CN111398986B - 基于标志帧的帧相关选通三维成像方法及成像系统 - Google Patents
基于标志帧的帧相关选通三维成像方法及成像系统 Download PDFInfo
- Publication number
- CN111398986B CN111398986B CN202010257872.1A CN202010257872A CN111398986B CN 111398986 B CN111398986 B CN 111398986B CN 202010257872 A CN202010257872 A CN 202010257872A CN 111398986 B CN111398986 B CN 111398986B
- Authority
- CN
- China
- Prior art keywords
- frame
- background
- image
- images
- information
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
- G01S17/10—Systems determining position data of a target for measuring distance only using transmission of interrupted, pulse-modulated waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/483—Details of pulse systems
- G01S7/486—Receivers
- G01S7/4861—Circuits for detection, sampling, integration or read-out
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
一种基于标志帧的帧相关选通三维成像方法,包括以下步骤:对目标采集(2N+1)×M帧图像,其中2N帧图像是信息帧,1帧图像是背景帧,M是循环次数;当M=1,N=1时,对背景帧图像和两信息帧图像分别计算灰度平均值;比较三帧图像的灰度平均值,寻找最小值对应的图像;将灰度平均最小值与全局最小值求差,若小于全局阈值,则该帧图像定义为标志帧G帧;利用标志帧依次确定信息帧A、B帧图像;将A、B帧图像分别与G帧图像求差,去除背景光噪声;对A、B帧图像进行三维重建,得到目标三维图像。采用背景帧作为标志帧对信息帧进行分类,实现选通成像系统自动识别A帧和B帧,并进行在线三维重建工作,实时获取目标的三维图像,适用性好。
Description
技术领域
本发明涉及三维成像技术领域,具体涉及一种基于标志帧的帧相关选通三维成像方法及成像系统。
背景技术
距离选通三维成像是一种主动照明的三维成像技术,可广泛用于远距离夜视侦察、城市反恐、三维测绘等领域。距离选通中的超分辨率三维成像利用回波展宽效应构造满足特定几何形状的距离能量包络,通过两幅图像或多幅编码图像反演获得目标的三维信息,具有实时性好、距离分辨率高、作用距离远等特点。但是,超分辨三维成像方法使用的图像需进行信息分类和背景滤除,这要求采集图像过程中需进行实时背景帧图像和信息帧图像分类工作。采集的三帧图像未进行信息帧分类,两幅图像中目标信息无法对应,导致在进行超分辨率三维重建过程中,回波展宽效应构造的距离能量包络无法作用在有效目标,求取错误的目标三维信息。因此,针对在线实时超分辨率三维成像无法得到准确的目标三维信息,无法实现三维重建工作。
发明内容
有鉴于此,本发明的主要目的在于提供一种基于标志帧的帧相关选通三维成像方法及成像系统,以期至少部分地解决上述技术问题中的至少之一。
为了实现上述目的,作为本发明的一方面,提供了一种基于标志帧的帧相关选通三维成像方法,包括以下步骤:
步骤1:对目标采集(2N+1)×M帧图像,其中2N帧图像是信息帧,1帧图像是背景帧,M是循环次数;
步骤2:当M=1,N=1时,对背景帧图像和两信息帧图像分别计算灰度平均值;
步骤3:比较背景帧图像和两信息帧图像的灰度平均值,寻找最小值对应的图像;
步骤4:将灰度平均最小值与全局最小值求差,若小于全局阈值,则该帧图像定义为标志帧G帧;
步骤5:利用标志帧依次确定信息帧A、B帧图像;
步骤6:将A、B帧图像分别与G帧图像求差,去除背景光噪声;
步骤7:对A、B帧图像进行三维重建,得到目标三维图像。
其中,所述步骤1中:2N个信息帧图像流循环后出现一个背景帧图像,该背景帧图像后是2N个信息帧图像流循环,循环次数M为自然数。
其中,所述信息帧图像的数量是背景帧图像的数量的2N倍,其中N是自然数。
其中,所述步骤2中:三帧图像的灰度平均值等于图像中所选像素灰度值之和除以像素数,采用下采样进行像素选取。
其中,所述步骤3中:背景帧满足下述条件:
(1)背景帧的图像无激光能量进入成像器件;
(2)背景帧的平均灰度值小于信息帧。
其中,所述步骤4中:全局灰度最小值为动态值,若当前帧灰度平均值小于全局灰度最小值,则全局灰度最小值更新为当前帧灰度平均值;
所述全局阈值为自适应阈值,其中为全局灰度最小值和信息帧最小灰度平均值的中值。
其中,所述步骤5中:时序板发送时域参数顺序是A帧、B帧、背景帧,确定背景帧为标志帧后,背景帧前一帧为B帧,背景帧后一帧为A帧。
其中,所述步骤6中:信息帧A帧与背景帧各像素求灰度差,得到去除背景光的A帧图像;信息帧B帧与背景帧各像素求灰度差,得到去除背景光的B帧图像。
其中,所述步骤7中:利用三角形或梯形超分辨率三维成像算法对A帧图像和B帧图像进行三维反演,得到三维图像。
作为本发明的另一方面,还提供了一种基于标志帧的帧相关选通三维成像系统,包括脉冲激光器、选通成像器件和时序控制器,其中,脉冲激光器发射激光脉冲,对目标进行照明,形成反向传播的回波信号,通过时序控制器控制脉冲激光器和选通成像器件,选择合适的工作时序,利用选通成像器件采集回波信号,得到连续(2N+1)×M帧图像,其中2N帧是信息帧图像,1帧是背景帧图像,M是时序循环次数,信息帧采集到激光回波信息,背景帧无激光回波信号;
所述脉冲激光器为半导体激光器或固体激光器;
所述选通成像器件为ICCD或ICMOS。
基于上述技术方案可知,本发明的基于标志帧的帧相关选通三维成像方法及成像系统相对于现有技术至少具有如下有益效果之一:
(1)采用背景帧作为标志帧对信息帧进行分类,实现选通成像系统自动识别A帧和B帧,并进行在线三维重建工作,实时获取目标的三维图像,适用性好;
(2)利用信息帧和背景帧去除背景光干扰,提高系统对背景光的抗干扰能力。
附图说明
图1a为本发明实施例中成像系统采集图像的示意图;
图1b为本发明实施例中标志帧和信息帧视频流的示意图;
图1c为本发明实施例中标志帧和信息帧灰度值的示意图;
图2为本发明实施例中基于标志帧的帧相关选通三维成像方法流程图;
图3为采集获得的连续3帧二维图像;
图4为信息帧分类后的二维图像;
图5为三维图像。
具体实施方式
本发明公开了一种基于标志帧的帧相关选通三维成像方法,对目标采集连续(2N+1)×M帧图像,其中2N帧是信息帧图像,1帧是背景帧图像,M是时序循环次数;对当前帧图像和前两帧图像计算灰度平均值;比较各帧图像灰度平均值,结合全局最小值,判读出背景帧作为标志帧G帧;利用标志帧对信息帧进行分类为A帧和B帧;利用信息帧与背景帧求差去除背景光噪声,得到无背景光干扰的A帧和B帧图像;对A、B帧图像进行超分辨率三维重建,实现目标的三维成像,该方法对背景干扰光要求不高,可在线实时三维成像,适用性好。
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明作进一步的详细说明。
本发明中图像采集所用成像系统主要由脉冲激光器、选通成像器件和时序控制器组成。其中脉冲激光器可以为半导体激光器、固体激光器等激光器,优选半导体激光器,选通成像器件可以为ICCD、ICMOS等,优选为ICCD。如图1a所示脉冲激光器发射激光脉冲,对目标进行照明,形成反向传播的回波信号,通过时序控制器控制脉冲激光器和选通成像器件,选择合适的工作时序,利用选通成像器件采集回波信号,得到连续(2N+1)×M帧图像,其中2N帧是信息帧图像,1帧是背景帧图像,M是时序循环次数,信息帧采集到激光回波信息,背景帧无激光回波信号。图1b给出获得相邻信息帧图像利用距离能量相关算法算法获取三维图像,图1c给出信息帧图像和背景帧图像的灰度值曲线。
具体的,如图2所示,本发明提供的基于标志帧的帧相关选通三维成像方法具体为:
步骤1:对目标采集(2N+1)×M帧图像,其中2N帧图像是信息帧,1帧图像是背景标志帧,M是循环次数;
