CN116708756A - 传感器的精度检测方法、检测装置、电子设备和存储介质 - Google Patents

传感器的精度检测方法、检测装置、电子设备和存储介质 Download PDF

Info

Publication number
CN116708756A
CN116708756A CN202310730272.6A CN202310730272A CN116708756A CN 116708756 A CN116708756 A CN 116708756A CN 202310730272 A CN202310730272 A CN 202310730272A CN 116708756 A CN116708756 A CN 116708756A
Authority
CN
China
Prior art keywords
depth
interval
pixel
sensor
image
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.)
Pending
Application number
CN202310730272.6A
Other languages
English (en)
Inventor
肖建强
程伟
陈刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Elevator China Co Ltd
Hitachi Building Technology Guangzhou Co Ltd
Original Assignee
Hitachi Elevator China Co Ltd
Hitachi Building Technology Guangzhou Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hitachi Elevator China Co Ltd, Hitachi Building Technology Guangzhou Co Ltd filed Critical Hitachi Elevator China Co Ltd
Priority to CN202310730272.6A priority Critical patent/CN116708756A/zh
Publication of CN116708756A publication Critical patent/CN116708756A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00—Diagnosis, testing or measuring for television systems or their details
    • H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)

Abstract

本申请涉及一种传感器的精度检测方法、检测装置、电子设备和存储介质。所述方法包括：获取传感器在多个拍摄距离处对被摄物体拍摄的深度图像；基于各深度图像各自的基准像素深度和深度误差阈值，确定针对深度图像中各像素点的深度区间信息；深度区间信息包括多个深度统计区间和各深度统计区间的区间权重；基于各深度统计区间的像素点数量分布和对应深度统计区间的区间权重，确定各深度图像的像素精度；像素精度程度表征深度图像中各像素点的像素深度偏离基准像素深度的程度；将各深度图像的像素精度进行融合，得到传感器在对被摄物体进行拍摄时的精度检测结果。采用本方法能够提高对传感器进行精度检测的准确度和效率。

Description

传感器的精度检测方法、检测装置、电子设备和存储介质
技术领域
本申请涉及计算机技术领域，特别是涉及一种传感器的精度检测方法、传感器的精度检测装置、电子设备和计算机可读存储介质。
背景技术
图像传感器是用于使用对光起反应的光敏半导体材料将光转换为电信号的图像拍摄装置。随着汽车、医疗、计算机和通信行业的发展，在诸如智能手机、数码相机、游戏机、物联网、机器人、安全相机和医疗微型相机等各个领域中，对高精准度的图像传感器的需求正在增长。
在图像传感器应用时，需要先确定图像传感器的拍摄精度，即确定图像传感器拍摄的图像的像素深度与期望深度之间的差异，才能根据图像传感器的拍摄精度进行后续的应用。目前的图像传感器的精度检测中，一般是通过检测工装(如标定工件)对图像传感器的拍摄精度进行检测。但是由于检测工装的使用复杂度相对较高，以及随着使用次数的增长，其检测准确率会逐步降低，导致对图像传感器进行精度检测的准确度不高，影响图像传感器在后续的功能应用。
发明内容
本公开提供一种传感器的精度检测方法、传感器的精度检测装置、电子设备、计算机可读存储介质和计算机程序产品，以至少解决相关技术中对图像传感器进行精度检测的准确度不高的问题。本公开的技术方案如下：
根据本公开实施例的第一方面，提供一种传感器的精度检测方法，包括：
获取传感器在多个拍摄距离处对被摄物体拍摄的深度图像；
基于各所述深度图像各自的基准像素深度和深度误差阈值，确定针对所述深度图像中各像素点的深度区间信息；所述深度区间信息包括多个深度统计区间和各所述深度统计区间的区间权重，所述深度统计区间为所述像素点的实际像素深度所属的深度区间；
基于各所述深度统计区间的像素点数量分布和对应所述深度统计区间的区间权重，确定各所述深度图像的像素精度；所述像素精度程度表征所述深度图像中各像素点的像素深度偏离所述基准像素深度的程度；
将各所述深度图像的像素精度进行融合，得到所述传感器在对所述被摄物体进行拍摄时的精度检测结果。
在一示例性实施例中，所述将各所述深度图像的像素精度进行融合，得到所述传感器在对所述被摄物体进行拍摄时的精度检测结果，包括：
获取针对各所述拍摄距离预设的距离权重；
将所述传感器在各所述拍摄距离处拍摄的深度图像的像素精度与对应的所述距离权重进行加权求和处理，得到所述传感器的精度检测结果。
在一示例性实施例中，所述像素点数量分布基于所述深度统计区间内包括的像素点的数量占据对应所述深度图像内包括的全部像素点的数量的比例表征；
所述基于各所述深度统计区间的像素点数量分布和对应所述深度统计区间的区间权重，确定各所述深度图像的像素精度，包括：
针对每一所述深度图像，将各所述深度统计区间的区间权重与对应的所述像素点数量比例进行加权求和处理，确定所述深度图像的像素精度。
在一示例性实施例中，所述传感器在各所述拍摄距离处对被摄物体拍摄的深度图像的数量为连续拍摄的至少两张；
在所述确定各所述深度图像的像素精度之前，还包括：
针对每一张所述深度图像，确定各所述深度统计区间内包括的像素点的数量占据对应所述深度图像内包括的全部像素点的数量的比例；
在各所述拍摄距离处拍摄得到的所述连续拍摄的至少两张深度图像中，确定各所述深度统计区间所对应的所述比例之间的平均值，并基于所述平均值表征所述深度统计区间的像素点数量分布。
在一示例性实施例中，所述基于各所述深度图像各自的基准像素深度和深度误差阈值，确定针对所述深度图像中各像素点的深度区间信息，包括：
针对每一所述深度图像，基于所述基准像素深度和所述深度误差阈值，确定一初始深度区间；
等分所述初始深度区间为预设数量个第一类子区间；以及
针对所述初始深度区间的上限，将大于所述上限的深度范围确定为第二类子区间；以及
针对所述初始深度区间的下限，将小于所述下限的深度范围确定为第三类子区间；
将所述第一类子区间、所述第二类子区间和所述第三类子区间作为深度统计区间。
在一示例性实施例中，所述基于各所述深度图像各自的基准像素深度和深度误差阈值，确定针对所述深度图像中各像素点的深度区间信息，包括：
基于各所述深度统计区间对预设的正态分布函数的正态分布区间进行等分，得到与各所述深度统计区间分别相对应的多个子类分布区间；
针对每一所述子类分布区间，基于所述子类分布区间在所述正态分布函数中的定积分，确定与所述子类分布区间相对应的深度统计区间的区间权重。
在一示例性实施例中，所述基于所述子类分布区间在所述正态分布函数中的定积分，确定与所述子类分布区间相对应的深度统计区间的区间权重，包括以下两项：
将与所述第一类子区间相对应的所述子类分布区间的定积分乘以第一预设数值，得到第一算数值，并将所述第一算数值作为所述第一类子区间的区间权重；
将与所述第二类子区间和所述第三类子区间分别相对应的所述子类分布区间的定积分乘以第二预设数值，得到第二算数值，并将所述第二算数值分别作为所述第二类子区间和所述第三类子区间的区间权重；
其中，所述第一预设数值为正数，所述第二预设数值为负数。
根据本公开实施例的第二方面，提供一种传感器的精度检测装置，包括：
图像获取单元，被配置为执行获取传感器在多个拍摄距离处对被摄物体拍摄的深度图像；
深度区间单元，被配置为执行基于各所述深度图像各自的基准像素深度和深度误差阈值，确定针对所述深度图像中各像素点的深度区间信息；所述深度区间信息包括多个深度统计区间和各所述深度统计区间的区间权重，所述深度统计区间为所述像素点的实际像素深度所属的深度区间；
像素精度单元，被配置为执行基于各所述深度统计区间的像素点数量分布和对应所述深度统计区间的区间权重，确定各所述深度图像的像素精度；所述像素精度程度表征所述深度图像中各像素点的像素深度偏离所述基准像素深度的程度；
精度检测单元，被配置为执行将各所述深度图像的像素精度进行融合，得到所述传感器在对所述被摄物体进行拍摄时的精度检测结果。
根据本公开实施例的第三方面，提供一种电子设备，包括：
处理器；
用于存储所述处理器的可执行指令的存储器；
其中，所述处理器被配置为执行所述可执行指令，以实现如上所述的传感器的精度检测方法。
根据本公开实施例的第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质中包括计算机程序，当所述计算机程序由电子设备的处理器执行时，使得所述电子设备能够执行如上述任一项所述的传感器的精度检测方法。
根据本公开实施例的第五方面，提供一种计算机程序产品，所述计算机程序产品中包括程序指令，所述程序指令被电子设备的处理器执行时，使得所述电子设备能够执行如上述任一项所述的传感器的精度检测方法。
本公开的实施例提供的技术方案至少带来以下有益效果：
该方法先通过获取传感器在多个拍摄距离处对被摄物体拍摄的深度图像；基于各深度图像各自的基准像素深度和深度误差阈值，确定针对深度图像中各像素点的深度区间信息；深度区间信息包括多个深度统计区间和各深度统计区间的区间权重，深度统计区间为所述像素点的实际像素深度所属的深度区间；基于各深度统计区间的像素点数量分布和对应深度统计区间的区间权重，确定各所述深度图像的像素精度；像素精度程度表征所述深度图像中各像素点的像素深度偏离所述基准像素深度的程度；将各深度图像的像素精度进行融合，得到传感器在对被摄物体进行拍摄时的精度检测结果。这样，在一方面，先根据传感器在多个拍摄距离处拍摄的深度图像的深度区间信息，来确定各个深度图像的像素精度，再融合各个深度图像的像素精度，以得到传感器的精度检测结果，从而优化了对传感器进行精度检测的流程，降低了人力和物力的消化；在另一方面，通过区别于现有技术中通过检测工装对传感器进行精度检测的方式，根据深度图像中各深度统计区间的像素点数量分布和区间权重，来确定深度图像的像素精度，以利用各个深度图像的像素精度得到传感器的精度检测结果，能够有效避免由于检测工件的使用损耗对传感器精度检测的影响，提高了对传感器精度检测的准确度，加快了对传感器精度检测的效率，有利于传感器在后续的功能应用。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
图1是根据一示例性实施例示出的一种传感器的精度检测方法的应用环境图；
图2是根据一示例性实施例示出的一种传感器的精度检测方法的流程示意图；
图3是根据一示例性实施例示出的一种确定深度统计区间的区间权重的流程示意图；
图4是根据一示例性实施例示出的一种传感器的角度校正方法的流程示意图；
图5是根据一示例性实施例示出的一种对传感器的拍摄角度进行校正步骤的流程示意图；
图6是根据一示例性实施例示出的一种展示深度图像的界面示意图；
图7是根据一示例性实施例示出的一种传感器的精度检测装置框图；
图8是根据一示例性实施例示出的一种用于传感器的精度检测的电子设备框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，尽管多次采用术语“第一”、“第二”等来描述各种操作(或各种阈值或各种应用或各种指令或各种元件)等，不过这些操作(或阈值或应用或指令或元件)不应受这些术语的限制。这些术语只是用于区分一个操作(或阈值或应用或指令或元件)和另一个操作(或阈值或应用或指令或元件)。
本申请实施例提供的传感器的精度检测方法应用于电子设备中，该电子设备可以包括终端102和/或服务器104。在一实施例中，电子设备可以应用于如图1所示的应用环境中。其中，终端102通过通信网络与服务器104进行通信。数据存储***可以存储服务器104需要处理的数据。数据存储***可以集成在服务器104上，也可以放在云上或其他网络服务器上。
在一些实施例中，参考图1，服务器104首先获取传感器在多个拍摄距离处对被摄物体拍摄的深度图像；然后，服务器104基于各深度图像各自的基准像素深度和深度误差阈值，确定针对深度图像中各像素点的深度区间信息；深度区间信息包括多个深度统计区间和各深度统计区间的区间权重，深度统计区间为像素点的实际像素深度所属的深度区间；然后，服务器104基于各深度统计区间的像素点数量分布和对应深度统计区间的区间权重，确定各深度图像的像素精度；像素精度程度表征深度图像中各像素点的像素深度偏离基准像素深度的程度；最后，服务器104将各深度图像的像素精度进行融合，得到传感器在对被摄物体进行拍摄时的精度检测结果。
在一些实施例中，终端102(如移动终端、固定终端)可以以各种形式来实施。其中，终端102可为包括诸如移动电话、智能电话、笔记本电脑、便携式手持式设备、个人数字助理(PDA，Personal Digital Assistant)、平板电脑(PAD)等等的移动终端，终端102也可以是自动柜员机(Automated Teller Machine，ATM)、自动一体机、数字TV、台式计算机、固式计算机等等的固定终端。
下面，假设终端102是固定终端。然而，本领域技术人员将理解的是，若有特别用于移动目的操作或者元件，根据本申请公开的实施方式的构造也能够应用于移动类型的终端102。
在一些实施例中，服务器104运行的数据处理组件可以加载正在被执行的可以包括各种附加服务器应用和/或中间层应用中的任何一种，如包括HTTP(超文本传输协议)、FTP(文件传输协议)、CGI(通用网关界面)、RDBMS(关系型数据库管理***)等。
在一些实施例中，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。服务器104可以适于运行提供前述公开中描述的终端102的一个或多个应用服务或软件组件。
在一些实施例中，APP或者客户端运行的操作***可以包括各种版本的MicrosoftApple />和/或Linux操作***、各种商用或类/>操作***(包括但不限于各种GNU/Linux操作***、Google />等)和/或移动操作***，诸如/> 操作***，以及其它在线操作***或者离线操作***，在这里不做具体的限制。
在一些实施例中，如图2所示，提供了一种传感器的精度检测方法，以该方法应用于电子设备为例进行说明，该方法包括以下步骤：
步骤S11：获取传感器在多个拍摄距离处对被摄物体拍摄的深度图像。
在一实施例中，深度图像也可称为距离影像(range image)，是指将从传感器到一场景中各点的距离(深度)值作为像素值的图像。可选地，传感器对物体拍摄深度图像的方法有：激光雷达深度成像法、计算机立体视觉成像、坐标测量机法、莫尔条纹法、结构光法等，这里不做具体限定。其中，深度图像可直接反映拍摄物可见表面的几何形状，本申请这里的拍摄物为平面物，其几何形状为平面矩形。
在一实施例中，传感器可以为各自用于拍摄深度图像的传感器，如ToF(Time ofFlight，飞行时间)传感器、3D相机、双目相机等，这里不做具体限定。
在一实施例中，传感器可以在与被摄物体多个拍摄距离处分别拍摄多张连续的深度图像。
例如，传感器在与被摄物体2米处拍摄100帧连续的深度图像，与被摄物体1.5米处拍摄100帧连续的深度图像，与被摄物体1米处拍摄100帧连续的深度图像，与被摄物体0.5米处拍摄100帧连续的深度图像，从而一共获得400张深度图像。
步骤S12：基于各深度图像各自的基准像素深度和深度误差阈值，确定针对深度图像中各像素点的深度区间信息。
在一实施例中，深度图像中各像素点的基准像素深度为深度图像的一个标准参数，且在标准下各个像素点的基准像素深度相同。
在一实施例中，深度误差阈值表征像素点的实际像素深度偏离基准像素深度的容忍度。其中，实际像素深度为传感器拍摄出的深度图像的像素深度。
其中，深度误差阈值可以是传感器生产厂商预先为传感器拍摄的深度图像配置的标称误差阈值。
作为示例，传感器与平面物之间的拍摄距离为2米，其配置的标称误差阈值Errrange为2％，即在2米处传感器拍摄正常的深度图像的实际像素深度与其基准像素深度的差距不超过2％；传感器与平面物之间的拍摄距离为1米，其配置的标称误差阈值Errrange为1％，即在1米处传感器拍摄正常的深度图像的实际像素深度与其基准像素深度的差距不超过1％。
在一实施例中，深度区间信息包括多个深度统计区间和各深度统计区间的区间权重，其中，深度统计区间为像素点的实际像素深度所属的深度区间。
在一实施例中，深度统计区间的区间权重为工程师基于各深度统计区间的数量配置得到。
在一实施例中，电子设备确定针对深度图像中各像素点的深度区间信息，包括以下步骤：
步骤一：针对每一深度图像，基于基准像素深度和深度误差阈值，确定一初始深度区间。
其中，电子设备将深度图像所对应的基准像素深度分别与基准像素深度-深度误差阈值之间的乘积相加减，得到深度图像中各像素点的初始深度区间。
作为示例，深度图像所对应的基准像素深度为1000，其深度误差阈值为2％，则该深度图像中各像素点的初始深度区间的上限为1000+1000×2％＝1020，该深度图像中各像素点的初始深度区间的下限为1000-1000×2％＝980。
步骤二：等分初始深度区间为预设数量个第一类子区间；以及针对初始深度区间的上限，将大于上限的深度范围确定为第二类子区间；以及针对初始深度区间的下限，将小于下限的深度范围确定为第三类子区间。
其中，预设数量个第一类子区间为工程师配置的区间数量，其可以为3个、4个、5个等。在一优选实施例中，预设数量个第一类子区间的数量为大于等于5的奇数。
步骤三：将第一类子区间、第二类子区间和第三类子区间作为深度统计区间。
作为示例，预设数量个第一类子区间的数量为5个，则在初始深度区间为(980,1020)的基础上，电子设备将像素点为980至1200之间的数字等分5份，得到5个第一类子区间，其包括区间1(980，988)、区间2(988，996)、区间3(996，1004)、区间4(1004，1012)、区间5(1012，1200)。以及，电子设备将区间6(1020，+∞)的深度范围确定为第二类子区间，将区间7(-∞，980)的深度范围确定为第三类子区间。进一步地，在一实施例中，电子设备将区间1至区间7该7区间均作为深度统计区间。
步骤S13：基于各深度统计区间的像素点数量分布和对应深度统计区间的区间权重，确定各深度图像的像素精度。
在一实施例中，像素点数量分布基于深度统计区间内包括的像素点的数量占据对应深度图像内包括的全部像素点的数量的比例表征。
在一种实施方式中，电子设备确定各深度统计区间的像素点数量分布可以通过如下方式实现：
步骤一：针对每一张深度图像，确定各深度统计区间内包括的像素点的数量占据对应深度图像内包括的全部像素点的数量的比例。
作为示例，在深度图像S中共有像素点X1个，对应像素深度落入到区间1内的像素点数量有X2个、对应像素深度落入到区间2内的像素点数量有X3个、对应像素深度落入到区间3内的像素点数量有X4个、对应像素深度落入到区间4内的像素点数量有X5个、对应像素深度落入到区间5内的像素点数量有X6个、对应像素深度落入到区间6内的像素点数量有X7个、对应像素深度落入到区间7内的像素点数量有X8个，从而对应区间1有比例X2/X1、对应区间2有比例X3/X1、对应区间3有比例X4/X1、对应区间4有比例X5/X1、对应区间5有比例X6/X1、对应区间6有比例X7/X1、对应区间7有比例X8/X1。
步骤二：在各拍摄距离处拍摄得到的连续拍摄的至少两张深度图像中，确定各深度统计区间所对应的所述比例之间的平均值，并基于平均值表征深度统计区间的像素点数量分布。
作为示例，若传感器在各拍摄距离处拍摄得到100张深度图像，电子设备计算该100张深度图像中关于区间1的比例X2/X1的平均值S1、关于区间2的比例X2/X1的平均值S2、关于区间3的比例X2/X1的平均值S3、关于区间4的比例X2/X1的平均值S4、关于区间5的比例X2/X1的平均值S5、关于区间6的比例X2/X1的平均值S6、关于区间7的比例X2/X1的平均值S7。然后，电子设备再将平均值S1至平均值S7分别作为表征对应于区间1至区间7的像素点数量分布。
在另一种优选的实施方式中，电子设备确定各深度统计区间的像素点数量分布还可以通过如下方式实现：
步骤一：针对连续拍摄的至少两张深度图像，确定各相对应的像素点之间的像素深度的平均值。
例如，该连续拍摄的至少两张深度图像为100帧连续的分辨率为480x480的深度图像，电子设备计算该100帧连续的深度图像中各个对应的像素点(如像素点(1,1)、像素点(1,2)、像素点(2,1)等)之间关于像素深度的平均值。
步骤二：基于各像素点之间的像素深度的平均值，得到一张新的深度图像。
其中，首先获取一张初始深度图像，该初始深度图像中各像素点的像素深度均为0。然后，再将计算的各像素点之间的像素深度的平均值赋值到初始深度图像对应的各个像素点中，以将该初始深度图像中各像素点的像素深度变为对应的各像素点的像素深度平均值，得到一张新的深度图像。
步骤三：针对新的深度图像，确定各深度统计区间内包括的像素点的数量占据对应新的深度图像内包括的全部像素点的数量的比例值，并基于比例值表征深度统计区间的像素点数量分布。
作为示例，在新的深度图像S中共有像素点X1个，对应像素深度落入到区间1内的像素点数量有X2个、对应像素深度落入到区间2内的像素点数量有X3个、对应像素深度落入到区间3内的像素点数量有X4个、对应像素深度落入到区间4内的像素点数量有X5个、对应像素深度落入到区间5内的像素点数量有X6个、对应像素深度落入到区间6内的像素点数量有X7个、对应像素深度落入到区间7内的像素点数量有X8个，从而对应区间1有比例X2/X1、对应区间2有比例X3/X1、对应区间3有比例X4/X1、对应区间4有比例X5/X1、对应区间5有比例X6/X1、对应区间6有比例X7/X1、对应区间7有比例X8/X1。然后，电子设备再将区间1至区间7各自的碧丽珠分别作为表征对应于区间1至区间7的像素点数量分布。
其中，像素精度程度表征深度图像中各像素点的像素深度偏离基准像素深度的程度，即像素精度程度可以用来评价传感器在单个场景(即单帧场景)中拍摄深度图像的深度值准确率评分。若该深度值准确率评分越高，则深度图像中各像素点的像素深度偏离基准像素深度的程度越低；若该深度值准确率评分越低，则深度图像中各像素点的像素深度偏离基准像素深度的程度越高。
在一实施例中，电子设备基于各深度统计区间的像素点数量分布和对应深度统计区间的区间权重，确定各深度图像的像素精度，包括：针对每一深度图像，将各深度统计区间的区间权重与对应的像素点数量比例进行加权求和处理，确定深度图像的像素精度。
作为示例，对于区间1的区间权重表示为W1和像素点数量比例表示为Omean[1]，对于区间2的区间权重表示为W2和像素点数量比例表示为Omean[2]，对于区间3的区间权重表示为W3和像素点数量比例表示为Omean[3]，对于区间4的区间权重表示为W4和像素点数量比例表示为Omean[4]，对于区间5的区间权重表示为W5和像素点数量比例表示为Omean[5]，对于区间6的区间权重表示为W6和像素点数量比例表示为Omean[6]，对于区间7的区间权重表示为W7和像素点数量比例表示为Omean[7]，则深度图像的像素精度ToF_score可以基于如下公式表达：
ToF_score＝w1*Omean[1]+w2*Omean[2]+w3*Omean[3]+w4*Omean[4]+w5*Omean[5]+w6*Omean[6]+w7*Omean[7]。
步骤S14：将各深度图像的像素精度进行融合，得到传感器在对被摄物体进行拍摄时的精度检测结果。
在一实施例中，电子设备确定传感器在对所述被摄物体进行拍摄时的精度检测结果，包括以下步骤：
步骤一：获取针对各拍摄距离预设的距离权重。
步骤二：将所述传感器在各拍摄距离处拍摄的深度图像的像素精度与对应的距离权重进行加权求和处理，得到传感器的精度检测结果。
其中，工程师可结合实际的开发环境，按照不同的拍摄距离数据出现的频率或者需求，对不同的场景(即不同的拍摄距离)确定其距离权重，以作为传感器的深度值准确率评分的加权值。其中，该深度值准确率评分即用来评价传感器在各种场景(即复数场景)中拍摄深度图像的深度值准确率评分。若该深度值准确率评分越高，则表面传感器拍摄的深度图像的准确率越高；若该深度值准确率评分越低，则表面传感器拍摄的深度图像的准确率越高。
作为示例，传感器在拍摄距离为0.3米处的距离权重为W1和对应深度图像的像素精度为ToF_score0.3m、在拍摄距离为0.5米处的距离权重为W2和对应深度图像的像素精度为ToF_score0.5m、在拍摄距离为1米处的距离权重为W3和对应深度图像的像素精度为ToF_score1m、在拍摄距离为2米处的距离权重为W4和对应深度图像的像素精度为ToF_score2m，则传感器的精度检测结果可以表为：
ToF_final＝W1*ToF_score0.3m+W2*ToF_score0.5m+W3*ToF_score1m+W4*ToF_score2m。
上述的传感器的精度检测的过程中，服务器首先获取传感器在多个拍摄距离处对被摄物体拍摄的深度图像；基于各深度图像各自的基准像素深度和深度误差阈值，确定针对深度图像中各像素点的深度区间信息；深度区间信息包括多个深度统计区间和各深度统计区间的区间权重，深度统计区间为所述像素点的实际像素深度所属的深度区间；基于各深度统计区间的像素点数量分布和对应深度统计区间的区间权重，确定各所述深度图像的像素精度；像素精度程度表征所述深度图像中各像素点的像素深度偏离所述基准像素深度的程度；将各深度图像的像素精度进行融合，得到传感器在对被摄物体进行拍摄时的精度检测结果。这样，在一方面，先根据传感器在多个拍摄距离处拍摄的深度图像的深度区间信息，来确定各个深度图像的像素精度，再融合各个深度图像的像素精度，以得到传感器的精度检测结果，从而优化了对传感器进行精度检测的流程，降低了人力和物力的消化；在另一方面，通过区别于现有技术中通过检测工装对传感器进行精度检测的方式，根据深度图像中各深度统计区间的像素点数量分布和区间权重，来确定深度图像的像素精度，以利用各个深度图像的像素精度得到传感器的精度检测结果，能够有效避免由于检测工件的使用损耗对传感器精度检测的影响，提高了对传感器精度检测的准确度，加快了对传感器精度检测的效率，有利于传感器在后续的功能应用。
在一示例性实施例中，参阅图3，图3为本申请中确定深度统计区间的区间权重一实施例的流程示意图。在步骤S12中，电子设备基于各深度图像各自的基准像素深度和深度误差阈值，确定针对深度图像中各像素点的深度区间信息的过程，可以通过以下方式实现：
步骤S121：基于各深度统计区间对预设的正态分布函数的正态分布区间进行等分，得到与各深度统计区间分别相对应的多个子类分布区间。
其中，由于理想的深度相机的深度像素值的分布应为以真实深度为均值的正态分布。这里将均值为0，标准差为1的标准正态分布进行建模，有如下公式：
其中，电子设备将标准正态分布的区间[-2,2)与深度图像的初始深度区间相对应，并则将[-2,2)区间分为与深度图像的第一类子区间相同(Split_span)的等分，得到等分的子类分布区间。
作为示例，深度图像的初始深度区间为(980,1020)，其对应的第一类子区间包括区间1(980，988)、区间2(988，996)、区间3(996，1004)、区间4(1004，1012)、区间5(1012，1200)，从而对应标准正态分布的区间[-2,2)等分5份的子类分布区间包括区间A[-2，-1.2)、区间B[-1.2，-0.4)、区间C[-0.4，0.4)、区间D[0.4，1.2)、区间E[1.2，2)。进一步地，电子设备将区间F[-∞，-2)作为对应于深度图像的第二类子区间的子类分布区间，以及将区间G[-2，+∞)作为对应于深度图像的第三类子区间的子类分布区间。
步骤S122：针对每一子类分布区间，基于子类分布区间在正态分布函数中的定积分，确定与子类分布区间相对应的深度统计区间的区间权重。
在一实施例中，贩子设备计算每个子类分布区间对应在正态分布函数中的定积分作为后续计算深度图像的像素精度的区间权重。
在一实施例中，电子设备确定与子类分布区间相对应的深度统计区间的区间权重，包括：将与第一类子区间相对应的子类分布区间的定积分乘以第一预设数值，得到第一算数值，并将第一算数值作为第一类子区间的区间权重。
在另一实施例中，电子设备确定与子类分布区间相对应的深度统计区间的区间权重，包括：将与第二类子区间和第三类子区间分别相对应的子类分布区间的定积分乘以第二预设数值，得到第二算数值，并将第二算数值分别作为第二类子区间和第三类子区间的区间权重。
其中，第一预设数值为正数，第二预设数值为负数，这样配置的目的在于为后续计算深度图像的像素精度做出相应的精度奖惩处理。
作为示例，以对应于深度图像的第一类子区间的子类分布区间包括区间A[-2，-1.2)、区间B[-1.2，-0.4)、区间C[-0.4，0.4)、区间D[0.4，1.2)、区间E[1.2，2)；对应于深度图像的第二类子区间的子类分布区间包括区间F[-∞，-2)，以及对应于深度图像的第三类子区间的子类分布区间包括区间G[-2，+∞)为例。电子设备首先区间A至区间E中各个区间对应在正态分布函数中的定积分，然后将各自的定积分乘以正数100，得到对应区间A的区间权重为9.2、对应区间B的区间权重为23.0、对应区间C的区间权重为31.1、对应区间D的区间权重为23.0、对应区间E的区间权重为9.2。以及，电子设备计算区间F和区间G中各自对应在正态分布函数中的定积分，然后将各自的定积分乘以负数100，得到对应区间F的区间权重为-5、对应区间G的区间权重为-5。
在其他实施例中，工程师可以自主配置一些子类分布区间的区间权重，从而可以为后续计算深度图像的像素精度做出相应的精度奖惩处理。例如，直接配置对应区间F的区间权重为-50、对应区间G的区间权重为-50。
在一些实施例中，如图4所示，提供了一种传感器的角度校正方法，在电子设备对传感器进行精度检测之前，还需要先对传感器进行角度校正。电子设备对传感器进行角度校正包括以下步骤：
步骤S21：获取传感器对一平面物拍摄的深度图像。
步骤S22：基于深度图像中各像素点的基准像素深度和深度图像中预设数量个局部图像内各像素点的实际像素深度，确定各局部图像的深度误差程度。
其中，局部图像为对深度图像按照平面物所在的图像区域等分的图像片段。
在一实施例中，局部图像的平均像素深度为深度图像中对应区域(即局部图像区域)内的各像素点的实际像素深度之间的平均值。其中，实际像素深度为传感器拍摄出的深度图像的像素深度。
步骤S23：基于各局部图像的深度误差程度之间的差异，对传感器的拍摄角度进行校正。
在一实施例中，局部图像的深度误差程度表征传感器拍摄出的深度图像与预期图像之间关于像素深度的差异。
作为示例，对于局部图像X1的深度误差程度为P1，局部图像X2的深度误差程度为P2，局部图像X3的深度误差程度为P3，局部图像X4的深度误差程度为P4。其中，P1＝P2，表征局部图像X1和局部图像X2两者所对应的场景区域相对于传感器的拍摄距离相同；P1＞P3＝P4，表征局部图像X3和局部图像X4两者所对应的场景区域相对于传感器的拍摄距离相同，且局部图像X3和局部图像X4比局部图像X1和局部图像X2所对应的场景区域相对于传感器的拍摄距离更近。因此，可以通过上述得出的结论对传感器的拍摄角度进行校正。
这样，在一方面，先根据深度图像中的基准像素深度和局部图像的实际像素深度，确定局部图像的深度误差程度，再根据各局部图像的深度误差程度之间的差异，对传感器的拍摄角度进行校正，从而优化了校正传感器的拍摄角度的流程，降低了人力和物力的消化；在另一方面，通过区别于现有技术中通过检测工装对传感器的拍摄角度进行校正的方式，根据深度图像中预设数量个局部图像各自的深度误差程度之间的差异，对传感器的拍摄角度进行校正，能够有效提高校正传感器的拍摄角度的准确度，提升了校正传感器的拍摄角度的效率，进而减小了传感器在后续应用时的误差。
在一示例性实施例中，在上述实施例的步骤S22中，电子设备基于所述深度图像中各像素点的基准像素深度和所述深度图像中预设数量个局部图像内各像素点的实际像素深度，确定各所述局部图像的深度误差程度的过程，可以通过以下方式实现：
步骤一：基于各局部图像内像素点的实际像素深度，确定各局部图像的平均像素深度。
在一实施例中，电子设备计算局部图像内各个像素点的实际像素深度之间的平均像素深度Depthregion。
步骤二：基于各局部图像的平均像素深度和深度图像的基准像素深度之间的差值，确定各局部图像的深度平均差。
在一实施例中，电子设备将深度图像的基准像素深度DepthGT减去平均像素深度Depthregion得到局部图像的深度平均差Depthdiff。
步骤三：基于各局部图像的深度平均差与深度图像的标称误差之间的商值，确定各局部图像的深度误差程度。
其中，标称误差表征在传感器与平面物之间的拍摄距离下，对传感器的拍摄角度误差的容忍度。
在一实施例中，电子设备得到深度图像的标称误差的方式，即电子设备在基于各局部图像的深度平均差与所述深度图像的标称误差之间的商值，确定各所述局部图像的深度误差程度之前，还包括以下步骤：
步骤一：基于拍摄距离，确定深度图像的标称误差阈值。
作为示例，传感器与平面物之间的拍摄距离为2米，其预设的标称误差阈值Errrange为2％；传感器与平面物之间的拍摄距离为1米，其预设的标称误差阈值Errrange为1％。
步骤二：基于标称误差阈值和基准像素深度之间的乘积，确定深度图像的标称误差。
在一实施例中，电子设备将深度图像的基准像素深度DepthGT乘以传感器的标称误差阈值Errrange得到深度图像的标称误差Deptherr。
在一示例性实施例中，参阅图5，图5为本申请中对传感器的拍摄角度进行校正一实施例的流程示意图。在上述实施例的步骤S23中，电子设备基于各所述局部图像的深度误差程度，对所述传感器的拍摄角度进行校正的过程，可以通过以下方式实现：
步骤S231：基于深度误差程度，配置各局部图像的色彩空间特征。
在一实施例中，色彩空间特征为HSV(Hue,Saturation，Value)特征，其中，色彩空间特征包括用于展示局部图像的色调、饱和度和亮度。即HSV特征中的H表征图像的色调，其通过色轮的形式来表征图像的不同颜色；S表征图像的饱和度，V表征图像颜色的亮度。
在一实施例中，深度误差程度基于深度误差倍率表征，亮度处于预设的亮度区间，饱和度处于预设的饱和度区间。
在一实施例中，深度误差倍率可以为正倍率也可以为负倍率，亮度区间为(0,100)，其中，当V＝0时颜色显示为黑色，这里均取V＝100。饱和度区间为(0,100)，其中，饱和度的取值参照深度误差程度进行计算，其在HSV空间中表示颜色的深浅。
在一实施例中，电子设备配置局部图像的色调和亮度包括以下两种方式：
方式一，在局部图像的深度误差倍率为正倍率的情况下，配置局部图像的色调为第一原色以及亮度为亮度区间的上限值。
具体地，当深度误差倍率Errrate∈(0,+∞]时，配置局部图像的色调H在数值110左右，亮度V固定为数值100，其中，在色调H为数值110左右时局部图像呈现三原色中的绿色。
方式二，在局部图像的深度误差倍率为负倍率的情况下，配置局部图像的色调为第二原色以及亮度为亮度区间的上限值。
具体地，当深度误差倍率Errrate∈(-∞,0)时，配置局部图像的色调H为数值0或者360，亮度V固定为数值100，其中，在色调H为数值0或者360时局部图像呈现三原色中的红色。
其中，第一原色为三原色中的一种(即绿色)，第二原色为三原色中的另一种(即红色)。
在一实施例中，电子设备配置局部图像的饱和度包括以下四种方式：
方式一，在局部图像的深度误差倍率不小于0且不大于1的情况下，配置局部图像的饱和度为饱和度区间的上限值和深度误差倍率之间的乘积值。
具体地，当深度误差倍率Errrate∈[0,1]时，将深度误差倍率Errrate乘上饱和度区间的上限值100来直观的表示局部图像的饱和度。其中，当实时误差倍率Errrate＝0时，由于实时误差倍率Errrate乘上饱和度区间的上限值100后，其输出也为零，从而HSV色彩空间呈现为白色。
方式二，在局部图像的深度误差倍率不小于-1且小于0的情况下，配置局部图像的饱和度为饱和度区间的上限值和深度误差倍率的绝对值之间的乘积值。
具体地，当深度误差倍率Errrate∈[-1,0)时，由于饱和度S一定为正，将深度误差倍率Errrate的绝对值乘上饱和度区间的上限值100来直观的表示局部图像的饱和度。
方式三，在局部图像的深度误差倍率大于1的情况下，配置局部图像的饱和度为饱和度区间的上限值。
具体地，当深度误差倍率Errrate∈(1,+∞)时，由于饱和度S的取值范围为(0-100)，则配置饱和度为饱和度区间的上限值100。
方式四，在局部图像的深度误差倍率小于-1的情况下，配置局部图像的饱和度为饱和度区间的上限值。
具体地，当深度误差倍率Errrate∈(-∞,-1)时，由于饱和度S的取值范围为(0-100)，则配置饱和度为饱和度区间的上限值100。
步骤S232：基于各局部图像的色彩空间特征，对深度图像进行展示。
在一实施例中，电子设备对深度图像进行展示的方式，参阅图6，图6为本申请中展示深度图像一实施例的界面示意图。其中，如图所示，将深度图像中的局部图像X1通过其色彩空间特征P1进行展示，以及在局部图像X1中出其深度误差倍率30％；局部图像X2通过其色彩空间特征P2进行展示，以及在局部图像X2中出其深度误差倍率-10％；局部图像X3通过其色彩空间特征P3进行展示，以及在局部图像X3中出其深度误差倍率10％；局部图像X4通过其色彩空间特征P4进行展示，以及在局部图像X4中出其深度误差倍率-30％。
步骤S233：基于展示的深度图像和各局部图像的深度误差程度，校正传感器的拍摄角度。
在一实施例中，局部图像的深度误差程度表征传感器拍摄出的深度图像与预期图像之间关于像素深度的差异。
作为示例，对于局部图像X1的深度误差程度为P1，局部图像X2的深度误差程度为P2，局部图像X3的深度误差程度为P3，局部图像X4的深度误差程度为P4。其中，P1＝P2，表征局部图像X1和局部图像X2两者所对应的场景区域相对于传感器的拍摄距离相同；P1＞P3＝P4，表征局部图像X3和局部图像X4两者所对应的场景区域相对于传感器的拍摄距离相同，且局部图像X3和局部图像X4比局部图像X1和局部图像X2所对应的场景区域相对于传感器的拍摄距离更近。因此，可以通过上述得出的结论对传感器的拍摄角度进行校正。
这样，在一方面，先根据传感器在多个拍摄距离处拍摄的深度图像的深度区间信息，来确定各个深度图像的像素精度，再融合各个深度图像的像素精度，以得到传感器的精度检测结果，从而优化了对传感器进行精度检测的流程，降低了人力和物力的消化；在另一方面，通过区别于现有技术中通过检测工装对传感器进行精度检测的方式，根据深度图像中各深度统计区间的像素点数量分布和区间权重，来确定深度图像的像素精度，以利用各个深度图像的像素精度得到传感器的精度检测结果，能够有效避免由于检测工件的使用损耗对传感器精度检测的影响，提高了对传感器精度检测的准确度，加快了对传感器精度检测的效率，有利于传感器在后续的功能应用。
应该理解的是，虽然图2-图6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-图6中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
可以理解的是，本说明书中上述方法的各个实施例之间相同/相似的部分可互相参见，每个实施例重点说明的是与其他实施例的不同之处，相关之处参见其他方法实施例的说明即可。
图7是本申请实施例提供的一种传感器的精度检测装置框图。参照图7，该传感器的精度检测装置30包括：图像获取单元31、深度区间单元32、像素精度单元33和精度检测单元34。
其中，图像获取单元31，被配置为执行获取传感器在多个拍摄距离处对被摄物体拍摄的深度图像；
其中，误差确定单元32，被配置为执行基于各所述深度图像各自的基准像素深度和深度误差阈值，确定针对所述深度图像中各像素点的深度区间信息；所述深度区间信息包括多个深度统计区间和各所述深度统计区间的区间权重，所述深度统计区间为所述像素点的实际像素深度所属的深度区间；
其中，角度校正单元33，被配置为执行基于各所述深度统计区间的像素点数量分布和对应所述深度统计区间的区间权重，确定各所述深度图像的像素精度；所述像素精度程度表征所述深度图像中各像素点的像素深度偏离所述基准像素深度的程度。
其中，精度检测单元34，被配置为执行被配置为执行将各所述深度图像的像素精度进行融合，得到所述传感器在对所述被摄物体进行拍摄时的精度检测结果。
在一示例性实施例中，在所述将各所述深度图像的像素精度进行融合，得到所述传感器在对所述被摄物体进行拍摄时的精度检测结果的方面，所述装置30还包括：
获取针对各所述拍摄距离预设的距离权重；
将所述传感器在各所述拍摄距离处拍摄的深度图像的像素精度与对应的所述距离权重进行加权求和处理，得到所述传感器的精度检测结果。
在一示例性实施例中，所述像素点数量分布基于所述深度统计区间内包括的像素点的数量占据对应所述深度图像内包括的全部像素点的数量的比例表征；
所述基于各所述深度统计区间的像素点数量分布和对应所述深度统计区间的区间权重，确定各所述深度图像的像素精度方面，所述装置30还包括：
针对每一所述深度图像，将各所述深度统计区间的区间权重与对应的所述像素点数量比例进行加权求和处理，确定所述深度图像的像素精度。
在一示例性实施例中，所述传感器在各所述拍摄距离处对被摄物体拍摄的深度图像的数量为连续拍摄的至少两张；
在所述确定各所述深度图像的像素精度之前，所述装置30还包括：
针对每一张所述深度图像，确定各所述深度统计区间内包括的像素点的数量占据对应所述深度图像内包括的全部像素点的数量的比例；
在各所述拍摄距离处拍摄得到的所述连续拍摄的至少两张深度图像中，确定各所述深度统计区间所对应的所述比例之间的平均值，并基于所述平均值表征所述深度统计区间的像素点数量分布。
在一示例性实施例中，所述基于各所述深度图像各自的基准像素深度和深度误差阈值，确定针对所述深度图像中各像素点的深度区间信息方面，所述装置30还包括：
针对每一所述深度图像，基于所述基准像素深度和所述深度误差阈值，确定一初始深度区间；
等分所述初始深度区间为预设数量个第一类子区间；以及
针对所述初始深度区间的上限，将大于所述上限的深度范围确定为第二类子区间；以及
针对所述初始深度区间的下限，将小于所述下限的深度范围确定为第三类子区间；
将所述第一类子区间、所述第二类子区间和所述第三类子区间作为深度统计区间。
在一示例性实施例中，在所述基于各所述深度图像各自的基准像素深度和深度误差阈值，确定针对所述深度图像中各像素点的深度区间信息方面，所述装置30还包括：
基于各所述深度统计区间对预设的正态分布函数的正态分布区间进行等分，得到与各所述深度统计区间分别相对应的多个子类分布区间；
针对每一所述子类分布区间，基于所述子类分布区间在所述正态分布函数中的定积分，确定与所述子类分布区间相对应的深度统计区间的区间权重。
在一示例性实施例中，在所述基于所述子类分布区间在所述正态分布函数中的定积分，确定与所述子类分布区间相对应的深度统计区间的区间权重方面，所述装置30还包括：
将与所述第一类子区间相对应的所述子类分布区间的定积分乘以第一预设数值，得到第一算数值，并将所述第一算数值作为所述第一类子区间的区间权重；
将与所述第二类子区间和所述第三类子区间分别相对应的所述子类分布区间的定积分乘以第二预设数值，得到第二算数值，并将所述第二算数值分别作为所述第二类子区间和所述第三类子区间的区间权重；
其中，所述第一预设数值为正数，所述第二预设数值为负数。
图8是本申请实施例提供的一种电子设备40的框图。例如，电子设备40可以为一种服务器、电子组件或者服务器阵列等等。参照图8，电子设备40包括处理器41，其进一步处理器41可以为处理器集合，其可以包括一个或多个处理器，以及电子设备40包括由存储器42所代表的存储器资源，其中，存储器42上存储有计算机程序，例如应用程序。在存储器42中存储的计算机程序可以包括一个或一个以上的每一个对应于一组可执行指令的模块。此外，处理器41被配置为执行可执行指令时实现如上述的传感器的精度检测方法。
在一些实施例中，电子设备40为服务器，该服务器中的计算***可以运行一个或多个操作***，包括以上讨论的任何操作***以及任何商用的服务器操作***。该电子设备40还可以运行各种附加服务器应用和/或中间层应用中的任何一种，包括HTTP(超文本传输协议)服务器、FTP(文件传输协议)服务器、CGI(通用网关界面)服务器、超级服务器、数据库服务器等。示例性数据库服务器包括但不限于可从(国际商业机器)等商购获得的数据库服务器。
在一些实施例中，处理器41通常控制电子设备40的整体操作，诸如与显示、数据处理、数据通信和记录操作相关联的操作。处理器41可以包括一个或多个处理器组件来执行计算机程序，以完成上述的方法的全部或部分步骤。此外，处理器组件可以包括一个或多个模块，便于处理器组件和其他组件之间的交互。例如，处理器组件可以包括多媒体模块，以方便利用多媒体组件控制用户电子设备40和处理器41之间的交互。
在一些实施例中，处理器41中的处理器组件还可以称为CPU(Central ProcessingUnit，中央处理单元)。处理器组件可能是一种电子芯片，具有信号的处理能力。处理器还可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器组件等。另外，处理器组件可以由集成电路芯片共同实现。
在一些实施例中，存储器42被配置为存储各种类型的数据以支持在电子设备40的操作。这些数据的示例包括用于在电子设备40上操作的任何应用程序或方法的指令、采集数据、消息、图片、视频等。存储器42可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)、电可擦除可编程只读存储器(EEPROM)、可擦除可编程只读存储器(EPROM)、可编程只读存储器(PROM)、只读存储器(ROM)、磁存储器、快闪存储器、磁盘、光盘或石墨烯存储器。
在一些实施例中，存储器42可以为内存条、TF卡等，可以存储电子设备40中的全部信息，包括输入的原始数据、计算机程序、中间运行结果和最终运行结果都保存在存储器42中。在一些实施例中，它根据处理器指定的位置存入和取出信息。在一些实施例中，有了存储器42，电子设备40才有记忆功能，才能保证正常工作。在一些实施例中，电子设备40的存储器42按用途可分为主存储器(内存)和辅助存储器(外存)，也有分为外部存储器和内部存储器的分类方法。外存通常是磁性介质或光盘等，能长期保存信息。内存指主板上的存储部件，用来存放当前正在执行的数据和程序，但仅用于暂时存放程序和数据，关闭电源或断电，数据会丢失。
在一些实施例中，电子设备40还可以包括：电源组件43被配置为执行电子设备40的电源管理，有线或无线网络接口44被配置为将电子设备40连接到网络，和输入输出(I/O)接口45。电子设备40可以操作基于存储在存储器42的操作***，例如Windows Server，MacOS X，Unix，Linux，FreeBSD或类似。
在一些实施例中，电源组件43为电子设备40的各种组件提供电力。电源组件43可以包括电源管理***，一个或多个电源，及其他与为电子设备40生成、管理和分配电力相关联的组件。
在一些实施例中，有线或无线网络接口44被配置为便于电子设备40和其他设备之间有线或无线方式的通信。电子设备40可以接入基于通信标准的无线网络，如WiFi，运营商网络(如2G、3G、4G或5G)，或它们的组合。
在一些实施例中，有线或无线网络接口44经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中，有线或无线网络接口44还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在一些实施例中，输入输出(I/O)接口45为处理器41和***接口模块之间提供接口，上述***接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
本申请实施例提供的一种计算机可读存储介质的框图。该计算机可读存储介质上存储有计算机程序，其中，计算机程序被处理器执行时实现如上述的传感器的精度检测方法。
在本申请各个实施例中的各功能单元集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在计算机可读存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机可读存储介质在一个计算机程序中，包括若干指令用以使得一台服务器(可以是个人计算机，***服务器，或者网络设备等)、电子设备(例如MP3、MP4等，也可以是手机、平板电脑、可穿戴设备等智能终端，也可以是台式电脑等)或者处理器(processor)以执行本申请各个实施方式方法的全部或部分步骤。
本申请实施例提供的一种计算机程序产品的框图。该计算机程序产品中包括程序指令，该程序指令可由服务器的处理器执行以实现如上述的传感器的精度检测方法。
本领域内的技术人员应明白，本申请的实施例可提供有传感器的精度检测方法、传感器的精度检测装置30、电子设备40、计算机可读存储介质或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机程序指令(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例中传感器的精度检测方法、传感器的精度检测装置30、电子设备40、计算机可读存储介质或计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序产品实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序产品到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的程序指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序产品也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机程序产品中的程序指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的程序指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种传感器的精度检测方法，其特征在于，所述方法包括：
获取传感器在多个拍摄距离处对被摄物体拍摄的深度图像；
基于各所述深度图像各自的基准像素深度和深度误差阈值，确定针对所述深度图像中各像素点的深度区间信息；所述深度区间信息包括多个深度统计区间和各所述深度统计区间的区间权重，所述深度统计区间为所述像素点的实际像素深度所属的深度区间；
基于各所述深度统计区间的像素点数量分布和对应所述深度统计区间的区间权重，确定各所述深度图像的像素精度；所述像素精度程度表征所述深度图像中各像素点的像素深度偏离所述基准像素深度的程度；
将各所述深度图像的像素精度进行融合，得到所述传感器在对所述被摄物体进行拍摄时的精度检测结果。
2.根据权利要求1述的方法，其特征在于，所述将各所述深度图像的像素精度进行融合，得到所述传感器在对所述被摄物体进行拍摄时的精度检测结果，包括：
获取针对各所述拍摄距离预设的距离权重；
将所述传感器在各所述拍摄距离处拍摄的深度图像的像素精度与对应的所述距离权重进行加权求和处理，得到所述传感器的精度检测结果。
3.根据权利要求1述的方法，其特征在于，所述像素点数量分布基于所述深度统计区间内包括的像素点的数量占据对应所述深度图像内包括的全部像素点的数量的比例表征；
所述基于各所述深度统计区间的像素点数量分布和对应所述深度统计区间的区间权重，确定各所述深度图像的像素精度，包括：
针对每一所述深度图像，将各所述深度统计区间的区间权重与对应的所述像素点数量比例进行加权求和处理，确定所述深度图像的像素精度。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述传感器在各所述拍摄距离处对被摄物体拍摄的深度图像的数量为连续拍摄的至少两张；
在所述确定各所述深度图像的像素精度之前，还包括：
针对每一张所述深度图像，确定各所述深度统计区间内包括的像素点的数量占据对应所述深度图像内包括的全部像素点的数量的比例；
在各所述拍摄距离处拍摄得到的所述连续拍摄的至少两张深度图像中，确定各所述深度统计区间所对应的所述比例之间的平均值，并基于所述平均值表征所述深度统计区间的像素点数量分布。
5.根据权利要求1-3中任一项所述的方法，其特征在于，所述基于各所述深度图像各自的基准像素深度和深度误差阈值，确定针对所述深度图像中各像素点的深度区间信息，包括：
针对每一所述深度图像，基于所述基准像素深度和所述深度误差阈值，确定一初始深度区间；
等分所述初始深度区间为预设数量个第一类子区间；以及
针对所述初始深度区间的上限，将大于所述上限的深度范围确定为第二类子区间；以及
针对所述初始深度区间的下限，将小于所述下限的深度范围确定为第三类子区间；
将所述第一类子区间、所述第二类子区间和所述第三类子区间作为深度统计区间。
6.根据权利要求5所述的方法，其特征在于，所述基于各所述深度图像各自的基准像素深度和深度误差阈值，确定针对所述深度图像中各像素点的深度区间信息，包括：
基于各所述深度统计区间对预设的正态分布函数的正态分布区间进行等分，得到与各所述深度统计区间分别相对应的多个子类分布区间；
针对每一所述子类分布区间，基于所述子类分布区间在所述正态分布函数中的定积分，确定与所述子类分布区间相对应的深度统计区间的区间权重。
7.根据权利要求6所述的方法，其特征在于，所述基于所述子类分布区间在所述正态分布函数中的定积分，确定与所述子类分布区间相对应的深度统计区间的区间权重，包括以下两项：
将与所述第一类子区间相对应的所述子类分布区间的定积分乘以第一预设数值，得到第一算数值，并将所述第一算数值作为所述第一类子区间的区间权重；
将与所述第二类子区间和所述第三类子区间分别相对应的所述子类分布区间的定积分乘以第二预设数值，得到第二算数值，并将所述第二算数值分别作为所述第二类子区间和所述第三类子区间的区间权重；
其中，所述第一预设数值为正数，所述第二预设数值为负数。
8.一种传感器的精度检测装置，其特征在于，所述装置包括：
图像获取单元，被配置为执行获取传感器在多个拍摄距离处对被摄物体拍摄的深度图像；
深度区间单元，被配置为执行基于各所述深度图像各自的基准像素深度和深度误差阈值，确定针对所述深度图像中各像素点的深度区间信息；所述深度区间信息包括多个深度统计区间和各所述深度统计区间的区间权重，所述深度统计区间为所述像素点的实际像素深度所属的深度区间；
像素精度单元，被配置为执行基于各所述深度统计区间的像素点数量分布和对应所述深度统计区间的区间权重，确定各所述深度图像的像素精度；所述像素精度程度表征所述深度图像中各像素点的像素深度偏离所述基准像素深度的程度；
精度检测单元，被配置为执行将各所述深度图像的像素精度进行融合，得到所述传感器在对所述被摄物体进行拍摄时的精度检测结果。
9.一种电子设备，其特征在于，包括：
处理器；
用于存储所述处理器的可执行指令的存储器；
其中，所述处理器被配置为执行所述可执行指令，以实现如权利要求1至7中任一项所述的传感器的精度检测方法。
10.一种计算机可读存储介质，所述计算机可读存储介质中包括程序数据，其特征在于，当所述程序数据由电子设备的处理器执行时，使得所述电子设备能够执行如权利要求1至7中任一项所述的传感器的精度检测方法。
CN202310730272.6A 2023-06-19 2023-06-19 传感器的精度检测方法、检测装置、电子设备和存储介质 Pending CN116708756A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310730272.6A CN116708756A (zh) 2023-06-19 2023-06-19 传感器的精度检测方法、检测装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310730272.6A CN116708756A (zh) 2023-06-19 2023-06-19 传感器的精度检测方法、检测装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN116708756A true CN116708756A (zh) 2023-09-05

Family

ID=87843007

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310730272.6A Pending CN116708756A (zh) 2023-06-19 2023-06-19 传感器的精度检测方法、检测装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN116708756A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117880630A (zh) * 2024-03-13 2024-04-12 杭州星犀科技有限公司 对焦深度获取方法、对焦深度获取***及终端

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117880630A (zh) * 2024-03-13 2024-04-12 杭州星犀科技有限公司 对焦深度获取方法、对焦深度获取***及终端
CN117880630B (zh) * 2024-03-13 2024-06-07 杭州星犀科技有限公司 对焦深度获取方法、对焦深度获取***及终端

Similar Documents

Publication Publication Date Title
US11044453B2 (en) Data processing apparatus, imaging apparatus and data processing method
CN108174118B (zh) 图像处理方法、装置和电子设备
CN107241556B (zh) 图像采集设备的测光方法及装置
JP2017520050A (ja) 局所的適応ヒストグラム平坦化
US10002436B2 (en) Image processing device, image processing method, and solid-state imaging device
US20150278996A1 (en) Image processing apparatus, method, and medium for generating color image data
US20150016724A1 (en) Method for determining the extent of a foreground object in an image
US20190258852A1 (en) Image processing apparatus, image processing system, image processing method, and program
WO2020083307A1 (en) Method, apparatus, and storage medium for obtaining depth image
CN108337496B (zh) 白平衡处理方法、处理装置、处理设备及存储介质
CN110858872A (zh) 光轴偏移补偿方法及装置
CN112634343A (zh) 图像深度估计模型的训练方法、图像深度信息的处理方法
CN113029128B (zh) 视觉导航方法及相关装置、移动终端、存储介质
CN110458826B (zh) 环境亮度检测方法和装置
US10834341B2 (en) Systems and methods for simultaneous capture of two or more sets of light images
US20200272524A1 (en) Method and system for auto-setting of image acquisition and processing modules and of sharing resources in large scale video systems
CN116708756A (zh) 传感器的精度检测方法、检测装置、电子设备和存储介质
CN112509058B (zh) 外参的计算方法、装置、电子设备和存储介质
CN111563517B (zh) 图像处理方法、装置、电子设备及存储介质
US20180091799A1 (en) Robust disparity estimation in the presence of significant intensity variations for camera arrays
CN113344906B (zh) 车路协同中相机评估方法、装置、路侧设备和云控平台
US9813640B2 (en) Image processing apparatus, image processing method, image processing program, and non-transitory recording for calculating a degree-of-invalidity for a selected subject type
CN112492191B (zh) 一种图像采集方法、装置、设备及介质
CN111669572A (zh) 摄像头模组的检测方法、装置、介质及电子设备
CN103685854A (zh) 图像处理装置、图像处理方法和程序

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