[发明专利]基于结构光的场景深度检测方法及系统

权利要求书

1.基于结构光的场景深度检测方法，其特征在于，包括以下步骤：

步骤一，采用结构光编码方法形成结构光图案，该结构光图案沿x轴方向是一种伪随机序列编码图案，该结构光编码图案沿Y轴方向是周期图案；

步骤二，通过结构光图案对摄像机拍摄图像进行二值化；

步骤三，沿着投影仪Y轴的投影方向上将结构光编码图案进行逐像素上下平移，并记录每次平移时图像差异的绝对值；

步骤四，找到图像差异的波谷；通过图像差异的波谷计算信号的周期；

步骤五，根据周期和编码图案的关系确定神经网络识别器的输入图像尺寸；

步骤六，根据投影仪X轴和Y轴的投影方向对摄像机拍摄的局部图像进行校正，然后以摄像机图像上的每个像素点为中心，按照输入图像尺寸截取图像并识别其在编码图案中的对应位置。

2.根据权利要求1所述的基于结构光的场景深度检测方法，其特征在于，步骤四中，使用信号处理工具箱中的findpeaks函数找到图像差异的波谷。

3.根据权利要求1所述的基于结构光的场景深度检测方法，其特征在于，步骤四中周期以像素为单位。

4.根据权利要求1所述的基于结构光的场景深度检测方法，其特征在于，步骤二中，首先，根据投影仪的分辨率构造横、纵格雷码编码图案；然后，投影仪按顺序将所构造的横、纵格雷码编码图案投射到场景中，摄像机按顺序拍摄投射图案之后的场景；第三步，投影仪投射结构光图案，然后摄像机拍摄投射结构光图案之后的场景；第四步，使用格雷码的解码方法计算摄像机和投影仪图像上的匹配点关系；第五步，对结构光图案，使用周期检测方法计算出Y轴方向的图像周期；第六步，然后根据图像周期计算出解码实际拍摄图像所需的窗口尺寸；第七步，将格雷码方法计算出的匹配点位置作为正确的分类结果并重新通过第五步计算出的窗口大小，训练神经网络分类器。

5.根据权利要求1所述的基于结构光的场景深度检测方法，其特征在于，步骤一中的结构光编码方法形成的结构光编码图案，其Y轴上的周期大小与X轴上的伪随机序列的编码窗口尺寸成正比。

6.根据权利要求1所述的基于结构光的场景深度检测方法，其特征在于，步骤一中的结构光编码方法，采用柱状图形分别形成彼此之间没有间隙的编码图元和相位图元；编码图元和相位图元均由A颜色和B颜色组成。

7.根据权利要求6所述的基于结构光的场景深度检测方法，其特征在于，在形成编码图元的时候，先将柱状图形等分成K份，然后按照排列组合的方式将份区域填充A颜色，将剩下的区域填充B颜色，从而构造出种编码图元，其中为整数。

8.根据权利要求7所述的基于结构光的场景深度检测方法，其特征在于，在形成相位图元的时候，采用与编码图元大小相同的柱状图形，相位图元中A颜色和B颜色的比例与([k/2]):(k-[k/2])不同。

9. 根据权利要求8所述的基于结构光的场景深度检测方法，其特征在于，种编码图元与伪随机序列中的种编码字符一一对应，并将编码图元按照伪随机序列中对应字符的顺序排列成基本编码结构，其中伪随机序列的窗口大小为M。

10.基于结构光的场景深度检测系统，其特征在于，包括

结构光编码生成模块，用来生成结构光图案，该结构光图案沿x轴方向是一种伪随机序列编码图案，该结构光编码图案沿Y轴方向是周期图案；

周期计算模块，用来通过结构光图案对摄像机拍摄图像进行二值化；用来沿着投影仪Y轴的投影方向上将结构光编码图案进行逐像素上下平移，并记录每次平移时图像差异的绝对值；用来通过图像差异的绝对值找到图像差异的波谷；通过图像差异的波谷计算信号的周期；

根据周期和编码图案的关系确定神经网络识别器的输入图像尺寸；

图像校正模块，用来根据投影仪X轴和Y轴的投影方向对摄像机拍摄的局部图像进行校正，然后以摄像机图像上的每个像素点为中心，按照输入图像尺寸截取图像并识别其在编码图案中的对应位置。