[发明专利]一种深度真值获取方法、装置、系统及深度相机

说明书

本申请适用于计算机视觉技术领域，提供了一种深度真值获取方法、装置、系统及深度相机，该深度真值获取方法包括：获取相机和激光雷达分别采集的不同姿态的目标物的二维图像和深度图像；将深度图像转换为点云数据，求解点云数据与二维图像的变换关系，获得第一变换矩阵；利用第一变换矩阵将点云数据投影至相机的成像平面以获取深度真值。本申请实施例可以便捷地生成深度与相机的成像器件逐像素对齐的高精度深度图像。

技术领域

本申请属于计算机视觉技术领域，尤其涉及一种深度真值获取方法、装置、系统及深度相机。

背景技术

为了获得更为优质的三维信息和解决传统三维测量方法中难以克服的一些问题，越来越多的三维测量方法开始使用深度学习算法计算深度。如利用深度学习从单幅RGB图像或灰度图像中重构场景三维信息，用深度学习解决间接飞行时间(indirect time offlight，iToF)测量中多路径和散射等效应导致的深度错误问题。而深度学习需要大量的数据和深度的真值(ground truth)作为训练样本，训练样本数量和深度真值的精度直接决定了深度学习算法的最终表现。

发明内容

有鉴于此，本申请实施例提供了一种深度真值获取方法、装置、系统及深度相机，能够解决深度真值的精度不高的技术问题。

第一方面，本申请一实施例提供了一种深度真值获取方法，包括：

获取相机和激光雷达分别采集的不同姿态的目标物的二维图像和深度图像；

将深度图像转换为点云数据，求解点云数据与二维图像的变换关系，获得第一变换矩阵；

利用第一变换矩阵将点云数据投影至相机的成像平面以获取深度真值。

本申请实施例可以便捷地生成与相机中成像器件逐像素对齐的高精度深度图像。

作为第一方面的一种实现方式，所述深度真值获取方法还包括：

将所述二维图像和所述深度真值作为一组训练样本，获取不同场景下的多组训练样本，利用所述多组训练样本训练神经网络模型，获得经训练的神经网络模型。

作为第一方面的一种实现方式，所述将深度图像转换为点云数据，求解点云数据与二维图像的变换关系，获得第一变换矩阵，包括：

将深度图像转换为点云数据；

利用二维图像和点云数据中特征点对的坐标信息，求解点云数据与二维图像的变换关系，获得第一变换矩阵。

作为第一方面的一种实现方式，所述获取相机和激光雷达分别采集的不同姿态的目标物的二维图像和深度图像，包括：

获取相机与激光雷达分别采集的目标物的二维图像和深度图像；

获取不同姿态的目标物的二维图像和深度图像。

第二方面，本申请一实施例提供了一种深度真值获取装置，包括：

获取模块，用于获取相机和激光雷达分别采集的不同姿态的目标物的二维图像和深度图像；

求解模块，用于将深度图像转换为点云数据，求解点云数据与二维图像的变换关系，获得第一变换矩阵；

深度真值计算模块，用于利用第一变换矩阵将点云数据投影至相机的成像平面以获取深度真值。

作为第二方面的一种实现方式，深度真值获取装置还包括：

训练模块，用于将所述二维图像和所述深度真值作为一组训练样本，获取不同场景下的多组训练样本，利用所述多组训练样本训练神经网络模型，获得经训练的神经网络模型。

作为第二方面的一种实现方式，所述获取模块包括第一获取子模块和第二获取子模块。