CN112465947A - 影像的虚拟空间建立方法及*** - Google Patents
影像的虚拟空间建立方法及*** Download PDFInfo
- Publication number
- CN112465947A CN112465947A CN202011294053.0A CN202011294053A CN112465947A CN 112465947 A CN112465947 A CN 112465947A CN 202011294053 A CN202011294053 A CN 202011294053A CN 112465947 A CN112465947 A CN 112465947A
- Authority
- CN
- China
- Prior art keywords
- image
- parallel
- line
- lens
- lines
- 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 63
- 238000011084 recovery Methods 0.000 claims abstract description 57
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000003068 static effect Effects 0.000 claims description 14
- 230000001678 irradiating effect Effects 0.000 claims description 6
- 239000007787 solid Substances 0.000 claims description 4
- 230000008859 change Effects 0.000 description 24
- 238000004458 analytical method Methods 0.000 description 19
- 238000005516 engineering process Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 238000005457 optimization Methods 0.000 description 12
- 230000009467 reduction Effects 0.000 description 12
- 230000000007 visual effect Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000012937 correction Methods 0.000 description 8
- 238000013499 data model Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 8
- 238000011160 research Methods 0.000 description 8
- 230000009466 transformation Effects 0.000 description 8
- 230000009977 dual effect Effects 0.000 description 5
- 210000004556 brain Anatomy 0.000 description 4
- 230000019771 cognition Effects 0.000 description 4
- 230000001149 cognitive effect Effects 0.000 description 4
- 238000005429 filling process Methods 0.000 description 4
