CN113936315B - Doe脱落检测方法、装置、电子设备和存储介质 - Google Patents
Doe脱落检测方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113936315B CN113936315B CN202111198741.1A CN202111198741A CN113936315B CN 113936315 B CN113936315 B CN 113936315B CN 202111198741 A CN202111198741 A CN 202111198741A CN 113936315 B CN113936315 B CN 113936315B
- Authority
- CN
- China
- Prior art keywords
- speckle pattern
- doe
- target
- preset threshold
- pixel points
- 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
- G06T7/0002—Inspection of images, e.g. flaw detection
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请实施例涉及计算机视觉技术领域,公开了一种DOE脱落检测方法、装置、电子设备和存储介质。该方法包括:获取待检测相机对目标平面拍摄得到的散斑图;对所述散斑图进行全局二值化,得到二值化后的所述散斑图;根据预设的闭操作的结构单元,对二值化后的所述散斑图进行形态学闭操作,得到形态学闭的所述散斑图;在形态学闭的所述散斑图中确定出目标区域,并确定所述目标区域的个数和各所述目标区域的像素点的数量;根据所述目标区域的个数和各所述目标区域的像素点的数量,确定所述待检测相机的DOE是否脱落。本申请实施例提供的DOE脱落检测方法,可以增强检测的鲁棒性和普适性,及时判断DOE是否脱落,最大程度地避免因DOE脱落而造成人眼损伤。
Description
技术领域
本申请实施例涉及计算机视觉技术领域,特别涉及一种DOE脱落检测方法、装置、电子设备和存储介质。
背景技术
结构光相机是一种通过发出主动红外光源,再通过计算以获得深度数据的相机,结构光相机被广泛应用于三维应用场景中,最为典型的便是关于三维人脸识别的应用,由结构光相机的原理可知,结构光相机拍摄到的红外散斑,是由激光发射装置透过衍射光学元件(Diffractive Optical Elements,简称:DOE)获得的,DOE除了可以生成各种样式的散斑之外,还可以削弱红外激光的强度,起到保护人眼的作用,但DOE通常是通过胶水固定在结构光相机内部的,用户在使用结构光相机的过程中发生的磕碰、剐蹭,甚至是环境温度的突变都有可能导致DOE脱落,当DOE脱落后,高强度的红外激光就会对人眼造成损伤,因此及时检测DOE是否脱落是很有必要的。
对于DOE的脱落检测,可以采集结构光投射到人脸上的激光编码图案,从激光编码图案的中间位置及四周提取相同大小的图案块,从而通过计算中间位置图案块与四邻域区域图案块的亮度均值的差值来实现,当差值满足一定阈值时则认为DOE脱落。
然而,上述DOE脱落检测方法,必须要通过拍摄人脸散斑图才能进行检测,局限性很大,检测过程不够安全,鲁棒性不足,并且仅适用于中心区域散斑过亮的情况,不具备普适性。
发明内容
本申请实施例的目的在于提供一种DOE脱落检测方法、装置、电子设备和存储介质,可以增强检测的鲁棒性和普适性,及时判断DOE是否脱落,最大程度地避免因DOE脱落而造成人眼损伤。
为解决上述技术问题,本申请的实施例提供了一种DOE脱落检测方法,包括以下步骤:获取待检测相机对目标平面拍摄得到的散斑图;对所述散斑图进行全局二值化,得到二值化后的所述散斑图;根据预设的闭操作的结构单元,对二值化后的所述散斑图进行形态学闭操作,得到形态学闭的所述散斑图;在形态学闭的所述散斑图中确定出目标区域,并确定所述目标区域的个数和各所述目标区域的像素点的数量;其中,所述目标区域的中的各点的灰度值为0;根据所述目标区域的个数和各所述目标区域的像素点的数量,确定所述待检测相机的衍射光学元件DOE是否脱落。
本申请的实施例还提供了一种DOE脱落检测装置,包括:获取模块、处理模块和检测模块;所述获取模块用于获取待检测相机对目标平面拍摄得到的散斑图;所述处理模块用于对所述散斑图进行全局二值化,得到二值化后的所述散斑图,根据预设的闭操作的结构单元,对二值化后的所述散斑图进行形态学闭操作,得到形态学闭的所述散斑图;所述检测模块用于在形态学闭的所述散斑图中确定出目标区域,并确定所述目标区域的个数和各所述目标区域的像素点的数量,根据所述目标区域的个数和各所述目标区域的像素点的数量,确定所述待检测相机的衍射光学元件DOE是否脱落,其中,所述目标区域的中的各点的灰度值为0。
本申请的实施例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上述DOE脱落检测方法。
本申请的实施例还提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现上述DOE脱落检测方法。
本申请的实施例提供的DOE脱落检测方法、装置、电子设备和存储介质,服务器获取待检测相机对目标平面拍摄得到的散斑图,对获取到的散斑图进行全局二值化处理,得到二值化后的散斑图,并根据预设的闭操作的结构单元,对二值化后散斑图进行形态学闭操作,从而得到形态学闭的散斑图,再在形态学闭的散斑图中确定出目标区域、目标区域的个数,以及各目标区域的像素点的数量,最后根据目标区域的个数和各目标区域的像素点的数量,确定待检测相机的DOE是否脱落,考虑到通过计算中间位置图案块与四邻域区域图案块的亮度均值的差值来进行DOE脱落检测的技术方案,必须要通过拍摄人脸散斑图才能进行检测,具有很大的局限性,并且在DOE已经脱落的情况下,这样的检测方式很可能会对人眼造成损伤,而本申请的技术方案只需使用对目标平面拍摄得到的散斑图即可进行DOE的脱落检测,提升了检测过程的鲁棒性,同时本申请的实施例是根据目标区域的个数和各目标区域的像素点的数量来检测的,即使没有中心区域散斑过亮的情况也可以判断出待检测相机的DOE是否脱落,提升了DOE脱落检测过程的普适性。
另外,形态学闭的所述散斑图中的各点的灰度值为0或255,所述在形态学闭的所述散斑图中确定出目标区域,包括:根据八连通区域检测算法,将形态学闭的所述散斑图中相邻的灰度值为0的像素点作为一个连通区域;判断所述连通区域内的像素点的个数是否大于第一预设阈值;若所述连通区域内的像素点的个数大于第一预设阈值,则将所述连通区域作为目标区域,考虑到DOE脱落体现在散斑图中最明显的特征就是会出现“黑色斑块”,本实施例先通过八连通区域检测算法,将形态学闭的散斑图中相邻的灰度值为0的像素点作为一个连通区域,即确定出“黑色斑块”,像素点过少的“黑色斑块”明显不是DOE脱落造成的,因此本实施例过滤掉像素点过少的“黑色斑块”,可以减少检测过程的计算量,提升DOE脱落检测的准确性。
另外,所述根据所述目标区域的个数和各所述目标区域的像素点的数量,确定所述待检测相机的DOE是否脱落,包括:判断所述目标区域的个数是否大于第二预设阈值且小于第三预设阈值;若所述目标区域的个数大于第二预设阈值且小于第三预设阈值,则确定所述待检测相机的DOE脱落;若所述目标区域的个数不大于第二预设阈值或不小于第三预设阈值,则根据各所述目标区域的像素点的数量,计算所有所述目标区域的像素点的总数;判断所述像素点的总数是否大于第四预设阈值;若所述像素点的总数大于第四预设阈值,则确定所述待检测相机的DOE脱落;若所述像素点的总数不大于第四预设阈值,则确定所述待检测相机的DOE未脱落,考虑到DOE脱落体现在散斑图中最明显的特征就是会出现“黑色斑块”,且“黑色斑块”呈现有规律的周期性分布,其数量和大小只会出现在一定范围内,因此本实施例根据目标区域的个数,以及所有目标区域的像素点的总数来判断待检测相机的DOE是否脱落,可以进一步提升DOE脱落检测的准确性。
另外,在所述对所述散斑图进行全局二值化,得到二值化后的所述散斑图之前,包括:获取所述散斑图对应的深度图;其中,所述深度图由所述待检测相机通过对所述目标平面拍摄得到;确定所述深度图中空洞点的个数;其中,所述空洞点的深度值小于或等于第五预设阈值;判断所述空洞点的个数是否大于第六预设阈值;若所述空洞点的个数大于第六预设阈值,则对所述散斑图进行全局二值化,得到二值化后的所述散斑图;若所述空洞点的个数小于或等于第六预设阈值,则确定所述待检测相机的DOE未脱落,在进行DOE脱落检测的过程中先进行深度图的空洞率检测,考虑到DOE脱落时,散斑图样式会发生改变,这种改变会导致深度恢复失败,即深度图中出现大量空洞,空洞率检测比较简单,若空洞率很低,可以直接判断待检测相机的DOE未发生脱落,当空洞率很高时才会继续检测,可以节约检测资源,并减少误判的概率。
另外,所述对所述散斑图进行全局二值化,得到二值化后的所述散斑图,包括:根据所述散斑图各像素点的灰度值,计算所述散斑图的灰度均值;依次将所述散斑图的各像素点作为待赋值点,判断所述待赋值点的灰度值是否小于m倍的灰度均值;其中,所述m大于1;若所述待赋值点的灰度值小于m倍的灰度均值,则将所述待赋值点赋值为0;若所述待赋值点的灰度值大于或等于m倍的灰度均值,则将所述待赋值点赋值为255,根据灰度均值进行全局二值化,可以更准确、清楚、直观地将散斑图的黑色区域与亮斑区域区分开来,使得二值化过程更加准确。
另外,所述获取待检测相机对目标平面拍摄得到的散斑图,包括:获取待检测相机在若干距离处对目标平面拍摄得到的散斑图,用若干距离处对目标平面拍摄得到的散斑图来进行DOE脱落检测,可以进一步降低误判的概率,提升检测过程的鲁棒性。
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。
图1是根据本申请的一个实施例的DOE脱落检测方法的流程图一;
图2是根据本申请的一个实施例中提供的一种待检测相机对目标平面拍摄得到的散斑图的流程图;
图3是根据本申请的一个实施例中,根据预设的闭操作的结构单元,对二值化后的散斑图进行形态学闭操作,得到形态学闭的散斑图的流程图;
图4是根据本申请的一个实施例中,在形态学闭的散斑图中确定出目标区域的流程图;
图5是根据本申请的一个实施例中,根据目标区域的个数和各目标区域的像素点的数量,确定待检测相机的DOE是否脱落的流程图;
图6是根据本申请的另一个实施例的DOE脱落检测方法的流程图二;
图7是根据本申请的一个实施例中,对散斑图进行全局二值化,得到二值化后的散斑图的流程图;
图8是根据本申请的另一个实施例的DOE脱落检测装置的示意图;
图9是根据本申请的另一个实施例的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合附图对本申请的各实施例进行详细的阐述。然而,本领域的普通技术人员可以理解,在本申请各实施例中,为了使读者更好地理解本申请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例的种种变化和修改,也可以实现本申请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,不应对本申请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。
本申请的一个实施例涉及一种DOE脱落检测方法,应用于电子设备;其中,电子设备可以为终端或服务器,本实施例以及以下个各个实施例中电子设备以服务器为例进行说明。下面对本实施例的DOE脱落检测方法的实现细节进行具体的说明,以下内容仅为方便理解提供的实现细节,并非实施本方案的必须。
本实施例的DOE脱落检测方法的具体流程可以如图1所示,包括:
步骤101,获取待检测相机对目标平面拍摄得到的散斑图。
具体而言,服务器在确定需要进行DOE脱落检测时,可以获取待检测相机对目标平面拍摄得到的散斑图,目标平面可以是墙面、塑料板、隔板、幕布等反射能力良好的平面,待检测相机与目标平面之间的距离处于预设的距离范围之内,其中,预设的距离范围可以由本领域的技术人员根据实际需要进行设置,本申请的实施例对此不作具体限定。
在具体实现中,用户在需要进行DOE脱落检测时,可以使用待检测相机在预设的距离范围内,对目标平面进行拍摄,得到散斑图。
在一个例子中,服务器获取到的待检测相机对目标平面拍摄得到的散斑图可以如图2所示。
步骤102,对散斑图进行全局二值化,得到二值化后的散斑图。
具体而言,服务器获取到待检测相机对目标平面拍摄得到的散斑图后,可以对散斑图进行全局二值化处理,得到二值化后的散斑图。
在一个例子中,服务器可以遍历获取到的待检测相机对目标平面拍摄得到的散斑图,根据散斑图各像素点的灰度值,计算出全局二值化的灰度值阈值,并根据计算出的灰度值阈值对散斑图的各像素点进行二值化赋值,二值化后的散斑图中的各点的灰度值为0或255。
在一个例子中,服务器可以通过双峰法、p参数法、大律法、最大熵阈值法、迭代法等方法,根据散斑图各像素点的灰度值,计算出全局二值化的灰度值阈值。
步骤103,根据预设的闭操作的结构单元,对二值化后的散斑图进行形态学闭操作,得到形态学闭的散斑图。
在具体实现中,考虑到全局二值化后的的散斑图中往往存在大量的孤立亮点(灰度值为255的像素点)或暗点(灰度值为0的像素点),相邻的亮斑块之间存在较多黑色空隙,服务器可以根据预设的闭操作的结构单元,对二值化后的散斑图进行形态学闭操作,得到形态学闭的散斑图,从而填补这些空隙,进一步将区分散斑图中的亮、暗区域,其中,据预设的闭操作的结构单元可以由本领域的技术人员根据实际需要进行设置。
在一个例子中,服务器根据预设的闭操作的结构单元,对二值化后的散斑图进行形态学闭操作,得到形态学闭的散斑图,可以通过如图3所示的各子步骤实现,具体包括:
步骤1031,根据预设的闭操作的结构单元,对二值化后的散斑图进行图像膨胀,得到膨胀后的散斑图。
具体而言,服务器在根据预设的闭操作的结构单元,对二值化后的散斑图进行形态学闭操作时,可以先根据预设的闭操作的结构单元,对二值化后的散斑图进行图像膨胀,得到膨胀后的散斑图。
在具体实现中,服务器获取到二值化后的散斑图后,可以将二值化后的散斑图对应的矩阵记为M1,服务器创建一个W×W大小的矩阵M2和与M1同等大小的矩阵M3,M2即预设的闭操作的结构单元,M3用于存储图像膨胀后的结果,服务器遍历M1,依次将M1中的各像素点作为第一搜索点,以第一搜索点为中点,在M2范围内搜索是否有灰度值为255的像素点,若服务器搜索到灰度值为255的像素点,则将该第一搜索点赋值为255;若服务器没有搜索到灰度值为255的像素点,则将该第一搜索点赋值为0,最终得到膨胀后的散斑图,即M3。
步骤1032,根据结构单元,对膨胀后的散斑图进行图像腐蚀,得到腐蚀后的散斑图,并将腐蚀后的散斑图作为形态学闭的散斑图。
具体而言,服务器得到膨胀后的散斑图后,可以继续根据结构单元,对膨胀后的散斑图进行图像腐蚀,得到腐蚀后的散斑图,并将腐蚀后的散斑图作为形态学闭的散斑图。
在具体实现中,服务器获取到膨胀后的散斑图后,可以创建与M1同等大小的矩阵M4,M4用于存储图像腐蚀后的结果,服务器遍历M3,依次将M3中的各像素点作为第二搜索点,以第二搜索点为中点,在M2范围内搜索是否有灰度值为0的像素点,若服务器搜索到灰度值为0的像素点,则将该第二搜索点赋值为0;若服务器没有搜索到灰度值为0的像素点,则将该第二搜索点赋值为255,最终得到赋值后的散斑图,即M4,也就是形态学闭的散斑图。
步骤104,在形态学闭的散斑图中确定出目标区域,并确定目标区域的个数和各目标区域的像素点的数量。
步骤105,根据目标区域的个数和各目标区域的像素点的数量,确定待检测相机的DOE是否脱落。
具体而言,目标区域的中的各点的灰度值为0。
在具体实现中,DOE脱落体现在散斑图中最明显的特征就是会出现“黑色斑块”,即灰度值为0的区域,服务器在得到形态学闭的散斑图后,可以在形态学闭的散斑图中确定出目标区域,即灰度值为0的区域,并确定目标区域的个数和各目标区域的像素点的数量,服务器可以根据目标区域的个数和各目标区域的像素点的数量,确定待检测相机的衍射光学元件DOE是否脱落。
在一个例子中,服务器可以判断目标区域的个数是否大于预设的目标区域个数阈值,若目标区域的个数大于预设的目标区域个数阈值,服务器则确定待检测相机的DOE发生脱落,若目标区域的个数小于或等于预设的目标区域个数阈值,服务器则确定待检测相机的DOE未发生脱落。
在一个例子中,DOE脱落的“黑色斑块”会呈现有规律的周期性分布,服务器可以获取目标区域的分布情况,将目标区域的分布情况与预设模板进行比对,若目标区域的分布情况符合预设模板,服务器确定待检测相机的DOE发生脱落,若目标区域的分布情况不符合预设模板,服务器确定待检测相机的DOE未发生脱落。
本实施例,服务器获取待检测相机对目标平面拍摄得到的散斑图,对获取到的散斑图进行全局二值化处理,得到二值化后的散斑图,并根据预设的闭操作的结构单元,对二值化后散斑图进行形态学闭操作,从而得到形态学闭的散斑图,再在形态学闭的散斑图中确定出目标区域、目标区域的个数,以及各目标区域的像素点的数量,最后根据目标区域的个数和各目标区域的像素点的数量,确定待检测相机的DOE是否脱落,考虑到通过计算中间位置图案块与四邻域区域图案块的亮度均值的差值来进行DOE脱落检测的技术方案,必须要通过拍摄人脸散斑图才能进行检测,具有很大的局限性,并且在DOE已经脱落的情况下,这样的检测方式很可能会对人眼造成损伤,而本申请的技术方案只需使用对目标平面拍摄得到的散斑图即可进行DOE的脱落检测,提升了检测过程的鲁棒性,同时本申请的实施例是根据目标区域的个数和各目标区域的像素点的数量来检测的,即使没有中心区域散斑过亮的情况也可以判断出待检测相机的DOE是否脱落,提升了DOE脱落检测过程的普适性。
在一个实施例中,形态学闭的散斑图中的各点的灰度值为0或255,服务器可以通过如图4所示的各步骤,在形态学闭的散斑图中确定出目标区域,具体包括:
步骤201,根据八连通区域检测算法,将形态学闭的散斑图中相邻的灰度值为0的像素点作为一个连通区域。
在具体实现中,服务器在确定目标区域时,先遍历形态学闭的散斑图,依次将形态学闭的散斑图中的各灰度值为0的像素点作为第三搜索点,服务器根据八连通区域检测算法,以第三搜索点为中心,获取与第三搜索点相邻的八个像素点的灰度值,从而将相邻的灰度值为0的像素点归为一类,即作为一个连通区域。
步骤202,判断连通区域内的像素点的个数是否大于第一预设阈值,如果是,执行步骤203,否则,执行步骤204。
步骤203,将该连通区域作为目标区域。
步骤204,忽略该连通区域。
在具体实现中,服务器得到连通区域后,可以判断各连通区域内的像素点的个数是否大于第一预设阈值,若连通区域内的像素点的个数大于第一预设阈值,说明该“黑色斑块”很有可能是DOE脱落导致的,服务器将该连通区域作为目标区域,若连通区域内的像素点的个数小于或等于第一预设阈值,说明该“黑色斑块”很小,不可能是DOE脱落导致的,服务器则忽略该区域,其中,第一预设阈值可以由本领域的工作人员根据实际需要和经验进行设置,本申请的实施例对此不作具体限定。
本实施例,形态学闭的所述散斑图中的各点的灰度值为0或255,所述在形态学闭的所述散斑图中确定出目标区域,包括:根据八连通区域检测算法,将形态学闭的所述散斑图中相邻的灰度值为0的像素点作为一个连通区域;判断所述连通区域内的像素点的个数是否大于第一预设阈值;若所述连通区域内的像素点的个数大于第一预设阈值,则将所述连通区域作为目标区域,考虑到DOE脱落体现在散斑图中最明显的特征就是会出现“黑色斑块”,本实施例先通过八连通区域检测算法,将形态学闭的散斑图中相邻的灰度值为0的像素点作为一个连通区域,即确定出“黑色斑块”,像素点过少的“黑色斑块”明显不是DOE脱落造成的,因此本实施例过滤掉像素点过少的“黑色斑块”,可以减少检测过程的计算量,提升DOE脱落检测的准确性。
在一个实施例中,服务器根据目标区域的个数和各目标区域的像素点的数量,确定待检测相机的DOE是否脱落,可以通过如图5所示的各步骤实现,具体包括:
步骤301,判断目标区域的个数是否大于第二预设阈值且小于第三预设阈值,如果是,执行步骤305,否则,执行步骤302。
步骤302,根据各目标区域的像素点的数量,计算所有目标区域的像素点的总数。
在具体实现中,服务器在形态学闭的散斑图中确定出目标区域,并确定目标区域的个数和各目标区域的像素点的数量后,可以判断目标区域的个数是否大于第二预设阈值且小于第三预设阈值,若目标区域的个数大于第二预设阈值且小于第三预设阈值,说明这些目标区域即“黑色斑块”是因为DOE脱落造成的,服务器确定待检测相机的DOE脱落;若目标区域的个数不大于第二预设阈值,或者不小于第三预设阈值,服务器可以继续进行进一步的检测,根据各目标区域的像素点的数量,计算出所有目标区域的像素点的总数,其中,第二预设阈值和第三预设阈值可以由本领域的技术人员根据散斑图的大小进行设置,本申请的实施例对此不作具体限定。
步骤303,判断像素点的总数是否大于第四预设阈值,如果是,执行步骤305,否则,执行步骤304。
步骤304,确定待检测相机的DOE未脱落。
步骤305,确定待检测相机的DOE脱落。
在具体实现中,服务器计算出所有目标区域的像素点的总数后,可以判断像素点的总数是否大于第四预设阈值,若像素点的总数大于第四预设阈值,说明这些目标区域,即“黑色斑块”是因为DOE脱落造成的,服务器确定待检测相机的DOE脱落;若像素点的总数小于或等于第四预设阈值,说明目标区域,即“黑色斑块”不是因为DOE脱落造成的,服务器确定待检测相机的DOE未脱落,其中,第四预设阈值可以有本领域的技术人员根据实际需要进行设置。
在一个例子中,服务器根据目标区域的个数和各目标区域的像素点的数量,确定待检测相机的DOE是否脱落,可以通过以下公式实现:
式中,bDOE为DOE脱落判断标志,bDOE=1表示待检测相机的DOE脱落,bDOE=0表示待检测相机的DOE未脱落,K2为第二预设阈值,K3为第三预设阈值,K4为第四预设阈值,N为目标区域的个数,为像素点的数量。
本实施例,所述根据所述目标区域的个数和各所述目标区域的像素点的数量,确定所述待检测相机的DOE是否脱落,包括:判断所述目标区域的个数是否大于第二预设阈值且小于第三预设阈值;若所述目标区域的个数大于第二预设阈值且小于第三预设阈值,则确定所述待检测相机的DOE脱落;若所述目标区域的个数不大于第二预设阈值或不小于第三预设阈值,则根据各所述目标区域的像素点的数量,计算所有所述目标区域的像素点的总数;判断所述像素点的总数是否大于第四预设阈值;若所述像素点的总数大于第四预设阈值,则确定所述待检测相机的DOE脱落;若所述像素点的总数不大于第四预设阈值,则确定所述待检测相机的DOE未脱落,考虑到DOE脱落体现在散斑图中的特征就是会出现“黑色斑块”,且“黑色斑块”呈现有规律的周期性分布,其数量和大小只会出现在一定范围内,因此本实施例根据目标区域的个数,以及所有目标区域的像素点的总数来判断待检测相机的DOE是否脱落,可以进一步提升DOE脱落检测的准确性。
本申请的另一个实施例涉及一种DOE脱落检测方法,下面对本实施例的DOE脱落检测方法的实现细节进行具体的说明,以下内容仅为方便理解提供的实现细节,并非实施本方案的必须,本实施例的DOE脱落检测方法的具体流程可以如图6所示,包括:
步骤401,获取待检测相机对目标平面拍摄得到的散斑图和深度图。
具体而言,服务器在获取待检测相机对目标平面拍摄得到的散斑图的同时,可以获取待检测相机对目标平面拍摄得到的深度图,目标平面可以是墙面、塑料板、隔板、幕布等反射能力良好的平面,待检测相机与目标平面之间的距离处于预设的距离范围之内,其中,预设的距离范围可以由本领域的技术人员根据实际需要进行设置,本申请的实施例对此不作具体限定。
步骤402,确定深度图中空洞点的个数,空洞点的深度值小于或等于第五预设阈值。
具体而言,服务器获取到待检测相机对目标平面拍摄得到的深度图后,可以遍历深度图中各像素点的深度值,将深度值小于或等于第五预设阈值的像素点作为空洞点。
在一个例子中,第五预设阈值为0,即服务器将深度值为0的像素点作为空洞点。
步骤403,判断空洞点的个数是否大于第六预设阈值,如果是,执行步骤405,否则,执行步骤404。
步骤404,确定待检测相机的DOE未脱落。
在具体实现中,服务器确定出深度图中空洞点的个数后,可以判断空洞点的个数是否大于第六预设阈值,若空洞点的个数大于第六预设阈值,即深度图空洞率过大,待检测相机的DOE可能发生脱落,继续进行DOE脱落检测;若空洞点的个数小于或等于第六预设阈值,服务器可以确定待检测相机的DOE未发生脱落。
步骤405,对散斑图进行全局二值化,得到二值化后的散斑图。
步骤406,根据预设的闭操作的结构单元,对二值化后的散斑图进行形态学闭操作,得到形态学闭的散斑图。
步骤407,在形态学闭的散斑图中确定出目标区域,并确定目标区域的个数和各目标区域的像素点的数量。
步骤408,根据目标区域的个数和各目标区域的像素点的数量,确定待检测相机的DOE是否脱落。
其中,步骤405至步骤408与步骤102至步骤105大致相同,此处不再赘述。
本实施例,在所述对所述散斑图进行全局二值化,得到二值化后的所述散斑图之前,包括:获取所述散斑图对应的深度图;其中,所述深度图由所述待检测相机通过对所述目标平面拍摄得到;确定所述深度图中空洞点的个数;其中,其中,所述空洞点的深度值小于或等于第五预设阈值;判断所述空洞点的个数是否大于第六预设阈值;若所述空洞点的个数大于第六预设阈值,则对所述散斑图进行全局二值化,得到二值化后的所述散斑图;若所述空洞点的个数小于或等于第六预设阈值,则确定所述待检测相机的DOE未脱落,在进行DOE脱落检测的过程中先进行深度图的空洞率检测,考虑到DOE脱落时,散斑图样式会发生改变,这种改变会导致深度恢复失败,即深度图中出现大量空洞,空洞率检测比较简单,若空洞率很低,可以直接判断待检测相机的DOE未发生脱落,当空洞率很高时才会继续检测,可以节约检测资源,并减少误判的概率。
在一个实施例中,服务器对散斑图进行全局二值化,得到二值化后的散斑图,可以由如图7所示的各步骤实现,具体包括:
步骤501,根据散斑图各像素点的灰度值,计算散斑图的灰度均值。
步骤502,依次将散斑图的各像素点作为待赋值点,判断待赋值点的灰度值是否小于m倍的灰度均值,如果是,执行步骤503,否则,执行步骤504。
具体而言,m大于1。
步骤503,将待赋值点赋值为0。
步骤504,将待赋值点赋值为255。
本实施例,服务器可以根据散斑图各像素点的灰度值,计算散斑图的灰度均值,依次将散斑图的各像素点作为待赋值点,判断待赋值点的灰度值是否小于m倍的灰度均值,若待赋值点的灰度值小于m倍的灰度均值,则将待赋值点赋值为0,若待赋值点的灰度值大于或等于m倍的灰度均值,则将待赋值点赋值为255,根据灰度均值进行全局二值化,可以更准确、清楚、直观地将散斑图的黑色区域与亮斑区域区分开来,使得二值化过程更加准确。
在一个实施例中,服务器获取待检测相机对目标平面拍摄得到的散斑图时,可以获取待检测相机在若干距离处对目标平面拍摄得到的散斑图,用若干距离处对目标平面拍摄得到的散斑图来进行DOE脱落检测,可以进一步降低误判的概率,提升检测过程的鲁棒性。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包括相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
本申请的另一个实施例涉及一种DOE脱落检测装置,下面对本实施例的DOE脱落检测装置的实现细节进行具体的说明,以下内容仅为方便理解提供的实现细节,并非实施本方案的必须,本实施例的DOE脱落检测装置的示意图可以如图8所示,包括:获取模块601、处理模块602和检测模块603。
获取模块601用于获取待检测相机对目标平面拍摄得到的散斑图。
处理模块602用于对散斑图进行全局二值化,得到二值化后的散斑图,根据预设的闭操作的结构单元,对二值化后的散斑图进行形态学闭操作,得到形态学闭的散斑图。
检测模块603用于在形态学闭的散斑图中确定出目标区域,并确定目标区域的个数和各目标区域的像素点的数量,根据目标区域的个数和各目标区域的像素点的数量,确定待检测相机的衍射光学元件DOE是否脱落,其中,目标区域的中的各点的灰度值为0。
值得一提的是,本实施例中所涉及到的各模块均为逻辑模块,在实际应用中,一个逻辑单元可以是一个物理单元,也可以是一个物理单元的一部分,还可以以多个物理单元的组合实现。此外,为了突出本申请的创新部分,本实施例中并没有将与解决本申请所提出的技术问题关系不太密切的单元引入,但这并不表明本实施例中不存在其它的单元。
本申请另一个实施例涉及一种电子设备,如图9所示,包括:至少一个处理器701;以及,与所述至少一个处理器701通信连接的存储器702;其中,所述存储器702存储有可被所述至少一个处理器701执行的指令,所述指令被所述至少一个处理器701执行,以使所述至少一个处理器701能够执行上述各实施例中的DOE脱落检测方法。
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。
本申请另一个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)执行本申请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(Read-OnlyMemory,简称:ROM)、随机存取存储器(Random Access Memory,简称:RAM)、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,上述各实施例是实现本申请的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本申请的精神和范围。
Claims (8)
1.一种DOE脱落检测方法,其特征在于,包括:
获取待检测相机对目标平面拍摄得到的散斑图;
对所述散斑图进行全局二值化,得到二值化后的所述散斑图;
根据预设的闭操作的结构单元,对二值化后的所述散斑图进行形态学闭操作,得到形态学闭的所述散斑图;
在形态学闭的所述散斑图中确定出目标区域,并确定所述目标区域的个数和各所述目标区域的像素点的数量;其中,所述目标区域的中的各点的灰度值为0;
根据所述目标区域的个数和各所述目标区域的像素点的数量,确定所述待检测相机的衍射光学元件DOE是否脱落;
其中,形态学闭的所述散斑图中的各点的灰度值为0或255,所述在形态学闭的所述散斑图中确定出目标区域,包括:
根据八连通区域检测算法,将形态学闭的所述散斑图中相邻的灰度值为0的像素点作为一个连通区域;
判断所述连通区域内的像素点的个数是否大于第一预设阈值;
若所述连通区域内的像素点的个数大于第一预设阈值,则将所述连通区域作为目标区域;
所述根据所述目标区域的个数和各所述目标区域的像素点的数量,确定所述待检测相机的DOE是否脱落,包括:
判断所述目标区域的个数是否大于第二预设阈值且小于第三预设阈值;
若所述目标区域的个数大于第二预设阈值且小于第三预设阈值,则确定所述待检测相机的DOE脱落;
若所述目标区域的个数不大于第二预设阈值或不小于第三预设阈值,则根据各所述目标区域的像素点的数量,计算所有所述目标区域的像素点的总数;
判断所述像素点的总数是否大于第四预设阈值;
若所述像素点的总数大于第四预设阈值,则确定所述待检测相机的DOE脱落;
若所述像素点的总数不大于第四预设阈值,则确定所述待检测相机的DOE未脱落。
2.根据权利要求1所述的DOE脱落检测方法,其特征在于,在所述对所述散斑图进行全局二值化,得到二值化后的所述散斑图之前,包括:
获取所述散斑图对应的深度图;其中,所述深度图由所述待检测相机通过对所述目标平面拍摄得到;
确定所述深度图中空洞点的个数;其中,所述空洞点的深度值小于或等于第五预设阈值;
判断所述空洞点的个数是否大于第六预设阈值;
若所述空洞点的个数大于第六预设阈值,则对所述散斑图进行全局二值化,得到二值化后的所述散斑图;
若所述空洞点的个数小于或等于第六预设阈值,则确定所述待检测相机的DOE未脱落。
3.根据权利要求1所述的DOE脱落检测方法,其特征在于,所述对所述散斑图进行全局二值化,得到二值化后的所述散斑图,包括:
根据所述散斑图各像素点的灰度值,计算所述散斑图的灰度均值;
依次将所述散斑图的各像素点作为待赋值点,判断所述待赋值点的灰度值是否小于m倍的灰度均值;
若所述待赋值点的灰度值小于m倍的灰度均值,则将所述待赋值点赋值为0;其中,所述m大于1;
若所述待赋值点的灰度值大于或等于m倍的灰度均值,则将所述待赋值点赋值为255。
4.根据权利要求1所述的DOE脱落检测方法,其特征在于,所述根据预设的闭操作的结构单元,对二值化后的所述散斑图进行形态学闭操作,得到形态学闭的所述散斑图,包括:
根据预设的闭操作的结构单元,对二值化后的所述散斑图进行图像膨胀,得到膨胀后的所述散斑图;
根据所述结构单元,对所述膨胀后的所述散斑图进行图像腐蚀,得到腐蚀后的所述散斑图,并将腐蚀后的所述散斑图作为形态学闭的所述散斑图。
5.根据权利要求1所述的DOE脱落检测方法,其特征在于,所述获取待检测相机对目标平面拍摄得到的散斑图,包括:
获取待检测相机在若干距离处对目标平面拍摄得到的散斑图。
6.一种DOE脱落检测装置,其特征在于,包括获取模块、处理模块和检测模块;
所述获取模块用于获取待检测相机对目标平面拍摄得到的散斑图;
所述处理模块用于对所述散斑图进行全局二值化,得到二值化后的所述散斑图,根据预设的闭操作的结构单元,对二值化后的所述散斑图进行形态学闭操作,得到形态学闭的所述散斑图;
所述检测模块用于在形态学闭的所述散斑图中确定出目标区域,并确定所述目标区域的个数和各所述目标区域的像素点的数量,根据所述目标区域的个数和各所述目标区域的像素点的数量,确定所述待检测相机的衍射光学元件DOE是否脱落,其中,所述目标区域的中的各点的灰度值为0;
其中,形态学闭的所述散斑图中的各点的灰度值为0或255,所述在形态学闭的所述散斑图中确定出目标区域,包括:
根据八连通区域检测算法,将形态学闭的所述散斑图中相邻的灰度值为0的像素点作为一个连通区域;
判断所述连通区域内的像素点的个数是否大于第一预设阈值;
若所述连通区域内的像素点的个数大于第一预设阈值,则将所述连通区域作为目标区域;
所述根据所述目标区域的个数和各所述目标区域的像素点的数量,确定所述待检测相机的DOE是否脱落,包括:
判断所述目标区域的个数是否大于第二预设阈值且小于第三预设阈值;
若所述目标区域的个数大于第二预设阈值且小于第三预设阈值,则确定所述待检测相机的DOE脱落;
若所述目标区域的个数不大于第二预设阈值或不小于第三预设阈值,则根据各所述目标区域的像素点的数量,计算所有所述目标区域的像素点的总数;
判断所述像素点的总数是否大于第四预设阈值;
若所述像素点的总数大于第四预设阈值,则确定所述待检测相机的DOE脱落;
若所述像素点的总数不大于第四预设阈值,则确定所述待检测相机的DOE未脱落。
7.一种电子设备,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5中任一所述的DOE脱落检测方法。
8.一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5中任一项所述的DOE脱落检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111198741.1A CN113936315B (zh) | 2021-10-14 | 2021-10-14 | Doe脱落检测方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111198741.1A CN113936315B (zh) | 2021-10-14 | 2021-10-14 | Doe脱落检测方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113936315A CN113936315A (zh) | 2022-01-14 |
CN113936315B true CN113936315B (zh) | 2022-03-25 |
Family
ID=79279521
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111198741.1A Active CN113936315B (zh) | 2021-10-14 | 2021-10-14 | Doe脱落检测方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113936315B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102710951A (zh) * | 2012-05-09 | 2012-10-03 | 天津大学 | 基于散斑结构光深度相机的多视点计算成像方法 |
CN108716982A (zh) * | 2018-04-28 | 2018-10-30 | Oppo广东移动通信有限公司 | 光学元件检测方法、装置、电子设备和存储介质 |
WO2019137348A1 (zh) * | 2018-01-10 | 2019-07-18 | 南京华捷艾米软件科技有限公司 | 体感摄像头的成像精度的调节方法及调节装置 |
WO2019174435A1 (zh) * | 2018-03-12 | 2019-09-19 | Oppo广东移动通信有限公司 | 投射器及其检测方法和装置、图像获取装置、电子设备、可读存储介质 |
CN110631487A (zh) * | 2019-11-08 | 2019-12-31 | 济南大学 | 一种利用激光散斑自相关技术测量横向微位移的方法 |
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 |
-
2021
- 2021-10-14 CN CN202111198741.1A patent/CN113936315B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102710951A (zh) * | 2012-05-09 | 2012-10-03 | 天津大学 | 基于散斑结构光深度相机的多视点计算成像方法 |
WO2019137348A1 (zh) * | 2018-01-10 | 2019-07-18 | 南京华捷艾米软件科技有限公司 | 体感摄像头的成像精度的调节方法及调节装置 |
WO2019174435A1 (zh) * | 2018-03-12 | 2019-09-19 | Oppo广东移动通信有限公司 | 投射器及其检测方法和装置、图像获取装置、电子设备、可读存储介质 |
CN108716982A (zh) * | 2018-04-28 | 2018-10-30 | Oppo广东移动通信有限公司 | 光学元件检测方法、装置、电子设备和存储介质 |
CN110631487A (zh) * | 2019-11-08 | 2019-12-31 | 济南大学 | 一种利用激光散斑自相关技术测量横向微位移的方法 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN113936315A (zh) | 2022-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106909911B (zh) | 图像处理方法、图像处理装置和电子装置 | |
US9754160B2 (en) | Method and device for detecting gathering of objects based on stereo vision as well as non-transitory computer-readable medium | |
CN110866926B (zh) | 一种红外遥感图像快速精细海陆分割方法 | |
CN109241896A (zh) | 一种通道安全检测方法、装置及电子设备 | |
WO2014128688A1 (en) | Method, system and software module for foreground extraction | |
CN104156937A (zh) | 阴影检测方法和装置 | |
CN106997457B (zh) | 人物肢体识别方法、人物肢体识别装置及电子装置 | |
CN108629254B (zh) | 一种运动目标的检测方法及装置 | |
CN102103696A (zh) | 人脸辨识系统、方法及具有该系统的身份识别装置 | |
CN111783573B (zh) | 一种远光灯检测方法、装置及设备 | |
CN112883820A (zh) | 基于激光雷达点云的道路目标3d检测方法及系统 | |
US11074704B2 (en) | Error reduction of depth maps | |
RU2019136604A (ru) | Платформа для управления и проверки достоверности контента видеоизображений, фотографий или аналогичного контента, сгенерированного различными устройствами | |
CN105184771A (zh) | 一种自适应运动目标检测系统及检测方法 | |
CN111797726A (zh) | 一种火焰检测方法、装置、电子设备及存储介质 | |
CN116777877A (zh) | 电路板缺陷检测方法、装置、计算机设备及存储介质 | |
CN113793339B (zh) | Doe脱落程度检测方法、电子设备和存储介质 | |
CN114283089B (zh) | 基于跳跃加速的深度恢复方法、电子设备及存储介质 | |
CN113936315B (zh) | Doe脱落检测方法、装置、电子设备和存储介质 | |
CN113936316B (zh) | Doe脱落检测方法、电子设备和计算机可读存储介质 | |
US11961308B2 (en) | Camera blockage detection for autonomous driving systems | |
CN112036269A (zh) | 跌倒检测方法、装置、计算机设备和存储介质 | |
CN110163029B (zh) | 一种图像识别方法、电子设备以及计算机可读存储介质 | |
CN115661131A (zh) | 一种图像识别方法、装置、电子设备及存储介质 | |
KR101519966B1 (ko) | 기준판 기반의 비전 인식 방법 및 시스템 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230404 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. |