CN111861911A - 基于引导相机的立体全景图像增强方法和*** - Google Patents
基于引导相机的立体全景图像增强方法和*** Download PDFInfo
- Publication number
- CN111861911A CN111861911A CN202010608674.5A CN202010608674A CN111861911A CN 111861911 A CN111861911 A CN 111861911A CN 202010608674 A CN202010608674 A CN 202010608674A CN 111861911 A CN111861911 A CN 111861911A
- Authority
- CN
- China
- Prior art keywords
- image
- guide
- camera
- panoramic image
- line scanning
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 12
- 238000003384 imaging method Methods 0.000 claims abstract description 28
- 238000012937 correction Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000001914 filtration Methods 0.000 claims description 15
- 238000013519 translation Methods 0.000 claims description 7
- 230000002146 bilateral effect Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 238000004804 winding Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 14
- 238000005286 illumination Methods 0.000 abstract description 5
- 230000006872 improvement Effects 0.000 abstract description 3
- 238000004904 shortening Methods 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Stereoscopic And Panoramic Photography (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明公开了一种基于引导相机的立体全景图像增强方法和***,增强方法采用了引导相机拍摄的引导图像作为校正基准,能够很大程度上提高图像的质量,即便线扫描相机处于低照度高转速的情形下也能保证立体全景图像的成像效果,对于成像场景要求大大降低,适用范围更加广泛。因此具有简单实用、缩短图像处理时间的同时提高图像质量、优化立体全景成像效果和助力实现立体全景直播等优点,本发明的用于实现上述方法的***同样具备上述优点。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种基于引导相机的立体全景图像增强方法和***。
背景技术
随着人工智能以及5G技术的发展,VR技术这几年得到了广泛应用。然而,目前的VR技术较难实现现场全景VR直播。
目前国内外的VR技术广泛采用的是多摄像机成像***,利用该***进行VR视频的制作,其实现无缝拼接和立体渲染所要进行的光流计算和深度估计的计算量将十分巨大,还不能做到实时合成和直播,大多只能事后合成制作视频。例如,Google的Jump VR摄像机每帧需要75秒的处理时间才能新增一张立体VR内容。因此,目前VR现场直播仅限于非立体的二维全景内容,难以达到人眼观看感受的三维信息。并且这种方式还需要事先进行现场严格标定,另外形成的视频对于场景中近处、透明、高反光的物体会出现断裂,大大影响体验效果。
而现有的具有三维信息的VR视频为了完全模拟人的双眼视觉成像***和人的周扫观察方式,常常采用高分辨率的线扫描相机来实现成像。采用这样的方法时,为了保证一定全景分辨率和图像质量,就要保证线扫描相机的积分时间足够短。当场景的照度不高的时候,由于转台高速旋转,图像的质量会大大下降,影响立体全景成像效果。
发明内容
本发明要解决的技术问题是克服现有技术的不足,提供一种简单实用、缩短图像处理时间的同时提高图像质量、优化立体全景成像效果和助力实现立体全景直播的基于引导相机的立体全景图像增强方法,以及用于实现上述方法的***。
为解决上述技术问题,本发明提出的技术方案为:
一种基于引导相机的立体全景图像增强方法,通过引导相机拍摄的引导图像对线扫描相机拍摄的立体全景图像进行图像增强,其步骤包括:
S1:同步生成图像:线扫描相机从起始转动位置开始转动的同时引导相机曝光开始,线扫描相机转动360°后回到起始转动位置的同时引导相机曝光结束;线扫描相机生成一帧立体全景图像,引导相机生成一帧引导图像;
S2:图像标定:通过在待拍摄场景中设置的标定板对线扫描相机拍摄的立体全景图像和引导相机拍摄的引导图像进行标定,使二者仅在视差方向有平移关系;
S3:立体匹配:将引导图像分成若干块引导图块,将每块引导图块与立体全景图像对比得到视差偏移量,并依据相邻引导图块的视差偏移量关系得到每块引导图块的视差偏移量置信度;
S5:图像增强:以每块引导图块的视差偏移量置信度为依据,利用双边引导滤波对立体全景图像进行处理,实现立体全景图像的图像增强。
作为上述基于引导相机的立体全景图像增强方法的进一步改进:
还包括步骤S4:亮度与色度还原:将引导图像的亮度与色度分离,生成亮度分量图像和色度分量图像,利用亮度分量图像对立体全景图像进行图像去噪与高动态成像,利用色度分量图像对立体全景图像进行颜色校正和风格映射。
所述立体匹配包括以下步骤:
S31:将引导图像分成n块引导图块;
S32:将第i块引导图块在立体全景图像内进行搜索找到归一化互信息最大的极值点,获取该对应的视差偏移量Xi,其中:i的取值起点为1,终点为n;重复直至所有引导图块均得到对应的视差偏移量;
S33:取与第i块引导图块相邻的所有引导图块的视差偏移量,若相邻的所有引导图块的视差偏移量和第i块引导图块的视差偏移量的关系均与各相邻的引导图块和第i块引导图块的空间的拓扑分布一致,将该第i块的视差偏移量置信度置1,反之置0,其中:i的取值起点为1,终点为n;重复直至所有引导图块均得到对应的视差偏移量置信度。
所述图像增强步骤中,通过立体匹配的结果中置信度为1的各引导图块作为立体全景图像的引导标准,利用引导滤波方法对立体全景图像进行引导滤波实现图像增强。
一种基于引导相机的立体全景图像增强***,包括线扫描相机,还包括引导相机以及:
同步模块:线扫描相机从起始转动位置开始转动的同时发送指令控制引导相机曝光开始;线扫描相机转动360°后回到起始转动位置的同时发送指令控制引导相机曝光结束;
偏移校正模块:获取引导相机拍摄的引导图像和线扫描相机拍摄的立体全景图像,通过在待拍摄场景中设置的标定板对立体全景图像和引导图像进行标定,使二者仅在视差方向有平移关系;
立体匹配模块:将引导图像分成若干块引导图块,将每块引导图块与立体全景图像对比得到视差偏移量,并依据相邻引导图块的视差偏移量关系得到每块引导图块的视差偏移量置信度;
图像增强模块:以每块引导图块的视差偏移量置信度为依据,利用双边引导滤波对立体全景图像进行处理,实现立体全景图像的图像增强。
作为上述基于引导相机的立体全景图像增强***的进一步改进:
还包括亮度与色度还原模块:将引导图像的亮度与色度分离,生成亮度分量图像和色度分量图像,利用引导图像的亮度分量图像对立体全景图像进行图像去噪与高动态成像,利用色度分量图像对立体全景图像进行颜色校正和风格映射。
所述线扫描相机为双目布置式线扫描相机,拍摄得到的一帧立体全景图像包括两张立体全景图像。
所述引导相机为绕线扫描相机的转动轴线均匀布置的不少于两个的鱼眼相机,拍摄得到的一帧引导图像包括与鱼眼相机数目对应的多张引导图像。
与现有技术相比,本发明的优点在于:
本发明通过引导相机拍摄的引导图像对线扫描相机拍摄的立体全景图像进行图像增强,相比于多摄像机成像***的成像过程,其避免了多相机无缝拼接和立体渲染所需要的光流计算和深度估计的计算量,大大缩短了图像处理所需要的时长。相比于单纯的线扫描相机成像***来说,由于存在引导图像的校正,能够很大程度上提高图像的质量,即便线扫描相机处于低照度高转速的情形下也能保证立体全景图像的成像效果,对于成像场景要求大大降低,适用范围更加广泛。本发明的基于引导相机的立体全景图像增强方法通过快捷易行的步骤就能达到图像增强的效果,有利于立体全景直播的实现,本发明的基于引导相机的立体全景图像增强***通过简单的设置来实现上述方法,成本更低,有利于立体全景直播的普及。
附图说明
图1是基于引导相机的立体全景图像增强方法的流程示意图。
具体实施方式
为了便于理解本发明,下文将结合说明书附图和较佳的实施例对本文发明做更全面、细致地描述,但本发明的保护范围并不限于以下具体实施例。
实施例:
如图1所示,本实施例的基于引导相机的立体全景图像增强方法,通过引导相机拍摄的引导图像对线扫描相机拍摄的立体全景图像进行图像增强,相比于多摄像机成像***的成像过程,其避免了多相机无缝拼接和立体渲染所需要的光流计算和深度估计的计算量,大大缩短了图像处理所需要的时长。相比于单纯的线扫描相机成像***来说,由于存在引导图像的校正,能够很大程度上提高图像的质量,即便线扫描相机处于低照度高转速的情形下也能保证立体全景图像的成像效果,对于成像场景要求大大降低,适用范围更加广泛。
其步骤包括:
S1:同步生成图像:线扫描相机从起始转动位置开始转动的同时引导相机曝光开始,线扫描相机转动360°后回到起始转动位置的同时引导相机曝光结束。线扫描相机生成一帧立体全景图像,引导相机生成一帧引导图像,由于二者起止时间相同,能够保证引导相机与线扫描相机所拍摄的场景在时间上一致。
S2:图像标定:通过在待拍摄场景中设置的标定板对线扫描相机拍摄的立体全景图像和引导相机拍摄的引导图像进行标定,使二者仅在视差方向有平移关系。由于两个相机的视场角不能完全做到一致,同时安装角度也无法做到光轴绝对平行,因此需要通过标定保证引导相机与线扫描相机的图像仅仅在视差方向有平移的关系,有利于后续的图像立体匹配。
S3:立体匹配:将引导图像分成若干块引导图块,将每块引导图块与立体全景图像对比得到视差偏移量,并依据相邻引导图块的视差偏移量关系得到每块引导图块的视差偏移量置信度。这一步骤可以将两个相机的图像在空间上完全配准,保证图像完全重合。具体通过以下步骤实现:
S31:将引导图像分成n块引导图块;
S32:将第i块引导图块在立体全景图像内进行搜索找到归一化互信息最大的极值点,获取该对应的视差偏移量Xi,其中:i的取值起点为1,终点为n;重复直至所有引导图块均得到对应的视差偏移量;
S33:取与第i块引导图块相邻的所有引导图块的视差偏移量,若相邻的所有引导图块的视差偏移量和第i块引导图块的视差偏移量的关系均与各相邻的引导图块和第i块引导图块的空间的拓扑分布一致,将该第i块的视差偏移量置信度置1,反之置0,其中:i的取值起点为1,终点为n;重复直至所有引导图块均得到对应的视差偏移量置信度。
S4:亮度与色度还原:将引导图像的亮度与色度分离,生成亮度分量图像和色度分量图像,利用亮度分量图像对立体全景图像进行图像去噪与高动态成像,利用色度分量图像对立体全景图像进行颜色校正和风格映射。保证引导的效果,即实现图像的去噪色彩的还原以及亮度的高动态,色度与亮度之间不会互相影响。
S5:图像增强:以每块引导图块的视差偏移量置信度为依据,利用双边引导滤波对立体全景图像进行处理,实现立体全景图像的图像增强。
线扫描相机由于处于高速旋转状态,需要使其自身的积分时间足够短。当场景的照度不高的时候,受到低信噪比和低亮度的影响,图片的质量会受到很大的影响。然而现有的很多关于去噪、去模糊、图像增强等技术都是针对某一种假定的噪声,或者是通过大量的通用数据集进行训练,以及深度学习的方法进行图像增强,与实际场景贴合度较低,效果不理想;而本实施例采用与拍摄场景一致的引导图像作为基准进行去噪和图像增强处理,能最大程度的实现拍摄场景的还原。
本实施例的基于引导相机的立体全景图像增强方法通过快捷易行的步骤就能达到图像增强的效果,有利于立体全景直播的实现。得到的立体全景图像通过编解码以后利用有线或者无线网络上传进行后期处理和直播服务,采用这样的方法可以实现真正的立体VR直播。
本实施例中,图像增强步骤中,通过立体匹配的结果中置信度为1的各引导图块作为立体全景图像的引导标准,利用引导滤波方法对立体全景图像进行引导滤波实现图像增强。这种引导滤波方式为常用的引导滤波方式,在此不做赘述,但是由于采用了较高置信度的引导图块作为引导标准,因此其引导滤波的效果大大增强,图像增强效果得到了显著提高。
本实施例的基于引导相机的立体全景图像增强***,包括线扫描相机,还包括引导相机以及:
同步模块:线扫描相机从起始转动位置开始转动的同时发送指令控制引导相机曝光开始;线扫描相机转动360°后回到起始转动位置的同时发送指令控制引导相机曝光结束;
偏移校正模块:获取引导相机拍摄的引导图像和线扫描相机拍摄的立体全景图像,通过在待拍摄场景中设置的标定板对立体全景图像和引导图像进行标定,使二者仅在视差方向有平移关系;
立体匹配模块:将引导图像分成若干块引导图块,将每块引导图块与立体全景图像对比得到视差偏移量,并依据相邻引导图块的视差偏移量关系得到每块引导图块的视差偏移量置信度。
亮度与色度还原模块:将引导图像的亮度与色度分离,生成亮度分量图像和色度分量图像,利用引导图像的亮度分量图像对立体全景图像进行图像去噪与高动态成像,利用色度分量图像对立体全景图像进行颜色校正和风格映射。
图像增强模块:以每块引导图块的视差偏移量置信度为依据,利用双边引导滤波对立体全景图像进行处理,实现立体全景图像的图像增强。
本实施例的基于引导相机的立体全景图像增强***通过简单的设置来实现图像增强的方法,成本更低,有利于立体全景直播的普及。
本实施例中,线扫描相机为按双目目距的间距布置的线扫描相机,拍摄得到的一帧立体全景图像包括两张立体全景图像,以模拟人的双眼视觉成像***和人的周扫观察方式获取真实的立体数据,达到人眼观看感受的三维信息,保证立体全景成像效果。
本实施例中,引导相机为绕线扫描相机的转动轴线均匀布置的不少于两个的大视角鱼眼相机,拍摄得到的一帧引导图像包括与鱼眼相机数目对应的多张引导图像。通过设置的标定板进行摄像机标定,可以保证鱼眼相机拍摄的图像得到畸变校正,不会对处理造成影响。由于采用立体匹配实现引导,因此两个鱼眼相机的引导图像无需经过拼接即可使用,在满足计算量小的同时保证引导质量。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例。对于本领域的技术人员来说,在不脱离本发明的技术构思前提下所得到的改进和变换也应视为本发明的保护范围。
Claims (8)
1.一种基于引导相机的立体全景图像增强方法,其特征在于:通过引导相机拍摄的引导图像对线扫描相机拍摄的立体全景图像进行图像增强,其步骤包括:
S1:同步生成图像:线扫描相机从起始转动位置开始转动的同时引导相机曝光开始,线扫描相机转动360°后回到起始转动位置的同时引导相机曝光结束;线扫描相机生成一帧立体全景图像,引导相机生成一帧引导图像;
S2:图像标定:通过在待拍摄场景中设置的标定板对线扫描相机拍摄的立体全景图像和引导相机拍摄的引导图像进行标定,使二者仅在视差方向有平移关系;
S3:立体匹配:将引导图像分成若干块引导图块,将每块引导图块与立体全景图像对比得到视差偏移量,并依据相邻引导图块的视差偏移量关系得到每块引导图块的视差偏移量置信度;
S5:图像增强:以每块引导图块的视差偏移量置信度为依据,利用双边引导滤波对立体全景图像进行处理,实现立体全景图像的图像增强。
2.根据权利要求1所述的基于引导相机的立体全景图像增强方法,其特征在于:还包括步骤S4:亮度与色度还原:将引导图像的亮度与色度分离,生成亮度分量图像和色度分量图像,利用亮度分量图像对立体全景图像进行图像去噪与高动态成像,利用色度分量图像对立体全景图像进行颜色校正和风格映射。
3.根据权利要求1所述的基于引导相机的立体全景图像增强方法,其特征在于:所述立体匹配包括以下步骤:
S31:将引导图像分成n块引导图块;
S32:将第i块引导图块在立体全景图像内进行搜索找到归一化互信息最大的极值点,获取该对应的视差偏移量Xi,其中:i的取值起点为1,终点为n;重复直至所有引导图块均得到对应的视差偏移量;
S33:取与第i块引导图块相邻的所有引导图块的视差偏移量,若相邻的所有引导图块的视差偏移量和第i块引导图块的视差偏移量的关系均与各相邻的引导图块和第i块引导图块的空间的拓扑分布一致,将该第i块的视差偏移量置信度置1,反之置0,其中:i的取值起点为1,终点为n;重复直至所有引导图块均得到对应的视差偏移量置信度。
4.根据权利要求3所述的基于引导相机的立体全景图像增强方法,其特征在于:所述图像增强步骤中,通过立体匹配的结果中置信度为1的各引导图块作为立体全景图像的引导标准,利用引导滤波方法对立体全景图像进行引导滤波实现图像增强。
5.一种基于引导相机的立体全景图像增强***,包括线扫描相机,其特征在于:还包括引导相机以及:
同步模块:线扫描相机从起始转动位置开始转动的同时发送指令控制引导相机曝光开始;线扫描相机转动360°后回到起始转动位置的同时发送指令控制引导相机曝光结束;
偏移校正模块:获取引导相机拍摄的引导图像和线扫描相机拍摄的立体全景图像,通过在待拍摄场景中设置的标定板对立体全景图像和引导图像进行标定,使二者仅在视差方向有平移关系;
立体匹配模块:将引导图像分成若干块引导图块,将每块引导图块与立体全景图像对比得到视差偏移量,并依据相邻引导图块的视差偏移量关系得到每块引导图块的视差偏移量置信度;
图像增强模块:以每块引导图块的视差偏移量置信度为依据,利用双边引导滤波对立体全景图像进行处理,实现立体全景图像的图像增强。
6.根据权利要求5所述的基于引导相机的立体全景图像增强***,其特征在于:还包括亮度与色度还原模块:将引导图像的亮度与色度分离,生成亮度分量图像和色度分量图像,利用引导图像的亮度分量图像对立体全景图像进行图像去噪与高动态成像,利用色度分量图像对立体全景图像进行颜色校正和风格映射。
7.根据权利要求5所述的基于引导相机的立体全景图像增强***,其特征在于:所述线扫描相机为双目布置式线扫描相机,拍摄得到的一帧立体全景图像包括两张立体全景图像。
8.根据权利要求5所述的基于引导相机的立体全景图像增强***,其特征在于:所述引导相机为绕线扫描相机的转动轴线均匀布置的不少于两个的180度视场角的鱼眼相机,拍摄得到的一帧引导图像包括与鱼眼相机数目对应的多张引导图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010608674.5A CN111861911B (zh) | 2020-06-29 | 2020-06-29 | 基于引导相机的立体全景图像增强方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010608674.5A CN111861911B (zh) | 2020-06-29 | 2020-06-29 | 基于引导相机的立体全景图像增强方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111861911A true CN111861911A (zh) | 2020-10-30 |
CN111861911B CN111861911B (zh) | 2024-04-16 |
Family
ID=72989142
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010608674.5A Active CN111861911B (zh) | 2020-06-29 | 2020-06-29 | 基于引导相机的立体全景图像增强方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111861911B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065289A (zh) * | 2013-01-22 | 2013-04-24 | 清华大学 | 基于双目立体视觉的四目摄像机正面人脸重建方法 |
CN103745446A (zh) * | 2014-01-27 | 2014-04-23 | 广东威创视讯科技股份有限公司 | 图像引导滤波方法和*** |
JP2017111595A (ja) * | 2015-12-16 | 2017-06-22 | 株式会社リコー | 画像処理装置、画像処理方法、画像処理プログラムおよび画像処理システム |
CN110084775A (zh) * | 2019-05-09 | 2019-08-02 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN110148181A (zh) * | 2019-04-25 | 2019-08-20 | 青岛康特网络科技有限公司 | 一种通用双目立体匹配方法 |
CN110580684A (zh) * | 2018-06-10 | 2019-12-17 | 长沙市军英电子科技有限公司 | 一种基于黑白-彩色双目相机的图像增强方法 |
-
2020
- 2020-06-29 CN CN202010608674.5A patent/CN111861911B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065289A (zh) * | 2013-01-22 | 2013-04-24 | 清华大学 | 基于双目立体视觉的四目摄像机正面人脸重建方法 |
CN103745446A (zh) * | 2014-01-27 | 2014-04-23 | 广东威创视讯科技股份有限公司 | 图像引导滤波方法和*** |
JP2017111595A (ja) * | 2015-12-16 | 2017-06-22 | 株式会社リコー | 画像処理装置、画像処理方法、画像処理プログラムおよび画像処理システム |
CN110580684A (zh) * | 2018-06-10 | 2019-12-17 | 长沙市军英电子科技有限公司 | 一种基于黑白-彩色双目相机的图像增强方法 |
CN110148181A (zh) * | 2019-04-25 | 2019-08-20 | 青岛康特网络科技有限公司 | 一种通用双目立体匹配方法 |
CN110084775A (zh) * | 2019-05-09 | 2019-08-02 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111861911B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11388385B2 (en) | Primary and auxiliary image capture devices for image processing and related methods | |
CN107925751B (zh) | 用于多视点降噪和高动态范围的***和方法 | |
US8274552B2 (en) | Primary and auxiliary image capture devices for image processing and related methods | |
CN104408701B (zh) | 一种大场景视频图像拼接方法 | |
US8208048B2 (en) | Method for high dynamic range imaging | |
CN106713755B (zh) | 全景图像的处理方法及装置 | |
US10764496B2 (en) | Fast scan-type panoramic image synthesis method and device | |
WO2021093584A1 (zh) | 基于深度卷积神经网络的自由视点视频生成及交互方法 | |
WO2018101652A1 (ko) | 실감형 미디어 영상을 제공하는 장치 | |
US10114838B2 (en) | Reference card for scene referred metadata capture | |
CN102857739A (zh) | 分布式全景监控***及其方法 | |
WO2011014421A2 (en) | Methods, systems, and computer-readable storage media for generating stereoscopic content via depth map creation | |
CN102123290B (zh) | 一种纠正双摄像头所拍摄图像的平移误差的方法和装置 | |
CN107197135B (zh) | 一种视频生成方法及视频生成装置 | |
CN109428987A (zh) | 一种头戴式全景360度立体摄像装置及摄像处理方法 | |
CN110276714B (zh) | 快速扫描式全景图图像合成方法及装置 | |
CN111064945A (zh) | 一种裸眼3d图像采集及生成方法 | |
GB2585197A (en) | Method and system for obtaining depth data | |
US6771823B2 (en) | Coding and decoding of moving pictures based on sprite coding | |
CN103051866B (zh) | 网络3d 视频监控***、方法和视频处理平台 | |
CN111861911B (zh) | 基于引导相机的立体全景图像增强方法和*** | |
CN111629194B (zh) | 一种基于神经网络的全景视频转6dof视频的方法及*** | |
CN111787302A (zh) | 基于线扫描相机的立体全景直播拍摄*** | |
CN116208851A (zh) | 图像处理方法及相关装置 | |
CN112422848A (zh) | 一种基于深度图和彩色图的视频拼接方法 |
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 |