- 230000001788 irregular Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 239000003550 marker Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 210000001525 retina Anatomy 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000011161 development Methods 0.000 description 2
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/469—Contour-based spatial representations, e.g. vector-coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及一种影像的虚拟空间建立方法及***,是让拍摄装置的镜头轴线与实景中已知垂直间距的标志直线平行,对实景及平行标志线进行拍摄,所述平行标志线为拍摄实景中的实际平行标志线或为拍摄装置附配或附带的激光头向实景中投射的激光平行标志线;或者通过主副镜头拍摄同一实景,在主镜头拍摄的影像里,形成的斜向副镜头轴线作为平行标志线;以影像中平行标志线与镜头轴线所在影像中心线在任何距离处代表的实际垂直间距都是已知固定垂直间距为基准,将平面影像里近大远小的景物以实景恢复方式建立在三维虚拟空间里。具有容易拍摄,还能将拍摄影像建立在虚拟空间里的优点。
Description
技术领域
本发明涉及一种影像空间建立方法,特别是涉及一种影像的虚拟空间建立方法及***。
背景技术
智能手机和其它现代化影像拍摄设备的普及,使得拍摄影像变得异常容易,但是,在影像资源的开发利用技术方面,远远不及影像获取本身这样发达,例如:如何把影像拍摄对像,以虚拟空间方式建立起来,如果这项技术能够实现,必然使得平凡而又司空见惯的影像产生无穷的应用价值。
发明内容
本发明目的在于克服现有技术的上述缺陷,提供一种影像的虚拟空间建立方法,本发明目的还在于提供用于实现该方法的***。
为实现上述目的,本发明影像的虚拟空间建立方法,其特别之处在于让拍摄装置的镜头轴线与实景中已知垂直间距的标志直线平行,对实景及平行标志线进行拍摄,所述平行标志线为拍摄实景中的实际平行标志线或为拍摄装置附配或附带的激光头向实景中投射的激光平行标志线;或者拍摄装置设置镜头轴线平行并已知间距的主副镜头,主副镜头同时对实景进行拍摄,对副镜头拍摄的副影像里的镜头轴线所在中心线或中心线参照物进行识别标记,在主镜头拍摄的主影像中依据所述识别标记标出副镜头轴线所在倾斜中心线,以主镜头拍摄的主影像中标出的副镜头轴线所在倾斜中心线作为被拍摄实景里的平行标志线。中心线进行识别标记,可以是影像里中心线路径上像素参数进行识别标示,也可以是对影像里中心线路径上的至少两个明显标志点,进行识别标记,在主镜头拍摄的主影像找到至少这两个明显标志点,将这两明显标志点连接起来的直线,就是副镜头轴线所在倾斜中心线作为被拍摄实景里的平行标志线了。中心线参照物,比如影像里中心线经过的一个明显标志点,和与中心线外参照物上与中线线平行的参照物轮廓线,在主影像里,画一个经过这个明显标志点并且与参照物轮廓线平行的直线,就是副镜头轴线所在倾斜中心线作为被拍摄实景里的平行标志线了,也比如在副影像里中心线参照物是中心线两对横向连线垂直于中心线的四个明显标志点,测量识别每个明显标志点到中心线横向距离,在主影像里依据每对明显标志点到中心线距离比,来重新构建出倾斜的标志线,等等。所述垂直间距是当两个平行线都垂直于拍摄景物的影物虚拟地面,两个平行线各自所在垂直于影物虚拟地面的垂直平面,之间的间距。
