[發明專利]一種配準矩陣的校正方法和計算機設備

在審

• 申請號: 202010913737.8
• 申請日: 2020-09-03
• 公開（公告）號: CN112070695A
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 蘇林宇;唐文名;邱國平
• 申請（專利權）人: 深圳大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/33;G06T7/55;G06T7/80;G06N3/08
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 朱陽波

1.一種配準矩陣的校正方法，其特征在于，包括：

獲取彩色-深度相機拍攝的若干彩色圖像，以及每個彩色圖像對應的深度圖像，其中，所述彩色-深度相機配置有初始配準矩陣；

根據所述若干彩色圖像和若干深度圖像確定所述彩色-深度相機的目標配準矩陣；

采用所述目標配準矩陣替換所述初始配準矩陣，以對所述彩色-深度相機的配準矩陣進行校正。

2.根據權利要求1所述的配準矩陣的校正方法，其特征在于，所述根據所述若干彩色圖像和若干深度圖像確定所述彩色-深度相機的目標配準矩陣，具體包括：

獲取一初始網絡模型，其中，所述初始網絡模型配置的網絡參數為所述初始配準矩陣；

根據所述若干彩色圖像以及每個彩色圖像對應的深度圖像對初始網絡模型進行訓練，以得到配準模型；

獲取所述配準模型配置的目標網絡參數，并將獲取到的目標網絡參數作為目標配準矩陣。

3.根據權利要求2所述的配準矩陣的校正方法，其特征在于，所述彩色圖像以及所述彩色圖像對應的深度圖像為所述彩色-深度相機一次拍攝得到的。

4.根據權利要求2或3所述的配準矩陣的校正方法，其特征在于，所述根據所述若干彩色圖像以及每個彩色圖像對應的深度圖像對初始網絡模型進行訓練，以得到配準模型，具體包括：

對于每個彩色圖像，獲取該彩色圖像中的若干彩色角點坐標以及各彩色角點坐標對應的深度角點坐標，其中，所述深度角點坐標為所述彩色圖像對應的深度圖像中的角點坐標；

將各彩色角點坐標和各彩色角點坐標各自對應的深度角點坐標作為一組訓練組，以得到該彩色圖像對應的若干訓練組；

根據若干彩色圖像中各彩色圖像各自對應的若干訓練組對初始網絡模型進行訓練，得到配準模型。

5.根據權利要求4所述的配準矩陣的校正方法，其特征在于，所述若干彩色圖像以及每個彩色圖像對應的深度圖像是所述彩色-深度相機若干次拍攝棋盤格標定板得到的，若干次拍攝各自對應的拍攝角度互不相同；對于每個訓練組，所述訓練組中的彩色角點坐標和深度角點坐標對應所述棋盤格標定板中的一個角點。

6.根據權利要求4所述的配準矩陣的校正方法，其特征在于，所述根據若干彩色圖像中各彩色圖像各自對應的若干訓練組對初始網絡模型進行訓練，得到配準模型，具體包括：

將訓練組中的深度角點坐標輸入初始網絡模型，以得到目標坐標；

根據所述訓練組中的彩色角點坐標和所述目標坐標確定損失函數值；

根據所述損失函數值修正所述初始網絡模型的參數，并繼續執行所述將訓練組中的深度角點坐標輸入初始網絡模型，以得到目標坐標的步驟，直至滿足預設訓練條件，以得到配準模型。

7.一種深度圖像配準方法，其特征在于，包括：

獲取彩色-深度相機拍攝的待處理深度圖像和待處理彩色圖像；

獲取所述待處理深度圖像中的若干初始像素點根據目標配準矩陣確定所述若干初始像素點各自分別對應的目標像素點，其中，所述目標配準矩陣為權利要求1至6中任意一項中所述的目標配準矩陣；

根據各目標像素點、所述待處理深度圖像和所述待處理彩色圖像確定配準后的目標圖像。

8.根據權利要求7所述的深度圖像配準方法，其特征在于，所述根據目標配準矩陣確定所述若干初始像素點各自分別對應的目標像素點，具體包括：

將所述若干初始像素點輸入配準模型，以得到若干初始像素點各自分別對應的目標像素點，其中，所述配準模型的參數為所述目標配準矩陣。

9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至6中任意一項所述的配準矩陣的校正方法或者權利要求7或8所述的深度圖像配準方法中的步驟。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至6中任意一項所述的配準矩陣的校正方法或者權利要求7或8所述的深度圖像配準方法中的步驟。