本申請公開一種測距方法及測距系統，所述測距方法包括：獲取目標的深度數據和所述深度數據的置信度標識；將所述置信度標識的置信度與預設置信度進行比較；若所述置信度標識的置信度大于或等于預設置信度，輸出所述深度數據；若所述置信度標識的置信度小于預設置信度，調整所述深度數據的獲取步驟。通過及時調整深度數據的獲取步驟，有利于提高后續獲取的深度數據的置信度，進而提高測距精度。

技術領域

本申請涉及測量技術領域，具體的涉及一種測距方法及測距系統。

背景技術

隨著人工智能技術的飛速發展，給各種設備連接上多個傳感器，特別是可以運動的機器人設備，如掃地機，運輸機器人，服務機器人等等，輔以視覺設備，讓機器可以自我感知周邊環境，實現自主運行。目前的機器視覺有基于單目攝像頭的技術，有基于雙目攝像頭的技術，也有基于結構光和TOF(Time of Flight)的測距技術。

目前的3D TOF傳感器都是基于激光器的發射和返回時間差來進行距離探測的，在靜態下具有較好的性能；但是在快速前進或者后退或者拐彎等動態環境下，會有一定的運動模糊(Motion Blur)，導致測量精度下降。單純靠工藝或者算法補償，很難解決動態環境下的測距精度問題。慣性測量單元(IMU單元，Inertial Measurement Unit)可以集成在3DTOF系統中，對當前的狀態進行準確的測量，如運動速度，轉彎角度和速度。綜合這些狀態信息結合TOF測距的當前信息，可以進行置信度的判斷和對激光強度的動態調整，得到更加精準的測距信息。但傳統的方案中深度3D TOF傳感器和慣性測量單元單獨設置，在后端進行數據處理，處理后的數據直接輸出，最終獲得的數據的置信度不高，影響測距精度。

為此需要提供一種提高精度的測距方法。

發明內容

為解決上述的缺陷中的至少一個，本申請提供一種提高精度的測距方法及測距系統。

為解決上述技術問題，本申請采用如下技術方案：

本申請提供一種測距方法，包括：獲取目標的深度數據和所述深度數據的置信度標識；將所述置信度標識的置信度與預設置信度進行比較；若所述置信度標識的置信度大于或等于預設置信度，輸出所述深度數據；若所述置信度標識的置信度小于預設置信度，調整所述深度數據的獲取步驟。通過及時調整深度數據的獲取步驟，有利于提高后續獲取的深度數據的置信度，進而提高測距精度。

可選的，所述深度數據通過TOF單元獲取，所述置信度標識通過TOF單元和慣性測量單元中的至少一個獲取。

可選的，所述置信度標識包括TOF可信度和目標的姿態數據，所述姿態數據包括速度值、角度值、角速度值中的至少一個。

可選的，所述TOF單元包括用于發射信號的發生器及用于接收反射信號的接收器；調整所述深度數據的獲取步驟包括：根據所述置信度標識的置信度與預設置信度比較的結果，調節所述發生器的發光功率。這樣可使得下一幀的實際發光頻率更接近實際場景，以使下一幀可以獲取的深度數據信度更高。

可選的，所述TOF單元包括用于發射信號的發生器及用于接收反射信號的接收器；調整所述深度數據的獲取步驟包括：根據所述置信度標識的置信度與預設置信度比較的結果，對接收到的信號進行預處理；基于預處理的信號獲得新的深度數據。

可選的，對所述接收器接收到的信號進行預處理包括：對所述接收器接收到的信號進行分割或提取。這樣可減小干擾值對深度距的影響。

可選的，所述測距方法包括：在輸出所述深度數據前，對所述深度數據進行數據融合。

可選的，所述測距方法包括：若所述置信度標識的置信度小于預設置信度，對當前深度數據進行線性變化，獲得新的深度數據，輸出新的深度數據。通過邏輯算法的優化，有利于提高深度數據的置信度。