CN116337088A - 基于仿生偏振视觉的雾天场景相对运动估计方法和装置 - Google Patents
基于仿生偏振视觉的雾天场景相对运动估计方法和装置 Download PDFInfo
- Publication number
- CN116337088A CN116337088A CN202310622789.3A CN202310622789A CN116337088A CN 116337088 A CN116337088 A CN 116337088A CN 202310622789 A CN202310622789 A CN 202310622789A CN 116337088 A CN116337088 A CN 116337088A
- Authority
- CN
- China
- Prior art keywords
- atmospheric
- light
- image
- scene
- polarized
- 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
- 230000010287 polarization Effects 0.000 title claims abstract description 131
- 238000000034 method Methods 0.000 title claims abstract description 60
- 239000011664 nicotinic acid Substances 0.000 title claims abstract description 26
- 238000012546 transfer Methods 0.000 claims abstract description 75
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 16
- 230000005540 biological transmission Effects 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 20
- 230000008030 elimination Effects 0.000 claims description 12
- 238000003379 elimination reaction Methods 0.000 claims description 12
- 230000035945 sensitivity Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 66
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000000428 dust Substances 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000002834 transmittance Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009365 direct transmission Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请涉及一种基于仿生偏振视觉的雾天场景相对运动估计方法和装置。所述方法包括:从大气散射模型出发建立偏振度与传输函数之间的转换关系,重构传输函数,其中,传输函数中蕴含场景相对深度信息。为通过传输函数得到场景的深度信息,本发明从偏振光的分解角度,得到了传输函数模型中无穷远处大气光和偏振大气光等关键自变量参数的解算公式,再根据待探测图像计算偏振图像对应的大气偏振度信息,根据偏振大气光信息、无穷远处大气光信息和偏振图像对应的大气偏振度信息实现探测场景深度信息的估算。本发明具有原理简单、适用于不同天气等优点,对于提高复杂天气下仿生偏振光导航定位的鲁棒性和全天候适应性具有广阔的应用前景。
Description
技术领域
本申请涉及仿生导航定位领域,特别是涉及一种基于仿生偏振视觉的雾天场景相对运动估计方法和装置。
背景技术
目前无人平台运动估计技术研究取得了大量的研究成果,已经能够实现部分移动机器人、无人平台等在卫星拒止条件下的自主定位,但是在雨雾尘等复杂天气条件下传统的无人平台视觉方案极易失效,导致探测距离、成像效果、测量精度等受到极大限制,从而严重影响无人系统装备关键参数获取,从而导致定位任务失败。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高无人平台在复杂天气条件下的定位精度的基于仿生偏振视觉的雾天场景相对运动估计方法、装置、计算机设备和存储介质。
一种基于仿生偏振视觉的雾天场景相对运动估计方法,所述方法包括:
根据大气散射模型分别得到传输函数关于大气光的表达式,以及偏振度关于大气光的表达式;所述传输函数中包括探测场景的深度信息;
通过参数消除法消去大气光参数,得到传输函数的重构表达式;所述传输函数的重构表达式中包括大气偏振度、偏振大气光和无穷远处大气光三个自变量;
基于偏振光分解原理,根据时探测器采集的第一图像得到所述偏振大气光的解算值,根据探测场景距离为无穷远、/>时探测器采集的第二图像得到所述无穷远处大气光的解算值;其中,/>为探测器偏振敏感单元的主敏感方向与传感器的/>参考方向所呈的角度;
获取运动平台上探测的雾天场景图像,根据所述雾天场景图像确定所述雾天场景图像对应的大气偏振度信息;
根据所述大气偏振度信息、所述偏振大气光的解算值和所述无穷远处大气光的解算值确定所述雾天场景图像对应的传输函数,进而确定所述雾天场景图像的深度信息,根据所述深度信息对所述运动平台进行相对运动估计。
在其中一个实施例中,还包括:根据大气散射模型得到传输函数关于大气光的表达式为:
根据大气散射模型得到偏振度关于大气光的表达式为:
在其中一个实施例中,还包括:通过参数消除法消去大气光参数,得到传输函数的重构表达式为:
在其中一个实施例中,还包括:根据所述雾天场景图像通过非线性最小二乘法确定所述雾天场景图像对应的大气偏振度信息。
一种基于仿生偏振视觉的雾天场景相对运动估计装置,所述装置包括:
传输函数重构模块,用于根据大气散射模型分别得到传输函数关于大气光的表达式,以及偏振度关于大气光的表达式;所述传输函数中包括探测场景的深度信息;通过参数消除法消去大气光参数,得到传输函数的重构表达式;所述传输函数的重构表达式中包括大气偏振度、偏振大气光和无穷远处大气光三个自变量;
关键参数解算模块,用于基于偏振光分解原理,根据时探测器采集的第一图像得到所述偏振大气光的解算值,根据探测场景距离为无穷远、/>时探测器采集的第二图像得到所述无穷远处大气光的解算值;其中,/>为探测器偏振敏感单元的主敏感方向与传感器的/>参考方向所呈的角度;
偏振度信息确定模块,用于获取运动平台上探测的雾天场景图像,根据所述雾天场景图像确定所述雾天场景图像对应的大气偏振度信息;
深度信息获取模块,用于根据所述大气偏振度信息、所述偏振大气光的解算值和所述无穷远处大气光的解算值确定所述雾天场景图像对应的传输函数,进而确定所述雾天场景图像的深度信息,根据所述深度信息对所述运动平台进行相对运动估计。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
根据大气散射模型分别得到传输函数关于大气光的表达式,以及偏振度关于大气光的表达式;所述传输函数中包括探测场景的深度信息;
通过参数消除法消去大气光参数,得到传输函数的重构表达式;所述传输函数的重构表达式中包括大气偏振度、偏振大气光和无穷远处大气光三个自变量;
基于偏振光分解原理,根据时探测器采集的第一图像得到所述偏振大气光的解算值,根据探测场景距离为无穷远、/>时探测器采集的第二图像得到所述无穷远处大气光的解算值;其中,/>为探测器偏振敏感单元的主敏感方向与传感器的/>参考方向所呈的角度;
获取运动平台上探测的雾天场景图像,根据所述雾天场景图像确定所述雾天场景图像对应的大气偏振度信息;
根据所述大气偏振度信息、所述偏振大气光的解算值和所述无穷远处大气光的解算值确定所述雾天场景图像对应的传输函数,进而确定所述雾天场景图像的深度信息,根据所述深度信息对所述运动平台进行相对运动估计。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
根据大气散射模型分别得到传输函数关于大气光的表达式,以及偏振度关于大气光的表达式;所述传输函数中包括探测场景的深度信息;
通过参数消除法消去大气光参数,得到传输函数的重构表达式;所述传输函数的重构表达式中包括大气偏振度、偏振大气光和无穷远处大气光三个自变量;
基于偏振光分解原理,根据时探测器采集的第一图像得到所述偏振大气光的解算值,根据探测场景距离为无穷远、/>时探测器采集的第二图像得到所述无穷远处大气光的解算值;其中,/>为探测器偏振敏感单元的主敏感方向与传感器的/>参考方向所呈的角度;
获取运动平台上探测的雾天场景图像,根据所述雾天场景图像确定所述雾天场景图像对应的大气偏振度信息;
根据所述大气偏振度信息、所述偏振大气光的解算值和所述无穷远处大气光的解算值确定所述雾天场景图像对应的传输函数,进而确定所述雾天场景图像的深度信息,根据所述深度信息对所述运动平台进行相对运动估计。
上述基于仿生偏振视觉的雾天场景相对运动估计方法、装置、计算机设备和存储介质,从大气散射模型出发建立偏振度与传输函数之间的转换关系,重构传输函数,其中,传输函数中蕴含场景相对深度信息。为通过传输函数得到场景的深度信息,本发明从偏振光的分解角度,得到了传输函数模型中无穷远处大气光和偏振大气光等关键自变量参数的解算公式,将0°时采集的图像作为已知信息可以估算偏振大气光信息,将探测距离为无穷远时0°采集的图像作为已知信息可以估算无穷远处大气光信息,再根据待探测图像计算偏振图像对应的大气偏振度信息,根据偏振大气光信息、无穷远处大气光信息和偏振图像对应的大气偏振度信息实现探测场景深度信息的估算。本发明具有原理简单、适用于不同天气等优点,对于提高复杂天气下仿生偏振光导航定位的鲁棒性和全天候适应性具有广阔的应用前景。
附图说明
图1为一个实施例中基于仿生偏振视觉的雾天场景相对运动估计方法的流程示意图;
图2为另一个实施例中基于仿生偏振视觉的雾天场景相对运动估计方法的流程示意图;
图3为一个实施例中雾天场景下的相对运动估计效果图,其中(a)为雾天场景原图,(b)为传输函数估计结果图,(c)为深度信息估计结果图;
图4为一个实施例中基于仿生偏振视觉的雾天场景相对运动估计装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种基于仿生偏振视觉的雾天场景相对运动估计方法,包括以下步骤:
步骤102,根据大气散射模型分别得到传输函数关于大气光的表达式,以及偏振度关于大气光的表达式。
传输函数中包括探测场景的深度信息。
雾霾气象条件下,到达探测器的光强主要包括两部分:1)场景目标的反射光,也称直接透射光,包含了场景目标的强度信息;2)由雾霾颗粒散射导致的杂散光,也称大气光,是雾霾环境中光学成像的主要干扰因素。
首先,场景目标反射光强L经过雾霾区域,会受到雾霾颗粒的强散射和吸收作用,到达探测器的直接透射光强D随传输距离指数衰减:
式中β是衰减系数,z是探测目标到探测器的距离。一般而言,定义传输函数为:
与直接透射光不同,大气光是由雾霾颗粒直接散射太阳光所造成的,其到达探测器时的光强A 随传输距离指数增加:
从式(3)中可以得到大气散射模型中的传输函数t为:
而大气散射模型中定义的偏振度(偏振对比度)为:
步骤104,通过参数消除法消去大气光参数,得到传输函数的重构表达式。
传输函数的重构表达式中包括大气偏振度、偏振大气光和无穷远处大气光三个自变量。
利用公式(2)和(7)可以得到一种新的利用偏振信息估计场景深度的方法:
为计算偏振大气光和无穷远处大气光/>,可以从偏振光组成角度出发,线性偏振、部分偏振和非偏振非相干辐射都可以用斯托克斯参数S0、S1和S2表示。S0是从目标到探测器的总辐照度。S1和S2是偏振角α的函数,相对于任意固定的参考平面测量有:
其中P是偏振度:0≤P≤1 (0为非偏振,1为完全偏振)。斯托克斯参数的效用源于一个事实:一个理想的偏振敏感单元的主敏感方向与传感器的0°参考方向呈θ角度,它们可以直接从可观测数据中确定。一般偏振器件的偏振性能可以用穆勒矩阵M来表征,则可以计算出经过理想的线偏振片后出射光的斯托克斯矢量:
其中理想线偏振片的穆勒矩阵M为:
穆勒矩阵M中,只有第一行表示光强值,因此在探测器上测得的辐照度为:
进一步的,可以将偏振大气光表示为:
公式(14)和(16)中,为采集的图像的光强信息,/>为图像的偏振度矢量,/>为图像对应的大气偏振度,取为偏振度矢量中的最大值,/>为偏振度值,本实施例中选取图像的偏振度矢量中的最大值作为此处需要的偏振度值,以上参数都可以通过现有方法得到。
步骤108,获取运动平台上探测的雾天场景图像,根据雾天场景图像确定雾天场景图像对应的大气偏振度信息。
根据雾天场景图像通过非线性最小二乘法以准确的计算场景的偏振信息,即偏振图像对应的大气偏振度P A信息,此处根据图像得到场景的偏振信息的方法为现有技术。
步骤110,根据大气偏振度信息、偏振大气光的解算值和无穷远处大气光的解算值确定雾天场景图像对应的传输函数,进而确定雾天场景图像的深度信息,根据深度信息对运动平台进行相对运动估计。
再根据场景的深度信息对运动平台进行相对运动估计。
上述基于仿生偏振视觉的雾天场景相对运动估计方法中,从大气散射模型出发建立偏振度与传输函数之间的转换关系,重构传输函数,其中,传输函数中蕴含场景相对深度信息。为通过传输函数得到场景的深度信息,本发明从偏振光的分解角度,得到了传输函数模型中无穷远处大气光和偏振大气光等关键自变量参数的解算公式,将0°时采集的图像作为已知信息可以估算偏振大气光信息,将探测距离为无穷远时0°采集的图像作为已知信息可以估算无穷远处大气光信息,再根据待探测图像计算偏振图像对应的大气偏振度信息,根据偏振大气光信息、无穷远处大气光信息和偏振图像对应的大气偏振度信息实现探测场景深度信息的估算。本发明具有原理简单、适用于不同天气等优点,对于提高复杂天气下仿生偏振光导航定位的鲁棒性和全天候适应性具有广阔的应用前景。
在另一个实施例中,如图2所示,提供一种基于仿生偏振视觉的雾天场景相对运动估计方法,包括:
1)构建仿生偏振光信息与传输函数之间的转换关系;
2)重构透射率函数,此处的透射率函数即为传输函数;
3)基于偏振光分解解算模型中的关键参数,包括偏振大气光和无穷远处大气光;
4)设计非线性最小二乘法计算场景的偏振信息,场景的偏振信息包括偏振图像对应的偏振度和偏振角;
5)由透射率函数求解获取场景的深度结果。
图3为根据本发明方法进行场景深度估计的示意图,其中,(a)为雾天场景原图,(b)为传输函数估计结果图,(c)为深度信息估计结果图。
应该理解的是,虽然图1-2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图4所示,提供了一种基于仿生偏振视觉的雾天场景相对运动估计装置,包括:传输函数重构模块402、关键参数解算模块404、偏振度信息确定模块406和深度信息获取模块408,其中:
传输函数重构模块402,用于根据大气散射模型分别得到传输函数关于大气光的表达式,以及偏振度关于大气光的表达式;传输函数中包括探测场景的深度信息;通过参数消除法消去大气光参数,得到传输函数的重构表达式;传输函数的重构表达式中包括大气偏振度、偏振大气光和无穷远处大气光三个自变量;
关键参数解算模块404,用于基于偏振光分解原理,根据时探测器采集的第一图像得到偏振大气光的解算值,根据探测场景距离为无穷远、/>时探测器采集的第二图像得到无穷远处大气光的解算值;其中,/>为探测器偏振敏感单元的主敏感方向与传感器的参考方向所呈的角度;
偏振度信息确定模块406,用于获取运动平台上探测的雾天场景图像,根据雾天场景图像确定雾天场景图像对应的大气偏振度信息;
深度信息获取模块408,用于根据大气偏振度信息、偏振大气光的解算值和无穷远处大气光的解算值确定雾天场景图像对应的传输函数,进而确定雾天场景图像的深度信息,根据深度信息对运动平台进行相对运动估计。
传输函数重构模块402还用于根据大气散射模型得到传输函数关于大气光的表达式为:
根据大气散射模型得到偏振度关于大气光的表达式为:
传输函数重构模块402还用于通过参数消除法消去大气光参数,得到传输函数的重构表达式为:
偏振度信息确定模块406还用于根据雾天场景图像通过非线性最小二乘法确定雾天场景图像对应的大气偏振度信息。
关于基于仿生偏振视觉的雾天场景相对运动估计装置的具体限定可以参见上文中对于基于仿生偏振视觉的雾天场景相对运动估计方法的限定,在此不再赘述。上述基于仿生偏振视觉的雾天场景相对运动估计装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于仿生偏振视觉的雾天场景相对运动估计方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现上述方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于仿生偏振视觉的雾天场景相对运动估计方法,其特征在于,所述方法包括:
根据大气散射模型分别得到传输函数关于大气光的表达式,以及偏振度关于大气光的表达式;所述传输函数中包括探测场景的深度信息;
通过参数消除法消去大气光参数,得到传输函数的重构表达式;所述传输函数的重构表达式中包括大气偏振度、偏振大气光和无穷远处大气光三个自变量;
基于偏振光分解原理,根据时探测器采集的第一图像得到所述偏振大气光的解算值,根据探测场景距离为无穷远、/>时探测器采集的第二图像得到所述无穷远处大气光的解算值;其中,/>为探测器偏振敏感单元的主敏感方向与传感器的/>参考方向所呈的角度;
获取运动平台上探测的雾天场景图像,根据所述雾天场景图像确定所述雾天场景图像对应的大气偏振度信息;
根据所述大气偏振度信息、所述偏振大气光的解算值和所述无穷远处大气光的解算值确定所述雾天场景图像对应的传输函数,进而确定所述雾天场景图像的深度信息,根据所述深度信息对所述运动平台进行相对运动估计。
6.根据权利要求5所述的方法,其特征在于,根据所述雾天场景图像确定所述雾天场景图像对应的大气偏振度信息,包括:
根据所述雾天场景图像通过非线性最小二乘法确定所述雾天场景图像对应的大气偏振度信息。
8.一种基于仿生偏振视觉的雾天场景相对运动估计装置,其特征在于,所述装置包括:
传输函数重构模块,用于根据大气散射模型分别得到传输函数关于大气光的表达式,以及偏振度关于大气光的表达式;所述传输函数中包括探测场景的深度信息;通过参数消除法消去大气光参数,得到传输函数的重构表达式;所述传输函数的重构表达式中包括大气偏振度、偏振大气光和无穷远处大气光三个自变量;
关键参数解算模块,用于基于偏振光分解原理,根据时探测器采集的第一图像得到所述偏振大气光的解算值,根据探测场景距离为无穷远、/>时探测器采集的第二图像得到所述无穷远处大气光的解算值;其中,/>为探测器偏振敏感单元的主敏感方向与传感器的/>参考方向所呈的角度;
偏振度信息确定模块,用于获取运动平台上探测的雾天场景图像,根据所述雾天场景图像确定所述雾天场景图像对应的大气偏振度信息;
深度信息获取模块,用于根据所述大气偏振度信息、所述偏振大气光的解算值和所述无穷远处大气光的解算值确定所述雾天场景图像对应的传输函数,进而确定所述雾天场景图像的深度信息,根据所述深度信息对所述运动平台进行相对运动估计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310622789.3A CN116337088B (zh) | 2023-05-30 | 2023-05-30 | 基于仿生偏振视觉的雾天场景相对运动估计方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310622789.3A CN116337088B (zh) | 2023-05-30 | 2023-05-30 | 基于仿生偏振视觉的雾天场景相对运动估计方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116337088A true CN116337088A (zh) | 2023-06-27 |
CN116337088B CN116337088B (zh) | 2023-08-11 |
Family
ID=86891555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310622789.3A Active CN116337088B (zh) | 2023-05-30 | 2023-05-30 | 基于仿生偏振视觉的雾天场景相对运动估计方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116337088B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930514A (zh) * | 2012-09-27 | 2013-02-13 | 西安电子科技大学 | 基于大气物理散射模型的快速图像去雾方法 |
CN104200445A (zh) * | 2014-09-26 | 2014-12-10 | 常熟理工学院 | 一种最优对比度和最小信息损失的图像去雾方法 |
CN111210396A (zh) * | 2020-01-15 | 2020-05-29 | 北京航空航天大学 | 一种结合天空光偏振模型的多光谱偏振图像去雾方法 |
CN112837233A (zh) * | 2021-01-14 | 2021-05-25 | 昆明理工大学 | 一种基于差分偏振获取透射率的偏振图像去雾方法 |
CN113610728A (zh) * | 2021-08-05 | 2021-11-05 | 北京信息科技大学 | 一种基于四分暗通道均值比较的偏振双图像去雾方法 |
CN113902633A (zh) * | 2021-09-24 | 2022-01-07 | 中国科学院西安光学精密机械研究所 | 一种基于偏振信息的海面搜救目标强化方法 |
CN114627004A (zh) * | 2022-02-11 | 2022-06-14 | 南京威视科技有限公司 | 一种大气光估计和动态范围调整的实时偏振去雾方法 |
CN115187688A (zh) * | 2022-07-14 | 2022-10-14 | 合肥工业大学 | 基于大气光偏振正交盲分离的雾图重构方法及电子设备 |
CN115937021A (zh) * | 2022-11-08 | 2023-04-07 | 合肥工业大学 | 基于频率域特征分离和迭代优化大气光的偏振去雾方法 |
CN116167943A (zh) * | 2023-03-03 | 2023-05-26 | 豪威科技(武汉)有限公司 | 一种适用于室外大景深场景的偏振去雾方法 |
-
2023
- 2023-05-30 CN CN202310622789.3A patent/CN116337088B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930514A (zh) * | 2012-09-27 | 2013-02-13 | 西安电子科技大学 | 基于大气物理散射模型的快速图像去雾方法 |
CN104200445A (zh) * | 2014-09-26 | 2014-12-10 | 常熟理工学院 | 一种最优对比度和最小信息损失的图像去雾方法 |
CN111210396A (zh) * | 2020-01-15 | 2020-05-29 | 北京航空航天大学 | 一种结合天空光偏振模型的多光谱偏振图像去雾方法 |
CN112837233A (zh) * | 2021-01-14 | 2021-05-25 | 昆明理工大学 | 一种基于差分偏振获取透射率的偏振图像去雾方法 |
CN113610728A (zh) * | 2021-08-05 | 2021-11-05 | 北京信息科技大学 | 一种基于四分暗通道均值比较的偏振双图像去雾方法 |
CN113902633A (zh) * | 2021-09-24 | 2022-01-07 | 中国科学院西安光学精密机械研究所 | 一种基于偏振信息的海面搜救目标强化方法 |
CN114627004A (zh) * | 2022-02-11 | 2022-06-14 | 南京威视科技有限公司 | 一种大气光估计和动态范围调整的实时偏振去雾方法 |
CN115187688A (zh) * | 2022-07-14 | 2022-10-14 | 合肥工业大学 | 基于大气光偏振正交盲分离的雾图重构方法及电子设备 |
CN115937021A (zh) * | 2022-11-08 | 2023-04-07 | 合肥工业大学 | 基于频率域特征分离和迭代优化大气光的偏振去雾方法 |
CN116167943A (zh) * | 2023-03-03 | 2023-05-26 | 豪威科技(武汉)有限公司 | 一种适用于室外大景深场景的偏振去雾方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116337088B (zh) | 2023-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Telem et al. | Photogrammetric modeling of underwater environments | |
US8248476B2 (en) | Robust stereo calibration system and method for accurate digital image correlation measurements | |
Kondermann et al. | Stereo ground truth with error bars | |
Sánchez-Ferreira et al. | A real-time stereo vision system for distance measurement and underwater image restoration | |
CN116109706B (zh) | 基于先验几何约束的空间目标反演方法、装置和设备 | |
Ma et al. | Large scale dense visual inertial SLAM | |
WO2023134745A1 (en) | Methods and systems for correcting positioning deviation | |
CN111912430A (zh) | 高轨光学卫星的在轨几何定标方法、装置、设备及介质 | |
CN114529615B (zh) | 雷达标定方法、装置及存储介质 | |
KR101886540B1 (ko) | 원격탐사용 모의 영상 자료 생성 시스템 및 이를 이용한 영상자료의 유효성 검사 방법 | |
Verma et al. | A machine learning approach and methodology for solar radiation assessment using multispectral satellite images | |
CN116337088B (zh) | 基于仿生偏振视觉的雾天场景相对运动估计方法和装置 | |
CN112629565B (zh) | 像机与惯性测量单元旋转关系校准方法、装置和设备 | |
WO2022134328A1 (zh) | 一种建筑信息模型的构建方法及装置 | |
Gallego et al. | Variational stereo imaging of oceanic waves with statistical constraints | |
Gracias et al. | Trajectory reconstruction with uncertainty estimation using mosaic registration | |
Palmér et al. | The misty three point algorithm for relative pose | |
CN114674461A (zh) | 海表温度的确定方法、装置及可读存储介质 | |
Xiao et al. | Image reconstruction based on fused features and perceptual loss encoder-decoder residual network for space optical remote sensing images compressive sensing | |
CN116757102B (zh) | 基于固有光学特性的表观光学特性剖面分布估算方法 | |
CN116883516B (zh) | 相机参数标定方法及装置 | |
CN116698086B (zh) | 仿生偏振视觉导航传感器的误差联合标定方法和装置 | |
Zhang et al. | Introducing Variations of Predictors as Optional Predictors Offers the Potential to Improve the Downscaling Performance of Geographically Weighted Regression Model | |
CN115984713A (zh) | 一种基于多源卫星遥感数据的叶绿素a浓度数据重构方法 | |
Etchells et al. | Simulation, image generation, and tomographic reconstruction of idealized volcanic plumes |
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 |