CN113221910A - 结构光图像处理方法、障碍物检测方法、模组及设备 - Google Patents
结构光图像处理方法、障碍物检测方法、模组及设备 Download PDFInfo
- Publication number
- CN113221910A CN113221910A CN202110334818.7A CN202110334818A CN113221910A CN 113221910 A CN113221910 A CN 113221910A CN 202110334818 A CN202110334818 A CN 202110334818A CN 113221910 A CN113221910 A CN 113221910A
- Authority
- CN
- China
- Prior art keywords
- image
- structured light
- target area
- light image
- optimized
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 20
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 69
- 238000000034 method Methods 0.000 claims abstract description 62
- 238000001914 filtration Methods 0.000 claims abstract description 56
- 230000008569 process Effects 0.000 claims description 28
- 230000003287 optical effect Effects 0.000 description 29
- 238000010586 diagram Methods 0.000 description 18
- 230000008859 change Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 230000001678 irradiating effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000010408 sweeping Methods 0.000 description 2
- 241001417527 Pempheridae Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 235000012054 meals Nutrition 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
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- 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
- G06V10/30—Noise filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种结构光图像处理方法、障碍物检测方法、模组及设备,所述方法包括:获取待处理的结构光图像;获取所述结构光图像对应的目标区域的参考图像,所述参考图像是所述目标区域未被结构光照射时的图像;利用所述参考图像,对所述结构光图像进行图像滤波处理,得到优化的结构光图像。利用本发明各种实现方式,可以减少甚至消除结构光图像中环境光噪声的干扰。
Description
【技术领域】
本发明涉及图像处理技术领域,尤其涉及一种结构光图像处理方法、障碍物检测方法、模组及设备。
【背景技术】
随着激光技术的飞速发展,激光检测技术已逐渐应用于各领域。其中,结构光作为一种有效的激光检测手段,在物体识别、测距等方面得到广泛应用。具体的,通过发射具有特定形状的结构光(如线激光、十字光等)到待检测区域,根据拍摄到的待检测区域的图像中的结构光图案,就可以检测到此区域是否存在障碍物,还可以通过结构光图像的特征确定障碍物的相关信息。
但是,现有技术中,在利用结构光图像进行物体检测的实际实施环境中,往往存在各种干扰,导致障碍物检测的可靠性和准确度较低。
【发明内容】
本发明提供一种结构光图像处理方法、障碍物检测方法、模组及设备,以减少甚至消除结构光图像中环境光噪声的干扰,进而提高障碍物检测的可靠性和准确度。
根据本发明的第一方面,提供了一种结构光图像处理方法,所述方法包括:
获取待处理的结构光图像;
获取所述结构光图像对应的目标区域的参考图像,所述参考图像是所述目标区域未被结构光照射时的图像;
利用所述参考图像,对所述结构光图像进行图像滤波处理,得到优化的结构光图像。
在一种可能的实现方式中,所述利用所述参考图像,对所述结构光图像进行图像滤波处理,得到优化结构光图像包括:
从所述参考图像中获取环境光相关信息;
根据所述环境光相关信息,对所述待处理的结构光图像进行环境光滤波处理,得到所述优化的结构光图像。
在一种可能的实现方式中,所述环境光相关信息包括所述参考图像各像素点的图像参数值,对应的,所述对所述待处理的结构光图像进行环境光滤波处理包括:
将所述待处理的结构光图像各像素点的图像参数值,减去对应的所述参考图像各像素点的图像参数值,得到所述优化的结构光图像;或,
将所述待处理的结构光图像局部区域的图像参数值,减去对应的所述参考图像局部区域的图像参数值,得到所述优化的结构光图像。
在一种可能的实现方式中,所述方法还包括:
对所述优化结构光图像进行图像增强处理,得到进一步优化的结构光图像。
根据本发明的第二方面,提供了一种障碍物检测方法,所述方法包括:
获取目标区域的结构光图像;
获取所述目标区域的参考图像,所述参考图像是所述目标区域未被结构光照射时的图像;
利用所述参考图像,对所述结构光图像进行图像滤波处理,得到优化的结构光图像;
根据所述优化的结构光图像,确定所述目标区域的障碍物信息。
在一种可能的实现方式中,所述利用所述参考图像,对所述结构光图像进行图像滤波处理,得到优化的结构光图像包括:
从所述参考图像中获取环境光相关信息;
根据所述环境光相关信息,对所述结构光图像进行环境光滤波处理,得到所述优化的结构光图像。
在一种可能的实现方式中,所述获取目标区域的结构光图像包括:
向所述目标区域投射结构光;
在所述目标区域被所述结构光照射的情况下,获取所述目标区域的图像,作为所述结构光图像;
对应的,所述获取所述目标区域的参考图像包括:
在所述目标未被所述结构光照射的情况下,获取所述结构光图像对应的环境光条件下的所述目标区域的参考图像。
在一种可能的实现方式中,所述环境光相关信息包括所述参考图像各像素点的图像参数值,对应的,所述对所述结构光图像进行环境光滤波处理包括:
将所述待处理的结构光图像各像素点的图像参数值,减去对应的所述参考图像各像素点的图像参数值,得到所述优化的结构光图像;或,
将所述待处理的结构光图像局部区域的图像参数值,减去对应的所述参考图像局部区域的图像参数值,得到所述优化的结构光图像。
在一种可能的实现方式中,在所述利用所述参考图像,对所述结构光图像进行图像滤波处理,得到优化的结构光图像之后,所述方法还包括:对所述优化的结构光图像进行图像增强处理,得到进一步优化的结构光图像;
对应的,所述根据所述优化的结构光图像,确定所述目标区域的障碍物信息包括:
根据所述进一步优化的结构光图像,确定所述目标区域的障碍物信息。
根据本发明的第三方面,提供了一种结构光模组,所述模组包括:
图像获取单元,被配置为获取待处理的结构光图像,以及获取所述结构光图像对应的目标区域的参考图像,其中,所述参考图像是所述目标区域未被结构光照射时的图像;
处理单元,被配置为利用所述参考图像,对所述结构光图像进行图像滤波处理,得到优化的结构光图像。
在一种可能的实现方式中,所述处理单元被配置为:
从所述参考图像中获取环境光相关信息;
根据所述环境光相关信息,对所述待处理的结构光图像进行环境光滤波处理,得到所述优化的结构光图像。
根据本发明的第四方面,提供了一种自主移动设备,所述设备包括:
设备主体;
结构光模块,设置在所述设备主体上,被配置为获取目标区域的结构光图像,以及获取所述目标区域的参考图像,其中,所述参考图像是所述目标区域未被结构光照射时的图像;
处理单元,被配置为利用所述参考图像,对所述结构光图像进行图像滤波处理,得到优化的结构光图像;根据所述优化的结构光图像,确定所述目标区域的障碍物信息。
在一种可能的实现方式中,所述处理单元被配置为:
从所述参考图像中获取环境光相关信息;
根据所述环境光相关信息,对所述结构光图像进行环境光滤波处理,得到所述优化的结构光图像。
在一种可能的实现方式中,所述结构光模块包括:
发光单元,用于向所述目标区域投射结构光;
图像获取单元,被配置为在所述目标区域被所述结构光照射的情况下,获取所述目标区域的图像,作为所述结构光图像;还被配置为在所述目标未被所述结构光照射的情况下,获取所述结构光图像对应的环境光条件下的所述目标区域的参考图像。
根据本发明的各方面提供的实施方式,可以利用无结构光照射的目标区域的参考图像,对所述结构光图像进行图像滤波处理,减小甚至消除环境光的干扰,从而可以得到图像质量更高的优化的结构光图像。进一步的,利用所述优化的结构光图像,检测所述目标区域的障碍物,可以有效提高障碍物检测的可靠性和准确度。
根据下面参考附图对示例性实施例的详细说明,本发明的其它特征及方面将变得清楚。
【附图说明】
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本发明的示例性实施例、特征和方面,并且用于解释本发明的原理。
图1是本发明一种实施例提供的一种结构光图像处理方法的方法流程示意图。
图2是本发明一种实施例提供的一种障碍物检测方法的方法流程示意图。
图3是本发明另一种实施例提供的一种结构光图像处理方法的方法流程示意图。
图4是本发明一种实施例提供的一种结构光模组的模块结构示意图。
图5是本发明一种实施例提供的一种自主移动设备的模块结构示意图。
图6是本发明一种实施例提供的一种障碍物检测方法的实施场景示意图。
图7是本发明一种实施例提供的一种自主移动设备的障碍物检测场景示意图。
图8是本发明一种实施例中得到的所述结构光图像。
图9是本发明一种实施例中获取到的所述参考图像。
图10是本发明一种实施例中得到的所述优化的结构光图像。
图11是本发明另一种实施例提供的一种障碍物检测方法的方法流程示意图。
图12是本发明一种实施例提供的一种自主移动设备的设备结构示意图。
【具体实施方式】
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,本发明的说明书和权利要求书中使用的术语“包括”和 “包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的,而并不意在限定本发明。如在本发明说明书和权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解,在本发明说明书和权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
本发明实施例中出现的“多个”是指两个或两个以上。本发明实施例中出现的第一、第二等描述,仅作示意与区分描述对象之用,没有次序之分,也不表示本发明实施例中对设备个数的特别限定,不能构成对本发明实施例的任何限制。
图1是本发明一种实施例中提供的一种结构光图像处理方法的方法流程示意图。所述方法可以应用于任意的结构光模组,通常结构光模组可以由结构光发射单元和图像获取单元组成,具体的,如图1所示,所述方法可以包括:
S110:获取待处理的结构光图像。
其中,结构光是指投射到物体表面上可以形成一定形状的光学图案的激光束,比如,面状的激光束投射到物体表面上会形成线形的光学图案,这种光束可以称为线激光,属于结构光的一种。当然,具体的结构光光束的形状及其形成的光学图案的形状,本发明不作限定,在本发明其他一些实施例中,形成的所述光学图案的形状还可以是线形、十字形、三角形、圆形、方形等任意形状。通过结构光投射到某一区域形成的光学图案,可以获得该区域是否存在物体的信息、以及物体的距离、形状、尺寸等信息。
本例中,可以通过摄像头、相机等图像获取设备获取包含所述光学图案的图像,以用于后续根据该图像确定被投射的目标区域是否存在障碍物,以及用于根据该图像推算出障碍物的相关物理信息。所述包含所述光学图案的图像,即为所述待处理的结构光图像。
但是在本发明的一些实施场景中,由于待处理的结构光图像中,除了光学图案之外,还包含所述目标区域中环境光造成的光学噪声,所述环境光可以包括比如太阳光、灯光、物体反射的光等。这样在后续利用这种结构光图像进行物体识别过程中,会因为环境光噪声的干扰导致物体识别的误差,导致物体识别的准确性和可靠性较低。
S120:获取所述结构光图像对应的目标区域的参考图像,所述参考图像是所述目标区域未被结构光照射时的图像。
其中,所述目标区域是指所述结构光图像映射的真实物理区域,即拍摄所述结构光图像的拍摄设备的实际拍摄区域,对应的,所述参考图像是在该物理区域未被结构光照射时所述拍摄设备拍摄所述物理区域得到的图像。
本例中,利用所述参考图像,可以得到拍摄所述结构光图像时的环境光相关信息,利用所述环境光相关信息,可以消除所述结构光图像中环境光噪声的干扰。但是,在本发明的一些实施场景中,可能存在环境光变化较复杂或变化频率较高的情况。因此,进一步的,在本发明一些实施例中,可以通过控制结构光照射和图像拍摄的频率,使参考图像对应的环境光相关信息与结构光图像对应的环境光相关信息等同或尽量接近,从而提高所述环境光相关信息的可参考性。比如,在本发明一种实施例中,可以通过控制结构光照射和图像拍摄的时间,获取相近时间段的结构光图像和参考图像,使所述结构光图像的拍摄时刻与所述参考图像的拍摄时刻的时间差在0.1s以内,这样所述结构光图像与所述参考图像的环境光相关信息基本等同。当然,上述时间差的具体数值只是示例性的,在本发明其他实施例中,也可以将所述时间差控制到更小或更大。具体的,可以以实际环境光的变化情况和实际的精度需要,确定所述时间差,本发明对此不作限定。
S130:利用所述参考图像,对所述结构光图像进行图像滤波处理,得到优化的结构光图像。
图像滤波是在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制,其处理效果的好坏将直接影响到后续图像分析的有效性和可靠性。
本例中,所述图像滤波处理主要是去除所述结构光图像中的环境光产生的噪声,得到所述优化的结构光图像,进而在后续利用这种结构光图像进行物体识别过程中,减小因为环境光噪声的干扰导致物体识别的误差,提高物体识别的准确性和可靠性。
本发明一种实施例中,所述利用所述参考图像,对所述结构光图像进行图像滤波处理,得到优化的结构光图像可以包括:
S131:从所述参考图像中获取环境光相关信息。
S132:根据所述环境光相关信息,对所述待处理的结构光图像进行环境光滤波处理,得到所述优化的结构光图像。
其中,所述环境光相关信息可以包括能够表征环境光特征的图像参数,比如可以包括亮度、灰度、RGB值、饱和度、色调、图像强度等参数中的任意一种或多种,也可以是多种参数按照预设权重组合得到的参数。
在本发明另一种实施例中,所述环境光相关信息可以包括参考图像各像素点的图像参数值,对应的,所述对所述待处理的结构光图像进行环境光滤波处理可以包括:
将所述待处理的结构光图像各像素点的图像参数值,减去对应的所述参考图像各像素点的图像参数值,得到所述优化的结构光图像;或,
将所述待处理的结构光图像局部区域的图像参数值,减去对应的所述参考图像局部区域的图像参数值,得到所述优化的结构光图像。
其中,所述图像参数值可以是亮度、灰度、RGB值、饱和度、色调、图像强度等参数数值中的任意一种或多种,也可以是多种参数按照预设权重组合得到的参数的数值。
比如,在本发明一些实施例中,所述图像参数值可以包括亮度值,对应的,所述对所述待处理的结构光图像进行环境光滤波处理可以包括:将所述待处理的结构光图像各像素点的亮度值,减去对应的所述参考图像各像素点的亮度值,即将待处理的结构光图像和参考图像的相对应的像素点的亮度值相减,得到所述优化的结构光图像。当然,在本发明其他实施例中,所述图像参数值还可以是图像强度(image intensity)、RGB值、灰度、饱和度、色调等其他可以表征图像像素特征的参数数值。实施人员可以根据后续结构光图像的实际应用场景和需求,选择图像参数值的类型,比如对于物体识别的应用需求,光学图案的亮度对识别准确度的影响较大,则可以选择亮度值作为所述图像参数值,本发明对此不作限定。通过图像滤波处理,可以抑制甚至消除结构光图像中的环境光噪声,从而使图像中结构光照射形成的光学图案的清晰度更高、特征更明显。
图3是本发明另一种实施例提供的一种结构光图像处理方法的方法流程示意图。具体的,如图3所示,所述方法可以包括:
S310:获取待处理的结构光图像。
S320:获取所述结构光图像对应的目标区域的参考图像,所述参考图像是所述目标区域未被结构光照射时的图像。
S330:利用所述参考图像,对所述结构光图像进行图像滤波处理,得到优化的结构光图像。
S340:对所述优化的结构光图像进行图像增强处理,得到进一步优化的结构光图像。
其中,图像增强一种增强图像中的有用信息的的增强增强图像中的有用信息,它可以是一个失真的过程,其目的是要改善图像的视觉效果,针对给定图像的应用场合有目的地强调图像的整体或局部特性,将原来不清晰的图像变得清晰或强调某些感兴趣的特征,扩大图像中不同物体特征之间的差别,抑制不感兴趣的特征,使之改善图像质量、丰富信息量,加强图像判读和识别效果,满足某些特殊分析的需要。
本例中,通过对所述优化的结构光图像进行图像增强处理,可以使图像中结构光照射形成的光学图案的清晰度更高、特征更明显。
利用上述可以利用无结构光照射的目标区域的参考图像,对所述结构光图像进行图像滤波处理,减小甚至消除环境光的干扰,从而可以得到图像质量更高的优化的结构光图像。图2是本发明一种实施例提供的一种障碍物检测方法的方法流程示意图。图6是本发明一种实施例提供的一种障碍物检测方法的实施场景示意图。所述方法可以应用于自主移动设备,所述自主移动设备可以是扫地机器人、拖地机器人、扫拖机器人、送餐机器人、自动割草机、扫雪机、无人机等任意可以自动移动或自动工作的电子设备或智能设备。具体的,如图2所示,所述方法可以包括:
S210:获取目标区域的结构光图像。
其中,结构光是指投射到物体表面上可以形成一定形状的光学图案的激光束,比如,如图6所示,激光发射器E、F均发射的是面状的线激光,面状的激光束投射到障碍物上会形成线形的光学图案,如图6所示的线形图案AB和线性图案CD,所述激光发射器E、F发射的这种光束可以称为线激光,属于结构光的一种。当然,具体的结构光光束的形状及其形成的光学图案的形状,本发明不作限定。在本发明其他一些实施例中,形成的所述光学图案的形状还可以是线形、十字形、三角形、圆形、方形等任意形状。通过结构光投射到某一区域形成的光学图案,可以获得该区域是否存在物体的信息、以及物体的距离、形状、尺寸等信息。
其中,所述目标区域可以是所述自主移动设备的需要检测障碍物的方向上,所述自主移动设备的图像获取装置的可拍摄区域,所述可拍摄区域的大小取决于所述图像获取装置的可视范围(视场角等)。其中,所述图像获取装置可以是相机、摄像头等,对于结构光是非可见光发射器的情况,所述图像获取装置也可以是对应的非可见光摄像头,比如红外摄像头等。
图7是本发明一种实施例提供的一种自主移动设备的障碍物检测场景示意图。如图7所示,自主移动设备的摄像头C的可视范围为所述摄像头前方θ角度范围,该可视范围即可以认为是一个目标区域,对于自主移动设备,所述目标区域一般是在所述设备的行进方向上,所述设备的两个结构光激光器A和B可以向所述可视范围内发射结构光。所述摄像头C在所述目标区域被所述结构光照射的时间段内拍摄图像,就可以得到所述结构光图像。如果所述结构光的传播路径上出现障碍物(比如自主移动设备行进方向上出现障碍物),就会形成相应的光学图案,所述摄像头C拍摄到的所述目标区域的结构光图像中就会包含所述光学图案,根据所述光学图案,即可以检测到该障碍物,还可以分析出该障碍物的距离、形状、尺寸等相关信息。
但是在本发明的一些实施场景中,由于所述结构光图像中,除了光学图案之外,还包含所述目标区域中环境光造成的光学噪声,所述环境光可以包括比如太阳光、灯光、物体反射的光等。比如,图8是本发明一种实施例中得到的所述结构光图像。如图8所示,所述结构光图像中除了结构光照射到障碍物形成的光学图案外,还存在因各种环境光的存在而产生的环境光噪声,如果利用这种结构光图像进行障碍物识别,会因为环境光噪声的干扰导致识别误差(比如环境光噪声中可能也存在类似结构光照射产生的光学图案,或者结构光形成的光学图案被环境光噪声覆盖等情形,都会导致后续的识别误差),导致识别的准确性和可靠性较低。
S220:获取所述目标区域的参考图像,所述参考图像是所述目标区域未被结构光照射时的图像。
其中,所述参考图像是在所述目标区域未被结构光照射时所述拍摄设备拍摄所述目标区域得到的图像。
但是,在本发明的一些实施场景中,可能存在环境光变化较复杂或变化频率较高的情况。因此,进一步的,在本发明一些实施例中,可以通过控制结构光照射和图像拍摄的频率,使参考图像对应的环境光相关信息与结构光图像对应的环境光相关信息等同或尽量接近,从而提高所述环境光相关信息的可参考性。比如,在本发明一种实施例中,可以通过控制结构光照射和图像拍摄的时间,获取相近时间段的结构光图像和参考图像,使所述结构光图像的拍摄时刻与所述参考图像的拍摄时刻的时间差在0.1s以内,这样所述结构光图像与所述参考图像的环境光相关信息基本等同。当然,上述时间差的具体数值只是示例性的,在本发明其他实施例中,也可以将所述时间差控制到更小或更大。具体的,可以以实际环境光的变化情况和实际的精度需要,确定所述时间差,本发明对此不作限定。
图9是本发明一种实施例中获取到的所述参考图像。如图9所示,所述参考图像与图8所示的结构光图像对应同一个目标区域,图9中没有结构光照射形成的线状图案,而环境光信息与所述结构光图像的环境光信息相同。
S230:利用所述参考图像,对所述结构光图像进行图像滤波处理,得到优化的结构光图像。
其中,图像滤波是在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制,其处理效果的好坏将直接影响到后续图像分析的有效性和可靠性。
本例中,所述图像滤波处理主要是去除所述结构光图像中的环境光产生的噪声,得到所述优化的结构光图像,进而在后续利用这种结构光图像进行物体识别过程中,减小因为环境光噪声的干扰导致物体识别的误差,提高物体识别的准确性和可靠性。
本发明一种实施例中,所述利用所述参考图像,对所述结构光图像进行图像滤波处理,得到优化的结构光图像可以包括:
S231:从所述参考图像中获取环境光相关信息。
S232:根据所述环境光相关信息,对所述结构光图像进行环境光滤波处理,得到所述优化的结构光图像。
其中,所述环境光相关信息可以包括能够表征环境光特征的图像参数,比如可以包括亮度、灰度、RGB值、饱和度、色调、图像强度等参数中的任意一种或多种,也可以是多种参数按照预设权重组合得到的参数。
在本发明另一种实施例中,所述环境光相关信息可以包括参考图像各像素点的图像参数值,对应的,所述对所述结构光图像进行环境光滤波处理可以包括:
将所述待处理的结构光图像各像素点的图像参数值,减去对应的所述参考图像各像素点的图像参数值,得到所述优化的结构光图像;或,
将所述待处理的结构光图像局部区域的图像参数值,减去对应的所述参考图像局部区域的图像参数值,得到所述优化的结构光图像。
其中,所述图像参数值可以是亮度、灰度、RGB值、饱和度、色调、图像强度等参数数值中的任意一种或多种,也可以是多种参数按照预设权重组合得到的参数的数值。
比如,在本发明一些实施例中,所述图像参数值可以包括亮度值,对应的,所述对所述结构光图像进行环境光滤波处理可以包括:将所述结构光图像各像素点的亮度值,减去对应的所述参考图像各像素点的亮度值,即将结构光图像和参考图像的相对应的像素点的亮度值相减,得到所述优化的结构光图像。当然,在本发明其他实施例中,所述图像参数值还可以是图像强度(image intensity)、RGB值、灰度、饱和度、色调等其他可以表征图像像素特征的参数数值。实施人员可以根据后续结构光图像的实际应用场景和需求,选择图像参数值的类型,比如对于物体识别的应用需求,光学图案的亮度对识别准确度的影响较大,则可以选择亮度值作为所述图像参数值,本发明对此不作限定。通过图像滤波处理,可以抑制甚至消除结构光图像中的环境光噪声,从而使图像中结构光照射形成的光学图案的清晰度更高、特征更明显。
图10是本发明一种实施例中得到的所述优化的结构光图像。图10是利用图9所示的参考图像,对图8所示的结构光图像进行图像滤波处理后,得到的优化的结构光图像。如图10所示,所述优化的结构光图像中只有结构光照射形成的光学图案,而没有环境光噪声的干扰,利用该图像可以更准确更可靠地识别障碍物以及确定障碍物的相关信息,以便自主移动设备的控制系统根据障碍物信息采取准确的避障或者越障动作。
S240:根据所述优化的结构光图像,确定所述目标区域的障碍物信息。
其中,所述障碍物信息可以包括是否存在障碍物、障碍物的距离(位置)、障碍物的尺寸、形状、类别等信息中的一种或多种。
本发明另一种实施例中,所述获取所述目标区域的结构光图像可以包括:
向所述目标区域投射结构光;
在所述目标区域被所述结构光照射的情况下,获取所述目标区域的图像,作为所述结构光图像;
对应的,所述获取所述目标区域的参考图像包括:
在所述目标未被所述结构光照射的情况下,获取所述结构光图像对应的环境光条件下的所述目标区域的参考图像。
进一步的,本发明一个实例中,所述自主移动设备可以具有至少2个结构光发射器和1个摄像头。为了使所述参考图像和所述结构光图像的环境光信息相同或差异较小,在所述设备移动过程中,所述设备的控制器可以控制所述2个结构光发射器反复交替发光,并且在交替发光的周期内存在2个发射器都不发光的时间段,并且协同控制摄像头的拍摄频率。具体的过程可以是:控制第一结构光发射器发光,在发光的过程中拍摄所述目标区域的结构光图像,然后控制第一结构光发射器关闭,在两个结构光发射器都不发光的情况下,拍摄所述目标区域的无结构光图像,所述无结构光图像即可以作为所述结构光图像的参考图像,用于对所述结构光图像进行图像滤波处理。然后控制第二结构光发射器发光,拍摄所述目标区域的结构光图像,然后控制所述第二结构光发射器关闭,拍摄无结构光图像,作为该结构光图像的参考图像,如此循环交替进行,就可以在所述自主移动设备移动过程中不断拍摄结构光图像和对应的参考图像,用以识别障碍物。本例中,通过提高发光、拍摄频率,可以缩短结构光图像与对应的参考图像的获取时间间隔,可以使参考图像的环境光信息与结构光图像的环境光信息相同或者尽量接近。当然,上述的控制过程只是示例性的,在本发明其他实施例中,具体的发光和拍摄的顺序、频率的设定,可以由实施人员根据实际环境光变化情况和/或障碍物识别精度需求来确定,本发明对此不作限定。
图11是本发明另一种实施例提供的一种障碍物检测方法的方法流程示意图。如图11所示,所述方法可以包括:
S410:获取目标区域的结构光图像。
S420:获取所述目标区域的参考图像,所述参考图像是所述目标区域未被结构光照射时的图像。
S430:利用所述参考图像,对所述结构光图像进行图像滤波处理,得到优化的结构光图像。
S440:对所述优化的结构光图像进行图像增强处理,得到进一步优化的结构光图像。
S450:根据所述进一步优化的结构光图像,确定所述目标区域的障碍物信息。
利用上述各实施例提供的一种障碍物检测方法的实施方式,可以利用无结构光照射的目标区域的参考图像,对所述结构光图像进行图像滤波处理,减小甚至消除环境光的干扰,从而可以得到图像质量更高的优化的结构光图像。进一步的,利用所述优化的结构光图像,检测所述目标区域的障碍物,可以有效提高障碍物检测的可靠性和准确度。
基于上述图1、图3对应的各实施例所述的结构光图像处理方法,本发明还提供一种结构光模组。图4是本发明一种实施例示出的一种结构光模组的模块结构示意图。如图4所示,所述模组可以包括:
图像获取单元101,可以被配置为获取待处理的结构光图像,以及获取所述结构光图像对应的目标区域的参考图像,其中,所述参考图像是所述目标区域未被结构光照射时的图像。
处理单元102,被配置为利用所述参考图像,对所述结构光图像进行图像滤波处理,得到优化的结构光图像。
本发明一种实施例中,所述处理单元102可以被配置为:
从所述参考图像中获取环境光相关信息;
根据所述环境光相关信息,对所述待处理的结构光图像进行环境光滤波处理,得到所述优化的结构光图像。
本发明一种实施例中,所述环境光相关信息包括所述参考图像各像素点的图像参数值,对应的,所述对所述待处理的结构光图像进行环境光滤波处理包括:
将所述待处理的结构光图像各像素点的图像参数值,减去对应的所述参考图像各像素点的图像参数值,得到所述优化的结构光图像;或,
将所述待处理的结构光图像局部区域的图像参数值,减去对应的所述参考图像局部区域的图像参数值,得到所述优化的结构光图像。本发明另一种实施例中,所述处理单元可以102进一步被配置为:
对所述优化的结构光图像进行图像增强处理,得到进一步优化的结构光图像。
对于上述结构光模组的各实施例中涉及到的与图1、图3所示实施方式中相同或相似的流程,具体的执行方式可以按照图1、图3对应的各实施例中所提供的执行方式执行,此处不作赘述。
基于上述图2、图4、图6至图11对应的各实施例所述的障碍物检测方法,本发明还提供一种自主移动设备。图5是本发明一种实施例提供的一种自主移动设备的模块结构示意图。图12是本发明一种实施例提供的一种自主移动设备的设备结构示意图。具体的,如图5、图12所示,所述自主移动设备可以包括:
设备主体201。
结构光模块202,可以设置在所述设备主体201上,可以被配置为获取目标区域的结构光图像,以及获取所述目标区域的参考图像,其中,所述参考图像是所述目标区域未被结构光照射时的图像。
处理单元203,可以被配置为利用所述参考图像,对所述结构光图像进行图像滤波处理,得到优化的结构光图像;根据所述优化的结构光图像,确定所述目标区域的障碍物信息。
本发明一种实施例中,所述处理单元203可以被配置为:
从所述参考图像中获取环境光相关信息;
根据所述环境光相关信息,对所述结构光图像进行环境光滤波处理,得到所述优化的结构光图像。
本发明另一种实施例中,所述结构光模块202可以包括:
发光单元2021,可以用于向所述目标区域投射结构光。
图像获取单元2022,可以被配置为在所述目标区域被所述结构光照射的情况下,获取所述目标区域的图像,作为所述结构光图像;还可以被配置为在所述目标未被所述结构光照射的情况下,获取所述结构光图像对应的环境光条件下的所述目标区域的参考图像。
本发明另一种实施例中,所述获取目标区域的结构光图像可以包括:
向所述目标区域投射结构光;
在所述目标区域被所述结构光照射的情况下,获取所述目标区域的图像,作为所述结构光图像;
对应的,所述获取所述目标区域的参考图像包括:
在所述目标未被所述结构光照射的情况下,获取所述结构光图像对应的环境光条件下的所述目标区域的参考图像。
本发明又一种实施例中,所述环境光相关信息可以包括所述参考图像各像素点的图像参数值,对应的,所述对所述结构光图像进行环境光滤波处理可以包括:
将所述待处理的结构光图像各像素点的图像参数值,减去对应的所述参考图像各像素点的图像参数值,得到所述优化的结构光图像;或,
将所述待处理的结构光图像局部区域的图像参数值,减去对应的所述参考图像局部区域的图像参数值,得到所述优化的结构光图像。
对于上述结构光模组的各实施例中涉及到的与图2、图4至图11所示实施方式中相同或相似的流程,具体的执行方式可以按照图2、图4至图11对应的各实施例中所提供的执行方式执行,此处不作赘述。
上述各实施例中所述的处理单元例如可以是但不限于:CPU、GPU、MCU、基于FPGA或CPLD实现的处理芯片以或者单片机等。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (14)
1.一种结构光图像处理方法,其特征在于,所述方法包括:
获取待处理的结构光图像;
获取所述结构光图像对应的目标区域的参考图像,所述参考图像是所述目标区域未被结构光照射时的图像;
利用所述参考图像,对所述结构光图像进行图像滤波处理,得到优化的结构光图像。
2.如权利要求1所述的方法,其特征在于,所述利用所述参考图像,对所述结构光图像进行图像滤波处理,得到优化的结构光图像包括:
从所述参考图像中获取环境光相关信息;
根据所述环境光相关信息,对所述待处理的结构光图像进行环境光滤波处理,得到所述优化的结构光图像。
3.如权利要求2所述的方法,其特征在于,所述环境光相关信息包括所述参考图像各像素点的图像参数值,对应的,所述对所述待处理的结构光图像进行环境光滤波处理包括:
将所述待处理的结构光图像各像素点的图像参数值,减去对应的所述参考图像各像素点的图像参数值,得到所述优化的结构光图像;或,
将所述待处理的结构光图像局部区域的图像参数值,减去对应的所述参考图像局部区域的图像参数值,得到所述优化的结构光图像。
4.如权利要求1或2所述的方法,其特征在于,所述方法还包括:
对所述优化的结构光图像进行图像增强处理,得到进一步优化的结构光图像。
5.一种障碍物检测方法,其特征在于,应用于自主移动设备,所述方法包括:
获取目标区域的结构光图像;
获取所述目标区域的参考图像,所述参考图像是所述目标区域未被结构光照射时的图像;
利用所述参考图像,对所述结构光图像进行图像滤波处理,得到优化的结构光图像;
根据所述优化的结构光图像,确定所述目标区域的障碍物信息。
6.如权利要求5所述的方法,其特征在于,所述利用所述参考图像,对所述结构光图像进行图像滤波处理,得到优化的结构光图像包括:
从所述参考图像中获取环境光相关信息;
根据所述环境光相关信息,对所述结构光图像进行环境光滤波处理,得到所述优化的结构光图像。
7.如权利要求5所述的方法,其特征在于,所述获取目标区域的结构光图像包括:
向所述目标区域投射结构光;
在所述目标区域被所述结构光照射的情况下,获取所述目标区域的图像,作为所述结构光图像;
对应的,所述获取所述目标区域的参考图像包括:
在所述目标未被所述结构光照射的情况下,获取所述结构光图像对应的环境光条件下的所述目标区域的参考图像。
8.如权利要求6所述的方法,其特征在于,所述环境光相关信息包括所述参考图像各像素点的图像参数值,对应的,所述对所述结构光图像进行环境光滤波处理包括:
将所述待处理的结构光图像各像素点的图像参数值,减去对应的所述参考图像各像素点的图像参数值,得到所述优化的结构光图像;或,
将所述待处理的结构光图像局部区域的图像参数值,减去对应的所述参考图像局部区域的图像参数值,得到所述优化的结构光图像。
9.如权利要求5至8中任意一项所述的方法,其特征在于,在所述利用所述参考图像,对所述结构光图像进行图像滤波处理,得到优化的结构光图像之后,所述方法还包括:对所述优化的结构光图像进行图像增强处理,得到进一步优化的结构光图像;
对应的,所述根据所述优化的结构光图像,确定所述目标区域的障碍物信息包括:
根据所述进一步优化的结构光图像,确定所述目标区域的障碍物信息。
10.一种结构光模组,其特征在于,所述模组包括:
图像获取单元,被配置为获取待处理的结构光图像,以及获取所述结构光图像对应的目标区域的参考图像,其中,所述参考图像是所述目标区域未被结构光照射时的图像;
处理单元,被配置为利用所述参考图像,对所述结构光图像进行图像滤波处理,得到优化的结构光图像。
11.如权利要求10所述的模组,其特征在于,所述处理单元被配置为:
从所述参考图像中获取环境光相关信息;
根据所述环境光相关信息,对所述待处理的结构光图像进行环境光滤波处理,得到所述优化的结构光图像。
12.一种自主移动设备,其特征在于,所述设备包括:
设备主体;
结构光模块,设置在所述设备主体上,被配置为获取目标区域的结构光图像,以及获取所述目标区域的参考图像,其中,所述参考图像是所述目标区域未被结构光照射时的图像;
处理单元,被配置为利用所述参考图像,对所述结构光图像进行图像滤波处理,得到优化的结构光图像;根据所述优化的结构光图像,确定所述目标区域的障碍物信息。
13.如权利要求12所述的设备,其特征在于,所述处理单元被配置为:
从所述参考图像中获取环境光相关信息;
根据所述环境光相关信息,对所述结构光图像进行环境光滤波处理,得到所述优化的结构光图像。
14.如权利要求12所述的设备,其特征在于,所述结构光模块包括:
发光单元,用于向所述目标区域投射结构光;
图像获取单元,被配置为在所述目标区域被所述结构光照射的情况下,获取所述目标区域的图像,作为所述结构光图像;还被配置为在所述目标未被所述结构光照射的情况下,获取所述结构光图像对应的环境光条件下的所述目标区域的参考图像。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110334818.7A CN113221910A (zh) | 2021-03-29 | 2021-03-29 | 结构光图像处理方法、障碍物检测方法、模组及设备 |
PCT/CN2021/122723 WO2022205827A1 (zh) | 2021-03-29 | 2021-10-09 | 结构光图像处理方法、障碍物检测方法、模组及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110334818.7A CN113221910A (zh) | 2021-03-29 | 2021-03-29 | 结构光图像处理方法、障碍物检测方法、模组及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113221910A true CN113221910A (zh) | 2021-08-06 |
Family
ID=77084353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110334818.7A Pending CN113221910A (zh) | 2021-03-29 | 2021-03-29 | 结构光图像处理方法、障碍物检测方法、模组及设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113221910A (zh) |
WO (1) | WO2022205827A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022205827A1 (zh) * | 2021-03-29 | 2022-10-06 | 追觅创新科技(苏州)有限公司 | 结构光图像处理方法、障碍物检测方法、模组及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9002511B1 (en) * | 2005-10-21 | 2015-04-07 | Irobot Corporation | Methods and systems for obstacle detection using structured light |
CN109889803A (zh) * | 2019-01-10 | 2019-06-14 | 深圳奥比中光科技有限公司 | 一种结构光图像获取方法及装置 |
CN110376606A (zh) * | 2019-07-26 | 2019-10-25 | 信利光电股份有限公司 | 结构光处理方法和结构光模组 |
CN110930323A (zh) * | 2019-11-07 | 2020-03-27 | 华为技术有限公司 | 图像去反光的方法、装置 |
CN111562567A (zh) * | 2020-05-11 | 2020-08-21 | 北京驭光科技发展有限公司 | 移动装置的障碍物侦测系统、移动装置及扫地机器人 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101825687B1 (ko) * | 2015-04-24 | 2018-02-05 | 한국전자통신연구원 | 차영상을 이용한 장애물 검출장치 및 그 방법 |
CN113221910A (zh) * | 2021-03-29 | 2021-08-06 | 追创科技(苏州)有限公司 | 结构光图像处理方法、障碍物检测方法、模组及设备 |
CN113221635A (zh) * | 2021-03-29 | 2021-08-06 | 追创科技(苏州)有限公司 | 结构光模组及自主移动设备 |
-
2021
- 2021-03-29 CN CN202110334818.7A patent/CN113221910A/zh active Pending
- 2021-10-09 WO PCT/CN2021/122723 patent/WO2022205827A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9002511B1 (en) * | 2005-10-21 | 2015-04-07 | Irobot Corporation | Methods and systems for obstacle detection using structured light |
CN109889803A (zh) * | 2019-01-10 | 2019-06-14 | 深圳奥比中光科技有限公司 | 一种结构光图像获取方法及装置 |
CN110376606A (zh) * | 2019-07-26 | 2019-10-25 | 信利光电股份有限公司 | 结构光处理方法和结构光模组 |
CN110930323A (zh) * | 2019-11-07 | 2020-03-27 | 华为技术有限公司 | 图像去反光的方法、装置 |
CN111562567A (zh) * | 2020-05-11 | 2020-08-21 | 北京驭光科技发展有限公司 | 移动装置的障碍物侦测系统、移动装置及扫地机器人 |
Non-Patent Citations (1)
Title |
---|
杨帆 等: "精通图像处理经典算法(MATLAB版)", 28 February 2018, 北京航空航天大学出版社, pages: 66 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022205827A1 (zh) * | 2021-03-29 | 2022-10-06 | 追觅创新科技(苏州)有限公司 | 结构光图像处理方法、障碍物检测方法、模组及设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2022205827A1 (zh) | 2022-10-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022205810A1 (zh) | 结构光模组及自主移动设备 | |
DE102012021375B4 (de) | Vorrichtung und Verfahren zum Erkennen einer dreidimensionalen Position und Orientierung eines Artikels | |
US8830227B2 (en) | Depth-based gain control | |
JP4985651B2 (ja) | 光源制御装置、光源制御方法および光源制御プログラム | |
JP6598960B2 (ja) | 一場面における霧検出のための方法及び撮像装置 | |
WO2020066637A1 (ja) | 奥行取得装置、奥行取得方法およびプログラム | |
US10346995B1 (en) | Remote distance estimation system and method | |
US10354413B2 (en) | Detection system and picture filtering method thereof | |
KR102308437B1 (ko) | 대상체의 외부의 검사를 최적화하기 위한 장치 및 그 방법 | |
US20190392601A1 (en) | Image Processing System for Inspecting Object Distance and Dimensions Using a Hand-Held Camera with a Collimated Laser | |
JP2018506046A (ja) | タイヤ表面の欠陥を検出する方法 | |
KR20180090756A (ko) | 비전 시스템에서 컬러 이미지에 대해 컬러 후보 포즈들의 점수화를 위한 시스템 및 방법 | |
JP2014067193A (ja) | 画像処理装置および画像処理方法 | |
CN110659547A (zh) | 物体识别方法、装置、车辆和计算机可读存储介质 | |
CN115100104A (zh) | 玻璃油墨区的缺陷检测方法、装置、设备及可读存储介质 | |
JP2017161965A (ja) | 顔画像処理装置 | |
WO2020167314A1 (en) | Detection of projected infrared patterns using difference of gaussian and blob identification | |
CN113221910A (zh) | 结构光图像处理方法、障碍物检测方法、模组及设备 | |
CN114565517B (zh) | 红外相机的图像去噪方法、装置及计算机设备 | |
CN113628202B (zh) | 一种确定方法、清洁机器人和计算机存储介质 | |
JP2005156199A (ja) | 車両検知方法及び車両検知装置 | |
CN109661683B (zh) | 基于图像内容的投射结构光方法、深度检测方法及结构光投射装置 | |
US20220137196A1 (en) | Object detection apparatus | |
US20220358639A1 (en) | Image processing system, setting method, and program | |
JP6509146B2 (ja) | 検査装置および検査方法 |
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 | ||
CB02 | Change of applicant information |
Address after: 215104 E3, building 16, No. 2288, Wuzhong Avenue, Yuexi, Wuzhong District, Suzhou City, Jiangsu Province Applicant after: Pursuit innovation technology (Suzhou) Co.,Ltd. Address before: 215104 E3, building 16, No. 2288, Wuzhong Avenue, Yuexi, Wuzhong District, Suzhou City, Jiangsu Province Applicant before: ZHUICHUANG TECHNOLOGY (SUZHOU) Co.,Ltd. |
|
CB02 | Change of applicant information |