CN112070773A - 一种基于tof相机空间区域内roi的提取方法 - Google Patents

一种基于tof相机空间区域内roi的提取方法 Download PDF

Info

Publication number
CN112070773A
CN112070773A CN202010941960.3A CN202010941960A CN112070773A CN 112070773 A CN112070773 A CN 112070773A CN 202010941960 A CN202010941960 A CN 202010941960A CN 112070773 A CN112070773 A CN 112070773A
Authority
CN
China
Prior art keywords
roi
camera
coordinate system
image
length
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.)
Withdrawn
Application number
CN202010941960.3A
Other languages
English (en)
Inventor
王臣豪
张文斌
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.)
Suzhou Chunjian Intelligent Technology Co ltd
Wuxi Vless Electronics And Technology Co ltd
Original Assignee
Suzhou Chunjian Intelligent Technology Co ltd
Wuxi Vless Electronics And 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 Suzhou Chunjian Intelligent Technology Co ltd, Wuxi Vless Electronics And Technology Co ltd filed Critical Suzhou Chunjian Intelligent Technology Co ltd
Priority to CN202010941960.3A priority Critical patent/CN112070773A/zh
Publication of CN112070773A publication Critical patent/CN112070773A/zh
Withdrawn legal-status Critical Current

Links

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
    • G06T7/11—Region-based segmentation
    • 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
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • G06T2207/10004—Still image; Photographic image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于TOF相机空间区域内ROI的提取方法，通过采用TOF相机获取物体深度数据，即距离信息，并转换成灰度图或伪彩图；通过调用TOF相机的SDK，获取相机的内参Intrinsics矩阵：焦距Fx、Fy，偏移Cx、Cy；把在相机坐标系下获取到的数据转换到像素坐标系内，计算后筛选出满足要求的ROI；根据ROI将对应的图像像素进行显示；通过上述步骤，可以模拟人眼看到的空间范围，寻找特定的视觉敏感区域，并将这些视觉敏感区域作为ROI，解决了传统意义上图像的分割，利用TOF相机进行空间的分割，且灵活选取空间中的区域，以适应不同场景中对ROI的需求。

Description

一种基于TOF相机空间区域内ROI的提取方法
技术领域
本发明涉及一种基于TOF相机空间区域内ROI的提取方法，属于图像处理技术领域。
背景技术
在信息技术发展的今天，图像成为信息的载体，面对庞大的数据信息，人工处理图像已经力不从心，计算机处理图像已成为时代发展的主流。当人在观察一幅图像时，在视觉系统中对图像分割是必不可少的，以至于观察到的不是一个复杂的场景，而是一些物体的集合。该过程用数字图像处理描述，就是把图像分成若干个特定的、具有独特性质的区域，每个区域代表同一类像素的集合，几个集合又形成一个物体，而完成该过程的技术通常称为图像分割。在进行图像分割前，由于对图像关注的角度不同，往往需要进行ROI的选取。
ROI(region of interest)是指从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域，称为感兴趣区域。对于图像感兴趣区域(ROI)的提取，一般从两个方面着手解决：第一种方案是利用对获得的二维图像提取ROI，但这无法做到空间上ROI的选取，满足不了三维空间上的需求，针对这个问题，我们提出第二种方案：提出了一种基于TOF相机空间区域内ROI的提取方法，从人眼的视觉特征出发，通过模拟人眼看到的空间范围，寻找特定的视觉敏感区域，并将这些视觉敏感区域作为ROI。
发明内容
针对上述存在的技术问题，本发明的目的是：提出了一种基于TOF相机空间区域内ROI的提取方法，解决了传统意义上图像的分割，利用TOF相机进行空间的分割，且灵活选取空间中的区域，以适应不同场景中对ROI的需求。
本发明的技术解决方案是这样实现的：一种基于TOF相机空间区域内ROI的提取方法，包括如下步骤，
S100，采用TOF相机获取物体深度数据，即距离信息，并转换成灰度图或伪彩图；
S200,通过调用TOF相机的SDK，获取相机的内参Intrinsics矩阵：焦距Fx、Fy，偏移Cx、Cy；
S300,把在相机坐标系下获取到的数据转换到像素坐标系内，计算后筛选出满足要求的ROI；
S400，根据ROI将对应的图像像素进行显示。
优选的，在S100中，将深度数据转成灰度图或伪彩图，其公式为
Figure BDA0002673937600000021
min＜Dis＜max，其中，DST为距离转灰度的目标图像；Dis为镜头与物体的距离；min为最小可检测距离；max为最大可检测距离。
优选的，在S300中，相机坐标系下获取到的数据转换到像素坐标系内，其方法为：
S301，计算深度数据(距离)Dis，根据相机坐标系与像素坐标系之间的转换公式，对每个像素(i,j)计算相机坐标系下的坐标：
Xc＝(j-Cx)/Fx*Dis，Yc＝(i-Cy)/Fy*Dis；
S302，确定空间ROI；
在相机坐标系下，根据中心坐标(x,y,z)计算实际要求的ROI区域范围：
深度(距离)的范围：(z-width_front,z+width_back)，其中width_front和width_back是相对于中心坐标z轴方向上的偏移；
长度的范围：(x-length_left,x+length_right)，其中length_left和length_right是相对于中心坐标x轴方向上的偏移；
高度的范围：(y-height_bottom,y+height_top)，其中height_bottom和height_top是相对于中心坐标y轴方向上的偏移；
S303，筛选出满足要求的ROI：
z-width_front<distance<z+width_back；
x-length_left<Xc<x+length_right；
y-height_bottom<Yc<y+height_top。
优选的，在S400中，根据ROI将对应的图像像素进行显示；，可分为大区域显示和小区域显示。
由于上述技术方案的运用，本发明与现有技术相比具有下列优点：
本发明的一种基于TOF相机空间区域内ROI的提取方法，通过采用TOF相机获取物体深度数据，即距离信息，并转换成灰度图或伪彩图；通过调用TOF相机的SDK，获取相机的内参Intrinsics矩阵：焦距Fx、Fy，偏移Cx、Cy；把在相机坐标系下获取到的数据转换到像素坐标系内，计算后筛选出满足要求的ROI；根据ROI将对应的图像像素进行显示；通过上述步骤，可以模拟人眼看到的空间范围，寻找特定的视觉敏感区域，并将这些视觉敏感区域作为ROI，解决了传统意义上图像的分割，利用TOF相机进行空间的分割，且灵活选取空间中的区域，以适应不同场景中对ROI的需求。
附图说明
下面结合附图对本发明技术方案作进一步说明：
附图1为本发明的一种基于TOF相机空间区域内ROI的提取方法的S100中深度数据转换成灰度图像示意图；
附图2为本发明的一种基于TOF相机空间区域内ROI的提取方法的S400中根据ROI将对应的图像像素进行大区域显示示意图；
附图3为本发明的一种基于TOF相机空间区域内ROI的提取方法S400中根据ROI将对应的图像像素进行小区域显示示意图。
具体实施方式
下面结合附图来说明本发明。
如附图1-3所示为本发明所述的一种基于TOF相机空间区域内ROI的提取方法，包括如下步骤，
S100，采用TOF相机获取物体深度数据，即距离信息，并转换成灰度图或伪彩图；
TOF(Time of flight)相机是基于飞行时间法3D成像，3D视觉技术能够获取现实三维场景完整的几何信息，利用带有深度信息的图像来实现对于场景的精准数字化，从而实现高精度的识别、定位、重建、场景理解等机器视觉的关键功能。常见的3D视觉方案包括双目视觉、结构光和TOF(Time of Flight)，相较前两种，TOF的方案实现起来会相对简单：TOF主要包括发射端和接收端，传感器给到光源驱动芯片调制信号，调制信号控制激光器发出高频调制的近红外光，遇到物体漫反射后，接收端通过发射光与接收光的相位差或时间差来计算深度信息。TOF技术跟3D激光传感器原理基本类似，只不过3D激光传感器是逐点扫描，而TOF相机则是同时得到整幅图像的深度(距离)信息，能够实时快速的计算深度信息，且深度计算不受物体表面灰度和特征影响，可以非常准确的进行三维测量。
将深度数据转成灰度图或伪彩图，其公式为
Figure BDA0002673937600000051
min＜Dis＜max，其中，DST为距离转灰度的目标图像；Dis为镜头与物体的距离；min为最小可检测距离；max为最大可检测距离。
S200,通过调用TOF相机的SDK，获取相机的内参Intrinsics矩阵：焦距Fx、Fy，偏移Cx、Cy；
在图像测量过程以及机器视觉应用中，为确定空间中物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，需要先获取相机的内参Intrinsics矩阵；通过调用TOF相机本身带有SDK，就可以获取TOF相机的内参：焦距Fx、Fy，偏移Cx、Cy；
S300,把在相机坐标系下获取到的数据转换到像素坐标系内，计算后筛选出满足要求的ROI；其方法为：
S301，计算深度数据(距离)Dis，根据相机坐标系与像素坐标系之间的转换公式，对每个像素(i,j)计算相机坐标系下的坐标：
Xc＝(j-Cx)/Fx*Dis，Yc＝(i-Cy)/Fy*Dis；
S302，确定空间ROI；
在相机坐标系下，根据中心坐标(x,y,z)计算实际要求的ROI区域范围：
深度(距离)的范围：(z-width_front,z+width_back)，其中width_front和width_back是相对于中心坐标z轴方向上的偏移；
长度的范围：(x-length_left,x+length_right)，其中length_left和length_right是相对于中心坐标x轴方向上的偏移；
高度的范围：(y-height_bottom,y+height_top)，其中height_bottom和height_top是相对于中心坐标y轴方向上的偏移；
S303，筛选出满足要求的ROI：
z-width_front<distance<z+width_back；
x-length_left<Xc<x+length_right；
y-height_bottom<Yc<y+height_top。
S400，根据ROI将对应的图像像素进行显示，可分为大范围显示和小范围显示。
本发明的一种基于TOF相机空间区域内ROI的提取方法，通过采用TOF相机获取物体深度数据，即距离信息，并转换成灰度图或伪彩图；通过调用TOF相机的SDK，获取相机的内参Intrinsics矩阵：焦距Fx、Fy，偏移Cx、Cy；把在相机坐标系下获取到的数据转换到像素坐标系内，计算后筛选出满足要求的ROI；根据ROI将对应的图像像素进行显示；通过上述步骤，可以模拟人眼看到的空间范围，寻找特定的视觉敏感区域，并将这些视觉敏感区域作为ROI，解决了传统意义上图像的分割，利用TOF相机进行空间的分割，且灵活选取空间中的区域，以适应不同场景中对ROI的需求。
上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并加以实施，并不能以此限制本发明的保护范围，凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围内。

Claims (4)

1.一种基于TOF相机空间区域内ROI的提取方法，其特征在于：包括如下步骤，
S100，采用TOF相机获取物体深度数据，即距离信息，并转换成灰度图或伪彩图；
S200,通过调用TOF相机的SDK，获取相机的内参Intrinsics矩阵：焦距Fx、Fy，偏移Cx、Cy；
S300,把在相机坐标系下获取到的数据转换到像素坐标系内，计算后筛选出满足要求的ROI；
S400，根据ROI将对应的图像像素进行显示。
2.如权利要求1所述的一种基于TOF相机空间区域内ROI的提取方法，其特征在于：在S100中，将深度数据转成灰度图或伪彩图，其公式为
Figure FDA0002673937590000011
其中，DST为距离转灰度的目标图像；Dis为镜头与物体的距离；min为最小可检测距离；max为最大可检测距离。
3.如权利要求1所述的一种基于TOF相机空间区域内ROI的提取方法，其特征在于：在S300中，相机坐标系下获取到的数据转换到像素坐标系内，其方法为：
S301，计算深度数据(距离)Dis，根据相机坐标系与像素坐标系之间的转换公式，对每个像素(i,j)计算相机坐标系下的坐标：
Xc＝(j-Cx)/Fx*Dis，Yc＝(i-Cy)/Fy*Dis；
S302，确定空间ROI；
在相机坐标系下，根据中心坐标(x,y,z)计算实际要求的ROI区域范围：
深度(距离)的范围：(z-width_front,z+width_back)，其中width_front和width_back是相对于中心坐标z轴方向上的偏移；
长度的范围：(x-length_left,x+length_right)，其中length_left和length_right是相对于中心坐标x轴方向上的偏移；
高度的范围：(y-height_bottom,y+height_top)，其中height_bottom和height_top是相对于中心坐标y轴方向上的偏移；
S303，筛选出满足要求的ROI：
z-width_front<distance<z+width_back；
x-length_left<Xc<x+length_right；
y-height_bottom<Yc<y+height_top。
4.如权利要求1所述的一种基于TOF相机空间区域内ROI的提取方法，其特征在于：在S400中，将筛选出的图像像素进行显示，可分为大区域显示和小区域显示。
CN202010941960.3A 2020-09-09 2020-09-09 一种基于tof相机空间区域内roi的提取方法 Withdrawn CN112070773A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010941960.3A CN112070773A (zh) 2020-09-09 2020-09-09 一种基于tof相机空间区域内roi的提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010941960.3A CN112070773A (zh) 2020-09-09 2020-09-09 一种基于tof相机空间区域内roi的提取方法

Publications (1)

Publication Number Publication Date
CN112070773A true CN112070773A (zh) 2020-12-11

Family

ID=73664599

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010941960.3A Withdrawn CN112070773A (zh) 2020-09-09 2020-09-09 一种基于tof相机空间区域内roi的提取方法

Country Status (1)

Country Link
CN (1) CN112070773A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114041767A (zh) * 2021-10-11 2022-02-15 宁波春建电子科技有限公司 一种基于深度相机和毫米波雷达的心率检测方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114041767A (zh) * 2021-10-11 2022-02-15 宁波春建电子科技有限公司 一种基于深度相机和毫米波雷达的心率检测方法

Similar Documents

Publication Publication Date Title
US10311648B2 (en) Systems and methods for scanning three-dimensional objects
CN109215063B (zh) 一种事件触发相机与三维激光雷达的配准方法
CN106651752B (zh) 三维点云数据配准方法及拼接方法
US10237532B2 (en) Scan colorization with an uncalibrated camera
US6671399B1 (en) Fast epipolar line adjustment of stereo pairs
CN103959012B (zh) 6自由度位置和取向确定
CN102999892B (zh) 基于区域遮罩的深度图像与rgb图像的智能融合方法
JP6955783B2 (ja) 情報処理方法、装置、クラウド処理デバイス及びコンピュータプログラム製品
Cao et al. Sparse photometric 3D face reconstruction guided by morphable models
CN104756490A (zh) 深度图像增强方法
CN112801074B (zh) 一种基于交通摄像头的深度图估计方法
CN104933704B (zh) 一种三维立体扫描方法及系统
WO2010041584A1 (en) Imaging system and method
CN110189347B (zh) 一种测量物体体积的方法及终端
CN113050074B (zh) 无人驾驶环境感知中相机与激光雷达标定系统及标定方法
CN113160328A (zh) 一种外参标定方法、系统、机器人和存储介质
CN108171753A (zh) 基于形心特征点与邻域灰度互相关性的立体视觉定位方法
CN109085603A (zh) 光学三维成像系统和彩色三维图像成像方法
CN110059537B (zh) 一种基于Kinect传感器的三维人脸数据获取方法及装置
JP2004280776A (ja) 画像内のオブジェクトの形状を決定する方法
CN112070773A (zh) 一种基于tof相机空间区域内roi的提取方法
JP3862402B2 (ja) ３次元モデル生成装置および３次元モデル生成プログラムを記録したコンピュータ読取可能な記録媒体
CN111914790A (zh) 基于双摄像头的不同场景下实时人体转动角度识别方法
CN112308776A (zh) 解决遮挡与错误映射的影像序列与点云数据融合的方法
CN110310371A (zh) 一种基于车载单目聚焦序列图像构建对象三维轮廓的方法

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20201211

WW01 Invention patent application withdrawn after publication