以影像中平行标志线与镜头轴线所在影像中心线在任何距离处代表的实际垂直间距都是已知固定垂直间距为基准,将平面影像里近大远小的景物以实景恢复方式建立在三维虚拟空间里。也就是以拍摄影像里中心线与倾斜状态的平行标志线间距,从远小近大状态恢复到实景中平行并已知固定间距为基础数据,对整个影像中所有景物进行实景恢复,建立实景恢复式三维影像。拍摄装置和附配的激光头,都分别配有用于校对方向和水平的陀螺仪,或者经纬仪,或者指南针和水平仪,和测距仪。将平面影像里近大远小的景物以实景恢复方式建立在三维虚拟空间里比如,相同距离处的所有景物远大近小的缩小比例相同,也就相同距离处的景物在影像里的长宽高及任何其它垂直于镜头轴线的尺寸,都按相同比例缩小;恢复时,当然也按相同比例加大。具有容易拍摄,还能将拍摄影像建立在虚拟空间里的优点。
作为优化,让拍摄装置的镜头位于已知间距的两条平行标志线中间,并使镜头轴线平行于两条平行标志线,拍摄附自近端至远端纵向平行伸展的所述两条平行标志线的影像;或者让拍摄装置的两个左右平行镜头分别和共同拍摄同一实景的左右和中间影像,对左右平行镜头分别拍摄的左右影像里的镜头轴线所在中心线或中心线参照物进行识别标记,在共同拍摄的中间影像中依据所述识别标记分别标出左右平行镜头轴线所在倾斜中心线,以共同拍摄的中间影像中标出的左右平行镜头轴线所在倾斜中心线作为被拍摄实景里的两条平行标志线。
以影像中两条平行标志线在任何距离处的实际间距都是已知间距为基准,将平面影像里近大远小的景物以恢复方式建立在三维虚拟空间里。两条平行标志线可以是实景里的平行实线,也可以是拍摄装置自带的激光头在实景上形成的平行激光线。将平面影像里近大远小的景物以实景恢复方式建立在三维虚拟空间里比如,相同距离处的所有景物远大近小的缩小比例相同,也就相同距离处的景物在影像里的长宽高及任何其它垂直于镜头轴线的尺寸,都按相同比例缩小;恢复时,当然也按相同比例加大。具有容易拍摄,还能将拍摄影像建立在虚拟空间里的优点。
作为优化,纵向长度的恢复是在影像中两条平行标志线近端横向间距的距离已知,以及在影像中两条平行标志线近端横线一端到远端横线中点的夹角与实景夹角相同,并且可测的基础上,利用几何计算得出近端到远端的实际纵向进深长度,并以此长度影像里景物纵向进深长度以恢复方式建立在虚拟空间里。几何计算是用已知的影像中两条平行标志线近端横向间距线的距离的一半作为直三角形短边长度,用影像中两条平行标志线近端横向间距线与该近端横向间距线一端同影像中两条平行标志线远端横向间距线中点的之间连线的夹角等于影像的夹角作为所述直三角形短边角角度,利用直角函数计算出所述直三角形长边长度。
实景恢复中的横向长度恢复是在每个已经恢复的纵向长度段面上影像里两条平行标志线的影像间距与影像里两条平行标志线的近端影像间距的比例关系数值,在虚拟空间里反向扩增每个已经恢复的纵向长度段面上所有景物横向长度。恢复中的竖向高度恢复是在每个已经恢复的纵向长度段面上影像里两条平行标志线的影像间距与影像里两条平行标志线的近端影像间距的比例关系数值,在虚拟空间里反向扩增每个已经恢复的纵向长度段面上所有景物竖向高度。实景恢复中的尺寸恢复是在每个已经恢复的纵向长度段面上影像里两条平行标志线的影像间距与影像里两条平行标志线的近端影像间距的比例关系数值,在虚拟空间里反向扩增校正每个已经恢复的纵向长度段面上所有景物立体尺寸。
作为优化,每个画面都有一条中心线,且与所拍实际路面与摄像头中心线重合;每个画面都有个中心点,就叫画心,同样在中心线为底边和高度数据构成的平面里;且摄像机镜头中心线平行于地面时,理论上A垂线高度是等于B垂线的高度;上下左右四面远端都在以R角向画心倾斜,同个静止影像里角度不变。
恢复是先确定一个相对的,适应影像视觉的虚拟地面平面数据,遵循确认中心线,及图片上的近端线的一段线段的实际尺寸和图画尺寸的换算,等距尺寸远小近大,R倾斜角延伸远方;这个平面在向上水淹没式的整体抬升,或反向水平面下降,同一个水平高的的像素就是相等的高度,还有相距多少,面积多少;各个像素的三维数据就出来了。
总知,我们一直认为电脑只是认识0和1,没有空间和平面只分,那是逻辑架构没有加入空间元素,我们用眼睛观察远处以及近处的事物,除了记住是物体的颜色之外还会记住其空间位置,有了空间位置眼前的事物就自然的分割成了独立的,一个个大小不一的物体,也都是遵循远小近大,近高远低等规律的。
