[发明专利]基于高斯过程回归的TOF相机距离校正方法

权利要求书

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e_i，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)＝(k_ij)为n×n阶对称正定的协方差矩阵，矩阵元素k_ij＝k(x_i,x_j)用来衡量变量x_i和变量x_j之间的相关性；I_n为n维单位矩阵；σ_n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。