[发明专利]基于混合相机系统的高速运动物体去模糊方法及装置在审

专利信息
申请号: 201711421113.9 申请日: 2017-12-25
公开(公告)号: CN108074222A 公开(公告)日: 2018-05-25
发明(设计)人: 李一鹏;范振;李秀;戴琼海 申请(专利权)人: 清华大学
主分类号: G06T5/00 分类号: G06T5/00;G06T7/70;H04N5/247;H04N5/374;H04N5/217;H04N5/272;H04N9/64;H04N9/04
代理公司: 北京清亦华知识产权代理事务所(普通合伙) 11201 代理人: 张润
地址: 10008*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 高速运动物体 前景信息 几何变换矩阵 相机 背景信息 离散图像 轮廓信息 相机系统 模糊 快速去除 匹配矩阵 前景物体 清晰图像 提取图像 运动模糊 去除 捕捉 采集 曝光 恢复
【权利要求书】:

1.一种基于混合相机系统的高速运动物体去模糊方法,其特征在于,所述混合相机系统由event-based相机、CMOS相机与分光片组成,其中,所述方法包括以下步骤:

获取所述event-based相机产生的数据并生成离散图像;

采集所述相机产生的CMOS图像并提取图像前景信息与背景信息,且根据所述前景信息得到待恢复物体的轮廓信息;

将所述CMOS相机下的轮廓信息变换到所述event-based相机下,获取所述离散图像与前景物体轮廓的匹配矩阵,以得到几何变换矩阵;以及

在RGB图像中,根据所述几何变换矩阵以及所述前景信息与所述背景信息去除高速运动物体模糊。

2.根据权利要求1所述的基于混合相机系统的高速运动物体去模糊方法,其特征在于,所述event-based相机以离散事件数据包的形式输出图像中亮度发生变化的像素点位置,所述离散事件数据包的格式为(x,y,t,m),其中(x,y)表示亮度改变的像素点位置,t为事件发生的顺序标志,m为亮度改变的标志,取值为-1(亮度变暗)或者1(亮度变亮),其中,所述获取所述event-based相机产生的数据并生成离散图像,进一步包括:

在所述event-based相机的分辨率为(m,n)时,定义m×n的二维全0图像K,并且当所述event-based相机输出所述离散事件数据包时,将事件产生位置的图像像素值置为255,当输出的所述离散事件数据包数量达到预设数值M时,输出图像数据K;

所述event-based相机输出的单个事件数据包含信息量少,需要将多个离线事件输出累加后生成图像数据K。

3.根据权利要求2所述的基于混合相机系统的高速运动物体去模糊方法,其特征在于,所述根据所述前景信息得到待恢复物体的轮廓信息,进一步包括:

通过GraphCut算法使用所述RGB图像的颜色信息完成对每个像素前景与背景的分割,其中,定义前景RGB图像信息为前景RGB图像F,背景RGB信息为B,并提取F的轮廓位置信息定义为轮廓信息C。

4.根据权利要求3所述的基于混合相机系统的高速运动物体去模糊方法,其特征在于,所述获取所述离散图像与前景物体轮廓的匹配矩阵,以得到几何变换矩阵,进一步包括:

定义所述混合相机系统的所述CMOS相机与所述event-based相机的空间标定对应矩阵为T,即

Pevent=T×PCMOS

其中,Pevent为CMOS相机像素PCMOS在event-based相机上的对应点;

将所述CMOS相机得到的所述轮廓信息C映射到所述event-based相机的坐标系下,定义为Cevent

根据所述event-based相机获取得到的所述图像数据K以及所述Cevent计算得到当前时刻下高速移动物体的位姿变换关系w;

通过定义目标函数为E=||w(Cevent(x,y)-K(x′,y′))||,求取位姿变换的关系w;

通过梯度下降法,使得目标函数最小,获得所述几何变换矩阵w;其中包含旋转变量和平移变量;设定(x,y)与(x′,y′)为对应点,则旋转分分量为:

x ′ y ′ = c o s θ - s i n θ s i n θ cos θ x y , ]]>

其中,旋转角度θ为未知量;

平移分量为:

x ′ y ′ 1 = 1 0 d x 0 1 d y 0 0 1 x y 1 , ]]>

其中,平移量dx和dy为未知量;

联合矩阵可得:

x ′ y ′ 1 = c o s θ - s i n θ d x s i n θ cos θ d y 0 0 1 x y 1 , ]]>

其中,

w = c o s θ - s i n θ d x s i n θ cos θ d y 0 0 1 . ]]>

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201711421113.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top