基于受支撑表面层的ToF点云多维度置信度计算方法与流程

摘要: 本发明属于三维视觉与深度图像处理,具体涉及一种基于受支撑表面层的tof点云多维度置信度计算方法。背景技术:1、三维视觉与深度图像处理技术是当前自动驾驶、机器人导...
基于受支撑表面层的ToF点云多维度置信度计算方法与流程

本发明属于三维视觉与深度图像处理,具体涉及一种基于受支撑表面层的tof点云多维度置信度计算方法。

背景技术:

1、三维视觉与深度图像处理技术是当前自动驾驶、机器人导航、三维重建等领域的关键技术之一。其中,直接飞行时间(direct time of flight,dtof)传感器作为一种主动式深度感知设备,通过发射光脉冲并测量反射光的时间延迟来获取场景的深度信息,在近距离高精度测距、室内三维建模、消费电子设备等应用场景中发挥着重要作用。dtof传感器能够直接输出有序的三维点云数据,为后续的场景理解和目标识别提供丰富的空间信息。

2、在dtof传感器的实际工作过程中,由于光学传播特性的限制,单个采样单元可能同时接收到来自前景物体与背景物体的反射光脉冲,导致传感器输出的深度值位于两个真实表面深度之间。这种由多表面回波混合而产生的测量值被称为混合返回点,其测量结果并不能准确反映任一真实表面的位置。混合返回点通常出现在物体轮廓、细杆、路缘以及遮挡边界等深度不连续区域附近,这些位置的深度测量本身就存在较高的不确定性。与此同时,在真实深度边缘的两侧同样存在大量有效的测量点,这些点虽然邻域深度差较大,但其测量结果本身是可信的,不应因为位于边缘附近就被统一判定为低置信度。

3、现有的tof点云置信度计算方法通常综合考虑原始信号质量、测量距离衰减、视场角、局部深度梯度或深度方差等因素,并采用乘积或加权融合的方式得到总置信度。这些因素在工程实践中具有一定的应用价值,能够在一定程度上反映测量结果的可靠性。然而,现有方法存在以下不足:首先,直接按照边缘强度对置信度进行惩罚会误伤真实边缘附近的有效测量点,导致大量可信的边缘点被错误降权;其次,当待处理的异常点参与邻域分层过程时,该点可能抬高局部方差,或者将自身解释为一个独立的微小深度层,从而影响对局部表面结构的正确判断;再次,现有方法难以有效区分位于两个真实表面之间的混合返回点与真正位于某一表面上的有效测量点,导致置信度评估结果的准确性受限。

技术实现思路

1、为了解决现有技术中存在的上述问题,本发明提供了一种基于受支撑表面层的tof点云多维度置信度计算方法。本发明要解决的技术问题通过以下技术方案实现:

2、本发明实施例提供了一种基于受支撑表面层的tof点云多维度置信度计算方法,所述tof点云多维度置信度计算包括:

3、获取tof点云;

4、针对tof点云中每个tof点,执行过程包括:将该tof点作为当前待测点,构建不包含当前待测点的参考邻点集合;将参考邻点集合中的参考邻点按照深度从小到大排序,并计算排序后参考邻点集合中每两个相邻参考邻点的深度间隙;当存在同时满足双侧最小样本支撑要求和间隙门限要求的深度间隙时,将该深度间隙作为分层位置,根据该分层位置形成近受支撑层和远受支撑层,并分别计算当前待测点到近受支撑层和远受支撑层的归一化残差,从二者残差中选出较小的归一化残差作为层间归属残差;当不存在同时满足双侧最小样本支撑要求和间隙门限要求的深度间隙时,由所有参考邻点形成一个受支撑层,并计算当前待测点到该受支撑层的归一化残差并作为层间归属残差;根据层间归属残差计算层归属置信度分量;统计有效参考邻点数量,根据有效参考邻点数量计算邻域支撑置信度分量;分别计算深度置信度分量、视线离轴置信度分量、同层连续性置信度分量;对层归属置信度分量、邻域支撑置信度分量、深度置信度分量、视线离轴置信度分量、同层连续性置信度分量和原始置信度分量进行加权几何平均融合计算得到当前待测点的多维度综合置信度。

5、本发明的有益效果:

6、本发明提出的基于受支撑表面层的tof点云多维度置信度计算方法,通过建立不含待测点的参考邻域,有效避免了混合返回点等异常点参与用于评价自身的局部统计模型的构建,防止了异常点的自污染问题,确保了层归属判断的客观性和准确性;通过要求深度间隙两侧均需达到最小样本支撑,有效抑制了由单个离群点或极少数噪声点形成伪深度层的现象,提高了深度分层结构的可靠性,使分层判断更加稳健,并且通过间隙门限要求,能够精准识别位于两个有邻点支撑的受支撑层之间的混合返回点,同时保留真实深度边缘两侧有效点的高置信度,在不统一惩罚真实边缘的前提下实现了混合返回点的有效识别;多维度置信度融合框架覆盖了原始质量、测量距离、视线离轴角、邻域支撑、层间归属和同层连续性等多个维度,能够从不同角度全面评估测量结果的准确性和可靠性,为后续的三维视觉处理任务提供更高质量的数据支持。

7、以下将结合附图及实施例对本发明做进一步详细说明。

1.一种基于受支撑表面层的tof点云多维度置信度计算方法,其特征在于,所述tof点云多维度置信度计算包括:

2.根据权利要求1所述的基于受支撑表面层的tof点云多维度置信度计算方法,其特征在于,当存在同时满足双侧最小样本支撑要求和间隙门限要求的深度间隙时,根据该深度间隙形成近受支撑层和远受支撑层,包括:

3.根据权利要求1所述的基于受支撑表面层的tof点云多维度置信度计算方法,其特征在于,分别计算当前待测点到近受支撑层和远受支撑层的归一化残差,包括:

4.根据权利要求1所述的基于受支撑表面层的tof点云多维度置信度计算方法,其特征在于,计算层归属置信度分量,公式表示为:

5.根据权利要求1所述的基于受支撑表面层的tof点云多维度置信度计算方法,其特征在于,计算邻域支撑置信度分量,公式表示为:

6.根据权利要求1所述的基于受支撑表面层的tof点云多维度置信度计算方法,其特征在于,计算深度置信度分量,公式表示为:

7.根据权利要求1所述的基于受支撑表面层的tof点云多维度置信度计算方法,其特征在于,计算同层连续性置信度分量,公式表示为:

8.根据权利要求1所述的基于受支撑表面层的tof点云多维度置信度计算方法,其特征在于,计算多维度综合置信度,公式表示为:

9.根据权利要求1所述的基于受支撑表面层的tof点云多维度置信度计算方法,其特征在于,所述tof点云多维度置信度计算,还包括:

10.根据权利要求9所述的基于受支撑表面层的tof点云多维度置信度计算方法,其特征在于,根据层间归属残差判断当前待测点的归属情况,包括: