CN110910436B - 基于图像信息增强技术的测距方法、装置、设备和介质 - Google Patents
基于图像信息增强技术的测距方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN110910436B CN110910436B CN201911041735.8A CN201911041735A CN110910436B CN 110910436 B CN110910436 B CN 110910436B CN 201911041735 A CN201911041735 A CN 201911041735A CN 110910436 B CN110910436 B CN 110910436B
- Authority
- CN
- China
- Prior art keywords
- eye
- image
- point
- value
- measured
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000005516 engineering process Methods 0.000 title claims abstract description 25
- 238000000265 homogenisation Methods 0.000 claims abstract description 39
- 238000010606 normalization Methods 0.000 claims description 47
- 238000012545 processing Methods 0.000 claims description 43
- 238000005259 measurement Methods 0.000 claims description 37
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 16
- 238000000691 measurement method Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- 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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种基于图像信息增强技术的测距方法、装置、设备和介质。所述基于图像信息增强技术的测距方法包括分别获取左眼图像和右眼图像;分别对所述左眼图像和所述右眼图像进行灰度均一化处理,得到左眼均一化图像和右眼均一化图像;分别对所述左眼均一化图像和所述右眼均一化图像进行超分辨率重建,得到左眼重建图像和右眼重建图像;分别确定所述第一待测点和所述第二待测点的三维坐标,得到所述第一待测点和所述第二待测点之间的距离值。本申请提供的基于图像信息增强技术的测距方法、装置、设备和介质可以提高空间两点之间的测量距离值的精确度。
Description
技术领域
本发明涉及视觉测量领域领域,特别是涉及一种基于图像信息增强技术的测距方法、装置、设备和介质。
背景技术
在施工现场,为了确保施工建筑符合设计要求,经常需要测量各种距离参数,如:沟道的长度、宽度、高度等。由于人工测量费时费力,研究人员设计出了一种方便有效的测距方法,即双目立体视觉测距。
双目立体视觉测距是依据视差原理,通过摄像机获得空间物体的左右眼图像,再利用三角测量法,分别获得空间两点的三维坐标,得到空间两点之间的距离。
但是,现有的双目测距算法在进行远距离测距时,不能准确测得空间两点之间的距离值,。而工程中对测距要求高,因此在利用双目测距算法进行远距离测距时,如何提高空间两点之间的测量距离值的精确度,仍然是需要解决的问题。
发明内容
基于此,有必要针对如何提高空间两点之间的测量距离值的精确度的问题,提供一种基于图像信息增强技术的测距方法、装置、设备和介质。
一种基于图像信息增强技术的测距方法,包括:
分别获取左眼图像和右眼图像;
分别对所述左眼图像和所述右眼图像进行灰度均一化处理,得到左眼均一化图像和右眼均一化图像;
分别对所述左眼均一化图像和所述右眼均一化图像进行超分辨率重建,得到左眼重建图像和右眼重建图像;
分别获取第一待测点在所述左眼重建图像和所述右眼重建图像的对应点的坐标值,得到左眼图像第一测量点坐标值和右眼图像第一测量点坐标值;
分别获取第二待测点在所述左眼重建图像和所述右眼重建图像的对应点的坐标值,得到左眼图像第二测量点坐标值和右眼图像第二测量点坐标值;
根据所述左眼图像测量点坐标值和所述右眼图像测量点坐标值,分别确定所述第一待测点和所述第二待测点的三维坐标,得到所述第一待测点和所述第二待测点之间的距离值。
本申请提供一种基于图像信息增强技术的测距方法,首先获取摄像机拍摄的左眼图像和右眼图像;分别对所述左眼图像和所述右眼图像进行灰度均一化处理,得到左眼均一化图像和右眼均一化图像;分别对所述左眼均一化图像和所述右眼均一化图像进行超分辨率重建,得到左眼重建图像和右眼重建图像;分别获取待测点在所述左眼重建图像上的对应点的坐标值和所述待测点在所述右眼重建图像上的对应点的坐标值,得到左眼图像测量点坐标值和右眼图像测量点坐标值;根据所述左眼图像测量点坐标值和所述右眼图像测量点坐标值,得到空间中两点之间的距离值。本申请提供的所述基于图像信息增强技术的测距方法可以将摄像机拍摄的图像进行均一化处理和超分辨率重建,以使所述待测点在所述左眼重建图像上的对应点的坐标值,以及所述待测点在所述右眼重建图像上的对应点的坐标值更精确。进而,基于超分辨率重建图像分析得到的空间中两点之间的距离值也更加精确。
其中一项实施例中,所述分别对所述左眼图像和所述右眼图像进行灰度均一化处理,得到左眼均一化图像和右眼均一化图像,包括:
分别对所述左眼图像和所述右眼图像进行归一化处理,得到左眼图像灰度归一值和右眼图像灰度归一值;
分别对所述左眼图像灰度归一值和所述右眼图像灰度归一值进行取对数化处理,得到均一化处理后的所述左眼均一化图像和所述右眼均一化图像。
其中一项实施例中,所述分别对所述左眼归一化图像和所述右眼归一化图像进行取对数化处理,得到所述左眼均一化图像和所述右眼均一化图像,包括:
根据公式g1(m1,m2)=lg[1+9·u1(m1,m2)],对所述左眼图像灰度归一值进行取对数化处理,得到所述左眼均一化图像,其中,g1(m1,m2)代表所述左眼均一化图像,u1(m1,m2)代表所述左眼图像灰度归一值,(m1,m2)代表所述左眼图像中像素点的坐标值;
根据公式g2(a1,a2)=lg[1+9·u2(a1,a2)],对所述右眼图像灰度归一值进行取对数化处理,得到所述右眼均一化图像,其中,g2(a1,a2)代表所述右眼均一化图像,u2(a1,a2)代表所述右眼图像灰度归一值,(a1,a2)代表所述右眼图像中像素点的坐标值。
其中一项实施例中,所述分别对所述左眼均一化图像和所述右眼均一化图像进行超分辨率重建,得到左眼重建图像和右眼重建图像,包括:
分别对所述左眼均一化图像和所述右眼均一化图像进行插值,得到左眼信息增强初始图和右眼信息增强初始图;
分别对所述左眼信息增强初始图和所述右眼信息增强初始图进行修正,得到所述左眼重建图像和所述右眼重建图像;
其中一项实施例中,所述分别对所述左眼信息增强初始图和所述右眼信息增强初始图进行修正,得到所述左眼重建图像和所述右眼重建图像,包括:
分别获取所述左眼信息增强初始图和所述右眼信息增强初始图中所有像素点的残差值,得到左眼像素点残差值和右眼像素点残差值;
通过凸集投影算法对所述左眼像素点残差值的绝对值超过阈值的左眼像素点进行修正,得到所述左眼重建图像;
通过凸集投影算法对所述右眼像素点残差值的绝对值超过阈值的右眼像素点进行修正,得到所述右眼重建图像。
其中一项实施例中,所述通过凸集投影算法对所述左眼像素点残差值的绝对值超过阈值的左眼像素点进行修正,得到所述左眼重建图像,包括:
根据公式对所述左眼待修正像素点进行修正;其中,F1(n1,n2)代表所述左眼重建图像,f1(n1,n2)代表所述左眼局部信息增强图,r1(m1,m2)代表所述左眼像素点残差值,δ0代表所述阈值,h1(m1,m2:n1,n2)代表点扩展函数,(m1,m2)代表所述左眼像素点在所述左眼均一化图像上的坐标值,(n1,n2)代表所述左眼像素点在所述左眼信息增强初始图上的坐标值。
其中一项实施例中,所述通过凸集投影算法对所述右眼像素点残差值的绝对值超过阈值的右眼像素点进行修正,得到所述右眼重建图像,包括:
根据公式对所述右眼待修正像素点进行修正;其中,F2(c1,d1)代表所述右眼重建图像,f2(c1,d1)代表所述右眼局部信息增强图,r2(a1,b1)代表所述右眼像素点残差值,δ0代表所述阈值,h2(a1,b1:c1,d1)代表点扩展函数,(a1,b1)代表所述右眼像素点在所述右眼均一化图像上的坐标值,(c1,d1)代表所述右眼像素点在所述右眼信息增强初始图上的坐标值。
一种基于图像信息增强技术的测距装置,包括:
图像获取模块,用于分别获取左眼图像和右眼图像;
均一化处理模块,用于分别对所述左眼图像和所述右眼图像进行灰度均一化处理,得到左眼均一化图像和右眼均一化图像;
超分辨率重建模块,用于对分别所述左眼均一化图像和所述右眼均一化图像进行超分辨率重建,得到左眼重建图像和右眼重建图像;
第一测量点获取模块,用于分别获取第一待测点在所述左眼重建图像和所述右眼重建图像的对应点的坐标值,得到左眼图像第一测量点坐标值和右眼图像第一测量点坐标值;
第二测量点获取模块,用于分别获取第二待测点在所述左眼重建图像和所述右眼重建图像的对应点的坐标值,得到左眼图像第二测量点坐标值和右眼图像第二测量点坐标值
测量距离计算模块,用于根据所述左眼图像测量点坐标值和所述右眼图像测量点坐标值,分别确定所述第一待测点和所述第二待测点的三维坐标,得到所述第一待测点和所述第二待测点之间的距离值。
一种计算机设备,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如上所述的基于图像信息增强技术的测距方法的步骤。
一种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上所述的基于图像信息增强技术的测距方法的步骤。
附图说明
图1为本申请的一个实施例提供的基于图像信息增强技术的测距方法的流程示意图。
