[发明专利]深度相机深度图实时去噪方法和装置

说明书

本申请提出一种深度相机深度图实时去噪方法和装置，其中，方法包括：获取待去噪的深度图；利用预先训练好的卷积神经网络，对待去噪的深度图进行去噪处理，获取去噪后的深度图。该方法通过利用预先训练好的卷积神经网络，对待去噪的深度图序列中的深度图进行去噪处理，获取去噪后的深度图序列，由此利用训练好的卷积神经网络模型可以实时地得到经过去噪后的深度图序列，去噪效果较好，并且对其他需要利用深度图片序列作为输入的项目产生明显的优化效果。

技术领域

本申请涉及计算机视觉技术领域，尤其涉及一种深度相机深度图实时去噪方法和装置。

背景技术

现在流行的三维重建的方法和障碍物识别算法大都需要深度图片序列作为输入。但是，在实际应用中，利用深度相机获取的深度图片序列通常包含很多噪声，会对三维重建算法和障碍物识别算法的效果产生明显的影响。为解决这些问题，急需一种有效的对深度相机所得的深度图片进行实时去噪的方法。

发明内容

本申请提出一种深度相机深度图实时去噪方法和装置，用于解决相关技术中利用传统滤波方法对深度图进行去噪时效果不佳的问题。

本申请一方面实施例提出了一种深度相机深度图实时去噪方法，包括：

获取待去噪的深度图；

利用预先训练好的卷积神经网络，对所述待去噪的深度图进行去噪处理，获取去噪后的深度图。

本申请实施例的深度相机深度图实时去噪方法，通过利用预先训练好的卷积神经网络，对待去噪的深度图序列中的深度图进行去噪处理，获取去噪后的深度图序列，由此利用训练好的卷积神经网络模型可以实时地得到经过去噪后的深度图序列，去噪效果较好，并且对其他需要利用深度图片序列作为输入的项目产生明显的优化效果。

作为本申请一方面实施例一种可能的实现方式，通过以下方法训练卷积神经网络：

采集场景的多张深度图，作为训练样本；

对所述训练样本进行三维重建，获取前景物体对应的三维模型；

利用所述三维模型进行渲染得到真值数据；

利用所述训练样本与所述真值数据对初始卷积神经网络进行训练。

作为本申请一方面实施例一种可能的实现方式，所述利用所述训练样本与所述真值数据对初始卷积神经网络进行训练，包括：

利用所述训练样本和损失函数，对初始卷积神经网络的权重进行迭代回归优化，直至权重收敛，所述损失函数是能量函数的重建损失部分和法向约束部分的线性组合。

作为本申请一方面实施例一种可能的实现方式，所述重建损失部分是所述训练样本对应的输出结果与真值数据的L1损失和L2损失之和；所述法向约束部分是对应的输出结果与真值数据的法向量点乘之和。

作为本申请一方面实施例一种可能的实现方式，所述初始卷积神经网络是基于TensorFlow深度学习平台搭建的。

本申请另一方面实施例提出了一种深度相机深度图实时去噪装置，包括：

获取模块，用于获取待去噪的深度图；

去噪模块，用于利用预先训练好的卷积神经网络，对所述待去噪的深度图进行去噪处理，获取去噪后的深度图。

本申请实施例的深度相机深度图实时去噪装置，通过利用预先训练好的卷积神经网络，对待去噪的深度图序列中的深度图进行去噪处理，获取去噪后的深度图序列，由此利用训练好的卷积神经网络模型可以实时地得到经过去噪后的深度图序列，去噪效果较好，并且对其他需要利用深度图片序列作为输入的项目产生明显的优化效果。

作为本申请另一方面实施例一种可能的实现方式，该装置还包括：