CN105824027B - 光学测距方法与光学测距*** - Google Patents

Abstract

本发明公开了一种光学测距方法包含：基于一探测光线取得复数个感测数值；进行一筛选操作以自该复数个感测数值中选出复数个筛选后感测数值；根据该些筛选后感测数值来决定一重心位置；以及根据该重心位置与分别对应于复数个侦测点的复数个深度信息转换函数来计算对应于复数个侦测点的复数个深度信息。本发明还公开了一种与上述光学测距方法对应的光学测试***。本发明提供一种低储存装置需求与低硬件资源需求的深度信息演算方法，并可由少数个侦测点的重心位置，计算出多个侦测点分别对应的深度信息。另外，本发明也透过感测数值的筛选，来改善感测数值的可靠度，从而提升深度信息计算的准确度。

Description

光学测距方法与光学测距***

技术领域

本发明系关于光学测距，尤指一种具备感测数值筛选机制与低硬件资源需求的光学测距***与其相关光学测距方法。

背景技术

传统的测距***捕捉光线遇到障碍物时的反射，并分析反射产生的位置，来决定测距***与障碍物之间的距离，或者是说障碍物的深度。这是透过三角测距(triangulation)的数学方法，根据反射产生的位置去计算出障碍物的深度信息。在现今的应用中，光源往往是线光源而非是点光源，这样的好处是可以一次得到障碍物上多个点的深度信息，加速测距的进行。然而，由于测距***在进行深度信息计算时，通常是根据预设参数与量测数据来进行，障碍物上不同点的深度信息，需要搭配不同的预设参数来进行计算，如此一来，测距***需要大量的储存装置来记录对应于不同侦测点的预设参数，以及大量的硬件运算资源来根据默认参数进行计算。

发明内容

有鉴于此，本发明之一目的在于提供一种低储存装置需求与低硬件资源需求的深度信息演算方法，并可由少数个侦测点的重心位置，计算出多个侦测点分别对应的深度信息。另外，本发明也透过感测数值的筛选，来改善感测数值的可靠度，从而提升深度信息计算的准确度。

为实现上述目的，本发明提供一种光学测距方法，包含：基于一探测光线取得复数个感测数值；进行一筛选操作以自该复数个感测数值中选出复数个筛选后感测数值；根据该些筛选后感测数值来决定一重心位置；以及根据该重心位置与分别对应于复数个侦测点的复数个深度信息转换函数来计算出分别对应于复数个侦测点的复数个深度信息，其中该些深度信息转换函数基于复数个特定深度信息转换函数而被决定。

优选地，进行该筛选操作的步骤包含：根据该感测数值在一感测画面中的相对位置，其特征在于，自一特定范围内的感测数值来选出该些筛选后感测数值。

优选地，该些感测数值包含有复数个列的感测数值，以及进行该筛选操作的步骤包含：设定每一列的感测数值之一临界值，并且将该些感测数值与所在列的该临界值进行比较来选出该些筛选后感测数值。

优选地，设定该临界值的步骤包含：计算该列的感测数值中的一最大值；计算该列的感测数值的一平均值；以及依据该最大值与该平均值之平均来设定该临界值。

优选地，该些感测数值包含复数个列的感测数值，以及进行该筛选操作的步骤包含：设定每一列的感测数值之一信赖水平，并将该信赖水平与一最低信赖水平比较，选出该些筛选后感测数值。

优选地，设定该信赖水平的步骤包含：计算该列的感测数值中大于一临界值的感测数值的一总和值；计算该列的感测数值中低于该临界值的感测数值的一平均值；以及依据该总和值与该平均值间的一比值来决定该信赖水平。

优选地，另包含：设定一侦测点所对应之一深度信息转换函数，包含：依据复数个二阶多式来设定该深度信息转换函数。

优选地，另包含：设定每一侦测点所对应之一深度信息转换函数，包含：根据复数个特定侦测点所对应之复数个特定深度信息转换函数中之至少一者以及至少一加权系数，来决定每一个侦测点所对应之该深度信息转换函数。

此外，为实现上述目的，本发明还提供一种光学测距***，包含：一光学感测装置，用以基于一探测光线产生复数个感测数值；一筛选模块，耦接该光学感测装置，用以进行一筛选操作以自该复数个感测数值中选出复数个筛选后感测数值；一重心计算模块，耦接该筛选模块，用以根据该些筛选后感测数值计算出一重心位置；以及一深度信息计算模块，耦接该重心计算模块，并根据该重心位置与分别对应于复数个侦测点的复数个深度信息转换函数来计算出分别对应于该些侦测点的复数个深度信息，其中该复数个深度信息转换函数基于复数个特定深度信息转换函数而被决定。

优选地，该筛选模块根据该感测数值在一感测画面中的相对位置，自一特定范围内的感测数值来选出该些筛选后感测数值。

优选地，该些感测数值包含有复数个列的感测数值，以及该筛选模块设定每一列的感测数值之一临界值，并且将该些感测数值与所在列的该临界值进行比较来选出该些筛选后感测数值。

优选地，该筛选模块计算该列感测数值中的一最大值；计算该列感测数值的一平均值；以及依据该最大值与该平均值的一平均值来设定该临界值。

优选地，该些感测数值包含有复数个列的感测数值，以及该筛选模块计算每一列的感测数值之一信赖水平，并将该信赖水平与一最低信赖水平比较，选出该些筛选后感测数值。

优选地，该筛选模块计算该列的感测数值中大于一临界值的感测数值的一总和值；计算该列的感测数值中低于该临界值的感测数值的一平均值；以及依据该总和值与该平均值间的一比值来决定该信赖水平。

优选地，该深度信息计算模块依据复数个二阶多式来设定该些侦测点中之一侦测点的深度信息转换函数。

优选地，该深度信息计算模块根据复数个特定侦测点所对应之复数个特定深度信息转换函数中之至少一者以及至少一加权系数，来决定每一个侦测点所对应之该深度信息转换函数。

优选地，包含：于不同时间下取得复数个光感测数值；根据该些光感测数值分别决定一重心位置；以及根据该些重心位置与复数个深度信息转换函数来计算出对应该些重心位置的复数个深度信息。

优选地，该些深度信息转换函数为线性函数。

附图说明

图1A与图1B说明本发明之光学测距***的原理；

图2解释本发明如何用二阶方程式来逼近重心位置与深度信息之间的真实函数关系；

图3说明感测图像中线型影像的几何失真；

图4说明如何利用特定侦测点的深度信息转换函数来决定其余的侦测点的深度信息转换函数；

图5为本发明光学测距方法之一实施例的流程图；

图6为本发明光学测距***之一实施例的功能方块图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

首先，请参考图1A与图1B，该些图式说明本发明光学测距***100的原理。如图1A所示，光学测距***100会透过光源发出光线，当光线遇到障碍物200时便会发生反射现象，反射的光线会被光学测距***100的光学感测装置110所捕捉，从而产生感测画面。由于光源10可产生一线光源，因此光学感测装置110所捕捉到的感测画面F1在画面位置X₁处会有一条线型影像。在图1B中，由于测距***100与障碍物200之间的距离由Z₁变成Z₂，因此，光学感测装置110捕捉到的感测画面F2中，线型影像会出现在画面位置X₂处。由于光源10与水平线的夹角，还有与光学感测装置110之间的距离是已知的，所以只要透过三角测距法，便可根据线型影像的画面位置X₁与X₂，来决定光学测距***100与障碍物200之间的距离Z₁与Z₂(以下称之为深度信息)。

在本发明的流程中，在决定线型影像的重心位置(也就是前述的画面位置)之前，首先会先提升感测数值的可靠度，适当地排除不可靠的感测数值，这包含以下多种筛选方式。首先，在光学感测装置110取得一个感测画面后，本发明会先在感测画面中圈选适当的兴趣范围(region of interest)，只有在兴趣范围内的感测数值才会被选择，兴趣范围外的感测数值则被排除。这是因为光学测距***一般有使用上的限制，距离太远的障碍物无法测量其距离，这是因为光线强度有限，其反射不足以造成有效的感测数值。这也使得线型影像只会出现在感测画面的特定范围内。换言之，这个范围外的感测数值应该都是噪声或者是非光学测距***之光源所产生。透过兴趣范围的选择，这类的感测数值可被排除。

接着，本发明根据感测画面中每一列像素的感测数值，计算出每一列像素所对应的临界值。之后，比较该列上的每个像素的感测数值与临界值的关系，将小于临界值的感测数值视为噪声并予以排除，而大于临界值的感测数值则被保留，作为后续计算深度信息的数据。在一实施例中，一列像素的临界值可由该列所有像素的所有感测数值中的最大值S_MAX，以及该列像素所有感测数值的平均值S_AVG来决定，也就是临界值＝(S_MAX+S_AVG)/2。然而，这只是本发明中计算临界值的一种可能方式，并非本发明之限制。

接着，当前述的兴趣范围筛选与临界值筛选将噪声与感测数值进行筛选后，会进一步考虑每一列的感测数值的信赖水平(confidential level)，也就是说，强度不足的感测数值不予考虑(以一列像素为考虑单位)，如此一来可进一步排除不明确的感测数值。也就是说，部分感测数值可能在兴趣范围筛选与临界值筛选中未被认定为噪声，但是由于强度较弱，容易被画面中其他强度较强的噪声所干扰。为了提升感测数值的可靠度，透过信赖水平的筛选，把不明确的感测数值排除，并保留明确的感测数值。在一实施例中，信赖水平根据先前所决定的临界值来决定。如前所述，每一列像素的感测数值都有其所对应的临界值。因此，根据临界值，在对应于一列像素的感测数值中，大于临界值的感测数值会被加总，得到一个总和S_SUM，而小于临界值的感测数值会被平均，得到一个低值平均S_LAVG，而信赖水平则等于S_SUM/S_LAVG，当某一列的信赖水平低于一个预设的最低信赖水平临界值时，本发明会将该列的感测数值认定为不可信，如同在先前的临界值筛选一般，这些不可信的感测数值将被排除，且不被用来进行深度信息计算。透过以上的方式，将可得到一个或多个列的感测数值，根据这些感测数值，本发明决定一列像素(也就是一列侦测点)的重心位置，而透过列像素的重心位置可用来计算出每个侦测点分别与障碍物200之间的距离。

由于重心位置X_N与障碍物200之间的距离(深度)之间有一个函数关系。而这个函数关系一般来说可透过下方的M阶多项式来近似：

Z_N(x)＝K₁(X_N)^N+K₂(X_N)^(N-1)+…..K_M

理论上来说，多项式的阶数越高，则可以越逼近重心位置与障碍物深度之间的实际函数，但为了适当地控制硬件成本，多项式的阶数需要被适当控制。因此，本发明改使用线性方程式来近似这个函数。请参考图2，如图所示，原本须以高阶多项式来逼近的函数Z(x)，在本发明中改以两个线性方程式(二阶多项式)ZP(x)与ZN(x)来近似，当侦测到重心位置位在X₀～X₁之间时，则以多项式ZN(x)来计算深度信息，而当侦测到重心位置位在X₁～X₂之间时，则以多项式ZP(x)来计算深度信息，透过线性方程式进行二段逼近所得的深度信息转换函数Z’(x)可以下列方式来表示：

Z’(x)＝ZN(x),X₀<x<X₁；

Z’(x)＝ZP(x),X₁<x<X_2。

藉由这种方式，将可大幅降低内存所需储存的多项式系数数量，以及避免高阶多项式中关于高次方项次的复杂计算(需要较多的硬件资源)。另外，以上二阶多项式的使用数目只是范例说明，在其他实施例中，可以利用更多的二阶多项式来逼近实际函数(进行更多段逼近)。

