CN114494383B - 基于Richard-Lucy迭代的光场深度估计方法 - Google Patents
基于Richard-Lucy迭代的光场深度估计方法 Download PDFInfo
- Publication number
- CN114494383B CN114494383B CN202210402610.9A CN202210402610A CN114494383B CN 114494383 B CN114494383 B CN 114494383B CN 202210402610 A CN202210402610 A CN 202210402610A CN 114494383 B CN114494383 B CN 114494383B
- Authority
- CN
- China
- Prior art keywords
- information
- scene
- phase space
- iteration
- sub
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请涉及图像处理技术领域,特别涉及一种基于Richard‑Lucy迭代的光场深度估计方法,包括:将采集的光场图像转成相空间信息并建立成像模型,同时获取光场相空间点扩散函数及初始化三维表面信息,基于成像模型和扩散函数,通过Richard‑Lucy迭代重建初始化后的三维表面信息,得到目标场景表面三维信息,并从中提取深度信息对光场深度进行估计。由此,解决了相关技术无法准确的描述成像模型、无法充分利用光信息进行光场深度估计及过度的依赖特定成像环境限制了算法的应用场景等问题,利用光场成像模型建立反向方程并使用迭代反卷积的方式进行深度重建,从而得到更准确的深度估计结果,降低了光场深度估计算法的使用限制。
Description
技术领域
本申请涉及图像处理技术领域,特别涉及一种基于Richard-Lucy迭代的光场深度估计方法。
背景技术
深度估计是指使用算法获取环境中物体表面的深度信息,从而确定不同物体所在位置。这一技术被广泛应用于自动驾驶、移动机器人自主导航系统、工业自动化等工业实践中。根据获取深度的不同原理,深度估计算法主要分为依靠主动光与依靠被动光两类。
依靠主动光的算法通过使用激光、红外线或者其他发光介质,在物体表面产生干涉,并从干涉条纹中解读相位信息,以估计光传播的距离。这类算法的结果精度较高,但其价格高昂、光源设备操作复杂,因此,在相关应用范围领域内会受到一定限制。
依靠被动光的算法是通过利用图像中的颜色、纹理等深度线索恢复深度与形状信息。这类方法在数据获取上的要求与深度估计结果的精度都比较低,且后续处理算法复杂、计算量庞大,其算法的性能同时受限于图像中深度线索的数量与质量。
光场成像是一种快速体成像方法,能够捕获更全面的光信息。光场系统通过在原成像面加入微透镜阵列,将进入成像系统的光线分为不同方向,即仅用一次曝光即可获得丰富的视角信息。基于光场成像在信息获取方面的优势,近年来这一技术被大量应用于深度估计领域。如今,现有的方法主要利用重聚焦、极平面、立体匹配等视觉深度线索,对成像过程进行几何近似。
然而,这一近似过程无法对成像模型进行严密准确的描述,依赖于特定的成像环境,严重限制了这类算法的应用场景。此外,在几何近似时也忽略了传播过程中的大量频域信息,使得算法无法充分利用光场系统捕获到的光信息。
发明内容
本申请提供一种基于Richard-Lucy迭代的光场深度估计方法,以解决该算法无法准确的描述成像模型、无法充分利用光场系统捕捉到的光信息进行光场深度估计以及过度的依赖特定的成像环境限制了算法的应用场景等问题,利用光场成像模型推导反向方程并使用迭代反卷积的方式进行深度重建,从而得到更准确的深度估计结果,降低了光场深度估计算法的使用限制。
本申请第一方面实施例提供一种基于Richard-Lucy迭代的光场深度估计,包括以下步骤:
将采集的光场图像转成相空间信息,建立所述相空间信息的成像模型,并基于所述相空间信息获取光场相空间点扩散函数;
根据所述相空间信息初始化三维表面信息,并基于所述相空间信息的成像模型和所述相空间点扩散函数,通过Richard-Lucy对初始化后的三维表面信息迭代重建,得到目标场景表面三维信息;以及
从所述目标场景表面三维信息中提取深度信息,并根据所述深度信息对光场深度进行估计。
根据本申请的一个实施例,所述基于所述相空间信息的成像模型和所述相空间点扩散函数,通过Richard-Lucy对初始化后的三维表面信息迭代重建,得到目标场景表面三维信息,包括:
利用所述相空间点扩散函数初始化所述相空间信息中的子孔径分量迭代权重;
按照所述子孔径排布位置,通过所述子孔径分量迭代权重和Richard-Lucy反卷积公式依次更新所述初始化后的三维表面信息,并在所有子孔径分量迭代权重均被使用后进行循环迭代,直至满足迭代条件后,得到迭代后的场景表面三维信息;
对所述迭代后的场景表面三维信息进行波长通道整合,得到所述目标场景表面三维信息。
根据本申请的一个实施例,所述利用所述相空间点扩散函数初始化所述相空间信息中的子孔径分量迭代权重,包括:
结合预设初始化公式,利用所述相空间点扩散函数初始化所述相空间信息中的子孔径分量迭代权重,其中,所述预设初始化公式为:
根据本申请的一个实施例,所述Richard-Lucy反卷积公式为:
其中,为矩阵点乘,为矩阵点除,为场景三维坐标,为相空间中的一个空间像素相对于微透镜中心的坐标,为不同子孔径位置,为接收到的光波波长,为坐标的范围,为场景中位于的物体表面对于波长为的光波的反射能力,为相空间点扩散函数,为相空间信息,为子孔径分量迭代权重,c为控制迭代收敛速度的常数,为迭代次数,为第次迭代中由第k个子孔径分量产生的场景表面信息更新,为第次迭代中由第k个子孔径分量更新后的场景表面信息,为次迭代中由第k-1个子孔径分量更新后的场景表面信息,为对相空间坐标维做180度翻转后的相空间点扩散函数。
根据本申请的一个实施例,所述对所述迭代后的场景表面三维信息进行波长通道整合,包括:
结合预设波长通道整合公式,对所述迭代后的场景表面三维信息进行波长通道整合,其中,所述预设波长通道整合公式为:
根据本申请的一个实施例,所述建立所述相空间信息的成像模型,包括:
结合预设建模公式,建立所述相空间信息的成像模型相空间信息的成像模型,其中,所述预设建模公式为:
其中,为场景三维坐标,为相空间中的一个空间像素相对于微透镜中心的坐标,为不同子孔径位置,为接收到的光波波长,为场景中位于的物体表面对于波长为的光波的反射能力,为相空间的点扩散函数,为获取到的相空间信息,为泊松分布噪声函数。
根据本申请的一个实施例,所述从所述目标场景表面三维信息中提取深度信息,包括:
结合预设提取公式,从所述目标场景表面三维信息中提取深度信息,其中,所述预设提取公式为:
其中,为场景三维坐标,为所述场景表面在横向坐标的轴向重建信息,为在横向坐标处场景的估计深度,对每个横向坐标进行深度估计,得到场景的深度图,为最终确定的横向坐标处深度值,由查找该横向坐标处轴向重建信息最大值所在轴向坐标获得,为横向坐标处轴向重建信息最大值。
根据本申请实施例的基于Richard-Lucy迭代的光场深度估计方法,将采集的光场图像转成相空间信息并建立成像模型,同时获取光场相空间点扩散函数及初始化三维表面信息,基于成像模型和扩散函数,通过Richard-Lucy迭代重建初始化后的三维表面信息,得到目标场景表面三维信息,并从中提取深度信息对光场深度进行估计。由此,解决了相关技术无法准确的描述成像模型、无法充分利用光信息进行光场深度估计及过度的依赖特定成像环境限制了算法的应用场景等问题,利用光场成像模型建立反向方程并使用迭代反卷积的方式进行深度重建,从而得到更准确的深度估计结果,降低了光场深度估计算法的使用限制。
本申请第二方面实施例提供一种基于Richard-Lucy迭代的光场深度估计装置,包括:
获取模块,用于将采集的光场图像转成相空间信息,建立所述相空间信息的成像模型,并基于所述相空间信息获取光场相空间点扩散函数;
迭代模块,用于根据所述相空间信息初始化三维表面信息,并基于所述相空间信息的成像模型和所述相空间点扩散函数,通过Richard-Lucy对初始化后的三维表面信息迭代重建,得到目标场景表面三维信息;以及
估计模块,用于从所述目标场景表面三维信息中提取深度信息,并根据所述深度信息对光场深度进行估计。
根据本申请的一个实施例,所述迭代模块,具体用于:
利用所述相空间点扩散函数初始化所述相空间信息中的子孔径分量迭代权重;
按照所述子孔径排布位置,通过所述子孔径分量迭代权重和Richard-Lucy反卷积公式依次更新所述初始化后的三维表面信息,并在所有子孔径分量迭代权重均被使用后进行循环迭代,直至满足迭代条件后,得到迭代后的场景表面三维信息;
对所述迭代后的场景表面三维信息进行波长通道整合,得到所述目标场景表面三维信息。
根据本申请的一个实施例,所述迭代模块,具体用于:
结合预设初始化公式,利用所述相空间点扩散函数初始化所述相空间信息中的子孔径分量迭代权重,其中,所述预设初始化公式为:
根据本申请的一个实施例,所述Richard-Lucy反卷积公式为:
其中,为矩阵点乘,为矩阵点除,为场景三维坐标,为相空间中的一个空间像素相对于微透镜中心的坐标,为不同子孔径位置,为接收到的光波波长,为坐标的范围,为场景中位于的物体表面对于波长为的光波的反射能力,为相空间点扩散函数,为相空间信息,为子孔径分量迭代权重,c为控制迭代收敛速度的常数,为迭代次数,为第次迭代中由第k个子孔径分量产生的场景表面信息更新,为第次迭代中由第k个子孔径分量更新后的场景表面信息,为次迭代中由第k-1个子孔径分量更新后的场景表面信息,为对相空间坐标维做180度翻转后的相空间点扩散函数。
根据本申请的一个实施例,所述对所述迭代后的场景表面三维信息进行波长通道整合,包括:
结合预设波长通道整合公式,对所述迭代后的场景表面三维信息进行波长通道整合,其中,所述预设波长通道整合公式为:
根据本申请的一个实施例,所述获取模块,具体用于:
结合预设建模公式,建立所述相空间信息的成像模型相空间信息的成像模型,其中,所述预设建模公式为:
其中,为场景三维坐标,为相空间中的一个空间像素相对于微透镜中心的坐标,为不同子孔径位置,为接收到的光波波长,为场景中位于的物体表面对于波长为的光波的反射能力,为相空间的点扩散函数,为获取到的相空间信息,为泊松分布噪声函数。
根据本申请的一个实施例,所述估计模块,具体用于:
结合预设提取公式,从所述目标场景表面三维信息中提取深度信息,其中,所述预设提取公式为:
其中,为场景三维坐标,为所述场景表面在横向坐标的轴向重建信息,为在横向坐标处场景的估计深度,对每个横向坐标进行深度估计,得到场景的深度图,为最终确定的横向坐标处深度值,由查找该横向坐标处轴向重建信息最大值所在轴向坐标获得,为横向坐标处轴向重建信息最大值。
根据本申请实施例的基于Richard-Lucy迭代的光场深度估计装置,将采集的光场图像转成相空间信息并建立成像模型,同时获取光场相空间点扩散函数及初始化三维表面信息,基于成像模型和扩散函数,通过Richard-Lucy迭代重建初始化后的三维表面信息,得到目标场景表面三维信息,并从中提取深度信息对光场深度进行估计。由此,解决了相关技术无法准确的描述成像模型、无法充分利用光信息进行光场深度估计及过度的依赖特定成像环境限制了算法的应用场景等问题,利用光场成像模型建立反向方程并使用迭代反卷积的方式进行深度重建,从而得到更准确的深度估计结果,降低了光场深度估计算法的使用限制。
本申请第三方面实施例提供一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如上述实施例所述的基于Richard-Lucy迭代的光场深度估计方法。
本申请第四方面实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行,以用于实现如上述实施例所述的基于Richard-Lucy迭代的光场深度估计方法。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本申请实施例提供的一种基于Richard-Lucy迭代的光场深度估计方法的流程图;
图2为根据本申请实施例提供的基于Richard-Lucy迭代的光场深度估计方法的算法流程图;
图3为根据本申请实施例提供的基于Richard-Lucy迭代的光场深度估计装置的示例图;
图4为根据本申请实施例提供的电子设备的结构示例图。
具体实施方式
下面详细描述本申请的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的基于Richard-Lucy迭代的光场深度估计方法。针对上述背景技术中心提到的该算法无法准确的描述成像模型、无法充分利用光场系统捕捉到的光信息进行光场深度估计以及过度的依赖特定的成像环境限制了算法的应用场景的问题,本申请提供了一种基于Richard-Lucy迭代的光场深度估计方法,在该方法中,将采集的光场图像转成相空间信息并建立成像模型,同时获取光场相空间点扩散函数及初始化三维表面信息,基于成像模型和扩散函数,通过Richard-Lucy迭代重建初始化后的三维表面信息,得到目标场景表面三维信息,并从中提取深度信息对光场深度进行估计。由此,解决了相关技术无法准确的描述成像模型、无法充分利用光信息进行光场深度估计及过度的依赖特定成像环境限制了算法的应用场景等问题,利用光场成像模型建立反向方程并使用迭代反卷积的方式进行深度重建,从而得到更准确的深度估计结果,降低了光场深度估计算法的使用限制。
具体而言,图1为本申请实施例所提供的一种基于Richard-Lucy迭代的光场深度估计方法的流程示意图。
如图1所示,该基于Richard-Lucy迭代的光场深度估计方法包括以下步骤:
