[发明专利]一种单目单帧多光谱三维成像方法在审
申请号: | 201911134676.9 | 申请日: | 2019-11-19 |
公开(公告)号: | CN110942480A | 公开(公告)日: | 2020-03-31 |
发明(设计)人: | 易定容;蒋威;孔令华;刘婷;杨子涵 | 申请(专利权)人: | 宁波五维检测科技有限公司 |
主分类号: | G06T7/50 | 分类号: | G06T7/50;G06T7/13 |
代理公司: | 厦门市首创君合专利事务所有限公司 35204 | 代理人: | 张松亭;李艾华 |
地址: | 315000 浙江省宁波市鄞*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 单目单帧多 光谱 三维 成像 方法 | ||
本发明一种单目单帧多光谱三维成像方法,包括:第一步图像获取,利用所述快照式多光谱摄像装置,进行一次曝光零时差采集N幅(N≥3)光谱图像;第二步图像梯度计算:图像处理分析装置计算所述N≥3幅光谱图像梯度;第三步图像边缘提取:图像处理分析装置根据梯度图像分析提取图像边缘,保留图像边缘处图像梯度;第四步图像边缘梯度:对于全部N幅光谱图像,获取N幅光谱图像边缘梯度图;第五步深度探测:根据所述图像边缘梯度,获取图像边缘处所对应位置的纵向Z信息,完成XYZ立体视觉。该方法克服双目立体视觉运算量大及激光3D视觉系统价格昂贵等缺点,在先进制造、智能机器人移动、无人驾驶汽车导航与避障等具有广泛应用价值。
技术领域
本发明涉及机器视觉技术领域,具体涉及一种单目单帧多光谱三维成像方法。
背景技术
自然世界是三维的,有平面(X,Y)位置信息,还包含有Z深度信息。人识别深度信息的方法主要包括:通过左右眼视差信息识别、通过眼睛相对于物体运动的运动信息识别和通过物体表面颜色信息识别,目前也有通过物体表面纹理信息探测深度的识别方法。
在过去二三十年间,学术界所研究的3D视觉方法主要包括通过分析左右眼视差信息来获取深度信息。尽管文献中对3D视觉进行了长期讨论,但当今大多数机器视觉系统往往依赖于对两个摄像头所获取的两个二维图像进行分析(如CN201610987447双目立体视觉系统及深度测量方法、CN201410490534根据立体视图原理的3D相机和用于获取深度图的方法和CN201410490534根据立体视图原理的3D相机和用于获取深度图的方法)。然而这类双目立体机器视觉方法信息处理量大,难以快速给出深度检测结果。此外,双摄像头刻度难度较高,同步控制较难,因此目前还难以在实践中广泛应用。
目前还仍然依赖价格昂贵的激光扫描视觉系统来获取周围环境3D图像信息。激光3D视觉系统采用多路激光束,测量激光束从发出到被障碍物反射回来信息的时间差来计算周边障碍物信息,其缺点除了价格昂贵外,还存在空间分辨率不高的问题,主要以点云形式来表现周边环境及障碍物情况,不能实现逼真的图像信息。
发明内容
本发明的主要目的在于克服已有机器视觉方法尤其是双摄像头立体视觉方法计算量大实时性较差的缺点,及已有3D激光视觉系统价格昂贵检测结果为稀疏云团而不能有逼真2D图像信息的缺点,提出一种单目单帧多光谱三维成像方法。
本发明解决其技术问题所采用的技术方案是:
一种单目单帧多光谱三维成像方法,包括如下步骤:
1)图像获取:采用快照式多光谱摄像装置进行一次曝光零时差采集N幅光谱图像;其中,N≥3;
2)图像梯度计算:计算N幅光谱图像梯度,获取N幅光谱图像边缘梯度图;
3)图像边缘提取:提取N幅光谱图像中物体边缘,获取N幅光谱图像边缘位置图;
4)图像边缘梯度:对于全部N幅光谱图像,将得到的图像边缘梯度图与图像边缘位置图做乘积运算,获取N幅光谱图像边缘梯度图;
5)深度探测:遍历边缘梯度图,将每一个像素值代入基于光学模型深度估计函数获取边缘每一个像素所对应纵向位置的深度值,完成三维成像;
具体的,基于光学模型深度估计函数从N幅光谱图像中获得(N-1)*2个深度估计,记为由(N-1)*2个判断得到唯一深度值d,获取边缘每一个像素所对应纵向位置的深度值,完成三维成像;
其中,表示不同光谱图像的边缘梯度,所述边缘梯度根据所述图像梯度和图像边缘获得;dj与di表示不同波长光谱图像的对焦平面深度,i,j∈(λ1,λ2,…,λN),λ1,λ2,…,λN表示N个不同的波长。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于宁波五维检测科技有限公司,未经宁波五维检测科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911134676.9/2.html,转载请声明来源钻瓜专利网。