温度系数标定方法、系统、电子设备和存储介质与流程

1.本技术实施例涉及图像处理技术领域，特别涉及一种温度系数标定方法、系统、电子设备和存储介质。


背景技术：

2.结构光相机是一种通过发出主动红外光源来获得深度信息的设备，结构光相机包括红外激光投射器和红外摄像头两个基本组件，红外激光投射器将已知的结构光图案投射到目标物体上，结构光图案会在目标物体的表面发生与拍摄距离相关的形变，红外摄像头拍摄形变后的图案，随后通过立体匹配算法即可得到图案上各像素点的视差，进而恢复出深度信息，但在实际使用中，由于红外激光投射器热胀冷缩的特性，结构光相机在不同工作温度下发射出的结构光图案的大小、形状、位置都可能会有不同，因此在结构光相机出厂时需要进行温度系数标定，实际使用时要通过温度系数补偿和立体匹配算法的配合才能获得高质量的深度信息。
3.本技术的发明人发现，行业内一般对出厂的结构光相机逐个进行温度系数标定，每个结构光相机的标定过程都需要一定的时间，而出厂的结构光相机的数量是非常巨大的，因此整个生产线的温度系数标定过程的工作量非常大，耗时耗力。


技术实现要素：

4.本技术实施例的目的在于提供一种温度系数标定方法、系统、电子设备和存储介质，可以提升结构光相机出厂的温度系数标定的效率和质量，降低整个生产线在温度系数标定方面的成本。
5.为解决上述技术问题，本技术的实施例提供了一种温度系数标定方法，包括以下步骤：在当前批次相机中选取若干台样本相机，并根据所述当前批次相机的工作温度范围确定各所述样本相机对应的拍摄温度；其中，所述拍摄温度包括第一温度和不等于所述第一温度的第二温度；获取各所述样本相机在所述第一温度对预设平面拍摄的第一散斑图，以及在所述第二温度对所述预设平面拍摄的第二散斑图；遍历各所述样本相机，根据预设的温度补偿模型、当前样本相机对应的所述第一散斑图和所述第二散斑图，确定所述当前样本相机的温度系数；根据预设的统计算法和各所述样本相机的温度系数，确定统一温度系数，并将所述当前批次相机的温度系数均标定为所述统一温度系数。
6.本技术的实施例还提供了一种温度系数标定系统，所述系统包括：筛选模块，用于在当前批次相机中选取若干台样本相机，并根据所述当前批次相机的工作温度范围确定各所述样本相机对应的拍摄温度，所述拍摄温度包括第一温度和不等于所述第一温度的第二温度；采集模块，用于获取各所述样本相机在所述第一温度对预设平面拍摄的第一散斑图，以及在所述第二温度对所述预设平面拍摄的第二散斑图；样本标定模块，用于遍历各所述样本相机，根据预设的温度补偿模型、当前样本相机对应的所述第一散斑图和所述第二散斑图，确定所述当前样本相机的温度系数；统一标定模块，根据预设的统计算法和各所述样
本相机的温度系数，确定统一温度系数，并将所述当前批次相机的温度系数均标定为所述统一温度系数。
7.本技术的实施例还提供了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的温度系数标定方法。
8.本技术的实施例还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述的温度系数标定方法。
9.本技术的实施例提供的温度系数标定方法、系统、电子设备和存储介质，在当前批次相机中选取若干台样本相机，并根据当前批次相机的工作温度范围确定各样本相机对应的拍摄温度，每台样本相机对应的拍摄温度均包括第一温度和不等于第一温度的第二温度，随后获取各样本相机在第一温度对预设平面拍摄的第一散斑图，以及在第二温度对预设平面拍摄的第二散斑图，再遍历各样本相机，根据预设的温度补偿模型、当前样本相机对应的第一散斑图和第二散斑图，确定当前样本相机的温度系数，最后根据预设的统计算法和各样本相机的温度系数，确定统一温度系数，并将当前批次相机的温度系数均标定为该统一温度系数，考虑到行业内一般对出厂的结构光相机逐个进行温度系数标定，整个标定过程的工作量非常大，耗时耗力，而本技术的实施例在当前批次相机中选取若干台样本相机作为温度系数标定的基准，同一型号、同一批次的能够出厂的相机在各方面性能上的差别都很微小，这一小部分的样本相机能够代表整个批次相机的品质，服务器为每个相机都确定对应的拍摄温度，并且保证所有样本相机对应的拍摄温度完全覆盖当前批次相机的工作温度范围，从而逐个确定各样本相机的温度系数，并结合预设的统计算法求出最普适、最能表征当前批次相机的统一温度系数来对该批次的所有相机进行标定，大幅提升了结构光相机出厂的温度系数标定的效率和质量，降低了整个生产线在温度系数标定方面的成本。
10.另外，所述样本相机为m个，所述m为大于1的整数，所述根据所述当前批次相机的工作温度范围确定各所述样本相机对应的拍摄温度，包括：根据所述当前批次相机的最低工作温度、最高工作温度、预设温度间隔和预设步长，分别确定各所述样本相机对应的拍摄温度；其中，所述拍摄温度包括所述第一温度和不等于所述第一温度的所述第二温度，所述第二温度与所述第一温度之间的差值等于所述预设温度间隔，m个所述样本相机中至少有一个样本相机的第一温度等于所述最低工作温度，m个所述样本相机中至少有一个样本相机的第二温度等于所述最高工作温度，第i个所述样本相机的第一温度与第i 1个所述样本相机的第一温度之间的差值等于所述预设步长，所述i为大于0且小于m的整数，结构光相机有一定的工作温度范围，其只有处在在最低工作温度与最高工作温度之间才能正常进行拍摄，相机标定的温度系数也是在这个范围内对相机进行温度补偿以消除行偏差的，因此在出厂标定时，服务器需要模拟相机在工作温度范围的不同温度下工作，为了增强后续温度系数标定的普适性、代表性、科学性，每一个样本相机只模拟两个温度，不同的温度相机模拟的温度不全相同，从而覆盖整个工作温度范围。
11.另外，所述根据预设的统计算法和各所述样本相机的温度系数，确定统一温度系数，包括：根据预设的统计算法，在各所述样本相机的温度系数中确定有效的温度系数和有效的温度系数的总数；其中，所述预设的统计算法为随机抽样一致算法或基于聚类分析的
异常值检测算法；根据各所述有效的温度系数和所述有效的温度系数的总数，计算各所述有效的温度系数的平均值，并将所述平均值作为所述统一温度系数，随机抽样一致算法或基于聚类分析的异常值检测算法能够将各样本相机的温度系数中过分脱离整体的数据剔除掉，防止这些误差数据参与统一温度系数的计算，这样计算出的统一温度系数更加科学准确，从而进一步提升了相机出厂的温度系数标定的质量。
12.另外，所述温度补偿模型包含k个未知的温度系数，所述k为大于1的整数，所述根据预设的温度补偿模型、当前样本相机对应的所述第一散斑图和所述第二散斑图，确定所述当前样本相机的温度系数，包括：在所述当前样本相机对应的所述第一散斑图中确定若干种子点，并在所述当前样本相机对应的所述第二散斑图中分别确定与所述若干种子点坐标相同的若干基准点；遍历所述若干种子点，根据当前种子点和预设的块匹配算法，计算所述当前种子点和以所述当前种子点对应的基准点为中心的预设二维搜索范围内各点的匹配相似度，将匹配度相似度最高的点作为所述当前种子点的同名点；根据所述当前种子点的坐标、所述当前种子点的同名点的坐标、所述第一散斑图对应的第一温度、所述第二散斑图对应的第二温度和所述温度补偿模型，建立所述当前种子点对应的方程；其中，所述方程的个数为k个；联立各所述方程得到方程组，求解所述方程组，得到求解出的k个温度系数，结构光相机的红外激光投射器对温度比较敏感，具有热胀冷缩的特性，这使得结构光相机的内部结构发生改变，同一相机在不同温度下对同一目标拍摄的图像中的同名点之间，不仅在会出现列偏差，甚至还可能出现行偏差，而温度补偿就是校正这些行偏差和列偏差，因此在寻找同名点时需要在行列方向上都进行搜索，这样匹配出的同名点更加科学、合理，后续求解出的温度系数也会更加准确。
13.另外，所述方程的个数至少为k 1个，所述联立各所述方程得到方程组，求解所述方程组，得到求解出的k个温度系数，包括：联立各所述方程得到超定方程组，对所述超定方程组进行最小二乘求解，得到求解出的k个温度系数，服务器对于k个温度系数至少要建立k 1个方程，也就是至少选择k 1个种子点，保证方程的数量大于未知的温度系数的数量，从而构建超定方程组并求最小二乘解，可以提升确定的每个样本相机的温度系数的准确性。
14.另外，所述根据当前种子点和预设的块匹配算法，计算所述当前种子点和以所述当前种子点对应的基准点为中心的预设二维搜索范围内各点的匹配相似度，包括：以所述当前种子点为中心，根据预设的窗口大小获取第一图像块，并获取所述第一图像块中各点的灰度值；将以所述当前种子点对应的基准点为中心的预设二维搜索范围内各点作为待匹配点，遍历各所述待匹配点，以当前待匹配点为中心，根据所述窗口大小获取第二图像块，并获取所述第二图像块中各点的灰度值；根据所述第一图像块中各点的灰度值和所述第二图像块中各点的灰度值，计算所述第一图像块与所述第二图像块之间的灰度值的绝对差之和，将所述绝对差之和作为所述当前种子点与所述当前待匹配点之间的匹配相似度，灰度值的绝对差之和可以很好地衡量两个图象块之间匹配相似度，本技术选用块匹配算法，并以灰度值的绝对差之和作为衡量依据，可以更准确地确定出种子点对应的同名点，从而进一步提升整个温度系数标定过程的准确率。
附图说明
15.一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说
明并不构成对实施例的限定。
16.图1是本技术的一个实施例中的温度系数标定方法的流程图；
17.图2是本技术的一个实施例中，根据预设的统计算法和各样本相机的温度系数，确定统一温度系数的流程图；
18.图3是本技术的一个实施例中提供的一种无温度系数补偿的相机受温度影响的示意图；
19.图4是本技术的一个实施例中提供的一种使用原始温度系数补偿的相机受温度影响的示意图；
20.图5是本技术的一个实施例中提供的一种使用统一温度系数补偿的相机受温度影响的示意图；
21.图6是本技术的一个实施例中，根据预设的温度补偿模型、当前样本相机对应的第一散斑图和第二散斑图，确定当前样本相机的温度系数的流程图；
22.图7是本技术的一个实施例中，根据当前种子点和预设的块匹配算法，计算当前种子点和以当前种子点对应的基准点为中心的预设二维搜索范围内各点的匹配相似度的流程图；
23.图8是本技术的另一个实施例中的温度系数标定系统的示意图；
24.图9是本技术的另一个实施例中的电子设备的结构示意图。
具体实施方式
25.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合附图对本技术的各实施例进行详细的阐述。然而，本领域的普通技术人员可以理解，在本技术各实施例中，为了使读者更好地理解本技术而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施例的种种变化和修改，也可以实现本技术所要求保护的技术方案。以下各个实施例的划分是为了描述方便，不应对本技术的具体实现方式构成任何限定，各个实施例在不矛盾的前提下可以相互结合相互引用。
26.本技术的一个实施例涉及一种温度系数标定方法，应用于电子设备，其中，电子设备可以为终端或服务器，本实施例以及以下各个实施例中电子设备以服务器为例进行说明。下面对本实施例的温度系数标定方法的实现细节进行具体的说明，以下内容仅为方便理解提供的实现细节，并非实施本方案的必须。
27.本实施例的温度系数标定方法的具体流程可以如图1所示，包括：
28.步骤101，在当前批次相机中选取若干台样本相机，并根据当前批次相机的工作温度范围确定各样本相机对应的拍摄温度。
29.具体而言，服务器在对当前生产批次的相机进行温度系数标定时，可以先在当前批次相机中随机选取若干台相机作为样本相机，并根据当前批次相机的工作温度范围来确定各样本相机对应的拍摄温度，每一台样本相机对应的拍摄温度都包括一个第一温度和一个不等于第一温度的第二温度，即为每一台样本相机都在当前批次相机的工作温度范围内选择两个不同的温度作为拍摄温度。
30.在具体实现中，同一生产批次的相机用料大致相同，生产环境、生产条件也基本相同，即同一生产批次的相机在品质上具有一定的相似性，这样的产品支持使用统计学方法
进行生产过程质量控制，本技术中服务器便基于统计学原理进行相机的温度系数标定。
31.在具体实现中，由于材质等因素的限制，相机具有一定的工作温度范围，相机只有在工作温度范围内使用时才能正常工作，因此服务器在进行温度系数标定时，需要模拟各样本相机在工作温度范围内工作。
32.在一个例子中，样本相机为m个，m为大于1的整数，即服务器从当前批次相机中随机选取m个相机作为样本相机，服务器在确定这m个样本相机对应的拍摄温度时，可以根据当前批次相机的最低工作温度、最高工作温度、预设温度间隔和预设步长，分别确定这m个样本相机各自对应的拍摄温度，对于同一个样本相机来说，该样本相机对应的拍摄温度包括一个第一温度和一个不等于第一温度的第二温度，第二温度与第一温度之间的差值等于上述的预设温度间隔，通常情况下，第二温度要高于第一温度，对于全体样本相机而言，这m个样本相机中至少有一个样本相机的第一温度等于当前批次相机的最低工作温度，同理，这m个样本相机中至少有一个样本相机的第二温度等于当前批次相机的最高工作温度，对于相邻的两个样本相机而言，第i个样本相机的第一温度与第i 1个样本相机的第一温度之间的差值等于上述的预设步长，i为大于0且小于m的整数，其中，预设温度间隔和预设步长均可以由本领域的技术人员根据实际需要进行设置，考虑到结构光相机具有一定的工作温度范围，其只有处在在最低工作温度与最高工作温度之间才能正常进行拍摄，相机标定的温度系数也是在这个范围内对相机进行温度补偿以消除行偏差的，因此在出厂标定时，服务器需要模拟相机在工作温度范围的不同温度下工作，为了增强后续温度系数标定的普适性、代表性、科学性，每一个样本相机只模拟两个温度，不同的温度相机模拟的温度不全相同，从而覆盖整个工作温度范围。
33.在一个例子中，当前批次相机的工作温度范围为-10℃到60℃，预设步长为5℃，预设温度间隔为20℃，当前批次相机共5000个，服务器从当前批次相机中选取了110个样本相机，服务器可以将这110个样本相机分成10组，每组的第一个样本相机对应的第一温度为-10℃，第二温度为10℃，每组的第二个样本相机对应的第一温度为-5℃，第二温度为15℃，以此类推，每组的第十一个样本相机对应的第一温度为40℃，第二温度为60℃，完美覆盖整个工作温度范围。
34.步骤102，获取各样本相机在第一温度对预设平面拍摄的第一散斑图，以及在第二温度对预设平面拍摄的第二散斑图。
35.具体而言，服务器在确定出每一个样本相机对应的拍摄温度后，可以获取各样本相机在第一温度对预设平面拍摄的第一散斑图，以及在第二温度对同一个预设平面拍摄的第二散斑图，其中，预设平面可以由本领域的技术人员根据实际需要进行选择，本技术的实施例对此不作具体限定。
36.在具体实现中，服务器在确定出每一个样本相机对应的拍摄温度后，随即模拟这些样本相机在不同温度下的工作状态，即先通过样本相机在第一温度对预设平面拍摄得到第一散斑图，再通过同一个样本相机在第二温度对同一个预设平面拍摄得到第二散斑图。
37.步骤103，遍历各样本相机，根据预设的温度补偿模型、当前样本相机对应的第一散斑图和第二散斑图，确定当前样本相机的温度系数。
38.在具体实现中，服务器是基于统计学原理对当前生产批次的相机进行温度系数标定的，而对于选取的样本相机而言，首先要进行逐个标定，此步骤的逐个标定并非真正的标
定，只需确定出各样本样机需要标定的温度系数即可，服务器遍历各样本相机，根据预设的温度补偿模型、当前样本相机对应的第一散斑图和第二散斑图，确定当前样本相机的温度系数，逐个标定样本相机的温度系数的过程，实际上就是使用温度补偿模型将第一散斑图补偿成第二散斑图。
39.步骤104，根据预设的统计算法和各样本相机的温度系数，确定统一温度系数，并将当前批次相机的温度系数均标定为统一温度系数。
40.在具体实现中，服务器在对各样本相机的温度系数进行“逐个标定”后，可以根据预设的统计算法和各样本相机的温度系数，确定出统一温度系数，这个统一温度系数能够代表所有样本相机在温度系数方面的共同趋向，自然也能代表当前批次相机在温度系数方面的共同趋向，基于此，服务器直接将当前批次相机的温度系数均标定为统一温度系数。
41.在一个例子中，预设的统计算法为平均值算法，服务器可以对各样本相机的温度系数求平均值，将求出的平均值作为统一温度系数。
42.在另一个例子中，预设的统计算法为众数算法，服务器可以对各样本相机的温度系数求众数，将求出的众数作为统一温度系数。
43.本实施例，在当前批次相机中选取若干台样本相机，并根据当前批次相机的工作温度范围确定各样本相机对应的拍摄温度，每台样本相机对应的拍摄温度均包括第一温度和不等于第一温度的第二温度，随后获取各样本相机在第一温度对预设平面拍摄的第一散斑图，以及在第二温度对预设平面拍摄的第二散斑图，再遍历各样本相机，根据预设的温度补偿模型、当前样本相机对应的第一散斑图和第二散斑图，确定当前样本相机的温度系数，最后根据预设的统计算法和各样本相机的温度系数，确定统一温度系数，并将当前批次相机的温度系数均标定为该统一温度系数，考虑到行业内一般对出厂的结构光相机逐个进行温度系数标定，整个标定过程的工作量非常大，耗时耗力，而本技术的实施例在当前批次相机中选取若干台样本相机作为温度系数标定的基准，同一型号、同一批次的能够出厂的相机在各方面性能上的差别都很微小，这一小部分的样本相机能够代表整个批次相机的品质，服务器为每个相机都确定对应的拍摄温度，并且保证所有样本相机对应的拍摄温度完全覆盖当前批次相机的工作温度范围，从而逐个确定各样本相机的温度系数，并结合预设的统计算法求出最普适、最能表征当前批次相机的统一温度系数来对该批次的所有相机进行标定，大幅提升了结构光相机出厂的温度系数标定的效率和质量，降低了整个生产线在温度系数标定方面的成本。
44.在一个实施例中，服务器根据预设的统计算法和各样本相机的温度系数，确定统一温度系数，可以通过如图2所示的各步骤实现，具体包括：
45.步骤201，根据预设的统计算法，在各样本相机的温度系数中确定有效的温度系数和有效的温度系数的总数。
46.在具体实现中，预设的统计算法为随机抽样一致算法(random sample consensus，简称：rasac)或基于聚类分析的异常值检测算法，这两种统计算法能够找出异常数据，即能够找出偏移正常范围很远的数据，这样的数据是噪声数据，有可能是拍摄时出现问题或者该样本相机是次品，这样的温度系数不应纳入统计之中，服务器确认这样的异常数据为无效的温度系数，而在正常范围内的数据则是有效的温度系数，服务器可以确定出所有有效的温度系数和有效的温度系数的总数。
47.步骤202，根据各有效的温度系数和有效的温度系数的总数，计算各有效的温度系数的平均值，并将该平均值作为统一温度系数。
48.在具体实现中，服务器只对有效的温度系数进行统计，服务器根据各有效的温度系数和有效的温度系数的总数，计算各有效的温度系数的平均值，并将该平均值作为统一温度系数。
49.在一个例子中，不标定温度系数，即无温度系数补偿的相机受温度影响如3图所示，在无温度系数补偿的情况下相机受温度影响非常严重，使用原始温度系数补偿的相机受温度影响如4图所示，使用统一温度系数补偿的相机受温度影响如5图所示，使用统一温度系数补偿的效果明显好于使用原始温度系数补偿。
50.本实施例，使用随机抽样一致算法或基于聚类分析的异常值检测算法能够将各样本相机的温度系数中过分脱离整体的数据剔除掉，防止这些误差数据参与统一温度系数的计算，这样计算出的统一温度系数更加科学准确，从而进一步提升了相机出厂时的温度系数标定的质量。
51.在一个实施例中，温度补偿模型包含k个未知的温度系数，k为大于1的整数，服务器根据预设的温度补偿模型、当前样本相机对应的第一散斑图和第二散斑图，确定当前样本相机的温度系数，可以通过如图6所示的各步骤实现，具体包括：
52.步骤301，在当前样本相机对应的第一散斑图中确定若干种子点，并在当前样本相机对应的第二散斑图中分别确定与若干种子点坐标相同的若干基准点。
53.具体而言，结构光相机受温度影响热胀冷缩，最直接的表现就是相机在不同温度下对同一目标拍摄的散斑图中，同名点的位置发生较大的行偏差和列偏差，而温度系数补偿的存在就是消除这些偏差，因此在对样本样机进行逐个标定温度系数时，首先就要找到同一样本相机对应的第一散斑图和第二散斑图中的同名点，服务器先在当前样本相机对应的第一散斑图中确定若干种子点，并在当前样本相机对应的第二散斑图中分别确定与若干种子点坐标相同的若干基准点。
54.在一个例子中，为了消除亮度对同名点匹配的影响，服务器首先需要对第一散斑图和第二散斑图分别进行图像局部对比度归一化(local contrast normalization，简称：lcn)，从而增强第一散斑图的对比度和第二散斑图的对比度，以第一散斑图为例，服务器依次将第一散斑图中的各点作为待归一点，计算以待归一点为中心的预设二维归一窗口内各点的灰度值的平均值和标准差，最后根据待归一点的灰度值、以待归一点为中心的预设二维归一窗口内各点的灰度值的平均值和标准差，得到待归一点的归一化的灰度值，从而得到归一化的第一散斑图。
55.在一个例子中，服务器根据待归一点的灰度值、以待归一点为中心的预设二维归一窗口内各点的灰度值的平均值和标准差，得到待归一点的归一化的灰度值，可以通过以下公式实现：
[0056][0057]
式中，i为待归一点的灰度值，μ为以待归一点为中心的预设二维归一窗口内各点的灰度值的平均值，δ为以待归一点为中心的预设二维归一窗口内各点的灰度值的标准差，k为预设的常量，i
lcn
为待归一点的归一化的灰度值。
[0058]
步骤302，遍历若干种子点，根据当前种子点和预设的块匹配算法，计算当前种子点和以当前种子点对应的基准点为中心的预设二维搜索范围内各点的匹配相似度，将匹配度相似度最高的点作为当前种子点的同名点。
[0059]
具体而言，服务器在确定出基准点后，可以遍历若干种子点，根据当前种子点和预设的块匹配算法，计算当前种子点和以当前种子点对应的基准点为中心的预设二维搜索范围内各点的匹配相似度，将匹配度相似度最高的点作为当前种子点的同名点，考虑到由温度影响而导致的行偏差、列偏差的存在，服务器在匹配搜索时会在预设二维搜索范围内搜索，从而可以提升匹配同名点过程的准确率。
[0060]
在一个例子中，预设的二维搜索范围在x方向上的搜索范围为[-d，d]，在y方向上的搜索范围为[-r，r]。
[0061]
步骤303，根据当前种子点的坐标、当前种子点的同名点的坐标、第一散斑图对应的第一温度、第二散斑图对应的第二温度和温度补偿模型，建立当前种子点对应的方程。
[0062]
具体而言，服务器在找到当前种子点的同名点后，可以根据当前种子点的坐标、当前种子点的同名点的坐标、第一散斑图对应的第一温度、第二散斑图对应的第二温度和温度补偿模型，建立当前种子点对应的方程，其中，建立的方程的个数为k个，k个方程可以保证联立得到的方程组解出k个温度系数。
[0063]
在一个例子中，k等于4，即温度补偿模型包含未知的第一温度系数、未知的第二温度系数、未知的第三温度系数和未知的第四温度系数，服务器根据当前种子点的坐标、当前种子点的同名点的坐标、第一散斑图对应的第一温度、第二散斑图对应的第二温度和温度补偿模型，建立当前种子点对应的方程，可以通过以下公式表示：
[0064]
r2＝(t
1-t2)(r
1-pt_y)*scalingy pt_y
[0065]
c2＝(t
1-t2)(c
1-pt_x)*scaling
x
pt_x
[0066]
其中，r1为当前种子点的横坐标，c1为当前种子点的纵坐标，r2为当前种子点的同名点的横坐标，c2为当前种子点的同名点的纵坐标，t1为第一散斑图对应的第一温度，t2为第二散斑图对应的第二温度，pt_x为未知的第一温度系数，pt_y为未知的第二温度系数，scaling
x
为未知的第三温度系数，scalingy为未知的第四温度系数。
[0067]
步骤304，联立各方程得到方程组，求解该方程组，得到求解出的k个温度系数。
[0068]
具体而言，服务器在建立完成这k个方程后，可以联立这k个方程得到方程组，求解该方程组，即可得到求解出的k个温度系数。
[0069]
在一个例子中，服务器建立的方程的个数至少为k 1个，服务器联立这k 1个方程可以得到超定方程组，对超定方程组进行最小二乘求解，得到求解出的k个温度系数，服务器对于k个温度系数至少要建立k 1个方程，也就是至少选择k 1个种子点，保证方程的数量大于未知的温度系数的数量，从而构建超定方程组并求最小二乘解，可以提升确定的每个样本相机的温度系数的准确性。
[0070]
本实施例，考虑到结构光相机的红外激光投射器对温度比较敏感，具有热胀冷缩的特性，这使得结构光相机的内部结构发生改变，同一相机在不同温度下对同一目标拍摄的图像中的同名点之间，不仅在会出现列偏差，甚至还可能出现行偏差，而温度补偿就是校正这些行偏差和列偏差，因此在寻找同名点时需要在行列方向上都进行搜索，这样匹配出的同名点更加科学、合理，后续求解出的温度系数也会更加准确。
[0071]
在一个实施例中，服务器根据当前种子点和预设的块匹配算法，计算当前种子点和以当前种子点对应的基准点为中心的预设二维搜索范围内各点的匹配相似度，可以通过如图7所示的各步骤实现，具体包括：
[0072]
步骤401，以当前种子点为中心，根据预设的窗口大小获取第一图像块，并获取第一图像块中各点的灰度值。
[0073]
具体而言，本技术选用块匹配算法来进行同名点匹配，在匹配过程中，服务器先以当前种子点为中心，根据预设的窗口大小获取第一图像块，并获取第一图像块中各点的灰度值，其中，预设的窗口大小也是二维的，可以表示为：(2n 1)*(2m 1)。
[0074]
步骤402，将以当前种子点对应的基准点为中心的预设二维搜索范围内各点作为待匹配点，遍历各待匹配点，以当前待匹配点为中心，根据所述窗口大小获取第二图像块，并获取第二图像块中各点的灰度值。
[0075]
具体而言，服务器获取第一图像块中各点的灰度值之后，可以将以当前种子点对应的基准点为中心的预设二维搜索范围内各点作为待匹配点，遍历各待匹配点，以当前待匹配点为中心，根据所述窗口大小获取第二图像块，并获取第二图像块中各点的灰度值，其中，第一图像块和第二图像块的大小是相等的。
[0076]
步骤403，根据第一图像块中各点的灰度值和第二图像块中各点的灰度值，计算第一图像块与第二图像块之间的灰度值的绝对差之和，将所述绝对差之和作为当前种子点与当前待匹配点之间的匹配相似度。
[0077]
在具体实现中，考虑到灰度值的绝对差之和可以很好地衡量两个图象块之间匹配相似度，因此服务器选用块匹配算法，根据第一图像块中各点的灰度值和第二图像块中各点的灰度值，计算第一图像块与第二图像块之间的灰度值的绝对差之和，将所述绝对差之和作为当前种子点与当前待匹配点之间的匹配相似度，即以灰度值的绝对差之和作为衡量依据，可以更准确地确定出种子点对应的同名点，从而进一步提升整个温度系数标定过程的准确率。
[0078]
在一个例子中，服务器根据第一图像块中各点的灰度值和第二图像块中各点的灰度值，计算第一图像块与第二图像块之间的灰度值的绝对差之和，可以通过以下公式实现：
[0079][0080]
式中，i1(x i,y j)用于表征第一图像块中各点的灰度值，i2(x i d,y j r)用于表征第二图像块中各点的灰度值，sad(x,y,d,r)为第一图像块与第二图像块之间的灰度值的绝对差之和，d用于表征列偏差，r用于表征行偏差。
[0081]
在一个例子中，服务器确定出种子点(r1，c1)的同名点(r2，c2)后，可以分别对r2和c2进行亚像素插值，得到亚像素级别的同名点(r
2*
，c
2*
)。
[0082]
上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。
[0083]
本技术的另一个实施例涉及一种温度系数标定系统，下面对本实施例的温度系数
标定系统的实现细节进行具体的说明，以下内容仅为方便理解提供的实现细节，并非实施本方案的必须，本实施例的温度系数标定系统的示意图可以如图8所示，包括：
[0084]
筛选模块501，用于在当前批次相机中选取若干台样本相机，并根据当前批次相机的工作温度范围确定各样本相机对应的拍摄温度，各样本相机对应的拍摄温度包括第一温度和不等于第一温度的第二温度。
[0085]
采集模块502，用于获取各样本相机在第一温度对预设平面拍摄的第一散斑图，以及在第二温度对预设平面拍摄的第二散斑图。
[0086]
样本标定模块503，用于遍历各样本相机，根据预设的温度补偿模型、当前样本相机对应的第一散斑图和第二散斑图，确定当前样本相机的温度系数。
[0087]
统一标定模块504，根据预设的统计算法和各样本相机的温度系数，确定统一温度系数，并将当前批次相机的温度系数均标定为统一温度系数。
[0088]
值得一提的是，本实施例中所涉及到的各模块均为逻辑模块，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现。此外，为了突出本技术的创新部分，本实施例中并没有将与解决本技术所提出的技术问题关系不太密切的单元引入，但这并不表明本实施例中不存在其它的单元。
[0089]
本技术另一个实施例涉及一种电子设备，如图9所示，包括：至少一个处理器601；以及，与所述至少一个处理器601通信连接的存储器602；其中，所述存储器602存储有可被所述至少一个处理器601执行的指令，所述指令被所述至少一个处理器601执行，以使所述至少一个处理器601能够执行上述各实施例中的温度系数标定方法。
[0090]
其中，存储器和处理器采用总线方式连接，总线可以包括任意数量的互联的总线和桥，总线将一个或多个处理器和存储器的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。经处理器处理的数据通过天线在无线介质上进行传输，进一步，天线还接收数据并将数据传送给处理器。
[0091]
处理器负责管理总线和通常的处理，还可以提供各种功能，包括定时，外围接口，电压调节、电源管理以及其他控制功能。而存储器可以被用于存储处理器在执行操作时所使用的数据。
[0092]
本技术另一个实施例涉及一种计算机可读存储介质，存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。
[0093]
即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，简称：rom)、随机存取存储器(random access memory，简称：ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0094]
本领域的普通技术人员可以理解，上述各实施例是实现本技术的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本技术的精神和范围。