深度图像的获取与复原算法研究

摘要

深度数据在工业、医疗、教育、娱乐等领域具有广泛的应用。在不同的应用场景下，如何实时可靠地获得高精度、高分辨率的深度图像，是一个亟待解决的问题。同时，在当前有限的深度数据获取技术水平下，如何采用图像复原算法进一步提高深度图像的分辨率和精度，也是一个值得研究的问题。 本文首先简要回顾了已有的深度图像获取算法，重点介绍了基于结构光的主动式深度图像获取方法，总结了现有的深度图像复原算法。然后详细介绍了本文提出的三种基于余弦条纹波结构光模板的深度感知算法和一个稀疏深度图像补全算法。具体的工作概括如下： 第一、提出了一种基于互质原理的时间编码结构光方法。该方法在多帧余弦条纹波模板的每一帧中，加入相同的方波信号。在不影响利用相移法提取余弦条纹波截断相位的前提下，本算法又利用加入方波的相位信息来指导相位解缠绕过程。由于加入的方波信号的周期数与余弦条纹波周期数互质，所以采用数学上的互质原理，来获取可靠的绝对相位。实验结果表明，基于互质原理的时间编码结构光深度图像获取算法可以取得比现有深度感知仪器更精确的测量精度。 第二、提出了一种基于频分复用原理的空间编码结构光方法。该方法融合时间编码结构光方法和空间编码结构光方法各自的优点，将两个余弦条纹波模板调制成单张复合结构光模板，实现同时传递两个余弦条纹波的相位信息。在摄像机拍摄得到场景的图像后，本方法首先需解调出两张余弦条纹波图像，然后采用Gabor滤波器提取出各个条纹波编码的相位信息，再根据互质原理准确求解出场景的绝对相位。实验结果表明，该算法可以在获取高分辨率、高精度深度数据的同时，提高深度数据获取的效率。 第三、提出了一种基于De Bruijn序列的空间编码结构光方法。当测量场景由多个物体构成时，场景的深度数据往往包含大量不连续变化和深度跳变的区域。在这种情况下，传统的相位解缠绕算法难以得到准确可靠的绝对相位。该方法采用频分复用原理，将余弦条纹波模板和编码周期数模板调制成单帧空间编码结构光模板。为准确求解出编码的绝对相位值，本算法首先将根据截断相位对场景图像作连续区域检测。在每个连续区域内，采用一个数学统计量和De Bruijn序列来解码余弦波的周期数。提出的三条余弦波周期数的矫正准则可以进一步提高周期数解码的准确性。实验结果表明，该方法可以实现对复杂场景的高精度深度感知，且对被测物体的颜色、纹理、折射率等表面特征鲁棒。 第四、提出了一种基于时空联合模型的稀疏LIDAR深度图像补全算法。为解决LIDAR深度图像空间分辨率较低，且其测量数据空间分布不均匀的问题，本算法采用场模型来描述时间维度上场景的空间结构信息，采用自回归模型来描述低质量深度图像和高质量彩色图像之间的局部关联性和非局部相似性信息。该算法提出的模型将场模型和自回归模型统一在一个架构下，既约束了场景的三维结构信息，也约束了深度信息与颜色信息的一致性。本方法通过寻找一个离散优化问题的最优解，解决LIDAR深度图像的补全问题。在通用数据集上的定量和定性实验表明，与现有的深度图像补全算法相比，本文提出的算法可以得到稠密、可靠的深度数据。 本文最后对全文的工作进行了总结，讨论了本文工作中存在的不足，并提出进一步解决的思路。

目录

第一个书签之前