CN105809664B - 生成三维图像的方法和装置 - Google Patents
生成三维图像的方法和装置 Download PDFInfo
- Publication number
- CN105809664B CN105809664B CN201410854192.2A CN201410854192A CN105809664B CN 105809664 B CN105809664 B CN 105809664B CN 201410854192 A CN201410854192 A CN 201410854192A CN 105809664 B CN105809664 B CN 105809664B
- Authority
- CN
- China
- Prior art keywords
- information
- frame
- attitude
- image
- pose
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种生成三维图像的方法和装置。该方法包括:获取目标物体的图像帧序列;根据由图像帧序列分成的帧段,计算所有图像帧之间的姿态信息;根据姿态信息生成三维图像。本发明增加了生成三维图像的准确性。
Description
技术领域
本申请涉及图像处理领域,具体涉及生成三维图像的方法和装置。
背景技术
目前,为了使拍摄的图像更加逼真,普通照相机可以根据拍摄的二维图像生成三维图像。具体的,可以采用基于运动估计结构(Structure From Motion,简称SFM)的方法生成三维图像。
基于运动估计结构的方法,是利用二维图像间的对应特征信息生成三维图像,具体的,以二维图像中的一个图像帧为基准,获取其他图像帧之间的特征对应信息,根据获取的特征对应信息生成三维图像。
但是,该方法的鲁棒性较差,进而导致生成的三维图像的准确性较低。
发明内容
针对上述问题,本申请提供了一种生成三维图像的方法和装置。
第一方面,提供了一种生成三维图像的方法,包括:
获取目标物体的图像帧序列;
根据由所述图像帧序列分成的帧段,计算所有图像帧之间的姿态信息;
根据姿态信息生成三维图像。
在某些实施方式中,所述根据由所述图像帧序列分成的帧段,计算所有图像帧之间的姿态信息,包括:
计算每个帧段中的相邻图像帧之间的第一姿态信息;
根据第一姿态信息,计算所有图像帧之间的姿态信息。
在某些实施方式中,所述计算每个帧段中的相邻图像帧之间的第一姿态信息,包括:
计算每个帧段中的相邻图像帧之间的第一姿态参数,所述第一姿态参数包括旋转角度信息和平移方向信息;
合并相邻的两个第一姿态参数,生成第二姿态参数,所述相邻的两个第一姿态参数对应于一个共同的图像帧,所述第二姿态参数包括平移尺度信息;
根据所述第一姿态参数和所述第二姿态参数生成第一姿态信息。
在某些实施方式中,所述计算每个帧段中的相邻图像帧之间的第一姿态参数,包括:
根据短距离特征信息计算所述相邻图像帧之间的姿态估计结果信息,所述姿态估计结果信息包括所述第一姿态参数,所述短距离特征对应信息包括:特征对应起始图像帧与本帧段内和其相邻的图像帧之间的特征对应信息;
所述合并相邻的两个第一姿态参数,包括:
根据长距离特征对应信息和所述姿态估计结果信息,合并相邻的两个第一姿态参数,所述长距离特征对应信息包括本帧段内不同于所述短距离特征对应信息的特征对应信息。
在某些实施方式中,所述根据短距离特征信息计算所述相邻图像帧之间的姿态估计结果信息,包括:
获取所述短距离特征对应信息;
对所述短距离特征对应信息进行筛选,得到可信任短距离特征对应信息;
根据所述可信任短距离特征对应信息,计算所述姿态估计结果信息。
在某些实施方式中,所述合并相邻的两个第一姿态参数,包括:
获取所述长距离特征对应信息;
根据所述长距离特征对应信息,计算相邻的两个第一姿态参数的第一三维点信息;
从所述姿态估计结果信息中获取三维点信息作为第二三维点信息;
根据所述第一三维点信息和所述第二三维点信息,合并相邻的两个第一姿态参数。
在某些实施方式中,所述根据第一姿态信息,计算所有图像帧之间的姿态信息,包括:
合并属于不同帧段的相邻的第一姿态参数,生成所有图像帧之间的第三姿态参数,所述相邻的第一姿态参数对应于所述不同帧段之间共享的公共图像帧,所述第三姿态参数包括平移尺度信息;
根据各帧段中的第一姿态参数、第二姿态参数以及所述第三姿态参数,生成所有图像帧之间的姿态信息。
在某些实施方式中,所述合并属于不同帧段的相邻的第一姿态参数,包括:
从所述第二三维点信息中,获取分别与所述属于不同帧段的相邻的第一姿态参数对应的第三三维点信息和第四三维点信息;
根据所述第三三维点信息和所述第四三维点信息,合并属于不同帧段的相邻的第一姿态参数。
在某些实施方式中,所述根据姿态信息生成三维图像,包括:
对所述姿态信息进行求精处理;
根据求精处理后的姿态信息生成三维图像。
在某些实施方式中,所述根据姿态信息生成三维图像,包括:
根据所述姿态信息生成所述目标物体的表面模型信息;
根据所述表面模型信息生成三维图像。
在某些实施方式中,所述根据所述姿态信息生成所述目标物体的表面模型信息,包括:
根据所述姿态信息进行立体匹配,得到深度图信息;
根据所述深度图信息生成所述表面模型信息。
在某些实施方式中,所述根据所述姿态信息生成所述目标物体的表面模型信息,包括:
根据所述姿态信息生成所述目标物体的第一表面模型信息;
对所述第一表面模型信息进行求精处理,生成所述目标物体的表面模型信息。
在某些实施方式中,所述对所述第一表面模型信息进行求精处理,包括:
根据所述目标物体的模板模型信息,对所述第一表面模型信息进行求精处理。
在某些实施方式中,所述对所述第一表面模型信息进行求精处理包括:
根据所述目标物体的模板模型信息,对所述第一表面模型信息进行以下至少一项处理:
去除不与所述目标物体的模板模型信息对应的信息;
去除与所述目标物体的模板模型信息中对应的信息之间的差值大于预设值的信息;
进行内插操作。
在某些实施方式中,所述获取目标物体的图像帧序列包括:
按照预定帧提取方式,对所述目标物体的多个视角上的初始图像帧进行帧提取生成图像帧序列。
在某些实施方式中,所述预定帧提取方式包括以下至少一项:
基于图像质量的帧提取方式;
基于图像姿态数据的帧提取方式;
基于时间的帧提取方式。
在某些实施方式中,所述对所述目标物体的多个视角上的初始图像帧进行帧提取生成图像帧序列,包括:
按照预定帧提取方式,对所述初始图像帧进行帧提取生成候选帧;
从所述候选帧中确定对应正面视角的正面帧和与所述正面帧呈指定旋转角度的侧面帧;
根据所述正面帧和所述侧面帧生成图像帧序列。
在某些实施方式中,相邻的两个帧段之间共享一个公共图像帧。
第二方面,提供了一种生成三维图像的装置,包括:
获取单元,用于获取目标物体的图像帧序列;
计算单元,用于根据由所述图像帧序列分成的帧段,计算所有图像帧之间的姿态信息;
图像生成单元,用于根据所述计算单元计算的姿态信息生成三维图像。
在某些实施方式中,所述计算单元,具体用于计算每个帧段中的相邻图像帧之间的第一姿态信息;根据第一姿态信息,计算所有图像帧之间的姿态信息。
在某些实施方式中,所述计算单元,包括:
计算模块,用于计算每个帧段中的相邻图像帧之间的第一姿态参数,所述第一姿态参数包括旋转角度信息和平移方向信息;
合并模块,用于合并所述计算模块计算的相邻的两个第一姿态参数,生成第二姿态参数,所述相邻的两个第一姿态参数对应于一个共同的图像帧,所述第二姿态参数包括平移尺度信息;
姿态信息生成模块,用于根据所述第一姿态参数和所述第二姿态参数生成第一姿态信息。
在某些实施方式中,所述计算模块,具体用于根据短距离特征信息计算所述相邻图像帧之间的姿态估计结果信息,所述姿态估计结果信息包括所述第一姿态参数,所述短距离特征对应信息包括:特征对应起始图像帧与本帧段内和其相邻的图像帧之间的特征对应信息;
所述合并模块,具体用于根据长距离特征对应信息和所述姿态估计结果信息,合并相邻的两个第一姿态参数,所述长距离特征对应信息包括本帧段内不同于所述短距离特征对应信息的特征对应信息。
在某些实施方式中,所述计算模块,包括:
第一获取子模块,用于获取所述短距离特征对应信息;
筛选子模块,用于对所述第一获取子模块获取的所述短距离特征对应信息进行筛选,得到可信任短距离特征对应信息;
第一计算子模块,用于根据所述筛选子模块得到的所述可信任短距离特征对应信息,计算所述相邻图像帧之间的姿态估计结果信息。
在某些实施方式中,所述合并模块,包括:
第二获取子模块,用于获取所述长距离特征对应信息;
第二计算子模块,用于根据所述第二获取子模块获取的所述长距离特征对应信息,计算相邻的两个第一姿态参数的第一三维点信息;
所述第二获取子模块,还用于从所述第一计算子模块计算的所述姿态估计结果信息中获取三维点信息作为第二三维点信息;
合并子模块,用于根据实施第二计算子模块计算的所述第一三维点信息和所述第二获取子模块获取的所述第二三维点信息,合并相邻的两个第一姿态参数。
在某些实施方式中,所述合并模块,还用于合并属于不同帧段的相邻的第一姿态参数,生成所有图像帧之间的第三姿态参数,所述相邻的第一姿态参数对应于所述不同帧段之间共享的公共图像帧,所述第三姿态参数包括平移尺度信息;根据各帧段中的第一姿态参数、第二姿态参数以及所述第三姿态参数,生成所有图像帧之间的姿态信息。
