实施例的深度图处理装置的结构示意图。如图5所示,该深度图处理装置,包括:第一获取模块10、第一确定模块20、第二确定模块30、第三确定模块40、第四确定模块50和滤波模块60,其中,
获取模块10,用于获取包含目标深度图像帧的连续n帧深度图像帧,其中,n为大于1的自然数。
第一确定模块20,用于根据预设策略确定目标深度图像帧中的可信像素,并确定与可信像素对应的平滑因子。
需要说明的是,在不同的应用场景中,第一确定模块20根据预设策略确定目标深度图像帧中的可信像素的方式不同,示例如下:
第一种示例:
在本示例中,第一确定模块20获取与目标深度图像帧相邻的参考深度图像帧,确定目标深度图像帧中每个像素的深度值与参考深度图像帧中对应像素的深度值的深度差值,判断深度差值是否小于等于预设阈值,该预设阈值根据经验值标定,若小于等于预设阈值,则确定对应的像素为可信像素,即为深度缓慢变化区域中的像素。
第二种示例:
在本示例中,第一确定模块20获取与目标深度图像帧相邻的参考深度图像帧,确定目标深度图像帧中每个像素的灰度值与参考深度图像帧中对应像素的灰度值的灰度差值,判断灰度差值是否小于等于预设阈值,该预设阈值根据经验值标定,若小于等于预设阈值,则确定对应的像素为可信像素,即为深度缓慢变化区域中的像素。
第三种示例:
在本示例中,第一确定模块20获取与目标深度图像帧相邻的参考深度图像帧,确定目标深度图像帧中每个像素的深度值的置信度与参考深度图像帧中对应像素的深度值的置信度的置信度差,判断置信度差是否小于等于预设阈值,该预设阈值根据经验值标定,若小于等于预设阈值,则确定对应的像素为可信像素,即为深度缓慢变化区域中的像素。
进一步的,在确定可信像素后第一确定模块20确定与可信像素对应的平滑因子,以便于根据平滑因子对可信像素的深度值进行平滑处理。
第二确定模块30,用于确定目标深度图像帧分别和n帧深度图像帧中其他每帧深度图像帧对应的时间相似权重。
需要说明的是,在不同的应用场景下,第二确定模块30确定目标深度图像帧分别和n帧深度图像帧中其他每帧深度图像帧对应的时间相似权重的方式不同,示例如下:
第一种示例:
在本示例中,第二确定模块30获取目标深度图像帧的采集时间,以及分别和n帧深度图像帧中其他每帧深度图像帧的采集时间的采集时间差,根据时间权重计算公式和采集时间差,获取时间差权重,其中,时间权重计算公式为下述公式(1),其中,公式(1)为:
其中,t为时间相似权重,tgap为采集时间差,tmax为预设两帧最大采集时间差,该最大采集时间差是系统标定的,tstd为预设的两帧采集标准时间差,该采集标准时间差是TOF传感器采集深度图像帧的理论时间差。
第二种示例:
在本示例中,目标深度图像帧在连续多帧深度图像帧中的顺序也决定了目标深度图像帧和对应的深度图像帧的相似度,因而,第二确定模块30获取目标深度图像帧在连续n帧深度图像帧中的顺序编号,比如,n为10,目标深度图像帧在10帧深度图像帧的第9位,则顺序编号为9,进而,根据预设的时间权重公式对顺序编号和n计算,获取时间相似权重。
在本示例中,预设的时间权重公式可以为如下公式(2)所示:
其中,w1k为时间相似权重,k为顺序编号。
第三确定模块40,用于确定可信像素分别和n帧深度图像帧中其他每帧深度图像帧中对应像素的内容相似度。
第四确定模块50,用于根据内容相似度和平滑因子,确定可信像素与n帧深度图像帧中其他每帧深度图像帧中对应像素的内容相似权重。
需要说明的是,在不同的应用场景中,确定可信像素分别和n帧深度图像帧中其他每帧深度图像帧中对应像素的内容相似度的方式不同,示例如下:
第一种示例:
在本示例中,第三确定模块40获取可信像素分别和n帧深度图像帧中其他每帧深度图像帧中对应像素的内容值的内容差值,基于预设的内容差值和内容相似度的对应关系,确定与该内容差值对应的内容相似度。
第二种示例:
在本示例中,第三确定模块40获取可信像素的第一置信度和其他每帧深度图像帧中对应像素的第二置信度,并计算第一置信度和第二置信度的置信度差,进而,获取可信像素的第一灰度值和其他每帧深度图像帧中对应像素的第二灰度值,并计算第一灰度值和第二灰度值的灰度差值,获取与置信度对应的第一权重系数,并根据第一权重系数确定第二权重系数,其中,第一权重系数为根据应用需要确定的,第一权重系数越高则表明当前平滑处理时越侧重于考虑像素之间的深度差值的置信度,第二权重系数可以与第一权重系数成反比关系,比如,第一权重系数=1-第二权重系数等,由此,保证在同一个平滑场景中,对灰度差值和深度值的置信度差的考量具有不同的侧重点。
进一步的,第四确定模块50根据置信度差、灰度差值、第一权重系数和第二权重系数获取内容相似度,并根据内容相似度和平滑因子,确定可信像素与n帧深度图像帧中其他每帧深度图像帧中对应像素的内容相似权重。
滤波模块60,用于根据所有的时间相似权重和所有的内容相似权重对可信像素的深度值进行滤波处理。
具体的,滤波模块60迭代连续多帧的时间相似权重和内容相似权重,对可信像素进行基于时间一致性的滤波处理,有效的使得深度平滑变化区域在时间维度上深度值更为平滑。
综上,本发明实施例的深度图处理装置,确定出待处理的目标深度图像帧中的可信像素,同时考虑了目标深度图像帧连续多帧之间时间和内容相似度,有效的使深度平缓变化区域在时间维度上深度值更为平滑,而深度快速变化区域又保持了原来的高动态性。
为了实现上述实施例,本发明还提出一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时,实现如前述实施例所描述的深度图处理方法。
为了实现上述实施例,本发明还提出一种非临时性计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如前述方法实施例所描述的深度图处理方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能可以集成在一个处理模块中,也可以是各个单独物理存在,也可以两个或两个以上集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块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。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (12)
1.一种深度图处理方法,其特征在于,包括以下步骤:
获取包含目标深度图像帧的连续n帧深度图像帧,其中,n为大于1的自然数;
根据预设策略确定所述目标深度图像帧中的可信像素,并确定与所述可信像素对应的平滑因子;
确定所述目标深度图像帧分别和所述n帧深度图像帧中其他每帧深度图像帧对应的时间相似权重;
确定所述可信像素分别和所述n帧深度图像帧中其他每帧深度图像帧中对应像素的内容相似度;
根据所述内容相似度和所述平滑因子,确定所述可信像素与所述n帧深度图像帧中其他每帧深度图像帧中对应像素的内容相似权重;
根据所有的所述时间相似权重和所有的所述内容相似权重对所述可信像素的深度值进行滤波处理。
2.如权利要求1所述的方法,其特征在于,所述根据预设策略确定所述目标深度图像帧中的可信像素,包括:
获取与所述目标深度图像帧相邻的参考深度图像帧;
确定所述目标深度图像帧中每个像素的深度值与所述参考深度图像帧中对应像素的深度值的深度差值;
判断所述深度差值是否小于等于预设阈值;
若小于等于所述预设阈值,则确定对应的像素为所述可信像素。
3.如权利要求1所述的方法,其特征在于,所述确定所述目标深度图像帧分别和所述n帧深度图像帧中其他每帧深度图像帧对应的时间相似权重,包括:
获取所述目标深度图像帧在所述连续n帧深度图像帧中的顺序编号;
根据预设的时间权重公式对所述顺序编号和n计算,获取所述时间相似权重。
4.如权利要求3所述的方法,其特征在于,所述预设的时间权重公式为:
其中,w1k为所述时间相似权重,所述k为所述顺序编号。
5.如权利要求1所述的方法,其特征在于,所述确定所述可信像素分别和所述n帧深度图像帧中其他每帧深度图像帧中对应像素的内容相似度,包括:
获取所述可信像素的第一置信度和所述其他每帧深度图像帧中对应像素的第二置信度,并计算所述第一置信度和所述第二置信度的置信度差;
获取所述可信像素的第一灰度值和所述其他每帧深度图像帧中对应像素的第二灰度值,并计算所述第一灰度值和所述第二灰度值的灰度差值;
获取与所述置信度对应的第一权重系数,并根据所述第一权重系数确定所述第二权重系数;
根据所述置信度差、所述灰度差值、所述第一权重系数和所述第二权重系数获取所述内容相似度。
6.如权利要求5所述的方法,其特征在于,所述根据所述内容相似度和所述平滑因子,确定所述可信像素与所述n帧深度图像帧中其他每帧深度图像帧中对应像素的相似权重,包括:
根据预设的相似度权重公式对所述相似度和所述平滑因子计算,确定所述可信像素与所述n帧深度图像帧中其他帧深度图像帧中对应像素的内容相似权重。
7.如权利要求6所述的方法,其特征在于,所述预设的相似度权重公式为:
其中,s为所述平滑因子,diff1为所述置信度差,diff2为所述灰度差值,d为所述第一权重系数,1-d为所述第二权重系数,σ是所述每个可信像素的深度值和预设标准误差的乘积值。
8.如权利要求1所述的方法,其特征在于,所述根据所有的所述时间相似权重和所有的所述内容相似权重对所述可信像素的深度值进行滤波处理,包括:
根据预设的滤波公式和所述时间相似权重、所述内容相似权重和所述可信像素的深度值,平滑所述可信像素的深度值。
9.如权利要求8所述的方法,其特征在于,所述预设的滤波公式为:
其中,D为所述可信像素平滑后的深度值,depk为所述可信像素的深度值。
10.一种深度图处理装置,其特征在于,包括:
获取模块,用于获取包含目标深度图像帧的连续n帧深度图像帧,其中,n为大于1的自然数;
第一确定模块,用于根据预设策略确定所述目标深度图像帧中的可信像素,并确定与所述可信像素对应的平滑因子;
第二确定模块,用于确定所述目标深度图像帧分别和所述n帧深度图像帧中其他每帧深度图像帧对应的时间相似权重;
第三确定模块,用于确定所述可信像素分别和所述n帧深度图像帧中其他每帧深度图像帧中对应像素的内容相似度;
第四确定模块,用于根据所述内容相似度和所述平滑因子,确定所述可信像素与所述n帧深度图像帧中其他每帧深度图像帧中对应像素的内容相似权重;
滤波模块,用于根据所有的所述时间相似权重和所有的所述内容相似权重对所述可信像素的深度值进行滤波处理。
11.一种电子设备,其特征在于,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如权利要求1-9中任一所述的深度图处理方法。
12.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-9中任一所述的深度图处理方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910626054.1A CN110400344B (zh) | 2019-07-11 | 2019-07-11 | 深度图处理方法和装置 |
PCT/CN2020/097516 WO2021004264A1 (zh) | 2019-07-11 | 2020-06-22 | 深度图处理方法和装置、电子设备和可读存储介质 |
EP20837729.1A EP3975122A4 (en) | 2019-07-11 | 2020-06-22 | DEPTH IMAGE PROCESSING METHOD AND EQUIPMENT, ELECTRONIC DEVICE AND READABLE STORAGE MEDIA |
US17/548,181 US11961246B2 (en) | 2019-07-11 | 2021-12-10 | Depth image processing method and apparatus, electronic device, and readable storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910626054.1A CN110400344B (zh) | 2019-07-11 | 2019-07-11 | 深度图处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110400344A true CN110400344A (zh) | 2019-11-01 |
CN110400344B CN110400344B (zh) | 2021-06-18 |
Family
ID=68324391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910626054.1A Active CN110400344B (zh) | 2019-07-11 | 2019-07-11 | 深度图处理方法和装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11961246B2 (zh) |
EP (1) | EP3975122A4 (zh) |
CN (1) | CN110400344B (zh) |
WO (1) | WO2021004264A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021004264A1 (zh) * | 2019-07-11 | 2021-01-14 | Oppo广东移动通信有限公司 | 深度图处理方法和装置、电子设备和可读存储介质 |
WO2022109796A1 (zh) * | 2020-11-24 | 2022-06-02 | Oppo广东移动通信有限公司 | 图像处理方法、图像处理装置、摄像头组件及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110273529A1 (en) * | 2009-01-30 | 2011-11-10 | Thomson Licensing | Coding of depth maps |
US20120121162A1 (en) * | 2010-11-11 | 2012-05-17 | Samsung Electronics Co., Ltd. | Filtering apparatus and method for high precision restoration of depth image |
CN102819837A (zh) * | 2012-07-12 | 2012-12-12 | 清华大学 | 基于反馈控制的深度图处理方法及装置 |
CN104683783A (zh) * | 2015-01-08 | 2015-06-03 | 电子科技大学 | 一种自适应深度图滤波方法 |
CN108765477A (zh) * | 2018-05-15 | 2018-11-06 | 江苏大学 | 一种基于最优化的Kinect深度图修复方法 |
CN109191506A (zh) * | 2018-08-06 | 2019-01-11 | 深圳看到科技有限公司 | 深度图的处理方法、系统及计算机可读存储介质 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101506926B1 (ko) * | 2008-12-04 | 2015-03-30 | 삼성전자주식회사 | 깊이 추정 장치 및 방법, 및 3d 영상 변환 장치 및 방법 |
KR101590767B1 (ko) * | 2009-06-09 | 2016-02-03 | 삼성전자주식회사 | 영상 처리 장치 및 방법 |
US8553972B2 (en) * | 2009-07-06 | 2013-10-08 | Samsung Electronics Co., Ltd. | Apparatus, method and computer-readable medium generating depth map |
CN101630408A (zh) * | 2009-08-14 | 2010-01-20 | 清华大学 | 一种深度图的处理方法及装置 |
CN102741879B (zh) * | 2009-11-18 | 2015-07-08 | 财团法人工业技术研究院 | 由单眼图像产生深度图的方法及其系统 |
