深度图像

摘要： 针对在室内工作的自动引导运输车(automated guided vehicle,简称AGV)面临的障碍物实时检测问题,提出一种基于Kinect相机的检测方法。在深度相机标定的基础上,将相机获得的深度图像准确地变换成相机坐标系内的点云数据,利用点云数据,通过制定障碍物检测规则,实现AGV小车行驶过程中障碍物的快速实时检测,实试验证了该方法的准确性。

摘要： 针对在室内工作的自动引导运输车(automated guided vehicle,简称AGV)面临的障碍物实时检测问题,提出一种基于Kinect相机的检测方法。在深度相机标定的基础上,将相机获得的深度图像准确地变换成相机坐标系内的点云数据,利用点云数据,通过制定障碍物检测规则,实现AGV小车行驶过程中障碍物的快速实时检测,实试验证了该方法的准确性。

摘要： 堆石料的形状、尺寸以及级配等参数直接影响堆石坝的稳定性和抗渗性能。当前主要采用人工的方式筛分堆石料,效率低下;而传统的图像分割算法分割精度低,无法准确测量岩石的参数信息。针对这一问题,本文提出一种深度图像引导的岩石颗粒分割方法。首先对深度图像进行预处理,去除深度图像的噪声;然后提取深度图像与可见光图像的随机特征和显著性特征,并对随机特征进行多次抽样;最后根据多组随机特征和显著性特征得到多个分割预测结果,并选择最优的分割。实验结果表明,本文方法能够实现岩石颗粒的准确分割,并将其应用到岩石颗粒度评估的场景中,计算岩石颗粒参数信息。

摘要： 深度图像在自动驾驶、三维测量等领域发挥着越来越重要的作用,针对深度图像中空洞信息难以准确修复,填充速率较慢等问题,本文提出一种基于多通道颜色判别的深度图像空洞渐进式填充算法.首先根据深度图像和彩色图像设置筛选条件,对空洞点邻域内像素进行准确筛选,然后计算邻域内像素在空间域和值域下的双边权值并得到带有权重的二维填充模板,进行填充时将二维模板化简为两个互相垂直的一维模板以提高填充速度并采用渐进式填充方法对空洞进行填充.在公开数据集上对实验结果在主观视觉上进行定性对比分析,客观上通过均方根误差和峰值信噪比两个评价指标对本文算法处理效果进行准确分析.实验结果表明,本文方法能较好地保留物体的边界信息,有效防止填充后物体边缘模糊的现象,填充结果准确,填充速率得到优化.

摘要： 【目的】针对在复杂环境背景中难以识别分割多只肉鸡的问题,探讨基于深度学习实现对多只肉鸡深度图像分割的方法。【方法】利用深度相机,通过不同的拍摄角度(俯视、正视、侧视)在自然环境下采集肉鸡不同姿势(站立、俯卧、抬头、低头等)形态的深度图像,并使用CVAT标注软件对深度图像进行精确标注,建立肉鸡深度图数据集(含4 058张深度图像)。利用FCN、U-Net、PSPNet、DeepLab和Mask R-CNN等5种神经网络实现肉鸡深度图像的识别与分割,根据测试集得到预测结果,比较与评估不同模型的性能,实现对肉鸡深度图像的识别与分割。【结果】基于Mask R-CNN神经网络模型的识别分割准确率为98.96%,召回率为97.78%,调和平均数为95.03%,交并比为94.69%,4个指标值均为5个模型中的最优值。【结论】基于Mask R-CNN神经网络的算法简单快速,且能准确实现肉鸡的自动识别与分割,对肉鸡遮挡有较佳的鲁棒性,基本可以满足养殖场鸡群均匀度预测的识别分割要求。促进了计算机视觉在现代农业的应用,可为鸡群计数、鸡群均匀度预测以及肉鸡福利饲养等鸡场作业提供理论和实践基础。

摘要： 针对单幅复杂环境图像阴影检测问题,提出一种基于多尺度超像素融合的自动阴影检测快速算法.首先利用深度图像计算各点的法向量及空间坐标,同时利用简单线性迭代聚类算法对彩色图像进行多个尺度的超像素分割;然后使用阴影置信度算法结合图像的色度、法线和空间位置信息分别估计各尺度下的超像素阴影置信度;最后采用Adaboost训练的分类器对各尺度下的超像素阴影置信度进行融合,得到最终的判决结果.实验结果表明,该算法的准确度明显高于原阴影置信度算法,运行时间约为原阴影置信度算法的10%,对于小块阴影、大面积阴影及边缘不清晰的软阴影检测表现较突出,适合对光线复杂环境下的图像进行前期预处理.

