[發(fā)明專利]一種基于脈沖型ToF深度圖像去噪的方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910307368.5
• 申請(qǐng)日: 2019-04-16
• 公開(kāi)（公告）號(hào): CN110097513B
• 公開(kāi)（公告）日: 2021-06-25
• 發(fā)明（設(shè)計(jì)）人: 稂時(shí)楠;張文博;李博文;包振山
• 申請(qǐng)（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00
• 代理公司: 北京思海天達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11203
• 代理人: 張慧

1.一種基于脈沖型ToF深度圖像去噪的方法，其特征在于，包括：

步驟1、根據(jù)脈沖型ToF相機(jī)測(cè)距原理計(jì)算成像，得到原始測(cè)量值；

步驟2、獲得每個(gè)像素值處的PSF，將每個(gè)像素點(diǎn)的PSF保存在一個(gè)查找表中；

步驟3、設(shè)計(jì)脈沖型ToF傳感器的原始測(cè)量數(shù)據(jù)的正則化器，采用基于變分的半盲反卷積算法對(duì)深度去噪；

步驟1具體為：

步驟21，啟動(dòng)首次曝光；

步驟22，獲取首次曝光時(shí)間S0＝Tp；

步驟23，獲取第二次曝光；

步驟24，獲取第二次曝光時(shí)間S1＝△t；

步驟25，啟動(dòng)第三次曝光；

步驟26，獲取背景光抑制BG；

步驟27，獲取光子積累量，即，

其中，S0，S1，BG分別為三次曝光，第一次曝光S0為電荷積累滿的情況，第二次曝光S1為實(shí)際間隔時(shí)間△t，第三次是背景抑制BG，△A為光子積累量；

步驟28，計(jì)算出脈沖型TOF相機(jī)成像模型g(z)，即

其中，z為某一點(diǎn)像素的深度值，Tp為傳感器脈沖寬度；

步驟29，初始化g(z)參數(shù)，其中，Tp＝0.2ns；

步驟2具體為：

步驟31，打印含噪聲的白板；

步驟32，固定在平移板上，距離深度相機(jī)在50cm-250cm之間；

步驟33，獲取平移板距離相機(jī)50cm處的場(chǎng)景圖；

步驟34，放上含噪板，調(diào)節(jié)光圈，獲取含噪、模糊的深度圖H0；

步驟35，放上不含噪的白板，調(diào)節(jié)光圈，獲取不含噪的、清晰的深度圖H；

步驟36，非盲反卷積計(jì)算該處PSF值；

步驟37，將該處的PSF值保存在查找表中；

步驟38，移動(dòng)平移板，增量為1cm，即51cm處；

步驟39，重復(fù)步驟33-38；

步驟310，移動(dòng)平移板距離相機(jī)250cm處時(shí)，停止以上步驟；

步驟36具體為：

其中，b0為退化后的深度圖，k(z)為點(diǎn)擴(kuò)散函數(shù)PSF，為正則化器，

其中，表示圖像z的梯度圖，是一個(gè)二階對(duì)稱導(dǎo)數(shù)，v是有界扭曲向量場(chǎng)中的一個(gè)隨機(jī)向量，符號(hào)表示導(dǎo)數(shù)運(yùn)算符，T表示轉(zhuǎn)置矩陣，α₁、α₂為輸入?yún)?shù)；

步驟3具體為：

步驟41，深度值更新采用二階TGV模型；

步驟42，初始化正則項(xiàng)系數(shù)，α₁＝0.007，α₂＝0.140；

步驟43，查找表中更新PSF值，在步驟37中更新PSF值；

步驟44，更新當(dāng)前的深度值；

步驟45，分解公式5，引入輔助變量l，即，

其中，ρ_x為分解系數(shù)，q₁、u₁為輔助變量；

步驟46，更新輔助變量l，即

步驟47，更新輔助變量q₁，

其中，所述步驟47是一個(gè)軟閾值問(wèn)題，即

軟閾值函數(shù)的定義為：

步驟48，更新輔助變量q2；

其中，所述步驟48為軟閾值問(wèn)題，即

步驟48，更新輔助變量u1，

步驟49，更新輔助變量u2，

步驟410，判斷迭代停止條件；

步驟411，不符合迭代停止條件，重復(fù)步驟42-411的過(guò)程；

步驟412，符合迭代停止條件，停止ADMM算子對(duì)深度值的更新。