[发明专利]基于近红外激光散斑的深度估计方法及装置

说明书

技术领域

本发明涉及图像深度计算技术领域，具体涉及一种基于近红外激光散斑的深度估计方法及装置。

背景技术

从图像中恢复深度信息是计算机视觉领域的一个基础问题，近些年得到了越来越多的关注并且取得了巨大的进展。深度传感器在自动驾驶、工业生产中的外形测量、生物医学成像、计算机场景理解以及娱乐设备等各个领域得到了日益广泛的应用。根据是否使用受控的照明，现有技术中的深度计算系统可以分为被动深度估计系统和主动深度估计系统两种。

被动深度估计系统采用双目立体视觉的理论；用两个平行放置的相机同时拍摄场景图像，通过对两幅图像进行匹配从而得到视差值，进而通过换算得到深度值。然而被动系统的准确度严重依赖于场景的纹理和光照条件；如果场景中存在纹理不明显的区域，或者场景照明不利于匹配，都会严重影响深度估计的准确度。

主动深度估计系统则是利用投影机等设备将固定模式的光线投射到场景中，从而克服深度估计对场景的纹理和光照条件的依赖性。传统的主动深度估计系统使用普通数字投影机将固定模式的光线投射到场景中，然后利用双目立体视觉的方法进行深度估计；其缺点是普通数字投影机投射出的可见光与环境光混杂在一起，不利于进行匹配；同时，可见光会对人的视觉感知产生影响，影响用户体验；并且，该类深度估计系统通常体积庞大，不利于系统集成。

近些年，利用激光散斑的主动深度估计逐渐被人们所重视，由于激光的模式在不同深度下基本不变，所以可以只用一个单独的相机拍摄图像，与预先存储的参考散斑图进行匹配从而估计深度。在此基础上发展出了采用红外激光散斑的主动深度估计系统，其主要是利用激光投射固定模式的图像到物体表面，经物体表面的漫反射形成散斑；通过将得到的目标红外激光散斑图与预先存储的参考散斑图匹配，进行深度估计。由于近红外激光不为人类视觉感知，并且对眼睛无伤害，利用近红外激光散斑的主动深度估计方法得到了越来越多的关注。

现有技术中，基于近红外激光散斑的深度估计方法通常没有考虑环境光照对深度估计准确度的影响，造成深度估计的结果存在误差；并且，由于参考散斑图是预先存储的，其亮度和对比度与实时采集的场景图像存在巨大的差异，现有基于激光散斑的主动深度估计方法没有充分考虑其影响；同时，对于散斑分布较少的区域，例如边界部分，深度估计常常是不够准确的，因此得到的深度估计结果可能存在片面性。

发明内容

（一）要解决的技术问题

本发明的目的在于提供一种不受环境光照影响、对亮度和对比度差异鲁棒并且能够快速全面进行深度估计的基于近红外激光散斑的深度估计方法；进一步的，本发明还提供了一种实现上述基于近红外激光散斑的深度估计方法的装置。

（二）技术方案

本发明技术方案如下：

一种基于近红外激光散斑的深度估计方法，包括步骤：

S1.对目标散斑图进行预处理；

S2.在预处理后的目标散斑图中选取可靠散斑；

S3.将包含可靠散斑的目标散斑图进行网格划分；

S4.对于每个网格，结合参考散斑图以及该网格的候选视差值构建概率图模型；

S5.根据所述概率图模型，将每个网格与参考散斑图进行匹配；

S6.将匹配得到的视差值转换为深度值。

优选的，所述步骤S1包括：

根据环境光照的权值计算环境光照的强度；

从目标散斑图的灰度值中去除所述环境光照的强度。

优选的，所述步骤S2包括：

选取可靠性大于阈值的散斑为可靠散斑；所述可靠性由匹配代价、匹配可信度以及左右一致性度量。

优选的，所述步骤S2中，利用二进制特征描述预处理后的目标散斑图中每一个散斑。

优选的，对于每个散斑，所述匹配代价为该散斑与参考散斑图中散斑的汉明距离；所述匹配可信度为该散斑的最佳匹配代价与次最佳匹配代价之间的绝对误差；所述左右一致性为该散斑在参考散斑图中的最佳匹配散斑与该最佳匹配散斑在目标散斑图中的最佳匹配散斑之间的误差。

优选的，所述步骤S4中：

对于每个网格，以该网格中所有可靠散斑的视差值以及该网格四邻域网格中所有可靠散斑的视差值为候选视差值。

优选的，在参考散斑图中，该网格的最佳匹配散斑的极线上的所有散斑组成集合O^r；

该网格的所有候选视差值组成集合D；

根据所述集合以及集合D构建概率图模型。

优选的，所述步骤S5与步骤S6之间还包括：

判断匹配得到的视差值是否满足预设条件：