在步骤S101中,将采集的光场图像转成相空间信息,建立相空间信息的成像模型,并基于相空间信息获取光场相空间点扩散函数。
进一步地,在一些实施例中,建立相空间信息的成像模型,包括:结合预设建模公式,建立相空间信息的成像模型相空间信息的成像模型,其中,预设建模公式为:
其中,为场景三维坐标,为相空间中的一个空间像素相对于微透镜中心的坐标,为不同子孔径位置,为接收到的光波波长,为场景中位于的物体表面对于波长为的光波的反射能力,为相空间的点扩散函数,为获取到的相空间信息,为泊松分布噪声函数。
具体的,将采集到的广场图像中对应为的像素进行重排,转化为多角度分量对应的相空间信息。
举例而言,在光场系统中,每个微透镜对应Nnum*Nnum个传感器像素,首先,抽取光场图像中对应位置的像素后进行重排,可以得到Nnum*Nnum个相空间数据;其次,用进行标识,其中为相空间中的一个空间像素相对于微透镜中心的坐标,为不同子孔径位置,为接收到的光波波长;最后,根据上述步骤得到的,建立相空间信息的成像模型,该建模公式为:
其中,为场景三维坐标,为相空间中的一个空间像素相对于微透镜中心的坐标,为不同子孔径位置,为接收到的光波波长,为场景中位于的物体表面对于波长为的光波的反射能力,为相空间的点扩散函数,为获取到的相空间信息,为泊松分布噪声函数。
进一步地,本申请实施例基于相空间信息获取光场相空间点扩散函数,优选地,光场相空间点扩散函数为六维函数,其中,三维为空间坐标,二维为相空间坐标,一维为接收到的光波波长。
在步骤S102中,根据相空间信息初始化三维表面信息,并基于相空间信息的成像模型和相空间点扩散函数,通过Richard-Lucy对初始化后的三维表面信息迭代重建,得到目标场景表面三维信息。
进一步地,在一些实施例中,基于相空间信息的成像模型和相空间点扩散函数,通过Richard-Lucy对初始化后的三维表面信息迭代重建,得到目标场景表面三维信息,包括:利用相空间点扩散函数初始化相空间信息中的子孔径分量迭代权重;按照子孔径排布位置,通过子孔径分量迭代权重和Richard-Lucy反卷积公式依次更新初始化后的三维表面信息,并在所有子孔径分量迭代权重均被使用后进行循环迭代,直至满足迭代条件后,得到迭代后的场景表面三维信息;对迭代后的场景表面三维信息进行波长通道整合,得到目标场景表面三维信息。
进一步地,在一些实施例中,利用相空间点扩散函数初始化相空间信息中的子孔径分量迭代权重,包括:结合预设初始化公式,利用相空间点扩散函数初始化相空间信息中的子孔径分量迭代权重,其中,预设初始化公式为:
进一步地,在一些实施例中,对迭代后的场景表面三维信息进行波长通道整合,包括:结合预设波长通道整合公式,对迭代后的场景表面三维信息进行波长通道整合,其中,预设波长通道整合公式为:
进一步地,基于相空间信息的成像模型和相空间点扩散函数,初始化相空间信息中的子孔径分量迭代权重,并按照子孔径排布位置,结合子孔径分量迭代权重与Richard-Lucy反卷积公式,依次更新初始化后的三维表面信息,直到相空间信息中的所有子孔径分量均被使用过一次后进行循环迭代,直到达到迭代算法迭代上限,进而对迭代得到的场景表面三维信息进行波长通道整合,得到目标场景表面三维信息。
进一步地,在步骤S102中,Richard-Lucy反卷积公式可以为:
其中,为矩阵点乘,为矩阵点除,为场景三维坐标,为相空间中的一个空间像素相对于微透镜中心的坐标,为不同子孔径位置,为接收到的光波波长,为坐标的范围,为场景中位于的物体表面对于波长为的光波的反射能力,为相空间点扩散函数,为相空间信息,为子孔径分量迭代权重,c为控制迭代收敛速度的常数,为迭代次数,为第次迭代中由第k个子孔径分量产生的场景表面信息更新,为第次迭代中由第k个子孔径分量更新后的场景表面信息,为次迭代中由第k-1个子孔径分量更新后的场景表面信息,为对相空间坐标维做180度翻转后的相空间点扩散函数。
进一步地,对迭代后的场景表面三维信息进行波长通道整合,其中,预设波长通道整合公式为:
在步骤S103中,从目标场景表面三维信息中提取深度信息,并根据深度信息对光场深度进行估计。
进一步地,在一些实施例中,从目标场景表面三维信息中提取深度信息,包括:结合预设提取公式,从目标场景表面三维信息中提取深度信息,其中,预设提取公式为:
其中,为场景三维坐标,为所述场景表面在横向坐标的轴向重建信息,为在横向坐标处场景的估计深度,对每个横向坐标进行深度估计,得到场景的深度图,为最终确定的横向坐标处深度值,由查找该横向坐标处轴向重建信息最大值所在轴向坐标获得,为横向坐标处轴向重建信息最大值。
具体地,通过步骤S102迭代得到的场景表面三维信息中提取深度信息的方法为:
其中,为场景三维坐标,为所述场景表面在横向坐标的轴向重建信息,为在横向坐标处场景的估计深度,对每个横向坐标进行深度估计,得到场景的深度图,为最终确定的横向坐标处深度值,由查找该横向坐标处轴向重建信息最大值所在轴向坐标获得,为横向坐标处轴向重建信息最大值。
综上,为便于本领域技术人员更好理解基于Richard-Lucy迭代的光场深度估计方法的完整流程,下面根据具体流程图进行详细说明,如图2所示:
S201,开始。
S207,判断所有子孔径分量是否都被使用过一次,若是,则执行S208,否则,将子孔径编号k=k+1,并返回执行S205。
S208,判断是否达到算法迭代上线,若是,则执行S209,否则,将迭代次数设定为iter=iter+1,并返回执行S204。
S211,结束。
根据本申请实施例的基于Richard-Lucy迭代的光场深度估计方法,将采集的光场图像转成相空间信息并建立成像模型,同时获取光场相空间点扩散函数及初始化三维表面信息,基于成像模型和扩散函数,通过Richard-Lucy迭代重建初始化后的三维表面信息,得到目标场景表面三维信息,并从中提取深度信息对光场深度进行估计。由此,解决了现有技术无法准确的描述成像模型、无法充分利用光信息进行光场深度估计及过度的依赖特定成像环境限制了算法的应用场景等问题,利用光场成像模型建立反向方程并使用迭代反卷积的方式进行深度重建,从而得到更准确的深度估计结果,降低了光场深度估计算法的使用限制。
其次参照附图描述根据本申请实施例提出的基于Richard-Lucy迭代的光场深度估计装置。
图3是本申请实施例的基于Richard-Lucy迭代的光场深度估计装置的方框示意图。
如图3所示,该基于Richard-Lucy迭代的光场深度估计装置10包括:获取模块100、迭代模块200和估计模块300。
其中,获取模块100用于将采集的光场图像转成相空间信息,建立相空间信息的成像模型,并基于相空间信息获取光场相空间点扩散函数;
迭代模块200用于根据相空间信息初始化三维表面信息,并基于相空间信息的成像模型和相空间点扩散函数,通过Richard-Lucy对初始化后的三维表面信息迭代重建,得到目标场景表面三维信息;以及
估计模块300用于从目标场景表面三维信息中提取深度信息,并根据深度信息对光场深度进行估计。
进一步地,在一些实施例中,迭代模块200,具体用于:
利用相空间点扩散函数初始化相空间信息中的子孔径分量迭代权重;
按照子孔径排布位置,通过子孔径分量迭代权重和Richard-Lucy反卷积公式依次更新初始化后的三维表面信息,并在所有子孔径分量迭代权重均被使用后进行循环迭代,直至满足迭代条件后,得到迭代后的场景表面三维信息;
对迭代后的场景表面三维信息进行波长通道整合,得到目标场景表面三维信息。
进一步地,在一些实施例中,迭代模块200,具体用于:
结合预设初始化公式,利用相空间点扩散函数初始化相空间信息中的子孔径分量迭代权重,其中,预设初始化公式为:
进一步地,在一些实施例中,Richard-Lucy反卷积公式为:
其中,为矩阵点乘,为矩阵点除,为场景三维坐标,为相空间中的一个空间像素相对于微透镜中心的坐标,为不同子孔径位置,为接收到的光波波长,为坐标的范围,为场景中位于的物体表面对于波长为的光波的反射能力,为相空间点扩散函数,为相空间信息,为子孔径分量迭代权重,c为控制迭代收敛速度的常数,为迭代次数,为第次迭代中由第k个子孔径分量产生的场景表面信息更新,为第次迭代中由第k个子孔径分量更新后的场景表面信息,为次迭代中由第k-1个子孔径分量更新后的场景表面信息,为对相空间坐标维做180度翻转后的相空间点扩散函数。
进一步地,在一些实施例中,对迭代后的场景表面三维信息进行波长通道整合,包括:
结合预设波长通道整合公式,对迭代后的场景表面三维信息进行波长通道整合,其中,预设波长通道整合公式为:
进一步地,在一些实施例中,获取模块100,具体用于:
结合预设建模公式,建立相空间信息的成像模型相空间信息的成像模型,其中,预设建模公式为:
其中,为场景三维坐标,为相空间中的一个空间像素相对于微透镜中心的坐标,为不同子孔径位置,为接收到的光波波长,为场景中位于的物体表面对于波长为的光波的反射能力,为相空间的点扩散函数,为获取到的相空间信息,为泊松分布噪声函数。
进一步地,在一些实施例中,估计模块300,具体用于:
结合预设提取公式,从目标场景表面三维信息中提取深度信息,其中,预设提取公式为:
其中,为场景三维坐标,为所述场景表面在横向坐标的轴向重建信息,为在横向坐标处场景的估计深度,对每个横向坐标进行深度估计,得到场景的深度图,为最终确定的横向坐标处深度值,由查找该横向坐标处轴向重建信息最大值所在轴向坐标获得,为横向坐标处轴向重建信息最大值。
根据本申请实施例的基于Richard-Lucy迭代的光场深度估计装置,将采集的光场图像转成相空间信息并建立成像模型,同时获取光场相空间点扩散函数及初始化三维表面信息,基于成像模型和扩散函数,通过Richard-Lucy迭代重建初始化后的三维表面信息,得到目标场景表面三维信息,并从中提取深度信息对光场深度进行估计。由此,解决了现有技术无法准确的描述成像模型、无法充分利用光信息进行光场深度估计及过度的依赖特定成像环境限制了算法的应用场景等问题,利用光场成像模型建立反向方程并使用迭代反卷积的方式进行深度重建,从而得到更准确的深度估计结果,降低了光场深度估计算法的使用限制。
图4为本申请实施例提供的电子设备的结构示意图。该电子设备可以包括:
存储器401、处理器402及存储在存储器401上并可在处理器402上运行的计算机程序。
处理器402执行程序时实现上述实施例中提供的基于Richard-Lucy迭代的光场深度估计方法。
进一步地,电子设备还包括:
通信接口403,用于存储器401和处理器402之间的通信。
存储器401,用于存放可在处理器402上运行的计算机程序。
存储器401可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
如果存储器401、处理器402和通信接口403独立实现,则通信接口403、存储器401和处理器402可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture,简称为ISA)总线、外部设备互连(PeripheralComponent,简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture,简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器401、处理器402及通信接口403,集成在一块芯片上实现,则存储器401、处理器402及通信接口403可以通过内部接口完成相互间的通信。
处理器402可能是一个中央处理器(Central Processing Unit,简称为CPU),或者是特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者是被配置成实施本申请实施例的一个或多个集成电路。
本实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上的基于Richard-Lucy迭代的光场深度估计方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“N个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或N个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序,然后将其存储在计算机存储器中。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (14)
1.一种基于Richard-Lucy迭代的光场深度估计方法,其特征在于,包括以下步骤:
将采集的光场图像转成相空间信息,建立所述相空间信息的成像模型,并基于所述相空间信息获取光场相空间点扩散函数;
根据所述相空间信息初始化三维表面信息,并基于所述相空间信息的成像模型和所述相空间点扩散函数,通过Richard-Lucy对初始化后的三维表面信息迭代重建,得到目标场景表面三维信息;以及
从所述目标场景表面三维信息中提取深度信息,并根据所述深度信息对光场深度进行估计;
其中,所述基于所述相空间信息的成像模型和所述相空间点扩散函数,通过Richard-Lucy对初始化后的三维表面信息迭代重建,得到目标场景表面三维信息,包括:利用所述相空间点扩散函数初始化所述相空间信息中的子孔径分量迭代权重;按照所述子孔径排布位置,通过所述子孔径分量迭代权重和Richard-Lucy反卷积公式依次更新所述初始化后的三维表面信息,并在所有子孔径分量迭代权重均被使用后进行循环迭代,直至满足迭代条件后,得到迭代后的场景表面三维信息;对所述迭代后的场景表面三维信息进行波长通道整合,得到所述目标场景表面三维信息。
7.一种基于Richard-Lucy迭代的光场深度估计装置,其特征在于,包括:
获取模块,用于将采集的光场图像转成相空间信息,建立所述相空间信息的成像模型,并基于所述相空间信息获取光场相空间点扩散函数;
迭代模块,用于根据所述相空间信息初始化三维表面信息,并基于所述相空间信息的成像模型和所述相空间点扩散函数,通过Richard-Lucy对初始化后的三维表面信息迭代重建,得到目标场景表面三维信息;以及
估计模块,用于从所述目标场景表面三维信息中提取深度信息,并根据所述深度信息对光场深度进行估计;
其中,所述迭代模块,具体用于:利用所述相空间点扩散函数初始化所述相空间信息中的子孔径分量迭代权重;按照所述子孔径排布位置,通过所述子孔径分量迭代权重和Richard-Lucy反卷积公式依次更新所述初始化后的三维表面信息,并在所有子孔径分量迭代权重均被使用后进行循环迭代,直至满足迭代条件后,得到迭代后的场景表面三维信息;对所述迭代后的场景表面三维信息进行波长通道整合,得到所述目标场景表面三维信息。
9.根据权利要求8所述的装置,其特征在于,所述Richard-Lucy反卷积公式为:
13.一种电子设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如权利要求1-6任一项所述的基于Richard-Lucy迭代的光场深度估计方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行,以用于实现如权利要求1-6任一项所述的基于Richard-Lucy迭代的光场深度估计方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210402610.9A CN114494383B (zh) | 2022-04-18 | 2022-04-18 | 基于Richard-Lucy迭代的光场深度估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210402610.9A CN114494383B (zh) | 2022-04-18 | 2022-04-18 | 基于Richard-Lucy迭代的光场深度估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114494383A CN114494383A (zh) | 2022-05-13 |
CN114494383B true CN114494383B (zh) | 2022-09-02 |
Family
ID=81489323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210402610.9A Active CN114494383B (zh) | 2022-04-18 | 2022-04-18 | 基于Richard-Lucy迭代的光场深度估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114494383B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115100269B (zh) * | 2022-06-28 | 2024-04-23 | 电子科技大学 | 一种光场图像深度估计方法、系统、电子设备及存储介质 |
CN117095119B (zh) * | 2023-08-17 | 2024-05-28 | 郑州众益信息科技有限公司 | 一种地空一体测绘方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914874B (zh) * | 2014-04-08 | 2017-02-01 | 中山大学 | 一种无特征提取的紧致sfm三维重建方法 |
WO2018213723A1 (en) * | 2017-05-19 | 2018-11-22 | The Rockefeller University | Imaging signal extraction apparatus and methods of using same |
CN110412587B (zh) * | 2019-07-19 | 2021-04-09 | 中国科学院声学研究所 | 一种基于解卷积的下视合成孔径三维成像方法及系统 |
CN110706346B (zh) * | 2019-09-17 | 2022-11-15 | 浙江荷湖科技有限公司 | 时空联合优化重建方法及系统 |
CN110675451B (zh) * | 2019-09-17 | 2023-03-17 | 浙江荷湖科技有限公司 | 基于相空间光学的数字自适应校正方法及系统 |
CN112288847B (zh) * | 2020-09-28 | 2022-06-17 | 清华大学 | 基于快速傅里叶变换的光场三维重建方法 |
CN113850902A (zh) * | 2021-09-13 | 2021-12-28 | 清华大学深圳国际研究生院 | 一种基于光场显微系统的光场三维重建方法 |
-
2022
- 2022-04-18 CN CN202210402610.9A patent/CN114494383B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114494383A (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108198145B (zh) | 用于点云数据修复的方法和装置 | |
CN108319655B (zh) | 用于生成栅格地图的方法和装置 | |
CN114494383B (zh) | 基于Richard-Lucy迭代的光场深度估计方法 | |
Sharma | Comparative assessment of techniques for initial pose estimation using monocular vision | |
Castorena et al. | Autocalibration of lidar and optical cameras via edge alignment | |
CN109523597B (zh) | 相机外参的标定方法和装置 | |
US8755630B2 (en) | Object pose recognition apparatus and object pose recognition method using the same | |
US20140253679A1 (en) | Depth measurement quality enhancement | |
CN111080784B (zh) | 一种基于地面图像纹理的地面三维重建方法和装置 | |
EP2724203A1 (fr) | Génération de données de carte | |
Lin et al. | Optimizing ZNCC calculation in binocular stereo matching | |
Bethmann et al. | Semi-global matching in object space | |
CN111882655B (zh) | 三维重建的方法、装置、系统、计算机设备和存储介质 | |
CN113111513B (zh) | 传感器配置方案确定方法、装置、计算机设备及存储介质 | |
CN115035235A (zh) | 三维重建方法及装置 | |
CN112444798A (zh) | 多传感器设备时空外参标定方法、装置以及计算机设备 | |
CN110738730A (zh) | 点云匹配方法、装置、计算机设备和存储介质 | |
CN114519772A (zh) | 一种基于稀疏点云和代价聚合的三维重建方法及系统 | |
Tripodi et al. | Operational pipeline for large-scale 3D reconstruction of buildings from satellite images | |
He et al. | Linear approach for initial recovery of the exterior orientation parameters of randomly captured images by low-cost mobile mapping systems | |
CN117132737B (zh) | 一种三维建筑模型构建方法、系统及设备 | |
CN114677588A (zh) | 障碍物检测的方法、装置、机器人和存储介质 | |
CN112270748B (zh) | 基于图像的三维重建方法及装置 | |
CN112288817B (zh) | 基于图像的三维重建处理方法及装置 | |
CN108174179B (zh) | 用于对成像设备进行建模的方法和计算机可读存储介质 |
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 |