另一方面来说，由于光学测距***100中的光学感测装置110系透过镜片来接收光线，而镜头在边缘通常存在几何失真，会造成感测画面中的线型影像并非理想的直线(如图3所示)。这样的失真会使得先前计算出的重心位置无法套用单一个深度信息转换函数，来计算出所有侦测点对应的深度信息(如果线型影像为理想直线则可)，因此，有必要针对每个侦测点决定各自所对应的深度信息转换函数。然而，若需纪录所有侦测点-所对应的深度信息转换函数，将需要相当可观的储存装置容量。为了降低所需的储存装置容量，本发明透过特定的侦测点所对应的深度信息转换函数，来近似出其余侦测点所对应的深度信息转换函数，请参考图4。

如图4所示，假设测距***包含有P₁～P₃₂₀共320个侦测点，其中本发明的光学测距***仅记录侦测点P₃₀、P₁₆₀以及P₂₉₀分别所对应的深度信息转换函数Z₃₀(x)、Z₁₆₀(x)与Z₂₉₀(x)(每一个Z₃₀(x)、Z₁₆₀(x)与Z₂₉₀(x)系基于上述的线性方程式二段逼近法所决定)，其余的侦测点所对应的深度信息转换函数则利用深度信息转换函数Z₃₀(x)、Z₁₆₀(x)与Z₂₉₀(x)以及相对应的加权系数来决定。

举例来说，侦测点P₁₀₀所对应的深度信息转换函数Z₁₀₀(x)，由其周围的侦测点P₃₀与P₁₆₀的深度信息转换函数来决定，并由下方加权计算来决定：

Z₁₀₀(x)＝w₀*Z₃₀(x)+w₁*Z₁₆₀(x)；

再者，在侦测点P₁₆₀与P₂₉₀之间的侦测点的深度信息转换函数则可由Z₁₆₀(x)与Z₂₉₀(x)进行加权计算所得。应当注意的是，在决定每个侦测点所对应的深度信息转换函数所使用的加权系数以及计算方法会随着侦测点位置而有所不同，例如在侦测点P₃₀左方之侦测点P₂₀所对应的深度信息转换函数Z₂₀(x)可为：

Z₂₀(x)＝w₃*Z₃₀(x)+w₄*Z₁₆₀(x)；

透过以上的技巧，将可大幅减少测距***所需的内存容量。并且，光学测距***中只需纪录少数几个特定深度信息转换函数，以及每个侦测点对应的加权系数。之后，再根据这些信息，便可逐一决定出每个侦测点的深度信息转换函数。接着，将重心位置分别代入至每个侦测点的深度信息转换函数中，就可以计算出每个侦测点与障碍物之间的距离。请注意，以上的范例并非本发明的限制。举例来说，在本发明的其他实施例中，可能会根据更多或更少的深度信息转换函数来近似每个侦测点的深度信息转换函数。

以上的流程可由图5所示的流程图来表示。首先，在步骤S11中，透过光学感测装置来取得感测数值。接着，在步骤S12中，进行感测数值的筛选，其中又包含了基于兴趣区域与临界值来个别筛选，以及基于信赖水平来逐列筛选。请注意，在本发明的不同实施例中，步骤S12有可能只会进行以上筛选中的一者，这样的好处在于可以加速测距的进行。在步骤S12进行后，可得到筛选后的感测数值，并接着在步骤S13中，根据筛选后的感测数值来决定一重心位置。最后，在步骤S14中，根据该重心位置，以及多个侦测点分别对应的深度信息转换函数来决定多个深度信息，其中该些深度信息转换函数由复数个特定深度信息转换函数中之一者以及至少一加权系数所决定。

在图5所示的流程中，由于对于感测数值的可靠度有着较高的要求，所以利用步骤S11与S12来排除不可靠的感测数值。然而，在本发明其他实施方式中，倘若使用了性能较佳的光学感测装置，可得到较为可靠的感测数值时，那么步骤S11与S12可以省略，并透过以下步骤来进行光学测距：

S21：于不同时间下取得复数个光感测数值

S22：根据该些光感测数值分别决定一重心位置

S23：根据该些重心位置与复数个深度信息转换函数来计算出对应该些重心位置的复数个深度信息。

其中，复数个深度信息转换函数依旧透过前述的线性函数逼近法来得到。

在本发明之一实施例中，另提供一种光学测距***，如图6所示。本发明之光学测距***100包含：一光学感测装置110、一筛选模块120、一重心计算模块130以及一深度信息计算模块140。请注意，在本发明之其他实施例中，光学测距***100可能不包含光学感测装置110，筛选模块120、重心计算模块130以及深度信息计算模块140可直接根据外部的光学感测装置所提供的感测数值来计算出深度信息。光学感测装置110可为一图像传感器(image sensor)，用以基于一探测光线(由内建于光学测距***100的光源10或者一外部光源所产生)产生复数个感测数值(每一个感测数值可为由图像传感器之每一个像素所读取到的讯号)。筛选模块120耦接光学感测装置110，用以进行一筛选操作以自该复数个感测数值中选出复数个筛选后感测数值。其中，筛选模块120可能进行前述的兴趣区域筛选，临界值筛选以及信赖水平筛选中的一种筛选或多种筛选。重心计算模块130耦接筛选模块120，用以根据该些筛选后感测数值计算出一重心位置。深度信息计算模块140耦接重心计算模块130，用以根据该重心位置与分别对应于复数个侦测点的复数个深度信息转换函数来计算复数个深度信息，其中该复数个深度信息转换函数基于复数个特定深度信息转换函数而被决定。由于以上操作细节及原理已于先前解释，因此在此不重复说明。

请注意，本发明中的光学测距方法与光学测距***中的步骤或者是模块可基于纯软件架构或纯硬件架构，或者是两者混合的架构来实现，例如：透过处理器来执行对应的软件、透过纯硬件电路，或者是透过两者的组合。其中，处理器可为通用处理器(general-purpose processor)，或者是如数字信号处理器(digital signal processor)之类的特定处理器。软件可能储存于计算机可读取媒体(例如：光驱(optical disk drive)、硬盘机(hard disk drive)、闪存(flash memory)、各种随机存取记体(random-access memory,RAM)、各种为只读记体(read-only memory,ROM)或者是任何可被处理器所辨别的储存装置)中，并且包含各种程序逻辑(programming logic)、指令，或者是用以实现本发明的必要数据。此外，在纯硬件电路的架构中，可能包含基于硬件逻辑(hard-wired logic)，可程序化逻辑(如：现场可程序逻辑门阵列(Field Programmable Gate Array,FPGA)或者是复杂可程序逻辑装置(Complex Programmable Logic Device,CPLD)、或者特殊应用集成电路(Application-specific integrated circuit,ASIC)所实现的特定电路。

由于本发明对于深度信息的计算进行相当多的简化，且不失其可靠度。因此可以有效地降低硬件需求。而且透过本发明的方法，在进行一次感测数值的撷取后，便可同时计算出多个侦测点的深度信息，加速了测距的进行。另外，由于本发明对于感测数值所进行多道的筛选，也在一定程度上确保了深度信息计算的准确度。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (14)

1.一种光学测距方法，其特征在于，包含：

基于一探测光线取得复数个感测数值；

进行一筛选操作以自该复数个感测数值中选出复数个筛选后感测数值；

根据该些筛选后感测数值来决定一重心位置；以及

根据该重心位置与分别对应于复数个侦测点的复数个深度信息转换函数来计算出分别对应于复数个侦测点的复数个深度信息，其中该些深度信息转换函数基于复数个深度信息转换函数而被决定；

所述该些深度信息转换函数基于复数个深度信息转换函数而被决定，具体包括：

依据复数个二阶多项式来设定该深度信息转换函数，或者，根据复数个侦测点所对应之复数个深度信息转换函数中之至少一者以及至少一加权系数，来决定每一个侦测点所对应之该深度信息转换函数。

2.如权利要求1所述的光学测距方法，其特征在于，进行该筛选操作的步骤包含：

根据该感测数值在一感测画面中的相对位置，其特征在于，自一范围内的感测数值来选出该些筛选后感测数值。

3.如权利要求1所述的光学测距方法，其特征在于，该些感测数值包含有复数个列的感测数值，以及进行该筛选操作的步骤包含：

设定每一列的感测数值之一临界值，并且将该些感测数值与所在列的该临界值进行比较来选出该些筛选后感测数值。

4.如权利要求3所述的光学测距方法，其特征在于，设定该临界值的步骤包含：

计算该列的感测数值中的一最大值；

计算该列的感测数值的一平均值；以及

依据该最大值与该平均值之平均来设定该临界值。

5.如权利要求1所述的光学测距方法，其特征在于，该些感测数值包含复数个列的感测数值，以及进行该筛选操作的步骤包含：

设定每一列的感测数值之一信赖水平，并将该信赖水平与一最低信赖水平比较，选出该些筛选后感测数值。

6.如权利要求5所述的光学测距方法，其特征在于，设定该信赖水平的步骤包含：

计算该列的感测数值中大于一临界值的感测数值的一总和值；

计算该列的感测数值中低于该临界值的感测数值的一平均值；以及

依据该总和值与该平均值间的一比值来决定该信赖水平。

7.一种光学测距***，其特征在于，包含：

一光学感测装置，用以基于一探测光线产生复数个感测数值；

一筛选模块，耦接该光学感测装置，用以进行一筛选操作以自该复数个感测数值中选出复数个筛选后感测数值；

一重心计算模块，耦接该筛选模块，用以根据该些筛选后感测数值计算出一重心位置；以及

一深度信息计算模块，耦接该重心计算模块，并根据该重心位置与分别对应于复数个侦测点的复数个深度信息转换函数来计算出分别对应于该些侦测点的复数个深度信息，其中该复数个深度信息转换函数基于复数个深度信息转换函数而被决定；

该深度信息计算模块依据复数个二阶多式来设定该些侦测点中之一侦测点的深度信息转换函数；

或者，

该深度信息计算模块根据复数个侦测点所对应之复数个深度信息转换函数中之至少一者以及至少一加权系数，来决定每一个侦测点所对应之该深度信息转换函数。

8.如权利要求7所述的光学测距***，其特征在于，该筛选模块根据该感测数值在一感测画面中的相对位置，自一范围内的感测数值来选出该些筛选后感测数值。

9.如权利要求7所述的光学测距***，其特征在于，该些感测数值包含有复数个列的感测数值，以及该筛选模块设定每一列的感测数值之一临界值，并且将该些感测数值与所在列的该临界值进行比较来选出该些筛选后感测数值。

10.如权利要求9所述的光学测距***，其特征在于，该筛选模块计算该列感测数值中的一最大值；计算该列感测数值的一平均值；以及依据该最大值与该平均值的一平均值来设定该临界值。

11.如权利要求7所述的光学测距***，其特征在于，该些感测数值包含有复数个列的感测数值，以及该筛选模块计算每一列的感测数值之一信赖水平，并将该信赖水平与一最低信赖水平比较，选出该些筛选后感测数值。

12.如权利要求11所述的光学测距***，其特征在于，该筛选模块计算该列的感测数值中大于一临界值的感测数值的一总和值；计算该列的感测数值中低于该临界值的感测数值的一平均值；以及依据该总和值与该平均值间的一比值来决定该信赖水平。

13.一种光学测距方法，其特征在于，包含：

于不同时间下取得复数个光感测数值；

根据该些光感测数值分别决定一重心位置；以及

根据该些重心位置与复数个深度信息转换函数来计算出对应该些重心位置的复数个深度信息；

所述该些深度信息转换函数基于复数个深度信息转换函数而被决定，具体包括：

依据复数个二阶多项式来设定该深度信息转换函数，或者，根据复数个侦测点所对应之复数个深度信息转换函数中之至少一者以及至少一加权系数，来决定每一个侦测点所对应之该深度信息转换函数。

14.如权利要求13所述的光学测距方法，其特征在于，该些深度信息转换函数为线性函数。