[发明专利]一种基于图拉普拉斯正则化网络的ToF深度图像去噪方法

权利要求书

1.一种基于图拉普拉斯正则化网络的ToF深度图像去噪方法，其特征在于，所述方法包括：

获取ToF传感器采集的raw数据；

所述raw数据基于图拉普拉斯正则化网络进行噪声去除，得到去噪深度图；

所述去噪深度图通过后处理对置信度小于阈值对应的区域予以去除，得到最终深度图。

2.根据权利要求1所述的方法，其特征在于，若所述raw数据为单频raw数据；

所述raw数据基于图拉普拉斯正则化网络进行噪声去除，得到去噪深度图，包括：

所述单频raw数据转换为对应的IQ数据；

所述IQ数据基于图拉普拉斯正则化网络进行去噪，得到去噪后IQ数据；

所述去噪后IQ数据转换为所述去噪深度图。

3.根据权利要求2所述的方法，其特征在于，所述单频raw数据通过如下公式转换为对应的IQ数据：

其中，V_k为单频raw数据对应不同相移k＝1,2,3…N时的输出信号。

4.根据权利要求2所述的方法，其特征在于，所述IQ数据基于图拉普拉斯正则化网络进行去噪，得到去噪后IQ数据，包括：

所述IQ数据输入特征提取网络，得到特征图；

根据所述特征图，确定图邻接矩阵；

根据所述图邻接矩阵，确定拉普拉斯矩阵；

所述IQ数据输入预滤波网络，得到预滤波后IQ数据；

所述IQ数据输入系数预测网络，得到预测系数；

根据所述拉普拉斯矩阵、所述预滤波后IQ数据、所述预测系数，确定所述去噪后IQ数据。

5.根据权利要求4所述的方法，其特征在于，所述根据所述拉普拉斯矩阵、所述预滤波后IQ数据、所述预测系数，确定所述去噪后IQ数据，包括：

基于所述拉普拉斯矩阵、所述预滤波后IQ数据、所述预测系数、所述去噪后IQ数据构造方程；

通过QP求解器求解所述方程，得到所述去噪后IQ数据。

6.根据权利要求2所述的方法，其特征在于，所述去噪后IQ数据转换为所述去噪深度图，包括：

将所述去噪后IQ数据转换为相位数据；

根据所述相位数据计算所述去噪深度图的深度。

7.根据权利要求2所述的方法，其特征在于，所述去噪深度图通过后处理对置信度小于阈值对应的区域予以去除，得到最终深度图，包括：

根据所述去噪后IQ数据，确定置信度；

将所述置信度小于所述阈值对应的区域设置为无效值，得到所述最终深度图。

8.根据权利要求1所述的方法，其特征在于，若所述raw数据为多频raw数据，所述多频raw数据至少包括低频raw数据和高频raw数据；

所述raw数据基于图拉普拉斯正则化网络进行噪声去除，得到去噪深度图，包括：

所述低频raw数据转换为对应的低频IQ数据，所述高频raw数据转换为对应的高频IQ数据；

所述低频IQ数据基于图拉普拉斯正则化网络进行去噪，得到去噪后低频IQ数据，所述高频IQ数据基于图拉普拉斯正则化网络进行去噪，得到去噪后高频IQ数据；

所述去噪后低频IQ数据转换为低频去噪深度图，所述去噪后高频IQ数据转换为高频去噪深度图。

9.根据权利要求8所述的方法，其特征在于，所述去噪深度图通过后处理对置信度小于阈值对应的区域予以去除，得到最终深度图，包括：

所述低频去噪深度图和所述高频去噪深度图通过相位展开进行融合，得到融合深度图；

所述融合深度图通过后处理对置信度小于阈值对应的区域予以去除，得到所述最终深度图。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-9中任一所述的基于图拉普拉斯正则化网络的ToF深度图像去噪方法。