[發明專利]結構光解碼的方法和設備

在審

• 申請號: 201710401404.5
• 申請日: 2017-05-31
• 公開（公告）號: CN108985119A
• 公開（公告）日: 2018-12-11
• 發明（設計）人: 唐蘇明;宋展;殷東羽;王維;林天鵬
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06K7/10
• 分類號: G06K7/10
• 代理公司: 北京龍雙利達知識產權代理有限公司 11329
• 代理人: 王君;肖鸝

1.一種結構光解碼的方法，其特征在于，包括：

將第一投影圖像投射至第一目標物體，獲取所述第一投影圖像被所述第一目標物體的表面調制后所形成的第一物體影像，其中，所述第一投影圖像包括多個與碼字信息一一對應的投影幾何圖形；

從所述第一物體影像中提取目標特征點，其中，所述目標特征點在所述第一物體影像中具有坐標；

提取所述目標特征點對應的目標幾何圖形；

利用神經網絡模型確定所述目標幾何圖形在所述第一投影圖象中對應的投影幾何圖形，并將所述目標幾何圖形所對應的投影幾何圖形對應的碼字信息確定為所述目標幾何圖形的碼字信息。

2.根據權利要求1所述的方法，其特征在于，所述利用神經網絡模型確定所述目標幾何圖形在所述第一投影圖象中對應的投影幾何圖形之前，還包括：

根據所述投影幾何圖形，建立所述神經網絡模型，其中，所述神經網絡模型包括輸入層、卷積層、下采樣層、全連層和輸出層，所述輸入層、卷積層、下采樣層、全連層和輸出層相連接，所述輸入層用于輸入所述目標幾何圖形，所述卷積層、下采樣層和全連層分別用于提取前一層圖像的特征，所述輸出層用于輸出與所述輸入層輸入的目標幾何圖形對應的投影幾何圖形；

初始化所述神經網絡模型中的所述卷積層、所述下采樣層、所述全連層中的每個層的連接權重；

根據樣本數據庫，訓練所述神經網絡模型，并更新所述每個層的連接權重，其中，所述樣本數據庫包括多個從第二物體影像中獲取的樣本幾何圖形，所述第二物體影像為第二投影圖像投射至第二目標物體上且被所述第二目標物體的表面調制后所形成的影像，所述第二投影圖像包括多個所述投影幾何圖形。

3.根據權利要求2所述的方法，其特征在于，所述根據樣本數據庫，訓練所述神經網絡模型之前，還包括：

獲取所述第二物體影像；

在所述第二物體影像中的第一范圍內提取樣本特征點，并獲取所述樣本特征點的拓撲結構；

根據所述樣本特征點的拓撲結構，提取所述樣本幾何圖形，以建立所述樣本數據庫。

4.根據權利要求2或3所述的方法，其特征在于，還包括：通過以下方式中的至少一種擴大所述樣本幾何圖形的數量：

在所述樣本幾何圖形中添加高斯噪聲；

在所述樣本幾何圖形中添加隨機黑白線；

對所述樣本幾何圖形執行仿射變換；

對所述樣本幾何圖形進行高斯濾波。

5.根據權利要求2-4任一項所述的方法，其特征在于，所述根據所述投影幾何圖形，建立所述神經網絡模型，包括：

根據所述投影幾何圖形的種類，確定所述神經網絡的輸出層的數量，其中，所述輸出層的數量表示所述神經網絡模型需要識別的所述投影幾何圖形的種類的數量。

6.根據權利要求1-5任一項所述的方法，其特征在于，所述從所述第一物體影像中提取目標特征點，包括：

在所述第一物體影像中的第二范圍內提取所述目標特征點，并獲取所述目標特征點的拓撲結構；

其中，所述提取所述目標特征點對應的目標幾何圖形，包括：

根據所述目標特征點的拓撲結構，提取所述目標幾何圖形。

7.根據權利要求1-6任一項所述的方法，其特征在于，所述投影幾何圖形為二值幾何圖形、灰度幾何圖形或彩色幾何圖形，所述幾何圖形包括條形、方塊和不規則圖形中的至少一種。

8.一種結構光解碼的設備，其特征在于，包括：

獲取單元，用于將第一投影圖像投射至第一目標物體，獲取所述第一投影圖像被所述第一目標物體的表面調制后所形成的第一物體影像，其中，所述第一投影圖像包括多個與碼字信息一一對應的投影幾何圖形；

提取單元，用于從所述第一物體影像中提取目標特征點，其中，所述目標特征點在所述第一物體影像中具有坐標；

所述提取單元還用于提取所述目標特征點對應的目標幾何圖形；

確定單元，用于利用神經網絡模型確定所述目標幾何圖形在所述第一投影圖象中對應的投影幾何圖形，并將所述目標幾何圖形所對應的投影幾何圖形對應的碼字信息確定為所述目標幾何圖形的碼字信息。