图2为本申请的另一个实施例提供的基于图像信息增强技术的测距方法的流程示意图。
图3为本申请的又一个实施例提供的基于图像信息增强技术的测距方法的流程示意图。
图4为本申请的另一个实施例提供的基于图像信息增强技术的测距方法的流程示意图。
图5为本申请的一个实施例提供的基于图像信息增强技术的测距装置的结构框图。
图6为本申请的一个实施例提供的计算机设备的内部结构图。
具体实施方式
现有的双目测距算法在进行远距离测距时,测得的待测点与摄像机之间的距离误差较大。而工程中对测距要求高,因此如何减小测量误差是目前需要解决的问题。基于此,本申请提供一种基于图像信息增强技术的测距方法、装置、设备和介质。
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图对本申请的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似改进,因此本申请不受下面公开的具体实施的限制。
需要说明的是,当元件被称为“固定于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
请参见图1,本申请提供一种基于图像信息增强技术的测距方法,包括:
S100,分别获取左眼图像和右眼图像。
所述左眼图像和所述右眼图像为双目立体视觉测距中通过摄像机获得的空间物体的左右眼图像。所述左眼图像和所有右眼图像的数目越多,得到的待测点与摄像机平面之间的距离值越精确。
S200,分别对所述左眼图像和所述右眼图像进行灰度均一化理,得到左眼均一化图像和右眼均一化图像。
可以理解的是,所述灰度均一化处理的目的是为了分别使所述左眼图像和所述右眼图像的灰度值均一,即,使低灰度值的像素点的灰度值增大,使高灰度值的像素点的灰度值降低。
S300,分别对所述左眼均一化图像和所述右眼均一化图像进行超分辨率重建,得到左眼重建图像和右眼重建图像。
所述超分辨率重建的目的是为了使所述左眼均一化图像和所述右眼均一化图像的信息增强,进而使像素点的坐标值更精确。举例说明,在所述左眼均一化图像中一个像素点的坐标值为(0.1,0.1),的对应的在所述左眼重建图像上的坐标值为(0.12456,0.13576)。需要说明的是,举例并不是实验数据,只是为了表明所述超分辨率重建的效果。
S400,分别获取第一待测点在所述左眼重建图像和所述右眼重建图像的对应点的坐标值,得到左眼图像第一测量点坐标值和右眼图像第一测量点坐标值;
S500,分别获取第二待测点在所述左眼重建图像和所述右眼重建图像的对应点的坐标值,得到左眼图像第二测量点坐标值和右眼图像第二测量点坐标值;
S600,根据所述左眼图像测量点坐标值和所述右眼图像测量点坐标值,分别确定所述第一待测点和所述第二待测点的三维坐标,得到所述第一待测点和所述第二待测点之间的距离值。。
S600包括:
根据公式计算得到所述待测点与摄像机平面的距离值,其中,z代表所述待测点与摄像机平面的距离值,B代表双目摄像机的基线,f代表摄像机焦距,B和f可以通过定标确定,Disparity为视差值。所述视差值是通过所述左眼图像测量点坐标值和所述右眼图像测量点坐标值得到的。在一个实施例中,所述视差值可以根据所述左眼图像测量点坐标值的横坐标值,以及所述右眼图像测量点坐标值的横坐标值得到。需要说明的是,也可以选取所述左眼图像和所述右眼图像中的局部区域,并对所述局部区域进行灰度均一化处理、进而进行超分辨率重建,以减少图像处理的计算量。所述局部区域必须是所述第一待测点和所述第二待测点分别在所述左眼图像和所述右眼图像中对应的测量点所在的区域。
本实施例提供一种基于图像信息增强技术的测距方法,首先获取摄像机拍摄的左眼图像和右眼图像;分别对所述左眼图像和所述右眼图像进行灰度均一化处理,得到左眼均一化图像和右眼均一化图像;分别对所述左眼均一化图像和所述右眼均一化图像进行超分辨率重建,得到左眼重建图像和右眼重建图像;分别获取待测点在所述左眼重建图像上的对应点的坐标值和所述待测点在所述右眼重建图像上的对应点的坐标值,得到左眼图像测量点坐标值和右眼图像测量点坐标值;根据所述左眼图像测量点坐标值和所述右眼图像测量点坐标值,得到空间中两点之间的距离值。本实施例提供的所述基于图像信息增强技术的测距方法可以将摄像机拍摄的图像进行均一化处理和超分辨率重建,以使所述待测点在所述左眼重建图像上的对应点的坐标值,以及所述待测点在所述右眼重建图像上的对应点的坐标值更精确。进而,基于超分辨率重建图像分析得到的空间中两点之间的距离值也更加精确。
请参见图2,在本申请的一个实施例中,S200包括:
S210,分别对所述左眼图像和所述右眼图像进行归一化处理,得到左眼图像灰度归一值和右眼图像灰度归一值。
S210包括:
根据公式u1(m1,m2)=v1(m1,m2)/255确定所述左眼图像灰度均一值,其中,u1(m1,m2)代表所述左眼图像的灰度值归一化的结果,范围在0~1。v1(m1,m2)代表图像在坐标值为(m1,m2)点的灰度值;
根据公式u2(a1,a2)=v2(a1,a2)/255确定所述右眼图像灰度均一值,其中,u2(a1,a2)代表所述左眼图像的灰度值归一化的结果,范围在0~1,v2(a1,a2)代表图像在坐标值为(a1,a2)点的灰度值。
S220,分别对所述左眼图像灰度归一值和所述右眼图像灰度归一值进行取对数化处理,得到均一化处理后的所述左眼均一化图像和所述右眼均一化图像。
其中,S220包括:
S221,根据公式g1(m1,m2)=lg[1+9·u1(m1,m2)],对所述左眼图像灰度归一值进行取对数化处理,得到所述左眼均一化图像,其中,g1(m1,m2)代表所述左眼均一化图像,u1(m1,m2)代表所述左眼图像灰度归一值,(m1,m2)代表所述左眼图像中像素点的坐标值;
根据公式g2(a1,a2)=lg[1+9·u2(a1,a2)],对所述右眼图像灰度归一值进行取对数化处理,得到所述右眼均一化图像,其中,g2(a1,a2)代表所述右眼均一化图像,u2(a1,a2)代表所述右眼图像灰度归一值,(a1,a2)代表所述右眼图像中像素点的坐标值。
所述取对数化处理的目的是为了分别使所述左眼图像和所述右眼图像中的低灰度值部分增大,高灰度值部分压缩。
请参见图3,在本申请的一个实施例中,S300包括:
S310,分别对所述左眼均一化图像和所述右眼均一化图像进行插值,得到左眼信息增强初始图和右眼信息增强初始图。
所述插值的目的是为了使所述左眼均一化图像和所述右眼均一化图像的分辨率成倍增加,其中,所述插值也可以理解为插值算法。
S320,分别对所述左眼信息增强初始图和所述右眼信息增强初始图进行修正,得到所述左眼重建图像和所述右眼重建图像。
需要说明的是,所述修正指的是分别对所述左眼信息跟强初始图和所述右眼信息增强初始图中像素点的残差值大于所述阈值的所有像素点进行修正。所述阈值的值越小,所述修正的结果越好。
可以理解的是,所述左眼重建图像和所述右眼重建图像分别相对于所述左眼均一化图像和所述右眼均一化图像,其分辨率已经大幅增加。因此,所述左眼重建图像和所述右眼重建图像中的像素点的坐标值更加精确,通过所述左眼重建图像和所述右眼重建图像进行匹配,得到的所述第一待测点和所述第二待测点之间的距离值更加精确。需要说明的是,所述第一待测点和所述第二待测点根据实际需要选择,为空间中的两点。。
请参见图4,在本申请的一个实施例中,S320包括:
S321,分别获取所述左眼信息增强初始图和所述右眼信息增强初始图中所有像素点的残差值,得到左眼像素点残差值和右眼像素点残差值;
S321包括:
根据公式得到所述左眼像素点残差值。其中,r1(m1,m2)代表像素点坐标值为(m1,m2)的像素点的残差值。可以理解的是,(m1,m2)可以代表所述左眼信息增强初始图中的任意一个像素点。g1(m1,m2)所述左眼均一化图像,f1(n1,n2)代表所述左眼信息增强初始图,h1(m1,m2:n1,n2)代表点扩展函数,所述点扩展函数的算法如下:
设有L帧M*N的低分辨率图像序列,要重建到2M*2N的高分辨率图像,假设点扩展函数是线性移不变的,其影响范围是±1个像素,4*4窗口,(x,y)为窗口内的像素坐标,低分辨率图像中的点(m1,m2)映射在参考帧的点的位置是(n1,n2),则点扩展函数为:
S321还包括:
根据公式得到所述右眼像素点残差值。其中,r2(a1,a2)代表像素点坐标值为(a1,a2)的像素点的残差值。可以理解的是,(a1,a2)可以代表所述右眼信息增强初始图中的任意一个像素点。g2(a1,a2)所述右眼均一化图像,f2(b1,b2)代表所述右眼信息增强初始图,h2(a1,a2:b1,b2)代表点扩展函数,所述点扩展函数的算法如下:
设有L帧M*N的低分辨率图像序列,要重建到2M*2N的高分辨率图像,假设点扩展函数是线性移不变的,其影响范围是±1个像素,4*4窗口,(x,y)为窗口内的像素坐标,低分辨率图像中的点(a1,a2)映射在参考帧的点的位置是(b1,b2),则点扩展函数为:
S322,通过凸集投影算法对所述左眼像素点残差值的绝对值超过阈值的左眼像素点进行修正,得到所述左眼重建图像。
S322包括:
根据公式Cm1,m2={f1(n1,n2):|r1(m1,m2)|≤δ0对所述左眼像素点残差值的绝对值超过所述阈值的左眼像素点进行修正,得到所述左眼重建图像。其中,表示灰度一致性约束凸集,δ0表示所述阈值。
S323,通过凸集投影算法对所述右眼像素点残差值的绝对值超过阈值的右眼像素点进行修正,得到所述右眼重建图像。
本实施例提供的方法可以分别将所述左眼信息增强初始图和所述右眼信息增强初始图中的部分像素点进行修正。所述部分像素点指的是像素点残差值的绝对值超过所述阈值的像素点。
在本申请的一个实施例中,S322包括:
根据公式对所述左眼待修正像素点进行修正;其中,F1(n1,n2)代表所述左眼重建图像,f1(n1,n2)代表所述左眼局部信息增强图,r1(m1,m2)代表所述左眼像素点残差值,δ0代表所述阈值,h1(m1,m2:n1,n2)代表点扩展函数,(m1,m2)代表所述左眼像素点在所述左眼均一化图像上的坐标值,(n1,n2)代表所述左眼像素点在所述左眼信息增强初始图上的坐标值。
S323包括:
根据公式对所述右眼待修正像素点进行修正;其中,F2(c1,d1)代表所述右眼重建图像,f2(c1,d1)代表所述右眼局部信息增强图,r2(a1,b1)代表所述右眼像素点残差值,δ0代表所述阈值,h2(a1,b1:c1,d1)代表点扩展函数,(a1,b1)代表所述右眼像素点在所述右眼均一化图像上的坐标值,(c1,d1)代表所述右眼像素点在所述右眼信息增强初始图上的坐标值。