摘要： 针对深度图像在数据采集过程中存在深度值缺失和噪声的问题,提出了一种融合光线追踪和中值滤波的深度图像修复算法。该算法通过构建路径跟踪器将深度值分解为直接光照值和间接光照值,对分解后的深度值进行时空滤波和方差估计处理,再将处理后的结果合成深度图像,然后对合成的深度图像依次进行抗锯齿化和色调映射处理,最后使用中值滤波算法平滑未修复的噪声。采用自行实时采集的深度图像作为数据集,将文中算法与双边滤波、联合双边滤波、形态学滤波算法进行实验对比。实验结果表明,文中算法能有效修复较大范围的空洞区域,较好地保持物体边缘的清晰和细节特征;同时,文中算法修复后的深度图像峰值信噪比和均方根误差均优于对比算法的值。

摘要： ST率先推出50万像素深度图像ToF传感器意法半导体(STMicroelectronics,简称ST)推出新系列高分辨率飞行时间(ToF)传感器,为智能手机等设备带来先进的3D深度成像功能。新3D系列的首款产品是VD55H1。该传感器能通过感测50多万个点的距离,进行3D成像。距离传感器5米范围内的物体都能被检测到,通过图案照明系统甚至可以检测到更远物体。VD55H1可以解决AR/VR新兴市场的使用场景问题,包括房间图像、游戏和3D化身。在智能手机中,新传感器可以增强相机系统的功能,包括散景效果、多相机选择和视频分割。更高分辨率和更准确的3D图像还能提高人脸认证的安全性,更好地保护手机解锁、移动支付以及任何涉及安全交易和访问控制的智能系统。在机器人技术中,VD55H1为所有目标距离提供高保真3D场景图,以实现新的和更强大的功能。

摘要： 深度相机获取深度图像由于硬件精度问题,往往会丢失大量细节信息。因此,对深度图像的滤波,已经成为深度视觉领域一个重要的课题。然而,现阶段大多数滤波的方法对于深度图像中的尖锐特征保留能力不足,往往会出现过光滑现象。针对深度图像滤波中的尖锐特征难以保留的问题,提出了一种新的深度图像的联合双边滤波方法。首先求解深度图像每个像素的法向,以投票的方式对法向的权重进行计算以进行联合双边滤波,最后根据滤波后的法向更新顶点坐标。该方法引入了高精度的纹理作为指导信息,能获取更可信的滤波效果。另外,该方法基于点云的局部信息,不需要求解很大的矩阵,且基于GPU并行,运算效率极高。实验表明,该方法能更好地保留法向的边界,具有更好的几何特征保留能力。

摘要： 非局部均值滤波器通过欧氏距离来衡量非局部区域内像素块之间的相似性,取得了较好的去噪效果.但其对局部性考虑不足,易导致一些非周期性的有用细节在图像去噪过程中被光滑掉.针对此问题,引入空域局部、非局部联合自适应方法,对原滤波器进行改进;同时,考虑到多模态图像在实际中的应用愈加广泛,将所设计滤波器推广至跨模态场景,得到了跨模态空域自适应联合均值滤波器.经典图像实验的主观视觉效果与客观的量化指标均表明,所设计的滤波器较原算法取得了更好的滤波性能.

摘要： TOF(Time of Flight)相机具有同时获取目标的灰度和深度图像的功能,从而能够实得到目标物体的三维点云,实现三维成像.在卫星导航与宇宙空间探测的研究中,利用TOF相机获得深度图像来进行工作也是当下的一个热门研究方向.但是目前用TOF相机所获得的深度图像仍然存在许多问题,例如图像易受噪声干扰,存在许多误差,使得深度图像中存在噪声黑洞;TOF相机获得的深度图像分辨率较低,不便于直接应用到实验研究等等,这些问题严重影响了TOF相机的实际应用.因此,对于TOF相机而言,如何对获得的深度图像进行增强是一个关键的研究方向.本文对TOF相机深度图像的增强技术算法进行研究,对不同思路的算法进行归类总结,并分析其原理和效果,增强算法主要可以分为深度图像修复与深度图像的超分辨率重建两大类.最后总结TOF深度图像增强算法并展望了未来发展趋势.

摘要： 针对工业机器人增强现实示教编程中虚实碰撞检测问题,提出一种基于深度图像的虚实碰撞检测方法.为检测增强现实场景中潜在碰撞区域,在增强现实场景不同方位处添加Kinect?相机和虚拟深度相机,使用Kinect?相机拍摄物理环境的深度图像,建立虚拟深度相机成像模型以合成虚拟机器人的深度图像.在初始化阶段将深度图像栅格化,建立深度图像的四叉树编码模型.在虚实碰撞检测阶段,利用虚拟深度相机成像模型,合成虚拟场景的深度图像,并转化为点云数据,将虚拟深度相机模型置于Kinect?相机深度相机同一方位处进而得到与物理深度图像有相同方位的点云深度图像;通过遍历深度图像四叉树编码模型,逐层比较物理深度图像和合成点云深度图像对应栅格区域的深度值范围,实现虚实碰撞检测.本文搭建了基于增强现实的机器人示教系统,将虚拟机器人叠加到物理场景中,验证了上述相关算法;本文提出的基于深度图像的虚实碰撞检测方法,无需对真实环境三维重建,能够快速有效的进行增强现实应用中的虚实碰撞检测.

摘要： 本文提出一种基于局部姿态先验的从深度图像中实时在线捕获3D人体运动的方法.关键思路是根据从捕获的深度图像中自动提取具有语义信息的虚拟稀疏3D标记点,从事先建立的异构3D人体姿态数据库中快速检索K个姿态近邻并构建局部姿态先验模型,通过迭代优化求解最大后验概率,实时在线重建3D人体姿态序列.实验结果表明,本文方法能够实时跟踪重建出稳定、准确的3D人体运动姿态序列;并且只需经过个体化人体参数自动标定过程,能跟踪身材尺寸差异较大的不同表演者;帧率约25fps.因此,本文方法可应用于3D游戏／电影制作、人机交互控制等领域.

摘要： 根据面向家庭的健康状况评估的需要,结合Kinect深度图像的特点,提出一种无标记点的下肢关节定位和步态分析方法.首先利用分层处理ViBe算法提取人体目标,然后在多关节骨架模型基础上,采用自适应阈值法来区分侧面人体的前后腿,根据相邻样本差值分别判断膝关节与踝关节有无遮挡现象,再利用比例扩大法和边缘定位法实现下肢各关节定位.最后对获取的关节动态数据进行分析获取步态参数.通过与手工标记点方法的步态分析进行比较实验,表明该算法的人体关节定位的准确度能够较好地满足步态分析的需要.

摘要： 以基于边的点云区域分割方法为基础,提出了一种基于深度图像辅助的区域分割方法,即先将点云数据转换为深度图像,通过使用深度图像的边缘特征提取方法,提取出点云的边界特征点.当边界确定后,再将云点数据分割成多个区域.由于分割出的每个区域一般具有较简单的几何特征,因此可用简单的数学模型来进行描述.实验结果表明,该方法可以很好的进行点云区域分割.

摘要： 目前由Kinect等深度摄像机所获得的深度图分辨率较低,而三维视点合成等应用场景,要求深度图必须与颜色图像的分辨率一致.为此,本文提出了一种深度图像上采样的后处理算法.利用经典的插值算法对深度图像进行初步上采样,再对初步上采样后的深度图进行两次后处理.后处理的主体思想为结合颜色图像对深度图像边缘的校正.实验结果表明,与经典上采样算法相比,本文方案在保证边界区域平滑的情况下,消除了上采样算法带来的边界模糊现象;由于深度图像边界与颜色图像几何边界吻合度得到了提高,直接改善了虚拟合成视点的主客观质量.

摘要： 针对室内场景深度图像,检测场景中的面片边缘信息并确定场景中的完整面信息是实现室内场景分析和理解的基础.基于深度信息局部二值模式特征,提出一种室内场景深度图像边缘检测的方法.首先对场景深度信息图分别求X方向和Y方向的梯度信息,结合2个梯度图找到深度信息图的基本边缘信息;然后计算基本边缘附近的局部二值模式特征信息,并计算深度图每个点的法线信息;最后利用深度信息局部二值模式特征和法线信息对边缘信息进行判断和矫正以提取深度图像的面片边缘信息.实验结果表明,该方法能够高效、准确地检测室内场景深度图像的边缘信息,避免边缘信息的过检测和欠检测.

摘要： 自动导航是现代民用飞机的必备功能,获得导航图像深度信息对于自动导航系统具有重要意义.立体匹配是获取深度图像的最有效率和应用前景的方法.本文介绍了立体匹配的基本原理,对比分析了现有算法的优缺点,对于失配率低、效果好但速度慢的置信度传播算法进行了优化改进,并和原始算法对比分析,结果表明改进算法在牺牲少量精度情况下,提高了算法的执行速度,能够更好地应用于自动导航场景中.

摘要： 探讨基于3D-TOF和3D-FIESTA序列的3D建模在术前评估三叉神经痛患者中责任血管与三叉神经关系的准确性,以及其指导手术的运用价值.分析40例拟行微血管减压术的原发性三叉神经痛患者的病例资料，利用开源软件3D-Slicer将3D-TOF和3D-FIESTA序列融合，在此基础上进行图像分割，构建脑干、三叉神经的3D模型，随后观察责任血管与神经的关系，并与术中情况进行对比。结果证明基于3D-TOF和3D-FIESTA序列融合图像的3D建模能够清晰、准确显示三叉神经与周围血管关系，为手术医师提供全面的三维解剖认知，是三叉神经MVD术前评估的一种有效方法。

摘要： 探讨基于3D-TOF和3D-FIESTA序列的3D建模在术前评估三叉神经痛患者中责任血管与三叉神经关系的准确性,以及其指导手术的运用价值.分析40例拟行微血管减压术的原发性三叉神经痛患者的病例资料，利用开源软件3D-Slicer将3D-TOF和3D-FIESTA序列融合，在此基础上进行图像分割，构建脑干、三叉神经的3D模型，随后观察责任血管与神经的关系，并与术中情况进行对比。结果证明基于3D-TOF和3D-FIESTA序列融合图像的3D建模能够清晰、准确显示三叉神经与周围血管关系，为手术医师提供全面的三维解剖认知，是三叉神经MVD术前评估的一种有效方法。

摘要： 一深度图像采集装置和深度图像采集系统及其图像处理方法，其中所述深度图像采集系统包括：至少两红外成像单元；至少一彩色成像单元；一散斑投射单元和一图像处理单元，在工作的过程中，所述散斑投射单元投射红外光，所述两红外成像单元接收目标物体反射的红外光，得到两红外图像，所述彩色成像单元采集RGB图像，各所述红外图像和所述RGB图像被传送至所述图像处理单元，所述图像处理单元将各所述红外图像和所述RGB图像融合得到彩色深度图像，以提高传统深度图像的分辨率和清晰度。

摘要： 公开了一种深度图像获取装置和深度图像获取方法，通过调整支撑架将两个深度相机调整到预定的角度，通过处理器进行标定、融合获取融合深度图像。本发明深度图像获取装置结构简单，便于使用，基于深度图像获取装置的深度图像获取方法简单可靠，可以减少反光物体在深度图像上出现孔洞，提高深度相机的精度和视野范围。

摘要： 一种深度图像获取方法、深度图像获取装置(10)及电子装置(100)。深度图像获取方法包括：获取场景图像以确定场景图像中的感兴趣区域(ROI)；获取感兴趣区域(ROI)的当前距离；判断当前距离是否大于第一预定距离；在当前距离大于第一预定距离时，控制飞行时间深度相机(20)获取场景的当前深度图像；在当前距离小于第一预定距离时，控制双目相机(30)和飞行时间深度相机(20)共同获取场景的当前深度图像。

摘要： 一种深度图像处理方法、深度图像处理装置(10)和电子装置(100)。深度图像处理方法用于电子装置(100)。电子装置(100)包括深度图像获取装置(20)。深度图像获取装置(20)用于获取初始深度图像。深度图像处理方法包括：(01)根据初始深度图像获取感兴趣区域的目标深度数据；(02)判断感兴趣区域的数量是否大于预定值；(03)在感兴趣区域的数量大于预定值时，根据目标深度数据将感兴趣区域分组以计算目标景深；(04)根据目标景深计算目标虚化强度；和(05)根据目标虚化强度虚化初始深度图像得到虚化深度图像。

摘要： 本申请公开了一种深度图像获取方法、深度图像获取模组及电子设备。深度图像获取模组包括第一相机、第二相机、第三相机、光投射器及处理器。第一相机用于拍摄预览图像，处理器根据预览图像获取所述场景的环境亮度。在环境亮度大于预设亮度时，第一相机拍摄场景的可见光图像，第二相机拍摄场景的灰度图像，处理器根据可见光图像和灰度图像计算场景的深度图像。在环境亮度小于预设亮度时，光投射器向场景中投射红外光以形成散斑图案，第二相机拍摄场景的第一散斑图像，第三相机拍摄场景的第二散斑图像，处理器根据第一散斑图像和第二散斑图像计算场景的深度图像。

摘要： 本发明公开了一深度图像采集装置和深度图像采集系统及其深度图像处理方法，其中所述深度图像处理方法在获得一被测目标的深度图像和彩色图像后，分别对所述深度图像和所述彩色图像进行降噪处理，然后再融合所述深度图像和所述彩色图像，以得到所述被测目标的彩色深度图像，从而更真实地还原所述被测目标的特征。

摘要： 一深度图像采集装置和深度图像采集系统及其图像处理方法，其中所述深度图像采集系统包括：至少两红外成像单元；至少一彩色成像单元；一散斑投射单元和一图像处理单元，在工作的过程中，所述散斑投射单元投射红外光，所述两红外成像单元接收目标物体反射的红外光，得到两红外图像，所述彩色成像单元采集RGB图像，各所述红外图像和所述RGB图像被传送至所述图像处理单元，所述图像处理单元将各所述红外图像和所述RGB图像融合得到彩色深度图像，以提高传统深度图像的分辨率和清晰度。

摘要： 本发明公开了一种深度图像的压缩方法、深度图像的压缩设备和计算机可读存储介质，所述方法包括：根据待压缩的深度图数据确定高位深度图或者低位深度图；将所述高位深度图或者所述低位深度图输入有损压缩网络，得到有损重建深度图；根据所述有损重建深度图确定估计伪残差；将所述有损重建深度图输入有损深度预处理网络，得到第一输出特征，以及将所述估计伪残差输入伪残差预处理网络，得到第二输出特征；融合所述第一输出特征和所述第二输出特征，得到融合特征；根据所述融合特征确定编码数据，并基于所述编码数据对所述深度图数据进行无损压缩编码。本发明旨在达成提高压缩效率的效果。

摘要： 本申请提供了一种深度图像输出模型训练方法、深度图像获取方法及装置。所述方法包括：获取样本参考图像的二维图像特征和N幅样本源图像的三维代价体特征；调用深度特征提取网络层对二维图像特征进行特征提取，得到与深度估计关联的二维预测深度特征；调用极线Transformer网络层根据二维预测深度特征对三维代价体特征进行融合处理，生成三维融合代价体特征；基于二维预测深度特征和三维融合代价体特征，计算深度图像输出模型的损失值；在损失值处于预设范围内的情况下，将训练后的不包含深度特征提取网络层的深度图像输出模型作为最终的目标深度图像输出模型。本申请可以提高深度图像的输出效率，及模型输出深度图像的精度。

摘要： 一种深度图像获取方法、深度图像获取装置(10)及电子装置(100)。深度图像获取方法包括：获取场景图像以确定场景图像中的感兴趣区域(ROI)；获取感兴趣区域(ROI)的当前距离；判断当前距离是否大于第一预定距离；在当前距离大于第一预定距离时，控制飞行时间深度相机(20)获取场景的当前深度图像；在当前距离小于第一预定距离时，控制双目相机(30)和飞行时间深度相机(20)共同获取场景的当前深度图像。