[发明专利]基于跳跃加速的深度恢复方法、电子设备及存储介质

说明书

本发明实施例涉及图像处理领域，公开了一种基于跳跃加速的深度恢复方法、电子设备及存储介质，其中方法包括：针对预处理后的物体散斑图和参考散斑图，从所述物体散斑图中选择多个候选种子点，以及每个候选种子点对应的第一视差搜索范围；对每个所述候选种子点，从对应的第一视差搜索范围内跳跃选取多个视差值进行视差搜索，并基于得到的各所述视差值对应的匹配代价值，确定该候选种子点是否为种子点，并获取所述种子点的视差值；利用所述种子点及其视差值，采用区域增长方法确定所述物体散斑图与所述参考散斑图的视差值；基于所述物体散斑图与所述参考散斑图的视差值恢复深度信息。本方案能够在有效保证恢复图像精度的基础上，加速深度恢复进程。

技术领域

本发明涉及图像处理领域，特别涉及一种基于跳跃加速的深度恢复方法、电子设备及存储介质。

背景技术

目前，机器视觉领域中最具活力的技术分支当属深度感知技术，而散斑结构光技术则是深度感知技术中的重要部分。散斑结构光技术作为最常见主动式立体视觉的技术，在人脸识别、自动驾驶、安防监控等领域具有广泛应用。散斑结构光系统，是通过向被拍摄物体投射伪随机散斑，然后根据特定的算法进行散斑的特征匹配得到视差信息，进一步获取场景的深度信息。

但是，暴力的散斑匹配的计算量和耗时是很大的。目前，业内采取了多种不同的技术来处理该问题。例如：使用图像二值化方法，匹配时用汉明(Hamming)距离作相似度测度，这很大地节省了计算量和耗时，但是这种方法的精度普遍比不上图像局部灰度归一化(Local Contrast Normalization，LCN)和零均值归一化互相关(Zero-based NormalizedCross Correlation，ZNCC)测度的方法；或者，通过某种方式预估深度的大致范围，从而将视差搜索范围进一步地缩小，但在实现减少耗时地同时也受到其业务使用的限制；或者，使用神经网络的方法，但是也受到训练所需数据量的限制和模型大小的内存限制，并且黑盒不易解释。

发明内容

本发明实施方式的目的在于提供一种基于跳跃加速的深度恢复方法、电子设备及存储介质，能够在有效保证恢复图像精度的基础上，加速深度恢复进程。

为解决上述技术问题，本发明的实施方式提供了一种基于跳跃加速的深度恢复方法，包括：

针对预处理后的物体散斑图和参考散斑图，从所述物体散斑图中选择多个候选种子点，以及每个候选种子点对应的第一视差搜索范围；

对每个所述候选种子点，从对应的第一视差搜索范围内跳跃选取多个视差值在所述预处理后的参考散斑图中进行视差搜索，并基于视差搜索得到的各所述视差值对应的匹配代价值，确定该候选种子点是否为种子点，并获取所述种子点的视差值；

利用所述种子点及其视差值，采用区域增长方法确定所述物体散斑图与所述参考散斑图的视差值；

基于所述物体散斑图与所述参考散斑图的视差值恢复深度信息。

本发明的实施方式还提供了一种电子设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的基于跳跃加速的深度恢复方法。

本发明的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的基于跳跃加速的深度恢复方法。