应该理解的是,虽然附图中的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,附图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
请参见图5,本申请还提供一种基于图像信息增强技术的测距装置10。所述基于图像信息增强技术的测距装置包括图像获取模块110、均一化处理模块120、超分辨率重建模块130、第一测量点获取模块140、第二测量点获取模块150、测量距离计算模块160。
所述图像获取模块110用于分别获取左眼图像和右眼图像。
所述均一化处理模块120用于分别对所述左眼图像和所述右眼图像进行灰度均一化处理,得到左眼均一化图像和右眼均一化图像。
所述均一化处理模块120还用于分别对所述左眼图像和所述右眼图像进行归一化处理,得到左眼图像灰度归一值和右眼图像灰度归一值;分别对所述左眼图像灰度归一值和所述右眼图像灰度归一值进行取对数化处理,得到均一化处理后的所述左眼均一化图像和所述右眼均一化图像。
其中,所述均一化处理模块120用于分别对所述左眼图像灰度归一值和所述右眼图像灰度归一值进行取对数化处理,得到均一化处理后的所述左眼均一化图像和所述右眼均一化图像包括:
根据公式g1(m1,m2)=lg[1+9·u1(m1,m2)],对所述左眼图像灰度归一值进行取对数化处理,得到所述左眼均一化图像,其中,g1(m1,m2)代表所述左眼均一化图像,u1(m1,m2)代表所述左眼图像灰度归一值,(m1,m2)代表所述左眼图像中像素点的坐标值;
根据公式g2(a1,a2)=lg[1+9·u2(a1,a2)],对所述右眼图像灰度归一值进行取对数化处理,得到所述右眼均一化图像,其中,g2(a1,a2)代表所述右眼均一化图像,u2(a1,a2)代表所述右眼图像灰度归一值,(a1,a2)代表所述右眼图像中像素点的坐标值。
所述超分辨率重建模块130用于对分别所述左眼均一化图像和所述右眼均一化图像进行超分辨率重建,得到左眼重建图像和右眼重建图像。所述超分辨率重建模块130还用于分别对所述左眼均一化图像和所述右眼均一化图像进行插值,得到左眼信息增强初始图和右眼信息增强初始图;分别对所述左眼信息增强初始图和所述右眼信息增强初始图进行修正,得到所述左眼重建图像和所述右眼重建图像。
其中,所述分别对所述左眼信息增强初始图和所述右眼信息增强初始图进行修正,得到所述左眼重建图像和所述右眼重建图像,包括:分别获取所述左眼信息增强初始图和所述右眼信息增强初始图中所有像素点的残差值,得到左眼像素点残差值和右眼像素点残差值;
通过凸集投影算法对所述左眼像素点残差值的绝对值超过阈值的左眼像素点进行修正,得到所述左眼重建图像;
通过凸集投影算法对所述右眼像素点残差值的绝对值超过阈值的右眼像素点进行修正,得到所述右眼重建图像。
其中,所述用于通过凸集投影算法对所述左眼像素点残差值的绝对值超过阈值的左眼像素点进行修正,得到所述左眼重建图像,包括:
对所述左眼像素点残差值的绝对值超过阈值的左眼像素点进行修正,得到所述左眼修正图像;包括:
根据公式对所述左眼待修正像素点进行修正;其中,F1(n1,n2)代表所述左眼重建图像,f1(n1,n2)代表所述左眼局部信息增强图,r1(m1,m2)代表所述左眼像素点残差值,δ0代表所述阈值,h1(m1,m2:n1,n2)代表点扩展函数,(m1,m2)代表所述左眼像素点在所述左眼均一化图像上的坐标值,(n1,n2)代表所述左眼像素点在所述左眼信息增强初始图上的坐标值。
对所述右眼像素点残差值的绝对值超过阈值的右眼像素点进行修正,得到所述右眼修正图像,包括:
根据公式对所述右眼待修正像素点进行修正;其中,F2(c1,d1)代表所述右眼重建图像,f2(c1,d1)代表所述右眼局部信息增强图,r2(a1,b1)代表所述右眼像素点残差值,δ0代表所述阈值,h2(a1,b1:c1,d1)代表点扩展函数,(a1,b1)代表所述右眼像素点在所述右眼均一化图像上的坐标值,(c1,d1)代表所述右眼像素点在所述右眼信息增强初始图上的坐标值。
第一测量点获取模块140用于分别获取第一待测点在所述左眼重建图像上的对应点的坐标值和所述待测点在所述右眼重建图像上的对应点的坐标值,得到左眼图像第一测量点坐标值和右眼图像第一测量点坐标值;
第二测量点获取模块150用于分别获取第二待测点在所述左眼重建图像和所述右眼重建图像的对应点的坐标值,得到左眼图像第二测量点坐标值和右眼图像第二测量点坐标值。
所述测量距离计算模块160根据所述左眼图像测量点坐标值和所述右眼图像测量点坐标值,分别确定所述第一待测点和所述第二待测点的三维坐标,得到所述第一待测点和所述第二待测点之间的距离值。
以上提供的基于图形信息增强技术的测距装置的结构如图5所示,所述基于图形信息增强技术的测距装置10的工作原理如所述基于图像信息增强技术的测距方法的实施例所述,在此不再赘述。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种重合闸控制方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
分别获取左眼图像和右眼图像;
分别对所述左眼图像和所述右眼图像进行灰度均一化处理,得到左眼均一化图像和右眼均一化图像;
分别对所述左眼均一化图像和所述右眼均一化图像进行超分辨率重建,得到左眼重建图像和右眼重建图像;
分别获取第一待测点在所述左眼重建图像和所述右眼重建图像的对应点的坐标值,得到左眼图像第一测量点坐标值和右眼图像第一测量点坐标值;
分别获取第二待测点在所述左眼重建图像和所述右眼重建图像的对应点的坐标值,得到左眼图像第二测量点坐标值和右眼图像第二测量点坐标值;根据所述左眼图像测量点坐标值和所述右眼图像测量点坐标值,分别确定所述第一待测点和所述第二待测点的三维坐标,得到所述第一待测点和所述第二待测点之间的距离值。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
分别对所述左眼图像和所述右眼图像进行归一化处理,得到左眼图像灰度归一值和右眼图像灰度归一值;
分别对所述左眼图像灰度归一值和所述右眼图像灰度归一值进行取对数化处理,得到均一化处理后的所述左眼均一化图像和所述右眼均一化图像。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
根据公式g1(m1,m2)=lg[1+9·u1(m1,m2)],对所述左眼图像灰度归一值进行取对数化处理,得到所述左眼均一化图像,其中,g1(m1,m2)代表所述左眼均一化图像,u1(m1,m2)代表所述左眼图像灰度归一值,(m1,m2)代表所述左眼图像中像素点的坐标值;
根据公式g2(a1,a2)=lg[1+9·u2(a1,a2)],对所述右眼图像灰度归一值进行取对数化处理,得到所述右眼均一化图像,其中,g2(a1,a2)代表所述右眼均一化图像,u2(a1,a2)代表所述右眼图像灰度归一值,(a1,a2)代表所述右眼图像中像素点的坐标值。在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
分别对所述左眼均一化图像和所述右眼均一化图像进行插值,得到左眼信息增强初始图和右眼信息增强初始图;
分别对所述左眼信息增强初始图和所述右眼信息增强初始图进行修正,得到所述左眼重建图像和所述右眼重建图像。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
分别获取所述左眼信息增强初始图和所述右眼信息增强初始图中所有像素点的残差值,得到左眼像素点残差值和右眼像素点残差值;
通过凸集投影算法对所述左眼像素点残差值的绝对值超过阈值的左眼像素点进行修正,得到所述左眼重建图像;
通过凸集投影算法对所述右眼像素点残差值的绝对值超过阈值的右眼像素点进行修正,得到所述右眼重建图像。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
根据公式对所述左眼待修正像素点进行修正;其中,F1(n1,n2)代表所述左眼重建图像,f1(n1,n2)代表所述左眼局部信息增强图,r1(m1,m2)代表所述左眼像素点残差值,δ0代表所述阈值,h1(m1,m2:n1,n2)代表点扩展函数,(m1,m2)代表所述左眼像素点在所述左眼均一化图像上的坐标值,(n1,n2)代表所述左眼像素点在所述左眼信息增强初始图上的坐标值。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
根据公式对所述右眼待修正像素点进行修正;其中,F2(c1,d1)代表所述右眼重建图像,f2(c1,d1)代表所述右眼局部信息增强图,r2(a1,b1)代表所述右眼像素点残差值,δ0代表所述阈值,h2(a1,b1:c1,d1)代表点扩展函数,(a1,b1)代表所述右眼像素点在所述右眼均一化图像上的坐标值,(c1,d1)代表所述右眼像素点在所述右眼信息增强初始图上的坐标值。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (6)
1.一种基于图像信息增强技术的测距方法,其特征在于,包括:
分别获取左眼图像和右眼图像;
分别对所述左眼图像和所述右眼图像进行归一化处理,得到左眼图像灰度归一值和右眼图像灰度归一值;根据公式g1(m1,m2)=lg[1+9·u1(m1,m2)],对所述左眼图像灰度归一值进行取对数化处理,得到左眼均一化图像,其中,g1(m1,m2)代表所述左眼均一化图像,u1(m1,m2)代表所述左眼图像灰度归一值,(m1,m2)代表所述左眼图像中像素点的坐标值;根据公式g2(a1,a2)=lg[1+9·u2(a1,a2)],对所述右眼图像灰度归一值进行取对数化处理,得到右眼均一化图像,其中,g2(a1,a2)代表所述右眼均一化图像,u2(a1,a2)代表所述右眼图像灰度归一值,(a1,a2)代表所述右眼图像中像素点的坐标值;
分别对所述左眼均一化图像和所述右眼均一化图像进行插值,得到左眼信息增强初始图和右眼信息增强初始图;分别获取所述左眼信息增强初始图和所述右眼信息增强初始图中所有像素点的残差值,得到左眼像素点残差值和右眼像素点残差值;通过凸集投影算法对所述左眼像素点残差值的绝对值超过阈值的左眼像素点进行修正,得到所述左眼重建图像;通过凸集投影算法对所述右眼像素点残差值的绝对值超过阈值的右眼像素点进行修正,得到所述右眼重建图像;
分别获取第一待测点在所述左眼重建图像和所述右眼重建图像的对应点的坐标值,得到左眼图像第一测量点坐标值和右眼图像第一测量点坐标值;
分别获取第二待测点在所述左眼重建图像和所述右眼重建图像的对应点的坐标值,得到左眼图像第二测量点坐标值和右眼图像第二测量点坐标值;
4.一种基于图像信息增强技术的测距装置,其特征在于,包括:
图像获取模块,用于分别获取左眼图像和右眼图像;
均一化处理模块,用于分别对所述左眼图像和所述右眼图像进行归一化处理,得到左眼图像灰度归一值和右眼图像灰度归一值;根据公式g1(m1,m2)=lg[1+9·u1(m1,m2)],对所述左眼图像灰度归一值进行取对数化处理,得到左眼均一化图像,其中,g1(m1,m2)代表所述左眼均一化图像,u1(m1,m2)代表所述左眼图像灰度归一值,(m1,m2)代表所述左眼图像中像素点的坐标值;根据公式g2(a1,a2)=lg[1+9·u2(a1,a2)],对所述右眼图像灰度归一值进行取对数化处理,得到右眼均一化图像,其中,g2(a1,a2)代表所述右眼均一化图像,u2(a1,a2)代表所述右眼图像灰度归一值,(a1,a2)代表所述右眼图像中像素点的坐标值;
超分辨率重建模块,用于分别对所述左眼均一化图像和所述右眼均一化图像进行插值,得到左眼信息增强初始图和右眼信息增强初始图;分别获取所述左眼信息增强初始图和所述右眼信息增强初始图中所有像素点的残差值,得到左眼像素点残差值和右眼像素点残差值;通过凸集投影算法对所述左眼像素点残差值的绝对值超过阈值的左眼像素点进行修正,得到所述左眼重建图像;通过凸集投影算法对所述右眼像素点残差值的绝对值超过阈值的右眼像素点进行修正,得到所述右眼重建图像;
第一测量点获取模块,用于分别获取第一待测点在所述左眼重建图像和所述右眼重建图像的对应点的坐标值,得到左眼图像第一测量点坐标值和右眼图像第一测量点坐标值;
第二测量点获取模块,用于分别获取第二待测点在所述左眼重建图像和所述右眼重建图像的对应点的坐标值,得到左眼图像第二测量点坐标值和右眼图像第二测量点坐标值;
测量距离计算模块,用于根据所述左眼图像测量点坐标值和所述右眼图像测量点坐标值,分别确定所述第一待测点和所述第二待测点的三维坐标,得到所述第一待测点和所述第二待测点之间的距离值。
5.一种计算机设备,包括存储器及处理器,所述存储器中储存有计算机程序,其特征在于,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至3中任一项所述的基于图像信息增强技术的测距方法的步骤。
6.一种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至3中任一项所述的基于图像信息增强技术的测距方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911041735.8A CN110910436B (zh) | 2019-10-30 | 2019-10-30 | 基于图像信息增强技术的测距方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911041735.8A CN110910436B (zh) | 2019-10-30 | 2019-10-30 | 基于图像信息增强技术的测距方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110910436A CN110910436A (zh) | 2020-03-24 |
CN110910436B true CN110910436B (zh) | 2022-10-28 |
Family
ID=69815745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911041735.8A Active CN110910436B (zh) | 2019-10-30 | 2019-10-30 | 基于图像信息增强技术的测距方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110910436B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112184555B (zh) * | 2020-10-21 | 2022-07-19 | 天津大学 | 一种基于深度交互学习的立体图像超分辨率重建方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105258673A (zh) * | 2015-11-02 | 2016-01-20 | 南京航空航天大学 | 一种基于双目合成孔径聚焦图像的目标测距方法、装置 |
CN109931906A (zh) * | 2019-03-28 | 2019-06-25 | 杭州华雁云态信息技术有限公司 | 摄像机测距方法、装置以及电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109949255B (zh) * | 2017-12-20 | 2023-07-28 | 华为技术有限公司 | 图像重建方法及设备 |
-
2019
- 2019-10-30 CN CN201911041735.8A patent/CN110910436B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105258673A (zh) * | 2015-11-02 | 2016-01-20 | 南京航空航天大学 | 一种基于双目合成孔径聚焦图像的目标测距方法、装置 |
CN109931906A (zh) * | 2019-03-28 | 2019-06-25 | 杭州华雁云态信息技术有限公司 | 摄像机测距方法、装置以及电子设备 |
Non-Patent Citations (3)
Title |
---|
基于凸集投影算法的文档图像超分辨率研究;张丽媛;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑(月刊)》;20150915;第43-47、57-60页 * |
基于差异的图像特征描述及其在绝缘子识别中的应用;高强 等;《电测与仪表》;20150210;第52卷(第3期);第118页 * |
红外双目测距技术研究与应用;王丽;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑(月刊)》;20160315;第33-35页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110910436A (zh) | 2020-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111192356B (zh) | 感兴趣区域的显示方法、装置、设备和存储介质 | |
CN111353969B (zh) | 道路可行驶区域的确定方法、装置及计算机设备 | |
JP4917351B2 (ja) | 3次元形状測定装置におけるキャリブレーション方法 | |
KR20190028794A (ko) | GPU 기반 TFT-LCD Mura 결함 탐지 방법 | |
US20130278596A1 (en) | Image generation apparatus, image display apparatus, image generation method and non-transitory computer readable medium | |
CN109934262B (zh) | 图片差异性判断方法、装置、计算机设备和存储介质 | |
CN111161269B (zh) | 图像分割方法、计算机设备和可读存储介质 | |
CN109886279B (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
CN110473233B (zh) | 配准方法、计算机设备和存储介质 | |
CN110910436B (zh) | 基于图像信息增强技术的测距方法、装置、设备和介质 | |
CN113538271A (zh) | 图像显示方法、装置、电子设备和计算机可读存储介质 | |
EP3021278A1 (en) | High-resolution image generation device, high-resolution image generation method, and high-resolution image generation program | |
JP6645442B2 (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
CN107424583B (zh) | 异形图像的显示数据处理方法和系统 | |
CN117635444A (zh) | 基于辐射差和空间距离的深度补全方法、装置和设备 | |
US20120038785A1 (en) | Method for producing high resolution image | |
CN111325683A (zh) | 基于复合编码三维重建的散斑灰度校正方法和装置 | |
CN115619678B (zh) | 一种图像变形的矫正方法、装置、计算机设备及存储介质 | |
CN116777769A (zh) | 畸变图像的校正方法及装置、电子设备、存储介质 | |
JP2011133954A (ja) | エッジ抽出方法及びエッジ抽出装置 | |
CN111652245A (zh) | 车辆轮廓检测方法、装置、计算机设备及存储介质 | |
CN111079523A (zh) | 物体检测方法、装置、计算机设备和存储介质 | |
CN110533663B (zh) | 一种图像视差确定方法、装置、设备及系统 | |
CN113793402B (zh) | 图像渲染方法、装置、电子设备及存储介质 | |
CN110853087B (zh) | 一种视差估计方法、装置、存储介质及终端 |
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 |