人眼是第一观察者,光线投射视网膜后就被大脑采集规划了,感觉近处就是横平竖直,是没有问题的,可我们用摄像头观察后记录的影像,人已经是第二人的角度观察影像了,空间在影像里变形了的,其实镜头和眼睛看到的是一样的一切,可我们解读时,因为我们的认知局限,才认为电脑只会读0和1。
记录为变形影像后怎么还原数据呢,并且把空间中的事物一个个独立出来,这就要研究影像图片中的空间一些不变要素,和转换的规律。
以观察一段站在标准路面中心线上九十度垂直路面拍摄的图片中的平直标准公路为例,经研究我发现如下几点:1.每个画面都有一条中心线,且与所拍实际路面与摄像头中心线重合。2.每个画面都有个中心点,就叫画心,如图1,也在中心线为底边和高度数据构成的平面里。且摄像机镜头中心线平行于地面时,理论上A垂线高度是等于B垂线的高度。3.上下左右四面远端都在以R角向画心倾斜,同个静止影像里角度不变。4.影像里等距线再画面中心线两旁的视觉斜线上,视觉斜线的倾斜角度R同个静止画面内是不变的。5.从近端任意垂直于中心线上的任意一段线段,作为三角形的底部,中心线之外的一端和中心线远端任意一点所得夹角角度B和实际测量角度相等。反过来以远端为底边所得角要加上倾斜角R才能和B角相等。
得到角度后再确定标准路面的宽度,利用三角函数就可计算出远端线和近端线的距离,这些数据就可构成一个虚拟数据空间,测量角度及计算距离只是矫正数据空间的误差,确定两个地点的距离和位置信息后就可把做好的立体空间数据套嵌进画面中,其它任意点的数据按照影像空间嵌套数据模型还原变换规律计算就都有了。
上面说的是标准路面情况,不规则的路面怎么办呢,需要拍照的同时用两条特定设置在摄像设备上,其等距分列在镜头中心两旁的两个激光头,发出两条平行于中心线的激光线,其扫描在地面上的两条线的中心线是和影像资料里的中心线重合的,也可用于测量视觉斜角R,两条激光线的间距,以激光线的特性是不变的,就像影像配上了合适的尺子,这样就可适应大多数情况的测量及应用了,并随时在移动的影像中纠正误差。
还有一种方法和人眼睛一样双镜头空间建立法,两个镜头分析可单独工作也可互为纠错。利用两个镜头的所得照片还原重合后,两条中心线间距构建立体空间,两条中心线间距的中心线就是合成图片后的中心线。模型构建后每个像素点相当于双数据定位,其也可归纳为三角形定位。也可单镜头,定距横移也可完成工作。这种方法定位准确,随时纠错。完全能达到厘米级以上。数据信息改间接测量,为直接测量。
这几种办法都是要先确定一段图片上的距离,在以这线段建立面,再到高,再结合图片空间变换规律,虚拟空间模型就可建立,嵌套到图片上通过软件分析就可以提取需要的数据了。
立体虚拟空间建模详解:1.首先在近端任意一条垂直于画面中心线段为近端A线。2.近端线上两条激光线通过的D点和H点间的间距是实际两个激光头中心的距离,为已知数据。3.以DH线段的图面长度为基本,来确定近端A线的图片长度及实际空间长度的换算。4.因激光线实际间距相等,图片中激光线通过的其他任意垂直中心线的线段,虽然图片上的间距长度不等,但实际代表的距离是相等的。5.其他任意激光线通过的任意垂直于中心线的线段,都可以其线段上的激光间距线为基础长度,测量所在线段的长度。举例说明DH线段和D1H1线段所代表的实际空间距离是相等的。两条激光线互为等距线,在视觉斜线上。还可通过近端线DH图面长度和远端线D1H1的比值来计算距离。6.近端A线和远端B线的距离可以用画面PDO直角三角形相关三角函数数据计算出来,角PDO的角度和实际空间相对位置的角度相同。7.角N.H1.H是图片的变化倾斜角。8.结合上面数据,及变化规律,平面变化数据模型就建立了,其他三面也是这样构建,立体虚拟空间模型也就构建起来了。能把虚拟变形空间还原成实际方正空间。应用到交通导航可以让个人轻松构建自己的立体交通地图。
