CN114299016B - 深度图检测装置、方法、***及存储介质 - Google Patents
深度图检测装置、方法、***及存储介质 Download PDFInfo
- Publication number
- CN114299016B CN114299016B CN202111631715.3A CN202111631715A CN114299016B CN 114299016 B CN114299016 B CN 114299016B CN 202111631715 A CN202111631715 A CN 202111631715A CN 114299016 B CN114299016 B CN 114299016B
- Authority
- CN
- China
- Prior art keywords
- depth map
- depth
- hollow
- cone
- shell
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000013139 quantization Methods 0.000 claims abstract description 6
- 241000237942 Conidae Species 0.000 claims description 41
- 239000000758 substrate Substances 0.000 claims description 38
- 238000004458 analytical method Methods 0.000 claims description 26
- 238000005070 sampling Methods 0.000 claims description 16
- 239000013598 vector Substances 0.000 claims description 16
- 238000005211 surface analysis Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 9
- 230000000295 complement effect Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 4
- 230000008447 perception Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000013441 quality evaluation Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明实施例涉及深度感知技术领域,公开了一种深度图检测方法,包括:利用待测深度相机获取深度图检测装置的三角形开口一侧的深度图;获取深度图中空心半圆锥壳的平面精准度和/或深度精准度;根据空心半圆锥壳的平面精准度和/或深度精准度确定待测深度相机的性能量化结果。本发明中深度图检测装置、方法、***及存储介质,提供了一种定量衡量深度相机获取的深度图质量优劣的方法,客观准确。
Description
技术领域
本发明实施例涉及深度感知技术领域,特别涉及一种深度图检测装置、方法、***及存储介质。
背景技术
深度感知技术一直是计算机视觉领域的重要技术前提,其获得的深度图包含了三维场景信息,广泛应用于三维重建、人脸识别和无人驾驶等技术领域。因此,追求质量较高的深度图在深度感知技术中尤为重要。目前对深度相机生成的深度图质量的评价仍停留在主观评价阶段,缺乏定量衡量深度图质量的优劣的深度图检测方法。
发明内容
本发明实施方式的目的在于提供一种深度图检测装置、方法、***及存储介质,提供了一种定量衡量深度相机获取的深度图质量优劣的方法,客观准确。
为解决上述技术问题,本发明的实施方式提供了一种深度图检测装置,包括基板,所述基板包括三角形开口;连接于所述基板的空心半圆锥壳,所述空心半圆锥壳围成的凹陷区域与所述三角形开口连通,所述空心半圆锥壳的内侧壁在所述基板上的正投影与所述三角形开口重合。
另外,还包括:位于所述基板上、且围绕所述三角形开口设置的垂直连接部,所述垂直连接部连接所述基板和所述空心半圆锥壳;所述空心半圆锥壳连接所述垂直连接部的连接面在所述基板上的正投影、与所述垂直连接部在所述基板上的正投影重合,所述垂直连接部在垂直于所述基板的方向上具有厚度n,所述n大于0。
本发明的实施方式还提供了一种深度图检测方法,包括:利用待测深度相机获取如上述深度图检测装置的所述三角形开口一侧的深度图;获取所述深度图中所述空心半圆锥壳的平面精准度和/或深度精准度;根据所述空心半圆锥壳的平面精准度和/或深度精准度确定所述待测深度相机的性能量化结果。
另外,所述获取所述深度图中所述空心半圆锥壳的平面精准度包括:获取所述深度图中所述空心半圆锥壳的面解析精度,所述面解析精度表征所述待测深度相机在平面上的检测精度;所述获取所述深度图中所述空心半圆锥壳的面解析精度,包括:确定所述空心半圆锥壳在所述深度图中沿所述半圆锥壳高度方向上的中线;确定所述中线的长度与所述空心半圆锥壳的真实高度的差值;根据所述差值、所述空心半圆锥壳的真实高度和所述空心半圆锥壳的真实底面半径计算所述面解析精度。
另外,在计算所述体解析精度之前,还包括:确定所述深度图检测装置的所述空心半圆锥壳在所述深度图中沿所述空心半圆锥壳高度方向上的中线判断所述中线的长度是否大于所述空心半圆锥壳的真实高度的一半;若大于,则根据所述深度图计算所述体解析精度。
另外,所述获取所述深度图中所述空心半圆锥壳的平面精准度包括:获取所述深度图中所述空心半圆锥壳的圆锥径向精准度,所述圆锥径向精准度表征所述待测深度相机在垂直于所述空心半圆锥壳的圆锥轴的径向方向上的检测长度的精准度;所述获取所述深度图中所述空心半圆锥壳的圆锥径向精准度,包括:确定所述空心半圆锥壳的内轮廓线在所述深度图中的闭合投影曲线;确定所述闭合投影曲线沿垂直于所述空心半圆锥壳的高度方向上的长度与所述内轮廓线沿垂直于所述空心半圆锥壳的高度方向上的实际长度的比值;根据所述比值确定所述圆锥径向精准度。
另外,所述获取所述深度图中所述空心半圆锥壳的深度精准度包括:获取所述深度图中所述空心半圆锥壳的体解析精度,所述体解析精度表征所述待测深度相机在深度方向上的检测精度;所述获取所述深度图中所述空心半圆锥壳的体解析精度,包括:确定所述空心半圆锥壳在所述深度图中沿所述半圆锥壳高度方向上的中线;在所述中线上间隔预设距离确定多个取样点;确定所述多个取样点中每个取样点的深度值的标准差,得到多个标准差;根据所述多个标准差以及所述待测深度相机的处理精度确定所述体解析精度。
另外,所述获取所述深度图中所述空心半圆锥壳的体解析精度之前,还包括:确定所述空心半圆锥壳在所述深度图中沿所述半圆锥壳高度方向上的中线;判断所述中线的长度是否大于所述空心半圆锥壳的真实高度的一半;若大于,则获取所述深度图中所述空心半圆锥壳的体解析精度。
另外,所述获取所述深度图中所述空心半圆锥壳的深度精准度包括:获取所述深度图中所述空心半圆锥壳的圆锥法向精准度,所述圆锥法向精准度表征所述待测深度相机在垂直于所述空心半圆锥壳体上的法向精准度;所述获取所述深度图中所述空心半圆锥壳的圆锥法向精准度,包括:根据所述空心半圆锥壳在所述深度图中的深度点云数据求取法向矢量并归一化;计算所有归一化后的法向矢量与所述空心半圆锥壳的中心线向量的夹角;确定所述空心半圆锥壳在深度图中的半锥角的余角;以所述余角为中心作正态分布统计,统计所有夹角的值落在概率为0.683、0.954、0.9973时的半径;根据所述半径计算所述圆锥法向精准度。
本发明的实施方式还提供了一种深度相机检测***包括:测试平台,位于所述测试平台上的深度图检测装置,其中,所述深度图检测装置包括基板以及与所述基板连接的半圆锥壳,所述深度图检测装置包括相对设置的凸起侧和凹陷侧;连接待测深度相机的检测装置,所述检测装置包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述深度图检测方法。
本发明的实施方式还提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现上述深度图检测方法。
本发明实施方式提供了一种深度图检测方法,提供统一的深度图检测装置用于测试深度相机的质量,深度图检测装置包括基板以及与基板连接的空心半圆锥壳,深度图检测装置包括相对设置的凸起侧和凹陷侧,因此可利用待测深度相机获取深度图检测装置凹陷侧的深度图,从而根据深度图来获取深度图中空心半圆锥壳的平面精准度和/或深度精准度,以空心半圆锥壳的平面精准度和/或深度精准度来衡量深度图质量优劣,实现了定量衡量深度图质量优劣的方法,客观准确,从而能够得知深度待测深度相机的优劣。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是根据本发明实施方式的深度图检测方法的流程示意图;
图2是根据本发明深度图检测装置的正面视图;
图3是根据本发明深度图检测装置的背面视图;
图4是根据本发明深度图检测装置的左视图;
图5是根据本发明实施方式的深度图检测方法中计算面解析精度的流程示意图;
图6是根据本发明实施方式中根据深度图的计算面解析精度的示例图;
图7是根据本发明实施方式的深度图检测方法中计算圆锥径向精准度的流程示意图;
图8是根据本发明实施方式中根据深度图的计算圆锥径向精准度的示例图;
图9是根据本发明实施方式的深度图检测方法中计算体解析精度的流程示意图;
图10是根据本发明实施方式的深度图检测方法中计算圆锥法向精准度的流程示意图;
图11是根据本发明实施方式中深度图检测***中检测装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。
为了应对于***式增长的3D视觉识别需求,已经涌现出众多深度相机,但是深度相机的优劣判断,批量生产时对深度图质量的把控,各家都有不同的标准,纷繁参杂,目前很多厂家欲统一深度相机的深度图指标的评价体系。
目前常见的深度图检测方法,有计算平面误差的、拟合人模点云、拟合特定模型的,也都在一定程度上从某个角度表现了深度图质量的好坏,但是缺乏从辨识能力上维度上的指标项,描述模型特征也较为浅层。比如人模点云拟合,基本的思想都是统计深度图转出的点云数据与GT人脸点云数据进行配准,统计所有点云匹配的欧式误差。这虽然能从一定程度上反映深度图人脸质量,但是很难说其具有强相关,匹配误差小的就能够辨别人脸细节,比如鼻子、眼睛、脸颊等。另外统计的配准误差,只是反映了点云是不是绝对真实的,并不具备深层次的特征,其混杂了各种误差,无法细致分析具体是为何导致的以及其带来的影响,对于应用来说其它项带来的影响才值得分析。又比如在无人驾驶层面,深度图作为AI智能驾驶的一个重要输入,如果在生产检测中没有将无法辨识某些特征、描述特征的能力差的深度相机剔除,那么对于AI深度学习模型的深度特征便无法用到(因为其输入的深度图便不行)。
针对于上述技术问题,本发明的实施方式首先提供了一种深度图检测装置,如图1和2所示,包括基板1,基板1包括三角形开口;连接于基板1的空心半圆锥壳2,空心半圆锥壳2围成的凹陷区域与三角形开口连通,空心半圆锥壳2的内侧壁在基板1上的正投影与三角形开口重合。
具体地说,深度图检测装置包括基板1以及与基板1连接的空心半圆锥壳2,深度图检测装置包括相对设置的凸起侧A和凹陷侧B,其中凹陷侧B和三角形开口一侧属于同一侧。可利用该深度图检测装置用于测试深度相机的质量。其中,在半圆锥曲面设计时,半圆锥曲面的半径一般是母线长度的1/8。
可选地,如图3所示,深度图检测装置还包括:位于基板1上、且围绕三角形开口设置的垂直连接部3,垂直连接部3连接基板1和空心半圆锥壳3;空心半圆锥壳2连接垂直连接部3的连接面在基板1上的正投影、与垂直连接部在3基板1上的正投影重合,垂直连接部3在垂直于基板1的方向上具有厚度n,n大于0。
具体地说,基板1以及半圆锥壳2之间还设有垂直连接部3,半圆锥壳2和垂直连接部3之间由图中虚线进行划分,沿虚线对半圆锥壳2进行剖切后得到的切面。垂直连接部3连接基板1与半圆锥壳2,垂直连接部3在垂直于基板1表面具有厚度n,这样避免了半圆锥壳2直接与基板1连接,本实施例中设置垂直连接部3作为缓冲,垂直连接部3在垂直于基板1表面的厚度足够大才能完全在深度图上区分开半圆锥面区域和基板区域。
上述实施例供了统一的深度图检测装置用于测试深度相机的质量。
为了丰富和完善深度图的质量评价体系,更为科学地衡量深度图质量,从而更为客观、准确地衡量深度相机的质量。本发明提出一种深度图检测方法,其从诸多维度衡量了深度图的质量水平。
本发明的实施方式涉及一种深度图检测方法,本实施方式的核心在于包括:包括:利用待测深度相机获取如上述深度图检测装置的三角形开口一侧的深度图;获取深度图中空心半圆锥壳的平面精准度和/或深度精准度;根据空心半圆锥壳的平面精准度和/或深度精准度确定待测深度相机的性能量化结果。
提供统一的深度图检测装置用于测试深度相机的质量,深度图检测装置包括基板以及与基板连接的空心半圆锥壳,深度图检测装置包括相对设置的凸起侧和凹陷侧,因此可利用待测深度相机获取深度图检测装置凹陷侧的深度图,从而根据深度图来获取深度图中空心半圆锥壳的平面精准度和/或深度精准度,以空心半圆锥壳的平面精准度和/或深度精准度来衡量深度图质量优劣,实现了定量衡量深度图质量优劣的方法,客观准确,从而能够得知深度待测深度相机的优劣。
下面对本实施方式的深度图检测方法的实现细节进行具体的说明,以下内容仅为方便理解提供的实现细节,并非实施本方案的必须。
本实施方式中的深度图检测方法的流程示意图如图4所示:
步骤S1:利用待测深度相机获取上述深度图检测装置的三角形开口一侧的深度图。
参见图1所示,可利用待测深度相机获取深度图检测装置的三角形开口一侧,即凹陷侧B的深度图,后续根据获取到的深度图来进行计算。采集深度图检测装置图像时,将深度图检测装置放置在深度相机正前方,使用深度相机采集深度图检测装置凹陷侧B的深度图。
步骤S2:获取深度图中空心半圆锥壳的平面精准度和/或深度精准度。
步骤S3:根据空心半圆锥壳的平面精准度和/或深度精准度确定待测深度相机的性能量化结果。
本实施方式中根据深度图来计算空心半圆锥壳的平面精准度和/或深度精准度,以空心半圆锥壳的平面精准度和/或深度精准度来衡量深度图质量优劣,实现了定量衡量深度图质量优劣的方法,客观准确。同时根据空心半圆锥壳的平面精准度和/或深度精准度确定待测深度相机的性能量化结果,完成对待测深度相机的质量评价。
本发明实施例中深度图检测装置组成虽简单,但测试的指标项可包括多个,平面精准度和/或深度精准度,平面精准度例如:辨识维度上的面解析精度、特定模型的深层次特征衡量指标圆锥径向准确度;深度精准度例如:辨识维度上的体解析精度、特定模型的深层次特征衡量指标圆锥法向准度。
下面结合附图1和3对平面精准度和深度精准度进行具体说明:
(1)平面精准度至少包括:面解析精度,面解析精度表征待测深度相机在平面上的检测精度,计算面解析精度的过程如图5所示:
步骤S11:确定空心半圆锥壳在深度图中沿半圆锥壳高度方向上的中线。
步骤S12:确定中线的长度与空心半圆锥壳的真实高度的差值。
步骤S13:根据差值、空心半圆锥壳的真实高度和空心半圆锥壳的真实底面半径计算面解析精度。
面解析精度衡量的是待测深度相机能够辨识其面方向上细小差异的能力,即待测深度相机在平面上的检测精度,从面方向上看,由于深度图检测装置的空心半圆锥壳2形成凹陷,因此,基板1所在平面与半圆锥壳2的凹陷之前存在深度差,因此如何获取深度图检测装置的伪彩图理论上可以看到完整的三角形(对应深度图检测装置的空心半圆锥壳2所在区域),但是深度相机很难完全清晰分辨地清楚,因此,深度图中会显现出到三角形的某处深度便连接在一体等情形,无法辨别出三角形细小处。例如图6所示,图中虚线所示的三角形区域为理论上深度图检测装置的空心半圆锥壳2在深度图中所形成的区域,图中类似梯形的区域为示例深度图检测装置的空心半圆锥壳2在深度图实际拍摄所得到的区域。
确定深度图检测装置的空心半圆锥壳2在深度图中沿半圆锥壳2高度方向上的中线L1,中线L1是半圆锥壳2最远处的母线的深度在XY所在平面上的投影,确定中线L1的长度与半圆锥壳2的真实高度的差值d,根据差值d、半圆锥壳2的真实高度h和半圆锥壳2的底面半径r计算面解析精度。假设面解析精度为Axy,半圆锥壳2的真实高度为h,半圆锥壳2的底面半径为r,则三角形的面解析精度可通过以下公式(1)确定:
Axy=d*2r/h (1)
(2)平面精准度还包括:圆锥径向精准度,圆锥径向精准度表征待测深度相机在垂直于空心半圆锥壳的圆锥轴的径向方向上的检测长度的精准度,计算圆锥径向精准度的过程如图7所示:
步骤S21:确定空心半圆锥壳的内轮廓线在深度图中的闭合投影曲线。
步骤S22:确定闭合投影曲线沿垂直于空心半圆锥壳的高度方向上的长度与内轮廓线沿垂直于空心半圆锥壳的高度方向上的实际长度的比值。
步骤S23:根据比值确定圆锥径向精准度。
具体地说,如图8所示,圆锥径向精准度衡量的是深度图中所拍摄到的半圆锥点云的径向准确度,即待测深度相机在垂直于空心半圆锥壳的圆锥轴的径向方向上的检测长度的精准度。此指标作为积分量,更能描述特征。确定半圆锥壳2的内轮廓线C1在深度图中的闭合投影曲线C2,该闭合投影曲线C2是类三角形或类梯形(因为圆锥曲面深度不同,转成点云不是完整的三角形),确定闭合投影曲线C2沿垂直于半圆锥壳高度方向上的测量长度LG,以及轮廓线C1沿垂直于半圆锥壳高度方向上的实际长度LT,计算测量长度LG与实际长度LT的比值LT/LG。若对X方向上所有列均测量该比值,则圆锥径向精准度为所有比值的均值。该比值越接近于1,则表明该待测深度相机的圆锥点云径向准确度更高。
需要说明的是,在实际应用中获取深度图中空心半圆锥壳的平面精准度,可单独获取深度图中空心半圆锥壳的面解析精度、或者,深度图中空心半圆锥壳的圆锥径向精准度、或者,同时获取深度图中空心半圆锥壳的面解析精度和圆锥径向精准度。
(3)深度精准度还包括:体解析精度,体解析精度表征待测深度相机在深度方向上的检测精度,计算体解析精度的过程如图9所示:
步骤S31:确定空心半圆锥壳在深度图中沿半圆锥壳高度方向上的中线。
步骤S32:在中线上间隔预设距离确定多个取样点。
步骤S33:确定多个取样点中每个取样点的深度值的标准差,得到多个标准差。
步骤S34:根据多个标准差以及待测深度相机的处理精度确定体解析精度。
具体地说,体解析精度衡量的是深度相机能够辨识其景深方向上的细小变化的能力,从面方向上看,如图9所示,中线L1是圆锥最远处的母线的深度在XY所在平面上的投影,对该中线L1每隔一定间隔Δp取样点,间隔的预设距离按照指标卡控的要求来定,预设距离Δp通过以下公式(2)获取:
Δp=f*Δm/TD (2)
其中,Δp为预设距离、f为待测深度相机的焦距、TD为待测深度相机的景深、Δm为待测深度相机在景深为TD时的处理精度,比如要求待测深度相机在景深TD为300毫米处的处理精度Δm=2毫米的变化能力。
得到取样点后,统计每个取样点的深度值得到深度值集合,根据改变深度值集合中的所有深度值求取每个取样点对应的标准差std,判断每个取样点对应的标准差的是否小于处理精度Δm。若有一处取样点的标准差小于处理精度Δm,则认为该待测深度相机获取的深度图不能辨别处理精度Δm的细小变化;反之,若所有取样点的标准差均大于或等于处理精度Δm,则认为该待测深度相机获取的深度图能够辨别处理精度Δm的细小变化。
可选地,获取深度图中空心半圆锥壳的体解析精度之前,还包括:确定空心半圆锥壳在深度图中沿半圆锥壳高度方向上的中线;判断中线的长度是否大于空心半圆锥壳的真实高度的一半;若大于,则获取深度图中空心半圆锥壳的体解析精度。
具体地说,如果面解析精度十分差,导致几乎完全看不见三角形(对应深度图检测装置的所述空心半圆锥壳2所在区域)时,测量体解析精度意义便不大了。因此,在计算体解析精度之前,先判断判断中线L1的长度是否大于半圆锥壳2的真实高度的一半;若大于,则根据深度图计算体解析精度。也就是说,要求深度图中对应深度图检测装置的空心半圆锥壳2所在区域至少一半能够看清楚,再来计算体解析精度,可减少测试时间,降低测试成本。
(4)深度精准度还包括:圆锥法向精准度,圆锥法向精准度表征待测深度相机在垂直于空心半圆锥壳体上的法向精准度,计算圆锥法向精准度的过程如图10所示:
步骤S41:根据空心半圆锥壳在深度图中的深度点云数据求取法向矢量并归一化。
步骤S42:计算所有归一化后的法向矢量与空心半圆锥壳的中心线向量的夹角。
步骤S43:确定空心半圆锥壳在深度图中的半锥角的余角。
步骤S44:以余角为中心作正态分布统计,统计所有夹角的值落在概率为0.683、0.954、0.9973时的半径。
步骤S45:根据半径计算圆锥法向精准度。
具体地说,圆锥法向精准度衡量的是深度图中所拍摄到的圆锥点云的法向特征集中度,即表征待测深度相机在垂直于空心半圆锥壳体上的法向精准度。法线作为高阶量更能描述深度特征。理论上其半圆锥曲面的单位法向量是相同的,根据深度图检测装置的半圆锥壳2在深度图中的深度点云数据计算点云的法线矢量并归一化。计算所有归一化后的法向量m与半圆锥壳2的中心线向量L的夹角,具体,根据两者的向量机求求得两者夹角θ=m*L。半圆锥壳在深度图中投影形成半圆锥面(呈类三角形),半圆锥面上底边所在角为半锥角,计算半锥角的余角大小。以余角的值为中心作正态分布统计,统计所有夹角的值落在概率为0.683、0.954、0.9973时的半径,假设统计所有夹角的值落在概率为0.683、0.954、0.9973时的半径为r1,r2,r3,则圆锥法向精准度AN的值计算方式为:也可选择更多个观测点,则圆锥法向精准度AN的值计算方式为实际上n=3便已足够。
需要说明的是,在实际应用中获取深度图中空心半圆锥壳的深度精准度时,可单独获取深度图中空心半圆锥壳的体解析精度、或者,深度图中空心半圆锥壳的圆锥法向精准度、或者,同时获取深度图中空心半圆锥壳的体解析精度和圆锥法向精准度。
本发明实施方式中提供了一种深度图检测方法,完善了深度图的质量评价体系,能够统一测量方法、定量的衡量深度图质量的好坏程度,对于评价体系理论研究,以及实际相机生产检测、质量把控具有重要意义。本方案中给出了从四种尺度衡量的指标,包括衡量面方向上细小差异辨识能力的面解析精度、衡量景深方向上细小变化辨识能力的体解析精度、衡量圆锥点云法向量集中度的圆锥法向精准度,具有微分特性、衡量圆锥点云径向准确度的圆锥径向精准度,具有积分特性。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包括相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
本发明施方式还涉及一种深度相机检测***,包括:测试平台,位于测试平台上的深度图检测装置,其中,深度图检测装置包括基板以及与基板连接的空心半圆锥壳,深度图检测装置包括相对设置的凸起侧和凹陷侧;连接待测深度相机的检测装置,检测装置如图10所示,包括至少一个处理器301;以及,与至少一个处理器301通信连接的存储器302;其中,存储器302存储有可被至少一个处理器301执行的指令,指令被至少一个处理器301执行,以使至少一个处理器301能够执行上述的深度图检测方法。
其中,存储器302和处理器301采用总线方式连接,总线可以包括任意数量的互联的总线和桥,总线将一个或多个处理器301和存储器302的各种电路连接在一起。总线还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路连接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件,也可以是多个元件,比如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。经处理器301处理的数据通过天线在无线介质上进行传输,进一步,天线还接收数据并将数据传送给处理器301。
处理器301负责管理总线和通常的处理,还可以提供各种功能,包括定时、***接口、电压调节、电源管理以及其他控制功能。而存储器302可以被用于存储处理器301在执行操作时所使用的数据。
本发明的实施方式还提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现上述深度图检测方法。
即,本领域技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (10)
1.一种深度图检测装置,其特征在于,包括基板,所述基板包括三角形开口;连接于所述基板的空心半圆锥壳,所述空心半圆锥壳围成的凹陷区域与所述三角形开口连通,所述空心半圆锥壳的内侧壁在所述基板上的正投影与所述三角形开口重合。
2.根据权利要求1所述的深度图检测装置,其特征在于,还包括:位于所述基板上、且围绕所述三角形开口设置的垂直连接部,所述垂直连接部连接所述基板和所述空心半圆锥壳;
所述空心半圆锥壳连接所述垂直连接部的连接面在所述基板上的正投影、与所述垂直连接部在所述基板上的正投影重合,所述垂直连接部在垂直于所述基板的方向上具有厚度n,所述n大于0。
3.一种深度图检测方法,其特征在于,包括:
利用待测深度相机获取如上述权利要求1或2所述的深度图检测装置的所述三角形开口一侧的深度图;其中,所述三角形开口一侧与所述空心半圆锥壳分别位于所述基板的不同侧;
获取所述深度图中所述空心半圆锥壳的平面精准度和/或深度精准度;
根据所述空心半圆锥壳的平面精准度和/或深度精准度确定所述待测深度相机的性能量化结果。
4.根据权利要求3所述的深度图检测方法,其特征在于,所述获取所述深度图中所述空心半圆锥壳的平面精准度包括:获取所述深度图中所述空心半圆锥壳的面解析精度,所述面解析精度表征所述待测深度相机在平面上的检测精度;
所述获取所述深度图中所述空心半圆锥壳的面解析精度,包括:
确定所述空心半圆锥壳在所述深度图中沿所述半圆锥壳高度方向上的中线;
确定所述中线的长度与所述空心半圆锥壳的真实高度的差值;
根据所述差值、所述空心半圆锥壳的真实高度和所述空心半圆锥壳的真实底面半径计算所述面解析精度。
5.根据权利要求3所述的深度图检测方法,其特征在于,所述获取所述深度图中所述空心半圆锥壳的平面精准度包括:获取所述深度图中所述空心半圆锥壳的圆锥径向精准度,所述圆锥径向精准度表征所述待测深度相机在垂直于所述空心半圆锥壳的圆锥轴的径向方向上的检测长度的精准度;
所述获取所述深度图中所述空心半圆锥壳的圆锥径向精准度,包括:
确定所述空心半圆锥壳的内轮廓线在所述深度图中的闭合投影曲线;
确定所述闭合投影曲线沿垂直于所述空心半圆锥壳的高度方向上的长度与所述内轮廓线沿垂直于所述空心半圆锥壳的高度方向上的实际长度的比值;
根据所述比值确定所述圆锥径向精准度。
6.根据权利要求3所述的深度图检测方法,其特征在于,所述获取所述深度图中所述空心半圆锥壳的深度精准度包括:获取所述深度图中所述空心半圆锥壳的体解析精度,所述体解析精度表征所述待测深度相机在深度方向上的检测精度;
所述获取所述深度图中所述空心半圆锥壳的体解析精度,包括:
确定所述空心半圆锥壳在所述深度图中沿所述半圆锥壳高度方向上的中线;
在所述中线上间隔预设距离确定多个取样点;
确定所述多个取样点中每个取样点的深度值的标准差,得到多个标准差;
根据所述多个标准差以及所述待测深度相机的处理精度确定所述体解析精度。
7.根据权利要求6所述的深度图检测方法,其特征在于,所述获取所述深度图中所述空心半圆锥壳的体解析精度之前,还包括:
确定所述空心半圆锥壳在所述深度图中沿所述半圆锥壳高度方向上的中线;
判断所述中线的长度是否大于所述空心半圆锥壳的真实高度的一半;
若大于,则获取所述深度图中所述空心半圆锥壳的体解析精度。
8.根据权利要求3所述的深度图检测方法,其特征在于,所述获取所述深度图中所述空心半圆锥壳的深度精准度包括:获取所述深度图中所述空心半圆锥壳的圆锥法向精准度,所述圆锥法向精准度表征所述待测深度相机在垂直于所述空心半圆锥壳体上的法向精准度;
所述获取所述深度图中所述空心半圆锥壳的圆锥法向精准度,包括:
根据所述空心半圆锥壳在所述深度图中的深度点云数据求取法向矢量并归一化;
计算所有归一化后的法向矢量与所述空心半圆锥壳的中心线向量的夹角;
确定所述空心半圆锥壳在深度图中的半锥角的余角;
以所述余角为中心作正态分布统计,统计所有夹角的值落在概率为0.683、0.954、0.9973时的半径;
根据所述半径计算所述圆锥法向精准度。
9.一种深度图检测***,其特征在于,包括:测试平台,位于所述测试平台上的如上述权利要求1或2所述的深度图检测装置;
连接待测深度相机的检测装置,所述检测装置包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求3至8中任一所述的深度图检测方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求3至8中任一所述的深度图检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111631715.3A CN114299016B (zh) | 2021-12-28 | 2021-12-28 | 深度图检测装置、方法、***及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111631715.3A CN114299016B (zh) | 2021-12-28 | 2021-12-28 | 深度图检测装置、方法、***及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114299016A CN114299016A (zh) | 2022-04-08 |
CN114299016B true CN114299016B (zh) | 2023-01-10 |
Family
ID=80971211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111631715.3A Active CN114299016B (zh) | 2021-12-28 | 2021-12-28 | 深度图检测装置、方法、***及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114299016B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108122277A (zh) * | 2016-11-28 | 2018-06-05 | 华为技术有限公司 | 一种建模方法及装置 |
CN111680574A (zh) * | 2020-05-18 | 2020-09-18 | 北京的卢深视科技有限公司 | 一种人脸检测方法、装置、电子设备和存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06216163A (ja) * | 1992-12-09 | 1994-08-05 | Eastman Kodak Co | 電荷結合素子 |
CN103002306B (zh) * | 2012-11-27 | 2015-03-18 | 宁波大学 | 一种深度图像编码方法 |
CN108230384B (zh) * | 2017-11-28 | 2021-08-24 | 深圳市商汤科技有限公司 | 图像深度计算方法、装置、存储介质和电子设备 |
CN110544233B (zh) * | 2019-07-30 | 2022-03-08 | 北京的卢深视科技有限公司 | 基于人脸识别应用的深度图像质量评价方法 |
CN112394523A (zh) * | 2019-08-19 | 2021-02-23 | 上海鲲游光电科技有限公司 | 匀光元件及其随机规则制造方法和***以及电子设备 |
CN112985772B (zh) * | 2021-02-04 | 2023-08-11 | Oppo广东移动通信有限公司 | 深度图检测装置、方法、电子设备和计算机可读存储介质 |
CN112802093B (zh) * | 2021-02-05 | 2023-09-12 | 梅卡曼德(北京)机器人科技有限公司 | 对象抓取方法及装置 |
-
2021
- 2021-12-28 CN CN202111631715.3A patent/CN114299016B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108122277A (zh) * | 2016-11-28 | 2018-06-05 | 华为技术有限公司 | 一种建模方法及装置 |
CN111680574A (zh) * | 2020-05-18 | 2020-09-18 | 北京的卢深视科技有限公司 | 一种人脸检测方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114299016A (zh) | 2022-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112818988B (zh) | 一种指针式仪表自动识别读数方法及*** | |
CN110322702B (zh) | 一种基于双目立体视觉***的车辆智能测速方法 | |
CN110866079B (zh) | 一种智慧景区实景语义地图的生成与辅助定位方法 | |
CN106529559A (zh) | 一种指针式圆形多仪表盘实时读数识别方法 | |
CN105139384B (zh) | 缺陷胶囊检测的方法和装置 | |
CN110930382A (zh) | 基于标定板特征点提取的点云拼接精度评估方法及*** | |
CN111179335A (zh) | 一种基于双目视觉的立木测定方法 | |
CN112734858A (zh) | 一种双目标定精度在线检测方法及装置 | |
CN110440764B (zh) | 一种表计检测云台二次对准方法、装置和设备 | |
CN107525652A (zh) | 镜头畸变测试方法、装置及*** | |
Jiang et al. | Learned local features for structure from motion of uav images: A comparative evaluation | |
CN114299016B (zh) | 深度图检测装置、方法、***及存储介质 | |
CN110322518B (zh) | 立体匹配算法的评价方法、评价***及测试设备 | |
CN114648683B (zh) | 基于不确定性分析的神经网络性能提升方法和设备 | |
CN111145261A (zh) | 一种标定点的识别方法和存储介质 | |
CN116597132A (zh) | 一种钢结构节点静动态位移非接触式测量方法及*** | |
CN112883963B (zh) | 一种定位校正方法、设备及计算机可读存储介质 | |
CN116091401A (zh) | 基于目标检测和复合目标码的航天器装配件识别定位方法 | |
CN114842443A (zh) | 一种基于机器视觉的目标物识别和测距方法、装置、设备及存储介质 | |
CN113673105A (zh) | 真值对比策略的设计方法 | |
CN113989513A (zh) | 一种方形指针式仪表读数识别的方法 | |
CN110007068B (zh) | 一种尿液漏滴检测方法 | |
CN113837237A (zh) | 基于证据置信熵与相似性的多传感器融合目标识别方法 | |
CN106780431B (zh) | 管内填充物位置检测方法及装置 | |
CN109931870A (zh) | 一种基于视觉检测的高度检测方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220629 Address after: 230091 room 611-217, R & D center building, China (Hefei) international intelligent voice Industrial Park, 3333 Xiyou Road, high tech Zone, Hefei, Anhui Province Applicant after: Hefei lushenshi Technology Co.,Ltd. Address before: 100083 room 3032, North B, bungalow, building 2, A5 Xueyuan Road, Haidian District, Beijing Applicant before: BEIJING DILUSENSE TECHNOLOGY CO.,LTD. Applicant before: Hefei lushenshi Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |