本技术涉及图像信号处理，尤其是涉及一种噪声滤除方法、装置及存储介质。
背景技术：
1、在当前的科技背景下，随着机器人、自动驾驶等人工智能技术的迅猛发展，获取环境深度信息已经成为了这些智能设备精准定位、避障和自主决策的重要基础。环境深度信息的获取通常依赖于多种传感器技术，其中激光雷达、深度视觉、超声波传感器是最为常见的解决方案。这些技术为设备提供了三维空间的深度感知能力，从而使得设备能够理解和应对复杂的环境。然而，深度信息的获取精度和稳定性在很大程度上取决于所采用的测距技术。
2、目前，市场上广泛应用的测距技术主要分为两大类：三角法和飞行时间法（tof）。其中，三角法测距由于其成本优势，在家用和商用测距器件中得到了广泛应用。尽管三角法测距技术具有一定的优势，但其在实际应用中仍面临一些挑战。例如，为了保证测距的精度，三角法测距系统往往工作在红外波段，并配备滤光片和激光光源，以降低环境光的干扰。然而，太阳作为一个强大的天然红外光源，对三角法测距系统带来了极大的干扰。太阳光产生的红外噪声通常具有强烈的射线特征，这不仅影响了测距精度，还可能对用户造成使用上的困扰。
3、为了避免太阳光的干扰，传统的滤除方法包括识别这些射线特征并将其滤除，但这种方法可能误将实际测量中的有效信息滤除，尤其是当被测物体与光路平行时，这种误滤除现象更为严重。
4、现有技术还包括，cn110443275b公开了一种去除噪声的方法、设备及存储介质，根据三角测距法激光雷达依次传输的每个采样点的位置信息，识别满足条件（属于同一直线的有连续n个采样点，且所述直线指向所述三角测距法激光雷达的相机坐标原点，所述n为大于1的整数）的采样点为噪声点，并将噪声点去除。
5、但是，该方法是依据采集的点云数据进行后处理滤波，特征并不稳定（如果被其他机制滤掉少了几个点，就不符合后处理的规律），并且此方法容易和垂直于雷达的直线物体混淆，导致误判。
6、为了进一步识别出太阳光干扰引起的噪声，cn102034091b公开了一种用于数字式太阳敏感器的光斑识别方法及装置，通过光斑大小和灰度值来捕获前后帧是否是同一个光斑，再根据光斑的移动轨迹区分太阳光斑和地球光斑容易受到成像的变化，而跟丢太阳光斑的匹配，从而造成太阳光斑漏识别。
7、因此，为了进一步提高三角法测距系统在复杂环境中的适应性，尤其是在强烈的阳光干扰下，亟需开发出更加智能和鲁棒的滤波算法，以确保在滤除噪声的同时，保留测距过程中的有效信息。这将有助于提高测距设备在各种光照条件下的性能，为机器人、自动驾驶等应用提供更加可靠的深度感知能力。
技术实现思路
1、有鉴于此，本技术的目的在于提供一种噪声滤除方法、装置及存储介质，通过分析多帧图像中目标光斑的位置变化规律来识别和滤除噪声光斑，可有效避免误滤除有效信息的情况，从而可有效提高滤除结果的准确性，以及为机器人、自动驾驶等场景中的应用提供了更高的测距精度和稳定性。
2、本技术实施例提供了一种噪声滤除方法，所述噪声滤除方法包括：
3、针对获取的多帧原始图像中的每帧原始图像，确定该帧原始图像中每个目标光斑的光斑位置；所述原始图像为采用三角测距法所使用的光学传感器所采集的图像；
4、根据原始图像中每个目标光斑的光斑位置，计算相邻帧间目标光斑间的位置偏移量；
5、根据相邻帧间两目标光斑间的位置偏移量，确定是否存在满足噪声光斑位置变化规律的目标光斑；
6、将满足噪声光斑位置变化规律的目标光斑确定为噪声光斑，并按预设滤除策略，将至少一个噪声光斑滤除。
7、可选的，通过以下步骤确定每帧原始图像上的目标光斑：
8、分别对每帧原始图像上的光斑进行识别，确定每帧原始图像上的所有原始光斑；
9、针对每帧原始图像，将该帧原始图像上符合预设筛选要求的原始光斑确定为该帧原始图像的目标光斑，并确定每个目标光斑的光斑位置。
10、可选的，所述根据相邻帧间两目标光斑间的位置偏移量，确定是否存在满足噪声光斑位置变化规律的目标光斑，包括：
11、根据时间连续性要求，从所有原始图像中各选取一个目标光斑进行组合，得到至少一个光斑组；
12、针对任一光斑组，按时间递增原则，计算该光斑组中两相邻位置偏移量的比值，得到该光斑组的至少一个偏移变化率；
13、判断该光斑组的每个偏移变化率与对应变化率阈值间的差值是否位于预设误差范围内；