本空间构成技术,可应用到所有影像资料实时处理及事后分析中,如公安、环水、消防、城管、交通、应急等。而且超越了以前的计算机平面认知,使数据直接立体化,能让计算机直接区分各个物体的属性和空间位置等信息。本技术能实现自动建模,简单说只要先构建一个虚拟影像变化空间,再嵌套到拍摄影像中就完成了,物体自然得到了空间位置坐标,把任何一个像素都给一个坐标,长宽高面积等就自然存在了,就是一个填充的过程。摄像设备忠实的记录了所看到的一切,就看我们能否用正确的办法把其还原。其成本只是在原有摄像设备基础上增加一个分析软件而已。应用中惯性计算和激光多点扫描都只是辅助纠错不在是中心。
本技术是先确定一个相对的,适应影像视觉的虚拟地面平面数据,遵循确认中心线,及图片上的近端线的一段线段的实际尺寸和图画尺寸的换算,等距尺寸远小近大,R倾斜角延伸远方等。这个平面在向上水淹没式的整体抬升,或反向水平面下降,同一个水平高的的像素就是相等的高度,还有相距多少,面积多少等,各个像素的三维数据就出来了。
作为优化,所述两条平行标志线是影像中固有的已知间距的两条实体平行标志线;或者是所述拍摄装置上在镜头垂线两侧对称分布的两个激光头或所述拍摄装置附配的在拍摄时镜头垂线两侧地面对称分布的两个激光头射出的与镜头轴线平行的两条激光线在影像实景中照射形成的已知间距的两条激光平行标志线。附配的两个激光头和拍摄装置,都分别配有用于校对方向和水平的陀螺仪,或者经纬仪,或者指南针和水平仪。
作为优化,拍摄左右和中间影像的拍摄装置设置三个等距分布的平行镜头,中间镜头用于拍摄中间影像。所述中心线或中心线参照物进行识别标记为影像里中心线上或中心线参照物的图像识别特征。影像里中心线上的图像识别特征是拍摄影像里中心线所在线上的依次顺序排列的特征像点要素排列数码,如像点颜色和亮度数值。中心线参照物的图像识别特征是拍摄影像里具有显著图像特征的景物轮廓,依据其在左右和中间影像里轮廓的变化或与左右和中间影像里中心线的横向距离变化推算标出中间影像里两条平行标志线。
用于实现本发明所述影像的虚拟空间建立方法的***包括单镜头拍摄装置或附与镜头轴线平行激光头轴线并已知轴线垂直间距的拍摄装置,拍摄装置的镜头轴线与实景中已知垂直间距的标志直线平行,对实景及平行标志线进行拍摄,所述平行标志线为拍摄实景中的实际平行标志线或为拍摄装置附配或附带的激光头向实景中投射的激光平行标志线;或者包括拍摄装置设置镜头轴线平行并已知间距的主副镜头,主副镜头同时对实景进行拍摄,对副镜头拍摄的副影像里的镜头轴线所在中心线或中心线参照物进行识别标记,在主镜头拍摄的主影像中依据所述识别标记标出副镜头轴线所在倾斜中心线,以主镜头拍摄的主影像中标出的副镜头轴线所在倾斜中心线作为被拍摄实景里的平行标志线。中心线进行识别标记,可以是影像里中心线路径上像素参数进行识别标示,也可以是对影像里中心线路径上的至少两个明显标志点,进行识别标记,在主镜头拍摄的主影像找到至少这两个明显标志点,将这两明显标志点连接起来的直线,就是副镜头轴线所在倾斜中心线作为被拍摄实景里的平行标志线了。中心线参照物,比如影像里中心线经过的一个明显标志点,和与中心线外参照物上与中线线平行的参照物轮廓线,在主影像里,画一个经过这个明显标志点并且与参照物轮廓线平行的直线,就是副镜头轴线所在倾斜中心线作为被拍摄实景里的平行标志线了,也比如在副影像里中心线参照物是中心线两对横向连线垂直于中心线的四个明显标志点,测量识别每个明显标志点到中心线横向距离,在主影像里依据每对明显标志点到中心线距离比,来重新构建出倾斜的标志线,等等。所述垂直间距是当两个平行线都垂直于拍摄景物的影物虚拟地面,两个平行线各自所在垂直于影物虚拟地面的垂直平面,之间的间距。
以影像中平行标志线与镜头轴线所在影像中心线在任何距离处代表的实际垂直间距都是已知固定垂直间距为基准,将平面影像里近大远小的景物以实景恢复方式建立在三维虚拟空间里。也就是以拍摄影像里中心线与倾斜状态的平行标志线间距,从远小近大状态恢复到实景中平行并已知固定间距为基础数据,对整个影像中所有景物进行实景恢复,建立实景恢复式三维影像。拍摄装置和附配的激光头,都分别配有用于校对方向和水平的陀螺仪,或者经纬仪,或者指南针和水平仪,和测距仪。将平面影像里近大远小的景物以实景恢复方式建立在三维虚拟空间里比如,相同距离处的所有景物远大近小的缩小比例相同,也就相同距离处的景物在影像里的长宽高及任何其它垂直于镜头轴线的尺寸,都按相同比例缩小;恢复时,当然也按相同比例加大。具有容易拍摄,还能将拍摄影像建立在虚拟空间里的优点。
作为优化,拍摄装置上在镜头垂线两侧设置对称分布的两个激光头,两个激光头射出与镜头轴线平行的两条激光线在影像中照射形成两条激光平行标志线,或拍摄装置拍摄附自近端至远端纵向平行伸展的所述两条平行标志线的实景影像;或者拍摄装置设置两个左右平行镜头,或者让拍摄装置的两个左右平行镜头分别和共同拍摄同一实景的左右和中间影像,对左右平行镜头分别拍摄的左右影像里的镜头轴线所在中心线或中心线参照物进行识别标记,在共同拍摄的中间影像中依据所述识别标记分别标出左右平行镜头轴线所在倾斜中心线,以共同拍摄的中间影像中标出的左右平行镜头轴线所在倾斜中心线作为被拍摄实景里的两条平行标志线。
以影像中两条平行标志线在任何距离处代表的实际间距都是已知间距为基准,将平面影像里近大远小的景物以恢复方式建立在三维虚拟空间里。将平面影像里近大远小的景物以实景恢复方式建立在三维虚拟空间里比如,相同距离处的所有景物远大近小的缩小比例相同,也就相同距离处的景物在影像里的长宽高及任何其它垂直于镜头轴线的尺寸,都按相同比例缩小;恢复时,当然也按相同比例加大。具有容易拍摄,还能将拍摄影像建立在虚拟空间里的优点。
作为优化,纵向长度的恢复是在影像中两条平行标志线近端横向间距的距离已知,以及在影像中两条平行标志线近端横线一端到远端横线中点的夹角与实景夹角相同,并且可测的基础上,利用几何计算得出近端到远端的实际纵向进深长度,并以此长度影像里景物纵向进深长度以恢复方式建立在虚拟空间里。几何计算是用已知的影像中两条平行标志线近端横向间距线的距离的一半作为直三角形短边长度,用影像中两条平行标志线近端横向间距线与该近端横向间距线一端同影像中两条平行标志线远端横向间距线中点的之间连线的夹角等于影像的夹角作为所述直三角形短边角角度,利用直角函数计算出所述直三角形长边长度。
作为优化,恢复中的横向长度恢复是在每个已经恢复的纵向长度段面上影像里两条平行标志线的影像间距与影像里两条平行标志线的近端影像间距的比例关系数值,在虚拟空间里反向扩增每个已经恢复的纵向长度段面上所有景物横向长度。恢复中的竖向高度恢复是在每个已经恢复的纵向长度段面上影像里两条平行标志线的影像间距与影像里两条平行标志线的近端影像间距的比例关系数值,在虚拟空间里反向扩增每个已经恢复的纵向长度段面上所有景物竖向高度。实景恢复中的尺寸恢复是在每个已经恢复的纵向长度段面上影像里两条平行标志线的影像间距与影像里两条平行标志线的近端影像间距的比例关系数值,在虚拟空间里反向扩增校正每个已经恢复的纵向长度段面上所有景物立体尺寸。
作为优化,每个画面都有一条中心线,且与所拍实际路面与摄像头中心线重合;每个画面都有个中心点,就叫画心,同样在中心线为底边和高度数据构成的平面里;且摄像机镜头中心线平行于地面时,理论上A垂线高度是等于B垂线的高度;上下左右四面远端都在以R角向画心倾斜,同个静止影像里角度不变。
恢复是先确定一个相对的,适应影像视觉的虚拟地面平面数据,遵循确认中心线,及图片上的近端线的一段线段的实际尺寸和图画尺寸的换算,等距尺寸远小近大,R倾斜角延伸远方;这个平面在向上水淹没式的整体抬升,或反向水平面下降,同一个水平高的的像素就是相等的高度,还有相距多少,面积多少;各个像素的三维数据就出来了。
总知,我们一直认为电脑只是认识0和1,没有空间和平面只分,那是逻辑架构没有加入空间元素,我们用眼睛观察远处以及近处的事物,除了记住是物体的颜色之外还会记住其空间位置,有了空间位置眼前的事物就自然的分割成了独立的,一个个大小不一的物体,也都是遵循远小近大,近高远低等规律的。
人眼是第一观察者,光线投射视网膜后就被大脑采集规划了,感觉近处就是横平竖直,是没有问题的,可我们用摄像头观察后记录的影像,人已经是第二人的角度观察影像了,空间在影像里变形了的,其实镜头和眼睛看到的是一样的一切,可我们解读时,因为我们的认知局限,才认为电脑只会读0和1。
记录为变形影像后怎么还原数据呢,并且把空间中的事物一个个独立出来,这就要研究影像图片中的空间一些不变要素,和转换的规律。
以观察一段站在标准路面中心线上九十度垂直路面拍摄的图片中的平直标准公路为例,经研究我发现如下几点:1.每个画面都有一条中心线,且与所拍实际路面与摄像头中心线重合。2.每个画面都有个中心点,就叫画心,如图1,也在中心线为底边和高度数据构成的平面里。且摄像机镜头中心线平行于地面时,理论上A垂线高度是等于B垂线的高度。3.上下左右四面远端都在以R角向画心倾斜,同个静止影像里角度不变。4.影像里等距线再画面中心线两旁的视觉斜线上,视觉斜线的倾斜角度R同个静止画面内是不变的。5.从近端任意垂直于中心线上的任意一段线段,作为三角形的底部,中心线之外的一端和中心线远端任意一点所得夹角角度B和实际测量角度相等。反过来以远端为底边所得角要加上倾斜角R才能和B角相等。
得到角度后再确定标准路面的宽度,利用三角函数就可计算出远端线和近端线的距离,这些数据就可构成一个虚拟数据空间,测量角度及计算距离只是矫正数据空间的误差,确定两个地点的距离和位置信息后就可把做好的立体空间数据套嵌进画面中,其它任意点的数据按照影像空间嵌套数据模型还原变换规律计算就都有了。
上面说的是标准路面情况,不规则的路面怎么办呢,需要拍照的同时用两条特定设置在摄像设备上,其等距分列在镜头中心两旁的两个激光头,发出两条平行于中心线的激光线,其扫描在地面上的两条线的中心线是和影像资料里的中心线重合的,也可用于测量视觉斜角R,两条激光线的间距,以激光线的特性是不变的,就像影像配上了合适的尺子,这样就可适应大多数情况的测量及应用了,并随时在移动的影像中纠正误差。
还有一种方法和人眼睛一样双镜头空间建立法,两个镜头分析可单独工作也可互为纠错。利用两个镜头的所得照片还原重合后,两条中心线间距构建立体空间,两条中心线间距的中心线就是合成图片后的中心线。模型构建后每个像素点相当于双数据定位,其也可归纳为三角形定位。也可单镜头,定距横移也可完成工作。这种方法定位准确,随时纠错。完全能达到厘米级以上。数据信息改间接测量,为直接测量。
这几种办法都是要先确定一段图片上的距离,在以这线段建立面,再到高,再结合图片空间变换规律,虚拟空间模型就可建立,嵌套到图片上通过软件分析就可以提取需要的数据了。
立体虚拟空间建模详解:1.首先在近端任意一条垂直于画面中心线段为近端A线。2.近端线上两条激光线通过的D点和H点间的间距是实际两个激光头中心的距离,为已知数据。3.以DH线段的图面长度为基本,来确定近端A线的图片长度及实际空间长度的换算。4.因激光线实际间距相等,图片中激光线通过的其他任意垂直中心线的线段,虽然图片上的间距长度不等,但实际代表的距离是相等的。5.其他任意激光线通过的任意垂直于中心线的线段,都可以其线段上的激光间距线为基础长度,测量所在线段的长度。举例说明DH线段和D1H1线段所代表的实际空间距离是相等的。两条激光线互为等距线,在视觉斜线上。还可通过近端线DH图面长度和远端线D1H1的比值来计算距离。6.近端A线和远端B线的距离可以用画面PDO直角三角形相关三角函数数据计算出来,角PDO的角度和实际空间相对位置的角度相同。7.角N.H1.H是图片的变化倾斜角。8.结合上面数据,及变化规律,平面变化数据模型就建立了,其他三面也是这样构建,立体虚拟空间模型也就构建起来了。能把虚拟变形空间还原成实际方正空间。应用到交通导航可以让个人轻松构建自己的立体交通地图。
