[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
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 | ||
本发明公开了一种基于混合相机系统的高速运动物体去模糊方法及装置,其中,方法包括:获取event‑based相机产生的数据并生成离散图像;采集相机产生的CMOS图像并提取图像前景信息与背景信息,且根据前景信息得到待恢复物体的轮廓信息。将CMOS相机下的轮廓信息变换到event‑based相机下,获取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;在RGB图像中,根据几何变换矩阵以及前景信息与背景信息去除高速运动物体模糊。该方法可以快速去除高速运动物体由于CMOS曝光时间长引起的运动模糊,捕捉高速运动物体的清晰图像,实现高速运动物体的定位。
技术领域
本发明涉及无人机上高速运动物体追踪应用技术领域,特别涉及一种基于混合相机系统的高速运动物体去模糊方法及装置。
背景技术
无人机因其具有高灵敏性和可操控性等特点,被广泛应用于军事和民用领域,尤其在可在现场勘查、航拍以及运动物体跟踪等领域有广泛应用。
无人机在执行移动物体追踪时,一般做法通过计算机视觉的方法识别出需要跟踪的物体,计算得到被跟踪物体相对于无人机的位置信息,反馈到运动控制系统,实现无人机与移动物体之间位置保持在相对可见位置。但是,在实际的工作过程中,移动物体的运动速度是不确定的,容易受到其运动方式的影响,使得无法准确识别出被跟踪物体,从而导致跟踪目标丢失、跟踪目标混淆等任务失败案例出现。
相关技术中,通过搭载计算机视觉设备是单目或者双目CMOS(ComplementaryMetal Oxide Semiconductor,互补金属氧化物半导体)摄像头,在被追踪物体移动速度较慢时可以很好地得到追踪效果,但是当物体运行速度过快,由于获取高亮图像的相机本身存在较长曝光时间,使得生成的图像信息中会存在严重的运动模糊情况,减小曝光时间可以减少运动模糊情况,但是得到的图像由于进光量少导致暗黑不清,同样无法很好的进行目标物体识别,有待解决。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的一个目的在于提出一种基于混合相机系统的高速运动物体去模糊方法,该方法可以实现高速运动物体的定位。
本发明的另一个目的在于提出一种基于混合相机系统的高速运动物体去模糊装置。
为达到上述目的,本发明一方面实施例提出了一种基于混合相机系统的高速运动物体去模糊方法,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;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。
本发明实施例的基于混合相机系统的高速运动物体去模糊方法,可以快速去除高速运动物体由于CMOS曝光时间长引起的运动模糊,捕捉高速运动物体的清晰图像,有利于更好的分析高速运动物体的运动信息,实现高速运动物体的定位。
另外,根据本发明上述实施例的基于混合相机系统的高速运动物体去模糊方法还可以具有以下附加的技术特征:
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/201711421113.9/2.html,转载请声明来源钻瓜专利网。