14、若均位于，确定该光斑组中的目标光斑满足噪声光斑位置变化规律；否则，确定该光斑组不满足噪声光斑位置变化规律。
15、可选的，通过以下步骤确定每个偏移变化率对应的变化率阈值：
16、获取每帧原始图像对应的初始旋转角度；
17、针对任一偏移变化率，根据该偏移变化率对应的原始图像的初始旋转角度，确定总旋转角度；
18、使用所述总旋转角度从预先构建好的角度-变化率阈值对应表中查找对应的变化率阈值，确定出该偏移变化率对应的变化率阈值。
19、可选的，所述按预设滤除策略，将至少一个噪声光斑滤除，包括：
20、若所述光学传感器含主动光源，则按预设滤除策略，将至少一个噪声光斑滤除；
21、若所述光学传感器不含主动光源，则按预设滤除策略，将最大的噪声光斑滤除。
22、可选的，通过以下步骤构建角度-变化率阈值对应表：
23、获取干扰光源对应光斑照射至光学传感器边缘时的旋转角度范围；
24、根据预设采样角速度和采样间隔时间，从旋转角度范围中选取多个采样旋转角度以及旋转至该采样旋转角度时的采样总时间；
25、针对每个采样旋转角度，将该采样旋转角度对应的采样总时间、预设采样角速度和采样间隔时间输入变化率计算公式中，确定该采样旋转角度对应的变化率阈值；
26、根据所有采样旋转角度以及各自对应的变化率阈值，构建角度-变化率阈值对应表。
27、可选的，通过以下步骤确定每个偏移变化率对应的变化率阈值：
28、获取每帧原始图像对应的初始旋转角度和图像采样间隔时间；
29、针对任一偏移变化率，根据该偏移变化率对应的原始图像的初始旋转角度和图像采样间隔时间，确定旋转角速度和采样总时间；
30、将所述旋转角速度、图像采样间隔时间以及采样总时间输入变化率计算公式中，确定该偏移变化率对应的变化率阈值。
31、可选的，所述变化率计算公式为：
32、
33、其中， li为第 i采样周期内光斑的位置偏移量，即第 i时刻和第 i-1时刻光斑的位置偏移量之差 ，li+1为第 i+1采样周期内光斑的位置偏移量，即第 i+1时刻和第 i时刻光斑的位置偏移量之差，d为变化率阈值，，，，，为角速度，为间隔时间，为总时间。
34、可选的，应用于自主移动设备，所述多帧原始图像通过以下方法获取：
35、若所述光学传感器可自旋转，则控制所述自主移动设备静止，由所述光学传感器自旋转得到所述多帧原始图像；
36、若所述光学传感器不可自旋转，则控制所述自主移动设备移动以获取所述多帧原始图像。
37、本技术实施例还提供了一种噪声滤除装置，所述噪声滤除装置包括：
38、第一确定模块，用于针对获取的多帧原始图像中的每帧原始图像，确定该帧原始图像中每个目标光斑的光斑位置；所述原始图像为采用三角测距法所使用的光学传感器所采集的图像；
39、计算模块，用于根据原始图像中每个目标光斑的光斑位置，计算相邻帧间目标光斑间的位置偏移量；
40、第二确定模块，用于根据相邻帧间两目标光斑间的位置偏移量，确定是否存在满足噪声光斑位置变化规律的目标光斑；
41、滤除模块，用于将满足噪声光斑位置变化规律的目标光斑确定为噪声光斑，并按预设滤除策略，将至少一个噪声光斑滤除。
42、本技术实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的噪声滤除方法的步骤。
43、本技术实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述的噪声滤除方法的步骤。
44、本技术实施例提供的一种噪声滤除方法、装置及存储介质，该噪声滤除方法包括：针对获取的多帧原始图像中的每帧原始图像，确定该帧原始图像中每个目标光斑的光斑位置；所述原始图像为采用三角测距法所使用的光学传感器所采集的图像；根据原始图像中每个目标光斑的光斑位置，计算相邻帧间目标光斑间的位置偏移量；根据相邻帧间两目标光斑间的位置偏移量，确定是否存在满足噪声光斑位置变化规律的目标光斑；将满足噪声光斑位置变化规律的目标光斑确定为噪声光斑，并按预设滤除策略，将至少一个噪声光斑滤除。所述根据相邻帧间两目标光斑间的位置偏移量，确定是否存在满足噪声光斑位置变化规律的目标光斑，包括：根据时间连续性要求，从所有原始图像中各选取一个目标光斑进行组合，得到至少一个光斑组；针对任一光斑组，按时间递增原则，计算该光斑组中两相邻位置偏移量的比值，得到该光斑组的至少一个偏移变化率；判断该光斑组的每个偏移变化率与对应变化率阈值间的差值是否位于预设误差范围内；若均位于，确定该光斑组中的目标光斑满足噪声光斑位置变化规律；否则，确定该光斑组不满足噪声光斑位置变化规律；通过以下步骤确定每个偏移变化率对应的变化率阈值：获取每帧原始图像对应的初始旋转角度；针对任一偏移变化率，根据该偏移变化率对应的原始图像的初始旋转角度，确定总旋转角度；使用所述总旋转角度从预先构建好的角度-变化率阈值对应表中查找对应的变化率阈值，确定出该偏移变化率对应的变化率阈值。
45、这样，首先，直接使用原始图像进行光斑位置的分析，无需根据点云数据，能够在更早的阶段识别并滤除太阳光斑等噪声，实现实时噪声滤除，这种处理方式减少了后处理的复杂度，使系统能够在成像阶段就快速滤除噪声，提升了整体测距系统的响应速度和实时性。并且还可以避免点云生成过程中产生的误差，以及直接使用原始图像进行光斑滤除简化了处理流程，减少了系统的计算负担，提高后续处理结果的准确性。其次，本技术方案通过实时分析每帧图像中的光斑位置偏移量，以连续的光斑组为对象进行变化率判断，能更有效地识别出噪声光斑，使系统能够在早期阶段就识别出噪声光斑，避免了传统方法因依赖完整的点云数据而导致的误判（减少因数据丢失或不完整而导致的识别失误），并且本方案因直接对采集到的光斑位置进行实时分析，大幅降低了与垂直物体的混淆情况，减少了误判。再其次，本技术方案通过计算光斑组中每两个相邻光斑的偏移量变化率、并结合时间连续性来识别噪声光斑，可准确将符合太阳光斑递进规律的噪声光斑识别出来，并且可减少通过光斑大小和灰度值而跟丢太阳光斑的问题，从而使得噪声光斑的识别更加稳健，在光照条件复杂多变的场景下避免对有效光斑的误滤除。此外在计算光斑偏移变化率时，使用了预设的变化率阈值，并结合每帧图像的初始旋转角度进行动态调整，从而能够更灵活地适应不同环境条件下的光斑变化特征，减少了将实际测距中的有效信息误判为噪声并滤除的风险。故，这种根据目标光斑在相邻帧中的偏移量、变化率以及动态阈值（根据旋转角度进行动态调整）来确定是否满足噪声光斑位置变化规律，避免由于单帧位置异常而误判噪声，可以更灵活地处理动态环境中的复杂情况，并且能够确保在较为复杂的条件下仍能准确识别和过滤噪声光斑，提高光学传感器在多种场景中的适用性，使得自主移动设备在复杂环境中能提供更稳定的深度感知能力。而根据总旋转角度查表确定该偏移变化率对应的变化率阈值（动态确定阈值），可以提高确定变化率阈值的速度，并且通过预先构建角度-变化率阈值对应表，也可进一步提高阈值确定结果的速度以及减少噪声滤除过程的计算量。以及通过预先构建的“角度-变化率阈值对应表”，能够适应各种角度条件下的光斑变化，提高识别的效率，增强了测距过程中的鲁棒性。从而为机器人、自动驾驶等场景中的应用提供了更高的测距精度和稳定性。
46、为使本技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
1.一种噪声滤除方法，其特征在于，所述噪声滤除方法包括：
2.根据权利要求1所述的噪声滤除方法，其特征在于，通过以下步骤确定每帧原始图像上的目标光斑：
3.根据权利要求1所述的噪声滤除方法，其特征在于，所述根据原始图像中每个目标光斑的光斑位置，计算相邻帧间任意两目标光斑间的位置偏移量，包括：
4.根据权利要求1所述的噪声滤除方法，其特征在于，所述按预设滤除策略，将至少一个噪声光斑滤除，包括：
5.根据权利要求1所述的噪声滤除方法，其特征在于，通过以下步骤构建角度-变化率阈值对应表：
6.根据权利要求1所述的噪声滤除方法，其特征在于，通过以下步骤确定每个偏移变化率对应的变化率阈值：
7.根据权利要求5或6所述的噪声滤除方法，其特征在于，所述变化率计算公式为：
8.根据权利要求1所述的噪声滤除方法，其特征在于，应用于自主移动设备，所述多帧原始图像通过以下方法获取：
9.一种噪声滤除装置，其特征在于，所述噪声滤除装置包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至8任一所述的噪声滤除方法的步骤。
