專利名稱：三維場景物體邊界檢測方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明計算機視覺技術(shù)領(lǐng)域，特別涉及ー種三維場景物體邊界檢測方法及裝置。
背景技術(shù)：
邊界檢測在計算機視覺技術(shù)中具有重要的作用。 早期的坎尼(Canny)算法采用微分濾波器對灰度圖的進行濾波，可以找到圖像中亮度發(fā)生跳變的邊緣。后來的ー些算法通過檢測顔色突變或綜合亮度與顔色的變化檢測物體邊緣。但是在實際的三維場景中，依賴顏色或亮度的跳變判斷物體邊界是不可靠的。一方面物體表面的紋理很容易被檢測為邊緣(如斑馬的條紋)，另ー方面光照產(chǎn)生的亮度漸變和陰影也會被檢測為邊緣。此時，利用現(xiàn)有的上述算法將難以估算出正確的物體邊界。

發(fā)明內(nèi)容
本發(fā)明的目的g在至少解決上述技術(shù)缺陷之一。為此，本發(fā)明的第一個目的在于提出ー種三維場景物體邊界檢測方法，可以快速、有效的檢測出三維場景中物體的邊界，顯著降低陰影和物體表面的紋理對邊界識別效果的影響，提聞了邊界檢測的精度。為達到上述目的，本發(fā)明第一方面的實施例提出了ー種三維場景物體邊界檢測方法，包括如下步驟計算三維圖像的每個像素的一個或多個特征在多個方向上的微分，其中，所述ー個或多個特征包括亮度特征、顔色特征、亮度紋理特征和顏色紋理特征；將所述每個像素的相同方向上的所述亮度特征的微分與所述亮度紋理特征的微分進行合并以生成第一微分，并將相同方向上的所述顏色特征的微分與所述顏色紋理特征的微分進行合并以生成第二微分；將所述每個像素的所述多個方向上的多個第一微分進行合并以生成第三微分，并將所述多個方向上的多個第二微分進行合并以生成第四微分；根據(jù)所述每個像素的所述第三微分和所述第四微分計算所述每個像素為邊界點的概率，得到物體邊界圖。根據(jù)本發(fā)明實施例的三維場景物體邊界檢測方法，可以快速、有效的檢測出三維場景中物體的邊界，顯著降低陰影和物體表面的紋理對邊界識別效果的影響，提高了邊界檢測的精度。在本發(fā)明的一個實施例中，設(shè)當(dāng)前像素點P，以像素P為中心，沿著方向Θ，選取2WX W的窗ロ，并將所述窗ロ橫向分為4個W/2 X W的子窗ロ，然后計算每個窗ロ的亮度直方圖和顔色直方圖〃；其中i為子窗ロ的編號。在本發(fā)明的一個實施例中，根據(jù)所述每個窗ロ的亮度直方四丑和顏色直方圖分別計算亮度特征的微分、顔色特征的微分、亮度紋理特征的微分和顏色紋理特征的微分，
其中，所述像素P在方向Θ上的亮度特征的微分為ズひれめニ/^ポ”ガ廣^所述像素!^在方向θ上的顏色特征的微分為の=/レ("Γ..":;"')j;所述像素P在方向θ上的亮度紋理特征的微分為的/み/所述像素P在方向θ上的顏色紋理特征的微分為:G京(Ρ,θ) = f\d(Hf\fT3h.) + d(HtMt)]。在本發(fā)明的一個實施例中，所述第一微分為G=CP,め=，所述第二微分為Gi(P,の=min[GこGi]。在本發(fā)明的一個實施例中，所述第三微分為:(產(chǎn)(/>) = mp[c^(/),のj所述第四微分為G*(P) = p*b(P,θ)]在本發(fā)明的一個實施例中，所述根據(jù)所述每個像素的所述第三微分和所述第四微分計算所述每個像素為邊界點的概率Pb⑵=CiGbrt (P) +(I-Ci)Gclr(P)，其中，Pb (P)為像素P是邊界點的概率，α為亮度作為邊界判定因素所占的權(quán)重。本發(fā)明的第二方面的實施例提出了ー種三維場景物體邊界檢測裝置，包括微分 計算模塊，用于計算三維圖像的每個像素的一個或多個特征在多個方向上的微分，其中，所述ー個或多個特征包括亮度特征、顔色特征、亮度紋理特征和顏色紋理特征；微分合并模塊，用于合并所述像素在相同方向上的多個特征的微分，以及合并所述像素在多個方向上的微分；概率計算模塊，用于計算所述每個像素為邊界點的概率。根據(jù)本發(fā)明實施例的三維場景物體邊界檢測裝置，可以快速、有效的檢測出三維場景中物體的邊界，顯著降低陰影和物體表面的紋理對邊界識別效果的影響，提高了邊界檢測的精度。在本發(fā)明的一個實施例中，設(shè)當(dāng)前像素點P，所述微分計算模塊以像素P為中心，沿著方向Θ，選取2WXW的窗ロ，并將所述窗ロ橫向分為4個W/2XW的子窗ロ，然后計算每個窗ロ的亮度直方圖/T和顔色直方四〃，其中i為子窗ロ的編號。在本發(fā)明的一個實施例中，所述微分計算模塊根據(jù)所述每個窗ロ的亮度直方圖〃廣和顔色直方圖〃/分別計算亮度特征的微分、顔色特征的微分、亮度紋理特征的微分和顏色紋理特征的微分，其中，所述像素P在方向θ上的亮度特征
的微分為げ，の=/P(的所述像素P在方向Θ上的顔色特征的微分為G=(P，の=/[W/if所述像素P在方向Θ上的亮度紋理特征的微分為
の=/ぐ，0ゴ促2'0]·所述像素P在方向Θ上的顏色紋理特征的微分為 = f[d{Hf ,Hf) + d(Hf, Hf )]在本發(fā)明的一個實施例中，所述微分合并模塊將所述每個像素的相同方向上的所述亮度特征的微分與所述亮度紋理特征的微分進行合并以生成第一微分，所述第一微分的
計算公式為の=并將相同方向上的所述顏色特征的微分與所述顏色紋理
特征的微分進行合并以生成第二微分，所述第二微分的計算公式為G=(P.の=在本發(fā)明的一個實施例中，所述微分合并模塊將所述每個像素的所述多個方向上的多個第一微分進行合并以生成第三微分，所述第三微分的計算公式為Gbけのj:并將所述多個方向上的多個第二微分進行合并以生成第四微分，
所述第四微分的計算公式為6*'(の=max[^l；.a/J^)]在本發(fā)明的一個實施例中，所述概率計算模塊根據(jù)所述每個像素的所述第三微分和所述第四微分計算所述每個像素為邊界點的概率的計算公式為Pb⑵=CiGbrt (P) +(I-Ci)Gclr(P)，其中，Pb (P)為像素P是邊界點的概率，α為亮度作為邊界判定因素所占的權(quán)重。本發(fā)明附加的方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變、得明顯，或通過本發(fā)明的實踐了解到。


本發(fā)明上述的和/或附加的方面和優(yōu)點從下面結(jié)合附圖對實施例的描述中將變得明顯和容易理解，其中圖I為本發(fā)明實施例的三維場景物體邊界檢測方法的流程圖；圖2為本發(fā)明一個實施例的窗ロ劃分示意圖；圖3為本發(fā)明一個實施例的三維圖像物體邊界檢測過程示意圖；以及圖4為本發(fā)明實施例的三維場景物體邊界檢測裝置的示意圖。
具體實施例方式下面詳細描述本發(fā)明的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，僅用于解釋本發(fā)明，而不能解釋為對本發(fā)明的限制。下文的公開提供了許多不同的實施例或例子用來實現(xiàn)本發(fā)明的不同結(jié)構(gòu)。為了簡化本發(fā)明的公開，下文中對特定例子的部件和設(shè)置進行描述。當(dāng)然，它們僅僅為示例，并且目的不在于限制本發(fā)明。此外，本發(fā)明可以在不同例子中重復(fù)參考數(shù)字和/或字母。這種重復(fù)是為了簡化和清楚的目的，其本身不指示所討論各種實施例和/或設(shè)置之間的關(guān)系。此夕卜，本發(fā)明提供了的各種特定的エ藝和材料的例子，但是本領(lǐng)域普通技術(shù)人員可以意識到其他エ藝的可應(yīng)用于性和/或其他材料的使用。另外，以下描述的第一特征在第二特征之“上”的結(jié)構(gòu)可以包括第一和第二特征形成為直接接觸的實施例，也可以包括另外的特征形成在第一和第二特征之間的實施例，這樣第一和第二特征可能不是直接接觸。在本發(fā)明的描述中，需要說明的是，除非另有規(guī)定和限定，術(shù)語“安裝”、“相連”、“連接”應(yīng)做廣義理解，例如，可以是機械連接或電連接，也可以是兩個元件內(nèi)部的連通，可以是直接相連，也可以通過中間媒介間接相連，對于本領(lǐng)域的普通技術(shù)人員而言，可以根據(jù)具體情況理解上述術(shù)語的具體含義。參照下面的描述和附圖，將清楚本發(fā)明的實施例的這些和其他方面。在這些描述和附圖中，具體公開了本發(fā)明的實施例中的ー些特定實施方式，來表示實施本發(fā)明的實施例的原理的ー些方式，但是應(yīng)當(dāng)理解，本發(fā)明的實施例的范圍不受此限制。相反，本發(fā)明的實施例包括落入所附加權(quán)利要求書的精神和內(nèi)涵范圍內(nèi)的所有變化、修改和等同物。
如圖I所示，根據(jù)本發(fā)明第一方面實施例的三維場景物體邊界檢測方法，包括以下步驟SlOl :計算三維圖像的每個像素的一個或多個特征在多個方向上的微分，其中，一個或多個特征包括亮度特征、顔色特征、亮度紋理特征和顏色紋理特征等。如圖2所示，設(shè)當(dāng)前像素點P，以像素P為中心，沿著方向Θ，選取2WXW的窗ロ，并將所述窗ロ橫向分為4個W/2XW的子窗ロ，編號為1、2、3、4，然后計算每個窗ロ的亮度直方圖が和顏色直方圖〃其中i為子窗ロ的編號。在圖2中，選取Θ為90°。所述像素P在方向Θ上的亮度特征的微分和顔色特征的微分分別為ぼ(ハの=/レ("ぐ'"(ハめ=/レ小其中，f和d是數(shù)學(xué)函數(shù)，f (X) = I-exp (-Cx), C 為常數(shù)，d(g, h)= Σ [g (n) _h (n) ]2, G=為亮度特征微分，為顏色特征微分。 所述像素P在方向Θ上的亮度紋理特征的微分和顏色紋理特征的微分分別為(^；{1\θ)=.ル("f,;，"Γ) + , "f )j，
(廠，の=/レ(//廣，//廣)+め'"f)j，其中(tf為亮度紋理特征微分，G=為顏色紋理特征微分。具體地，根據(jù)f (X) = I-exp (-Cx), C 為常數(shù)，d (g, h) = Σ [g(n) -h (η)]2,可知 {P,Θ) ニI-exp(-('￡[//廣(")-(/7 J + J\hc (/7)- ".f ("'J j) 其他特征的微分依此
類推，在此不再贅述。S102 :將每個像素的相同方向上的亮度特征的微分與亮度紋理特征的微分進行合并以生成第一微分，并將相同方向上的顔色特征的微分與顏色紋理特征的微分進行合并以生成第二微分。其中，第一微分的計算公式為の=minfcd
第二微分的計算公式為·Μ=(ΑΘ) : φ;,;;0 ]S103 :將每個像素的多個方向上的多個第一微分進行合并以生成第三微分，并將多個方向上的多個第二微分進行合并以生成第四微分。其中，第三微分的計算公式為f,_(/’) =めj第四微分的計算公式為ダ(P)= max[(；；6(/\i9)jS104:根據(jù)每個像素的第三微分和第四微分計算每個像素為邊界點的概率，得到物體邊界圖。具體地，像素為邊界點的概率為Pb⑵=a Gbrt⑵+ (I- α ) Gclr⑵其中，Pb(P)為像素P是邊界點的概率，α為亮度作為邊界判定因素所占的權(quán)重。將Pb (P)轉(zhuǎn)換為0 255的整數(shù)灰度值就得到物體邊界圖。也可以設(shè)置概率閾值，將邊界點的概率超過概率閾值的全部像素進行組合，得到ニ值化的物體邊界圖。根據(jù)本發(fā)明實施例的三維場景物體邊界檢測方法，可以快速、有效的檢測出三維場景中物體的邊界，顯著降低陰影和物體表面的紋理對邊界識別效果的影響，提高了邊界檢測的精度。在本發(fā)明的一個實施例中，三維場景物體邊界的檢測過程如圖3所示。圖3 (a)為待檢測的三維圖像。計算該三維圖像的每個像素的亮度特征、顔色特征、亮度紋理特征和顏色紋理特征在多個方向上的微分，將每個像素的相同方向上的亮度特征的微分與亮度紋理特征的微分進行合并以生成第一微分，并將相同方向上的顔色特征的微分與顔色紋理特征的微分進行合并以生成第二微分。然后，將所述每個像素的所述多個方向上的多個第一微分進行合并以生成第三微分，此時得到的邊界圖為亮度邊界圖，如圖3 (b);將所述多個方向上的多個第二微分進行合并以生成第四微分，此時得到的邊界圖為顏色邊界圖，如圖3 (C)。最后，根據(jù)每個像素的第三微分和第四微分計算每個像素為邊界點的概率，Pb (P) = CiGbrt (P)+ (I-a)Gdr(P)，其中，Gbrt (P)是第三微分，G&(P)是第四微分，Pb(P)為像素P是邊界點的概率，α為亮度作為邊界判定因素所占的權(quán)重，本實施例中取值α=0. 5,得到最后的物體邊界圖，如圖3 (d)。如圖4所示，根據(jù)本發(fā)明第二方面的實施例的三維場景物體邊界檢測裝置，包括微分計算模塊410、微分合并模塊420和概率計算模塊430。其中，微分計算模塊410用于 計算三維圖像的每個像素的一個或多個特征在多個方向上的微分，其中，所述ー個或多個特征包括亮度特征、顔色特征、亮度紋理特征和顏色紋理特征等。微分合并模塊420用于合并像素在相同方向上的多個特征的微分，以及合并像素在多個方向上的微分。概率計算模塊430用于計算所述每個像素為邊界點的概率。具體地，設(shè)當(dāng)前像素點P，微分計算模塊410以像素P為中心，沿著方向Θ，選取2WXW的窗ロ，并將所述窗ロ橫向分為4個W/2XW的子窗ロ，然后計算每個窗ロ的亮度直方圖和顔色直方圖〃f，其中i為子窗ロ的編號。微分計算模塊410根據(jù)每個窗ロ的亮度直方圖ザ和顏色直方圖Hf分別計算亮度特征的微分、顏色特征的微分、亮度紋理特征的微分和顏色紋理特征的微分，其中，像素P在方向Θ上的亮度特征的微分為
(ハめ=,/.レ("Π )J.像素P在方向Θ上的顏色特征的微分為(は_(1\ Θ) = f[d( Hf, Hf )j.像素P在方向Θ上的亮度紋理特征的微分為G'；； (P, Θ) = f[d{H^r, Hb/') + d{Hb'，i/f)].像素P在方向Θ上的顏色紋理特征的微分為GfJ, (P, Θ) = f[d(Hfr，Hf) + d(Hf，Hf )]。微分合并模塊420將每個像素的相同方向上的亮度特征的微分與亮度紋理特征的微分進行合并以生成第一微分，第一微分的計算公式為G=(八の=并將相同方向上的顔色特征的微分與顏色紋理特征的微分進行合并以生成第二微分，所述第二微分的計算公式為G=(P’ Θ) = minfe，G；^。然后，微分合并模塊420將每個像素的多個方向上的多個第一微分進行合并以生成第三微分，所述第三微分的計算公式為G6rt(P) = JnlX [G= (P，の;！.并將多個方向上的多個第二微分進行合并以生成第四微分，所述第四微分的計算公式為(p)=い=(p，のI概率計算模塊430根據(jù)每個像素的第三微分和第四微分計算每個像素為邊界點的概率，每個像素為邊界點的概率的計算公式為Pb (P) = QGbrt (P)+ (I-Q)Gclr (P)其中，Pb(P)為像素P是邊界點的概率，α為亮度作為邊界判定因素所占的權(quán)重。
將Pb (P)轉(zhuǎn)換為0 255的整數(shù)灰度值就得到物體邊界圖。也可以設(shè)置概率閾值，將邊界點的概率超過概率閾值的全部像素進行組合，得到ニ值化的物體邊界圖。根據(jù)本發(fā)明實施例的三維場景物體邊界檢測裝置，可以快速、有效的檢測出三維場景中物體的邊界，顯著降低陰影和物體表面的紋理對邊界識別效果的影響，提高了邊界檢測的精度。流程圖中或在此以其他方式描述的任何過程或方法描述可以被理解為，表示包括一個或更多個用于實現(xiàn)特定邏輯功能或過程的步驟的可執(zhí)行指令的代碼的模塊、片段或部分，并且本發(fā)明的優(yōu)選實施方式的范圍包括另外的實現(xiàn)，其中可以不按所示出或討論的順序，包括根據(jù)所涉及的功能按基本同時的方式或按相反的順序，來執(zhí)行功能，這應(yīng)被本發(fā)明的實施例所屬技術(shù)領(lǐng)域的技術(shù)人員所理解。在流程圖中表示或在此以其他方式描述的邏輯和/或步驟，例如，可以被認為是用于實現(xiàn)邏輯功能的可執(zhí)行指令的定序列表，可以具體實現(xiàn)在任何計算機可讀介質(zhì)中，以供指令執(zhí)行系統(tǒng)、裝置或設(shè)備(如基于計算機的系統(tǒng)、包括處理器的系統(tǒng)或其他可以從指令執(zhí)行系統(tǒng)、裝置或設(shè)備取指令并執(zhí)行指令的系統(tǒng))使用，或結(jié)合這些指令執(zhí)行系統(tǒng)、裝置或設(shè)備而使用。就本說明書而言，"計算機可讀介質(zhì)"可以是任何可以包含、存儲、通信、傳播或傳輸程序以供指令執(zhí)行系統(tǒng)、裝置或設(shè)備或結(jié)合這些指令執(zhí)行系統(tǒng)、裝置或設(shè)備而使用的裝置。計算機可讀介質(zhì)的更具體的示例(非窮盡性列表)包括以下具有一個或多個布線的電連接部(電子裝置)，便攜式計算機盤盒(磁裝置)，隨機存取存儲器(RAM)，只讀存儲器(R0M)，可擦除可編輯只讀存儲器(EPR0M或閃速存儲器)，光纖裝置，以及便攜式光盤只讀存儲器(⑶ROM)。另外，計算機可讀介質(zhì)甚至可以是可在其上打印所述程序的紙或其他合適的介質(zhì)，因為可以例如通過對紙或其他介質(zhì)進行光學(xué)掃描，接著進行編輯、解譯或必要時以其他合適方式進行處理來以電子方式獲得所述程序，然后將其存儲在計算機存儲器中。應(yīng)當(dāng)理解，本發(fā)明的各部分可以用硬件、軟件、固件或它們的組合來實現(xiàn)。在上述實施方式中，多個步驟或方法可以用存儲在存儲器中且由合適的指令執(zhí)行系統(tǒng)執(zhí)行的軟件或固件來實現(xiàn)。例如，如果用硬件來實現(xiàn)，和在另ー實施方式中一祥，可用本領(lǐng)域公知的下列技術(shù)中的任一項或他們的組合來實現(xiàn)具有用于對數(shù)據(jù)信號實現(xiàn)邏輯功能的邏輯門電路的離散邏輯電路，具有合適的組合邏輯門電路的專用集成電路，可編程門陣列(PGA)，現(xiàn)場可編程門陣列(FPGA)等。本技術(shù)領(lǐng)域的普通技術(shù)人員可以理解實現(xiàn)上述實施例方法攜帯的全部或部分步驟是可以通過程序來指令相關(guān)的硬件完成，所述的程序可以存儲于ー種計算機可讀存儲介質(zhì)中，該程序在執(zhí)行時，包括方法實施例的步驟之一或其組合。此外，在本發(fā)明各個實施例中的各功能単元可以集成在ー個處理模塊中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個模塊中。上述集成的模塊既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能模塊的形式實現(xiàn)。所述集成的模塊如果以軟件功能模塊的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，也可以存儲在一個計算機可讀取存儲介質(zhì)中。上述提到的存儲介質(zhì)可以是只讀存儲器，磁盤或光盤等。在本說明書的描述中，參考術(shù)語“ー個實施例”、“一些實施例”、“示例”、“具體示例”、或“ー些示例”等的描述意指結(jié)合該實施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點包含于本發(fā)明的至少ー個實施例或示例中。在本說明書中，對上述術(shù)語的示意性表述不一定指的是相同的實施例或示例。而且，描述的具體特征、結(jié) 構(gòu)、材料或者特點可以在任何的一個或多個實施例或示例中以合適的方式結(jié)合。盡管已經(jīng)示出和描述了本發(fā)明的實施例，對于本領(lǐng)域的普通技術(shù)人員而言，可以理解在不脫離本發(fā)明的原理和精神的情況下可以對這些實施例進行多種變化、修改、替換和變型，本發(fā)明的范圍由所附權(quán)利要求及其等同限定。
權(quán)利要求
1.ー種三維場景物體邊界檢測方法，其特征在于，包括如下步驟 計算三維圖像的每個像素的一個或多個特征在多個方向上的微分，其中，所述ー個或多個特征包括亮度特征、顔色特征、亮度紋理特征和顏色紋理特征； 將所述每個像素的相同方向上的所述亮度特征的微分與所述亮度紋理特征的微分進行合并以生成第一微分，并將相同方向上的所述顏色特征的微分與所述顏色紋理特征的微分進行合并以生成第二微分； 將所述每個像素的所述多個方向上的多個第一微分進行合并以生成第三微分，并將所述多個方向上的多個第二微分進行合并以生成第四微分；以及 根據(jù)所述每個像素的所述第三微分和所述第四微分計算所述每個像素為邊界點的概率，得到物體邊界圖。
2.如權(quán)利要求I所述的三維場景物體邊界檢測方法，其特征在于，設(shè)當(dāng)前像素點P，以像素P為中心，沿著方向Θ，選取2W X W的窗ロ，并將所述窗ロ橫向分為4個W/2 X W的子窗ロ，然后計算每個窗ロ的亮度直方圖Airt和顔色直方圖盡"，其中i為子窗ロ的編號。
3.如權(quán)利要求2所述的三維場景物體邊界檢測方法，其特征在干，根據(jù)所述每個窗ロ的亮度直方S H和顏色直方圖Hf分別計算亮度特征的微分、顏色特征的微分、亮度紋理特征的微分和顏色紋理特征的微分，其中， 所述像素P在方向Θ上的亮度特征的微分為
4.如權(quán)利要求3所述的三維場景物體邊界檢測方法，其特征在干， 所述第一微分為
5.如權(quán)利要求4所述三維場景物體邊界檢測方法，其特征在干， 所述第三微分為
6.如權(quán)利要求5所述三維場景物體邊界檢測方法，其特征在干，所述根據(jù)所述每個像素的所述第三微分和所述第四微分計算所述每個像素為邊界點的概率， Pb (P) = a Gbrt (Ρ) + (1-α )Gclr (P) 其中，Pb(P)為像素P是邊界點的概率，α為亮度作為邊界判定因素所占的權(quán)重。
7.ー種三維場景物體邊界檢測裝置，包括微分計算模塊，用于計算三維圖像的每個像素的一個或多個特征在多個方向上的微分，其中，所述ー個或多個特征包括亮度特征、顔色特征、亮度紋理特征和顏色紋理特征；微分合并模塊，用于合并所述像素在相同方向上的多個特征的微分，以及合并所述像素在多個方向上的微分；以及 概率計算模塊，用于計算所述每個像素為邊界點的概率。
8.如權(quán)利要求7所述的三維場景物體邊界檢測裝置，其特征在干，設(shè)當(dāng)前像素點P，所述微分計算模塊以像素P為中心，沿著方向Θ，選取2WXW的窗ロ，并將所述窗ロ橫向分為4個W/2XW的子窗ロ，然后計算每個窗ロ的亮度直方圖 和顏色直方圖〃；其中i為子窗ロ的編號。
9.如權(quán)利要求8所述的三維場景物體邊界檢測裝置，其特征在干，所述微分計算模塊根據(jù)所述每個窗ロ的亮度直方圖Ifw和顔色直方圖〃/分別計算亮度特征的微分、顔色特征的微分、亮度紋理特征的微分和顏色紋理特征的微分，其中，所述像素P在方向Θ上的亮度特征的微分為(な(ハの=.ル("r, "r )J. 所述像素P在方向θ上的顏色特征的微分為ぼ("肩=. 所述像素P在方向θ上的亮度紋理特征的微分為 (P, Θ) = f[d(Htr. H'f ) + d{Hh·. Hln )]. 所述像素P在方向Θ上的顏色紋理特征的微分為 G* (P, Θ) = f[d(H*, Hf) + d(Hf ,Hf )1
10.如權(quán)利要求9所述的三維場景物體邊界檢測裝置，其特征在于，所述微分合并模塊將所述每個像素的相同方向上的所述亮度特征的微分與所述亮度紋理特征的微分進行合并以生成第一微分，所述第一微分的計算公式為= 并將相同方向上的所述顏色特征的微分與所述顏色紋理特征的微分進行合并以生成第二微分，所述第二微分的計算公式為G=び，の=πφ^,0^；]ο
11.如權(quán)利要求10所述的三維場景物體邊界檢測裝置，其特征在于，所述微分合并模塊將所述每個像素的所述多個方向上的多個第一微分進行合并以生成第三微分，所述第三微分的計算公式為G6rtの=niax[i；；6 (P3^)J; 并將所述多個方向上的多個第二微分進行合并以生成第四微分，所述第四微分的計算公式為び;'(尸)=川狀1<7:::;,(ハの
12.如權(quán)利要求11所述的三維場景物體邊界檢測裝置，其特征在于，所述概率計算模塊根據(jù)所述每個像素的所述第三微分和所述第四微分計算所述每個像素為邊界點的概率的計算公式為 Pb (P) = aGbrt (P) + (l-a )Gclr (P) 其中，Pb(P)為像素P是邊界點的概率，α為亮度作為邊界判定因素所占的權(quán)重。
全文摘要
本發(fā)明提出一種三維場景物體邊界檢測方法，包括計算三維圖像的每個像素的亮度特征、顏色特征、亮度紋理特征和顏色紋理特征在多個方向上的微分；將每個像素的相同方向上的亮度特征的微分與亮度紋理特征的微分進行合并以生成第一微分，并將相同方向上的顏色特征的微分與顏色紋理特征的微分進行合并以生成第二微分；將每個像素的多個方向上的第一微分進行合并以生成第三微分，并將多個方向上的第二微分進行合并以生成第四微分；根據(jù)第三微分和第四微分計算每個像素為邊界點的概率，得到物體邊界圖。本發(fā)明還提出了一種三維場景物體邊界檢測裝置。本發(fā)明可以快速檢測出三維場景中物體的邊界，顯著降低陰影和物體表面的紋理對邊界識別效果的影響。
文檔編號G06K9/46GK102737245SQ20121018575
公開日2012年10月17日 申請日期2012年6月6日 優(yōu)先權(quán)日2012年6月6日
發(fā)明者戴瓊海, 曹汛, 林靖宇, 王競瑤 申請人:北京華清美倫科技有限公司, 清華大學(xué)