CN113658037A - 一种深度图像到灰度图像的转换方法和装置 - Google Patents
一种深度图像到灰度图像的转换方法和装置 Download PDFInfo
- Publication number
- CN113658037A CN113658037A CN202110973147.9A CN202110973147A CN113658037A CN 113658037 A CN113658037 A CN 113658037A CN 202110973147 A CN202110973147 A CN 202110973147A CN 113658037 A CN113658037 A CN 113658037A
- Authority
- CN
- China
- Prior art keywords
- image
- sampling
- depth image
- depth
- pixel
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000005070 sampling Methods 0.000 claims abstract description 121
- 238000001914 filtration Methods 0.000 claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000002146 bilateral effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 abstract description 8
- 238000007781 pre-processing Methods 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请涉及一种深度图像到灰度图像的转换方法和装置,该方法对深度图像进行采样,由采样的采样像素点生成采样图像,再对采样图像的高频成分进行滤波,获得平滑图像,将平滑图像扩大成和深度图像大小一致的曲面图像,根据深度图像与曲面图像对应位置的像素值得到高度差值,由高度差值和预设阈值计算生成灰度图像。该方法通过对深度图像进行采样提高了对深度图像的处理效率,降低了对整幅深度图像进行预处理操作所带来的耗时影响,利用深度图像与曲面图像的高度差值获得的灰度图像比单一利用深度图像的物理高度更能突显目标物体与背景的对比度,便于快速而准确的从转换得到的灰度图像中获得目标物体的特征信息内容。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种深度图像到灰度图像的转换方法和装置。
背景技术
在3D视觉图像领域,深度图像(depth image)也被称为距离影像(range image),是指将从图像采集器到场景中各点的距离(深度)作为像素值的图像,它直接反映了景物可见表面的几何形状。
目前,深度图像的获取方法有激光雷达深度成像法、计算机立体视觉成像、坐标测量机法、莫尔条纹法、结构光法等等。深度图像像素范围可以为0-65535、-32768-32767或者int范围等整型数据。深度图像可以直接反应物体可见表面的三维几何形状,即深度图像的像素可以代表实际空间中的一个物理点。
在实际工程项目中,对深度图像中的目标物体进行定位和检测,可以获取目标物体的位置信息、高度信息、几何形状信息等,这些信息有非常广泛的应用,为了便于定位深度图像中的目标物体以及快速检测目标物体的特征信息等,需要将深度图像转换为灰度值范围为0-255的灰度图像,在由深度图像转换得到的灰度图像中进行目标物体的定位和缺陷检测等。
目前深度图像转换为灰度图像的方法很少,大多是直接将深度图像线性投影到灰度图像中,但是这种方法无法保证目标物体和背景准确的区分开,导致灰度图像中的目标物体定位、检测的难度增加。
发明内容
本申请提供了一种深度图像到灰度图像的转换方法和装置,以解决由传统方法将深度图像转换为灰度图像后,灰度图像中的目标物体和背景不能准确分开的问题。
本申请为解决上述技术问题提供以下几个方面的技术方案:
第一方面,提供一种深度图像到灰度图像的转换方法,所述方法包括以下步骤:
获取采样图像,所述采样图像由对所述深度图像中的像素点进行采样而得;
生成平滑图像,所述平滑图像由对所述采样图像经过高频滤波处理而得;
生成曲面图像,所述曲面图像由所述平滑图像经过扩大至与所述深度图像尺寸大小一致而得;
生成灰度图像,所述灰度图像由所述深度图像与所述曲面图像通过计算而得。
进一步的,所述的对所述深度图像中的像素点进行采样包括以下步骤:
确定采样方向,所述采样方向包括X坐标方向、Y坐标方向、X坐标方向和Y坐标方向之间的任意坐标方向;
根据采用步长,沿所述采样方向,每间隔所述采样步长,获取所述采样步长内的一个采样像素点;
使用所述采样像素点生成所述采样图像。
进一步的,所述的由所述平滑图像经过扩大至与所述深度图像尺寸大小一致包括以下步骤:
根据所述采样方向,获取所述采样像素点的邻域像素点的像素值;
获取扩大填充值,所述扩大填充值由所述邻域像素点的像素值通过计算而得,;
根据所述扩大填充值对所述采样平滑图像进行扩大填充,生成与所述深度图像大小一致的曲面图像。
进一步的,所述的由所述深度图像与所述曲面图像通过计算包括以下步骤:
由所述深度图像像素的像素值和所述曲面图像中对应位置的像素值进行差分得到高度差值;
由所述高度差值生成差分图像;
由所述差分图像与预设增益计算获得灰度图像。
进一步的,所述的由所述差分图像与预设增益计算获得灰度图像是根据公式
计算而得,式中:G表示灰度图像的灰度值,H表示差分图像的是高度差值,gain是预设增益。
进一步的,所述的由所述采样图像经过高频滤波处理包括均值滤波、中值滤波、高斯滤波或高斯双边滤波。
第二方面,提供一种深度图像到灰度图像的转换装置,所述装置包括:
采样图像获取单元,用于对所述深度图像中的像素点进行采样;
平滑图像生成单元,用于对所述采样图像进行高频滤波处理;
曲面图像生成单元,用于对所述平滑图像经过扩大而得到与所述深度图像尺寸大小一致的图像;
灰度图像生成单元,用于对所述深度图像与所述曲面图像通过计算生成所述灰度图像。
进一步的,所述装置还包括:差分图像生成单元,用于根据所述深度图像像素的像素值和曲面图像中对应位置的像素值进行差分得到高度差值,由所述高度差值生成差分图像。
第三方面,提供一种计算机可读存储介质,其特征在于,所述可读存储介质上存储有计算机指令,所述计算机指令被处理器执行时实现上述第一方面所述的深度图像到灰度图像的转换方法的步骤。
第四方面,提供一种终端设备,所述终端设备包括: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执行上述第一方面所述的深度图像到灰度图像的转换方法。
本申请提供的技术方案包括以下有益技术效果:
本申请提供的深度图像到灰度图像的转换方法和装置,该方法对深度图像进行采样,由采样的采样像素点生成采样图像,再对采样图像的高频成分进行滤波,获得平滑图像,将平滑图像扩大成和深度图像大小一致的曲面图像,根据深度图像与曲面图像对应位置的像素值得到高度差值,由高度差值和预设阈值计算生成灰度图像。该方法通过对深度图像进行采样,获得采样图像,对缩小的采样图像进行处理,提高了对深度图像直接进行处理的效率,降低了对整幅深度图像进行预处理操作所带来的耗时影响,利用深度图像与曲面图像的高度差值获得的灰度图像比单一利用深度图像的物理高度更能突显目标物体与背景的对比度,便于快速而准确的从转换得到的灰度图像中获得目标物体的特征信息。
附图说明
图1为本申请实施例提供的一种深度图像到灰度图像的转换方法流程图;
图2为本申请实施例提供的一种深度图像到灰度图像的转换方法具体实施方式流程图。
具体实施方式
为便于对申请的技术方案进行描述和理解,以下首先在对本申请所涉及到的一些概念进行说明。
深度图像也被称为距离影像,是指将从图像采集器到场景中各点的距离(深度)作为像素值的图像,它直接反映了景物可见表面的几何形状。
灰度图像是每个像素只有一个采样颜色的图像,这类图像通常显示为从最暗的黑色到最亮的白色的灰度。
为了便于对深度图像中的目标物体定位以及快速检测目标物体的特征信息等,需要将深度图像转换为灰度图像,在由深度图像转换得到的灰度图像中进行目标物体的定位和缺陷检测等。
本申请实施例一方面提供了一种深度图像到灰度图像的转换方法,该方法的流程图如图1所示,该方法的主要原理过程为:
输入深度图像,对深度图像的像素点进行遍历,根据采样方向和预设的采样步长,对深度图像中的像素点进行采样,获得缩小的采样图像,目的是减少数据量,提高图像处理效率,以及减少干扰噪声的影响,并同时提高获得的灰度图像的质量,对采样图像进行高频成分的滤波处理,去除采样图像中的高频干扰噪声点,获得平滑图像,进一步的可以增大获得的灰度图像中的目标物体和背景的对比度,将获得的平滑图像根据采样点的领域像素点的像素值进行扩大,生成和输入的深度图像尺寸大小一致的曲面图像,由深度图像和曲面图像中对应位置像素的像素值进行差分,获得高度差值,根据获得的高度差值和预设增益进行计算,从而获得目标物体与背景的对比度较大的灰度图像,便于从获得的灰度图像中获取目标物体的特征信息。
本申请实施例提供的深度图像到灰度图像的转换方法,该方法的具体实施方式如图2所述,具体包括以下步骤:
输入深度图像,对深度图像的像素点进行遍历,根据设定的采样方向和预设采样步长对深度图像进行像素点的采样,采样方法包括全图采样和区域采样,全图采样的具体过程为,先设定采样方向,采样方向可以设定为深度图像的X坐标方向、Y坐标方向或X坐标方向和Y坐标方向之间的任意坐标方向,确定了采样方向后,根据预设的采样步长,在每个采样步长范围内,选择一个采样像素点,如,设置采样步长为6,则对深度图像每间隔6个像素点选取一个采样像素点,由所有的采样像素点生成采样图像,那么,深度图像的尺寸大小被缩小为原来的六分之一;
区域采样是对深度图像中的部分区域进行采样,如可以对目标物体所在的区域进行采样,尽可能的减少采样点,从而减少图像的数据量,提高转换效率,也可以将目标物体在深度图像中的主要延伸方向确定为采样方向,或者与目标物体的主要延伸方向相互垂直的方向确定为采样方向,根据预设的采样步长,在包括目标物体的采样区域中每间隔一个采样步长选择一个采样像素点,由选择的采样像素点生成区域采样图像。对输入的深度图像进行采样,通过设置的采样间距可以提高本申请实施例中的方法对图像转换的处理效率,以及减少干扰噪声的影响,如设置的采样步长越大,则获得的采样图像越小,需要去除高频成分图像的数据就越少,同时,采样步长越大,也更能突显转换得到的灰度图像中较大的目标物体与背景的灰度差异。
获得采样图像或区域采样图像后,对其进行遍历,需要进行高频噪声滤波处理,具体为:
对全图采样生成的采样图像或区域采样生成的区域采样图像,通过均值滤波、中值滤波、高斯滤波、高斯双边滤波等滤波方法,根据实际需求选择相应的滤波方法,对其噪声进行滤波,从而生成平滑图像,或区域平滑图像。对采样图像或区域采样图像进行高频成分的滤波处理,可以增大转换获得的灰度图像中曲面上的目标物体与背景之间的对比度,更便于检测灰度图像中曲面上的目标物体。
获得平滑图像或区域平滑图像后,对其进行遍历,需要对平滑图像或区域平滑图像进行扩大,具体为:
对全图采样生成的平滑图像,根据采样点在深度图像中的邻域像素点的像素值,通过计算得到扩大填充值,扩大填充值包括邻域像素点的像素值中的最大值、最小值、均值,或者对邻域像素点的像素值通过线性计算方法或非线性计算方法计算得到的像素值,由得到的扩大填充值,对平滑图像根据得到的扩大填充值进行扩大,具体是,对构成平滑图像的采样像素点按照平滑后的该采样像素点在深度图像中的位置,将扩大填充值填充到采样像素点的邻域像素点的位置,生成和原来的深度图像尺寸大小一致的曲面图像;对区域采样生成的区域平滑图像,根据采样像素点在采样图像中的采样区域的邻域像素点的像素值,通过计算得到区域扩大填充值,区域扩大填充值包括采样区域的邻域像素点的像素值中的最大值、最小值、均值,或者对邻域像素点的像素值通过线性计算方法或非线性计算方法计算得到的像素值,由得到的区域扩大填充值。
获得曲面图像后,对其进行遍历,由深度图像对区域平滑图像根据得到的区域扩大填充值进行扩大,具体是,对构成区域平滑图像的采样像素点按照平滑后的该采样像素点在深度图像中的位置,将区域扩大填充值填充到采样像素点的邻域像素点的位置,得到和深度图像中的采样区域的尺寸大小一致的扩大区域图像,再将得到的扩大区域图像填充到深度图像对应的采样区域中,从而生成和原来的深度图像尺寸大小一致的曲面图像。和曲面图像通过计算获得灰度图像,具体为:
将原深度图像和曲面图像的每个像素进行差分,得到若干高度差值,具体的,是将原深度图像每个像素的像素值和获得的曲面图像中每个对应位置的像素值做差,得到和深度图像的像素个数相同的一组高度差值,由获得的高度差值生成差分图像,再将差分图像根据预设增益转换为灰度图像即可,具体是,根据公式
式中:G表示灰度图像的灰度值,H表示差分图像的像素值,gain表示预设增益,将差分图像转换为最终所需的灰度图像,根据公式计算的过程中,当差分图像中的像素值与预设增益的比值大于255时,则对应的灰度图像中的像素点的灰度值取值为255,当差分图像中的像素值与预设增益的比值小于0时,则对应的灰度图像中的像素点的灰度值取值为0,当差分图像中的像素值与预设增益的比值大于等于0,且小于等于255时,则对应的灰度图像中的像素点的灰度值取值为由差分图像像素值与预设增益的比值向下取整的数值,根据上述公式,对差分图像进行计算,即可生成最终所需的灰度图像,其中,增益设置的越小,生成的灰度图像的对比度越大,越能表征图像的特征信息。
与前述深度图像到灰度图像的转换方法实施例相对应,本申请还提供了一种深度图像到灰度图像的转换装置的实施例,该装置包括:
采样图像获取单元,用于对深度图像中的像素点进行采样;
平滑图像生成单元,用于对采样图像进行高频滤波处理;
曲面图像生成单元,用于对平滑图像经过扩大而得到与深度图像尺寸大小一致的图像;
灰度图像生成单元,用于对深度图像与曲面图像通过计算生成灰度图像。
该装置还包括:差分图像生成单元,用于根据深度图像像素的像素值和曲面图像中对应位置的像素值进行差分得到高度差值,由高度差值生成差分图像。
一种计算机可读存储介质,该可读存储介质上存储有计算机指令,计算机指令被处理器执行时实现上述实施例提供的深度图像到灰度图像的转换方法的步骤。
一种终端设备,该终端设备包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器执行上述实施例提供的深度图像到灰度图像的转换方法。
本申请实施例提供的深度图像到灰度图像的转换方法和装置,不需要对输入的深度图像进行滤波平滑,不需要获取深度图像中的目标物体的特征后再转换为灰度图像,而是对深度图像进行采样,减少数据量,降低了对整幅深度图像进行预处理操作所带来的耗时影响,并且采样步长设置的越大,越能突显灰度图像中的目标物体与背景的对比度,利用深度图像与曲面图像的高度差值比单一利用深度图像的物理高度更能突显目标物体与背景的对比度,还可以通过设置不同的增益调整转换得到的灰度图像中目标物体与背景的对比度,有利于在灰度图像中获得目标物体的特征,对转换得到的灰度图像,可以使用定位、blob、瑕疵检测等算法原理,实现对目标物体的快速、准确的检测等,极大的提高了对由深度图像转换得到的灰度图像中的目标物体进行检测的效率。
Claims (10)
1.一种深度图像到灰度图像的转换方法,其特征在于,所述方法包括以下步骤:
获取采样图像,所述采样图像是根据采样方向和采样步长对所述深度图像中的像素点进行采样而得;
生成平滑图像,对所述采样图像进行高频滤波处理,获得所述平滑图像;
生成曲面图像,所述平滑图像经过扩大至与所述深度图像尺寸大小一致而得所述曲面图像;
生成灰度图像,所述灰度图像是根据预设增益对所述深度图像的像素值与所述曲面图像对应像素的像素值通过计算而得。
2.根据权利要求1所述的深度图像到灰度图像的转换方法,其特征在于,所述的根据采样方向和采样步长对所述深度图像中的像素点进行采样包括以下步骤:
确定所述采样方向,所述采样方向包括X坐标方向、Y坐标方向、X坐标方向和Y坐标方向之间的任意坐标方向;
根据所述采样步长,沿所述采样方向,每间隔所述采样步长,获取所述采样步长内的一个采样像素点;
使用所述采样像素点生成所述采样图像。
3.根据权利要求2所述的深度图像到灰度图像的转换方法,其特征在于,所述的由所述平滑图像经过扩大至与所述深度图像尺寸大小一致包括以下步骤:
根据所述采样方向,获取所述采样像素点的邻域像素点的像素值;
获取扩大填充值,所述扩大填充值由所述邻域像素点的像素值通过计算而得;
根据所述扩大填充值对所述平滑图像进行扩大填充,生成与所述深度图像大小一致的曲面图像。
4.根据权利要求1所述的深度图像到灰度图像的转换方法,其特征在于,所述的根据预设增益对所述深度图像的像素值与所述曲面图像对应像素的像素值通过计算包括以下步骤:
由所述深度图像像素的像素值和所述曲面图像中对应位置的像素值进行差分得到高度差值;
以所述高度差值为差分图像的像素值生成所述差分图像;
由所述差分图像与所述预设增益计算获得灰度图像。
6.根据权利要求1所述的深度图像到灰度图像的转换方法,其特征在于,所述的对所述采样图像进行高频滤波处理的高频滤波处理方法包括:均值滤波、中值滤波、高斯滤波或高斯双边滤波。
7.一种深度图像到灰度图像的转换装置,其特征在于,所述装置包括:
采样图像获取单元,用于对所述深度图像中的像素点进行采样;
平滑图像生成单元,用于对所述采样图像进行高频滤波处理;
曲面图像生成单元,用于对所述平滑图像经过扩大而得到与所述深度图像尺寸大小一致的图像;
灰度图像生成单元,用于对所述深度图像与所述曲面图像通过计算生成所述灰度图像。
8.根据权利要求7所述的深度图像到灰度图像的转换装置,其特征在于,所述装置还包括:差分图像生成单元,用于根据所述深度图像像素的像素值和曲面图像中对应位置的像素值进行差分得到高度差值,由所述高度差值生成差分图像。
9.一种计算机可读存储介质,其特征在于,所述可读存储介质上存储有计算机指令,所述计算机指令被处理器执行时实现权利要求1至6任意一项所述的深度图像到灰度图像的转换方法的步骤。
10.一种终端设备,其特征在于,所述终端设备包括: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执行权利要求1至6任意一项所述的深度图像到灰度图像的转换方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110973147.9A CN113658037B (zh) | 2021-08-24 | 2021-08-24 | 一种深度图像到灰度图像的转换方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110973147.9A CN113658037B (zh) | 2021-08-24 | 2021-08-24 | 一种深度图像到灰度图像的转换方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113658037A true CN113658037A (zh) | 2021-11-16 |
CN113658037B CN113658037B (zh) | 2024-05-14 |
Family
ID=78492623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110973147.9A Active CN113658037B (zh) | 2021-08-24 | 2021-08-24 | 一种深度图像到灰度图像的转换方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113658037B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002183713A (ja) * | 2000-12-14 | 2002-06-28 | Matsushita Electric Works Ltd | 画像処理方法およびその装置 |
US20020097912A1 (en) * | 2000-12-12 | 2002-07-25 | Ron Kimmel | Method of computing sub-pixel euclidean distance maps |
JP2002358519A (ja) * | 2001-03-29 | 2002-12-13 | Minolta Co Ltd | 撮像装置、画像処理装置、記録媒体、およびプログラム |
CN102867288A (zh) * | 2011-07-07 | 2013-01-09 | 三星电子株式会社 | 深度图像转换设备和方法 |
US20150178900A1 (en) * | 2012-11-29 | 2015-06-25 | Korea Institute Of Science And Technology | Depth image processing apparatus and method based on camera pose conversion |
CN106504205A (zh) * | 2016-10-20 | 2017-03-15 | 凌云光技术集团有限责任公司 | 一种图像去雾方法及终端 |
CN107204011A (zh) * | 2017-06-23 | 2017-09-26 | 万维云视(上海)数码科技有限公司 | 一种深度图生成方法和装置 |
CN107452033A (zh) * | 2017-08-17 | 2017-12-08 | 万维云视(上海)数码科技有限公司 | 一种生成深度图的方法和装置 |
CN110211061A (zh) * | 2019-05-20 | 2019-09-06 | 清华大学 | 基于神经网络的单深度相机深度图实时增强方法及装置 |
CN111275700A (zh) * | 2020-02-19 | 2020-06-12 | 凌云光技术集团有限责任公司 | 基于深度学习的端子缺陷检测方法及系统 |
CN111598817A (zh) * | 2020-04-26 | 2020-08-28 | 北京凌云光技术集团有限责任公司 | 一种深度图像的缺失像素的填充方法及系统 |
CN112070700A (zh) * | 2020-09-07 | 2020-12-11 | 深圳市凌云视迅科技有限责任公司 | 一种去除深度图像中突起干扰噪声的方法与装置 |
CN112598610A (zh) * | 2020-12-11 | 2021-04-02 | 杭州海康机器人技术有限公司 | 一种深度图像获得方法、装置、电子设备及存储介质 |
CN113033248A (zh) * | 2019-12-09 | 2021-06-25 | Oppo广东移动通信有限公司 | 一种图像识别方法及装置、计算机可读存储介质 |
CN113628117A (zh) * | 2021-08-24 | 2021-11-09 | 凌云光技术股份有限公司 | 一种深度图像旋转变换方法及装置 |
CN113643437A (zh) * | 2021-08-24 | 2021-11-12 | 凌云光技术股份有限公司 | 一种矫正深度图像突起干扰噪声的方法和装置 |
CN113643208A (zh) * | 2021-08-24 | 2021-11-12 | 凌云光技术股份有限公司 | 一种深度图像仿射采样方法及装置 |
-
2021
- 2021-08-24 CN CN202110973147.9A patent/CN113658037B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020097912A1 (en) * | 2000-12-12 | 2002-07-25 | Ron Kimmel | Method of computing sub-pixel euclidean distance maps |
JP2002183713A (ja) * | 2000-12-14 | 2002-06-28 | Matsushita Electric Works Ltd | 画像処理方法およびその装置 |
JP2002358519A (ja) * | 2001-03-29 | 2002-12-13 | Minolta Co Ltd | 撮像装置、画像処理装置、記録媒体、およびプログラム |
CN102867288A (zh) * | 2011-07-07 | 2013-01-09 | 三星电子株式会社 | 深度图像转换设备和方法 |
US20130011046A1 (en) * | 2011-07-07 | 2013-01-10 | Samsung Electronics Co., Ltd. | Depth image conversion apparatus and method |
US20150178900A1 (en) * | 2012-11-29 | 2015-06-25 | Korea Institute Of Science And Technology | Depth image processing apparatus and method based on camera pose conversion |
CN106504205A (zh) * | 2016-10-20 | 2017-03-15 | 凌云光技术集团有限责任公司 | 一种图像去雾方法及终端 |
CN107204011A (zh) * | 2017-06-23 | 2017-09-26 | 万维云视(上海)数码科技有限公司 | 一种深度图生成方法和装置 |
CN107452033A (zh) * | 2017-08-17 | 2017-12-08 | 万维云视(上海)数码科技有限公司 | 一种生成深度图的方法和装置 |
CN110211061A (zh) * | 2019-05-20 | 2019-09-06 | 清华大学 | 基于神经网络的单深度相机深度图实时增强方法及装置 |
CN113033248A (zh) * | 2019-12-09 | 2021-06-25 | Oppo广东移动通信有限公司 | 一种图像识别方法及装置、计算机可读存储介质 |
CN111275700A (zh) * | 2020-02-19 | 2020-06-12 | 凌云光技术集团有限责任公司 | 基于深度学习的端子缺陷检测方法及系统 |
CN111598817A (zh) * | 2020-04-26 | 2020-08-28 | 北京凌云光技术集团有限责任公司 | 一种深度图像的缺失像素的填充方法及系统 |
CN112070700A (zh) * | 2020-09-07 | 2020-12-11 | 深圳市凌云视迅科技有限责任公司 | 一种去除深度图像中突起干扰噪声的方法与装置 |
CN112598610A (zh) * | 2020-12-11 | 2021-04-02 | 杭州海康机器人技术有限公司 | 一种深度图像获得方法、装置、电子设备及存储介质 |
CN113628117A (zh) * | 2021-08-24 | 2021-11-09 | 凌云光技术股份有限公司 | 一种深度图像旋转变换方法及装置 |
CN113643437A (zh) * | 2021-08-24 | 2021-11-12 | 凌云光技术股份有限公司 | 一种矫正深度图像突起干扰噪声的方法和装置 |
CN113643208A (zh) * | 2021-08-24 | 2021-11-12 | 凌云光技术股份有限公司 | 一种深度图像仿射采样方法及装置 |
Non-Patent Citations (3)
Title |
---|
杨厚易;刘满禄;张华;: "基于引导采样的Kinect深度图修补算法", 计算机应用研究, no. 08 * |
郝麟;冯少彤;聂守平;: "利用深度和灰度图像实现三维目标的识别与分类", 光电子.激光, no. 02 * |
韦虎;张丽艳;刘胜兰;石春琴;: "基于SIFT图像特征匹配的多视角深度图配准算法", 计算机辅助设计与图形学学报, no. 04 * |
Also Published As
Publication number | Publication date |
---|---|
CN113658037B (zh) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110675346B (zh) | 适用于Kinect的图像采集与深度图增强方法及装置 | |
CN109035276B (zh) | 一种图像边缘提取方法、装置及自动驾驶系统 | |
CN107014294B (zh) | 一种基于红外图像的接触网几何参数检测方法及系统 | |
Lv et al. | Build 3D Scanner System based on Binocular Stereo Vision. | |
CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
CN111462066A (zh) | 一种基于机器视觉的螺纹参数检测方法 | |
JP5549502B2 (ja) | パターン画像測定方法及びパターン画像測定装置 | |
JP5812705B2 (ja) | ひび割れ検出方法 | |
CN115311314B (zh) | 一种线激光轮廓数据的重采样方法、系统和存储介质 | |
CN105335968A (zh) | 一种基于置信度传播算法的深度图提取方法及装置 | |
CN111462246B (zh) | 一种结构光测量系统的设备标定方法 | |
CN113971669A (zh) | 应用于管道损伤识别的三维检测系统 | |
CN114549669B (zh) | 一种基于图像融合技术的彩色三维点云获取方法 | |
CN112801141B (zh) | 基于模板匹配和孪生神经网络优化的异源图像匹配方法 | |
CN112330667B (zh) | 一种基于形态学的激光条纹中心线提取方法 | |
CN113587852A (zh) | 一种基于改进三步相移的彩色条纹投影三维测量方法 | |
CN113658037B (zh) | 一种深度图像到灰度图像的转换方法和装置 | |
CN116596987A (zh) | 一种基于双目视觉的工件三维尺寸高精度测量方法 | |
CN115760549A (zh) | 一种曲面3d数据展平化的处理方法 | |
CN113643437A (zh) | 一种矫正深度图像突起干扰噪声的方法和装置 | |
JP5157575B2 (ja) | 欠陥検出方法 | |
CN114882095A (zh) | 一种基于轮廓匹配的物体高度在线测量方法 | |
KR101265020B1 (ko) | 스테레오 이미지에서 중복된 영역의 히스토그램 분석에 의한 고해상도 디스패리티 맵 생성 장치 및 방법 | |
CN117036454B (zh) | 一种基于稠密匹配算法的构件表面位移场检测方法 | |
CN110148151A (zh) | 一种运动目标提取方法与装置 |
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 |