【技术实现步骤摘要】
一种图像处理方法、图像采集方法及相关装置
本申请涉及图像处理
,尤其涉及对TOF相机获取的图像进行的图像处理方法、图像采集方法及相关装置。
技术介绍
飞行时间(timeofflight,TOF)相机是利用TOF技术的一种深度成像相机,使用TOF相机进行图像采集时,如图1所示,TOF光源101发出的光由被摄物体102反射后被TOF相机103捕获,根据光由发出到被捕获的时间差或者相位差可以计算出被拍摄物体102与TOF相机103的距离。需要说明的是,TOF相机103捕获的反射光不仅包含被拍摄物体102反射的TOF光源101直接照射到被拍摄物体102上的光,还包含TOF光源101照射到背景并由背景反射到TOF相机103的光,以及由背景反射到被拍摄物体102上并由被拍摄物体102反射到TOF相机103的光,这样就产生了多路径干扰,由于多路径干扰的存在导致深度测量不准确。TOF相机成像的误差还包括如下几个方面:(1)奇次谐波带来的周期性误差。TOF光源101发出的光波到达作为目标物体的被拍摄物体102,被目标物反射回来,再被TOF相机103接收,由于在进行距离和幅度计算时假定发射信号和接收信号的波形都是标准波形,而实际上的参考信号和接收信号并不完全是标准波形,还存在着直流分量、高次谐波以及非谐波信号等,这些因素的存在会给距离测量的结果带来不可避免的干扰。(2)器件温度变化引起的误差(温漂)。为了保证四相位采样的准确性,ToF摄像头的发射端与接收端的调制信号需要严格同步。由于发射端和接收端之 ...
【技术保护点】
1.一种图像处理方法,其特征在于,所述方法包括如下步骤:/n通过TOF相机获取第一深度图像;/n利用深度学习神经网络对所述第一深度图像中的多路径干扰进行优化得到第二深度图像。/n
【技术特征摘要】
1.一种图像处理方法,其特征在于,所述方法包括如下步骤:
通过TOF相机获取第一深度图像;
利用深度学习神经网络对所述第一深度图像中的多路径干扰进行优化得到第二深度图像。
2.根据权利要求1所述的图像处理方法,其特征在于,在所述利用深度学习神经网络对所述第一深度图像中的多路径干扰进行优化得到第二深度图像之前,所述方法还包括:
利用预设的处理模块对所述第一深度图像进行校准得到第三深度图像,所述预设的处理模块用于执行任一项或者多项如下操作:对多次谐波进行校准、对温漂进行校准、对像素个体差异带来的梯度误差进行校准、对镜头内参进行校准、和对噪声进行滤波;
所述利用深度学习神经网络对所述第一深度图像中的多路径干扰进行优化得到第二深度图像,包括:利用深度学习神经网络对所述第三深度图像中的多路径干扰进行优化得到第二深度图像。
3.根据权利要求1所述的图像处理方法,其特征在于,在所述利用深度学习神经网络对所述第一深度图像中的多路径干扰进行优化得到第二深度图像之后,所述方法还包括:
利用预设的处理模块对所述第二深度图像进行校准得到第四深度图像,所述预设的处理模块用于执行任一项或者多项如下操作:对多次谐波进行校准、对温漂进行校准、对像素个体差异带来的梯度误差进行校准、对镜头内参进行校准、和对噪声进行滤波。
4.根据权利要求1至3任一项所述的图像处理方法,其特征在于,
所述深度神经网络的训练模型的输入包括预设数据集,所述预设数据集包括多个数据对,任一所述数据对中的两个数据包括:相同的场景、同样的角度,一个数据是包括多路径干扰的深度图,另一个数据是不包括多路径干扰的深度图,所述不包括多路径干扰的深度图通过仿真TOF深度计算过程得到。
5.一种图像采集方法,其特征在于,所述方法应用在包括TOF相机的电子设备,所述图像采集方法包括如下步骤:
获取图像采集指令;
根据所述图像采集指令触发所述TOF相机采集第一深度图像;
利用深度学习神经网络对所述第一深度图像中的多路径干扰进行优化得到第二深度图像。
6.根据权利要求5所述的图像采集方法,其特征在于,在所述利用深度学习神经网络对所述第一深度图像中的多路径干扰进行优化得到第二深度图像之前,所述方法还包括:
利用预设的处理模块对所述第一深度图像进行校准得到第三深度图像,所述预设的处理模块用于执行任一项或者多项如下操作:对多次谐波进行校准、对温漂进行校准、对像素个体差异带来的梯度误差进行校准、对镜头内参进行校准、和对噪声进行滤波;
所述利用深度学习神经网络对所述第一深度图像中的多路径干扰进行优化得到第二深度图像,包括:利用深度学习神经网络对所述第三深度图像中的多路径干扰进行优化得到第二深度图像。
7.根据权利要求5所述的图像采集方法,其特征在于,在所述利用深度学习神经网络对所述第一深度图像中的多路径干扰进行优化得到第二深度图像之后,所述方法还包括:
利用预设的处理模块对所述第二深度图像进行校准得到第四深度图像,所述预设的处理模块用于执行任一项或者多项如下操作:对多次谐波进行校准、对温漂进行校准、对像素个体差异带来的梯度误差进行校准、对镜头内参进行校准、和对噪声进行滤波。
8.根据权利要求5至7任一项所述的图像采集方法,其特征在于,
所述深度神经网络的训练模型的输入包括预设数据集,所述预设数据集包括多个数据对,任一所述数据对中的两个数据包括:相同的场景、同样的角度,一个数据是包括多路径干扰的深度图,另一个数据是不包括多路径干扰的深度图,所述不包括多路径干扰的深度图通过仿真TOF深度计算过程得到。
9.一种图像处理装置,其特征在于,所述图像处理装置包括:
第一获取单元,用于通过TOF相机获取第一深度图像;
第一处理单元,用于利用深度学习神经网络对所述第一深度图像中的多路径干扰进行优化得到第二深度图像。
10.根据权利要求9所述的图像处理装置,其特征在于,
所述第一处理单元还用于,在利用深度学习神经网络对所述第一深度图像中的多路径干扰进行优化得到第二深度图像之前,利用预设的处理模块对所述第一深度图像进行校准得到第三深度图像,所述...
【专利技术属性】
技术研发人员:刘昆,江超,沈涛,李阳,
申请(专利权)人:华为技术有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。