[发明专利]一种基于深度学习的TOF深度成像方法

权利要求书

1.一种基于深度学习的TOF深度成像方法，其特征在于，包括如下步骤：

步骤1，将训练数据集中的深度图输入到TOF成像网络，TOF成像网络包括调制函数、解调函数和去噪成像子网络；

步骤2，使用一个可学习的矩阵模拟实际TOF成像的调制函数，根据深度图的每个像素的值进行相应的移位；

步骤3，使用另一个可学习的矩阵模拟实际TOF成像的解调函数，与步骤2的输出进行积分操作；

步骤4，将步骤3积分后的结果加上环境光以及光子噪声和传感器读取的噪声，构成带噪声的测量图；

步骤5，将带噪声的测量图输入给TOF成像网络的去噪成像子网络，去噪成像子网络与调制函数和解调函数同时用深度学习的方法训练，得到训练好的调制函数、解调函数和去噪成像子网络；

步骤6，使用步骤5训练得到的调制函数对激光二极管进行调制，驱动激光二极管发射激光照亮场景；

步骤7，场景物体表面反射回的反射光，经过分光器后，聚焦到探测器上，探测器接收到带有调制信息的反射信号；

步骤8，将步骤7反射信号与步骤5训练得到的解调函数经过乘法器相乘，再经过低通滤波器进行积分，使用模数转换器对低通滤波器输出的电压进行采集；

步骤9，重复步骤6至步骤8，扫描场景中的每个点，完成对场景中所有的点的深度测量，得到带有噪声的测量图；

步骤10，把步骤9得到的带有噪声的测量图输入给步骤5训练得到的去噪成像子网络，得到场景的深度图，完成TOF深度成像。

2.根据权利要求1所述的一种基于深度学习的TOF深度成像方法，其特征在于，所述步骤7中，假设使用的调制函数为M(t)，探测器接收到的反射信号为：f(t)＝αM(t-t₀)+β；其中α是反射率，t₀是在空间传递的时延，β是外部光源引起的辐射分量。