论文部分内容阅读
深度信息的获取是三维应用领域所必需的关键技术之一。近几年来,随着三维技术应用的不断拓展,人机交互、自动驾驶、三维重建以及智能监控等领域对深度获取技术的精度和场景适应能力有了更高的要求。因此,进一步提升深度获取技术的精确性和鲁棒性成为了当前三维感知领域中亟待解决的问题。在目前众多深度信息获取技术中,双目立体视觉可以看作被动式深度获取技术的代表,而ToF则可以看作是主动式深度获取技术的代表,单独使用这两种技术不可避免会存在一些缺陷,同时二者也具有优势互补的特点,因此将两者融合起来获取深度信息已成为三维成像领域的一个重要研究方向。本文以提升深度获取技术的精确性和鲁棒性为研究目标,根据主动式脉冲型ToF深度获取技术和被动式双目立体视觉深度获取技术的特点进行了ToF-双目融合相关技术的分析和研究。本文具体内容和创新性主要体现在以下两个方面:1.本文提出了一种基于半盲反卷积的脉冲型ToF深度图去噪算法。针对提高深度信息精度的需求,该算法直接设计脉冲型ToF深度相机原始测量值的正则化器,避免了传统的去噪方法可能对像素值本身造成的误差。结合二阶总广义变分的数学模型去设计目标函数,该算法首先估计出了每个像素点处的点扩散函数,使得优化目标变成了一个非盲反卷积的问题。其次,该算法较好地利用了二阶TGV模型能够自适应平衡一阶导数和二阶导数的优点,在去噪的同时有效保留了深度图像的边缘信息。该去噪算法的引入不仅提高了ToF深度图的质量,而且可以有效地提升后续融合算法的精度,为ToF-双目融合算法的进行打下基础。2.本文提出了一种基于脉冲型ToF与双目立体匹配融合的深度获取算法。该算法利用了ToF深度图像和ToF调制光强图的信息重新设计了匹配代价函数,使得立体匹配算法在弱纹理区域和重复纹理区域朝着可信的ToF深度值空间方向寻找匹配点,同时又提出了基于K最近邻的匹配代价聚合算法使立体匹配算法的精度进一步提高。在其他区域,本文结合了ToF深度图像和优化后立体匹配深度图的可信度函数,分别设计了基于可信度函数的权重函数,采用了一种基于权重的像素级深度融合算法,从而更好地获取场景高精度的深度图像。