[发明专利]利用散焦碉堡图像执行深度估计的系统及方法

说明书

技术领域

本发明总体涉及用于分析图像数据的技术，并且更具体地，涉及利用散焦碉堡图像（defocused pillbox image）执行深度估计过程的系统及方法。

背景技术

实现用于分析图像数据的高效方法对当代电子设备的设计者及制造商来说是一项重要的考虑。然而，利用电子设备高效地分析图像数据可能给系统设计者造成了巨大挑战。例如，对提高的设备功能及性能的增强的要求可能需要更多的系统处理能力并且需要额外的硬件资源。处理或硬件需求的提高也可因生产成本增加及运行效率低而导致相应的不利经济影响。

此外，执行各种高级操作的增强的设备能力可以为系统用户提供额外的益处，但也可能对各种设备组件的控制及管理提出提高的要求。例如，由于所涉及的数字数据的大量性和复杂性，有效分析数字图像数据的增强型电子设备可能会受益于有效的实现方式。

由于对系统资源的逐渐增长的需求和大幅增加的数据大小，显而易见的，开发用于分析图像数据的新技术是相关电子技术的关注事项。因此，出于所有前述原因，开发用于分析图像数据的有效系统对当代电子设备的设计者、制造商及用户来说仍是一项重要的考虑。

发明内容

根据本发明，公开了通过利用散焦碉堡图像来执行深度估计过程的系统及方法。在一个实施例中，相机首先捕获散焦碉堡图像1。相机的焦距设置然后被改变。例如，焦距设置可以被调整为使相机的焦距减少一个景深。相机然后捕获比先前捕获的碉堡图像1更模糊（离焦）的散焦碉堡图像2。

深度估计器或其他合适的实体选择合适的内核K来执行卷积过程。内核K可以按任何合适的方式来配置。例如，在某些实施例中，内核K可以被配置为方差小的3×3高斯内核。深度估计器还选择合适的高斯化内核来执行根据本发明的高斯化过程。高斯化内核可以按任何合适的方式被实现并利用。例如，高斯化内核可以是高斯函数或具有有限均值和方差的更一般的模糊函数（blur function）。

接下来，深度估计器计算图像1与图像2之间的匹配误差，然后执行卷积过程以创建新的当前图像1，该新的当前图像1等于与所选内核K进行卷积的前一个图像1。深度估计器计算当前图像1与图像2之间的匹配误差，并确定当前图像1与图像2是否匹配。如果这两个图像不匹配，那么过程返回来以类似方式执行额外的卷积迭代。

然而，如果图像1与图像2匹配，那么深度估计器通过利用先前选择的高斯化内核对当前图像1与图像2二者执行高斯化过程以将非高斯模糊图像转换为相应的高斯模糊图像。具体地，深度估计器执行卷积过程以创建新的当前高斯图像1，该新的当前高斯图像1等于与所选高斯化内核进行卷积的前一个碉堡模糊图像1。另外，深度估计器执行卷积过程以创建新的当前高斯图像2，该新的当前高斯图像2等于与所选高斯化内核进行卷积的前一个碉堡模糊图像2。

深度估计器然后执行卷积过程以创建新的当前高斯图像1，该新的当前高斯图像1等于与所选内核K进行卷积的前一个高斯图像1。深度估计器计算当前高斯图像1与高斯图像2之间的匹配误差，并确定当前高斯图像1与高斯图像2是否匹配。如果这两个图像不匹配，那么所述过程返回来执行额外的迭代。然而，如果当前高斯图像1与高斯图像2匹配，那么过程可以终止。本发明因此提供了一种通过利用散焦碉堡图像来执行深度估计过程的改进的系统及方法。

附图说明

图1是根据本发明的相机设备的一个实施例的框图；

图2是根据本发明的图1的捕获子系统的一个实施例的框图；

图3是根据本发明的图1的控制模块的一个实施例的框图；

图4是根据本发明的图3的存储器的一个实施例的框图；

图5是根据本发明的用于捕获散焦模糊图像的一个示例性实施例的示图；

图6是根据本发明的一个实施例的示例性匹配曲线的曲线图；

图7是根据本发明的一个实施例的模糊图像的示例性高斯模型的曲线图；

图8是根据本发明的一个实施例的模糊图像的示例性碉堡模型的曲线图；

图9A-9C是根据本发明的一个实施例的利用碉堡模糊图像执行深度估计过程的方法步骤的流程图；

图10是根据本发明的一个示例性实施例的两个饱和碉堡图像的示图；并且

图11是示出了根据本发明的一个示例性实施例的图10的饱和碉堡图像的填充框技术的示图。

具体实施方式