[发明专利]一种智能手机的结构光深度相机自校正方法及装置

权利要求书

1.一种智能手机结构光深度相机自校正的方法，其特征在于：

该方法包括以下步骤：

步骤1，红外激光散斑投射器投射散斑图像，图像接收传感器接收所投射的散斑图像，并生成输入散斑图像和参考散斑图像；

步骤2，检测参考散斑图像相对于输入散斑图像的光轴变化，并根据最优偏移量对参考散斑图像进行校正；

步骤3，对输入散斑图像的每个像素点在参考散斑图像中搜索最优匹配块，得到偏移量(Δx′，Δy′)，利用所述偏移量计算该像素点的深度信息；

其中，步骤2进一步包括：

步骤2.1，对参考散斑图像和输入散斑图像进行预处理，在参考散斑图像中设定特征块，并在输入散斑图像中提取与所述特征块中心点对应的点为中心的匹配搜索窗；

步骤2.2，在所述匹配搜索窗内提取与特征块相同大小的匹配块，通过相似度准则计算所述匹配块与所述特征块之间的相似度，其中最大相似度所对应的匹配块即为最优匹配块；

步骤2.3，提取最优匹配块的中心点，并计算特征块中心点与匹配块中心点之间的偏移量；

步骤2.4，检测步骤2.3得到的偏移量，将所述偏移量输出到手机AP端并求取最优偏移量；

步骤2.5，根据最优偏移量反向上下或左右整体调整参考散斑图像的位置。

2.如权利要求1所述的方法，其特征在于：

所述散斑图像包括随机散斑、规则符号阵列结构光、随机散斑+规则符号的混合结构光散斑。

3.如权利要求1所述的方法，其特征在于：

所述步骤2.2中的相似度计算方式具体为

归一化互相关Normal ized Cross Correlation Method(NCC)相似度准则公式

或者差绝对值之和SAD公式

其中，n₀为匹配块像素点个数或特征块像素点个数，即m×n，x_i，j表示特征块中像素点的值，y_i，j表示匹配块中像素点的值。

4.如权利要求1或2所述的方法，其特征在于：

步骤3进一步包括：

在输入散斑图像中提取图像块，在经过校正的参考散斑图像中提取匹配搜索窗，并在所述匹配搜索窗内提取与输入图像块大小相同的匹配块，计算输入图像块与匹配块的SAD值，或NCC相似度，SAD值或NCC相似度值最小对应的匹配块，作为最优匹配块，该最优匹配块中心点相对于匹配搜索窗中心点的位置的偏移量，作为输入图像块的偏移量；

最后根据深度信息计算公式获取输入图像块中心点的深度信息。

5.如权利要求4所述的方法，其特征在于：

所述深度信息计算公式具体为：

其中，最优偏移量Δm等于匹配搜索窗中心点x坐标值减去最优匹配块中心点x′坐标值，或匹配搜索窗中心点y坐标值减去最优匹配块中心点y′坐标值，Δm有正负，d为参考散斑图像的已知距离、f为图像接收传感器焦距、S为红外激光散斑投射器与图像接收传感器之间的基线距离，μ为图像接收传感器像素点点距参数。