US8885890B2 (en) * | 2010-05-07 | 2014-11-11 | Microsoft Corporation | Depth map confidence filtering |
KR20130027727A (ko) * | 2011-09-08 | 2013-03-18 | 삼성전자주식회사 | 깊이정보 생성장치, 깊이정보 생성방법 및 그 저장매체 |
EP2786580B1 (en) * | 2011-11-30 | 2015-12-16 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Spatio-temporal disparity-map smoothing by joint multilateral filtering |
CN102542541B (zh) * | 2011-12-31 | 2014-04-16 | 浙江大学 | 深度图像后处理的方法 |
KR101938205B1 (ko) * | 2012-03-19 | 2019-01-14 | 한국전자통신연구원 | 깊이 영상 필터링 방법 및 그 장치 |
US9098911B2 (en) * | 2012-11-01 | 2015-08-04 | Google Inc. | Depth map generation from a monoscopic image based on combined depth cues |
TW201607296A (zh) * | 2014-08-07 | 2016-02-16 | 國立臺灣大學 | 快速產生影像景深圖的方法及影像處理裝置 |
LU92731B1 (en) * | 2015-06-05 | 2016-12-06 | Université Du Luxembourg | Real-time temporal filtering and super-resolution of depth image sequences |
US11461912B2 (en) * | 2016-01-05 | 2022-10-04 | California Institute Of Technology | Gaussian mixture models for temporal depth fusion |
US10665115B2 (en) * | 2016-01-05 | 2020-05-26 | California Institute Of Technology | Controlling unmanned aerial vehicles to avoid obstacle collision |
CN105915886B (zh) | 2016-05-06 | 2017-10-31 | 杭州码全信息科技有限公司 | 一种基于视频压缩域的深度图推理算法 |
US10212408B1 (en) * | 2016-06-29 | 2019-02-19 | Amazon Technologies, Inc. | Depth-map augmentation techniques |
CN106355552B (zh) | 2016-08-27 | 2019-08-02 | 天津大学 | 一种基于虚拟视点绘制质量的深度图上采样方法 |
US11113800B2 (en) * | 2017-01-18 | 2021-09-07 | Nvidia Corporation | Filtering image data using a neural network |
CN108269280A (zh) * | 2018-01-05 | 2018-07-10 | 厦门美图之家科技有限公司 | 一种深度图像的处理方法及移动终端 |
CN112102386A (zh) * | 2019-01-22 | 2020-12-18 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
CN110400344B (zh) * | 2019-07-11 | 2021-06-18 | Oppo广东移动通信有限公司 | 深度图处理方法和装置 |
-
2019
- 2019-07-11 CN CN201910626054.1A patent/CN110400344B/zh active Active
-
2020
- 2020-06-22 EP EP20837729.1A patent/EP3975122A4/en active Pending
- 2020-06-22 WO PCT/CN2020/097516 patent/WO2021004264A1/zh unknown
-
2021
- 2021-12-10 US US17/548,181 patent/US11961246B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110273529A1 (en) * | 2009-01-30 | 2011-11-10 | Thomson Licensing | Coding of depth maps |
US20120121162A1 (en) * | 2010-11-11 | 2012-05-17 | Samsung Electronics Co., Ltd. | Filtering apparatus and method for high precision restoration of depth image |
CN102819837A (zh) * | 2012-07-12 | 2012-12-12 | 清华大学 | 基于反馈控制的深度图处理方法及装置 |
CN104683783A (zh) * | 2015-01-08 | 2015-06-03 | 电子科技大学 | 一种自适应深度图滤波方法 |
CN108765477A (zh) * | 2018-05-15 | 2018-11-06 | 江苏大学 | 一种基于最优化的Kinect深度图修复方法 |
CN109191506A (zh) * | 2018-08-06 | 2019-01-11 | 深圳看到科技有限公司 | 深度图的处理方法、系统及计算机可读存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021004264A1 (zh) * | 2019-07-11 | 2021-01-14 | Oppo广东移动通信有限公司 | 深度图处理方法和装置、电子设备和可读存储介质 |
US20220101547A1 (en) * | 2019-07-11 | 2022-03-31 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Depth image processing method and apparatus, electronic device, and readable storage medium |
US11961246B2 (en) | 2019-07-11 | 2024-04-16 | Guangdong OPPO Mobile Telecommunications Corp. Ltd | Depth image processing method and apparatus, electronic device, and readable storage medium |
WO2022109796A1 (zh) * | 2020-11-24 | 2022-06-02 | Oppo广东移动通信有限公司 | 图像处理方法、图像处理装置、摄像头组件及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2021004264A1 (zh) | 2021-01-14 |
US20220101547A1 (en) | 2022-03-31 |
EP3975122A1 (en) | 2022-03-30 |
CN110400344B (zh) | 2021-06-18 |
EP3975122A4 (en) | 2022-08-10 |
US11961246B2 (en) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110390690A (zh) | 深度图处理方法和装置 | |
CN110400339A (zh) | 深度图处理方法和装置 | |
CN110378853A (zh) | 深度图处理方法和装置 | |
EP3965054A1 (en) | Image distortion correction method and apparatus | |
CN110400331A (zh) | 深度图处理方法和装置 | |
EP0422220A1 (en) | Image processing apparatus | |
WO2021004261A1 (zh) | 深度数据的滤波方法、装置、电子设备和可读存储介质 | |
CN108423136B (zh) | 一种船舶载货重量确定方法及装置 | |
CN110400344A (zh) | 深度图处理方法和装置 | |
CN110264426A (zh) | 图像畸变校正方法和装置 | |
CN110400343A (zh) | 深度图处理方法和装置 | |
CN108460783A (zh) | 一种脑部核磁共振图像组织分割方法 | |
CN110400340A (zh) | 深度图处理方法和装置 | |
KR100950301B1 (ko) | 레이더형 파랑측정 시스템에서의 유의파고 보정방법 | |
CN109544700A (zh) | 基于神经网络的点云数据的处理方法、装置和设备 | |
CN108492327A (zh) | Aoi图像匹配方法、系统、可读存储介质及智能设备 | |
CN110517234A (zh) | 特征骨异常检测方法及装置 | |
CN104715478B (zh) | 一种检测影像图片中曝光区域的方法及系统 | |
CN114061524B (zh) | 一种钢卷轮廓测量方法及装置 | |
CN114511556B (zh) | 胃黏膜出血风险预警方法、装置和医学图像处理设备 | |
CN109614878B (zh) | 一种模型训练、信息预测方法及装置 | |
CN108814580A (zh) | 一种无接触式心率测试的方法及相关设备 | |
CN110390656B (zh) | 深度数据的滤波方法、装置、电子设备和可读存储介质 | |
CN110400272A (zh) | 深度数据的滤波方法、装置、电子设备和可读存储介质 | |
EP4036843A1 (en) | Method and apparatus for processing a medical image |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |