[发明专利]基于高斯过程回归的TOF相机距离校正方法在审
申请号: | 201810804240.5 | 申请日: | 2018-07-20 |
公开(公告)号: | CN109035345A | 公开(公告)日: | 2018-12-18 |
发明(设计)人: | 张慧;李彬;荣学文;李贻斌;刘斌 | 申请(专利权)人: | 齐鲁工业大学 |
主分类号: | G06T7/80 | 分类号: | G06T7/80 |
代理公司: | 济南圣达知识产权代理有限公司 37221 | 代理人: | 黄海丽 |
地址: | 250353 山东*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 目标板 高斯过程回归 训练集 中心像素点 校正 测距结果 距离校正 反光贴 测距 激光测距仪 交汇区域 镜头平面 三角支架 垂直的 平行 相机 镜头 | ||
1.基于高斯过程回归的TOF相机距离校正方法,其特征是,包括:
将TOF相机安装在三角支架上,将TOF相机的镜头平面调整为与镜头前方的目标板平行;目标板上贴有相互垂直的两条反光贴;通过调整相机与目标板相对位置,使得TOF相机的中心像素点定位在两条反光贴的交汇区域的中心位置;
用TOF相机获取TOF相机的中心像素点与目标板在不同距离下的测距结果,作为训练集的待校正距离;用激光测距仪获取TOF相机的中心像素点与目标板在不同距离下的测距结果,作为训练集的距离真值;基于训练集的待校正距离和训练集的距离真值,建立高斯过程回归模型;基于高斯过程回归模型,对TOF相机的新测距值进行校正。
2.如权利要求1所述的基于高斯过程回归的TOF相机距离校正方法,其特征是,
用TOF相机获取TOF相机的中心像素点与目标板在不同距离下的测距结果,作为训练集的待校正距离;用激光测距仪获取TOF相机的中心像素点与目标板在不同距离下的测距结果,作为训练集的距离真值;基于训练集的待校正距离和训练集的距离真值,建立高斯过程回归模型,具体步骤为:
步骤(1):假设TOF相机包括m个积分时间;在TOF相机中心像素点与目标板之间的设定距离范围内,以设定距离间隔选择若干个观测点;设定TOF相机的当前积分时间;
步骤(2):在设定的积分时间下,当TOF相机位于第一个观测点时,TOF相机读取n次TOF相机中心像素点与目标板之间的距离数据;然后,当TOF相机位于第二个观测点时,TOF相机读取n次TOF相机中心像素点与目标板之间的距离数据;然后,当TOF相机位于第三个观测点时,TOF相机读取n次TOF相机中心像素点与目标板之间的距离数据;以此类推,直至所有观测点的TOF相机中心像素点与目标板之间的距离数据均被读取完毕;设定TOF相机的下一个积分时间,然后,重复执行步骤(2);直至所有积分时间均被选择完毕;进入步骤(3);
用激光测距仪获取每个观测点下,TOF相机的中心像素点与目标板的距离真值;
步骤(3):对每个观测点读取的n次距离数据,并计算每次的距离误差ei,距离误差均值μ以及方差s;
步骤(4):将每个测量点在不同积分时间下的距离误差均值μ按照列向量的形式组成误差观测值矩阵y;
步骤(5):对于高斯过程回归模型
y=f(x)+ε (4)
式中:x为输入向量,其组成元素为每个测量点的距离真值r,f为函数值;
假设噪声得到y的先验分布:
其中,K(X,X)=(kij)为n×n阶对称正定的协方差矩阵,矩阵元素kij=k(xi,xj)用来衡量变量xi和变量xj之间的相关性;In为n维单位矩阵;σn为噪声方差;
将TOF相机在任意距离下的误差预测值设为f*,得误差观测值矩阵y和误差预测值f*的联合先验分布
其中,K(X,x*)=K(x*,X)T,K(X,x*)为测试点x*与训练集的输入X之间的n×1阶协方差矩阵;K(x*,x*)为测试点x*自身的协方差,即步骤(3)求得的方差s;
由公式(6)则计算出误差预测值f*的后验分布为
其中,
则为测试点x*对应的误差预测值f*的均值;
为测试点x*对应的误差预测值f*的方差;
协方差函数选择平方指数协方差函数:
其中,∑=diag(l2),l为方差尺度,为信号方差;
参数集合为超参数,通过极大似然法求得;
由于TOF相机的测距误差是关于距离的一元函数,公式(10)简化为:
公式(8)、(9)及(11)组成高斯过程回归模型。
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齐鲁工业大学,未经齐鲁工业大学许可,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/201810804240.5/1.html,转载请声明来源钻瓜专利网。