当前位置：首页 > news >正文

机器视觉---深度图像存储格式

news 2025/7/21 8:14:33

一、深度图像存储格式

基础数据结构

1. 像素值表示

物理含义：像素值代表相机到物体表面的距离（单位通常为毫米）
常见数值范围：
- 消费级深度相机：0.3m~10m → 300~10000（16位可完整表示）
- 工业级相机：0.1m~50m → 100~50000（需16位或更高）

2. 数据类型选择

数据类型	位数	范围	应用场景
`uint8_t`	8位	0~255	近距离（<0.3m）或低精度场景
`uint16_t`	16位	0~65535	主流（覆盖95%以上应用）
`float`	32位	±3.4×10^38	高精度计算（点云生成、SLAM）
定点数（如Q16）	16位	自定义小数精度	嵌入式设备优化（平衡精度与性能）

3. 内存布局

行优先存储（Row-major）：主流格式，如OpenCV的cv::Mat
```
[row0][row1]...[rowN]
每行：[pixel0][pixel1]...[pixelM]
```
交错存储（Interleaved）：深度与RGB数据交替存储（如RGBD格式）
```
[R0,G0,B0,D0][R1,G1,B1,D1]...
```

二、主流深度相机的输出格式

主流深度相机（如奥比中光、Intel RealSense、Kinect等）的深度图默认输出格式，本质上是由其硬件特性（传感器类型、量程）、应用场景（消费级/工业级）和数据效率（存储、传输、处理）共同决定的。

一、核心结论：主流默认格式的共性

所有主流深度相机的默认深度图格式，均以“单通道16位无符号整数（uint16）”为核心，单位通常为“毫米（mm）”，像素格式表现为“单通道16位灰度值”（无RGB信息，仅深度维度）。这一选择的核心原因是：16位能覆盖大多数场景的量程（0-65535mm≈65米），且uint16兼顾精度（毫米级）和存储效率（单像素2字节，低于32位浮点的4字节），适合实时传输与处理。

二、分品牌解析（含具体型号与SDK定义）

1. 奥比中光（Orbbec）：以“Y16”为标志的通用格式

奥比中光是消费级与工业级深度相机的主流厂商，核心型号包括Astra系列（Astra Pro）、Femto系列（Femto Mega）、Gemini系列等，其默认深度格式具有高度统一性：

默认格式：单通道16位无符号整数（uint16），SDK中定义为OB_FORMAT_Y16（Y表示单通道，16表示位深）。
单位：毫米（mm），即每个像素值直接对应目标到相机的直线距离（如值为1000表示1米）。
无效值处理：超出量程（如Astra Pro量程0.6-8米）或无法检测的像素，默认值为0（部分型号可能用65535，需结合SDK文档确认）。
场景适配：该格式适用于体感交互、避障、3D扫描等场景，16位量程（65米）完全覆盖消费级与中短距工业场景。

2. Intel RealSense：以“Z16”为核心的多系列统一格式

Intel RealSense是PC端深度相机的标杆，核心系列包括D400（D435/D455）、L500（L515）、T265（已停产）等，其默认格式在不同系列中高度一致：

默认格式：单通道16位无符号整数（uint16），SDK中定义为RS2_FORMAT_Z16（Z表示深度，16表示位深）。
单位：毫米（mm），与奥比中光一致，直接反映物理距离。
细分差异：
- D400系列（结构光+立体匹配）：量程0.1-10米，默认Z16，无效值为0；
- L515（LiDAR+ToF）：量程0.25-9米，默认Z16，因LiDAR精度更高，有效深度值的噪声更低；
扩展格式：RealSense支持压缩格式（如RS2_FORMAT_Z16_COMPRESSED）和浮点格式（RS2_FORMAT_DEPTH32F，单位米），但默认输出必为Z16（平衡效率与兼容性）。

3. 微软Kinect：从V1到Azure的16位传承

微软Kinect是深度相机的“开山鼻祖”，历经三代迭代（V1→V2→Azure Kinect DK），默认格式始终以16位为核心：

Kinect V1（Xbox 360/Windows）：
传感器类型为“结构光”，量程0.8-4米。
- 默认格式：16位无符号整数（uint16），单位毫米，SDK中无明确格式名（早期OpenNI兼容格式）。
- 细节：实际有效深度值仅11-12位（0-4095，对应4米），但存储时扩展为16位（高位补0），便于统一处理。
Kinect V2（Windows）：
传感器类型为“飞行时间（ToF）”，量程0.5-4.5米。
- 默认格式：16位无符号整数（uint16），单位毫米，SDK中输出为16位数组，无效值为0。
Azure Kinect DK（新一代）：
传感器类型为“多模式ToF”，量程0.5-10米（宽模式）或0.2-3米（窄模式）。
- 默认格式：SDK中定义为K4A_IMAGE_FORMAT_DEPTH16（明确16位深度），单位毫米，无效值为0。
- 扩展：支持“深度+IR”联合输出，但深度通道默认仍为16位uint16。

三、格式背后的“隐性规则”

有效位与存储的关系：部分相机的传感器实际精度低于16位（如Kinect V1为11位），但输出时会将有效位“填充”到16位（高位补0），避免处理时的位对齐问题（16位是CPU高效处理的基本单位）。
无效值的统一处理：几乎所有相机默认用“0”表示无效深度（超出量程、遮挡、反光等），但部分工业级型号可能用“最大值65535”（需结合SDK文档确认，如奥比中光部分工业型号）。
格式转换的兼容性：所有主流SDK均支持将16位深度图转换为32位浮点（单位米，如RealSense的RS2_FORMAT_DEPTH32F），但默认不启用（因浮点处理效率低）。

维度	核心内容
通用格式	单通道16位无符号整数（uint16），单像素2字节，单通道（无色彩）。
单位	毫米（mm），直接对应物理距离，0-65535mm覆盖绝大多数场景。
奥比中光	默认`OB_FORMAT_Y16`，单位mm，无效值多为0，覆盖消费级/工业级中短距。
Intel RealSense	默认`RS2_FORMAT_Z16`，D400/L500系列统一，无效值0，支持压缩/浮点扩展。
Kinect系列	V1/V2/Azure均默认16位uint16，Azure定义为`K4A_IMAGE_FORMAT_DEPTH16`。
隐性规则	低精度传感器填充至16位；无效值多为0；默认不启用浮点格式（效率低）。

三、OpenCV深度图像处理

OpenCV 作为计算机视觉领域的核心库，提供了完善的深度图像处理功能。

一、深度图像的存储格式

1.1 原始数据存储

深度图像通常以单通道16位无符号整数（CV_16U）格式存储，单位为毫米（mm）。

#include <opencv2/opencv.hpp>// 创建/加载深度图像
cv::Mat depthImage(480, 640, CV_16U);  // 480x640的深度图像// 从文件加载深度图像（假设已保存为PNG格式）
cv::Mat loadedDepth = cv::imread("depth_image.png", cv::IMREAD_ANYDEPTH);// 访问深度值（单位：毫米）
ushort depthValue = depthImage.at<ushort>(y, x);  // (x,y)位置的深度值// 保存深度图像
cv::imwrite("depth_output.png", depthImage);  // 保存为PNG（无损格式）

1.2 浮点格式存储（高精度）

对于需要更高精度的应用，可以使用32位浮点数（CV_32F）：

cv::Mat depthFloat(480, 640, CV_32F);  // 浮点型深度图像// 从16位转换为32位
depthImage.convertTo(depthFloat, CV_32F, 0.001);  // 毫米转米（乘以0.001）// 从32位转回16位
depthFloat.convertTo(depthImage, CV_16U, 1000.0);  // 米转毫米

二、深度图像的基本处理

2.1 深度可视化

OpenCV显示深度图像一定要归一化（深度数据一般不在0~255范围之内）

将深度值映射到RGB颜色空间以便显示：

// 深度可视化函数
cv::Mat visualizeDepth(const cv::Mat& depth, double minDepth = 0, double maxDepth = 0) {cv::Mat normalizedDepth;// 自动计算深度范围if (maxDepth <= minDepth) {cv::minMaxLoc(depth, &minDepth, &maxDepth);maxDepth = std::max(maxDepth, minDepth + 1);  // 防止除零错误}// 归一化到[0,1]cv::normalize(depth, normalizedDepth, 0.0, 1.0, cv::NORM_MINMAX, CV_32F);// 转换为8位RGB图像cv::Mat rgbDepth;cv::applyColorMap(normalizedDepth * 255, rgbDepth, cv::COLORMAP_JET);return rgbDepth;
}// 使用示例
cv::Mat depthVisualization = visualizeDepth(depthImage);
cv::imshow("Depth Visualization", depthVisualization);

2.2 深度滤波

// 中值滤波（去除椒盐噪声）
cv::Mat filteredDepth;
cv::medianBlur(depthImage, filteredDepth, 5);  // 5x5中值滤波// 双边滤波（保留边缘的同时平滑）
cv::Mat depthFloat;
depthImage.convertTo(depthFloat, CV_32F, 0.001);  // 转换为浮点数
cv::Mat filteredFloat;
cv::bilateralFilter(depthFloat, filteredFloat, 9, 0.1, 10);  // 参数需根据场景调整

2.3 深度阈值处理

// 近景区域提取（保留2米内的物体）
cv::Mat foregroundMask;
cv::inRange(depthImage, 0, 2000, foregroundMask);  // 0-2000mm范围内为前景// 应用掩码提取前景
cv::Mat foregroundDepth;
depthImage.copyTo(foregroundDepth, foregroundMask);

三、深度图像与点云转换

3.1 深度图转点云（基于相机内参）

// 相机内参（示例值，需根据实际相机标定）
struct CameraIntrinsics {float fx, fy;  // 焦距float cx, cy;  // 主点
};CameraIntrinsics intrinsics = {615.4f, 615.4f, 320.0f, 240.0f};  // 示例内参// 深度图转点云
std::vector<cv::Point3f> depthToPointCloud(const cv::Mat& depth) {std::vector<cv::Point3f> pointCloud;pointCloud.reserve(depth.rows * depth.cols);for (int y = 0; y < depth.rows; y++) {for (int x = 0; x < depth.cols; x++) {ushort d = depth.at<ushort>(y, x);if (d == 0) continue;  // 跳过无效深度// 相机坐标系下的3D坐标float z = static_cast<float>(d) / 1000.0f;  // 毫米转米float x3D = (x - intrinsics.cx) * z / intrinsics.fx;float y3D = (y - intrinsics.cy) * z / intrinsics.fy;pointCloud.push_back(cv::Point3f(x3D, y3D, z));}}return pointCloud;
}

3.2 点云降采样（体素网格滤波）

// 体素网格滤波降采样（简化点云）
std::vector<cv::Point3f> voxelDownsample(const std::vector<cv::Point3f>& points, float voxelSize) {// 计算体素网格索引std::unordered_map<std::string, std::vector<cv::Point3f>> voxelMap;for (const auto& p : points) {int i = static_cast<int>(p.x / voxelSize);int j = static_cast<int>(p.y / voxelSize);int k = static_cast<int>(p.z / voxelSize);std::string key = std::to_string(i) + "," + std::to_string(j) + "," + std::to_string(k);voxelMap[key].push_back(p);}// 每个体素取平均值std::vector<cv::Point3f> downsampledPoints;for (const auto& pair : voxelMap) {const auto& voxelPoints = pair.second;if (voxelPoints.empty()) continue;cv::Point3f sum(0, 0, 0);for (const auto& p : voxelPoints) {sum += p;}downsampledPoints.push_back(sum / static_cast<float>(voxelPoints.size()));}return downsampledPoints;
}

四、深度图像与RGB图像对齐

4.1 深度图对齐到RGB图像

// 假设已知深度相机到RGB相机的变换矩阵
cv::Mat depthToColorTransform = cv::Mat::eye(4, 4, CV_32F);  // 示例变换矩阵// 深度图对齐到RGB图像
cv::Mat alignDepthToColor(const cv::Mat& depth, const cv::Mat& rgb, const CameraIntrinsics& depthIntrinsics,const CameraIntrinsics& rgbIntrinsics,const cv::Mat& transform) {cv::Mat alignedDepth = cv::Mat::zeros(rgb.size(), CV_16U);// 对每个RGB像素，找到对应的深度值for (int y = 0; y < rgb.rows; y++) {for (int x = 0; x < rgb.cols; x++) {// RGB像素反投影到3D空间float z = 1.0f;  // 假设深度为1米float x3D = (x - rgbIntrinsics.cx) * z / rgbIntrinsics.fx;float y3D = (y - rgbIntrinsics.cy) * z / rgbIntrinsics.fy;// 应用变换到深度相机坐标系cv::Mat pointInDepth = transform * cv::Mat(cv::Vec4f(x3D, y3D, z, 1));float xDepth = pointInDepth.at<float>(0, 0);float yDepth = pointInDepth.at<float>(1, 0);float zDepth = pointInDepth.at<float>(2, 0);// 投影回深度图像平面int u = static_cast<int>(xDepth * depthIntrinsics.fx / zDepth + depthIntrinsics.cx);int v = static_cast<int>(yDepth * depthIntrinsics.fy / zDepth + depthIntrinsics.cy);// 检查坐标是否在深度图像范围内if (u >= 0 && u < depth.cols && v >= 0 && v < depth.rows) {alignedDepth.at<ushort>(y, x) = depth.at<ushort>(v, u);}}}return alignedDepth;
}

五、高级应用：3D重建

5.1 基于深度图像的简单3D重建

// 3D重建类
class Simple3DReconstruction {
public:Simple3DReconstruction(const CameraIntrinsics& intrinsics) : intrinsics_(intrinsics) {}// 添加新的深度帧进行重建void addDepthFrame(const cv::Mat& depth, const cv::Mat& pose) {std::vector<cv::Point3f> points = depthToPointCloud(depth);// 应用相机位姿变换for (auto& p : points) {cv::Mat pointHomogeneous = cv::Mat(cv::Vec4f(p.x, p.y, p.z, 1));cv::Mat transformedPoint = pose * pointHomogeneous;p.x = transformedPoint.at<float>(0, 0);p.y = transformedPoint.at<float>(1, 0);p.z = transformedPoint.at<float>(2, 0);}// 合并到全局点云globalPointCloud_.insert(globalPointCloud_.end(), points.begin(), points.end());}// 保存点云为PLY格式void saveToPLY(const std::string& filename) const {std::ofstream file(filename);if (!file.is_open()) return;// PLY文件头file << "ply\n";file << "format ascii 1.0\n";file << "element vertex " << globalPointCloud_.size() << "\n";file << "property float x\n";file << "property float y\n";file << "property float z\n";file << "end_header\n";// 写入点云数据for (const auto& p : globalPointCloud_) {file << p.x << " " << p.y << " " << p.z << "\n";}file.close();}private:CameraIntrinsics intrinsics_;std::vector<cv::Point3f> globalPointCloud_;
};

六、性能优化技巧

内存管理：
- 使用cv::Mat::create()预分配内存，避免频繁内存分配
- 批量处理时使用cv::Mat::reshape()减少内存拷贝

并行计算：

// 使用OpenMP并行处理深度图像
#pragma omp parallel for
for (int y = 0; y < depth.rows; y++) {for (int x = 0; x < depth.cols; x++) {// 并行处理每个像素}
}

GPU加速：

// 使用OpenCV的CUDA模块加速
cv::cuda::GpuMat d_depth, d_filtered;
d_depth.upload(depthImage);cv::Ptr<cv::cuda::Filter> medianFilter = cv::cuda::createMedianFilter(CV_16U, 5);
medianFilter->apply(d_depth, d_filtered);cv::Mat filteredHost;
d_filtered.download(filteredHost);