CN109472860A - 基于人工智能的深度图平衡选优算法及装置 - Google Patents
基于人工智能的深度图平衡选优算法及装置 Download PDFInfo
- Publication number
- CN109472860A CN109472860A CN201811342458.XA CN201811342458A CN109472860A CN 109472860 A CN109472860 A CN 109472860A CN 201811342458 A CN201811342458 A CN 201811342458A CN 109472860 A CN109472860 A CN 109472860A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- depth map
- frame
- selects excellent
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于人工智能的深度图平衡选优算法及装置，所述深度图平衡选优算法包括：获取一拍摄目标的若干帧的3D影像；通过人工智能识别技术在全部3D影像查找异常3D影像，并根据除异常3D影像以外的3D影像处理异常3D影像以获取优质3D影像。本发明的深度图平衡选优算法及装置能够加快多帧姿态对齐的速度，为获取更加清晰的3D模型做铺垫，提高三维重建的计算速度及画质。
Description
技术领域
本发明涉及一种基于人工智能的深度图平衡选优算法及装置。
背景技术
三维重建是指对三维物体建立适合计算机表示和处理的数学模型，是在计算机环境下对其进行处理、操作和分析其性质的基础，也是在计算机中建立表达客观世界的虚拟现实的关键技术。
物体三维重建是计算机辅助几何设计、计算机图形学、计算机动画、计算机视觉、医学图像处理、科学计算和虚拟现实、数字媒体创作等领域的共性科学问题和核心技术。在计算机内生成物体三维表示主要有两类方法。一类是使用几何建模软件通过人机交互生成人为控制下的物体三维几何模型，另一类是通过一定的手段获取真实物体的几何形状。前者实现技术已经十分成熟。后者一般称为三维重建过程，三维重建是指利用二维投影恢复物体三维信息的数学过程和计算机技术，包括数据获取、预处理、点云拼接和特征分析等步骤。
现有的三维重建所生成的3D模型质量较差，且生成速度较慢。
发明内容
本发明要解决的技术问题是为了克服现有技术中三维重建所生成的3D模型质量较差，且生成速度较慢的缺陷，提供一种能够加快多帧姿态对齐的速度，为获取更加清晰的3D模型做铺垫，提高三维重建计算速度及画质的基于人工智能的深度图平衡选优算法及装置。
本发明是通过下述技术方案来解决上述技术问题：
一种基于人工智能的深度图平衡选优算法，其特点在于，所述深度图平衡选优算法包括：
获取一拍摄目标的若干帧的3D影像；
通过人工智能识别技术在全部3D影像查找异常3D影像，并根据除异常3D影像以外的3D影像处理异常3D影像。
平衡选优是指平衡全部3D影像的位置、形态、保真度等信息作出选择。深度图是指具有深度信息的影像，3D影像为一种具有深度信息的影像。
较佳地，所述深度图平衡选优算法包括：
通过人工智能识别技术在全部3D影像查找异常3D影像，并根据除异常3D影像以外的3D影像的空间位置规律修正异常3D影像的空间位置；
其中，通过人工智能识别技术在全部3D影像查找异常3D影像包括：
获取每一帧3D影像中目标模型的边界；
根据全部3D影像中目标模型在自身影像中的位置获取一影像区域；
通过人工智能识别技术在全部3D影像查找目标模型超出所述影像区域的3D影像作为所述异常3D影像。
通过人工智能识别技术在全部3D影像查找目标模型超出所述影像区域的3D影像作为所述异常3D影像较佳地，所述根据全部3D影像中目标模型在自身影像中的位置获取一影像区域包括：
获取一目标区域；
计算目标模型在自身影像中处于所述目标区域的3D影像的数量；
将所述数量占全部3D影像的数量的百分比为预设值的目标区域作为所述影像区域。
较佳地，所述深度图平衡选优算法包括：
调节每一帧优质3D影像的空间位置使每一帧的优质3D影像处于目标位置，在所述目标位置上的3D影像中，任意相邻的两帧3D影像包括一相互对应的重叠对齐区域。
具体地，识别3D影像上的特征点；
通过对应特征点对齐来调节每一帧优质3D影像的空间位置使每一帧的优质3D影像处于目标位置。
较佳地，所述深度图平衡选优算法包括：
在优质3D影像中获取一目标3D影像；
识别目标3D影像及目标3D影像的相邻帧影像的特征点；
通过对应特征点对齐来调节目标3D影像的相邻帧影像的空间位置至目标3D影像所在的空间位置；
将调节过空间位置的相邻帧影像作为目标3D影像，所述目标3D影像所在的空间位置为目标位置；
处理目标3D影像的相邻帧影像直至全部3D影像调节至所述目标位置。
较佳地，所述深度图平衡选优算法包括：
在优质3D影像中选取一目标3D影像；
识别目标3D影像及目标3D影像的相邻帧影像的特征点；
通过对应特征点对齐来调节目标3D影像的相邻帧影像的空间位置至目标3D影像所在的空间位置，所述目标3D影像所在的空间位置为目标位置；
识别处理影像的特征点，所述处理影像为调节至目标位置的3D影像的相邻帧影像；
通过对应特征点对齐来调节处理影像的空间位置至目标3D影像所在的空间位置直至全部3D影像调节至所述目标位置。
较佳地，所述在优质3D影像中选取一目标3D影像包括：
通过一横截面截取每一帧3D影像；
在每一帧的截面上获取相交线的两个端点并获取两个端点的切线；
选取两个端点的切线夹角最小的3D影像为目标3D影像。
较佳地，3D影像通过一具有3D摄像机的移动终端获取，所述移动终端包括一运动传感器，所述深度图平衡选优算法包括：
通过运动传感器获取移动终端的运动轨迹；
对于一目标3D影像，获取所述目标3D影像及目标3D影像的下一帧3D影像在所述运动轨迹上的位置及3D摄像机的拍摄方向；
根据运动轨迹上的位置及3D摄像机的拍摄方向获取目标3D影像及目标3D影像的下一帧3D影像上相对应的特征点的位置；
利用相对应的特征点的位置重合调节目标3D影像及目标3D影像的下一帧3D影像处于目标位置。
较佳地，所述深度图平衡选优算法包括：
通过人工智能识别技术在全部3D影像查找异常3D影像，并通过人工智能识别技术根据除异常3D影像以外的3D影像的影像质量删除异常3D影像。
本发明还提供一种基于人工智能的深度图平衡选优装置，其特点在于，所述深度图平衡选优装置用于执行如上所述的深度图平衡选优算法。
在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本发明各较佳实例。
本发明的积极进步效果在于：本发明的深度图平衡选优算法及装置能够加快多帧姿态对齐的速度，为获取更加清晰的3D模型做铺垫，提高三维重建的计算速度及画质。
附图说明
图1为本发明实施例1的深度图平衡选优算法的流程图。
图2为本发明实施例2的深度图平衡选优算法的流程图。
图3为本发明实施例3的深度图平衡选优算法的流程图。
具体实施方式
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
实施例1
本实施例提供一种基于人工智能的深度图平衡选优装置，所述深度图平衡选优装置包括一3D拍摄装置、一查找模块、一修正模块、一调节模块、一获取模块以及一计算模块。
在本实施例中，所述3D摄像装置为具有3D摄像机的手机，所述3D拍摄装置还可以是3D单反相机或激光雷达等。
所述若干帧的3D影像通过3D摄像获取，所述手机拍摄3D视频流，每一帧的影像为所述3D影像。
所述3D拍摄装置用于获取一拍摄目标的若干帧的3D影像。
所述查找模块用于通过人工智能识别技术在全部3D影像查找异常3D影像。
通过人工智能识别技术在全部3D影像查找异常3D影像，并根据除异常3D影像以外的3D影像的空间位置规律修正异常3D影像的空间位置；
所述修正模块用于根据除异常3D影像以外的3D影像的空间位置规律修正异常3D影像的空间位置；
所述调节模块用于调节每一帧优质3D影像的空间位置使每一帧的优质3D影像处于目标位置，在所述目标位置上的3D影像中，任意相邻的两帧3D影像包括一相互对应的重叠对齐区域。
本实施例能够将每一帧的影像都调整到指定位置，如从正面和侧面拍摄头部获取的两幅影像，若在同一界面下显示需要按照其中一幅旋转另一幅能将两幅影像对齐。重叠对齐后，全部帧的3D影像能够相互比对、弥补之间的缺陷，从而能够为获取更清晰的3D模型做铺垫。所述重叠对齐区域为将每一幅图整理到相同的位置，如根据眼睛的位置将每一幅图的眼睛调节到一个空间位置上，眼睛对齐后其他区域也相应的对齐了。
所述查找模块查找异常3D影像的具体方式为：
所述获取模块用于获取每一帧3D影像中目标模型的边界并根据全部3D影像中目标模型在自身影像中的位置获取一影像区域；
其中，所述获取模块用于获取一目标区域；
所述计算模块用于计算目标模型在自身影像中处于所述目标区域的3D影像的数量；
所述获取模块将所述数量占全部3D影像的数量的百分比为预设值的目标区域作为所述影像区域。
所述查找模块用于通过人工智能识别技术在全部3D影像查找目标模型超出所述影像区域的3D影像作为所述异常3D影像。
所述异常3D影像包括尺寸异常及影像角度异常，在拍摄时通常是按线性轨迹进行拍摄，这时拍摄目标移动会造成部分帧的影像尺寸及角度的异常，通过全局影像的人工智能学习，能够分析出异常尺寸及角度并进行尺寸和角度的修正。
对于尺寸过大的3D影像则目标模型超出影像区域，则将所述尺寸调小；若尺寸过小则目标模型边界距离影像区域边界较远则将所述尺寸调大。若3D影像中目标模型升高、下降都会超出所述影像区域，对于超出影像区域的3D影像进行角度、位置的修正。
参见图1，利用上述深度图平衡选优装置，本实施例还提供一种深度图平衡选优算法，包括：
步骤100、所述3D拍摄装置获取一拍摄目标的若干帧的3D影像；
步骤101、获取每一帧3D影像中目标模型的边界；
步骤102、获取一目标区域；
步骤103、计算目标模型在自身影像中处于所述目标区域的3D影像的数量；
步骤104、将所述数量占全部3D影像的数量的百分比为预设值的目标区域作为影像区域。
利用步骤102至104能够实现根据全部3D影像中目标模型在自身影像中的位置获取一影像区域。
步骤105、通过人工智能识别技术在全部3D影像查找目标模型超出所述影像区域的3D影像作为异常3D影像。
利用步骤101至步骤105能够实现通过人工智能识别技术在全部3D影像查找异常3D影像。
步骤106、根据除异常3D影像以外的3D影像的空间位置规律修正异常3D影像的空间位置；
步骤107、调节每一帧优质3D影像的空间位置使每一帧的优质3D影像处于目标位置，在所述目标位置上的3D影像中，任意相邻的两帧3D影像包括一相互对应的重叠对齐区域。
本实施例的深度图平衡选优算法及装置能够加快多帧姿态对齐的速度，为获取更加清晰的3D模型做铺垫，提高三维重建的计算速度及画质。
实施例2
本实施例与实施例1基本相同，不同之处仅在于：
本实施例提供的深度图平衡选优装置还包括一识别模块、一设置模块及一循环模块。
本实施例提供了具体的对齐方法，包括：
所述识别模块用于识别3D影像上的特征点；
所述调节模块用于通过对应特征点对齐来调节每一帧优质3D影像的空间位置使每一帧的优质3D影像处于目标位置。
具体地，
所述获取模块还用于在优质3D影像中获取一目标3D影像；
所述识别模块用于识别目标3D影像及目标3D影像的相邻帧影像的特征点。
所述调节模块用于通过对应特征点对齐来调节目标3D影像的相邻帧影像的空间位置至目标3D影像所在的空间位置；
所述设置模块用于将调节过空间位置的相邻帧影像作为目标3D影像，所述目标3D影像所在的空间位置为目标位置；
所述循环模块用于通过所述识别模块及调节模块处理目标3D影像的相邻帧影像直至全部3D影像调节至所述目标位置。
举例来说，本实施例共获取100帧3D影像，将第一帧的3D影像设为目标3D影像。将第二帧3D影像按照第一帧调节到所述目标位置，然后将第二帧3D影像视为目标3D影像循环执行上述方法，来处理第三帧3D影像直至全部3D影像调节至所述目标位置。
参见图2，利用上述深度图平衡选优装置，本实施例还提供一种深度图平衡选优算法中调节3D影像处于目标位置的方法，包括：
步骤200、在优质3D影像中获取一目标3D影像；
步骤201、识别目标3D影像及目标3D影像的相邻帧影像的特征点；
步骤202、通过对应特征点对齐来调节目标3D影像的相邻帧影像的空间位置至目标3D影像所在的空间位置；
步骤203、将调节过空间位置的相邻帧影像作为目标3D影像，所述目标3D影像所在的空间位置为目标位置；
步骤204、判断全部3D影像是否调节至所述目标位置，若是则结束流程，若否则返回步骤200。
在所述目标位置上的3D影像中，任意相邻的两帧3D影像包括一相互对应的重叠对齐区域。
实施例3
本实施例与实施例2基本相同，不同之处仅在于：
所述深度图平衡选优装置包括一选取模块、一设置模块及一循环模块，
所述选取模块用于在优质3D影像中选取一目标3D影像；
所述识别模块用于识别目标3D影像及目标3D影像的相邻帧影像的特征点；
所述调节模块用于通过对应特征点对齐来调节目标3D影像的相邻帧影像的空间位置至目标3D影像所在的空间位置，所述目标3D影像所在的空间位置为目标位置；
所述识别模块还用于识别处理影像的特征点，所述处理影像为调节至目标位置的3D影像的相邻帧影像；
所述循环模块用于通过对应特征点对齐来调节处理影像的空间位置至目标3D影像所在的空间位置直至全部3D影像调节至所述目标位置。
所述选取模块通过下述方式选取所述目标3D影像。
通过一横截面截取每一帧3D影像；
在每一帧的截面上获取相交线的两个端点并获取两个端点的切线；
选取两个端点的切线夹角最小的3D影像为目标3D影像。
参见图3，本实施例提供一种深度图平衡选优算法中调节3D影像处于目标位置的方法，包括：
步骤301、通过一横截面截取每一帧3D影像；
步骤302、在每一帧的截面上获取相交线的两个端点并获取两个端点的切线；
步骤303、选取两个端点的切线夹角最小的3D影像为目标3D影像。
步骤304、识别目标3D影像及目标3D影像的相邻帧影像的特征点；
步骤305、通过对应特征点对齐来调节目标3D影像的相邻帧影像的空间位置至目标3D影像所在的空间位置，所述目标3D影像所在的空间位置为目标位置；
步骤306、识别处理影像的特征点，所述处理影像为调节至目标位置的3D影像的相邻帧影像；
步骤307、通过对应特征点对齐来调节处理影像的空间位置至目标3D影像所在的空间位置。
步骤308、判断全部3D影像是否调节至所述目标位置，若是则结束流程，若否则返回步骤306。
实施例4
本实施例与实施例2基本相同，不同之处仅在于：
3D影像通过一具有3D摄像机的移动终端获取，所述移动终端包括一运动传感器、一获取模块及一计算模块。
运动传感器用于获取移动终端的运动轨迹；
对于一目标3D影像，所述获取模块用于获取所述目标3D影像及目标3D影像的下一帧3D影像在所述运动轨迹上的位置及3D摄像机的拍摄方向；
所述计算模块用于根据运动轨迹上的位置及3D摄像机的拍摄方向获取目标3D影像及目标3D影像的下一帧3D影像上相对应的特征点的位置；
所述调节模块用于利用相对应的特征点的位置重合调节目标3D影像及目标3D影像的下一帧3D影像处于目标位置。
本实施例提供一种深度图平衡选优算法中调节3D影像处于目标位置的方法，包括：
通过运动传感器获取移动终端的运动轨迹；
对于一目标3D影像，获取所述目标3D影像及目标3D影像的下一帧3D影像在所述运动轨迹上的位置及3D摄像机的拍摄方向；
根据运动轨迹上的位置及3D摄像机的拍摄方向获取目标3D影像及目标3D影像的下一帧3D影像上相对应的特征点的位置；
利用相对应的特征点的位置重合调节目标3D影像及目标3D影像的下一帧3D影像处于目标位置。
实施例5
本实施例与实施例1基本相同，不同之处仅在于：
本实施例提供的深度图平衡选优装置还包括一删除模块。
所述查找模块用于通过人工智能识别技术在全部3D影像查找异常3D影像。
所述删除模块用于通过人工智能识别技术根据除异常3D影像以外的3D影像的影像质量删除异常3D影像。
所述深度图平衡选优算法包括：
通过人工智能识别技术在全部3D影像查找异常3D影像，并通过人工智能识别技术根据除异常3D影像以外的3D影像的影像质量删除异常3D影像。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。
Claims (10)
1.一种基于人工智能的深度图平衡选优算法，其特征在于，所述深度图平衡选优算法包括：
获取一拍摄目标的若干帧的3D影像；
通过人工智能识别技术在全部3D影像查找异常3D影像，并根据除异常3D影像以外的3D影像处理异常3D影像以获取优质3D影像。
2.如权利要求1所述的深度图平衡选优算法，其特征在于，所述深度图平衡选优算法包括：
通过人工智能识别技术在全部3D影像查找异常3D影像，并根据除异常3D影像以外的3D影像的空间位置规律修正异常3D影像的空间位置；
其中，通过人工智能识别技术在全部3D影像查找异常3D影像包括：
获取每一帧3D影像中目标模型的边界；
根据全部3D影像中目标模型在自身影像中的位置获取一影像区域；
通过人工智能识别技术在全部3D影像查找目标模型超出所述影像区域的3D影像作为所述异常3D影像。
3.如权利要求2所述的深度图平衡选优算法，其特征在于，所述根据全部3D影像中目标模型在自身影像中的位置获取一影像区域包括：
获取一目标区域；
计算目标模型在自身影像中处于所述目标区域的3D影像的数量；
将所述数量占全部3D影像的数量的百分比为预设值的目标区域作为所述影像区域。
4.如权利要求1所述的深度图平衡选优算法，其特征在于，所述深度图平衡选优算法包括：
调节每一帧优质3D影像的空间位置使每一帧的优质3D影像处于目标位置，在所述目标位置上的3D影像中，任意相邻的两帧3D影像包括一相互对应的重叠对齐区域。
5.如权利要求4所述的深度图平衡选优算法，其特征在于，所述深度图平衡选优算法包括：
在优质3D影像中获取一目标3D影像；
识别目标3D影像及目标3D影像的相邻帧影像的特征点；
通过对应特征点对齐来调节目标3D影像的相邻帧影像的空间位置至目标3D影像所在的空间位置；
将调节过空间位置的相邻帧影像作为目标3D影像，所述目标3D影像所在的空间位置为目标位置；
处理目标3D影像的相邻帧影像直至全部3D影像调节至所述目标位置。
6.如权利要求4所述的深度图平衡选优算法，其特征在于，所述深度图平衡选优算法包括：
在优质3D影像中选取一目标3D影像；
识别目标3D影像及目标3D影像的相邻帧影像的特征点；
通过对应特征点对齐来调节目标3D影像的相邻帧影像的空间位置至目标3D影像所在的空间位置，所述目标3D影像所在的空间位置为目标位置；
识别处理影像的特征点，所述处理影像为调节至目标位置的3D影像的相邻帧影像；
通过对应特征点对齐来调节处理影像的空间位置至目标3D影像所在的空间位置直至全部3D影像调节至所述目标位置。
7.如权利要求6所述的深度图平衡选优算法，其特征在于，所述在优质3D影像中选取一目标3D影像包括：
通过一横截面截取每一帧3D影像；
在每一帧的截面上获取相交线的两个端点并获取两个端点的切线；
选取两个端点的切线夹角最小的3D影像为目标3D影像。
8.如权利要求4所述的深度图平衡选优算法，其特征在于，3D影像通过一具有3D摄像机的移动终端获取，所述移动终端包括一运动传感器，所述深度图平衡选优算法包括：
通过运动传感器获取移动终端的运动轨迹；
对于一目标3D影像，获取所述目标3D影像及目标3D影像的下一帧3D影像在所述运动轨迹上的位置及3D摄像机的拍摄方向；
根据运动轨迹上的位置及3D摄像机的拍摄方向获取目标3D影像及目标3D影像的下一帧3D影像上相对应的特征点的位置；
利用相对应的特征点的位置重合调节目标3D影像及目标3D影像的下一帧3D影像处于目标位置。
9.如权利要求1所述的深度图平衡选优算法，其特征在于，所述深度图平衡选优算法包括：
通过人工智能识别技术在全部3D影像查找异常3D影像，并通过人工智能识别技术根据除异常3D影像以外的3D影像的影像质量删除异常3D影像。
10.一种基于人工智能的深度图平衡选优装置，其特征在于，所述深度图平衡选优装置用于执行如权利要求1至9中任意一项所述的深度图平衡选优算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811342458.XA CN109472860B (zh) | 2018-11-13 | 2018-11-13 | 基于人工智能的深度图平衡选优方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811342458.XA CN109472860B (zh) | 2018-11-13 | 2018-11-13 | 基于人工智能的深度图平衡选优方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109472860A true CN109472860A (zh) | 2019-03-15 |
| CN109472860B CN109472860B (zh) | 2023-02-10 |
Family
ID=65672048
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811342458.XA Active CN109472860B (zh) | 2018-11-13 | 2018-11-13 | 基于人工智能的深度图平衡选优方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109472860B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102075777A (zh) * | 2011-01-26 | 2011-05-25 | Tcl集团股份有限公司 | 一种基于运动对象的视频图像平面转立体处理方法 |
| CN104378619A (zh) * | 2014-11-12 | 2015-02-25 | 合肥工业大学 | 一种基于前后景梯度过渡的快速高效的空洞填补算法 |
| CN107067456A (zh) * | 2017-05-16 | 2017-08-18 | 四川长虹电器股份有限公司 | 一种基于深度图优化的虚拟现实呈现方法 |
| CN108347505A (zh) * | 2018-02-07 | 2018-07-31 | 盎锐（上海）信息科技有限公司 | 具有3d成像功能的移动终端及影像生成方法 |
| CN108573526A (zh) * | 2018-03-30 | 2018-09-25 | 盎锐（上海）信息科技有限公司 | 人脸抓拍装置及影像生成方法 |
| CN108616742A (zh) * | 2016-12-21 | 2018-10-02 | 深圳市掌网科技股份有限公司 | 一种3d全景拍摄***以及方法 |
| CN108737808A (zh) * | 2018-06-04 | 2018-11-02 | 盎锐（上海）信息科技有限公司 | 3d模型生成装置及方法 |
-
2018
- 2018-11-13 CN CN201811342458.XA patent/CN109472860B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102075777A (zh) * | 2011-01-26 | 2011-05-25 | Tcl集团股份有限公司 | 一种基于运动对象的视频图像平面转立体处理方法 |
| CN104378619A (zh) * | 2014-11-12 | 2015-02-25 | 合肥工业大学 | 一种基于前后景梯度过渡的快速高效的空洞填补算法 |
| CN108616742A (zh) * | 2016-12-21 | 2018-10-02 | 深圳市掌网科技股份有限公司 | 一种3d全景拍摄***以及方法 |
| CN107067456A (zh) * | 2017-05-16 | 2017-08-18 | 四川长虹电器股份有限公司 | 一种基于深度图优化的虚拟现实呈现方法 |
| CN108347505A (zh) * | 2018-02-07 | 2018-07-31 | 盎锐（上海）信息科技有限公司 | 具有3d成像功能的移动终端及影像生成方法 |
| CN108573526A (zh) * | 2018-03-30 | 2018-09-25 | 盎锐（上海）信息科技有限公司 | 人脸抓拍装置及影像生成方法 |
| CN108737808A (zh) * | 2018-06-04 | 2018-11-02 | 盎锐（上海）信息科技有限公司 | 3d模型生成装置及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109472860B (zh) | 2023-02-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11616919B2 (en) | Three-dimensional stabilized 360-degree composite image capture | |
| CN109003325B (zh) | 一种三维重建的方法、介质、装置和计算设备 | |
| KR101923845B1 (ko) | 이미지 처리 방법 및 장치 | |
| JP6561216B2 (ja) | 光学フローを使用した中間ビューの生成 | |
| CN106447602B (zh) | 一种图像拼接方法及装置 | |
| US20150235408A1 (en) | Parallax Depth Rendering | |
| CN105005964B (zh) | 基于视频序列影像的地理场景全景图快速生成方法 | |
| CN106485207B (zh) | 一种基于双目视觉图像的指尖检测方法及*** | |
| JP7116262B2 (ja) | 画像深度推定方法および装置、電子機器、ならびに記憶媒体 | |
| CN103761765B (zh) | 基于映射边界优化的三维物体模型纹理映射方法 | |
| US11270415B2 (en) | Image inpainting with geometric and photometric transformations | |
| US10169891B2 (en) | Producing three-dimensional representation based on images of a person | |
| CN108648264A (zh) | 基于运动恢复的水下场景重建方法及存储介质 | |
| KR101983586B1 (ko) | 스테레오 이미지들에 관한 깊이 맵 스티칭 방법 | |
| CN104599317A (zh) | 一种实现3d扫描建模功能的移动终端及方法 | |
| CN103761766A (zh) | 基于色调映射和图像平滑的三维物体模型纹理映射算法 | |
| CN111798540B (zh) | 图像融合方法和*** | |
| GB2585197A (en) | Method and system for obtaining depth data | |
| CN110012236A (zh) | 一种信息处理方法、装置、设备和计算机存储介质 | |
| CN111899293B (zh) | Ar应用中的虚实遮挡处理方法 | |
| CN109360270A (zh) | 基于人工智能的3d人脸姿态对齐算法及装置 | |
| CN109472860A (zh) | 基于人工智能的深度图平衡选优算法及装置 | |
| CN109509262A (zh) | 基于人工智能的智能增强建模算法及装置 | |
| CN109587469A (zh) | 基于人工智能识别的影像处理方法及装置 | |
| CN109151444A (zh) | 3d智能像素增强引擎 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20221229 Address after: 200120 room 607, building 2, No. 2555, xiupu Road, Pudong New Area, Shanghai Applicant after: SHANGHAI ONWING INFORMATION TECHNOLOGY Co.,Ltd. Address before: 201703 No.206, building 1, no.3938 Huqingping Road, Qingpu District, Shanghai Applicant before: UNRE (SHANGHAI) INFORMATION TECHNOLOGY Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230731 Address after: 201703 Room 2134, Floor 2, No. 152 and 153, Lane 3938, Huqingping Road, Qingpu District, Shanghai Patentee after: Shanghai Qingyan Heshi Technology Co.,Ltd. Address before: 200120 room 607, building 2, No. 2555, xiupu Road, Pudong New Area, Shanghai Patentee before: SHANGHAI ONWING INFORMATION TECHNOLOGY Co.,Ltd. |
|
| TR01 | Transfer of patent right |