CN111833370A - 一种飞行像素滤除方法及系统 - Google Patents
一种飞行像素滤除方法及系统 Download PDFInfo
- Publication number
- CN111833370A CN111833370A CN202010709603.4A CN202010709603A CN111833370A CN 111833370 A CN111833370 A CN 111833370A CN 202010709603 A CN202010709603 A CN 202010709603A CN 111833370 A CN111833370 A CN 111833370A
- Authority
- CN
- China
- Prior art keywords
- pixel
- point
- edge
- flying
- point cloud
- 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.)
- Pending
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000003287 optical effect Effects 0.000 claims abstract description 49
- 238000003708 edge detection Methods 0.000 claims abstract description 22
- 238000006243 chemical reaction Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000005260 corrosion Methods 0.000 claims description 4
- 230000007797 corrosion Effects 0.000 claims description 4
- 230000002146 bilateral effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007373 indentation Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012216 screening Methods 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种飞行像素滤除方法,包括:标定并获取深度相机的光心位置;对采集的深度图像进行边缘检测,获取深度图像中的边缘,并将边缘中的所有像素点构成边缘点集;将所述边缘点集进行稀疏化处理,并将处理后的边缘点集中的像素点进行点云转换为对应的边缘点云集的像素点;由光心向边缘点云集的每一个像素点连成直线,根据边缘点云集的每一个像素点的坐标和光心坐标,构建每一条直线对应的直线方程,若点云中的像素点满足该直线方程,则该像素点为飞行像素点;将点云中的飞行像素点在深度图像中对应的飞行像素点进行滤除。相应的,本发明还公开了飞行像素滤除系统。通过本发明,能够更加准确地对飞行像素进行筛选和删除。
Description
技术领域
本发明涉及计算机视觉技术领域,尤其涉及一种飞行像素滤除方法及系统。
背景技术
飞行像素产生的主要原因在于,TOF传感器上每个像素都具有一定的物理尺寸,在测量物体边缘时,单个像素会同时接收到前景和背景反射回来的光线,二者产生的能量叠加在一起,使得传感器获取的原始数据中包含多个距离的信息。专利申请号为CN2019111710204的障碍物识别方法,其公布了飞行像素滤除的技术方案,该方案为:对深度图像的每一个像素点进行遍历,以每一个遍历的像素点为中心像素点,遍历的点以该点为中心的领域区域内各个点与该点进行深度值做差比较,若差值大于一阈值,则将该点累加统计,当统计的像素点大于一定的数量时,则该点定义为飞行像素点,并该飞行像素点剔除。该技术方案存在飞行像素筛选存在不准确的技术问题。专利申请号为2012800309601的深度测量质量增强,公开了修正深度图像中的缺陷深度值的方法,该技术方案对点云数据平面的抖动优化不足,并且如果深度相机检测到的目标表面抖动过于剧烈的话,会造成表面的点误删除。
发明内容
基于此,本发明的目的在于提供一种飞行像素滤除方法及系统,能够更加准确地对飞行像素进行筛选和删除。
为实现上述目的,本发明提供了一种飞行像素滤除方法,所述方法包括:
S1、标定并获取深度相机的光心位置;
S2、对所述深度相机采集的深度图像进行边缘检测,获取所述深度图像中的边缘,并将所述边缘中的所有像素点构成一边缘点集;
S3、将所述边缘点集进行稀疏化处理,并将处理后的边缘点集中的像素点进行点云转换为对应的边缘点云集的像素点;
S4、由所述光心向所述边缘点云集的每一个像素点连成直线,根据所述边缘点云集的每一个像素点的坐标和光心坐标,构建每一条直线对应的直线方程,若所述点云中的像素点满足该直线方程,则该像素点为飞行像素点;
S5、将点云中的飞行像素点在深度图像中对应的飞行像素点进行滤除。
优选的,所述步骤S1包括:根据张正友标定法标定并获取深度相机的光心位置。
优选的,所述步骤S2包括:根据Canny边缘检测算法,对所述深度图像进行边缘检测。
优选的,于所述步骤S2之前还包括对所述深度图像进行预处理步骤,所述预处理步骤包括:
根据中值滤波算法,对所述深度图像进行滤波处理,得到滤波后的第一深度图像;
所述第一深度图像膨胀和腐蚀处理,得到第二深度图像;
根据双边滤波算法,对所述第二深度图像进行滤波处理。
优选的,所述步骤S3中的稀疏化处理步骤包括:
将所述边缘点集的每一个像素点的坐标和深度值除以预设的阈值,将相除的结果取整数值,得到每一个像素点的整数点坐标;
对所有像素点的整数点坐标进行比较,若整数点坐标是相同的,则将相同的整数点坐标合并为一个,将合并后的像素点的坐标乘以所述阈值之后再进行点云转换,构建为所述边缘点云集;
将剩余的像素点的坐标乘以所述阈值,并还原到所述深度图像中。
优选的,所述步骤S4包括:
将所述边缘点云集中的一像素点的坐标为e'(x',y',z')和光心坐标(0,0,0)代入到下面的空间直线方程:
得到所述像素点与光心的连线的直线所对应的直线方程ax+by+cz=0,其中,a、b、c为所述方程的参数信息,将所述点云中的所有像素点的坐标代入到该直线方程中,若满足该直线方程,则该像素点为飞行像素点。
优选的,所述步骤S4包括:
所述边缘点集中的第一像素点的坐标为e(x,y),其深度值为z;
在所述第一像素点的周围一区域内获取第二像素点的坐标为e2(x2,y2),其深度值为z2;
计算所述第二像素点与第一像素点的距离,若所述距离小于一距离阈值,则所述第二像素点为需要带入所述直线方程的像素点。
优选的,所述步骤S4包括:
所述距离的计算根据公式o*(z-z2)^2+p*(x-x2)^2+q*(y-y2)^2计算得到,其中,o、p、q为加权参数。
优选的,所述步骤S4包括:根据一预设的飞行像素阈值范围d,构建直线方程ax+by+cz+d=0,其中,d∈[-f,f],f与深度特性和相机标定的准确度相关;满足飞行像素阈值范围的点为飞行像素点。
为实现上述目的,本发明提供了一种飞行像素滤除系统,所述系统包括:
标定模块,标定并获取深度相机的光心位置;
边缘检测模块,对所述深度相机采集的深度图像进行边缘检测,获取所述深度图像中的边缘,并将所述边缘中的所有像素点构成一边缘点集;
稀疏化模块,将所述边缘点集进行稀疏化处理,并将处理后的边缘点集中的像素点进行点云转换为对应的边缘点云集的像素点;
构建模块,由所述光心向所述边缘点云集的每一个像素点连成直线,根据所述边缘点云集的每一个像素点的坐标和光心坐标,构建每一条直线对应的直线方程,若所述点云中的像素点满足该直线方程,则该像素点为飞行像素点;
滤除模块,将点云中的飞行像素点在深度图像中对应的飞行像素点进行滤除。
与现有技术相比,本发明一种飞行像素滤除方法及系统,所带来的有益效果为:本发明通过深度图像和点云特征的结合进行飞行像素的筛选,能够更加准确地对飞行像素进行筛选和删除;该方案对数据平面的抖动抑制效果更好,提高了深度图像的质量和数据的准确性。
附图说明
图1是根据本发明的一个实施例的飞行像素滤除方法的流程示意图。
图2是根据本发明的一个实施例的飞行像素滤除系统的系统示意图。
具体实施方式
以下将结合附图所示的具体实施方式对本发明进行详细描述,但这些实施方式并不限制本发明,本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。
如图1所示的本发明的一实施例,本发明提供一种飞行像素滤除方法,所述方法包括:
S1、标定并获取深度相机的光心位置;
S2、对所述深度相机采集的深度图像进行边缘检测,获取所述深度图像中的边缘,并将所述边缘中的所有像素点构成一边缘点集;
S3、将所述边缘点集进行稀疏化处理,并将处理后的边缘点集中的像素点进行点云转换为对应的边缘点云集的像素点;
S4、由所述光心向所述边缘点云集的每一个像素点连成直线,根据所述边缘点云集的每一个像素点的坐标和光心坐标,构建每一条直线对应的直线方程,若所述点云中的像素点满足该直线方程,则该像素点为飞行像素点;
S5、将点云中的飞行像素点在深度图像中对应的飞行像素点进行滤除。
根据飞行像素产生的原理可知,飞行像素是由于深度相机的光照射到目标边缘上,导致激光的不稳定性,因此会在深度图像中的目标边缘出现一系列错误像素。飞行像素在深度图像表现为目标边缘有一层多余的边缘像素,并且其深度值比正确的目标边缘的像素值大。在深度图像对应的点云中,飞行像素表现为落在目标表面的边缘向斜后方方向分布,分布在边缘某点的连接线以及其延长线的这一条直线上。飞行像素必然会落到光心到目标边缘某点的连接线以及延长线这一条直线上,并且大概率落在目标后面的延长线上,只需要去除这条直线上的点就可以去除飞行像素。本发明正是利用这一原理,对飞行像素进行筛选和删除。
在所述步骤S1中,标定并获取深度相机的光心位置。根据张正友标定法标定并获取深度相机的光心位置。
在所述步骤S2中,对所述深度相机采集的深度图像进行边缘检测,获取所述深度图像中的边缘,并将所述边缘中的所有像素点构成一边缘点集。根据本发明的一具体实施例,根据Canny边缘检测算法,对所述深度图像进行边缘检测。本发明的又一实施例,可利用Sobel算子、Prewitt算子等边缘检测算法,对深度图像进行边缘检测。
根据本发明的一具体实施例,于所述步骤S2之前还包括对所述深度图像进行预处理步骤,所述预处理步骤包括:根据中值滤波算法,对所述深度图像进行滤波处理,得到滤波后的第一深度图像,通过滤波处理,以将降低点云抖动;所述第一深度图像膨胀和腐蚀处理,得到第二深度图像;以对中值滤波所造成的边缘缩进进行填补;根据双边滤波算法,对所述第二深度图像进行滤波处理,以降低点云抖动。
在所述步骤S3中,将所述边缘点集进行稀疏化处理,并将处理后的边缘点集中的像素点进行点云转换为对应的边缘点云集的像素点。基于点云坐标转换,将所述深度图像转转换为点云,将所述边缘点集进行稀疏化处理,并将处理后的边缘点集中的像素点进行点云转换为对应的边缘点云集的像素点。具体地,所述稀疏化步骤包括:将所述边缘点集的每一个像素点的坐标和深度值除以预设的阈值,将相除的结果取整数值,得到每一个像素点的整数点坐标;对所有像素点的整数点坐标进行比较,若整数点坐标是相同的,则将相同的整数点坐标合并为一个,将合并后的像素点的坐标乘以所述阈值之后再进行点云转换,构建为所述边缘点云集;将剩余的像素点的坐标乘以所述阈值,并还原到所述深度图像中。通过该步骤将边缘点集中的像素点进行稀疏化处理之后,减少计算量。
在所述步骤S4中,由所述光心向所述边缘点云集的每一个像素点连成直线,根据所述边缘点云集的每一个像素点的坐标和光心坐标,构建每一条直线对应的直线方程,若所述点云中的像素点满足该直线方程,则该像素点为飞行像素点。由所述光心向所述边缘点云集的每一个像素点连成直线,根据飞行像素产生的原理,飞行像素分布在这些直线上。由于是通过标定出来的光心对深度图像进行点云转换的,故光心位置在点云中的坐标为原点(0,0,0)。假设所述边缘点云集中的一像素点的坐标为e'(x',y',z')和光心坐标代入到下面的空间直线方程;
得到所述像素点与光心的连线的直线所对应的直线方程ax+by+cz=0,其中,a、b、c为所述方程的参数信息,将所述点云中的所有像素点的坐标代入到该直线方程中,若满足该直线方程,则该像素点为飞行像素点。
根据本发明的一具体实施例,为了提高计算效率,因此不能把点云中的所有的像素点的坐标代入直线方程去解算,以判断该像素点是否满足该直线方程,进而判断是否为飞行像素点。根据飞行像素的产生原理可知,飞行像素点会分布在这个直线上,但是因为成像问题、光心标定误差以及点云转换误差,所以飞行像素不会全部精确分布在直线上,会在直线周围分布。因此,我们采用就近点原则来选择要代入直线方程的像素点,从而进一步判断哪些像素点为飞行像素点。具体地,直线方程是通过边缘点云集中的像素点的坐标e'(x',y',z')和光心计算得到的,则由该点产生的飞行像素点必然落在该点附近,因此我们采用深度图像中的像素点接近原则来判断其他像素点是否需要代入直线方程中,以便更优化飞行像素点的判断。所述边缘点集中的第一像素点的坐标为e(x,y),其深度值为z,在所述第一像素点的周围一区域内获取第二像素点的坐标为e2(x2,y2),其深度值为z2,计算所述第二像素点与第一像素点的距离,若所述距离小于一距离阈值,则所述第二像素点为需要带入所述直线方程的像素点。反之,则不需要代入。所述距离的计算根据公式o*(z-z2)^2+p*(x-x2)^2+q*(y-y2)^2计算得到,o、p、q为加权参数,根据相机的不同代表不同的比例,用于控制x、y、z在判断中的重要程度。
因为光心位置不可能通过标定获得极其准确的位置,故设置一个飞行像素剔除范围的阈值,例如某点为与相机的距离相对于点一更远的,同时与该直线及其延长线上距离小于一定阈值的点,也判断为飞行像素点。具体地,在所述直线方程中ax+by+cz=0引入一个根据相机特性预设好的d。根据一预设的飞行像素阈值范围d,构建直线方程ax+by+cz+d=0,其中,d∈[-f,f],f与深度特性和相机标定的准确度相关;满足飞行像素阈值范围的点为飞行像素点。该d为一个范围,即满足d∈[-f,f]区间内的点均为飞行像素点。f根据相机特性以及标定的准确程度的经验值进行预设。
在所述步骤S5中,将点云中的飞行像素点在深度图像中对应的飞行像素点进行滤除。根据步骤S3中得到点云中的所有的飞行像素点,对应地转换为在深度图像上的像素点,并将这些像素点滤除。
根据本发明的一具体实施例,所述步骤S4还包括:将滤除后飞行像素点后的深度图像进行膨胀和腐蚀处理;根据中值滤波算法,对所述深度图像进行滤波处理,以将降低点云抖动。
如图2所示的本发明的一实施例,本发明提供了一种飞行像素滤除系统,所述系统包括:
标定模块20,标定并获取深度相机的光心位置;
边缘检测模块21,对所述深度相机采集的深度图像进行边缘检测,获取所述深度图像中的边缘,并将所述边缘中的所有像素点构成一边缘点集;
稀疏化模块22,将所述边缘点集进行稀疏化处理,并将处理后的边缘点集中的像素点进行点云转换为对应的边缘点云集的像素点;
构建模块23,由所述光心向所述边缘点云集的每一个像素点连成直线,根据所述边缘点云集的每一个像素点的坐标和光心坐标,构建每一条直线对应的直线方程,若所述点云中的像素点满足该直线方程,则该像素点为飞行像素点;
滤除模块24,将点云中的飞行像素点在深度图像中对应的飞行像素点进行滤除。
标定模块标定并获取深度相机的光心位置。根据张正友标定法标定并获取深度相机的光心位置。边缘检测模块对所述深度相机采集的深度图像进行边缘检测,获取所述深度图像中的边缘,并将所述边缘中的所有像素点构成一边缘点集。根据Canny边缘检测算法,对所述深度图像进行边缘检测。点云转换模块将所述深度图像转换为点云,并将所述边缘点集中的像素点转换为对应的边缘点云集的像素点。基于点云坐标转换,将所述深度图像转转换为点云,稀疏化模块将所述边缘点集进行稀疏化处理,并将处理后的边缘点集中的像素点进行点云转换为对应的边缘点云集的像素点,减少计算量。构建模块由所述光心向所述边缘点云集的每一个像素点连成直线,根据所述边缘点云集的每一个像素点的坐标和光心坐标,构建每一条直线对应的直线方程,若所述点云中的像素点满足该直线方程,则该像素点为飞行像素点。由所述光心向所述边缘点云集的每一个像素点连成直线,根据飞行像素产生的原理,飞行像素分布在这些直线上。由于是通过标定出来的光心对深度图像进行点云转换的,故光心位置在点云中的坐标为原点(0,0,0)。将所述边缘点云集中的一像素点的坐标为e'(x',y',z')和光心坐标代入到下面的空间直线方程;
得到所述像素点与光心的连线的直线所对应的直线方程ax+by+cz=0,其中,a、b、c为所述方程的参数信息,将所述点云中的所有像素点的坐标代入到该直线方程中,若满足该直线方程,则该像素点为飞行像素点。滤除模块将点云中的飞行像素点在深度图像中对应的飞行像素点进行滤除。
尽管为示例目的,已经公开了本发明的优选实施方式,但是本领域的普通技术人员将意识到,在不脱离由所附的权利要求书公开的本发明的范围和精神的情况下,各种改进、增加以及取代是可能的。
Claims (10)
1.一种飞行像素滤除方法,其特征在于,所述方法包括:
S1、标定并获取深度相机的光心位置;
S2、对所述深度相机采集的深度图像进行边缘检测,获取所述深度图像中的边缘,并将所述边缘中的所有像素点构成一边缘点集;
S3、将所述边缘点集进行稀疏化处理,并将处理后的边缘点集中的像素点进行点云转换为对应的边缘点云集的像素点;
S4、由所述光心向所述边缘点云集的每一个像素点连成直线,根据所述边缘点云集的每一个像素点的坐标和光心坐标,构建每一条直线对应的直线方程,若所述点云中的像素点满足该直线方程,则该像素点为飞行像素点;
S5、将点云中的飞行像素点在深度图像中对应的飞行像素点进行滤除。
2.如权利要求1所述的飞行像素滤除方法,其特征在于,所述步骤S1包括:根据张正友标定法标定并获取深度相机的光心位置。
3.如权利要求1所述的飞行像素滤除方法,其特征在于,所述步骤S2包括:根据Canny边缘检测算法,对所述深度图像进行边缘检测。
4.如权利要求1所述的飞行像素滤除方法,其特征在于,于所述步骤S2之前还包括对所述深度图像进行预处理步骤,所述预处理步骤包括:
根据中值滤波算法,对所述深度图像进行滤波处理,得到滤波后的第一深度图像;
所述第一深度图像膨胀和腐蚀处理,得到第二深度图像;
根据双边滤波算法,对所述第二深度图像进行滤波处理。
5.如权利要求1所述的飞行像素滤除方法,其特征在于,所述步骤S3中的稀疏化处理步骤包括:
将所述边缘点集的每一个像素点的坐标和深度值除以预设的阈值,将相除的结果取整数值,得到每一个像素点的整数点坐标;
对所有像素点的整数点坐标进行比较,若整数点坐标是相同的,则将相同的整数点坐标合并为一个,将合并后的像素点的坐标乘以所述阈值之后再进行点云转换,构建为所述边缘点云集;
将剩余的像素点的坐标乘以所述阈值,并还原到所述深度图像中。
7.如权利要求6所述的飞行像素滤除方法,其特征在于,所述步骤S4包括:所述边缘点集中的第一像素点的坐标为e(x,y),其深度值为z;
在所述第一像素点的周围一区域内获取第二像素点的坐标为e2(x2,y2),其深度值为z2;
计算所述第二像素点与第一像素点的距离,若所述距离小于一距离阈值,则所述第二像素点为需要代入所述直线方程的像素点。
8.如权利要求7所述的飞行像素滤除方法,其特征在于,所述步骤S4包括:所述距离的计算根据公式o*(z-z2)^2+p*(x-x2)^2+q*(y-y2)^2计算得到,其中,o、p、q为加权参数。
9.如权利要求7所述的飞行像素滤除方法,其特征在于,所述步骤S4包括:根据一预设的飞行像素阈值范围d,构建直线方程ax+by+cz+d=0,其中,d∈[-f,f],f与深度特性和相机标定的准确度相关;
满足飞行像素阈值范围的点为飞行像素点。
10.一种飞行像素滤除系统,其特征在于,所述系统包括:
标定模块,标定并获取深度相机的光心位置;
边缘检测模块,对所述深度相机采集的深度图像进行边缘检测,获取所述深度图像中的边缘,并将所述边缘中的所有像素点构成一边缘点集;
稀疏化模块,将所述边缘点集进行稀疏化处理,并将处理后的边缘点集中的像素点进行点云转换为对应的边缘点云集的像素点;
构建模块,由所述光心向所述边缘点云集的每一个像素点连成直线,根据所述边缘点云集的每一个像素点的坐标和光心坐标,构建每一条直线对应的直线方程,若所述点云中的像素点满足该直线方程,则该像素点为飞行像素点;
滤除模块,将点云中的飞行像素点在深度图像中对应的飞行像素点进行滤除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010709603.4A CN111833370A (zh) | 2020-07-22 | 2020-07-22 | 一种飞行像素滤除方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010709603.4A CN111833370A (zh) | 2020-07-22 | 2020-07-22 | 一种飞行像素滤除方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111833370A true CN111833370A (zh) | 2020-10-27 |
Family
ID=72926005
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010709603.4A Pending CN111833370A (zh) | 2020-07-22 | 2020-07-22 | 一种飞行像素滤除方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111833370A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114881908A (zh) * | 2022-07-07 | 2022-08-09 | 武汉市聚芯微电子有限责任公司 | 一种异常像素识别方法、装置、设备以及计算机存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1767660A (zh) * | 2005-11-16 | 2006-05-03 | 北京中星微电子有限公司 | 一种缺陷像素检测方法 |
CN103814306A (zh) * | 2011-06-24 | 2014-05-21 | 索弗特凯耐提克软件公司 | 深度测量质量增强 |
US20150312550A1 (en) * | 2014-04-28 | 2015-10-29 | Autodesk, Inc. | Combining two-dimensional images with depth data to detect junctions or edges |
CN109903327A (zh) * | 2019-03-04 | 2019-06-18 | 西安电子科技大学 | 一种稀疏点云的目标物尺寸测量方法 |
US20190188856A1 (en) * | 2017-12-18 | 2019-06-20 | Hong Kong Applied Science And Technology Research Institute Co., Ltd. | Systems and methods for block based edgel detection with false edge elimination |
CN110879991A (zh) * | 2019-11-26 | 2020-03-13 | 杭州光珀智能科技有限公司 | 一种障碍物识别方法及系统 |
US20200128225A1 (en) * | 2018-10-23 | 2020-04-23 | Xi'an Jiaotong University | Depth Information Acquisition Method and Device |
CN111311689A (zh) * | 2020-02-10 | 2020-06-19 | 清华大学 | 一种激光雷达与相机相对外参的标定方法及系统 |
-
2020
- 2020-07-22 CN CN202010709603.4A patent/CN111833370A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1767660A (zh) * | 2005-11-16 | 2006-05-03 | 北京中星微电子有限公司 | 一种缺陷像素检测方法 |
CN103814306A (zh) * | 2011-06-24 | 2014-05-21 | 索弗特凯耐提克软件公司 | 深度测量质量增强 |
US20150312550A1 (en) * | 2014-04-28 | 2015-10-29 | Autodesk, Inc. | Combining two-dimensional images with depth data to detect junctions or edges |
US20190188856A1 (en) * | 2017-12-18 | 2019-06-20 | Hong Kong Applied Science And Technology Research Institute Co., Ltd. | Systems and methods for block based edgel detection with false edge elimination |
US20200128225A1 (en) * | 2018-10-23 | 2020-04-23 | Xi'an Jiaotong University | Depth Information Acquisition Method and Device |
CN109903327A (zh) * | 2019-03-04 | 2019-06-18 | 西安电子科技大学 | 一种稀疏点云的目标物尺寸测量方法 |
CN110879991A (zh) * | 2019-11-26 | 2020-03-13 | 杭州光珀智能科技有限公司 | 一种障碍物识别方法及系统 |
CN111311689A (zh) * | 2020-02-10 | 2020-06-19 | 清华大学 | 一种激光雷达与相机相对外参的标定方法及系统 |
Non-Patent Citations (1)
Title |
---|
ALEXANDER SABOV: "Identification and Correction of Flying Pixels in Range Camera Data", SCCG 2008, pages 135 - 142 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114881908A (zh) * | 2022-07-07 | 2022-08-09 | 武汉市聚芯微电子有限责任公司 | 一种异常像素识别方法、装置、设备以及计算机存储介质 |
CN114881908B (zh) * | 2022-07-07 | 2022-09-30 | 武汉市聚芯微电子有限责任公司 | 一种异常像素识别方法、装置、设备以及计算机存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109737874B (zh) | 基于三维视觉技术的物体尺寸测量方法及装置 | |
US10127682B2 (en) | System and methods for calibration of an array camera | |
CN109813251B (zh) | 用于三维测量的方法、装置以及系统 | |
CN113838141B (zh) | 一种单线激光雷达与可见光相机的外参标定方法及系统 | |
CN110717942B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
KR101121034B1 (ko) | 복수의 이미지들로부터 카메라 파라미터를 얻기 위한 시스템과 방법 및 이들의 컴퓨터 프로그램 제품 | |
CN110956661B (zh) | 基于双向单应矩阵的可见光与红外相机动态位姿计算方法 | |
KR102256583B1 (ko) | 3d 포인트 클라우드를 이용한 2d 영상에서의 피사체 위치 계측 시스템 | |
JP2010256138A (ja) | 撮像装置及びその制御方法 | |
RU2626051C2 (ru) | Способ определения дальностей до объектов по изображениям с цифровых видеокамер | |
EP3629055B1 (en) | Method and apparatus for acquiring depth image, and electronic device | |
JP4055998B2 (ja) | 距離検出装置、距離検出方法、及び距離検出プログラム | |
CN110910456B (zh) | 基于Harris角点互信息匹配的立体相机动态标定方法 | |
JP4843544B2 (ja) | 3次元画像補正方法及びその装置 | |
CN115376109B (zh) | 障碍物检测方法、障碍物检测装置以及存储介质 | |
Ahmadabadian et al. | Image selection in photogrammetric multi-view stereo methods for metric and complete 3D reconstruction | |
CN112802114B (zh) | 多视觉传感器融合装置及其方法和电子设备 | |
US20190273845A1 (en) | Vibration monitoring of an object using a video camera | |
CN111833370A (zh) | 一种飞行像素滤除方法及系统 | |
Sabov et al. | Identification and correction of flying pixels in range camera data | |
US20160307303A1 (en) | Image capture device | |
CN116468621A (zh) | 一种一键式数字化航空影像数据处理方法 | |
CN115861443A (zh) | 一种多相机内参标定方法、装置、电子设备及存储介质 | |
CN115034988A (zh) | 一种基于rgbd相机的两阶段主体点云滤波方法 | |
JP2807137B2 (ja) | 立体形状検出方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201027 |