CN108399632B - 一种联合彩色图像的rgb-d相机深度图像修复方法 - Google Patents
一种联合彩色图像的rgb-d相机深度图像修复方法 Download PDFInfo
- Publication number
- CN108399632B CN108399632B CN201810174885.5A CN201810174885A CN108399632B CN 108399632 B CN108399632 B CN 108399632B CN 201810174885 A CN201810174885 A CN 201810174885A CN 108399632 B CN108399632 B CN 108399632B
- Authority
- CN
- China
- Prior art keywords
- depth
- rgb
- cavity
- camera
- image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000001914 filtration Methods 0.000 claims abstract description 18
- 238000003384 imaging method Methods 0.000 claims abstract description 7
- 230000009466 transformation Effects 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000013139 quantization Methods 0.000 claims description 10
- 239000011800 void material Substances 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004392 development of vision Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种联合彩色图像的RGB‑D相机深度图像修复方法,属于深度图像修复领域。该方法包括:采用张氏标定法对彩色、深度摄像头进行标定,获取相机的内外参数;根据小孔成像原理以及坐标变换实现彩色、深度摄像头坐标对齐;分别获取场景彩色、深度图像,采用深度阈值法将其二值化;判断空洞连通域的大小以确定存在空洞;进行膨胀操作获取空洞邻域;计算空洞领域像素点的深度值方差,根据其大小将空洞分为遮挡、平面内空洞;分别采用颜色一致性和领域相似性对两类空洞进行修复;对修复后的图像采用局部滤波法进行滤波,去除噪声。本发明在保证深度图像修复的同时,尽可能的保持了深度图像的原始信息,并提高了深度图像的修复效率。
Description
技术领域
本发明属于深度图像修复领域,涉及一种联合彩色图像的RGB-D深度图像修复方法。
背景技术
随着视觉技术的发展,越来越多种类的摄像头被应用于显示场景中,例如:普通彩色相机用于人脸识别,CCD相机用于障碍物检测,Kinect用于人体骨骼跟踪等。普通二维平面相机能够获取场景二维信息,对于三维显示空间而言,二维平面相机显然无法满足现实应用需求,虽然可以利用两个或多个二维平面相机组合使用可实现场景三维信息获取,但其使用不方便且计算量大。这一情况随着RGB-D相机的出现初步得到改善,例如微软发布的Kinect,在获取场景彩色图像的同时非常方便的获取深度信息。随着微软Kinect(natal)的发展,深度摄像头吸引越来越多人的目光,深度摄像头可以用在人体跟踪,三维重建,人机交互,SLAM等领域。但由于RGB-D相机获取的深度图像一般含有较多的空洞,无法将深度信息直接适用于现实应用中,这极大地影响了RGB-D相机的应用范围。
因此,亟需一种有效的深度图像修复方法来解决RGB-D获取的深度图像信息存在空洞而无法直接使用的问题。
发明内容
有鉴于此,本发明的目的在于提供一种联合彩色图像的RGB-D相机深度图像修复方法,针对RGB-D获取的深度图像信息存在空洞而无法直接使用的问题,提出一种有效的深度图像修复方法。
为达到上述目的,本发明提供如下技术方案:
一种联合彩色图像的RGB-D相机深度图像修复方法,包括以下步骤:
S1:采用经典的张氏标定法对彩色摄像头和深度摄像头进行标定,获取相机的内外参数;
S2:根据小孔成像原理以及坐标变换实现彩色摄像头和深度摄像头坐标对齐;
S3:分别获取场景彩色图像和深度图像,根据深度阈值法将深度图像进行二值化;
S4:判断深度图像空洞连通域的大小以确定存在空洞;
S5:对深度图像进行膨胀操作获取空洞邻域;
S6:计算空洞领域像素点的深度值方差,根据方差的大小将空洞分为遮挡空洞和平面内空洞;
S7:根据不同的空洞类型分别采用颜色一致性和领域相似性对两类空洞进行修复;
S8:对修复后的图像采用局部滤波的方法进行滤波,在保证深度值原始性的同时去除噪声。
进一步,所述步骤S2具体包括以下步骤:
S21:经步骤S1得到彩色相机的旋转矩阵Rrgb和平移向量Trgb,深度相机的旋转矩阵Rir和平移向量Tir;设P为世界坐标系下的一点,Prgb与Pir分别为P在彩色相机和深度相机下的投影坐标点,由小孔成像模型得到关系式:
Prgb=RrgbP+Trgb
Pir=RirP+Tir
S22:设prgb和pir分别为该点在RGB像平面和深度像平面上的投影坐标,由相机的内参矩阵Argb和Air得到:
prgb=ArgbPrgb
pir=AirPir
S23:深度摄像头的坐标和RGB摄像头的坐标不同,Prgb和Pir用一个旋转矩阵R和一个平移矩阵T联系起来,二者的关系为:
Prgb=RPir+T
S24:由S21等式消去P得到:
S25:联立S23和S24等式对应项相等得到R和T:
进一步,所述步骤S3具体包括以下步骤:
S31:根据对齐后的彩色相机和深度相机同时获取场景图像;
S32:对原始深度数据进行量化,将深度值转换到灰度级0~255,量化公式如下:
其中depth为量化后的深度值,Dp为每个像素点的深度值,Dmax为最大深度值;
S33:对获取的深度图像根据深度阈值法进行二值化,公式表达如下:
其中I(x,y)是二值化后的图像,depth(x,y)代表像素点量化后的深度值,Dthr为二值化深度阈值。
进一步,所述步骤S4具体包括:经过S3二值化处理后,判断空洞连通域的大小,以区分时空洞和噪声点;若连通域判断是空洞,则继续后续的处理;若不是,则不进行后续的处理。
进一步,所述步骤S5具体包括以下步骤:
S51:对S4判断出的空洞进行膨胀操作Hep;
S52:获取空洞领域Hnp,表达式如下:
Hnp=Hep-Ho
其中Ho为空洞区域。
进一步,所述步骤S6具体包括以下步骤:
S61:根据S5获取的空洞邻域,计算邻域内像素点量化后深度值的方差Δdepth,计算公式如下:
S62:利用S61计算得到的邻域方差Δdepth与空洞判断阈值Δth相比较,若空洞邻域深度方差Δdepth小于Δth则判断为平面内空洞,若大于等于Δth则判断为遮挡空洞。
进一步,所述步骤S7具体包括:对于判断为平面内空洞,即该空洞为物体平面内由于不反射红外光而产生的空洞,由于是存在于一个平面内,该空洞区域的深度值与其邻域像素点的深度相似,利用领域像素点深度值对齐进行修补;而对于判断为遮挡空洞,是由于物体相互遮挡而产生的空洞,对于这类空洞修复则利用彩色图像进行修复,即找出空洞邻域内与空洞区域内彩色图像颜色较为接近的像素点的深度值进行修复。
进一步,所述步骤S8具体包括:由于经过S7修复后的空洞仍存在细小噪声,为了尽可能保证深度数据的原始性,同时能够去除噪声,采用局部上边滤波方法进行图像滤波。
本发明的有益效果在于:本发明根据空洞邻域方差阈值法将空洞分为两类,联合彩色图像分别采用领域相似性和颜色一致性进行空洞修复,空洞修复后的图像采用局部滤波的方法去除噪声。相比传统的采用双边滤波算法的粗暴修复方法,本发明在保证深度图像修复的有效性同时尽可能的保证了深度图像信息的原始性。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为本发明的***流程图;
图2为空洞邻域计算原理图;
图3为遮挡空洞形成的原理图。
具体实施方式
下面将结合附图,对本发明的优选实施例进行详细的描述。
图1为本发明的***流程图,如图1所示,一种联合彩色图像的RGB-D相机深度图像修复方法,首先要实现彩色相机与深度相机坐标的对齐,根据深度阈值法对量化后的深度图像进行二值化,通过膨胀操作获取空洞邻域,计算邻域方差以判断空洞类型,对于不同的空洞分别采用领域相似性和颜色一致性进行修复,最后采用局部双边滤波法进行图像滤波。
该方法具体包括以下步骤:
S1:采用经典的张氏标定法对彩色摄像头和深度摄像头进行标定,获取相机的内外参数;
S2:根据小孔成像原理以及坐标变换实现彩色摄像头和深度摄像头坐标对齐;
S3:分别获取场景彩色图像和深度图像,根据深度阈值法将深度图像进行二值化;
S4:判断深度图像空洞连通域的大小以确定存在空洞:经过S3二值化处理后,判断空洞连通域的大小,以区分时空洞和噪声点;若连通域判断是空洞,则继续后续的处理;若不是,则不进行后续的处理。
S5:对深度图像进行膨胀操作获取空洞邻域;
S6:计算空洞领域像素点的深度值方差,根据方差的大小将空洞分为遮挡空洞和平面内空洞;
S7:根据不同的空洞类型分别采用颜色一致性和领域相似性对两类空洞进行修复;
对于判断为平面内空洞,即该空洞为物体平面内由于不反射红外光而产生的空洞,由于是存在于一个平面内,该空洞区域的深度值与其邻域像素点的深度相似,利用领域像素点深度值对齐进行修补;而对于判断为遮挡空洞,是由于物体相互遮挡而产生的空洞,如图3所示,对于这类空洞修复则利用彩色图像进行修复,即找出空洞邻域内与空洞区域内彩色图像颜色较为接近的像素点的深度值进行修复。
S8:对修复后的图像采用局部滤波的方法进行滤波,在保证深度值原始性的同时去除噪声;
由于经过S7修复后的空洞仍存在细小噪声,为了尽可能保证深度数据的原始性,同时能够去除噪声,采用局部上边滤波方法进行图像滤波。
步骤S2具体包括以下步骤:
S21:经步骤S1得到彩色相机的旋转矩阵Rrgb和平移向量Trgb,深度相机的旋转矩阵Rir和平移向量Tir;设P为世界坐标系下的一点,Prgb与Pir分别为P在彩色相机和深度相机下的投影坐标点,由小孔成像模型得到关系式:
Prgb=RrgbP+Trgb
Pir=RirP+Tir
S22:设pgbr和pir分别为该点在RGB像平面和深度像平面上的投影坐标,由相机的内参矩阵Argb和Air得到:
prgb=ArgbPrgb
pir=AirPir
S23:深度摄像头的坐标和RGB摄像头的坐标不同,Prgb和Pir用一个旋转矩阵R和一个平移矩阵T联系起来,二者的关系为:
Prgb=RPir+T
S24:由S21等式消去P得到:
S25:联立S23和S24等式对应项相等得到R和T:
步骤S3具体包括以下步骤:
S31:根据对齐后的彩色相机和深度相机同时获取场景图像;
S32:对原始深度数据进行量化,将深度值转换到灰度级0~255,量化公式如下:
其中depth为量化后的深度值,Dp为每个像素点的深度值,Dmax为最大深度值;
S33:对获取的深度图像根据深度阈值法进行二值化,公式表达如下:
其中I(x,y)是二值化后的图像,depth(x,y)代表像素点量化后的深度值,Dthr为二值化深度阈值。
步骤S5具体包括以下步骤:
S51:对S4判断出的空洞进行膨胀操作Hep;
S52:获取空洞领域Hnp,表达式如下:
Hnp=Hep-Ho
其中Ho为空洞区域。如图2所示,采用3×3的“十”字形结构元素对空洞进行膨胀操作,把膨胀后的图像减去原始空洞图像即可得到空洞邻域。
步骤S6具体包括以下步骤:
S61:根据S5获取的空洞邻域,计算邻域内像素点量化后深度值的方差Δdepth,计算公式如下:
S62:利用S61计算得到的邻域方差Δdepth与空洞判断阈值Δth相比较,若空洞邻域深度方差Δdepth小于Δth则判断为平面内空洞,若大于等于Δth则判断为遮挡空洞。
最后说明的是,以上优选实施例仅用以说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
Claims (5)
1.一种联合彩色图像的RGB-D相机深度图像修复方法,其特征在于,该方法包括以下步骤:
S1:采用经典的张氏标定法对彩色摄像头和深度摄像头进行标定,获取相机的内外参数;
S2:根据小孔成像原理以及坐标变换实现彩色摄像头和深度摄像头坐标对齐;具体包括以下步骤:
S21:经步骤S1得到彩色相机的旋转矩阵Rrgb和平移向量Trgb,深度相机的旋转矩阵Rir和平移向量Tir;设P为世界坐标系下的一点,Prgb与Pir分别为P在彩色相机和深度相机下的投影坐标点,由小孔成像模型得到关系式:
Prgb=RrgbP+Trgb
Pir=RirP+Tir
S22:设prgb和pir分别为该点在RGB像平面和深度像平面上的投影坐标,由相机的内参矩阵Argb和Air得到:
prgb=ArgbPrgb
pir=AirPir
S23:深度摄像头的坐标和RGB摄像头的坐标不同,Prgb和Pir用一个旋转矩阵R和一个平移矩阵T联系起来,二者的关系为:
Prgb=RPir+T
S24:由S21等式消去P得到:
S25:联立S23和S24等式对应项相等得到R和T:
S3:分别获取场景彩色图像和深度图像,根据深度阈值法将深度图像进行二值化;
S4:判断深度图像空洞连通域的大小以确定存在空洞;
S5:对深度图像进行膨胀操作获取空洞邻域;S6:计算空洞领域像素点的深度值方差,根据方差的大小将空洞分为遮挡空洞和平面内空洞;具体包括以下步骤:
S61:根据S5获取的空洞邻域,计算邻域内像素点量化后深度值的方差Δdepth,计算公式如下:
S62:利用S61计算得到的邻域方差Δdepth与空洞判断阈值Δth相比较,若空洞邻域深度方差Δdepth小于Δth则判断为平面内空洞,若大于等于Δth则判断为遮挡空洞;
S7:根据不同的空洞类型分别采用颜色一致性和领域相似性对两类空洞进行修复;具体包括:对于判断为平面内空洞,即该空洞为物体平面内由于不反射红外光而产生的空洞,由于是存在于一个平面内,该空洞区域的深度值与其邻域像素点的深度相似,利用领域像素点深度值对齐进行修补;而对于判断为遮挡空洞,是由于物体相互遮挡而产生的空洞,对于这类空洞修复则利用彩色图像进行修复,即找出空洞邻域内与空洞区域内彩色图像颜色接近的像素点的深度值进行修复;
S8:对修复后的图像采用局部滤波的方法进行滤波,在保证深度值原始性的同时去除噪声。
3.根据权利要求1所述的一种联合彩色图像的RGB-D相机深度图像修复方法,其特征在于,所述步骤S4具体包括:经过S3二值化处理后,判断空洞连通域的大小,以区分时空洞和噪声点;若连通域判断是空洞,则继续后续的处理;若不是,则不进行后续的处理。
4.根据权利要求1所述的一种联合彩色图像的RGB-D相机深度图像修复方法,其特征在于,所述步骤S5具体包括以下步骤:
S51:对S4判断出的空洞进行膨胀操作Hep;
S52:获取空洞领域Hnp,表达式如下:
Hnp=Hep-Ho
其中Ho为空洞区域。
5.根据权利要求1所述的一种联合彩色图像的RGB-D相机深度图像修复方法,其特征在于,所述步骤S8具体包括:由于经过S7修复后的空洞仍存在细小噪声,为了尽可能保证深度数据的原始性,同时能够去除噪声,采用局部滤波方法进行图像滤波。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810174885.5A CN108399632B (zh) | 2018-03-02 | 2018-03-02 | 一种联合彩色图像的rgb-d相机深度图像修复方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810174885.5A CN108399632B (zh) | 2018-03-02 | 2018-03-02 | 一种联合彩色图像的rgb-d相机深度图像修复方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108399632A CN108399632A (zh) | 2018-08-14 |
CN108399632B true CN108399632B (zh) | 2021-06-15 |
Family
ID=63091760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810174885.5A Active CN108399632B (zh) | 2018-03-02 | 2018-03-02 | 一种联合彩色图像的rgb-d相机深度图像修复方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108399632B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109345580B (zh) * | 2018-10-23 | 2020-03-24 | 北京字节跳动网络技术有限公司 | 用于处理图像的方法和装置 |
CN109636732B (zh) * | 2018-10-24 | 2023-06-23 | 深圳先进技术研究院 | 一种深度图像的空洞修复方法以及图像处理装置 |
CN109360230A (zh) * | 2018-11-08 | 2019-02-19 | 武汉库柏特科技有限公司 | 一种基于2d相机与3d相机的图像配准方法及*** |
CN109712084B (zh) * | 2018-12-10 | 2021-01-19 | 上海奕瑞光电子科技股份有限公司 | 一种图像修复方法、图像修复***及平板探测器 |
CN109685732B (zh) * | 2018-12-18 | 2023-02-17 | 重庆邮电大学 | 一种基于边界捕捉的深度图像高精度修复方法 |
CN109741405B (zh) * | 2019-01-21 | 2021-02-02 | 同济大学 | 一种基于对偶结构光rgb-d相机的深度信息采集*** |
CN111626086A (zh) * | 2019-02-28 | 2020-09-04 | 北京市商汤科技开发有限公司 | 活体检测方法、装置及***、电子设备和存储介质 |
CN111754713B (zh) * | 2019-03-28 | 2021-12-14 | 杭州海康威视数字技术股份有限公司 | 视频监控方法、装置及*** |
CN111862139B (zh) * | 2019-08-16 | 2023-08-18 | 中山大学 | 一种基于彩色-深度相机的动态物体参数化建模方法 |
CN110866882B (zh) * | 2019-11-21 | 2021-09-07 | 湖南工程学院 | 基于深度置信度的分层联合双边滤波深度图修复方法 |
CN111524193B (zh) * | 2020-04-17 | 2022-05-03 | 西安交通大学 | 一种物体二维尺寸的测量方法及测量装置 |
CN111739031B (zh) * | 2020-06-19 | 2023-09-26 | 华南农业大学 | 一种基于深度信息的作物冠层分割方法 |
CN112116602A (zh) * | 2020-08-31 | 2020-12-22 | 北京的卢深视科技有限公司 | 深度图修复方法、装置和可读存储介质 |
CN112381867B (zh) * | 2020-11-09 | 2023-09-05 | 华南理工大学 | 用于工业分拣流水线的大面积深度图像空洞自动填充方法 |
CN112991193B (zh) * | 2020-11-16 | 2022-09-23 | 武汉科技大学 | 深度图像修复方法、设备及计算机可读存储介质 |
CN113408344A (zh) * | 2021-05-13 | 2021-09-17 | 深圳市捷顺科技实业股份有限公司 | 一种三维人脸识别的生成方法及相关装置 |
CN113628205B (zh) * | 2021-08-25 | 2022-05-20 | 四川大学 | 基于深度图像的非接触呼吸频率检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101067557A (zh) * | 2007-07-03 | 2007-11-07 | 北京控制工程研究所 | 适用于自主移动车辆的环境感知的单目视觉导航方法 |
CN101374242A (zh) * | 2008-07-29 | 2009-02-25 | 宁波大学 | 一种应用于3dtv与ftv***的深度图编码压缩方法 |
CN101609508A (zh) * | 2008-06-18 | 2009-12-23 | 中国科学院自动化研究所 | 对物体身份识别和朝向信息计算的标志结构及识别方法 |
CN101662694A (zh) * | 2008-08-29 | 2010-03-03 | 深圳华为通信技术有限公司 | 视频的呈现方法、发送、接收方法及装置和通信*** |
CN103217111A (zh) * | 2012-11-28 | 2013-07-24 | 西南交通大学 | 一种非接触式接触线几何参数检测方法 |
CN103561258A (zh) * | 2013-09-25 | 2014-02-05 | 同济大学 | 一种Kinect深度视频时空联合修复方法 |
CN104571482A (zh) * | 2013-10-22 | 2015-04-29 | 中国传媒大学 | 一种基于体感识别的数字设备操控方法 |
CN107622480A (zh) * | 2017-09-25 | 2018-01-23 | 长春理工大学 | 一种Kinect深度图像增强方法 |
-
2018
- 2018-03-02 CN CN201810174885.5A patent/CN108399632B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101067557A (zh) * | 2007-07-03 | 2007-11-07 | 北京控制工程研究所 | 适用于自主移动车辆的环境感知的单目视觉导航方法 |
CN101609508A (zh) * | 2008-06-18 | 2009-12-23 | 中国科学院自动化研究所 | 对物体身份识别和朝向信息计算的标志结构及识别方法 |
CN101374242A (zh) * | 2008-07-29 | 2009-02-25 | 宁波大学 | 一种应用于3dtv与ftv***的深度图编码压缩方法 |
CN101662694A (zh) * | 2008-08-29 | 2010-03-03 | 深圳华为通信技术有限公司 | 视频的呈现方法、发送、接收方法及装置和通信*** |
CN103217111A (zh) * | 2012-11-28 | 2013-07-24 | 西南交通大学 | 一种非接触式接触线几何参数检测方法 |
CN103561258A (zh) * | 2013-09-25 | 2014-02-05 | 同济大学 | 一种Kinect深度视频时空联合修复方法 |
CN104571482A (zh) * | 2013-10-22 | 2015-04-29 | 中国传媒大学 | 一种基于体感识别的数字设备操控方法 |
CN107622480A (zh) * | 2017-09-25 | 2018-01-23 | 长春理工大学 | 一种Kinect深度图像增强方法 |
Non-Patent Citations (3)
Title |
---|
《一种深度图像修复算法研究》;刘田间等;《信息技术》;20171231(第6期);全文 * |
《基于Kinect的深度图像修复方法》;吕朝辉等;《吉林大学学报》;20160930;第46卷(第5期);全文 * |
《面向工业应用的机器人手眼标定与物体定位》;程玉立等;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160815(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108399632A (zh) | 2018-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108399632B (zh) | 一种联合彩色图像的rgb-d相机深度图像修复方法 | |
Zhang et al. | Fast haze removal for nighttime image using maximum reflectance prior | |
Ancuti et al. | Night-time dehazing by fusion | |
Ancuti et al. | D-hazy: A dataset to evaluate quantitatively dehazing algorithms | |
Chen et al. | Depth image enhancement for Kinect using region growing and bilateral filter | |
US8126268B2 (en) | Edge-guided morphological closing in segmentation of video sequences | |
US8565525B2 (en) | Edge comparison in segmentation of video sequences | |
US8077969B2 (en) | Contour finding in segmentation of video sequences | |
Hernandez et al. | Laser scan quality 3-d face modeling using a low-cost depth camera | |
TWI526992B (zh) | 擴充實境中基於深度攝影機之遮蔽效果優化方法 | |
WO2017084204A1 (zh) | 一种二维视频流中的人体骨骼点追踪方法及*** | |
CN110717935B (zh) | 一种基于图像特征信息的图像匹配方法,装置与*** | |
RU2419880C2 (ru) | Способ и устройство для вычисления и фильтрации карты диспарантности на основе стерео изображений | |
Alenezi | Image Dehazing Based on Pixel Guided CNN with PAM via Graph Cut. | |
Lei et al. | Low-light image enhancement using the cell vibration model | |
CN111311503A (zh) | 一种夜晚低亮度图像增强*** | |
CN111652809A (zh) | 一种增强细节的红外图像噪声抑制方法 | |
CN109410160A (zh) | 基于多特征和特征差异驱动的红外偏振图像融合方法 | |
Wang et al. | Single-image dehazing using color attenuation prior based on haze-lines | |
KR102327304B1 (ko) | 깊이영상 카메라로부터 획득된 3d 영상의 품질 향상 방법 | |
Wang et al. | Review of single image defogging | |
Othman et al. | Enhanced single image dehazing technique based on hsv color space | |
Zhang et al. | Nighttime haze removal with illumination correction | |
US20210241430A1 (en) | Methods, devices, and computer program products for improved 3d mesh texturing | |
CN116468636A (zh) | 低照度增强方法、装置、电子设备和可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |