[发明专利]RGBD序列中基于自动分层的场景流估计方法

摘要

本发明公开的RGBD序列中基于自动分层的场景流估计方法，首先获得连续两帧RGB图像和深度图像；其次，计算连续两帧RGB图像之间的光流信息，根据对应的RGB图像修复深度图像，然后使用SLIC超像素分割和相似区域合并信息得到初始分层深度图像，使用自动分层程序将初始分层图像中冗余的层进行合并得到最终的深度图像分层信息，最后根据深度图像和RGB图像间的光流信息得到场景流信息。本发明与传统的计算场景流方法相比，在提高精确度的同时增加了分层的自动化程度。

主权项

1.RGBD序列中基于自动分层的场景流估计方法，其特征在于，具体包括如下步骤：步骤1，分别输入连续两帧RGB图像和连续两帧深度图像，根据输入的RGB图像1和RGB图像2，分别计算RGB图像1到RGB图像2之间的光流图和RGB图像2到RGB图像1之间的光流图；步骤2，修复深度图像：根据坐标转换配准输入的深度图像和RGB图像，将深度图像中的噪声根据深度值为0的连通区域的大小分为洞和噪声点，然后根据区域相似性和颜色一致性修补洞，根据双边滤波消除噪声点；步骤3，将深度图像语义分层：采用SLIC超像素分割和相似区域合并算法对步骤2得到的深度图像进行语义分层，得到轮廓保持好的初始分层图像；步骤4，将深度图像自动分层：根据自动分层算法判断步骤3得到的初始分层图像中相邻两层是否能够合并，如果能够合并，则合并相邻层，并对所有层重新排序；如果不能合并，则分层结果保持不变；步骤5，判断步骤4重新排序后的层数是否改变，如果层数未发生改变，则自动分层得到深度图像最终的分层结果；如果层数发生改变则返回执行步骤4；步骤6，计算层辅助函数的权重：层辅助函数g_k(‑1.5≤g_k≤1.5)表示第k层的每个像素点属于第k层的可能性的大小，根据AR模型调制深度图像与RGB图像边缘不一致性获得层辅助函数的空间一致性；步骤7，计算场景流：根据步骤1得到的光流信息和步骤6得到深度图像的分层信息，计算每层的2D运动和深度变化得到场景流信息。