CN113379816B - 结构变动检测方法、电子设备及存储介质 - Google Patents
结构变动检测方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113379816B CN113379816B CN202110728508.3A CN202110728508A CN113379816B CN 113379816 B CN113379816 B CN 113379816B CN 202110728508 A CN202110728508 A CN 202110728508A CN 113379816 B CN113379816 B CN 113379816B
- Authority
- CN
- China
- Prior art keywords
- speckle
- depth
- preset
- detection
- acquiring
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/507—Depth or shape recovery from shading
-
- 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
- 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
-
- 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
- G06T2207/10052—Images from lightfield camera
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明实施例涉及数据处理领域,公开了一种结构变动检测方法、电子设备及存储介质。结构变动检测方法包括:获取结构光相机的散斑检测图和深度检测图;获取所述散斑检测图的清晰度;当所述清晰度满足预设清晰条件时,获取所述散斑检测图与预设的散斑参考图之间的偏差信息;根据所述散斑检测图和所述深度检测图获取所述深度检测图的空洞率;当所述偏差信息和所述空洞率满足预设变动条件时,确定所述结构光相机的结构发生变动。本发明可以在清晰度满足条件的情况下,结合偏差信息和空洞率来检测相机结构的变动情况,从而使得本发明可以提高所获取的相机结构变动结果的准确性。
Description
技术领域
本发明实施例涉及数据处理领域,特别涉及一种结构变动检测方法、电子设备及存储介质。
背景技术
自从成功将深度相机集成到手机,能够恢复三维信息的深度相机逐渐在各种消费级应用中兴起。深度相机根据深度恢复的工作原理,能够分成双目深度相机、飞行时间(Time of flight,简称TOF)深度相机以及结构光相机,其中结构光相机由于其工作抗干扰性强、成本适中,得到了更多的应用;结构光相机的主要作用是恢复物体的深度信息,然后可以将所获取的物体深度信息应用到不同的场景中,比如常见的深度人脸识别、虚拟现实(Virtual Reality,简称VR)、自动驾驶、智能门锁等不同的领域。在结构光相机的使用中,往往会因长期的使用、摔打或系统故障等因素,导致结构光相机的结构出现变动,从而导致结构光相机不能恢复物体深度信息或者导致最终呈现的物体深度信息效果不理想;现有中常采用结构光相机拍摄的散斑检测图和结构光相机的散斑参考图之间的偏差信息来确定结构光相机的结构是否发生变动。
然而,只采用结构光相机拍摄的散斑检测图和结构光相机的散斑参考图之间的偏差信息来确定结构光相机的结构是否发生变动时,会出现散斑检测图偏差信息并不是由结构光相机的变动,而是由于其他因素(如光照、被测物体的反射率等)引起的,如果此时就判断结构光相机的结构发生变动,就会出现错判、误判等情况,导致通过散斑检测图的偏差信息所获取的结构光相机结构变动结果的准确性较差。
发明内容
本发明实施例的目的在于提供一种结构变动检测方法、电子设备及存储介质,能够通过在清晰度满足条件的情况下采用偏差信息和空洞率对相机进行结构变动检测,使得可以提高所获取的相机结构变动结果的准确性。
本发明的实施方式提供了一种相机结构变动检测方法,所述方法包括:获取结构光相机的散斑检测图和深度检测图;获取所述散斑检测图的清晰度;当所述清晰度满足预设清晰条件时,获取所述散斑检测图与预设的散斑参考图之间的偏差信息;根据所述散斑检测图和所述深度检测图获取所述深度检测图的空洞率;当所述偏差信息和所述空洞率满足预设变动条件时,确定所述结构光相机的结构发生变动。
本发明的实施方式还提供了一种电子设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行以上所述的结构变动检测方法。
本发明的实施方式还提供了一种计算机可读存储介质,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以上所述的结构变动检测方法。
本发明实施例,在对相机进行结构变动检测的过程中,通过所获取的结构光相机的散斑检测图和深度检测图来进一步获取散斑检测图的清晰度,且在清晰度满足条件的情况下获取散斑检测图的偏差信息以及深度检测图的空洞率;之后根据偏差信息和空洞率来检测相机结构的变动情况,从而可以提高所获取的相机结构变动结果的准确性,解决了现有技术中只采用偏差信息判断相机结构是否发生变动,从而会在判断结构光相机的结构是否发生变动时出现错判、误判的技术问题。
另外,本发明实施例提供的结构变动检测方法,所述预设变动条件包括预设偏差条件和预设空洞条件;所述当所述偏差信息和所述空洞率满足预设变动条件时,确定所述结构光相机的结构变动包括:当所述偏差条件满足所述预设偏差条件时,检测所述空洞率是否满足所述预设空洞条件;当所述空洞率满足所述预设空洞条件时,则确定所述结构光相机的结构变动。本发明提供的技术方案可以通过先判断偏差信息再判断空洞率,在偏差信息不满足条件的情况下,便可以直接判断相机结构未发生变动,不需要进行空洞率的判断;只有在两种条件都满足的情况下,才会判断相机的结构发生变动,可以提高本申请判断相机结构变动的速度和灵活性。
另外,本发明实施例提供的结构变动检测方法,所述获取所述散斑检测图与预设的散斑参考图之间的偏差信息包括:利用网格法在所述散斑检测图上选取目标像素点,其中,所述目标像素点是所述散斑检测图的各散斑像素行上的部分散斑像素点;将所述目标像素点与所述散斑参考图中的参考像素点进行像素点匹配,获取与所述目标像素点匹配的匹配像素点;获取所述匹配像素点的视差信息,并根据所述视差信息获取所述偏差信息。本发明提供的技术方案可以利用网格法在散斑检测图上选取一定数量的目标像素点,可以避免对整幅散斑检测图的像素点进行匹配,来提高本发明获取散斑检测图的偏差信息的速度。
另外,本发明实施例提供的结构变动检测方法,所述根据所述视差信息获取所述偏差信息包括:根据预设的视差信息与点偏差信息的对应关系,获取与所述匹配像素点的视差信息对应的点偏差信息,并将所述点偏差信息作为与所述匹配像素点匹配的所述目标像素点的点偏差信息;根据所述散斑检测图的各散斑像素行上的所述目标像素点对应的所述点偏差信息获取所述各散斑像素行的行偏差信息;根据所述各散斑像素行的行偏差信息获取所述偏差信息。本发明提供的技术方案可以在获取偏差信息时,是从点偏差到行偏差再到整幅散斑检测图的偏差信息,可以提高本发明所获取的散斑检测图的偏差信息的准确度。
另外,本发明实施例提供的结构变动检测方法,获取所述散斑检测图中各散斑像素点对应的散斑掩膜值,并获取所述散斑掩膜值为清晰掩膜值的所述散斑像素点个数,其中,所述散斑掩膜值为所述清晰掩膜值或非清晰掩膜值;获取所述深度检测图中各深度像素点对应的深度掩膜值,并获取所述深度掩膜值为显著掩膜值的所述深度像素点个数,其中,所述深度掩膜值为所述显著掩膜值或非显著掩膜值;将所述深度像素点个数和所述散斑像素点个数的比值作为所述空洞率。本发明提供的技术方案可以通过散斑检测图和深度检测图对应的像素点个数来判断空洞率,可以准确的确定相机所获取的深度检测图的恢复程度。
另外,本发明实施例提供的结构变动检测方法,所所述获取所述散斑检测图中各散斑像素点对应的散斑掩膜值包括:当所述散斑像素点的灰度值不满足所述预设第一灰度条件时,则所述散斑像素点对应的所述散斑掩膜值为所述非清晰掩膜值;当所述散斑像素点的灰度值满足所述预设第一灰度条件时,获取所述散斑像素点对应的预设窗口内所有散斑像素点的灰度平均值和灰度标准差;根据所述灰度平均值和所述灰度标准差对所述散斑像素点的灰度值进行矫正,获取所述散斑像素点的矫正灰度值;当所述散斑像素点的矫正灰度值满足预设第二灰度条件时,则所述散斑像素点对应的所述散斑掩膜值为所述清晰掩膜值;当所述散斑像素点的矫正灰度值不满足所述预设第二灰度条件时,则所述散斑像素点对应的所述散斑掩膜值为所述非清晰掩膜值。本发明提供的技术方案可以在获取散斑检测图的清晰掩膜值时,可以过滤掉图像过暗和过曝区域,避免过暗和过曝区域内的像素点对散斑检测图的清晰掩膜值的影响,提高所获取的散斑检测图的清晰掩膜值的质量。
另外,本发明实施例提供的结构变动检测方法,所述获取所述散斑检测图的清晰度包括:对所述散斑检测图进行阴影检测,获取所述散斑检测图的非阴影区域;根据所述非阴影区域内各散斑像素点的灰度值获取所述散斑检测图的局部极值区域;将所述局部极值区域和所述非阴影区域的比值作为所述散斑检测图的清晰度。本发明提供的技术方案可以通过确定非阴影区域和局部极值区域,根据两者比值即可获知散斑检测图像清晰度,整个过程简单、快速、准确。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是根据本发明实施例的相机结构变动检测方法的流程图一;
图2是根据本发明实施例的相机结构变动检测方法的流程图二;
图3是根据本发明实施例的相机结构变动检测方法的流程图三;
图4是根据本发明实施例的相机结构变动检测方法的流程图四;
图5是根据本发明实施例的相机结构变动检测方法的流程图五;
图6是根据本发明实施例的相机结构变动检测方法的中步骤504的流程图六;
图7是根据本发明实施例的相机结构变动检测方法的流程图七;
图8是根据本发明实施例的电子设备的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本发明而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本发明所要求保护的技术方案。以下各个实施例的划分是为了描述方便,不应对本发明的具体实现方式构成任何限定,各个实施例在不矛盾的前提下可以相互结合相互引用。
本发明实施例涉及一种结构变动检测方法,本发明的结构变动检测方法可以应用在结构光相机上,也可以应用在一个单独的结构变动检测产品上,如图1所示,具体包括:
步骤101,获取结构光相机的散斑检测图和深度检测图。
具体的说,当本发明的结构变动检测方法应用在结构光相机时,使用结构光相机拍摄某一测试物体(通常情况下所选取的测试物体的深度条件要好,否则会影响深度检测图的呈现效果),结构光相机通过内置的散斑投射器形成被测物体的散斑检测图,通过所测试物体的散斑检测图可基于结构光相机自带的深度恢复算法来获取到与测试物体的散斑检测图对应的深度检测图;当本发明的结构变动检测方法应用在单独的结构变动检测产品,该产品可以直接从结构光相机处或其他存储由结构光相机所拍摄的图像的存储位置获取的该结构光相机的散斑检测图和深度检测图。
步骤102,获取散斑检测图的清晰度。
具体的说,散斑检测图的清晰度可以是利用清晰度评价函数来获取,常见的清晰度评价函数包括Brenner梯度函数、Tenengrad梯度函数、Laplacian梯度函数等,也可以先对散斑检测图进行阴影检测确定出散斑检测图的非阴影区域,之后再根据散斑检测图像的非阴影区域内的散斑像素点的灰度值、位置和数量确定出散斑检测图的局部极值区域,最后根据局部极值区域和非阴影区域的比值确定出散斑检测图的清晰度,比如:局部极值区域为分子,非阴影区域为分母,此时比值越大,散斑检测图像越清晰,比值越小散斑检测图像越模糊;相反地,局部极值区域为分母,非阴影区域为分子,此时比值越大散斑检测图像越模糊,比值越小散斑检测图像越清晰。
步骤103,当清晰度满足预设清晰条件时,获取散斑检测图与预设的散斑参考图之间的偏差信息。
具体的说,在获取偏差信息之前,需要先对散斑检测图的清晰度进行检测,因为在散斑检测图清晰度不佳的情况下,所获取的散斑侧视图的偏差信息误差太大,且根据散斑检测图所生成的深度检测图的质量较差,无法获取到深度检测图的空洞率,因此,只有在散斑检测图的清晰度满足的情况下,才进行获取散斑检测图的偏差信息和之后的步骤,其中,预设的清晰条件可以是某一个范围(例如清晰度在0.05-1之间),优选的,本发明的预设清晰条件为:清晰度大于0.05。
预设的散斑参考图是在结构光相机未发生变动时,对同一测试物体进行拍摄所获取的散斑图像;散斑检测图与预设的散斑参考图之间的偏差信息需要先将散斑检测图与散斑参考图进行匹配,为散斑检测图上的散斑像素点在散斑参考图的参考像素点上找到一个最为相似的匹配像素点,之后根据该匹配像素点的视差信息在预设的偏差信息表中确定与该视差信息对应的偏差信息,作为散斑检测图上的散斑像素点对应的点偏差信息,在获取到每个散斑像素点的点偏差信息之后,可以根据所有散斑像素点的点偏差信息的均值、中值、方差等来确定该散斑检测图的偏差信息;也可以先根据每一散斑像素行上的散斑像素点的点偏差信息确定出该散斑像素行的行偏差信息(可以根据每一个散斑像素行上的散斑像素点的点偏差信息的均值、中值、方差等来确定),再根据所有散斑像素行的行偏差信息的均值、中值、方差来确定该散斑检测图的偏差信息;具体的散斑检测图的偏差信息的确定方法可根据实际情况来确定。
此处需要注意的是:散斑检测图的清晰度是为了确定结构光相机所生成的散斑检测图的质量,只有在生成的散斑检测图的质量较佳的情况下,结构光相机所生成的深度检测图才比较完整和准确,能够用于后续处理,进行相机结构变动的检测,除了散斑检测图的清晰度之外,本发明也可以采用其他的方法来确定散斑检测图的质量,如散斑检测图的灰度、散斑检测图的图像特征等。
步骤104,根据散斑检测图和深度检测图获取深度检测图的空洞率。
具体的说,在获取深度检测图的空洞率的时候,首先需要对散斑检测图上的散斑像素点进行处理,获取到与每个散斑像素点对应的散斑掩膜值(也还可以根据所有散斑像素点的散斑掩膜值生成散斑检测图对应的散斑掩膜图);每个散斑像素点对应的散斑掩膜值是根据散斑像素点的灰度值确定的,当散斑像素点的灰度值属于第一范围(如灰度值大于245或小于60)时,则说明该散斑像素点是模糊的点,该散斑像素点对应的散斑掩膜值为非清晰掩膜值(比如0),当散斑像素点的灰度值属于第二范围(如灰度值在60-245之间)时,则说明该散斑像素点是清晰的点,该散斑像素点对应的散斑掩膜值为清晰掩膜值(比如1),除此之外,还可以对满足第二范围的散斑像素点进行二次判断,来进一步筛选更为清晰的散斑像素点,提高所生成的清晰掩膜值的质量。其次,需要对深度检测图上的深度像素点进行处理,获取到与每个深度像素点对应的深度掩膜值,之后再根据所有深度像素点的深度掩膜值生成散斑检测图对应的深度掩膜图;每个深度像素点对应的深度掩膜值是根据该深度像素点对应的深度值获取的,当该深度像素点对应的深度值不满足预设的深度范围(深度范围的取值与获取散斑检测图和深度检测图时所采用的结构光相机有关)时,则该深度像素点对应的深度掩膜值为非显著掩膜值(比如0),当该深度像素点对应的深度值满足预设的深度范围时,则该深度像素点对应的深度掩膜值为显著掩膜值(比如1)。最后,统计深度检测图上深度掩膜值为显著掩膜值的像素点个数S1和散斑检测图的散斑掩膜值为清晰掩膜值的像素点个数S2,根据S1和S2的比值大小确定深度检测图的空洞率K,K=S1/S2*100%。
步骤105,当偏差信息和空洞率满足预设变动条件时,确定结构光相机的结构发生变动。
具体的说,散斑检测图的偏差信息可以说明结构光相机生成的散斑检测图的准确性,当散斑检测图的偏差信息过大时,则说明结构光相机生成的散斑检测图的准确性较差,而引起散斑检测图产生偏差信息的因素可能是使用结构光相机拍摄测试物体时的光照环境、测试物体对结构光相机的红外射线的反射率或结构光相机的结构发生变动;而深度检测图的空洞率可以说明结构光相机生成的深度检测图的质量情况,当深度检测图的空洞率过大时,则说明结构光相机生成的深度检测图的质量不佳,而引起深度检测图的质量不佳的因素可能是测试物体本身的深度条件差或结构光相机的结构发生变动;因此在对结构光相机的结构的变动情况进行检测时,不能够只考虑散斑检测图的偏差信息,也不能够只考虑深度检测图的空洞率,在只考虑一种信息时,就会将不是由结构光相机的结构变动导致的偏差信息大或空洞率大判定为是由于结构光相机的结构变动引起的,导致出现错判、误判的情况出现,因此,需要同时考虑散斑检测图的偏差信息和深度检测图的空洞率来判定结构光相机的机构是否发生变动。
在判断时,可以先判定散斑检测图的偏差信息后判定深度检测图的空洞率,当偏差信息不满足预设偏差条件时,说明该结构光相机所获取的散斑检测图较为准确,在散斑检测图准确的情况下,说明该结构光相机的结构并未发生改变,不需要进行空洞率的检测;当偏差信息满足预设偏差条件,说明该结构光相机所获取的散斑检测图不准确,需要进一步进行深度检测图的空洞率的检测,以确定导致散斑检测图出现偏差信息是不是由于结构光相机的结构变动引起的,而在空洞率也满足预设空洞条件时,说该结构光相机所获取的深度检测图误差较大,结构光相机的结构发生变动,需要重新标定;空洞率不满足预设空洞条件时,说明该结构光相机所获取的深度检测图准确,结构光相机的结构并未发生变动,引起散斑检测图发生偏差可能是由除结构光相机的结构变动之外的其他因素影响的。也可以先对深度检测图的空洞率进行判断,但空洞率满足预设空洞条件时,说明所生成的深度检测图的质量不佳,需要进一步进行散斑检测图的偏差信息的判断,以确定深度检测图的质量不佳是不是由于结构光相机的结构变动引起的,在散斑侧检测图的偏差信息满足预设偏差信息的情况下,说明结构光相机的结构发生变动,需要重新对结构光相机进行标定,否则,则说明结构光相机的结构并未发生变动,深度检测图的质量不佳是由于其他因素引起的。其中,具体的预设偏差条件和预设空洞条件可以根据实际情况来调整,本发明优选的预设变动条件偏差信息可以是偏差信息大于或等于2、预设空洞条件是空洞率大于9%。
本发明实施例,在对相机进行结构变动检测的过程中,通过所获取的结构光相机的散斑检测图和深度检测图来进一步获取散斑检测图的清晰度,且在清晰度满足条件的情况下获取散斑检测图的偏差信息以及深度检测图的空洞率;之后根据偏差信息和空洞率来检测相机结构的变动情况,从而可以提高所获取的相机结构变动结果的准确性,解决了现有技术中只采用偏差信息判断相机结构是否发生变动,从而会在判断结构光相机的结构是否发生变动时出现错判、误判的技术问题。
本发明实施例涉及一种相机结构变动检测方法,如图2所示,具体包括:
步骤201,获取结构光相机的散斑检测图和深度检测图。
具体的说,本步骤与本发明实施例中的步骤101大致相同,此处不一一赘述。
步骤202,获取散斑检测图的清晰度。
具体的说,本步骤与本发明实施例中的步骤102大致相同,此处不一一赘述。
步骤203,当清晰度满足预设清晰条件时,获取散斑检测图与预设的散斑参考图之间的偏差信息。
具体的说,本步骤与本发明实施例中的步骤103大致相同,此处不一一赘述。
步骤204,根据散斑检测图和深度检测图获取深度检测图的空洞率。
具体的说,本步骤与本发明实施例中的步骤104大致相同,此处不一一赘述。
步骤205,当偏差条件满足预设偏差条件时,检测空洞率是否满足预设空洞条件。
具体的说,当散斑检测图的偏差信息满足预设偏差条件时,则说明结构光相机所获取的散斑检测图出现了一定的误差,需要进一步对深度检测图的空洞率进行判断,以准确的判断结构光相机的结构变动情况。
步骤206,当空洞率满足预设空洞条件时,则确定结构光相机的结构变动。
具体的说,当空洞率也满足预设空洞条件时,则说明结构光相机不能够准确的根据散斑检测图恢复的物体深度信息,进一步说明结构光相机的结构发生变动。
本发明实施例,在其他实施例所带来的有益效果的基础之上,还可以通过先判断偏差信息再判断空洞率,在偏差信息不满足条件的情况下,便可以直接判断相机结构未发生变动,不需要进行空洞率的判断;只有在两种条件都满足的情况下,才会判断相机的结构发生变动,可以提高本申请判断相机结构变动的速度和灵活性。
本发明实施例涉及一种相机结构变动检测方法,如图3所示,具体包括:
步骤301,获取结构光相机的散斑检测图和深度检测图。
具体的说,本步骤与本发明实施例中的步骤101大致相同,此处不一一赘述。
步骤302,获取散斑检测图的清晰度。
具体的说,本步骤与本发明实施例中的步骤102大致相同,此处不一一赘述。
步骤303,当清晰度满足预设清晰条件时,利用网格法在散斑检测图上选取目标像素点,其中,目标像素点是散斑检测图的各散斑像素行上的部分散斑像素点。
具体的说,由于一张散斑检测图是由大量的散斑像素点构成的,如果对每一个散斑像素点都进行匹配的话,需要消耗大量的时间,因此本发明在对散斑检测图和散斑参考图进行匹配前,先利用网格法在散斑检测图的每一个散斑像素行筛选出一部分散斑像素点作为目标像素点,用于与散斑参考图的参考像素点进行匹配,网格法是指将散斑检测图划分为N行*M列,在N行和M列上按等间隔选取n行或m列散斑像素点,利用网络法不仅能够降低散斑检测图和散斑参考图的匹配速度,还能兼顾所选取的散斑像素点在散斑检测图上的覆盖性。
步骤304,将目标像素点与散斑参考图中的参考像素点进行像素点匹配,获取与目标像素点匹配的匹配像素点。
具体的说,以目标像素点a为例说明散斑像素点与散斑参考图的匹配过程:在散斑参考图上选择一定的矩形窗口(某一像素点或像素块),计算该矩形窗口与目标像素点a的相似度(以采用SAD(Sum of absolute differences,绝对差值之和)匹配算法为例,矩形窗口与目标像素点a的相似度用SAD值来表示,SAD值越小,表明相似度越高),同时在获取相似度的同时还需要获取该矩形窗口对应的视差信息,所选取的举行窗口遍历散斑参考图之后,便会得到一个相似度*视差信息的数组,从数组中选取相似度最高的矩形窗口作为目标像素点a的匹配像素点,其中,视差信息的计算公式如下:
D=b*f/z
其中,D为视差信息,b为相机的基线,f是相机的焦距,z是相机距被测物体的距离,被测物体时结构光相机获取散斑检测图(散斑参考图)时所选取的拍摄对象。
步骤305,获取匹配像素点的视差信息,并根据视差信息获取偏差信息。
具体的说,在目标像素点a的匹配像素点确定之后,从相似度*视差信息的数组中获取到该匹配像素点对应的视差信息,再从预先设置好的视差信息与点偏差信息的对应关系里确定与该视差信息对应的点偏差信息,在获取到所有目标像素点的点偏差信息之后,可以采用本实施方式中的步骤102所提及的根据点偏差信息获取散斑检测图的偏差信息的方法来获取偏差信息,此处不一一赘述。
步骤306,根据散斑检测图和深度检测图获取深度检测图的空洞率。
具体的说,本步骤与本发明实施例中的步骤104大致相同,此处不一一赘述。
步骤307,当偏差信息和空洞率满足预设变动条件时,确定结构光相机的结构发生变动。
具体的说,本步骤与本发明实施例中的步骤105大致相同,此处不一一赘述。
本发明实施例,在其他实施例所带来的有益效果的基础之上,还可以利用网格法在散斑检测图上选取一定数量的目标像素点,可以避免对整幅图像的像素点进行匹配,来提高本发明获取散斑检测图的偏差信息的速度。
本发明实施例涉及一种相机结构变动检测方法,如图4所示,具体包括:
步骤401,获取结构光相机的散斑检测图和深度检测图。
具体的说,本步骤与本发明实施例中的步骤101大致相同,此处不一一赘述。
步骤402,获取散斑检测图的清晰度。
具体的说,本步骤与本发明实施例中的步骤102大致相同,此处不一一赘述。
步骤403,当清晰度满足预设清晰条件时,利用网格法在散斑检测图上选取目标像素点,其中,目标像素点是散斑检测图的各散斑像素行上的部分散斑像素点。
具体的说,本步骤与本发明实施例中的步骤303大致相同,此处不一一赘述。
步骤404,将目标像素点与散斑参考图中的参考像素点进行像素点匹配,获取与目标像素点匹配的匹配像素点。
具体的说,本步骤与本发明实施例中的步骤304大致相同,此处不一一赘述。
步骤405,获取匹配像素点的视差信息。
具体的说,本步骤与本发明实施例中的步骤305提及的获取匹配像素点的视差信息的方法大致相同,此处不一一赘述。
步骤406,根据预设的视差信息与点偏差信息的对应关系,获取与匹配像素点的视差信息对应的点偏差信息,并将点偏差信息作为与匹配像素点匹配的目标像素点的点偏差信息。
具体的说,本步骤与本发明实施例中的步骤305提及的获取点偏差信息的方法大致相同,此处不一一赘述。
步骤407,根据散斑检测图的各散斑像素行上的目标像素点对应的点偏差信息获取各散斑像素行的行偏差信息。
具体的说,在获取到散斑检测图上的所有的目标像素点对应的点偏差信息之后,先前在利用网格法从散斑检测图上选取目标像素点时,将散斑检测图化为了N行*M列,每一个散斑像素行上都选取了部分散斑像素点作为目标像素点,可以根据每一个散斑像素行上的目标像素点的点偏差信息的中值、均值或方差来获取每一个散斑像素行的行偏差信息。
步骤408,根据各散斑像素行的行偏差信息获取偏差信息。
具体的说,从所有散斑像素行的行偏差信息中选择最大点行偏差信息和最小行偏差信息、或者所有散斑像素行的行偏差信息的均值、中值或方差作为散斑检测图的偏差信息。
步骤409,根据散斑检测图和深度检测图获取深度检测图的空洞率。
具体的说,本步骤与本发明实施例中的步骤104大致相同,此处不一一赘述。
步骤410,当偏差信息和空洞率满足预设变动条件时,确定结构光相机的结构发生变动。
具体的说,本步骤与本发明实施例中的步骤105大致相同,此处不一一赘述。
本发明实施例,在其他实施例所带来的有益效果的基础之上,还可以通过在获取偏差信息时从点偏差到行偏差再到整幅图像的偏差信息,可以提高本发明所获取的散斑检测图的偏差信息的准确度。
本发明实施例涉及一种相机结构变动检测方法,如图5所示,具体包括:
步骤501,获取结构光相机的散斑检测图和深度检测图。
具体的说,本步骤与本发明实施例中的步骤101大致相同,此处不一一赘述。
步骤502,获取散斑检测图的清晰度。
具体的说,本步骤与本发明实施例中的步骤102大致相同,此处不一一赘述。
步骤503,当清晰度满足预设清晰条件时,获取散斑检测图与预设的散斑参考图之间的偏差信息。
具体的说,本步骤与本发明实施例中的步骤103大致相同,此处不一一赘述。
步骤504,获取散斑检测图中各散斑像素点对应的散斑掩膜值,并获取散斑掩膜值为清晰掩膜值的散斑像素点个数,其中,散斑掩膜值为清晰掩膜值或非清晰掩膜值。
具体的说,本发明在获取散斑检测图中各散斑像素点对应的散斑掩膜值之后,统计散斑掩膜值为清晰掩膜值的散斑像素点的个数S2;而本发明获取散斑检测图中各散斑像素点对应的散斑掩膜值的方法如图6所示,包括:
步骤601,获取散斑检测图中的散斑像素点的灰度值。
具体的说,获取散斑检测图上每一个散斑像素点所对应的灰度值。
步骤602,判断散斑像素点的灰度值是否满足预设第一条件。
具体的说,预设的亮度条件可以为灰度值在60-245之间,当散斑像素点的灰度值满足该条件时,则说明该散斑像素点较为清晰,执行步骤603,当散斑像素点的灰度值不满足该条件时,则说明该散斑像素点较为模糊,执行步骤607。
步骤603,获取散斑像素点对应的预设窗口内所有散斑像素点的灰度平均值和灰度标准差。
具体的说,以满足预设亮度条件为例,目标像素点a坐标为(ia,ja),其灰度值为Ga(i,j),预设窗口以点P为中心,计算预设窗口内所有散斑像素点灰度值的平均值为avg,标准差为std。
步骤604,根据灰度平均值和灰度标准差对散斑像素点的灰度值进行矫正,获取散斑像素点的矫正灰度值。
具体的说,对目标像素点a的灰度值矫正公式如下:
其中,G′a(i,j)为散斑像素点的矫正灰度值,Ga(i,j)为散斑像素点的灰度值,avg为灰度平均值,std为灰度标准差。
步骤605,判断散斑像素点的矫正灰度值是否满足预设第二灰度条件。
具体的说,预设的灰度条件可以为G′a(i,j)大于140,当散斑像素点的矫正灰度值满足预设灰度条件,则说明该散斑像素点清晰,执行步骤606;当散斑像素点的矫正灰度值不满足预设灰度条件,则说明该散斑像素点不清晰,执行步骤607。
步骤606,确定散斑像素点对应的散斑掩膜值为清晰掩膜值。
具体的说,当散斑像素点清晰时,该散斑像素点对应的散斑掩膜值为清晰掩膜值(比如1)。
步骤607,确定散斑像素点对应的散斑掩膜值为非清晰掩膜值。
具体的说,当散斑像素点不清晰时,该散斑像素点对应的散斑掩膜值为非清晰掩膜值(比如0)。
步骤504,获取深度检测图中各深度像素点对应的深度掩膜值,并获取深度掩膜值为显著掩膜值的深度像素点个数,其中,深度掩膜值为显著掩膜值或非显著掩膜值。
具体的说,本发明获取深度检测图的深度掩膜图的方法包括:对深度检测图上的深度像素点进行处理,获取到与每个深度像素点对应的深度掩膜值(还可以根据所有深度像素点的深度掩膜值生成散斑检测图对应的深度掩膜图)每个深度像素点对应的深度掩膜值是根据该深度像素点对应的深度值获取的,当该深度像素点对应的深度值不满足预设的深度范围(深度范围的取值与获取散斑检测图和深度检测图时所采用的结构光相机有关)时,则该深度像素点对应的深度掩膜值为非显著掩膜值(比如0),当该深度像素点对应的深度值满足预设的深度范围时,则该深度像素点对应的深度掩膜值为显著掩膜值(比如1);子厚统计深度掩膜图上三度掩膜值为显著掩膜值的深度像素点个数S1。
步骤505,将深度像素点个数和散斑像素点个数的比值作为空洞率。
具体的说,根据S1和S2的比值大小确定深度检测图的空洞率K,K=S1/S2*100%。
步骤506,当偏差信息和空洞率满足预设变动条件时,确定结构光相机的结构发生变动。
具体的说,本步骤与本发明实施例中的步骤104大致相同,此处不一一赘述。
本发明实施例,在其他实施例所带来的有益效果的基础之上,还可以通过散斑检测图和深度检测图对应的像素点个数来判断空洞率,可以准确的确定相机所获取的深度检测图的恢复程度;还可以在获取散斑检测图的清晰掩膜图时,可以过滤掉图像过暗和过曝区域,避免过暗和过曝区域内的像素点对散斑检测图的清晰掩膜值的影响,提高所获取的散斑检测图的清晰掩膜值的质量。
本发明实施例涉及一种相机结构变动检测方法,如图7所示,具体包括:
步骤701,获取结构光相机的散斑检测图和深度检测图。
具体的说,本步骤与本发明实施例中的步骤101大致相同,此处不一一赘述。
步骤702,对散斑检测图进行阴影检测,获取散斑检测图的非阴影区域。
具体的说,本发明的非阴影区域的确定可以在本发明实施例中的步骤504的技术上进行,当散斑像素点的矫正灰度值大于0,且该散斑像素点的灰度值大于矫正灰度值时,则说明该散斑像素点位于非阴影区域,否则位于阴影区域,满足条件的散斑像素点组成的区域称为非阴影区域。
步骤703,根据非阴影区域内各像素点的灰度值获取散斑检测图的局部极值区域。
具体的说,以非阴影区域中的散斑像素点c为例说明局部极值区域的确定,在非阴影区域中选择散斑像素点c对于的预设窗口(形状不受限制),该预设窗口以散斑像素点c为中心,确定该预设窗口内每一个采样像素点的灰度值,当散斑像素点c的灰度值大于预设窗口内每一个采样像素点的灰度值时,则说明该散斑像素点c是局部极值点,重复此步骤,非阴影区域内的所有局部极值点构成的区域称为局部极值区域。
步骤704,将局部极值区域和非阴影区域的比值作为散斑检测图的清晰度。
具体的说,通过局部极值区域和非阴影区域的比值,比如:局部极值区域为分子,非阴影区域为分母,此时比值越大,散斑检测图像越清晰,比值越小散斑检测图像越模糊。相反地,局部极值区域为分母,非阴影区域为分子,此时比值越大散斑检测图像越模糊,比值越小散斑检测图像越清晰。
步骤705,当清晰度满足预设条件时,获取散斑检测图与预设的散斑参考图之间的偏差信息。
具体的说,本步骤与本发明实施例中的步骤103大致相同,此处不一一赘述。
步骤706,根据散斑检测图和深度检测图获取深度检测图的空洞率。
具体的说,本步骤与本发明实施例中的步骤104大致相同,此处不一一赘述。
步骤707,当偏差信息和空洞率满足预设变动条件时,确定结构光相机的结构发生变动。
具体的说,本步骤与本发明实施例中的步骤105大致相同,此处不一一赘述。
本发明实施例,在其他实施例所带来的有益效果的基础之上,还可以通过确定非阴影区域和局部极值区域,根据两者比值即可获知散斑检测图像清晰度,整个过程简单、快速、准确。
本发明实施例涉及一种电子设备,如图8所示,包括:
至少一个处理器801;以及,
与所述至少一个处理器801通信连接的存储器802;其中,
所述存储器802存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器801执行,以使所述至少一个处理器801能够执行本发明以上任一所述的相机结构变动检测方法。
其中,存储器和处理器采用总线方式连接,总线可以包括任意数量的互联的总线和桥,总线将一个或多个处理器和存储器的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件,也可以是多个元件,比如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。经处理器处理的数据通过天线在无线介质上进行传输,进一步,天线还接收数据并将数据传送给处理器。
处理器负责管理总线和通常的处理,还可以提供各种功能,包括定时,外围接口,电压调节、电源管理以及其他控制功能。而存储器可以被用于存储处理器在执行操作时所使用的数据。
本发明实施例涉及一种计算机可读存储介质,存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。
即,本领域技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (9)
1.一种结构变动检测方法,其特征在于,所述方法包括:
获取结构光相机的散斑检测图和深度检测图;
对所述散斑检测图进行阴影检测,获取所述散斑检测图的非阴影区域;
根据所述非阴影区域内各散斑像素点的灰度值、各所述散斑像素点的位置和各所述散斑像素点的数量获取所述散斑检测图的局部极值区域;
将所述局部极值区域和所述非阴影区域的比值作为所述散斑检测图的清晰度;
当所述清晰度满足预设清晰条件时,获取所述散斑检测图与预设的散斑参考图之间的偏差信息;
根据所述散斑检测图和所述深度检测图获取所述深度检测图的空洞率;
当所述偏差信息满足预设偏差条件且所述空洞率满足预设空洞条件时,确定所述结构光相机的结构发生变动。
2.根据权利要求1所述的结构变动检测方法,其特征在于,
所述当所述偏差信息满足预设偏差条件且所述空洞率满足预设空洞条件时,确定所述结构光相机的结构变动包括:
当所述偏差条件满足所述预设偏差条件时,检测所述空洞率是否满足所述预设空洞条件;
当所述空洞率满足所述预设空洞条件时,则确定所述结构光相机的结构变动。
3.根据权利要求1或2所述的结构变动检测方法,其特征在于,所述获取所述散斑检测图与预设的散斑参考图之间的偏差信息包括:
利用网格法在所述散斑检测图上选取目标像素点,其中,所述目标像素点是所述散斑检测图的各散斑像素行上的部分散斑像素点;
将所述目标像素点与所述散斑参考图中的参考像素点进行像素点匹配,获取与所述目标像素点匹配的匹配像素点;
获取所述匹配像素点的视差信息,并根据所述视差信息获取所述偏差信息。
4.根据权利要求3所述的结构变动检测方法,其特征在于,所述根据所述视差信息获取所述偏差信息包括:
根据预设的视差信息与点偏差信息的对应关系,获取与所述匹配像素点的视差信息对应的点偏差信息,并将所述点偏差信息作为与所述匹配像素点匹配的所述目标像素点的点偏差信息;
根据所述散斑检测图的各散斑像素行上的所述目标像素点对应的所述点偏差信息获取所述各散斑像素行的行偏差信息;
根据所述各散斑像素行的行偏差信息获取所述偏差信息。
5.根据权利要求1或2所述的结构变动检测方法,其特征在于,所述根据所述散斑检测图和所述深度检测图获取所述深度检测图的空洞率包括:
获取所述散斑检测图中各散斑像素点对应的散斑掩膜值,并获取所述散斑掩膜值为清晰掩膜值的所述散斑像素点个数,其中,所述散斑掩膜值为所述清晰掩膜值或非清晰掩膜值;
获取所述深度检测图中各深度像素点对应的深度掩膜值,并获取所述深度掩膜值为显著掩膜值的所述深度像素点个数,其中,所述深度掩膜值为所述显著掩膜值或非显著掩膜值;
将所述深度像素点个数和所述散斑像素点个数的比值作为所述空洞率。
6.根据权利要求5所述的结构变动检测方法,其特征在于,所述获取所述散斑检测图中各散斑像素点对应的散斑掩膜值包括:
当所述散斑像素点的灰度值不满足所述预设第一灰度条件时,则所述散斑像素点对应的所述散斑掩膜值为所述非清晰掩膜值;
当所述散斑像素点的灰度值满足所述预设第一灰度条件时,获取所述散斑像素点对应的预设窗口内所有散斑像素点的灰度平均值和灰度标准差;
根据所述灰度平均值和所述灰度标准差对所述散斑像素点的灰度值进行矫正,获取所述散斑像素点的矫正灰度值;
当所述散斑像素点的矫正灰度值满足预设第二灰度条件时,则所述散斑像素点对应的所述散斑掩膜值为所述清晰掩膜值;
当所述散斑像素点的矫正灰度值不满足所述预设第二灰度条件时,则所述散斑像素点对应的所述散斑掩膜值为所述非清晰掩膜值。
7.根据权利要求5所述的结构变动检测方法,其特征在于,所述获取所述深度检测图的深度掩模图包括:
当所述深度像素点对应的深度值满足预设深度条件时,则所述深度像素点对应的所述深度掩膜值为所述显著掩膜值;
当所述深度像素点对应的深度值不满足预设深度条件时,则所述深度像素点对应的所述深度掩膜值为所述非显著掩膜值。
8.一种电子设备,其特征在于,包括:至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任一所述的结构变动检测方法。
9.一种计算机可读存储介质,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权利要求1至7中任一项所述的结构变动检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110728508.3A CN113379816B (zh) | 2021-06-29 | 2021-06-29 | 结构变动检测方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110728508.3A CN113379816B (zh) | 2021-06-29 | 2021-06-29 | 结构变动检测方法、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113379816A CN113379816A (zh) | 2021-09-10 |
CN113379816B true CN113379816B (zh) | 2022-03-25 |
Family
ID=77579890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110728508.3A Active CN113379816B (zh) | 2021-06-29 | 2021-06-29 | 结构变动检测方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113379816B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113888614B (zh) * | 2021-09-23 | 2022-05-31 | 合肥的卢深视科技有限公司 | 深度恢复方法、电子设备和计算机可读存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971405A (zh) * | 2014-05-06 | 2014-08-06 | 重庆大学 | 一种激光散斑结构光及深度信息的三维重建方法 |
US9958758B2 (en) * | 2015-01-21 | 2018-05-01 | Microsoft Technology Licensing, Llc | Multiple exposure structured light pattern |
CN109405765A (zh) * | 2018-10-23 | 2019-03-01 | 北京的卢深视科技有限公司 | 一种基于散斑结构光的高精度深度计算方法及系统 |
CN109461181A (zh) * | 2018-10-17 | 2019-03-12 | 北京华捷艾米科技有限公司 | 基于散斑结构光的深度图像获取方法及系统 |
CN110542540A (zh) * | 2019-07-18 | 2019-12-06 | 北京的卢深视科技有限公司 | 结构光模组的光轴对齐矫正方法 |
CN111402313A (zh) * | 2020-03-13 | 2020-07-10 | 合肥的卢深视科技有限公司 | 图像深度恢复方法和装置 |
CN111710000A (zh) * | 2020-05-25 | 2020-09-25 | 北京的卢深视科技有限公司 | 一种相机行偏差自检方法及系统 |
CN111768450A (zh) * | 2020-06-10 | 2020-10-13 | 北京的卢深视科技有限公司 | 基于散斑图的结构光相机行偏差的自动检测方法和装置 |
CN112150528A (zh) * | 2019-06-27 | 2020-12-29 | Oppo广东移动通信有限公司 | 一种深度图像获取方法及终端、计算机可读存储介质 |
CN112184811A (zh) * | 2020-09-22 | 2021-01-05 | 合肥的卢深视科技有限公司 | 单目空间结构光系统结构校准方法及装置 |
CN112330751A (zh) * | 2020-10-30 | 2021-02-05 | 合肥的卢深视科技有限公司 | 一种结构光相机行偏差检测方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9754376B1 (en) * | 2016-03-18 | 2017-09-05 | Chenyang Ge | Method and apparatus for generating a structured light speckle encoded pattern |
-
2021
- 2021-06-29 CN CN202110728508.3A patent/CN113379816B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971405A (zh) * | 2014-05-06 | 2014-08-06 | 重庆大学 | 一种激光散斑结构光及深度信息的三维重建方法 |
US9958758B2 (en) * | 2015-01-21 | 2018-05-01 | Microsoft Technology Licensing, Llc | Multiple exposure structured light pattern |
CN109461181A (zh) * | 2018-10-17 | 2019-03-12 | 北京华捷艾米科技有限公司 | 基于散斑结构光的深度图像获取方法及系统 |
CN109405765A (zh) * | 2018-10-23 | 2019-03-01 | 北京的卢深视科技有限公司 | 一种基于散斑结构光的高精度深度计算方法及系统 |
CN112150528A (zh) * | 2019-06-27 | 2020-12-29 | Oppo广东移动通信有限公司 | 一种深度图像获取方法及终端、计算机可读存储介质 |
CN110542540A (zh) * | 2019-07-18 | 2019-12-06 | 北京的卢深视科技有限公司 | 结构光模组的光轴对齐矫正方法 |
CN111402313A (zh) * | 2020-03-13 | 2020-07-10 | 合肥的卢深视科技有限公司 | 图像深度恢复方法和装置 |
CN111710000A (zh) * | 2020-05-25 | 2020-09-25 | 北京的卢深视科技有限公司 | 一种相机行偏差自检方法及系统 |
CN111768450A (zh) * | 2020-06-10 | 2020-10-13 | 北京的卢深视科技有限公司 | 基于散斑图的结构光相机行偏差的自动检测方法和装置 |
CN112184811A (zh) * | 2020-09-22 | 2021-01-05 | 合肥的卢深视科技有限公司 | 单目空间结构光系统结构校准方法及装置 |
CN112330751A (zh) * | 2020-10-30 | 2021-02-05 | 合肥的卢深视科技有限公司 | 一种结构光相机行偏差检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
基于散斑立体匹配的快速三维人脸重建;谢宜江 等;《光电子•激光》;20190131;第30卷(第1期);第1-9页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113379816A (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111354042B (zh) | 机器人视觉图像的特征提取方法、装置、机器人及介质 | |
US9787960B2 (en) | Image processing apparatus, image processing system, image processing method, and computer program | |
CN112927280B (zh) | 深度图像的获取方法及装置、单目散斑结构光系统 | |
CN109640066B (zh) | 高精度稠密深度图像的生成方法和装置 | |
CN113658241B (zh) | 单目结构光的深度恢复方法、电子设备及存储介质 | |
CN111091592B (zh) | 图像处理方法、图像处理装置、电子设备及可读存储介质 | |
CN111710000B (zh) | 一种相机行偏差自检方法及系统 | |
CN112330751B (zh) | 一种结构光相机行偏差检测方法及装置 | |
CN111340749B (zh) | 图像质量的检测方法、装置、设备及存储介质 | |
CN112486207A (zh) | 一种基于视觉识别的无人机自主降落方法 | |
CN113379816B (zh) | 结构变动检测方法、电子设备及存储介质 | |
CN114998773A (zh) | 适用于无人机系统航拍图像的特征误匹配剔除方法及系统 | |
CN108416091A (zh) | 一种简易的相机地面分辨率与无人机飞行高度关系的测量方法 | |
CN110689554A (zh) | 用于红外图像序列的背景运动估计方法、装置及存储介质 | |
CN113888583A (zh) | 一种视觉跟踪准确性的实时判断方法及装置 | |
CN114283081B (zh) | 基于金字塔加速的深度恢复方法、电子设备及存储介质 | |
CN114331919B (zh) | 深度恢复方法、电子设备及存储介质 | |
CN113723380B (zh) | 基于雷达技术的人脸识别方法、装置、设备和存储介质 | |
CN115018922A (zh) | 畸变参数标定方法、电子设备和计算机可读存储介质 | |
CN115830131A (zh) | 一种固定相位偏差的确定方法、装置和设备 | |
JP2002135807A (ja) | 3次元入力のためのキャリブレーション方法および装置 | |
CN113643337B (zh) | 相机行偏差校准方法、装置、电子设备及存储介质 | |
CN113139454B (zh) | 基于单张图像的道路宽度提取方法及装置 | |
JPH11203476A (ja) | エピポーララインの合わせ方法、ステレオ画像装置 | |
CN112907650A (zh) | 一种基于双目视觉的云高测量方法及设备 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230324 Address after: 230091 room 611-217, R & D center building, China (Hefei) international intelligent voice Industrial Park, 3333 Xiyou Road, high tech Zone, Hefei, Anhui Province Patentee after: Hefei lushenshi Technology Co.,Ltd. Address before: 100083 room 3032, North B, bungalow, building 2, A5 Xueyuan Road, Haidian District, Beijing Patentee before: BEIJING DILUSENSE TECHNOLOGY CO.,LTD. Patentee before: Hefei lushenshi Technology Co.,Ltd. |
|
TR01 | Transfer of patent right |