[發(fā)明專利]圖像深度信息的獲取方法、圖像處理裝置以及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201910631464.5
• 申請日: 2019-07-12
• 公開（公告）號: CN110458177B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設計）人: 歐勇盛;熊榮;江國來;王志揚;段江嘩;吳新宇
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: G06V10/46
• 分類號: G06V10/46;G06T7/50
• 代理公司: 深圳市威世博知識產(chǎn)權代理事務所(普通合伙) 44280
• 代理人: 李慶波

本申請公開了一種圖像深度信息的獲取方法、圖像處理裝置以及存儲介質(zhì)，該圖像深度信息的獲取方法包括：采集待處理圖像；從待處理圖像中提取特征點；將待處理圖像中的特征點與預先獲取的目標對象的點云中的特征點進行特征匹配，以基于點云確定待處理圖像的深度信息。通過上述方式，能夠通過采集的單目圖像來獲取目標的深度信息，計算量較小，設備要求不高，算法易于實施。

技術領域

本申請涉及計算機視覺技術領域，特別是涉及一種圖像深度信息的獲取方法、圖像處理裝置以及存儲介質(zhì)。

背景技術

在計算機視覺領域中，深度信息為人機交互、三維場景重建、3D打印等各類計算機視覺應用提供了更多的可能性。深度圖像類似于灰度圖像，它的每個像素值都表明了場景中物體表面距離傳感器的距離大小。

在人機合作的情況下，采用深度強化學習(Deep?reinforcement?learning，DRL)訓練機器人完成任務。為了通過DRL實驗室方法培養(yǎng)機器人避開障礙物的能力，必須準備大量的樣本。在這種情況下，可以通過重構(gòu)執(zhí)行任務的人類工人的3D圖像來實現(xiàn)。利用人手臂的重建序列作為移動障礙物，訓練機器人在虛擬環(huán)境中的避障能力。完成這類操作常見的先決條件是人類或機器人的準確姿態(tài)信息。然而，當一個物體被投影到相機平面上時，它沿著光軸的深度信息就會丟失，這可能會使兩個相距很遠的物體看起來很接近。這導致在沒有正確深度信息的情況下，對姿態(tài)的估計是錯誤的。

發(fā)明內(nèi)容

為解決上述問題，本申請?zhí)峁┝艘环N圖像深度信息的獲取方法、圖像處理裝置以及存儲介質(zhì)，能夠通過采集的單目圖像來獲取目標的深度信息，計算量較小，設備要求不高，算法易于實施。

本申請采用的一個技術方案是：提供一種圖像深度信息的獲取方法，該方法包括：采集待處理圖像；從待處理圖像中提取特征點；將待處理圖像中的特征點與預先獲取的目標對象的點云中的特征點進行特征匹配，以基于點云確定待處理圖像的深度信息。

其中，該方法還包括：獲取基于目標對象的多幀圖像；其中，多幀圖像是由一個相機圍繞目標對象采集得到的；基于多幀圖像建立目標對象的點云；從多幀圖像中提取目標對象的SIFT特征，并將特征描述符添加至點云中的對應點上；對點云進行拓撲分割，以得到多個拓撲部分。

其中，從多幀圖像中提取目標對象的SIFT特征，并將特征描述符添加至點云中的對應點上，包括：從多幀圖像中提取關鍵點；計算每個關鍵點鄰域的梯度，得到對應關鍵點的描述符向量；采用SIFT算法對多幀圖像進行處理，以得到一組特征點和對應的描述符向量；將描述符向量添加至點云中的對應點上。

其中，對點云進行拓撲分割，以得到多個拓撲部分，包括：提取點云的骨架；基于骨架的曲率和/或扭轉(zhuǎn)特征將骨架進行分割，以得到多個子骨架；對每個子骨架進行擴張，以得到多個拓撲部分。

其中，將待處理圖像中的特征點與預先獲取的目標對象的點云中的特征點進行特征匹配，以基于點云確定待處理圖像的深度信息，包括：將待處理圖像中的特征點與目標對象的點云中的特征點進行特征匹配，以確定待處理圖像中的特征點所對應的拓撲部分；基于拓撲部分中的特征點與待處理圖像中的特征點的對應關系，估算拓撲部分的深度信息；對多個拓撲部分進行重組。

其中，將待處理圖像中的特征點與目標對象的點云中的特征點進行特征匹配，以確定待處理圖像中的特征點所對應的拓撲部分，包括：將待處理圖像中的特征點與目標對象的點云中的特征點進行特征匹配；基于待處理圖像中的特征點與目標對象的點云中的特征點的匹配關系，建立二元組；基于二元組，確定待處理圖像的拓撲基礎和點云的拓撲基礎。

其中，基于拓撲部分中的特征點與待處理圖像中的特征點的對應關系，估算拓撲部分的深度信息，包括：基于拓撲部分中的特征點與待處理圖像中的特征點的對應關系，計算拓撲部分的坐標；基于拓撲部分的坐標，確定拓撲部分的三維旋轉(zhuǎn)矩陣和三維平移矩陣；基于拓撲部分的三維旋轉(zhuǎn)矩陣和三維平移矩陣，對多個拓撲部分進行重組。