成像系统中的脉冲激光器发射激光脉冲,对目标进行照明,形成后向传播的回波信号,通过时序控制器控制成像系统中的脉冲激光器和选通成像器件,选择合适的工作时序,利用选通成像器件采集回波信号,得到三帧图像,其中2N为信息帧,一帧为背景帧,M是循环次数。
步骤2:当M=1,N=1时,对背景帧图像和两信息帧图像分别计算灰度平均值;
首先,三帧图像的灰度平均值通过遍历图像求取各像素灰度值之和,接着除以像素数得到,采用下采样的方式,减少计算时间,提高运算速度。
步骤3:比较三帧图像的灰度平均值,寻找最小值对应的图像;
背景帧图像相对与信息帧图像,因无激光回波信号,固其图像整体亮度最低,灰度平均值最小,通过对比法判断灰度平均值,寻找背景帧图像作为标志帧,方法如下:
以当前帧图像灰度平均值和前二帧图像灰度平均值进行大小比较,若当前帧的值为最小值,则当前帧图像列为备选背景帧图像;若当前帧的值不为最小值,则此帧为信息帧图像,该信息帧图像的分类根据前一帧图像定义,满足:
a)若前一信息帧为A帧,则此帧为B帧;
b)若前一信息帧为B帧,则此帧为A帧;
步骤4:将灰度平均最小值与全局最小值求差,若小于全局阈值,则该帧图像定义为标志帧G帧;
将备选背景帧图像的灰度平均值与全局最小值求差,其差值小于全局阈值,则当前帧图像为标志帧G帧;全局阈值为自适应全局阈值,其大小为信息帧的最小值和全局最小值的中值。
步骤5:利用标志帧G帧对其余两帧信息帧进行A帧和B帧分类;
不同帧型图像由时序板发送不同的时域信息进行控制,发送的顺序为A帧、B帧、背景G帧,因此,背景G帧前一帧为B帧,后一帧为A帧,如图3所示。对信息帧进行分类分为以下三种情况:
a:若第一帧为背景G帧,则第二帧为A帧,第三帧为B帧;
b:若第二帧为背景G帧,则第三帧为A帧,第一帧为B帧;
c:若第三帧为背景G帧,则第一帧为A帧,第二帧为B帧;
步骤6:对信息帧进行背景滤除,分别对A帧和B帧与背景帧进行灰度求差处理;
信息帧图像的灰度信息包含激光反射能量和背景光干扰,背景帧图像的灰度信息仅为背景光干扰。背景光不仅会降低二维灰度图像的对比度,而且会对三维反演造成干扰,需进行背景信息光滤除,本方法采用逐像素求差法对背景光进行滤除,具体如下:
a:将A帧图像与背景G帧图像逐像素灰度求差,得到无背景光A帧图像;
b:将B帧图像与背景G帧图像逐像素灰度求差,得到无背景光B帧图像;
步骤7:对A、B帧图像进行超分辨率三维重建,由公式(1)获得目标的三维图像;
最后对两幅图像利用三角形或梯形超分辨率三维成像算法获取目标三维信息。超分辨率三维成像是通过回波展宽效应构造满足特定几何形状的距离能量包络,通过两幅空间交叠的切片图像间的距离能量相关性建立像素灰度比与距离能量比的映射关系,利用三维反演算法获取目标距离信息,而后根据几何透射投影理论便可反演获得每个像素对应的空间单元的三维空间信息,进而实现三维重建。
上述的获得目标三维距离后,根据几何透射投影理论便可反演获得每个像素对应的空间单元的三维空间信息为:
公式(1)中,f为成像系统的焦距,该焦距可由成像镜头的出场参数获得,xi和yj为选通图像中第i行第j列像素在像平面坐标系下的x轴和y轴像素坐标,Xi、Yj和Zi,j为选通图像中第i行第j列像素在摄像机坐标系下对应的空间单元的三维空间坐标,ri,j为选通图像中第i行第j列像素对应的空间距离,I为总行数,J为总列数。
步骤8:完毕,输出目标的三维图像。
为了验证本发明的有效性,以下对图2中所示的方法进行了实例验证。图3为利用图像采集系统拍摄实物的三帧灰度图,其中两帧为信息帧,一帧为背景帧,但无法确定具体A帧、B帧和背景帧。图4为利用基于标志帧进行信息帧分类,获得正确的A、B帧图像并进行背景滤除,可得到目标三维有效信息,如图5所示,目标距离成像设备的距离为55m。从图3、图4、图5中看出,利用基于标志帧的帧相关选通三维成像方法可用于有背景光干扰下高分辨率三维实时成像工作。
本领域技术人员应当理解,尽管本发明实施例中步骤III、IV以三帧图像为基准,进行信息帧分类;本发明同样可以四帧图像及以上为基准,对信息帧分类进行三维重建工作。
实施例中提到的顺序用语,例如“A帧”、“B帧”、“G帧”等,仅是参考附图的顺序,并非用来限制本发明的保护范围。并且上述实施例可基于设计及可靠度的考虑,彼此混合搭配使用或与其他实施例混合搭配使用,即不同实施例中的技术特征可以自由组合形成更多的实施例。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (16)
1.一种基于标志帧的帧相关选通三维成像方法,其特征在于,包括以下步骤:
步骤1:对目标采集(2N+1)×M帧图像,其中2N帧图像是信息帧,1帧图像是背景帧,M是循环次数;
步骤2:当M=1,N=1时,对背景帧图像和两信息帧图像分别计算灰度平均值;
步骤3:比较背景帧图像和两信息帧图像的灰度平均值,寻找灰度平均最小值对应的图像;
步骤4:将灰度平均最小值与全局灰度最小值求差,若差值小于全局阈值,则该灰度平均最小值对应的帧图像定义为标志帧G帧,其中,所述全局灰度最小值为动态值,若当前帧灰度平均值小于所述全局灰度最小值,则所述全局灰度最小值更新为所述当前帧灰度平均值;所述全局阈值为自适应阈值,所述全局阈值的大小为所述全局灰度最小值和信息帧最小灰度平均值的中值;
步骤5:利用标志帧依次确定信息帧A、B帧图像;
步骤6:将A、B帧图像分别与G帧图像求差,去除背景光噪声;
步骤7:对A、B帧图像进行三维重建,得到目标三维图像。
2.根据权利要求1所述的基于标志帧的帧相关选通三维成像方法,其特征在于,所述步骤1中:2N个信息帧图像流循环后出现一个背景帧图像,该背景帧图像后是2N个信息帧图像流循环,循环次数M为自然数。
3.根据权利要求1所述的基于标志帧的帧相关选通三维成像方法,其特征在于,所述信息帧图像的数量是背景帧图像的数量的2N倍,其中N是自然数。
4.根据权利要求1所述的基于标志帧的帧相关选通三维成像方法,其特征在于,所述步骤2中:三帧图像的灰度平均值等于图像中所选像素灰度值之和除以像素数,采用下采样进行像素选取。
5.根据权利要求1所述的基于标志帧的帧相关选通三维成像方法,其特征在于,所述步骤3中:背景帧满足下述条件:
(1)背景帧的图像无激光能量进入成像器件;
(2)背景帧的平均灰度值小于信息帧。
6.根据权利要求1所述的基于标志帧的帧相关选通三维成像方法,其特征在于,所述步骤5中:时序板发送时域参数顺序是A帧、B帧、背景帧,确定背景帧为标志帧后,背景帧前一帧为B帧,背景帧后一帧为A帧。
7.根据权利要求1所述的基于标志帧的帧相关选通三维成像方法,其特征在于,所述步骤6中:信息帧A帧与背景帧各像素求灰度差,得到去除背景光的A帧图像;信息帧B帧与背景帧各像素求灰度差,得到去除背景光的B帧图像。
8.根据权利要求1所述的基于标志帧的帧相关选通三维成像方法,其特征在于,所述步骤7中:利用三角形或梯形超分辨率三维成像算法对A帧图像和B帧图像进行三维反演,得到三维图像。
9.一种基于标志帧的帧相关选通三维成像系统,其特征在于,包括脉冲激光器、选通成像器件和时序控制器,其中,脉冲激光器发射激光脉冲,对目标进行照明,形成反向传播的回波信号,通过时序控制器控制脉冲激光器和选通成像器件,选择合适的工作时序,利用选通成像器件采集回波信号,得到连续(2N+1)×M帧图像,其中2N帧是信息帧图像,1帧是背景帧图像,M是时序循环次数,信息帧采集到激光回波信息,背景帧无激光回波信号;
所述脉冲激光器为半导体激光器或固体激光器;
所述选通成像器件为ICCD或ICMOS;
所述基于标志帧的帧相关选通三维成像系统用于执行如下步骤:
步骤1:对目标采集(2N+1)×M帧图像,其中2N帧图像是信息帧,1帧图像是背景帧,M是循环次数;
步骤2:当M=1,N=1时,对背景帧图像和两信息帧图像分别计算灰度平均值;
步骤3:比较背景帧图像和两信息帧图像的灰度平均值,寻找灰度平均最小值对应的图像;
步骤4:将灰度平均最小值与全局灰度最小值求差,若差值小于全局阈值,则该灰度平均最小值对应的帧图像定义为标志帧G帧,其中,所述全局灰度最小值为动态值,若当前帧灰度平均值小于所述全局灰度最小值,则所述全局灰度最小值更新为所述当前帧灰度平均值;所述全局阈值为自适应阈值,所述全局阈值的大小为所述全局灰度最小值和信息帧最小灰度平均值的中值;
步骤5:利用标志帧依次确定信息帧A、B帧图像;
步骤6:将A、B帧图像分别与G帧图像求差,去除背景光噪声;
步骤7:对A、B帧图像进行三维重建,得到目标三维图像。
10.根据权利要求9所述的基于标志帧的帧相关选通三维成像系统,其特征在于,所述步骤1中:2N个信息帧图像流循环后出现一个背景帧图像,该背景帧图像后是2N个信息帧图像流循环,循环次数M为自然数。
11.根据权利要求9所述的基于标志帧的帧相关选通三维成像系统,其特征在于,所述信息帧图像的数量是背景帧图像的数量的2N倍,其中N是自然数。
12.根据权利要求9所述的基于标志帧的帧相关选通三维成像系统,其特征在于,所述步骤2中:三帧图像的灰度平均值等于图像中所选像素灰度值之和除以像素数,采用下采样进行像素选取。
13.根据权利要求9所述的基于标志帧的帧相关选通三维成像系统,其特征在于,所述步骤3中:背景帧满足下述条件:
(1)背景帧的图像无激光能量进入成像器件;
(2)背景帧的平均灰度值小于信息帧。
14.根据权利要求9所述的基于标志帧的帧相关选通三维成像系统,其特征在于,所述步骤5中:时序板发送时域参数顺序是A帧、B帧、背景帧,确定背景帧为标志帧后,背景帧前一帧为B帧,背景帧后一帧为A帧。
15.根据权利要求9所述的基于标志帧的帧相关选通三维成像系统,其特征在于,所述步骤6中:信息帧A帧与背景帧各像素求灰度差,得到去除背景光的A帧图像;信息帧B帧与背景帧各像素求灰度差,得到去除背景光的B帧图像。
16.根据权利要求9所述的基于标志帧的帧相关选通三维成像系统,其特征在于,所述步骤7中:利用三角形或梯形超分辨率三维成像算法对A帧图像和B帧图像进行三维反演,得到三维图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010257872.1A CN111398986B (zh) | 2020-04-03 | 2020-04-03 | 基于标志帧的帧相关选通三维成像方法及成像系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010257872.1A CN111398986B (zh) | 2020-04-03 | 2020-04-03 | 基于标志帧的帧相关选通三维成像方法及成像系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111398986A CN111398986A (zh) | 2020-07-10 |
CN111398986B true CN111398986B (zh) | 2023-06-20 |
Family
ID=71436852
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010257872.1A Active CN111398986B (zh) | 2020-04-03 | 2020-04-03 | 基于标志帧的帧相关选通三维成像方法及成像系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111398986B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5164823A (en) * | 1990-12-21 | 1992-11-17 | Kaman Aerospace Corporation | Imaging lidar system employing multipulse single and multiple gating for single and stacked frames |
CN102136068A (zh) * | 2011-03-31 | 2011-07-27 | 中国科学院半导体研究所 | 基于平均灰度的距离选通图像有效信息区的提取方法 |
CN106872468A (zh) * | 2017-01-10 | 2017-06-20 | 中国科学院半导体研究所 | 激光差分成像探测方法及其装置 |
-
2020
- 2020-04-03 CN CN202010257872.1A patent/CN111398986B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5164823A (en) * | 1990-12-21 | 1992-11-17 | Kaman Aerospace Corporation | Imaging lidar system employing multipulse single and multiple gating for single and stacked frames |
CN102136068A (zh) * | 2011-03-31 | 2011-07-27 | 中国科学院半导体研究所 | 基于平均灰度的距离选通图像有效信息区的提取方法 |
CN106872468A (zh) * | 2017-01-10 | 2017-06-20 | 中国科学院半导体研究所 | 激光差分成像探测方法及其装置 |
Non-Patent Citations (3)
Title |
---|
Wang Xinwei 等.Multi-pulse time delay integration method for flexible 3D super-resolution range-gated imaging .《OPTICS EXPRESS》.2015,第23卷(第6期),第7820-7831页. * |
王新伟 等.水下超视距三角形距离能量相关三维成像.《红外与激光工程》.2018,第47 卷(第9期),第0903001-1-0903001-8页. * |
范有臣 等 .互相关算法在运动目标距离选通激光三维成像中的应用.《红外与激光工程》.2016,第45 卷(第6期),第0617003-1-0617003-9页. * |
Also Published As
Publication number | Publication date |
---|---|
CN111398986A (zh) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109215063B (zh) | 一种事件触发相机与三维激光雷达的配准方法 | |
CN101853528B (zh) | 一种手持式三维型面信息提取方法及其提取仪 | |
US5937079A (en) | Method for stereo image object detection | |
CN110689562A (zh) | 一种基于生成对抗网络的轨迹回环检测优化方法 | |
CN107784669A (zh) | 一种光斑提取及其质心确定的方法 | |
CN107370950B (zh) | 对焦处理方法、装置和移动终端 | |
CN111292369B (zh) | 激光雷达的伪点云数据生成方法 | |
CN110189265B (zh) | 距离能量相关三维成像超级像素修复方法 | |
CN114419568A (zh) | 一种基于特征融合的多视角行人检测方法 | |
CN111028271A (zh) | 基于人体骨架检测的多摄像机人员三维定位跟踪系统 | |
CN110334727A (zh) | 一种隧道裂缝智能匹配检测方法 | |
CN115375581A (zh) | 基于事件时空同步的动态视觉事件流降噪效果评价方法 | |
CN110378934A (zh) | 主体检测方法、装置、电子设备和计算机可读存储介质 | |
Babu et al. | An efficient image dahazing using Googlenet based convolution neural networks | |
CN111398986B (zh) | 基于标志帧的帧相关选通三维成像方法及成像系统 | |
JP2015019346A (ja) | 視差画像生成装置 | |
CN113160210A (zh) | 基于深度相机的排水管道缺陷检测方法及装置 | |
CN116503567B (zh) | 基于ai大数据的智慧建模管理系统 | |
Wolff et al. | Super-pixel sampler: a data-driven approach for depth sampling and reconstruction | |
US8818124B1 (en) | Methods, apparatus, and systems for super resolution of LIDAR data sets | |
CN111023994A (zh) | 一种基于多重测量的光栅三维扫描方法及系统 | |
CN108090930A (zh) | 基于双目立体相机的障碍物视觉检测系统及方法 | |
CN113592947B (zh) | 一种半直接法的视觉里程计实现方法 | |
CN114663793A (zh) | 目标行为识别方法及装置、存储介质、终端 | |
Sehgal et al. | Touch: A robotic vision system for underwater object tracking |
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 |