TOF深度相机误差分析及补偿方法

主要分析了基于TOF测量技术的深度相机的深度误差产生的原理,针对ARGUS-A5型号深度相机产生的各类误差建立相对应的误差补偿模型,消去其误差影响。首先,利用黑白棋盘格标定法及Matlab摄像机标定工具箱标定了深度相机的内参矩阵以及畸变系数,消除了光心偏移误差、畸变误差;其次,基于针孔成像模型建立了平面误差补偿模型,消除了成像平面像素点的深度高估误差;最后,在不同深度下采集一个标准平面的数据,与真实深度数据进行线性拟合,建立深度信息误差查找表。结果表明,补偿后深度信息误差下降率为95.38%,最大误差率减少9.66%,补偿时间在20 ms内。

深度相机的测量误差建模及校正

ToF(Time of Flight)深度相机是获取三维点云数据的重要手段之一,但ToF深度相机受到自身硬件和外部环境的限制,其测量数据存在一定的误差。本文针对ToF深度相机的非系统误差进行研究,通过实验验证了被测目标的颜色、距离和相对运动等因素均会对深度相机获取的数据产生影响,且影响均不相同。本文提出了一种新的测量误差模型对颜色和距离产生的误差进行校正,对于相对运动产生的误差,建立了三维运动模糊函数进行恢复,通过对所建立的校正模型进行数值分析,距离和颜色的残余误差小于4 mm,相对运动所带来的误差小于0.7 mm。本文所做工作改善了ToF深度相机的测量数据的质量,为开展三维点云重建等工作提供了更精准的数据支持。

TOF相机实时高精度深度误差补偿方法

TOF(Time-Of-Flight)相机获取的深度值存在着边角畸变和精度偏移,目前主要是通过误差查找表或曲线拟合等技术进行误差补偿,计算量大且补偿速度慢。通过对TOF相机在不同距离的深度误差分布规律的分析,提出了一种实时、高精度的误差补偿方法。该方法利用TOF深度图像的旋转对称性以及误差分布的特性,简化了误差补偿模型、降低参数数量级,有效提升了补偿的精度和速度。将算法应用于基于TOF原理的Kinect v2深度传感器进行深度补偿,使得有效距离内平面度误差下降到0.63 mm内,平均误差下降到0.7040 mm内,单帧数据补偿时间在90 ms内。由于该算法仅基于光径差进行补偿,因此适用于所有TOF原理的相机。实验结果表明,该算法能够快速有效减少TOF相机的深度误差,适用于实时、高精度的大视场三维重建。

TOF相机的深度数据测量误差校正方法研究

针对TOF相机获取的原始深度数据存在多种误差,导致成像出现畸变和偏差的问题,建立极限学习机(ELM)空间配准模型,对TOF相机深度数据测量过程中非系统性和系统性误差的叠加导致的深度数据偏移进行统一校正,并与基于BP算法建立的空间配准模型以及基于小孔成像原理校正的结果进行对比。实验结果表明,采用ELM算法所建立的ELM空间配准模型大幅减小了TOF相机测量深度数据的误差。在综合实时性、精确性和泛化能力方面,ELM算法比其他两种方法的数据校正效果更优,能更好地复原真实场景中的深度数据,为TOF相机测量的深度数据的校正提供了一种新的思路和方法。

TOF相机深度数据测量中的空间配准方法研究

针对TOF深度相机获取的原始深度数据存在多种误差,导致成像出现畸变的问题。提出建立改进小波序贯极限学习机(CFWNN-OSELM)空间配准模型的方法,对TOF相机深度数据测量过程中非系统性和系统性误差的叠加导致的深度数据偏移进行统一校正。并与基于ELM算法和BP算法分别建立的空间配准模型以及基于小孔成像原理校正的结果进行比较。经实验分析,采用CFWNN-OSELM所建立的空间配准模型大幅减小了TOF相机测量深度数据的误差,泛化能力强,能够实现在线增量式快速学习。为TOF相机测量深度数据的校正方法提供了一种新的思路方法。

一种低分辨率TOF深度图的优化算法与实现

低分辨率TOF深度相机作为主动传感器,可快速获取三维场景中的深度信息。以往对TOF深度图的优化处理忽略了物体边缘信息的精度,基于此利用双目中的左摄像头得到的RGB信息对TOF深度图边缘进行修正,用来提高边缘的深度信息精度。然后利用Delaunay三角剖分插值算法对TOF深度图进行上采样插值,从而得到深度信息更加精确、稠密的TOF高分辨率深度图。实验结果表明,算法提高了TOF深度图的分辨率及边缘精度。

基于ToF技术的高压输电线路带电作业安全监测方法

针对高压带电作业过程中人工实施安全监测难的问题,提出了1种基于飞行时间(time of flight,ToF)深度相机的高压带电作业实时安全监测及预警方法。在对高压输电线路带电作业方式和典型工况分析基础上,基于带电作业安全距离对带电作业人员的安全作业空间进行了划分,利用ToF深度相机对带电作业安全距离进行实时检测,采用安全作业空间边界越界和入侵检测实现安全预警;同时对影响安全监测的绝缘绳索进行甄别和排除,提高了该方法对野外复杂环境的适用性和准确性。在现场试验时,杆塔上的观察人员与系统同时进行安全监控,系统进行了12次报警,而观测人员仅进行了5次报警提示,其他7次报警是由于作业人员足部仅触及报警线边缘,精度要求高,故观测人员没能及时报警。通过现场试验验证了基于ToF深度相机的高压带电作业实时安全监测系统的准确性和可靠性,与人工监测相比,系统可大幅提高带电作业安全监测的有效性,能有效预防带电作业人身伤害事故的发生。

基于Ai-IRT与5G-Sa的配网带电作业安全行为模式检测

配网带电作业过程中存在安全隐患,为保障作业人员的安全性,研究基于Ai红外热成像与5G-Sa网络模式的配网带电作业安全行为模式检测方法。通过基于Ai红外热成像原理的TOF深度相机,采集配网带电作业区域与作业人员深度图像,划分配网带电作业区域,设定预警判别条件,对出现在预警区间内的作业人员点云数据是否超出预警控制线实施判别,判别结果经由5G-Sa网络传送到地面监控中心,由监控中心完成预警及记录,实现配网带电作业安全行为模式检测。实验结果表明,该方法可实现配网带电作业安全行为模式的检测,有效传输检测结果,并对不安全行为模式及时发出预警。