[發明專利]一種深度真值獲取方法、裝置、系統及深度相機

在審

• 申請號: 202110347140.6
• 申請日: 2021-03-31
• 公開（公告）號: CN113034567A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 蘭富洋;楊鵬;王兆民
• 申請（專利權）人: 奧比中光科技集團股份有限公司
• 主分類號: G06T7/55
• 分類號: G06T7/55;G06T7/514
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 冷仔

本申請適用于計算機視覺技術領域，提供了一種深度真值獲取方法、裝置、系統及深度相機，該深度真值獲取方法包括：獲取相機和激光雷達分別采集的不同姿態的目標物的二維圖像和深度圖像；將深度圖像轉換為點云數據，求解點云數據與二維圖像的變換關系，獲得第一變換矩陣；利用第一變換矩陣將點云數據投影至相機的成像平面以獲取深度真值。本申請實施例可以便捷地生成深度與相機的成像器件逐像素對齊的高精度深度圖像。

技術領域

本申請屬于計算機視覺技術領域，尤其涉及一種深度真值獲取方法、裝置、系統及深度相機。

背景技術

為了獲得更為優質的三維信息和解決傳統三維測量方法中難以克服的一些問題，越來越多的三維測量方法開始使用深度學習算法計算深度。如利用深度學習從單幅RGB圖像或灰度圖像中重構場景三維信息，用深度學習解決間接飛行時間(indirect time offlight，iToF)測量中多路徑和散射等效應導致的深度錯誤問題。而深度學習需要大量的數據和深度的真值(ground truth)作為訓練樣本，訓練樣本數量和深度真值的精度直接決定了深度學習算法的最終表現。

發明內容

有鑒于此，本申請實施例提供了一種深度真值獲取方法、裝置、系統及深度相機，能夠解決深度真值的精度不高的技術問題。

第一方面，本申請一實施例提供了一種深度真值獲取方法，包括：

獲取相機和激光雷達分別采集的不同姿態的目標物的二維圖像和深度圖像；

將深度圖像轉換為點云數據，求解點云數據與二維圖像的變換關系，獲得第一變換矩陣；

利用第一變換矩陣將點云數據投影至相機的成像平面以獲取深度真值。

本申請實施例可以便捷地生成與相機中成像器件逐像素對齊的高精度深度圖像。

作為第一方面的一種實現方式，所述深度真值獲取方法還包括：

將所述二維圖像和所述深度真值作為一組訓練樣本，獲取不同場景下的多組訓練樣本，利用所述多組訓練樣本訓練神經網絡模型，獲得經訓練的神經網絡模型。

作為第一方面的一種實現方式，所述將深度圖像轉換為點云數據，求解點云數據與二維圖像的變換關系，獲得第一變換矩陣，包括：

將深度圖像轉換為點云數據；

利用二維圖像和點云數據中特征點對的坐標信息，求解點云數據與二維圖像的變換關系，獲得第一變換矩陣。

作為第一方面的一種實現方式，所述獲取相機和激光雷達分別采集的不同姿態的目標物的二維圖像和深度圖像，包括：

獲取相機與激光雷達分別采集的目標物的二維圖像和深度圖像；

獲取不同姿態的目標物的二維圖像和深度圖像。

第二方面，本申請一實施例提供了一種深度真值獲取裝置，包括：

獲取模塊，用于獲取相機和激光雷達分別采集的不同姿態的目標物的二維圖像和深度圖像；

求解模塊，用于將深度圖像轉換為點云數據，求解點云數據與二維圖像的變換關系，獲得第一變換矩陣；

深度真值計算模塊，用于利用第一變換矩陣將點云數據投影至相機的成像平面以獲取深度真值。

作為第二方面的一種實現方式，深度真值獲取裝置還包括：

訓練模塊，用于將所述二維圖像和所述深度真值作為一組訓練樣本，獲取不同場景下的多組訓練樣本，利用所述多組訓練樣本訓練神經網絡模型，獲得經訓練的神經網絡模型。

作為第二方面的一種實現方式，所述獲取模塊包括第一獲取子模塊和第二獲取子模塊。