一种改进极限学习机的TOF相机深度数据空间配准算法研究

摘要

本发明公开了一种改进小波序贯极限学习机的TOF相机深度数据空间配准算法研究，解决了TOF相机深度数据测量过程中非线性误差导致的深度偏移和由于TOF相机测量原理导致的系统性的深度数据高估的问题，从而更好地复原真实场景中的深度数据；并与传统极限学习机建立的空间配准模型进行实验对比，分析得出采用改进小波序贯极限学习机算法所建立的基于TOF深度相机测量误差校正的复合函数小波神经网络序贯极限学习机(CFWNN‑OSELM)空间配准模型具有更高的精度和更强的泛化能力，并且比传统神经网络算法具有更快的学习速度；为提高TOF深度相机测量精度提供了一种新的方法和思路；结果表明校正后的深度偏移和误差得到有效改善。