在某些实施方式中,所述第二获取子模块,还用于从所述第二三维点信息中,获取分别与所述属于不同帧段的相邻的第一姿态参数对应的第三三维点信息和第四三维点信息;
所述合并子模块,还用于根据所述第二获取子模块获取的所述第三三维点信息和所述第四三维点信息,合并属于不同帧段的相邻的第一姿态参数。
在某些实施方式中,所述图像生成单元,具体用于对所述姿态信息进行求精处理;根据求精处理后的姿态信息生成三维图像。
在某些实施方式中,所述图像生成单元,具体用于根据所述姿态信息生成所述目标物体的表面模型信息;根据所述表面模型信息生成三维图像。
在某些实施方式中,所述图像生成单元,包括:
立体匹配模块,用于根据所述姿态信息进行立体匹配,得到深度图信息;
第一模型生成模块,用于根据所述深度图信息生成所述表面模型信息。
在某些实施方式中,所述图像生成单元,包括:
第二模型生成模块,用于具体用于根据所述姿态信息生成所述目标物体的第一表面模型信息;
求精模块,用于对所述第二模型生成模块生成的所述第一表面模型信息进行求精处理,生成所述目标物体的表面模型信息。
在某些实施方式中,所述求精模块,具体用于根据所述目标物体的模板模型信息,对所述第一表面模型信息进行求精处理。
在某些实施方式中,所述求精模块,具体用于进行以下至少一项处理:
去除不与所述目标物体的模板模型信息对应的信息;
去除与所述目标物体的模板模型信息中对应的信息之间的差值大于预设值的信息;
进行内插操作。
在某些实施方式中,所述获取单元,具体用于按照预定帧提取方式,对所述目标物体的多个视角上的初始图像帧进行帧提取生成图像帧序列。
在某些实施方式中,所述预定帧提取方式包括以下至少一项:
基于图像质量的帧提取方式;
基于图像姿态数据的帧提取方式;
基于时间的帧提取方式。
在某些实施方式中,所述获取单元,包括:
提取模块,用于按照预定帧提取方式,对所述初始图像帧进行帧提取生成候选帧;
确定模块,用于从所述提取模块提取的所述候选帧中确定对应正面视角的正面帧和与所述正面帧呈指定旋转角度的侧面帧;
图像帧序列生成模块,用于根据所述确定模块确定的所述正面帧和所述侧面帧生成图像帧序列。
在某些实施方式中,相邻的两个帧段之间共享一个公共图像帧。
本方案中,对目标物体的图像帧序列进行分段,生成多个帧段;根据帧段,计算所有图像帧之间的姿态信息;根据姿态信息生成三维图像。与现有技术中以一个图像帧为基准相比,本方案是基于图像帧序列中的多个图像帧计算所有图像帧之间的姿态信息,增加了姿态信息的准确性,进而增加了根据该姿态信息生成的三维图像的准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1示出了本申请提供的生成三维图像的方法的一种实施例的流程图;
图2示出了本申请提供的正面帧和侧面帧的示意图;
图3示出了本申请提供的将图像帧序列分成帧段的一种实施例的示意图;
图4示出了结合图1所示的方法,生成三维图像的方法的另一种实施例的流程图;
图5示出了结合图4所示的方法,计算所有图像帧之间的姿态信息的一种实施例的流程图;
图6示出了结合图5所示的方法,计算每个帧段中的相邻图像帧之间的第一姿态信息的一种实施例的流程图;
图7示出了结合图5所示的方法,根据第一姿态信息,计算所有图像帧之间的姿态信息的一种实施例的流程图;
图8示出了结合图4所示的方法,根据姿态信息生成三维图像的一种实施例的流程图;
图9示出了结合图8所示的方法,根据姿态信息生成目标物体的表面模型信息的一种实施例的流程图;
图10示出了本申请提供的生成三维图像的装置的一种实施例的结构示意图;
图11示出了本申请提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
本申请提供了一种生成三维图像的方法。该方法可以应用于任意电子设备中,如,手机、平板电脑、照相设备等。
图1示出了本申请提供的生成三维图像的方法的一种实施例的流程图。
如图1所示,在步骤110中,获取目标物体的图像帧序列。
在生成目标物体的三维图像前,首先需要获取目标物体的二维图像,然后,可以根据二维图像生成三维图像。由此,电子设备可以首先获取目标物体的图像帧序列,该图像帧序列可以为二维图像帧序列。
进一步地,电子设备可以但不限于首先获取目标物体的多个视角上的初始图像帧,然后,按照预定帧提取方式,对目标物体的多个视角上的初始图像帧进行帧提取生成图像帧序列。
例如,以在手机上生成三维头像为例。用户可以手持电子设备在视频拍摄模式下,以头部为轴从头部的其中一个侧脸处,向正脸方向移动拍摄到另一侧脸处,用户具体可以使用手机的前置摄像头进行拍摄,在拍摄过程中用户需要保持头部静止。这样,采集视频中包括了用户脸部任意视角上的二维初始图像帧。值得说明的是,用户采集人脸的多个视角上的初始图像帧的方法不限于上述列举的方法,还可以包括其他方法,如可以在拍照模式下通过拍摄人脸的多个视角上的图像实现等,具体可以根据实际需要进行设定,在此不作赘述。
在本实施例中,电子设备采集的初始图像帧具体可以包括各图像帧的时间戳。另外,电子设备还可以通过惯性传感器采集各图像帧的姿态数据及各姿态数据对应的时间戳,该姿态数据可以包括但不限于各图像帧的旋转角度信息,其具体可以表征手机的朝向。在电子设备获取姿态数据后,可以通过旋转矩阵的方式进行表示。惯性传感器采集姿态数据为本领域技术人员熟知的技术,在此不作赘述。
电子设备在获取到姿态数据后,可以对该姿态数据进行预处理,以便后续步骤中使用。其中,预处理具体可以包括但不限于:由于图像采集设备采集图像帧的时间戳,可能晚于惯性传感器采集对应图像帧的姿态参数的时间戳,因此,为了减小上述两个时间戳之间的时间差,电子设备首先可以对姿态数据对应的时间戳延迟预设时间,如,可以但不限于延迟200ms;然后,对姿态参数进行坐标系变换,即将对应于电子设备坐标系的旋转矩阵转成对应于目标物体坐标系的旋转矩阵。对姿态数据进行预处理为本领域技术人员熟知的技术,在此不作赘述。
进一步地,按照预定帧提取方式,对目标物体的多个视角上的初始图像帧进行帧提取生成图像帧序列,具体可以包括但不限于:按照预定帧提取方式,对初始图像帧进行帧提取生成候选帧;从候选帧中确定对应正面视角的正面帧和与正面帧呈指定旋转角度的侧面帧;根据正面帧和侧面帧生成图像帧序列。
在本实施例中,可以通过对图像帧上特征点的检测确定图像序列中的正面视图。具体的,针对任一图像帧,获取特征点信息;计算特征点信息的对称性,选择对称性最好的图像帧作为正面帧。在确定正面帧之后,以正面帧为基准,根据预处理前的姿态参数中的旋转角度信息,选取与正面帧呈指定旋转角度的侧面帧,例如,图2示出了本申请提供的正面帧和侧面帧的示意图,如图2所示,可以选取分别与正面帧210呈+15°的图像帧220、-15°的图像帧230、+30°的图像帧240、-30°的图像帧250作为侧面帧。确定正面帧和侧面帧的方法为本领域技术人员熟知的技术,在此不作赘述。
进一步地,预定帧提取方式可以包括但不限于以下至少一项:基于图像质量的帧提取方式;基于图像姿态数据的帧提取方式;基于时间的帧提取方式。
具体的,基于图像质量的帧提取方式可以包括:从初始图像帧中提取质量较好的图像帧,如,可以提取不发生抖动的图像帧、清晰的图像帧等。基于图像姿态数据的帧提取方式可以包括:从初始图像帧中提取预定视角角度的图像帧。基于时间的帧提取方式可以包括:可以从初始图像帧中提取中间时间段的图像帧,如,采集初始图像帧的时间段为0至5秒,则可以从初始图像帧中提取2至4秒的图像帧。由于位于中间时间段的图像帧的质量较高,发生抖动的概率较小,因此提取中间时间段的图像帧能够提高生成三维图像的图像帧序列的质量,从而提高了生成的三维图像的质量。中间时间段的起止位置可以是根据惯性传感器采集的角度信息和/或竖直方向位移确定的。
例如,当检测到俯仰角的变化幅度小于预设角度时,可以将当前时刻确定为中间时间段的起始位置,当检测到俯仰角的变化幅度大于预设角度时,可以将当前时刻确定为中间时间段的终止位置;或者,当检测到垂直方向位移的变化幅度小于预设位移时,可以将当前时刻确定为中间时间段的起始位置,当检测到垂直方向位移的变化幅度大于预设位移时,可以将当前时刻确定为中间时间段的终止位置。其中,预设角度可以为但不限于:5°、7°等,预设位置可以为但不限于:1厘米、2厘米等。
本实施例对获取图像帧序列的方法,以及图像帧序列中的图像帧数量不作限定,具体数量可以根据实际需要进行设定,如,可以包括9帧等。
进一步可选的,电子设备获取图像帧序列中各图像帧可以只包括目标物体特定区域的图像,如,只包括人脸区域的图像,去除其他背景图像等,这样,图像帧序列中的各图像帧只包括目标物体的特定区域的图像,在后续处理过程中,只针对该特定区域进行,进而增加后续的处理速度。
返回图1,在步骤120中,根据由图像帧序列分成的帧段,计算所有图像帧之间的姿态信息。
在本实施例中,电子设备可以首先将图像帧序列分成帧段,每个帧段包括至少一个图像帧;然后,根据由图像帧序列分成的帧段,计算所有图像帧之间的姿态信息。
进一步地,相邻的两个帧段之间共享一个公共图像帧。
例如,以图像帧序列包括9个图像帧为例进行说明。图3示出了本申请提供的将图像帧序列分成帧段的一种实施例的示意图。如图3所示,图像帧序列中包括图像帧11至图像帧19,将每3个图像帧分成一个帧段,即帧段1至帧段4,相邻的帧段之间包括一个公共图像帧310。
本实施例对将图像帧序列分成帧段不作限定,不限于每个帧段包括3个图像帧,如,还可以包括5个图像帧、7个图像帧等,具体可以根据实际需要进行设定。
在本实施例中,电子设备可以首先计算每个帧段中的图像帧之间的姿态信息,即该姿态信息可以包括所属于同一帧段中各图像帧之间的姿态信息;然后,根据该姿态信息计算所有图像帧之间的姿态信息,此时计算出的姿态信息可以包括所有图像帧之间的姿态信息。其中,姿态信息也称为运动信息,可以包括但不限于:旋转角度信息、平移方向信息、平移尺度信息。
在步骤130中,根据姿态信息生成三维图像。
进一步可选地,为了增加三维图像的准确性,电子设备在计算出姿态信息之后,可以对姿态信息进行求精处理,然后,根据求精处理后的姿态信息生成三维图像。其中,求精处理可以包括但不限于:光束法平差(Bundle Adjustment)处理等,具体可以根据实际需要进行设定。
在本实施例中,根据姿态信息生成三维图像,具体可以包括但不限于:电子设备可以首先根据姿态信息进行立体匹配;然后,根据立体匹配得到的结果进行表面生成;最后,根据表面生成得到的结果生成三维图像。
本实施例中,对目标物体的图像帧序列进行分段,生成多个帧段,每个帧段包括至少一个图像帧;根据帧段,计算所有图像帧之间的姿态信息;根据姿态信息生成三维图像。与现有技术中以一个图像帧为基准相比,本方案是基于图像帧序列中的多个图像帧计算所有图像帧之间的姿态信息,增加了姿态信息的准确性,进而增加了根据该姿态信息生成的三维图像的准确性。
针对图1中的步骤120,本实施例提供一些具体根据由图像帧序列分成的帧段,计算所有图像帧之间的姿态信息的实施方式。
进一步参考图4,其示出了结合图1所示的方法,生成三维图像的方法的另一种实施例的流程图。如图4所示,步骤120根据由图像帧序列分成的帧段,计算所有图像帧之间的姿态信息,进一步可以包括步骤410和步骤420。
在步骤410中,计算每个帧段中的相邻图像帧之间的第一姿态信息。在步骤420中,根据第一姿态信息,计算所有图像帧之间的姿态信息。
例如,如图3所示,电子设备可以分别计算帧段1至帧段4的任一帧段中的相邻图像帧之间的第一姿态信息。以帧段1为例,在帧段1中,可以但不限于计算图像帧11与图像帧12之间的第一姿态信息,图像帧12与图像帧13之间的第一姿态信息。计算其他帧段的第一姿态信息与上述列举的计算方式类似,在此不作赘述。
进一步参考图5,其示出了结合图4所示的方法,步骤120根据由图像帧序列分成的帧段,计算所有图像帧之间的姿态信息的一种实施例的流程图。
如图5所示,图4中的步骤410计算每个帧段中的相邻图像帧之间的第一姿态信息,进一步可以包括步骤510、步骤520以及步骤530。
在步骤510中,计算每个帧段中的相邻图像帧之间的第一姿态参数,第一姿态参数可以包括旋转角度信息和平移方向信息。
在步骤520中,合并相邻的两个第一姿态参数,生成第二姿态参数,相邻的两个第一姿态参数对应于一个共同的图像帧,第二姿态参数可以包括平移尺度信息。
在步骤530中,根据第一姿态参数和第二姿态参数生成第一姿态信息。第一姿态信息可以包括但不限于:第一姿态参数和第二姿态参数。即第一姿态信息可以包括但不限于每段中相邻关键帧之间的:旋转角度信息、平移方向信息、平移尺度信息。
进一步参考图6,其示出了结合图5所示的方法,步骤410计算每个帧段中的相邻图像帧之间的第一姿态信息的一种实施例的流程图。
在图6所示的实施例中,电子设备可以首先获取每个帧段内的特征对应信息,特征对应信息具体可以包括:短距离特征对应信息和长距离特征对应信息。电子设备具体可以是根据短距离特征对应信息和姿态估计算法,计算第一姿态参数,即电子设备具体可以是根据短距离特征对应信息和姿态估计算法,计算姿态估计结果信息,姿态估计结果信息包括但不限于第一姿态参数;根据长距离特征信息、三角化算法以及计算第一姿态参数所得到的姿态估计结果信息,计算第二姿态参数,然后,根据第一姿态参数和第二姿态参数生成第一姿态信息。
电子设备可以但不限于通过在图像帧之间进行特征点检测及跟踪,获取特征对应信息。电子设备具体可以但不限于采用开放源代码计算机视觉类库(open sourcecomputer vision library,OpenCV)结合加速分割检测特征(Features From AcceleratedSegment Test,FAST)角点检测算法进行特征点检测。上述检测及跟踪方法为本领域技术人员熟知的技术,在此不作赘述。
短距离特征对应信息可以包括:特征对应起始图像帧与本帧段内和其相邻的图像帧之间的特征对应信息;长距离特征对应信息可以包括本帧段内不同于短距离特征对应信息的特征对应信息。其中,预设值可以根据实际需要进行设定,如,可以但不限于设置为:1、2等。
例如,如图3所示,以获取帧段1中的特征对应信息为例。电子设备可以以图像帧11为特征对应起始图像帧,获取图像帧11上的特征点信息;将图像帧11上的特征点信息跟踪到图像帧12上,确定在图像帧12上对应的特征点信息,进而得到图像帧11与图像帧12之间的特征对应信息320;将确定的图像帧12上的特征点信息跟踪到图像帧13上,确定在图像帧13上对应的特征点信息,进而得到图像帧12与图像帧13之间的特征对应信息330。此时,在图像帧11与图像帧12之间,短距离特征对应信息可以包括特征对应信息320,长距离特征对应信息可以包括特征对应信息330。
如若图3所示的帧段1中包括4个图像帧,即图3的帧段1中包括图像帧11至图像帧14,则在依照上述跟踪方法得到的特征对应信息后,在图像帧11与图像帧12之间,可以将特征对应信息320、特征对应信息330确定为短距离特征对应信息,将图像帧13与图像帧14之间的特征对应信息,确定为长距离特征对应信息。
进一步地,电子设备还可以在帧段内可以进行双向跟踪,进而可以分别获取双向跟踪后得到的特征对应信息。
如图3所示,上述内容记载了获取跟踪方向为从图像帧11到图像帧13的特征对应信息。若进行双向跟踪,则电子设备还可以以图像帧13为特征对应起始图像帧,获取跟踪方向为从图像帧13到图像帧11的特征对应信息。此时,在图像帧12与图像帧13之间,短距离特征对应信息可以包括图像帧13与图像帧12之间的特征对应信息340,长特征对应信息可以包括图像帧12与图像帧11之间的特征对应信息350。
现有技术中,电子设备不对图像帧序列进行分段。在获取图像帧序列的特征对应信息时,是以一个图像帧为基准,顺次将特征点信息跟踪到其他图像帧上,如,将图像帧1上的特征点信息跟踪到图像帧2上,将在图像帧2上确定的对应特征点信息跟踪到图像帧3上,直到跟踪完成所有图像帧。但是,上述跟踪方法在跟踪过程中易发生特征点漂移,即跟踪到距特征对应起始图像帧越远的图像帧,其确定的特征点信息准确性越低。
而在本实施例中,电子设备分别获取各帧段的特征对应信息。在获取特征对应信息时,每个帧段均存在基准图像帧,即特征对应起始图像帧,进而减小了跟踪的距离,与现有技术中,只存在一个基准图像帧相比,本实施例增加了获取的特征对应信息的准确性。
返回图6,如图6所示,步骤510计算每个帧段中的相邻图像帧之间的第一姿态参数,进一步可以包括步骤610、步骤620以及步骤630。
在步骤610中,获取短距离特征对应信息。
在本实施例中,以计算图3所示的图像帧11与图像帧12为例进行说明,由此,本步骤中获取的短距离特征对应信息可以包括特征对应信息320。
在步骤620中,根据姿态估计算法对短距离特征对应信息进行筛选,得到可信任短距离特征对应信息。
姿态估计算法可以为但不限于随机抽样一致(Random Sample Consensus,RANSAC)算法。
在本实施例中,电子设备首先可以根据RANSAC算法和惯性传感器获取到的图像帧11与图像帧12的旋转角度信息,估计出平移方向信息,并根据RANSAC算法和估计出的平移方向信息,对短距离特征对应信息进行筛选,进而确定可信任短距离特征对应信息。其中,可信任短距离特征对应信息为图像帧11与图像帧12之间的准确性较高的特征对应信息。
在步骤630中,根据姿态估计算法和可信任短距离特征对应信息,计算相邻图像帧之间的姿态估计结果信息,姿态估计结果信息可以包括但不限于第一姿态参数。
在本实施例中,根据RANSAC算法和可信任短距离特征对应信息,计算图像帧11与图像帧12之间的姿态估计结果信息,姿态估计结果信息具体可以包括但不限于:第一姿态参数,即包括旋转角度信息和平移方向信息。
本实施例对根据RANSAC算法得到可信任短距离特征对应信息,以及根据RANSAC算法和可信任短距离特征对应信息,计算相邻图像帧之间的姿态估计结果信息不作限定,为本领域技术人员熟知的技术,在此不作赘述。
进一步参考图6,如图6所示,步骤520合并相邻的两个第一姿态参数,生成第二姿态参数,进一步可以包括步骤640、步骤650、步骤660以及步骤670。
在步骤640中,获取长距离特征对应信息。
在本实施例中,以合并图3所示的帧段1内相邻的第一姿态参数为例进行说明,如图3所示,即以合并第一姿态参数360和第一姿态参数370为例进行说明。其中,第一姿态参数360和第一姿态参数370对应于一个共同的图像帧12。由此,本步骤获取的长距离特征对应信息可以包括:特征对应信息330、特征对应信息350等。
在步骤650中,根据三角化算法和长距离特征对应信息,计算相邻的两个第一姿态参数的第一三维点信息。
在本实施例中,电子设备可以根据三角化算法、第一姿态参数360、第一姿态参数370,对获取的长距离特征信息进行筛选,得到可信任长距离特征对应信息;根据三角化算法和可信任长距离特征对应信息,计算第一三维点信息。其中,可信任长距离特征对应信息为获取的长距离特征对应信息中,准确性较高的特征对应信息。
本实施例对三角化算法,以及根据三角化算法和长距离特征对应信息,计算相邻的两个第一姿态参数的第一三维点信息的具体实施方式不作限定,为本领域技术人员熟知的技术手段,在此不作赘述。
在步骤660中,从姿态估计结果信息中获取三维点信息作为第二三维点信息。
根据RANSAC算法和可信任短距离特征对应信息,计算出的相邻图像帧之间的姿态估计结果信息还可以包括但不限于:三维点信息,电子设备可以从姿态估计结果信息中获取三维点信息作为第二三维点信息。
在步骤670中,根据第一三维点信息和第二三维点信息,合并相邻的两个第一姿态参数,生成第二姿态参数。
在本实施例中,合并帧段内相邻的两个第一姿态参数,主要是用于获取帧段内的平移尺度信息,即实现电子设备将相邻的两个第一姿态参数的平移向量中的一个平移向量乘以尺度因子的过程。具体的,将帧段内相邻的两个第一姿态参数的第一三维点记为A,第二三维点记为B,对应的共同的图像帧的光心点记为O,AO的距离除以BO的距离,即得到尺度因子。进一步地,若帧段内存在多个相邻的第一姿态参数,则会计算出多个尺度因子,由此,电子设备需要从多个尺度因子中获取一个尺度因子。具体的,电子设备可以从多个尺度因子中去除根据不共线的A、B、O三点计算得到的尺度因子,然后在剩下的尺度因子里取中值,将该中值作为最终获取的一个尺度因子。
返回图5,进一步地,如图5所示,步骤420根据第一姿态信息,计算所有图像帧之间的姿态信息,进一步可以包括步骤540和步骤550。
在步骤540中,合并属于不同帧段的相邻的第一姿态参数,生成所有图像帧之间的第三姿态参数,相邻的第一姿态参数对应于不同帧段之间共享的公共图像帧,第三姿态参数包括平移尺度信息。
在步骤550中,根据各帧段中的第一姿态参数、第二姿态参数以及第三姿态参数,生成所有图像帧之间的姿态信息。姿态信息可以包括但不限于:第一姿态参数、第二姿态参数、第三姿态参数。即姿态信息可以包括但不限于每段中相邻关键帧之间的:旋转角度信息、平移方向信息、平移尺度信息,还可以包括所有图像帧之间的平移尺度信息。
进一步参考图7,其示出了结合图5所示的方法,步骤420根据第一姿态信息,计算所有图像帧之间的姿态信息的一种实施例的流程图。如图7所示,步骤540合并属于不同帧段的相邻的第一姿态参数,生成所有图像帧之间的第三姿态参数,进一步可以包括步骤710和步骤720。
在步骤710中,从第二三维点信息中,获取分别与属于不同帧段的相邻的第一姿态参数对应的第三三维点信息和第四三维点信息。
在本实施例中,如图3所示,以合并分别属于帧段1与帧段2的相邻的第一姿态参数为例进行说明。其中,图像帧12与图像帧13之间的第一姿态参数370所属于帧段1,图像帧13与图像帧14之间的第一姿态参数380所属于帧段2,且两个第一姿态参数相邻,并对应于不同帧段之间共享的公共图像帧13,由此,本实施例即以合并第一姿态参数370和第一姿态参数380为例进行说明。
具体的,如图3所示,第二三维点信息可以包括:根据RANSAC算法计算得到的各帧段的三维点信息,由此,电子设备需要从第二三维点信息中获取帧段1的三维点信息,作为第三三维点信息,并从第二三维点信息中获取帧段2的三维点信息,作为第四三维点信息。
在步骤720中,根据第三三维点信息和第四三维点信息,合并属于不同帧段的相邻的第一姿态参数,生成所有图像帧之间的第三姿态参数。
本步骤中合并的具体实施方式与上述列举的根据第一三维点信息和第二三维点信息,合并相邻的两个第一姿态参数的实施方式类似,在此不作赘述。
针对图1中的步骤130,本实施例提供一些根据姿态信息生成三维图像的实施方式。
返回图4,进一步地,如图4所示,步骤130根据姿态信息生成三维图像,进一步可以包括步骤430和步骤440。
在步骤430中,根据姿态信息生成目标物体的表面模型信息。
进一步参考图8,其示出了结合图4所示的方法,步骤130根据姿态信息生成三维图像的一种实施例的流程图。如图8所示,步骤430根据姿态信息生成目标物体的表面模型信息,进一步可以包括步骤810和步骤820。
在步骤810中,根据姿态信息进行立体匹配,得到深度图信息。
本步骤中的立体匹配为本领域技术人员熟知的技术,在此不作赘述。
在步骤820中,根据深度图信息生成表面模型信息。
进一步参考图9,其示出了结合图8所示的方法,步骤430根据姿态信息生成目标物体的表面模型信息的一种实施例的流程图。如图9所示,步骤820根据深度图信息生成表面模型信息,进一步可以包括步骤910和步骤920。
在步骤910中,根据姿态信息生成目标物体的第一表面模型信息。
本步骤的第一表面模型信息可以是根据步骤820生成的。
在步骤920中,对第一表面模型信息进行求精处理,生成目标物体的表面模型信息。
进一步地,步骤920对第一表面模型信息进行求精处理,可以包括但不限于:根据目标物体的模板模型信息,对第一表面模型信息进行求精处理。
具体的,电子设备可以将目标物体的模板模型对齐到正面帧上,具体可以根据模板模型上的特征点与正面帧上的特征点进行对齐,具体对齐的实施方式为本领域技术人员熟知的技术,在此不作赘述;然后,电子设备将对齐的模板模型信息进行柱面投影,得到第一柱面投影信息;接着,电子设备对第一表面模型信息进行柱面投影,得到第二柱面投影信息,同时还可以得到相应的纹理坐标信息;最后,电子设备根据第一柱面投影信息,对第二柱面投影信息进行求精处理,进而生成目标物体的表面模型信息。
进一步地,根据目标物体的模板模型信息,对第一表面模型信息可以进行但不限于以下至少一项处理:去除不与目标物体的模板模型信息对应的信息;去除与目标物体的模板模型信息中对应的信息之间的差值大于预设值的信息;进行内插操作。
具体的,电子设备对第二柱面投影信息执行以下至少一项操作:从第二柱面投影信息中去除不与第一柱面投影信息对应的信息;从第二柱面投影信息中去除与相应的第一柱面投影信息之间差异较大的信息;根据第一柱面投影信息的梯度值对第二柱面投影信息进行内插操作。最后,电子设备还可以对第二柱面投影信息进行平滑处理。
本实施例对求精处理不作限定,具体实施方式为本领域技术人员熟知的技术,在此不作赘述。
在本实施例中,步骤910和步骤920不限于包含在步骤820中,即步骤910中的第一表面模型信息不一定是根据步骤820得到的,还可以是根据其他方式得到的,具体可以根据实际需要进行设定。
返回图4,在步骤440中,根据表面模型信息生成三维图像。
在本实施例中,电子设备可以生成表面模型信息的纹理信息,具体可以包括:电子设备分别从获取不同侧面,如,左右侧面,各获取一个侧面帧,将两个侧面帧映射到纹理坐标所在的平面上,得到两幅纹理图,其中,纹理坐标可以是对第一表面模型信息进行柱面投影后得到的,也可以是预设的;对两幅纹理图的光照和颜色进行调整,使二者一致;对调整后的两幅纹理图进行拼接,得到完整的纹理图,进而得到三维图像。上述内容为本领域技术人员熟知的技术,在此不作赘述。
进一步参考图10,其示出了按照本申请的实施例实施生成三维图像的装置的结构示意图。
如图10所示,生成三维图像的装置1000,包括:获取单元1010,用于获取目标物体的图像帧序列;计算单元1020,用于根据由图像帧序列分成的帧段,计算所有图像帧之间的姿态信息;图像生成单元1030,用于根据计算单元1020计算的姿态信息生成三维图像。
进一步地,计算单元1020,具体用于计算每个帧段中的相邻图像帧之间的第一姿态信息;根据第一姿态信息,计算所有图像帧之间的姿态信息。
进一步地,计算单元1020,包括:
计算模块1021,用于计算每个帧段中的相邻图像帧之间的第一姿态参数,第一姿态参数包括旋转角度信息和平移方向信息;
合并模块1022,用于合并计算模块1021计算的相邻的两个第一姿态参数,生成第二姿态参数,相邻的两个第一姿态参数对应于一个共同的图像帧,第二姿态参数包括平移尺度信息;
姿态信息生成模块1023,用于根据第一姿态参数和第二姿态参数生成第一姿态信息。
进一步地,计算模块1021,具体用于根据短距离特征信息和姿态估计算法,计算相邻图像帧之间的姿态估计结果信息,姿态估计结果信息包括第一姿态参数,短距离特征对应信息包括:特征对应起始图像帧与本帧段内和其相邻的图像帧之间的特征对应信息;
合并模块1022,具体用于根据三角化算法、长距离特征对应信息和姿态估计结果信息,合并相邻的两个第一姿态参数,长距离特征对应信息包括本帧段内不同于短距离特征对应信息的特征对应信息。
进一步地,计算模块1021,包括:
第一获取子模块10211,用于获取短距离特征对应信息;
筛选子模块10212,用于根据姿态估计算法对第一获取子模块10211获取的短距离特征对应信息进行筛选,得到可信任短距离特征对应信息;
第一计算子模块10213,用于根据姿态估计算法和筛选子模块10212得到的可信任短距离特征对应信息,计算相邻图像帧之间的姿态估计结果信息。
进一步地,合并模块1022,包括:
第二获取子模块10221,用于获取长距离特征对应信息;
第二计算子模块10222,用于根据三角化算法和第二获取子模块10221获取的长距离特征对应信息,计算相邻的两个第一姿态参数的第一三维点信息;
第二获取子模块10221,还用于从第一计算子模块10213计算的姿态估计结果信息中获取三维点信息作为第二三维点信息;
合并子模块10223,用于根据实施第二计算子模块10222计算的第一三维点信息和第二获取子模块10221获取的第二三维点信息,合并相邻的两个第一姿态参数。
进一步地,合并模块1022,还用于合并属于不同帧段的相邻的第一姿态参数,生成所有图像帧之间的第三姿态参数,相邻的第一姿态参数对应于不同帧段之间共享的公共图像帧,第三姿态参数包括平移尺度信息;根据各帧段中的第一姿态参数、第二姿态参数以及第三姿态参数,生成所有图像帧之间的姿态信息。
进一步地,第二获取子模块10221,还用于从第二三维点信息中,获取分别与属于不同帧段的相邻的第一姿态参数对应的第三三维点信息和第四三维点信息;
合并子模块10223,还用于根据第二获取子模块10221获取的第三三维点信息和第四三维点信息,合并属于不同帧段的相邻的第一姿态参数。
进一步地,图像生成单元1030,具体用于对姿态信息进行求精处理;根据求精处理后的姿态信息生成三维图像。
进一步地,图像生成单元1030,具体用于根据姿态信息生成目标物体的表面模型信息;根据表面模型信息生成三维图像。
进一步地,图像生成单元1030,包括:
立体匹配模块1031,用于根据姿态信息进行立体匹配,得到深度图信息;
第一模型生成模块1032,用于根据深度图信息生成表面模型信息。
进一步地,图像生成单元1030,包括:
第二模型生成模块1033,具体用于根据姿态信息生成目标物体的第一表面模型信息;
求精模块1034,用于对第二模型生成模块1033生成的第一表面模型信息进行求精处理,生成目标物体的表面模型信息。
进一步地,求精模块1034,具体用于根据目标物体的模板模型信息,对第一表面模型信息进行求精处理。
进一步地,求精模块1034,具体用于进行以下至少一项处理:去除不与目标物体的模板模型信息对应的信息;去除与目标物体的模板模型信息中对应的信息之间的差值大于预设值的信息;进行内插操作。
进一步地,获取单元1010,具体用于按照预定帧提取方式,对目标物体的多个视角上的初始图像帧进行帧提取生成图像帧序列。
进一步地,预定帧提取方式包括以下至少一项:基于图像质量的帧提取方式;基于图像姿态数据的帧提取方式;基于时间的帧提取方式。
进一步地,获取单元1010,包括:
提取模块1011,用于按照预定帧提取方式,对初始图像帧进行帧提取生成候选帧;
确定模块1012,用于从提取模块1011提取的候选帧中确定对应正面视角的正面帧和与正面帧呈指定旋转角度的侧面帧;
图像帧序列生成模块1013,用于根据确定模块1012确定的正面帧和侧面帧生成图像帧序列。
进一步地,相邻的两个帧段之间共享一个公共图像帧。
描述于本申请实施例中所涉及到的单元和模块可以通过软件的方式实现,也可以通过硬件的方式来实现。
本实施例中,计算单元根据由所述图像帧序列分成的帧段,计算所有图像帧之间的姿态信息;图像生成单元根据姿态信息生成三维图像。与现有技术中以一个图像帧为基准相比,本方案是基于图像帧序列中的多个图像帧计算所有图像帧之间的姿态信息,增加了姿态信息的准确性,进而增加了根据该姿态信息生成的三维图像的准确性。
进一步参考图11,其示出了按照本申请的实施例生成三维图像的电子设备的结构示意图。
如图11所示,电子设备1100包括:至少一个处理器1110,例如中央处理器(CentralProcessing Unit,CPU),至少一个输出接口1120或者其他用户接口1130,存储器1140,至少一个通信总线1150。通信总线1150用于实现上述组件之间的连接通信。电子设备1100可选的包含其他用户接口1130,包括显示器,键盘或者点击设备(例如,鼠标,轨迹球(trackball),触感板或者触感显示屏)。存储器1140可能包含高速随机存取存储器(RandomAccess Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。存储器1140可选的可以包含至少一个位于远离前述处理器1110的存储装置。
在一些实施方式中,存储器1140存储了如下的元素,可执行模块或者数据结构,或者他们的子集,或者他们的扩展集:
操作***1141,包含各种***程序,用于实现各种基础业务以及处理基于硬件的任务。
应用程序1142,包含各种应用程序,用于实现各种应用业务。
具体的,应用程序1142中可以但不限于包括:
获取单元,用于获取目标物体的图像帧序列;
计算单元,用于根据由图像帧序列分成的帧段,计算所有图像帧之间的姿态信息;
图像生成单元,用于根据计算单元计算的姿态信息生成三维图像。
进一步地,计算单元,具体用于计算每个帧段中的相邻图像帧之间的第一姿态信息;根据第一姿态信息,计算所有图像帧之间的姿态信息。
进一步地,计算单元,包括:
计算模块,用于计算每个帧段中的相邻图像帧之间的第一姿态参数,第一姿态参数包括旋转角度信息和平移方向信息;
合并模块,用于合并计算模块计算的相邻的两个第一姿态参数,生成第二姿态参数,相邻的两个第一姿态参数对应于一个共同的图像帧,第二姿态参数包括平移尺度信息;
姿态信息生成模块,用于根据第一姿态参数和第二姿态参数生成第一姿态信息。
进一步地,计算模块,具体用于根据短距离特征信息和姿态估计算法,计算相邻图像帧之间的姿态估计结果信息,姿态估计结果信息包括第一姿态参数,短距离特征对应信息包括:特征对应起始图像帧与本帧段内和其相邻的图像帧之间的特征对应信息;
合并模块,具体用于根据三角化算法、长距离特征对应信息和姿态估计结果信息,合并相邻的两个第一姿态参数,长距离特征对应信息包括本帧段内不同于短距离特征对应信息的特征对应信息。
进一步地,计算模块,包括:
第一获取子模块,用于获取短距离特征对应信息,短距离特征对应信息包括:特征对应起始图像帧与本帧段内和其相邻的图像帧之间的特征对应信息;
筛选子模块,用于根据姿态估计算法对第一获取子模块获取的短距离特征对应信息进行筛选,得到可信任短距离特征对应信息;
第一计算子模块,用于根据姿态估计算法和筛选子模块得到的可信任短距离特征对应信息,计算相邻图像帧之间的姿态估计结果信息,姿态估计结果信息包括第一姿态参数。
进一步地,合并模块,包括:
第二获取子模块,用于获取长距离特征对应信息,长距离特征对应信息包括本帧段内不同于短距离特征对应信息的特征对应信息;
第二计算子模块,用于根据三角化算法和第二获取子模块获取的长距离特征对应信息,计算相邻的两个第一姿态参数的第一三维点信息;
第二获取子模块,还用于从第一计算子模块计算的姿态估计结果信息中获取三维点信息作为第二三维点信息;
合并子模块,用于根据实施第二计算子模块计算的第一三维点信息和第二获取子模块获取的第二三维点信息,合并相邻的两个第一姿态参数。
进一步地,合并模块,还用于合并属于不同帧段的相邻的第一姿态参数,生成所有图像帧之间的第三姿态参数,相邻的第一姿态参数对应于不同帧段之间共享的公共图像帧,第三姿态参数包括平移尺度信息;根据各帧段中的第一姿态参数、第二姿态参数以及第三姿态参数,生成所有图像帧之间的姿态信息。
进一步地,第二获取子模块,还用于从第二三维点信息中,获取分别与属于不同帧段的相邻的第一姿态参数对应的第三三维点信息和第四三维点信息;
合并子模块,还用于根据第二获取子模块获取的第三三维点信息和第四三维点信息,合并属于不同帧段的相邻的第一姿态参数。
进一步地,图像生成单元,具体用于对姿态信息进行求精处理;根据求精处理后的姿态信息生成三维图像。
进一步地,图像生成单元,具体用于根据姿态信息生成目标物体的表面模型信息;根据表面模型信息生成三维图像。
进一步地,图像生成单元,包括:
立体匹配模块,用于根据姿态信息进行立体匹配,得到深度图信息;
第一模型生成模块,用于根据深度图信息生成表面模型信息。
进一步地,图像生成单元,包括:
第二模型生成模块,用于具体用于根据姿态信息生成目标物体的第一表面模型信息;
求精模块,用于对第二模型生成模块生成的第一表面模型信息进行求精处理,生成目标物体的表面模型信息。
进一步地,求精模块,具体用于根据目标物体的模板模型信息,对第一表面模型信息进行求精处理。
进一步地,求精模块,具体用于进行以下至少一项处理:去除不与目标物体的模板模型信息对应的信息;去除与目标物体的模板模型信息中对应的信息之间的差值大于预设值的信息;进行内插操作。
进一步地,获取单元,具体用于按照预定帧提取方式,对目标物体的多个视角上的初始图像帧进行帧提取生成图像帧序列。
进一步地,预定帧提取方式包括以下至少一项:基于图像质量的帧提取方式;基于图像姿态数据的帧提取方式;基于时间的帧提取方式。
进一步地,获取单元,包括:
提取模块,用于按照预定帧提取方式,对初始图像帧进行帧提取生成候选帧;
确定模块,用于从提取模块提取的候选帧中确定对应正面视角的正面帧和与正面帧呈指定旋转角度的侧面帧;
图像帧序列生成模块,用于根据确定模块确定的正面帧和侧面帧生成图像帧序列。
进一步地,相邻的两个帧段之间共享一个公共图像帧。
在本实施例中,处理器1110通过调用存储器1140中存储的程序或指令执行相应步骤,处理器1110,用于:
获取目标物体的图像帧序列;根据由图像帧序列分成的帧段,计算所有图像帧之间的姿态信息;根据姿态信息生成三维图像。
进一步地,处理器1110,具体用于计算每个帧段中的相邻图像帧之间的第一姿态信息;根据第一姿态信息,计算所有图像帧之间的姿态信息。
进一步地,处理器1110,具体用于计算每个帧段中的相邻图像帧之间的第一姿态参数,第一姿态参数包括旋转角度信息和平移方向信息;合并相邻的两个第一姿态参数,生成第二姿态参数,相邻的两个第一姿态参数对应于一个共同的图像帧,第二姿态参数包括平移尺度信息;根据第一姿态参数和第二姿态参数生成第一姿态信息。
进一步地,处理器1110,具体用于根据短距离特征信息和姿态估计算法,计算相邻图像帧之间的姿态估计结果信息,姿态估计结果信息包括第一姿态参数,短距离特征对应信息包括:特征对应起始图像帧与本帧段内和其相邻的图像帧之间的特征对应信息;根据三角化算法、长距离特征对应信息和姿态估计结果信息,合并相邻的两个第一姿态参数,长距离特征对应信息包括本帧段内不同于短距离特征对应信息的特征对应信息。
进一步地,处理器1110,具体用于获取短距离特征对应信息;根据姿态估计算法对短距离特征对应信息进行筛选,得到可信任短距离特征对应信息;根据姿态估计算法和可信任短距离特征对应信息,计算相邻图像帧之间的姿态估计结果信息。
进一步地,处理器1110,具体用于获取长距离特征对应信息;根据三角化算法和长距离特征对应信息,计算相邻的两个第一姿态参数的第一三维点信息;从姿态估计结果信息中获取三维点信息作为第二三维点信息;根据第一三维点信息和第二三维点信息,合并相邻的两个第一姿态参数。
进一步地,处理器1110,具体用于合并属于不同帧段的相邻的第一姿态参数,生成所有图像帧之间的第三姿态参数,相邻的第一姿态参数对应于不同帧段之间共享的公共图像帧,第三姿态参数包括平移尺度信息;根据各帧段中的第一姿态参数、第二姿态参数以及第三姿态参数,生成所有图像帧之间的姿态信息。
进一步地,处理器1110,具体用于从第二三维点信息中,获取分别与属于不同帧段的相邻的第一姿态参数对应的第三三维点信息和第四三维点信息;根据第三三维点信息和第四三维点信息,合并属于不同帧段的相邻的第一姿态参数。
进一步地,处理器1110,具体用于对姿态信息进行求精处理;根据求精处理后的姿态信息生成三维图像。
进一步地,处理器1110,具体用于根据姿态信息生成目标物体的表面模型信息;根据表面模型信息生成三维图像。
进一步地,处理器1110,具体用于根据姿态信息进行立体匹配,得到深度图信息;根据深度图信息生成表面模型信息。
进一步地,处理器1110,具体用于根据姿态信息生成目标物体的第一表面模型信息;对第一表面模型信息进行求精处理,生成目标物体的表面模型信息。
进一步地,处理器1110,具体用于根据目标物体的模板模型信息,对第一表面模型信息进行求精处理。
进一步地,处理器1110,具体用于根据目标物体的模板模型信息,对第一表面模型信息进行以下至少一项处理:去除不与目标物体的模板模型信息对应的信息;去除与目标物体的模板模型信息中对应的信息之间的差值大于预设值的信息;进行内插操作。
进一步地,处理器1110,具体用于按照预定帧提取方式,对目标物体的多个视角上的初始图像帧进行帧提取生成图像帧序列。
进一步地,预定帧提取方式包括以下至少一项:基于图像质量的帧提取方式;基于图像姿态数据的帧提取方式;基于时间的帧提取方式。
进一步地,处理器1110,具体用于按照预定帧提取方式,对初始图像帧进行帧提取生成候选帧;从候选帧中确定对应正面视角的正面帧和与正面帧呈指定旋转角度的侧面帧;根据正面帧和侧面帧生成图像帧序列。
进一步地,相邻的两个帧段之间共享一个公共图像帧。
本实施例中,电子设备对目标物体的图像帧序列进行分段,生成多个帧段,每个帧段包括至少一个图像帧;根据帧段,计算所有图像帧之间的姿态信息;根据姿态信息生成三维图像。与现有技术中以一个图像帧为基准相比,本方案是基于图像帧序列中的多个图像帧计算所有图像帧之间的姿态信息,增加了姿态信息的准确性,进而增加了根据该姿态信息生成的三维图像的准确性。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (36)
1.一种生成三维图像的方法,其特征在于,包括:
获取目标物体的图像帧序列;
根据由所述图像帧序列分成的帧段,计算所有图像帧之间的姿态信息;
根据姿态信息生成三维图像;
其中,所述根据由所述图像帧序列分成的帧段,计算所有图像帧之间的姿态信息,包括:
计算每个帧段中的相邻图像帧之间的第一姿态信息;
根据第一姿态信息,计算所有图像帧之间的姿态信息;
其中,所述计算每个帧段中的相邻图像帧之间的第一姿态信息,包括:
计算每个帧段中的相邻图像帧之间的第一姿态参数;
合并相邻的两个第一姿态参数,生成第二姿态参数,所述相邻的两个第一姿态参数对应于一个共同的图像帧;
根据所述第一姿态参数和所述第二姿态参数生成第一姿态信息;
其中,所述根据第一姿态信息,计算所有图像帧之间的姿态信息,包括:
合并属于不同帧段的相邻的第一姿态参数,生成所有图像帧之间的第三姿态参数,所述相邻的第一姿态参数对应于所述不同帧段之间共享的公共图像帧;
根据各帧段中的第一姿态参数、第二姿态参数以及所述第三姿态参数,生成所有图像帧之间的姿态信息。
2.根据权利要求1所述的方法,其特征在于,所述第一姿态参数包括旋转角度信息和平移方向信息,所述第二姿态参数包括平移尺度信息。
3.根据权利要求1所述的方法,其特征在于,所述计算每个帧段中的相邻图像帧之间的第一姿态参数,包括:
根据短距离特征对应信息计算所述相邻图像帧之间的姿态估计结果信息,所述姿态估计结果信息包括所述第一姿态参数,所述短距离特征对应信息包括:特征对应起始图像帧与本帧段内和其相邻的图像帧之间的特征对应信息;
所述合并相邻的两个第一姿态参数,包括:
根据长距离特征对应信息和所述姿态估计结果信息,合并相邻的两个第一姿态参数,所述长距离特征对应信息包括本帧段内不同于所述短距离特征对应信息的特征对应信息。
4.根据权利要求3所述的方法,其特征在于,所述根据短距离特征对应信息计算所述相邻图像帧之间的姿态估计结果信息,包括:
获取所述短距离特征对应信息;
对所述短距离特征对应信息进行筛选,得到可信任短距离特征对应信息;
根据所述可信任短距离特征对应信息,计算所述姿态估计结果信息。
5.根据权利要求3或4所述的方法,其特征在于,所述合并相邻的两个第一姿态参数,包括:
获取所述长距离特征对应信息;
根据所述长距离特征对应信息,计算相邻的两个第一姿态参数的第一三维点信息;
从所述姿态估计结果信息中获取三维点信息作为第二三维点信息;
根据所述第一三维点信息和所述第二三维点信息,合并相邻的两个第一姿态参数。
6.根据权利要求1所述的方法,其特征在于,所述第三姿态参数包括平移尺度信息。
7.根据权利要求5所述的方法,其特征在于,所述合并属于不同帧段的相邻的第一姿态参数,包括:
从所述第二三维点信息中,获取分别与所述属于不同帧段的相邻的第一姿态参数对应的第三三维点信息和第四三维点信息;
根据所述第三三维点信息和所述第四三维点信息,合并属于不同帧段的相邻的第一姿态参数。
8.根据权利要求1~4,6任一所述的方法,其特征在于,所述根据姿态信息生成三维图像,包括:
对所述姿态信息进行求精处理;
根据求精处理后的姿态信息生成三维图像。
9.根据权利要求1~4,6任一所述的方法,其特征在于,所述根据姿态信息生成三维图像,包括:
根据所述姿态信息生成所述目标物体的表面模型信息;
根据所述表面模型信息生成三维图像。
10.根据权利要求9所述的方法,其特征在于,所述根据所述姿态信息生成所述目标物体的表面模型信息,包括:
根据所述姿态信息进行立体匹配,得到深度图信息;
根据所述深度图信息生成所述表面模型信息。
11.根据权利要求9所述的方法,其特征在于,所述根据所述姿态信息生成所述目标物体的表面模型信息,包括:
根据所述姿态信息生成所述目标物体的第一表面模型信息;
对所述第一表面模型信息进行求精处理,生成所述目标物体的表面模型信息。
12.根据权利要求11所述的方法,其特征在于,所述对所述第一表面模型信息进行求精处理,包括:
根据所述目标物体的模板模型信息,对所述第一表面模型信息进行求精处理。
13.根据权利要求12所述的方法,其特征在于,所述对所述第一表面模型信息进行求精处理包括:
根据所述目标物体的模板模型信息,对所述第一表面模型信息进行以下至少一项处理:
去除不与所述目标物体的模板模型信息对应的信息;
去除与所述目标物体的模板模型信息中对应的信息之间的差值大于预设值的信息;
进行内插操作。
14.根据权利要求1~4,6任一所述的方法,其特征在于,所述获取目标物体的图像帧序列包括:
按照预定帧提取方式,对所述目标物体的多个视角上的初始图像帧进行帧提取生成图像帧序列。
15.根据权利要求14所述的方法,其特征在于,所述预定帧提取方式包括以下至少一项:
基于图像质量的帧提取方式;
基于图像姿态数据的帧提取方式;
基于时间的帧提取方式。
16.根据权利要求14所述的方法,其特征在于,所述对所述目标物体的多个视角上的初始图像帧进行帧提取生成图像帧序列,包括:
按照预定帧提取方式,对所述初始图像帧进行帧提取生成候选帧;
从所述候选帧中确定对应正面视角的正面帧和与所述正面帧呈指定旋转角度的侧面帧;
根据所述正面帧和所述侧面帧生成图像帧序列。
17.根据权利要求1~4,6任一所述的方法,其特征在于,相邻的两个帧段之间共享一个公共图像帧。
18.一种生成三维图像的装置,其特征在于,包括:
获取单元,用于获取目标物体的图像帧序列;
计算单元,用于根据由所述图像帧序列分成的帧段,计算所有图像帧之间的姿态信息;
图像生成单元,用于根据所述计算单元计算的姿态信息生成三维图像;
其中,所述计算单元,具体用于计算每个帧段中的相邻图像帧之间的第一姿态信息;根据第一姿态信息,计算所有图像帧之间的姿态信息;
其中,所述计算每个帧段中的相邻图像帧之间的第一姿态信息,包括:
计算每个帧段中的相邻图像帧之间的第一姿态参数;
合并相邻的两个第一姿态参数,生成第二姿态参数,所述相邻的两个第一姿态参数对应于一个共同的图像帧;
根据所述第一姿态参数和所述第二姿态参数生成第一姿态信息;
其中,所述根据第一姿态信息,计算所有图像帧之间的姿态信息,包括:
合并属于不同帧段的相邻的第一姿态参数,生成所有图像帧之间的第三姿态参数,所述相邻的第一姿态参数对应于所述不同帧段之间共享的公共图像帧;
根据各帧段中的第一姿态参数、第二姿态参数以及所述第三姿态参数,生成所有图像帧之间的姿态信息。
19.根据权利要求18所述的装置,其特征在于,所述计算每个帧段中的相邻图像帧之间的第一姿态参数由计算模块实现,所述计算模块,具体用于根据短距离特征对应信息计算所述相邻图像帧之间的姿态估计结果信息,所述姿态估计结果信息包括所述第一姿态参数,所述短距离特征对应信息包括:特征对应起始图像帧与本帧段内和其相邻的图像帧之间的特征对应信息;
所述合并相邻的两个第一姿态参数由合并模块实现,所述合并模块,具体用于根据长距离特征对应信息和所述姿态估计结果信息,合并相邻的两个第一姿态参数,所述长距离特征对应信息包括本帧段内不同于所述短距离特征对应信息的特征对应信息。
20.根据权利要求19所述的装置,其特征在于,所述计算模块,包括:
第一获取子模块,用于获取所述短距离特征对应信息;
筛选子模块,用于对所述第一获取子模块获取的所述短距离特征对应信息进行筛选,得到可信任短距离特征对应信息;
第一计算子模块,用于根据所述筛选子模块得到的所述可信任短距离特征对应信息,计算所述相邻图像帧之间的姿态估计结果信息。
21.根据权利要求19或20所述的装置,其特征在于,所述合并模块,包括:
第二获取子模块,用于获取所述长距离特征对应信息;
第二计算子模块,用于根据所述第二获取子模块获取的所述长距离特征对应信息,计算相邻的两个第一姿态参数的第一三维点信息;
所述第二获取子模块,还用于从所述姿态估计结果信息中获取三维点信息作为第二三维点信息;
合并子模块,用于根据实施第二计算子模块计算的所述第一三维点信息和所述第二获取子模块获取的所述第二三维点信息,合并相邻的两个第一姿态参数。
22.根据权利要求21所述的装置,其特征在于,所述第二获取子模块,还用于从所述第二三维点信息中,获取分别与所述属于不同帧段的相邻的第一姿态参数对应的第三三维点信息和第四三维点信息;
所述合并子模块,还用于根据所述第二获取子模块获取的所述第三三维点信息和所述第四三维点信息,合并属于不同帧段的相邻的第一姿态参数。
23.根据权利要求18~20任一所述的装置,其特征在于,所述图像生成单元,具体用于对所述姿态信息进行求精处理;根据求精处理后的姿态信息生成三维图像。
24.根据权利要求18~20任一所述的装置,其特征在于,所述图像生成单元,具体用于根据所述姿态信息生成所述目标物体的表面模型信息;根据所述表面模型信息生成三维图像。
25.根据权利要求24所述的装置,其特征在于,所述图像生成单元,包括:
立体匹配模块,用于根据所述姿态信息进行立体匹配,得到深度图信息;
第一模型生成模块,用于根据所述深度图信息生成所述表面模型信息。
26.根据权利要求24所述的装置,其特征在于,所述图像生成单元,包括:
第二模型生成模块,用于具体用于根据所述姿态信息生成所述目标物体的第一表面模型信息;
求精模块,用于对所述第二模型生成模块生成的所述第一表面模型信息进行求精处理,生成所述目标物体的表面模型信息。
27.根据权利要求26所述的装置,其特征在于,所述求精模块,具体用于根据所述目标物体的模板模型信息,对所述第一表面模型信息进行求精处理。
28.根据权利要求27所述的装置,其特征在于,所述求精模块,具体用于进行以下至少一项处理:
去除不与所述目标物体的模板模型信息对应的信息;
去除与所述目标物体的模板模型信息中对应的信息之间的差值大于预设值的信息;
进行内插操作。
29.根据权利要求18~20任一所述的装置,其特征在于,所述获取单元,具体用于按照预定帧提取方式,对所述目标物体的多个视角上的初始图像帧进行帧提取生成图像帧序列。
30.根据权利要求29所述的装置,其特征在于,所述预定帧提取方式包括以下至少一项:
基于图像质量的帧提取方式;
基于图像姿态数据的帧提取方式;
基于时间的帧提取方式。
31.根据权利要求29所述的装置,其特征在于,所述获取单元,包括:
提取模块,用于按照预定帧提取方式,对所述初始图像帧进行帧提取生成候选帧;
确定模块,用于从所述提取模块提取的所述候选帧中确定对应正面视角的正面帧和与所述正面帧呈指定旋转角度的侧面帧;
图像帧序列生成模块,用于根据所述确定模块确定的所述正面帧和所述侧面帧生成图像帧序列。
32.根据权利要求18~20任一所述的装置,其特征在于,相邻的两个帧段之间共享一个公共图像帧。
33.根据权利要求18所述的装置,其特征在于,所述第一姿态参数包括旋转角度信息和平移方向信息,所述第二姿态参数包括平移尺度信息。
34.根据权利要求18所述的装置,其特征在于,所述第三姿态参数包括平移尺度信息。
35.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-17中任一所述的方法。
36.一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如权利要求1-17中任一所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410854192.2A CN105809664B (zh) | 2014-12-31 | 2014-12-31 | 生成三维图像的方法和装置 |
KR1020150137713A KR102110459B1 (ko) | 2014-12-31 | 2015-09-30 | 3차원 이미지 생성 방법 및 장치 |
US14/977,282 US10326972B2 (en) | 2014-12-31 | 2015-12-21 | Three-dimensional image generation method and apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410854192.2A CN105809664B (zh) | 2014-12-31 | 2014-12-31 | 生成三维图像的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105809664A CN105809664A (zh) | 2016-07-27 |
CN105809664B true CN105809664B (zh) | 2020-03-17 |
Family
ID=56464917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410854192.2A Active CN105809664B (zh) | 2014-12-31 | 2014-12-31 | 生成三维图像的方法和装置 |
Country Status (2)
Country | Link |
---|---|
KR (1) | KR102110459B1 (zh) |
CN (1) | CN105809664B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3608629B1 (en) * | 2017-04-03 | 2021-06-09 | Mitsubishi Electric Corporation | Map data generation device and method |
EP3694208A1 (en) * | 2019-02-05 | 2020-08-12 | Jerry Nims | A method and system for simulating a 3-dimensional image sequence |
CN113132717A (zh) * | 2019-12-31 | 2021-07-16 | 华为技术有限公司 | 数据处理方法、终端和服务器 |
CN111738220B (zh) * | 2020-07-27 | 2023-09-15 | 腾讯科技(深圳)有限公司 | 三维人体姿态估计方法、装置、设备及介质 |
CN112634409B (zh) * | 2020-12-28 | 2022-04-19 | 稿定(厦门)科技有限公司 | 自定义动画曲线生成方法及装置 |
WO2024101499A1 (ko) * | 2022-11-11 | 2024-05-16 | 한국전자기술연구원 | 2d 이미지 기반의 자유시점 3d 콘텐츠 복원 방법 및 시스템 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1573660A (zh) * | 2003-05-30 | 2005-02-02 | 微软公司 | 头部姿势估算方法和*** |
CN101231751A (zh) * | 2008-01-31 | 2008-07-30 | 北京航空航天大学 | 利用激光标志点实现图像快速匹配的方法和装置 |
CN101271591A (zh) * | 2008-04-28 | 2008-09-24 | 清华大学 | 一种交互式多视点三维模型重建方法 |
CN101650178A (zh) * | 2009-09-09 | 2010-02-17 | 中国人民解放军国防科学技术大学 | 序列图像三维重建中控制特征点与最优局部单应引导的图像匹配方法 |
CN102129708A (zh) * | 2010-12-10 | 2011-07-20 | 北京邮电大学 | 增强现实环境中快速多层次虚实遮挡处理方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100483462C (zh) * | 2002-10-18 | 2009-04-29 | 清华大学 | 融合多视角、多线索二维信息的人脸三维模型的建立方法 |
US7302359B2 (en) * | 2006-02-08 | 2007-11-27 | Honeywell International Inc. | Mapping systems and methods |
CN101697236B (zh) * | 2009-10-21 | 2012-09-19 | 南昌航空大学 | 基于智能优化算法的直线光流场三维重建方法 |
KR101893769B1 (ko) * | 2012-01-19 | 2018-08-31 | 삼성전자주식회사 | 시청자의 시점 정보에 기초하여 3차원 객체 영상 모델을 생성하는 장치 및 방법 |
KR101893788B1 (ko) * | 2012-08-27 | 2018-08-31 | 삼성전자주식회사 | 다시점 카메라간 정합 장치 및 방법 |
FR2997211B1 (fr) | 2012-10-18 | 2021-01-01 | Morpho | Procede d'authentification d'une capture d'image d'une entite tridimensionnelle |
US8976172B2 (en) * | 2012-12-15 | 2015-03-10 | Realitycap, Inc. | Three-dimensional scanning using existing sensors on portable electronic devices |
CN104036483B (zh) * | 2013-03-06 | 2021-01-15 | 北京三星通信技术研究有限公司 | 图像处理***和图像处理方法 |
-
2014
- 2014-12-31 CN CN201410854192.2A patent/CN105809664B/zh active Active
-
2015
- 2015-09-30 KR KR1020150137713A patent/KR102110459B1/ko active IP Right Grant
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1573660A (zh) * | 2003-05-30 | 2005-02-02 | 微软公司 | 头部姿势估算方法和*** |
CN101231751A (zh) * | 2008-01-31 | 2008-07-30 | 北京航空航天大学 | 利用激光标志点实现图像快速匹配的方法和装置 |
CN101271591A (zh) * | 2008-04-28 | 2008-09-24 | 清华大学 | 一种交互式多视点三维模型重建方法 |
CN101650178A (zh) * | 2009-09-09 | 2010-02-17 | 中国人民解放军国防科学技术大学 | 序列图像三维重建中控制特征点与最优局部单应引导的图像匹配方法 |
CN102129708A (zh) * | 2010-12-10 | 2011-07-20 | 北京邮电大学 | 增强现实环境中快速多层次虚实遮挡处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105809664A (zh) | 2016-07-27 |
KR20160081775A (ko) | 2016-07-08 |
KR102110459B1 (ko) | 2020-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110582798B (zh) | 用于虚拟增强视觉同时定位和地图构建的***和方法 | |
CN105809664B (zh) | 生成三维图像的方法和装置 | |
US10410089B2 (en) | Training assistance using synthetic images | |
US10068344B2 (en) | Method and system for 3D capture based on structure from motion with simplified pose detection | |
US11928800B2 (en) | Image coordinate system transformation method and apparatus, device, and storage medium | |
KR101923845B1 (ko) | 이미지 처리 방법 및 장치 | |
CN110276317B (zh) | 一种物体尺寸检测方法、物体尺寸检测装置及移动终端 | |
EP2992508B1 (en) | Diminished and mediated reality effects from reconstruction | |
EP3627445B1 (en) | Head pose estimation using rgbd camera | |
US11748907B2 (en) | Object pose estimation in visual data | |
EP2915140B1 (en) | Fast initialization for monocular visual slam | |
JP6760957B2 (ja) | 3次元モデリング方法及び装置 | |
CN111127524A (zh) | 一种轨迹跟踪与三维重建方法、***及装置 | |
US9613404B2 (en) | Image processing method, image processing apparatus and electronic device | |
JP6515039B2 (ja) | 連続的な撮影画像に映り込む平面物体の法線ベクトルを算出するプログラム、装置及び方法 | |
EP2851868A1 (en) | 3D Reconstruction | |
JP2018113021A (ja) | 情報処理装置およびその制御方法、プログラム | |
KR102001636B1 (ko) | 이미지 센서와 대상 객체 사이의 상대적인 각도를 이용하는 깊이 영상 처리 장치 및 방법 | |
KR20200000106A (ko) | 객체의 3차원 모델을 복원하는 방법 및 장치 | |
CN108028904B (zh) | 移动设备上光场增强现实/虚拟现实的方法和*** | |
WO2022237048A1 (zh) | 位姿获取方法、装置、电子设备、存储介质及程序 | |
CN110490131B (zh) | 一种拍摄设备的定位方法、装置、电子设备及存储介质 | |
CN108804161B (zh) | 应用的初始化方法、装置、终端和存储介质 | |
CN112200917A (zh) | 一种高精度增强现实方法及*** | |
CN110880187B (zh) | 一种相机位置信息确定方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |