CN112419389A - 一种实现双目增量视差匹配算法的方法及装置 - Google Patents
一种实现双目增量视差匹配算法的方法及装置 Download PDFInfo
- Publication number
- CN112419389A CN112419389A CN202011335546.4A CN202011335546A CN112419389A CN 112419389 A CN112419389 A CN 112419389A CN 202011335546 A CN202011335546 A CN 202011335546A CN 112419389 A CN112419389 A CN 112419389A
- Authority
- CN
- China
- Prior art keywords
- value
- parallax
- image
- template
- point
- 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 26
- 238000012545 processing Methods 0.000 claims abstract description 37
- 238000001914 filtration Methods 0.000 claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000012937 correction Methods 0.000 claims abstract description 4
- 238000010587 phase diagram Methods 0.000 claims description 12
- 241000287196 Asthenes Species 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 abstract description 3
- 239000000872 buffer Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000000007 visual effect 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
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/593—Depth or shape recovery from multiple images from stereo images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种实现双目增量视差匹配算法的方法及装置，包括如下步骤，双目相机拍摄打了不同频率的条纹光的物体，获取左右拍摄图像；对获取的左右拍摄图像进行相位展开处理和极线校正处理，得到相位连续递增的左右两幅图和对应的相位模板图；将得到的相位连续递增的左右两幅图和对应的相位模板图进行匹配处理，得到完整视差图；其装置包括方差滤波模块、视差计算模块、视差约束模块以及补洞和模板膨胀模块；本发明使用硬件ASIC并行处理实现三维重建算法，简化三维重建***，提升效率，实现双目相机拍摄打条纹光图像的左右两幅图的视差提取，功耗低，速度快。
Description
技术领域
本发明涉及一种实现双目增量视差匹配算法的方法及装置，属于视觉技术相关领域。
背景技术
现有技术中，双目算法进行三维重建都是基于软件算法实现，基于双目算法进行三维重建，即从获取图像到重现三维模型的过程，其主要过程包括寻找左右两幅图像的同名点，求取左右两幅图像间的视差，由视差计算点云坐标，但是，同名点的寻找过程十分复杂，对于相关技术及设备要求都很高，整个实现过程功耗高、速度慢，因此，如何进行简化，提升效率是一个需要解决的难题。
发明内容
针对上述存在的技术问题，本发明的目的是：提出了一种实现双目增量视差匹配算法的方法及装置，简化三维重建***，提升效率。
本发明的技术解决方案是这样实现的：一种实现双目增量视差匹配算法的方法，包括如下步骤，
S100，双目相机拍摄打了不同频率的条纹光的物体，获取左右拍摄图像；
S200，对获取的左右拍摄图像进行相位展开处理和极线校正处理，得到相位连续递增的左右两幅图和对应的相位模板图；
S300，将得到的相位连续递增的左右两幅图和对应的相位模板图进行匹配处理，得到完整视差图。
优选的，在S300中，进行匹配处理前，先对左右两幅图和对应的相位模板图进行方差滤波、滤除乱点和陡峭边缘处理，使得待匹配的左右两幅图相位值行内严格递增。
优选的，在S300中，进行匹配处理时，查找左右两幅图和对应的相位模板图行内的相位值相等的点，相位值相等的点作为同名点，同名点对应的左右两幅图和对应的相位模板图在行内的列序号之差作为视差值，得到包含视差值和视差模板值的视差图。
优选的，在S300中，将得到的视差图进行不可靠视差和乱点的滤除、模板值膨胀和视差值补洞，最后通过膨胀后的模板值对视差值进行筛选，得到最终的完整的高精度视差图。
优选的，进行方差滤波的步骤为，首先，求得以模板值对应为1为中心点的N*N个相位值的均值，然后求得方差，求得的方差值和阈值进行比较，大于阈值的值视为不可靠被滤掉，小于阈值的值进行保留。
优选的，进行匹配时，分别对左右两幅图和对应的相位模板图进行以行为单位，以左图为基准的视差计算处理，具体步骤如下：
S301，遍历左相位图的行，取第一行的第一列，左图当前列指针是cvl;
S302，遍历右相位图的行，取第一行的第一列，右图当前列指针是cvr；
S303，根据左右图相位模板图找到一个待匹配的点，待匹配点即模板值为1的点；判断当前列指针是cvl/cvr是否超过图像行宽，若超过行宽，执行S301和S302；
S304，找到左图中第一个大于右图第一个匹配点相位值的点，作为左图匹配开始的点，标记当前左图相位值作为左图最小相位值：
；
S305，找到右图中相邻的5个待匹配的点，若无，执行S301；否则，5个待匹配点中相位最小值作为右图相位最小值：
；
S306，左图中寻找与右图中当前点匹配的点：即左图当前相位值大于右图相位最小值；cvl=cvl+1，若cvl不超过行宽，在左图中找到与右图当前点匹配的点，否则，执行S301；
S307，右图中寻找与左图中当前点匹配的点：即右图当前相位值大于左图当前相位值；cvr=cvr+1，若cvr不超过行宽，在右图中找到与左图当前点匹配的点，否则，执行S302；
S308，左/右图对应找到了右/左图匹配的点，计算左右图的相位差值；判断此差值是否小于视差阈值，若小于阈值，记录此差值作为视差值，对应视差图的指针是*(dst+cvl)，接着执行S306；否则，执行S309；
S309，判断cvr是否在孔洞边缘：即判断cvr对应上一个点的模板值是否为0，若为0，即在空洞边缘，执行S306；否则，执行S310；
S310，线性插值求得与左图匹配点相位值相等的点的
对应的视差值：左图当前相位值记为
，右图当前相位值记为 
，右图前一个相位值记为 
，则线性插值求得的视差值是：
对应视差图的指针是*(dst+cvl)；接着执行S306。
优选的，视差图进行不可靠视差和乱点的滤除步骤为视差值对应左图序号增加时，右图对应的序号也相应的增加，违背这个原则，即为错误点和不可靠视差，滤除该点，模板值赋值为0。
优选的，模板值膨胀是以视差图模板值对应为0的点视为孔洞，以此点为中心点，求得N*N个周围的点的均值，以此均值作为此点的视差值，实现孔洞的修补。
优选的，视差值补洞是以视差图模板值对应为0的点视为孔洞，以此点为中心点，周围 N*N个点有一个点的模板值为1，此点的模板值为1，以此实现模板膨胀，生成新的模板图。
为了进一步的增大保护范围，提出一种实现双目增量视差匹配算法的装置，包括方差滤波模块、视差计算模块、视差约束模块以及补洞和模板膨胀模块；
所述方差滤波模块在进行匹配处理前，顺序对左右两幅图和对应的相位模板图进行方差滤波处理；
所述视差计算模块在进行匹配处理时，根据方差滤波模块输出的左右两幅图和对应的相位模板图，做视差计算，得到视差图；
所述视差约束模块在进行匹配处理后，根据视差计算模块输出的视差图顺序性计算DSP模块，标记可靠视差图，再对可靠视差图进行方差滤波处理；
所述补洞和模板膨胀模块在进行匹配处理后，根据视差约束模块输出的视差图进行模板值膨胀和视差值补洞，最后通过膨胀后的模板值对视差值进行筛选，最终的输出完整的高精度视差图。
由于上述技术方案的运用，本发明与现有技术相比具有下列优点：
本发明的一种实现双目增量视差匹配算法的方法及装置，使用硬件ASIC并行处理实现三维重建算法，简化三维重建***，提升效率，实现双目相机拍摄打条纹光图像的左右两幅图的视差提取，功耗低，速度快。
附图说明
下面结合附图对本发明技术方案作进一步说明：
附图1为本发明的一种实现双目增量视差匹配算法的方法的总体框架示意图；
附图2为本发明的一种实现双目增量视差匹配算法的方法的视差计算原理框图；
附图3为本发明的一种实现双目增量视差匹配算法的方法的方差滤波原理框图；
附图4为本发明的一种实现双目增量视差匹配算法的装置示意图。
具体实施方式
下面结合附图来说明本发明。
实施例一
如附图1-3所示为本发明所述的一种实现双目增量视差匹配算法的方法，包括如下步骤，
S100，双目相机拍摄打了不同频率的条纹光的物体，获取左右拍摄图像；
S200，对获取的左右拍摄图像进行相位展开处理和极线校正处理，得到相位连续递增的左右两幅图和对应的相位模板图；
S300，将得到的相位连续递增的左右两幅图和对应的相位模板图进行匹配处理，得到完整视差图；进行匹配处理前，先对左右两幅图和对应的相位模板图进行方差滤波、滤除乱点和陡峭边缘处理，使得待匹配的左右两幅图相位值行内严格递增，进行方差滤波的步骤为，首先，求得以模板值对应为1为中心点的N*N个相位值的均值，然后求得方差，求得的方差值和阈值进行比较，大于阈值的值视为不可靠被滤掉，小于阈值的值进行保留；进行匹配处理时，查找左右两幅图和对应的相位模板图行内的相位值相等的点，相位值相等的点作为同名点，同名点对应的左右两幅图和对应的相位模板图在行内的列序号之差作为视差值，得到包含视差值和视差模板值的视差图；将得到的视差图进行不可靠视差和乱点的滤除、模板值膨胀和视差值补洞，最后通过膨胀后的模板值对视差值进行筛选，得到最终的完整的高精度视差图；视差图进行不可靠视差和乱点的滤除步骤为视差值对应左图序号增加时，右图对应的序号也相应的增加，违背这个原则，即为错误点和不可靠视差，滤除该点，模板值赋值为0；模板值膨胀是以视差图模板值对应为0的点视为孔洞，以此点为中心点，求得N*N个周围的点的均值，以此均值作为此点的视差值，实现孔洞的修补；视差值补洞是以视差图模板值对应为0的点视为孔洞，以此点为中心点，周围 N*N个点有一个点的模板值为1，此点的模板值为1，以此实现模板膨胀，生成新的模板图。
进行匹配时，分别对左右两幅图和对应的相位模板图进行以行为单位，以左图为基准的视差计算处理，具体步骤如下：
S301，遍历左相位图的行，取第一行的第一列，左图当前列指针是cvl;
S302，遍历右相位图的行，取第一行的第一列，右图当前列指针是cvr；
S303，根据左右图相位模板图找到一个待匹配的点，待匹配点即模板值为1的点；判断当前列指针是cvl/cvr是否超过图像行宽，若超过行宽，执行S301和S302；
S304，找到左图中第一个大于右图第一个匹配点相位值的点，作为左图匹配开始的点，标记当前左图相位值作为左图最小相位值：
；
S305，找到右图中相邻的5个待匹配的点，若无，执行S301；否则，5个待匹配点中相位最小值作为右图相位最小值：
；
S306，左图中寻找与右图中当前点匹配的点：即左图当前相位值大于右图相位最小值；cvl=cvl+1，若cvl不超过行宽，在左图中找到与右图当前点匹配的点，否则，执行S301；
S307，右图中寻找与左图中当前点匹配的点：即右图当前相位值大于左图当前相位值；cvr=cvr+1，若cvr不超过行宽，在右图中找到与左图当前点匹配的点，否则，执行S302；
S308，左/右图对应找到了右/左图匹配的点，计算左右图的相位差值；判断此差值是否小于视差阈值，若小于阈值，记录此差值作为视差值，对应视差图的指针是*(dst+cvl)，接着执行S306；否则，执行S309；
S309，判断cvr是否在孔洞边缘：即判断cvr对应上一个点的模板值是否为0，若为0，即在空洞边缘，执行S306；否则，执行S310；
S310，线性插值求得与左图匹配点相位值相等的点的
对应的视差值：左图当前相位值记为
，右图当前相位值记为 
，右图前一个相位值记为
，则线性插值求得的视差值是：
对应视差图的指针是*(dst+cvl)；接着执行S306。
实施例二
为了进一步的增大保护范围，如附图4所示为本发明所述的一种实现双目增量视差匹配算法的装置，包括方差滤波模块、视差计算模块、视差约束模块以及补洞和模板膨胀模块；
所述方差滤波模块在进行匹配处理前，顺序对左右两幅图和对应的相位模板图进行方差滤波处理；实现N*N个数据的方差计算：缓存buffer预存左/右图N-1行数据(相位值和相位模板值)，当第N行数据到来的时候，和缓存的N-1行数据进行N*N个方差计算，滤除求得的方差值小于阈值的对应左/右图像点。滤除是指对应相位值赋值为0，对应模板值赋值为1。这里求N*N个数据的方差，也可以是求均值或者中值，对左右图进行方差、均值、中值或者这三个值的组合滤波处理；
所述视差计算模块在进行匹配处理时，根据方差滤波模块输出的左右两幅图和对应的相位模板图，做视差计算，得到视差图；首先，缓存左和右图各一行数据在两个buffer中，由于计算视差需要知道左/右图对应列号，所以还需要缓存左和右图各一个包含列号和数据（相位值和相位模板值）的两个buffer，获取缓存左和右图数据值和列值做视差计算，得到视差图(视差值和视差模板值)；
所述视差约束模块是后匹配的第一个功能模块，实现错误点和不可靠视差值滤除，视差约束模块在进行匹配处理后，根据视差计算模块输出的视差图顺序性计算DSP模块，标记可靠视差图，再对可靠视差图进行方差滤波处理；
所述补洞和模板膨胀模块在进行匹配处理后，根据视差约束模块输出的视差图进行模板值膨胀和视差值补洞，最后通过膨胀后的模板值对视差值进行筛选，最终的输出完整的高精度视差图；补洞和模板膨胀模块是匹配后处理最后一步，这两个功能同步进行，共享缓存空间，大大节省了缓存，补洞计算的是N*N的均值，算得的均值作为均值计算的数据源，缓存一行均值，缓存N-1行视差值，当第N行视差值到来的时候，可进行N*N的均值计算，算出的均值作为孔洞的视差值，同时，模板膨胀模块使用缓存的M行（M小于等于N）模板值，进行模板膨胀，得到膨胀后的模板值，利用模板膨胀值对视差值和视差均值进行筛选，最终得到完整视差图。
本发明的一种实现双目增量视差匹配算法的方法及装置，使用硬件ASIC并行处理实现三维重建算法，简化三维重建***，提升效率，实现双目相机拍摄打条纹光图像的左右两幅图的视差提取，功耗低，速度快。
上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并加以实施，并不能以此限制本发明的保护范围，凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围内。
Claims (10)
1.一种实现双目增量视差匹配算法的方法，其特征在于：包括如下步骤，
S100，双目相机拍摄打了不同频率的条纹光的物体，获取左右拍摄图像；
S200，对获取的左右拍摄图像进行相位展开处理和极线校正处理，得到相位连续递增的左右两幅图和对应的相位模板图；
S300，将得到的相位连续递增的左右两幅图和对应的相位模板图进行匹配处理，得到完整视差图。
2.如权利要求1所述的一种实现双目增量视差匹配算法的方法，其特征在于：在S300中，进行匹配处理前，先对左右两幅图和对应的相位模板图进行方差滤波、滤除乱点和陡峭边缘处理，使得待匹配的左右两幅图相位值行内严格递增。
3.如权利要求2所述的一种实现双目增量视差匹配算法的方法，其特征在于：在S300中，进行匹配处理时，查找左右两幅图和对应的相位模板图行内的相位值相等的点，相位值相等的点作为同名点，同名点对应的左右两幅图和对应的相位模板图在行内的列序号之差作为视差值，得到包含视差值和视差模板值的视差图。
4.如权利要求3所述的一种实现双目增量视差匹配算法的方法，其特征在于：在S300中，将得到的视差图进行不可靠视差和乱点的滤除、模板值膨胀和视差值补洞，最后通过膨胀后的模板值对视差值进行筛选，得到最终的完整的高精度视差图。
5.如权利要求2所述的一种实现双目增量视差匹配算法的方法，其特征在于：进行方差滤波的步骤为，首先，求得以模板值对应为1为中心点的N*N个相位值的均值，然后求得方差，求得的方差值和阈值进行比较，大于阈值的值视为不可靠被滤掉，小于阈值的值进行保留。
6.如权利要求3所述的一种实现双目增量视差匹配算法的方法，其特征在于：进行匹配时，分别对左右两幅图和对应的相位模板图进行以行为单位，以左图为基准的视差计算处理，具体步骤如下：
S301，遍历左相位图的行，取第一行的第一列，左图当前列指针是cvl;
S302，遍历右相位图的行，取第一行的第一列，右图当前列指针是cvr；
S303，根据左右图相位模板图找到一个待匹配的点，待匹配点即模板值为1的点；判断当前列指针是cvl/cvr是否超过图像行宽，若超过行宽，执行S301和S302；
S304，找到左图中第一个大于右图第一个匹配点相位值的点，作为左图匹配开始的点，标记当前左图相位值作为左图最小相位值：
；
S305，找到右图中相邻的5个待匹配的点，若无，执行S301；否则，5个待匹配点中相位最小值作为右图相位最小值：
；
S306，左图中寻找与右图中当前点匹配的点：即左图当前相位值大于右图相位最小值；cvl=cvl+1，若cvl不超过行宽，在左图中找到与右图当前点匹配的点，否则，执行S301；
S307，右图中寻找与左图中当前点匹配的点：即右图当前相位值大于左图当前相位值；cvr=cvr+1，若cvr不超过行宽，在右图中找到与左图当前点匹配的点，否则，执行S302；
S308，左/右图对应找到了右/左图匹配的点，计算左右图的相位差值；判断此差值是否小于视差阈值，若小于阈值，记录此差值作为视差值，对应视差图的指针是*(dst+cvl)，接着执行S306；否则，执行S309；
S309，判断cvr是否在孔洞边缘：即判断cvr对应上一个点的模板值是否为0，若为0，即在空洞边缘，执行S306；否则，执行S310；
S310，线性插值求得与左图匹配点相位值相等的点的
对应的视差值：左图当前相位值记为
，右图当前相位值记为 
，右图前一个相位值记为
，则线性插值求得的视差值是：
对应视差图的指针是*(dst+cvl)；接着执行S306。
7.如权利要求4所述的一种实现双目增量视差匹配算法的方法，其特征在于：视差图进行不可靠视差和乱点的滤除步骤为视差值对应左图序号增加时，右图对应的序号也相应的增加，违背这个原则，即为错误点和不可靠视差，滤除该点，模板值赋值为0。
8.如权利要求7所述的一种实现双目增量视差匹配算法的方法，其特征在于：模板值膨胀是以视差图模板值对应为0的点视为孔洞，以此点为中心点，求得N*N个周围的点的均值，以此均值作为此点的视差值，实现孔洞的修补。
9.如权利要求8所述的一种实现双目增量视差匹配算法的方法，其特征在于：视差值补洞是以视差图模板值对应为0的点视为孔洞，以此点为中心点，周围 N*N个点有一个点的模板值为1，此点的模板值为1，以此实现模板膨胀，生成新的模板图。
10.一种实现双目增量视差匹配算法的装置，其特征在于：包括方差滤波模块、视差计算模块、视差约束模块以及补洞和模板膨胀模块；
所述方差滤波模块在进行匹配处理前，顺序对左右两幅图和对应的相位模板图进行方差滤波处理；
所述视差计算模块在进行匹配处理时，根据方差滤波模块输出的左右两幅图和对应的相位模板图，做视差计算，得到视差图；
所述视差约束模块在进行匹配处理后，根据视差计算模块输出的视差图顺序性计算DSP模块，标记可靠视差图，再对可靠视差图进行方差滤波处理；
所述补洞和模板膨胀模块在进行匹配处理后，根据视差约束模块输出的视差图进行模板值膨胀和视差值补洞，最后通过膨胀后的模板值对视差值进行筛选，最终的输出完整的高精度视差图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011335546.4A CN112419389B (zh) | 2020-11-25 | 2020-11-25 | 一种实现双目增量视差匹配算法的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011335546.4A CN112419389B (zh) | 2020-11-25 | 2020-11-25 | 一种实现双目增量视差匹配算法的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112419389A true CN112419389A (zh) | 2021-02-26 |
| CN112419389B CN112419389B (zh) | 2024-01-23 |
Family
ID=74842958
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011335546.4A Active CN112419389B (zh) | 2020-11-25 | 2020-11-25 | 一种实现双目增量视差匹配算法的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112419389B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116542938A (zh) * | 2023-05-09 | 2023-08-04 | 深圳聚源视芯科技有限公司 | 一种基于双目视觉的视差后处理***和方法 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101908230A (zh) * | 2010-07-23 | 2010-12-08 | 东南大学 | 一种基于区域深度边缘检测和双目立体匹配的三维重建方法 |
| US20130222550A1 (en) * | 2012-02-29 | 2013-08-29 | Samsung Electronics Co., Ltd. | Synthesis system of time-of-flight camera and stereo camera for reliable wide range depth acquisition and method therefor |
| CN103679707A (zh) * | 2013-11-26 | 2014-03-26 | 西安交通大学 | 基于双目相机视差图的道路障碍物检测***及检测方法 |
| CN107704844A (zh) * | 2017-10-25 | 2018-02-16 | 哈尔滨理工大学 | 基于无人机双目视差图像的输电线路覆冰厚度辨识方法 |
| CN107869968A (zh) * | 2017-12-01 | 2018-04-03 | 杭州测度科技有限公司 | 一种适用于复杂物体表面的快速三维扫描方法及*** |
| CN109798845A (zh) * | 2019-03-25 | 2019-05-24 | 青岛小优智能科技有限公司 | 一种基于激光光栅扫描的三维重建精度提升的方法与装置 |
| CN109903377A (zh) * | 2019-02-28 | 2019-06-18 | 四川川大智胜软件股份有限公司 | 一种无需相位展开的三维人脸建模方法及*** |
| CN110567398A (zh) * | 2019-09-02 | 2019-12-13 | 武汉光发科技有限公司 | 双目立体视觉三维测量方法及***、服务器及存储介质 |
| US20200166333A1 (en) * | 2016-12-07 | 2020-05-28 | Ki 'an Chishine Optoelectronics Technology Co., Ltd. | Hybrid light measurement method for measuring three-dimensional profile |
| CN111508009A (zh) * | 2020-07-02 | 2020-08-07 | 上海海栎创微电子有限公司 | 双目立体匹配预处理方法及其装置 |
| CN111563952A (zh) * | 2020-03-30 | 2020-08-21 | 北京理工大学 | 基于相位信息与空间纹理特征实现立体匹配方法及*** |
| WO2020172783A1 (zh) * | 2019-02-26 | 2020-09-03 | 武汉资联虹康科技股份有限公司 | 一种用于经颅磁刺激诊疗的人头姿态跟踪*** |
| CN111649694A (zh) * | 2020-06-04 | 2020-09-11 | 四川大学 | 一种隐式相位-视差映射的双目测量缺失点云插补方法 |
| US20200293763A1 (en) * | 2019-03-11 | 2020-09-17 | Wisesoft Co., Ltd. | Three-Dimensional Real Face Modeling Method and Three-Dimensional Real Face Camera System |
-
2020
- 2020-11-25 CN CN202011335546.4A patent/CN112419389B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101908230A (zh) * | 2010-07-23 | 2010-12-08 | 东南大学 | 一种基于区域深度边缘检测和双目立体匹配的三维重建方法 |
| US20130222550A1 (en) * | 2012-02-29 | 2013-08-29 | Samsung Electronics Co., Ltd. | Synthesis system of time-of-flight camera and stereo camera for reliable wide range depth acquisition and method therefor |
| CN103679707A (zh) * | 2013-11-26 | 2014-03-26 | 西安交通大学 | 基于双目相机视差图的道路障碍物检测***及检测方法 |
| US20200166333A1 (en) * | 2016-12-07 | 2020-05-28 | Ki 'an Chishine Optoelectronics Technology Co., Ltd. | Hybrid light measurement method for measuring three-dimensional profile |
| CN107704844A (zh) * | 2017-10-25 | 2018-02-16 | 哈尔滨理工大学 | 基于无人机双目视差图像的输电线路覆冰厚度辨识方法 |
| CN107869968A (zh) * | 2017-12-01 | 2018-04-03 | 杭州测度科技有限公司 | 一种适用于复杂物体表面的快速三维扫描方法及*** |
| WO2020172783A1 (zh) * | 2019-02-26 | 2020-09-03 | 武汉资联虹康科技股份有限公司 | 一种用于经颅磁刺激诊疗的人头姿态跟踪*** |
| CN109903377A (zh) * | 2019-02-28 | 2019-06-18 | 四川川大智胜软件股份有限公司 | 一种无需相位展开的三维人脸建模方法及*** |
| US20200293763A1 (en) * | 2019-03-11 | 2020-09-17 | Wisesoft Co., Ltd. | Three-Dimensional Real Face Modeling Method and Three-Dimensional Real Face Camera System |
| CN109798845A (zh) * | 2019-03-25 | 2019-05-24 | 青岛小优智能科技有限公司 | 一种基于激光光栅扫描的三维重建精度提升的方法与装置 |
| CN110567398A (zh) * | 2019-09-02 | 2019-12-13 | 武汉光发科技有限公司 | 双目立体视觉三维测量方法及***、服务器及存储介质 |
| CN111563952A (zh) * | 2020-03-30 | 2020-08-21 | 北京理工大学 | 基于相位信息与空间纹理特征实现立体匹配方法及*** |
| CN111649694A (zh) * | 2020-06-04 | 2020-09-11 | 四川大学 | 一种隐式相位-视差映射的双目测量缺失点云插补方法 |
| CN111508009A (zh) * | 2020-07-02 | 2020-08-07 | 上海海栎创微电子有限公司 | 双目立体匹配预处理方法及其装置 |
Non-Patent Citations (3)
| Title |
|---|
| 吏军平;丁亚洲;冯发杰;蔡平;刘欣怡;: "机载激光雷达点云辅助的镶嵌线自动选择", 测绘通报, no. 08 * |
| 张海洋;陈巍;叶松涛;陈新宇;: "基于双目结构光的高铁白车身三维测量方法", 控制与信息技术, no. 03 * |
| 李千;尹业安;: "基于双目摄像的测距***及立体匹配算法研究", 通信电源技术, no. 02 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116542938A (zh) * | 2023-05-09 | 2023-08-04 | 深圳聚源视芯科技有限公司 | 一种基于双目视觉的视差后处理***和方法 |
| CN116542938B (zh) * | 2023-05-09 | 2024-04-09 | 深圳聚源视芯科技有限公司 | 一种基于双目视觉的视差后处理***和方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112419389B (zh) | 2024-01-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111354042B (zh) | 机器人视觉图像的特征提取方法、装置、机器人及介质 | |
| CN110487216B (zh) | 一种基于卷积神经网络的条纹投影三维扫描方法 | |
| CN108198145B (zh) | 用于点云数据修复的方法和装置 | |
| CN110220493B (zh) | 一种双目测距方法及其装置 | |
| US11908152B2 (en) | Acceleration method of depth estimation for multiband stereo cameras | |
| CN116385505A (zh) | 数据处理方法、装置、***和存储介质 | |
| CN103414853B (zh) | 支持多自由度运动的视频图像序列实时稳定装置与方法 | |
| CN111340922A (zh) | 定位与地图构建的方法和电子设备 | |
| EP3110149B1 (en) | A system and a method for depth-image-based rendering | |
| KR101223206B1 (ko) | 3차원 영상 생성 방법 및 시스템 | |
| Miyajima et al. | A real-time stereo vision system with FPGA | |
| CN113610918A (zh) | 位姿计算方法和装置、电子设备、可读存储介质 | |
| KR20140054710A (ko) | 3차원 지도 생성 장치 및 3차원 지도 생성 방법 | |
| CN110096993A (zh) | 双目立体视觉的目标检测设备及方法 | |
| CN112419389B (zh) | 一种实现双目增量视差匹配算法的方法及装置 | |
| CN111428651B (zh) | 一种车辆的障碍信息获取方法、***及车辆 | |
| CN107392898B (zh) | 应用于双目立体视觉中的像素点视差值计算方法及装置 | |
| CN109300154A (zh) | 一种基于双目立体的测距方法及装置 | |
| CN112270748B (zh) | 基于图像的三维重建方法及装置 | |
| CN104504751B (zh) | 重建爆震火焰表面三维几何外形的诊断方法 | |
| Roszkowski et al. | FPGA design of the computation unit for the semi-global stereo matching algorithm | |
| CN108090930A (zh) | 基于双目立体相机的障碍物视觉检测***及方法 | |
| CN108022429B (zh) | 一种车辆检测的方法及装置 | |
| CN116109778A (zh) | 基于深度学习的人脸三维重建方法、计算机设备与介质 | |
| JP2941139B2 (ja) | 視差画像作成方法および装置 |
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 |