王世程 于微波 杨宏韬

(长春工业大学电气与电子工程学院 吉林 长春 130012)

0 引 言

三维数据可以直观反映场景或目标的全貌信息。TOF深度相机具有结构紧凑、帧率高、对光照不敏感等优点，是一种效率较高的3D成像仪器，在三维视觉系统中应用广泛[1]。由于TOF相机自身成像特点影响以及外界不确定环境因素的扰动，导致其获得的原始深度信息附带抖动、漂移、畸变等误差[2]，最重要的深度信息难以直接应用。所以，对TOF相机获取的原始深度数据的误差进行校正尤为必要。文献[3]提出采用多采集频率的方法，以提高TOF相机的深度数据质量；文献[4]提出为每一个像素点计算相应的修正系数的方法对原始深度数据的误差进行修正，但该方法由于计算复杂度高导致消耗时间较长；文献[5]提出一种基于小孔成像原理的深度数据校正方法对原始深度数据的误差进行修正，但该方法对非系统误差校正具有一定的局限性；更多校正方法详见文献[6-8]，但依然存在诸多缺点。本文提出一种建立极限学习机(ELM)空间配准模型的方法对TOF相机深度数据测量过程中随机误差导致的深度偏移和系统性误差导致的深度数据高估进行了统一校正，并与基于BP算法[9]建立的空间配准模型和基于小孔成像原理校正的结果进行对比实验。

1 TOF相机的深度误差分析

TOF相机测量目标深度信息的原理是基于测量光在目标物体表面和传感器之间的飞行时间来计算场景到探测器像元之间的深度信息[10]。……