CN117491968A - 一种基于光子飞行时间的时域滤波处理方法、系统、计算机设备和存储介质 - Google Patents
一种基于光子飞行时间的时域滤波处理方法、系统、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117491968A CN117491968A CN202311344335.0A CN202311344335A CN117491968A CN 117491968 A CN117491968 A CN 117491968A CN 202311344335 A CN202311344335 A CN 202311344335A CN 117491968 A CN117491968 A CN 117491968A
- Authority
- CN
- China
- Prior art keywords
- time
- coarse
- photon
- information
- address
- 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.)
- Pending
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 47
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000006243 chemical reaction Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 9
- 230000002123 temporal effect Effects 0.000 claims 1
- 238000005259 measurement Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Computational Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Electromagnetism (AREA)
- Pure & Applied Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
本发明提供一种基于光子飞行时间的时域滤波处理方法、系统、计算机设备和存储介质,设定第一时间轴粒度,利用根据第一时间轴粒度来划分的时间轴收集光子信息,所述光子信息包括环境光事件和信号光事件;在时间轴中识别出信号光事件,结合第一时间轴粒度选取与所述信号光事件相关的粗地址信息;对光子信息进行时域滤波处理,基于粗地址信息选取目标光子信息,设定第二时间轴粒度,基于第二时间轴粒度对目标光子信息进行转换,累积目标地址中的事件,统计得到细地址直方图;基于细地址直方图,确定信号光事件的具体地址。本发明处理过程简单快捷,效率高,信噪比高。
Description
技术领域
本发明属于测距技术领域,尤其涉及一种基于光子飞行时间的时域滤波处理方法、系统、计算机设备和存储介质。
背景技术
利用飞行时间原理(TOF,Time of Flight)可以对目标进行距离测量以获取包含目标的深度值的深度图像,而基于飞行时间原理的距离测量系统已被广泛应用于消费电子、无人架驶等领域。
传统的直接飞行时间(dToF)测量将光子从光源发射到物体,并在物体表面反射回来抵达传感器接收的时间划分为若干个时间轴,然后对每个时间轴上采集到的事件个数进行累积得到直方图,从而获取当前场景的深度信息。
然而场景里面有关于物体目标的事件只在整个时间轴里面占据了很小一部分,对整个时间轴的事件进行累积取得直方图会降低有关于物体目标直方图的信噪比,这种方式计算量大,信噪比低,处理效率低。
发明内容
为了克服现有技术的不足,本发明的目的在于提供一种基于光子飞行时间的时域滤波处理方法、系统、计算机设备和存储介质,主要用于解决现有技术中信噪比低、处理效率低等缺陷。
为解决上述问题,本发明所采用的技术方案如下:
第一方面,本发明提供一种基于光子飞行时间的时域滤波处理方法,包括:
设定第一时间轴粒度,利用根据第一时间轴粒度来划分的时间轴收集光子信息,所述光子信息包括环境光事件和信号光事件;
在时间轴中识别出信号光事件,结合第一时间轴粒度选取与所述信号光事件相关的粗地址信息;
对光子信息进行时域滤波处理,基于粗地址信息选取目标光子信息,设定第二时间轴粒度,基于第二时间轴粒度对目标光子信息进行转换,累积目标地址中的事件,统计得到细地址直方图;
基于细地址直方图,确定信号光事件的具体地址。
在一些实施例中,在时间轴中识别出信号光事件时,包括:
根据第一时间轴粒度,将时间轴划分出若干个第一粗区间,对落在每个第一粗区间内的光子信息进行事件统计,根据事件统计结果,得到包含信号光事件的对应第一粗区间的粗序号。
在一些实施例中,在进行事件统计时,包括:
设定信号光事件的信号统计数目,设定环境光事件的环境统计数目,其中信号统计数目为环境统计数目的N倍;
统计每一个第一粗区间的事件统计数目,当存在粗区间的事件统计数目数值大于其相邻两个粗区间的事件统计数目数值之和时,记录其序号。
在一些实施例中,结合第一时间轴粒度选取与所述信号光事件相关的粗地址信息,包括:
每一个所述第一粗区间包括若干个单位时间及其上的光子信息,根据得到的包含信号光事件的对应第一粗区间的粗序号,确定其中每个单位时间的细序号,将若干个细序号按顺序排列,得到粗地址信息。
在一些实施例中,对光子信息进行时域滤波处理,基于粗地址信息选取目标光子信息,包括:
对全部光子信息进行时域滤波,根据所述粗地址信息得到时域窗口,基于时域窗口从时域滤波后的光子信息中选取出目标光子信息对象,针对目标光子信息对象进行细转换。
在一些实施例中,基于第二时间轴粒度对目标光子信息进行转换,包括:
根据第二时间轴粒度,将第一粗区间划分出若干个第一细区间,定义每一个第一细区间的序号地址,利用粗地址信息加上序号地址的组合地址信息来表征每个单位时间上的光子信息。
在一些实施例中,统计得到细地址直方图,所述细地址直方图包括若干个单位时间及其上的光子信息,在每个单位时间上写入所述组合地址信息,基于组合地址信息确定信号光事件的具体地址。
第二方面,本发明提供一种基于光子飞行时间的时域滤波处理系统,应用上述的时域滤波处理方法,包括:
光子信息收集模块,用于设定第一时间轴粒度,利用根据第一时间轴粒度来划分的时间轴收集光子信息,所述光子信息包括环境光事件和信号光事件;
粗转换模块,用于在时间轴中识别出信号光事件,结合第一时间轴粒度选取与所述信号光事件相关的粗地址信息;
时域滤波模块,用于对光子信息进行时域滤波处理,并向所述光子信息收集模块发送时域窗口信息,所述时域窗口信息被配置为使所述光子信息收集模块基于粗地址信息选取目标光子信息;
细转换模块,用于设定第二时间轴粒度,基于第二时间轴粒度对目标光子信息进行转换,累积目标地址中的事件,统计得到细地址直方图;
事件处理模块,用于基于细地址直方图,确定信号光事件的具体地址。
第三方面,本发明提供一种计算机设备,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上述方法的步骤。
第四方面,本发明提供一种计算机可读存储介质,所述计算机可读存储介质可以为非易失性的计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使处理器执行如上述的方法。
相比现有技术,本发明至少包括以下有益效果:
先基于第一时间轴粒度来识别出全部光子信息中与信号光事件相关的粗地址信息,完成时域滤波,再利用粗地址信息所对应的时域窗口对光子信息进行精准识别,并基于第二时间轴粒度进一步进行细转换,精准累计事件后得到细地址直方图,处理过程简单快捷,效率高,信噪比高。
下面结合附图和具体实施方式对本发明作进一步详细说明。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本实施例提供的基于光子飞行时间的时域滤波处理方法与传统技术的对比示意图。
图2是本实施例提供的基于光子飞行时间的时域滤波处理方法的流程示意图。
图3是本实施例提供的基于光子飞行时间的时域滤波处理系统的框架示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,当描述到特定器件位于第一器件和第二器件之间时,在该特定器件与第一器件或第二器件之间可以存在居间器件,也可以不存在居间器件。当描述到特定器件连接其它器件时,该特定器件可以与所述其它器件直接连接而不具有居间器件,也可以不与所述其它器件直接连接而具有居间器件。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
发明人发现:
参照图1,当利用采集传感器收集光子信息时,往往针对所有的光子信息进行数据分析,包括直方图的制定,这会造成一个问题就是,通常光子信息中环境光事件的总数会远远大于信号光事件,例如在512个时间轴的飞行时间测试条件下,原始的场景直方图如图1中最左侧的传统方案1所示,处理方法如图1中间的传统方案2所示,如果环境光事件在每个时间轴的数目为10,信号光事件的数目为50,并占据1个时间轴,那么信噪比为50/(512*10)≈0.01。
因此,在现有的直接飞行时间(dToF)测量方法中,会利用所有的光子信息统计出一个直方图,再计算信号光事件的具体地址,以上方式的信噪比低,效率低。
鉴于此,为了解决以上的现有问题,第一方面,参照图1至图2,本发明实施例提供一种基于光子飞行时间的时域滤波处理方法,包括:
S10、设定第一时间轴粒度,利用根据第一时间轴粒度来划分的时间轴收集光子信息,所述光子信息包括环境光事件和信号光事件;
S20、在时间轴中识别出信号光事件,结合第一时间轴粒度选取与所述信号光事件相关的粗地址信息;
S30、对光子信息进行时域滤波处理,基于粗地址信息选取目标光子信息,设定第二时间轴粒度,基于第二时间轴粒度对目标光子信息进行转换,累积目标地址中的事件,统计得到细地址直方图;
S40、基于细地址直方图,确定信号光事件的具体地址。
需要说明的是,本实施例中利用采集传感器来收集光子信息,但是由于光子信息是一个随时间变化的变量,其中存在一个时间维度的影响因子,所以在这一阶段,先利用第一时间轴粒度来划分时间轴,得到的是粗时间轴;采集传感器收集到的光子信息都会落在粗时间轴上,由于光子信息包括环境光事件和信号光事件,所以环境光事件和信号光事件都会分布在粗时间轴上,从粗时间轴上识别出信号光事件,具体地,是累积粗时间轴上每一第一时间轴粒度对应的事件数量,识别出信号光事件所在的位置,并选取出在粗时间轴上按照第一时间轴粒度划分后的粗地址信息;
因为在利用第一时间轴粒度来划分的时间轴时,所得到的粗时间轴中,会被分割成若干个第一粗区间,每一个第一粗区间都有对应的粗地址信息,根据落在每一个第一粗区间中的事件数量,可以很便捷地计算出事件数量最多的第一粗区间,并得知与之对应的粗地址信息;
然后对所有光子信息进行时域滤波处理,基于粗地址信息,选取出一个目标第一粗区间,再在此目标第一粗区间上,根据所设定的第二时间轴粒度,对这一目标第一粗区间及其对应的粗地址信息进行转换,对位于目标地址中的事件进行累积,统计出细地址直方图,最后确定信号光事件的具体地址。
结合图1,利用以上实施例,以在上述所举例子的场景为例:
(1)传统的技术方案:
在512个时间轴的飞行时间测试条件下,如果环境光事件在每个时间轴的数目为10,信号光事件的数目为50,并占据1个时间轴,那么信噪比为50/(512*10)≈0.01。
(2)本实施例的技术方案:
第一时间轴粒度为4,即将4个单位时间轴归为一个第一粗区间,同样地,环境光事件在每个时间轴的数目为10,信号光事件的数目为50,并占据1个时间轴;由于在进行S10和S20时,只用于识别出粗地址信息,没有信号光事件的第一粗区间都为0,只有一个第一粗区间为1;然后在S30中,由于经过时域滤波处理,最后得到的是具有信号光事件的目标第一粗区间,针对这一具有特定粗地址信息的目标第一粗区间,从这个目标第一粗区间中再进行转换,信噪比为50/(4*10)=1.25,大约提升了125倍。
作为一种实施方式,在时间轴中识别出信号光事件时,包括:
根据第一时间轴粒度,将时间轴划分出若干个第一粗区间,对落在每个第一粗区间内的光子信息进行事件统计,根据事件统计结果,得到包含信号光事件的对应第一粗区间的粗序号。
可选地,在进行事件统计时,可以设定一个事件阈值,超过此事件阈值,则将对应的第一粗区间标记为1,如不超过此事件阈值,则将对应的第一粗区间标记为0。这种方式可提高粗转换过程的处理效率,因为信号光事件比环境光事件的数目要大很多,可以通过阈值比较的方式快速识别到包含信号光事件所对应的第一粗区间,也即目标第一粗区间,然后在时间轴中定位出这一目标第一粗区间的粗序号,相当于是在利用第一时间轴粒度划分好时间轴,得到若干个依次排序的第一粗区间,每一个第一粗区间都分配一个粗序号,从一个特定的粗序号,可以关联到一个特定的粗地址信息,所以只要知道信号光事件所在第一粗区间的粗序号,通过粗地址信息算法处理,结合第一时间轴粒度的划分间隔,就可知道粗地址信息,利用粗地址信息,可以在一个飞行时间测试单位下,找到若干个单位时间轴,其中就含有信号光事件所在的单位时间轴。
作为一种实施方式,在进行事件统计时,包括:
设定信号光事件的信号统计数目,设定环境光事件的环境统计数目,其中信号统计数目为环境统计数目的N倍;
统计每一个第一粗区间的事件统计数目,当存在粗区间的事件统计数目数值大于其相邻两个粗区间的事件统计数目数值之和时,记录其序号。
通常包含信号光事件的第一粗区间的光子数量比其他不包含信号光事件的第一粗区间的光子数量要大得多,为了精准识别目标第一粗区间,避免误判,除了需要目标第一粗区间的光子数量大于一定阈值,其还需要大于其相邻两个粗区间的事件统计数目数值之和,否则证明其相邻的两个粗区间有信号干扰,导致其收集的光子数量也变多,在这一干扰背景下,中间的第一粗区间的可信度会降低。
所以当目标第一粗区间的光子数量大于一定阈值,但是又小于其相邻两个粗区间的事件统计数目数值之和时,需要将以上三个第一粗区间进行打包,形成一个第一粗区间集合,这个集合中包括一个大于阈值的第一粗区间和两个小于阈值的第一粗区间,所以在特殊情况下,利用这个集合进行步骤S30、S40的处理。
作为一种实施方式,结合第一时间轴粒度选取与所述信号光事件相关的粗地址信息,包括:
每一个所述第一粗区间包括若干个单位时间及其上的光子信息,根据得到的包含信号光事件的对应第一粗区间的粗序号,确定其中每个单位时间的细序号,将若干个细序号按顺序排列,得到粗地址信息,一个粗地址信息中包括有一组将若干个细序号按顺序排列的数组信息,例如在第一粗区间的粗序号中,包含有4个细序号,分别为b1、b2、b3、b4,所以可以利用b1:b4这种数组信息来表征若干个细序号按顺序排列的情况,粗地址信息中包含b1:b4这种数组信息。
作为一种实施方式,对光子信息进行时域滤波处理,基于粗地址信息选取目标光子信息,包括:
对全部光子信息进行时域滤波,根据所述粗地址信息得到时域窗口,基于时域窗口从时域滤波后的光子信息中选取出目标光子信息对象,针对目标光子信息对象进行细转换。
由于采集传感器会无差别地采集所有光子信息,在完成步骤S10、S20的粗转换后,针对全部的光子信息进行时域滤波,在完成时域滤波后,基于粗转换后的粗地址信息,得到一个时域窗口,此时域窗口的位置是确定的,再将此时域窗口施加到采集传感器中,可以从采集传感器所得到的全部光子信息中选取出位于此时域窗口中的目标光子信息对象,也即与信号光事件对应的光子信息,并进行细转换。
通过粗转换的粗地址信息,可以明确时域滤波的地址信息,并在后续的细转换中,只针对与粗地址信息对应的时域窗口中的光子信息即可,减少对多余的非目标物体事件进行处理分析,在时域滤波之后,细转换只对目标物体对应时域窗口的光子事件进行转化,从而使得转换之后的数据里面只包含目标物体的信息,极大提高信噪比。
作为一种实施方式,基于第二时间轴粒度对目标光子信息进行转换,包括:
根据第二时间轴粒度,将第一粗区间划分出若干个第一细区间,定义每一个第一细区间的序号地址,利用粗地址信息加上序号地址的组合地址信息来表征每个单位时间上的光子信息,在这一步细转换中,可以确定包含物体目标位置的第一粗区间中的各个第一细区间地址信息,累积第一粗区间中的各个第一细区间的事件,统计得到细地址直方图,所述细地址直方图包括若干个单位时间及其上的光子信息,在每个单位时间上写入所述组合地址信息,基于组合地址信息确定信号光事件的具体地址,最后得到具有高信噪比的直方图。
参照图3,第二方面,本发明实施例提供一种基于光子飞行时间的时域滤波处理系统,应用上述实施例中的基于光子飞行时间的时域滤波处理方法,包括:
光子信息收集模块,用于设定第一时间轴粒度,利用根据第一时间轴粒度来划分的时间轴收集光子信息,所述光子信息包括环境光事件和信号光事件;优选地,光子信息收集模块为采集传感器;
粗转换模块,用于在时间轴中识别出信号光事件,结合第一时间轴粒度选取与所述信号光事件相关的粗地址信息;
时域滤波模块,用于对光子信息进行时域滤波处理,并向所述光子信息收集模块发送时域窗口信息,所述时域窗口信息被配置为使所述光子信息收集模块基于粗地址信息选取目标光子信息;
细转换模块,用于设定第二时间轴粒度,基于第二时间轴粒度对目标光子信息进行转换,累积目标地址中的事件,统计得到细地址直方图;
事件处理模块,用于基于细地址直方图,确定信号光事件的具体地址。
先由光子信息收集模块无差别地采集全部光子信息,利用粗转换模块进行粗转换,得到粗地址信息,时域滤波模块基于粗地址信息,生成时域窗口信息,并在完成时域滤波处理后,控制光子信息收集模块按照时域窗口信息来选取目标光子信息,只提取出与目标物体对应的光子信息,再进入到细转换模块的转换处理和事件处理模块的分析处理,其中,针对粗地址信息和信号光事件的具体地址都进行数据存储处理。
第三方面,本发明实施例提供一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述方法的步骤。
第四方面,本发明实施例提供一种计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序,计算机程序当被处理器执行时使处理器执行如上的方法。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的设备、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
综上,相对于现有技术,上述实施例提供一种基于光子飞行时间的时域滤波处理方法、系统、计算机设备和存储介质,先基于第一时间轴粒度来识别出全部光子信息中与信号光事件相关的粗地址信息,完成时域滤波,再利用粗地址信息所对应的时域窗口对光子信息进行精准识别,并基于第二时间轴粒度进一步进行细转换,精准累计事件后得到细地址直方图,处理过程简单快捷,效率高,信噪比高。
上述实施方式仅为本发明的优选实施方式,不能以此来限定本发明保护的范围,本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。
Claims (10)
1.一种基于光子飞行时间的时域滤波处理方法,其特征在于,包括:
设定第一时间轴粒度,利用根据第一时间轴粒度来划分的时间轴收集光子信息,所述光子信息包括环境光事件和信号光事件;
在时间轴中识别出信号光事件,结合第一时间轴粒度选取与所述信号光事件相关的粗地址信息;
对光子信息进行时域滤波处理,基于粗地址信息选取目标光子信息,设定第二时间轴粒度,基于第二时间轴粒度对目标光子信息进行转换,累积目标地址中的事件,统计得到细地址直方图;
基于细地址直方图,确定信号光事件的具体地址。
2.如权利要求1所述的一种基于光子飞行时间的时域滤波处理方法,其特征在于,在时间轴中识别出信号光事件时,包括:
根据第一时间轴粒度,将时间轴划分出若干个第一粗区间,对落在每个第一粗区间内的光子信息进行事件统计,根据事件统计结果,得到包含信号光事件的对应第一粗区间的粗序号。
3.如权利要求2所述的一种基于光子飞行时间的时域滤波处理方法,其特征在于,在进行事件统计时,包括:
设定信号光事件的信号统计数目,设定环境光事件的环境统计数目,其中信号统计数目为环境统计数目的N倍;
统计每一个第一粗区间的事件统计数目,当存在粗区间的事件统计数目数值大于其相邻两个粗区间的事件统计数目数值之和时,记录其序号。
4.如权利要求2所述的一种基于光子飞行时间的时域滤波处理方法,其特征在于,结合第一时间轴粒度选取与所述信号光事件相关的粗地址信息,包括:
每一个所述第一粗区间包括若干个单位时间及其上的光子信息,根据得到的包含信号光事件的对应第一粗区间的粗序号,确定其中每个单位时间的细序号,将若干个细序号按顺序排列,得到粗地址信息。
5.如权利要求4所述的一种基于光子飞行时间的时域滤波处理方法,其特征在于,对光子信息进行时域滤波处理,基于粗地址信息选取目标光子信息,包括:
对全部光子信息进行时域滤波,根据所述粗地址信息得到时域窗口,基于时域窗口从时域滤波后的光子信息中选取出目标光子信息对象,针对目标光子信息对象进行细转换。
6.如权利要求5所述的一种基于光子飞行时间的时域滤波处理方法,其特征在于,基于第二时间轴粒度对目标光子信息进行转换,包括:
根据第二时间轴粒度,将第一粗区间划分出若干个第一细区间,定义每一个第一细区间的序号地址,利用粗地址信息加上序号地址的组合地址信息来表征每个单位时间上的光子信息。
7.如权利要求6所述的一种基于光子飞行时间的时域滤波处理方法,其特征在于,统计得到细地址直方图,所述细地址直方图包括若干个单位时间及其上的光子信息,在每个单位时间上写入所述组合地址信息,基于组合地址信息确定信号光事件的具体地址。
8.一种基于光子飞行时间的时域滤波处理系统,应用如权利要求1至7任一项所述的基于光子飞行时间的时域滤波处理方法,其特征在于,包括:
光子信息收集模块,用于设定第一时间轴粒度,利用根据第一时间轴粒度来划分的时间轴收集光子信息,所述光子信息包括环境光事件和信号光事件;
粗转换模块,用于在时间轴中识别出信号光事件,结合第一时间轴粒度选取与所述信号光事件相关的粗地址信息;
时域滤波模块,用于对光子信息进行时域滤波处理,并向所述光子信息收集模块发送时域窗口信息,所述时域窗口信息被配置为使所述光子信息收集模块基于粗地址信息选取目标光子信息;
细转换模块,用于设定第二时间轴粒度,基于第二时间轴粒度对目标光子信息进行转换,累积目标地址中的事件,统计得到细地址直方图;
事件处理模块,用于基于细地址直方图,确定信号光事件的具体地址。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质可以为非易失性的计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使处理器执行如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311344335.0A CN117491968A (zh) | 2023-10-17 | 2023-10-17 | 一种基于光子飞行时间的时域滤波处理方法、系统、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311344335.0A CN117491968A (zh) | 2023-10-17 | 2023-10-17 | 一种基于光子飞行时间的时域滤波处理方法、系统、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117491968A true CN117491968A (zh) | 2024-02-02 |
Family
ID=89680617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311344335.0A Pending CN117491968A (zh) | 2023-10-17 | 2023-10-17 | 一种基于光子飞行时间的时域滤波处理方法、系统、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117491968A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110596724A (zh) * | 2019-09-19 | 2019-12-20 | 深圳奥锐达科技有限公司 | 动态直方图绘制飞行时间距离测量方法及测量系统 |
CN110596722A (zh) * | 2019-09-19 | 2019-12-20 | 深圳奥锐达科技有限公司 | 直方图可调的飞行时间距离测量系统及测量方法 |
CN110596723A (zh) * | 2019-09-19 | 2019-12-20 | 深圳奥锐达科技有限公司 | 动态直方图绘制飞行时间距离测量方法及测量系统 |
CN112100449A (zh) * | 2020-08-24 | 2020-12-18 | 深圳市力合微电子股份有限公司 | 实现动态大范围和高精度定位的d-ToF测距优化存储方法 |
CN112731425A (zh) * | 2020-11-29 | 2021-04-30 | 奥比中光科技集团股份有限公司 | 一种处理直方图的方法、距离测量系统及距离测量设备 |
US20210302550A1 (en) * | 2020-03-30 | 2021-09-30 | Stmicroelectronics (Research & Development) Limited | Time to digital converter |
CN114089352A (zh) * | 2020-07-31 | 2022-02-25 | 宁波飞芯电子科技有限公司 | 一种飞行时间距离测量系统及方法 |
CN114442108A (zh) * | 2021-11-10 | 2022-05-06 | 南京邮电大学 | 应用于激光测距的多步直方图峰值提取方法及系统 |
CN115267744A (zh) * | 2022-07-14 | 2022-11-01 | 思博特集成科技(珠海横琴)有限公司 | 飞行时间距离测量方法及测量装置 |
-
2023
- 2023-10-17 CN CN202311344335.0A patent/CN117491968A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110596724A (zh) * | 2019-09-19 | 2019-12-20 | 深圳奥锐达科技有限公司 | 动态直方图绘制飞行时间距离测量方法及测量系统 |
CN110596722A (zh) * | 2019-09-19 | 2019-12-20 | 深圳奥锐达科技有限公司 | 直方图可调的飞行时间距离测量系统及测量方法 |
CN110596723A (zh) * | 2019-09-19 | 2019-12-20 | 深圳奥锐达科技有限公司 | 动态直方图绘制飞行时间距离测量方法及测量系统 |
WO2021051481A1 (zh) * | 2019-09-19 | 2021-03-25 | 深圳奥锐达科技有限公司 | 一种动态直方图绘制飞行时间距离测量方法及测量系统 |
US20210181317A1 (en) * | 2019-09-19 | 2021-06-17 | Oradar Technology Company Limited | Time-of-flight-based distance measurement system and method |
US20210302550A1 (en) * | 2020-03-30 | 2021-09-30 | Stmicroelectronics (Research & Development) Limited | Time to digital converter |
CN114089352A (zh) * | 2020-07-31 | 2022-02-25 | 宁波飞芯电子科技有限公司 | 一种飞行时间距离测量系统及方法 |
CN112100449A (zh) * | 2020-08-24 | 2020-12-18 | 深圳市力合微电子股份有限公司 | 实现动态大范围和高精度定位的d-ToF测距优化存储方法 |
CN112731425A (zh) * | 2020-11-29 | 2021-04-30 | 奥比中光科技集团股份有限公司 | 一种处理直方图的方法、距离测量系统及距离测量设备 |
CN114442108A (zh) * | 2021-11-10 | 2022-05-06 | 南京邮电大学 | 应用于激光测距的多步直方图峰值提取方法及系统 |
CN115267744A (zh) * | 2022-07-14 | 2022-11-01 | 思博特集成科技(珠海横琴)有限公司 | 飞行时间距离测量方法及测量装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105872477A (zh) | 视频监控方法和视频监控系统 | |
CN111345816B (zh) | 多导联qrs波群检测方法、装置、设备及存储介质 | |
CN104337531A (zh) | 针对全数字pet系统的在线能量符合方法及系统 | |
CN108828548A (zh) | 一种基于fmcw雷达的三参数融合数据集构建方法 | |
CN103617611B (zh) | 一种自动阈值分割光斑中心及尺寸检测方法 | |
US20090290793A1 (en) | Signal search in three dimensional bitmaps | |
JP2020527274A (ja) | 蛍光画像の蛍光強度確定方法及びシステム | |
CN105894506B (zh) | 一种人脸图像模糊度计算方法及装置 | |
WO2014020471A2 (en) | High spatial resolution mode solid state positron emission tomography (pet) scanner | |
CN108062763A (zh) | 目标跟踪方法及装置、存储介质 | |
CN112906737B (zh) | 一种基于多辐射源基于密度特征聚类及识别的方法 | |
CN110471102B (zh) | 一种识别位置谱的方法、装置以及计算机存储介质 | |
CN112463859B (zh) | 基于大数据和业务分析的用户数据处理方法及服务器 | |
US20080129367A1 (en) | Method and apparatus for smart signal averaging | |
CN110954919B (zh) | 一种面阵激光探测器的固定值噪声确定方法及去除方法 | |
US10776666B2 (en) | Apparatus and method for diagnosis of medical image | |
CN110680370B (zh) | 图像重建方法、装置、控制台设备及pet系统 | |
CN113362406B (zh) | 光幕图像生成方法及系统以及识别系统 | |
CN117491968A (zh) | 一种基于光子飞行时间的时域滤波处理方法、系统、计算机设备和存储介质 | |
CN109684382A (zh) | 二维密度聚类方法及装置 | |
CN102428498A (zh) | 样本中的动态细胞跟踪的方法 | |
US11195286B2 (en) | Image-based target tracking | |
US20230204733A1 (en) | Time-of-flight measurement method, apparatus, and system | |
CN111723719B (zh) | 基于类别外部记忆的视频目标检测方法、系统、装置 | |
CN113469130A (zh) | 一种遮挡目标检测方法、装置、存储介质及电子装置 |
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 |