本空间构成技术,可应用到所有影像资料实时处理及事后分析中,如公安、环水、消防、城管、交通、应急等。而且超越了以前的计算机平面认知,使数据直接立体化,能让计算机直接区分各个物体的属性和空间位置等信息。本技术能实现自动建模,简单说只要先构建一个虚拟影像变化空间,再嵌套到拍摄影像中就完成了,物体自然得到了空间位置坐标,把任何一个像素都给一个坐标,长宽高面积等就自然存在了,就是一个填充的过程。摄像设备忠实的记录了所看到的一切,就看我们能否用正确的办法把其还原。其成本只是在原有摄像设备基础上增加一个分析软件而已。应用中惯性计算和激光多点扫描都只是辅助纠错不在是中心。
本技术是先确定一个相对的,适应影像视觉的虚拟地面平面数据,遵循确认中心线,及图片上的近端线的一段线段的实际尺寸和图画尺寸的换算,等距尺寸远小近大,R倾斜角延伸远方等。这个平面在向上水淹没式的整体抬升,或反向水平面下降,同一个水平高的的像素就是相等的高度,还有相距多少,面积多少等,各个像素的三维数据就出来了。
作为优化,所述两条平行标志线是影像中固有的已知间距的两条实体平行标志线;或者是所述拍摄装置上在镜头垂线两侧对称分布的两个激光头或所述拍摄装置附配的在拍摄时镜头垂线两侧地面对称分布的两个激光头射出的与镜头轴线平行的两条激光线在影像实景中照射形成的已知间距的两条激光平行标志线。附配的两个激光头和拍摄装置,都分别配有用于校对方向和水平的陀螺仪,或者经纬仪,或者指南针和水平仪。
作为优化,拍摄左右和中间影像的拍摄装置设置三个等距分布的平行镜头,中间镜头用于拍摄中间影像。所述中心线或中心线参照物进行识别标记为影像里中心线上或中心线参照物的图像识别特征。影像里中心线上的图像识别特征是拍摄影像里中心线所在线上的依次顺序排列的特征像点要素排列数码,如像点颜色和亮度数值。中心线参照物的图像识别特征是拍摄影像里具有显著图像特征的景物轮廓,依据其在左右和中间影像里轮廓的变化或与左右和中间影像里中心线的横向距离变化推算标出中间影像里两条平行标志线。
采用上述技术方案后,本发明影像的虚拟空间建立方法及***具有容易拍摄,还能将拍摄影像建立在虚拟空间里的优点。
附图说明
图1是本发明影像的虚拟空间建立方法及***的影像图与实际空间关系侧视关系分析图;图2是本发明影像的虚拟空间建立方法及***的影像前视分析图;图3是本发明影像的虚拟空间建立方法及***的双激光线在影像中的应用示意图;图4是本发明影像的虚拟空间建立方法及***的双眼及双镜头定距离原理分析图;图5是本发明影像的虚拟空间建立方法及***的单镜头定距横移法分析图;图6是本发明影像的虚拟空间建立方法及***的近端A线虚拟空间建模分析图。图7是本发明影像的虚拟空间建立方法及***的镜头两侧左右激光头在拍摄影像里左右激光线分别与中心线配合的分析图。
图1中标号:摄像机为1,等距线C为2,中心延长线为3,等距线B为4,垂线为5,B垂线为6,圆心为7;图3中激光线A为8,激光线B为9;图4中镜头一中线为10,间距线为11,镜头二中线为12;图6中,近端A线为13,也可称为近横线,远端B线为14,也可称为远横线,中心线为15。图7中,中心线为15,左激光线为16,右激光线为17。
具体实施方式
本发明影像的虚拟空间建立方法是让拍摄装置的镜头轴线与实景中已知垂直间距的标志直线平行,对实景及平行标志线进行拍摄,所述平行标志线为拍摄实景中的实际平行标志线或为拍摄装置附配或附带的激光头向实景中投射的激光平行标志线;或者拍摄装置设置镜头轴线平行并已知间距的主副镜头,主副镜头同时对实景进行拍摄,对副镜头拍摄的副影像里的镜头轴线所在中心线或中心线参照物进行识别标记,在主镜头拍摄的主影像中依据所述识别标记标出副镜头轴线所在倾斜中心线,以主镜头拍摄的主影像中标出的副镜头轴线所在倾斜中心线作为被拍摄实景里的平行标志线。中心线进行识别标记,可以是影像里中心线路径上像素参数进行识别标示,也可以是对影像里中心线路径上的至少两个明显标志点,进行识别标记,在主镜头拍摄的主影像找到至少这两个明显标志点,将这两明显标志点连接起来的直线,就是副镜头轴线所在倾斜中心线作为被拍摄实景里的平行标志线了。中心线参照物,比如影像里中心线经过的一个明显标志点,和与中心线外参照物上与中线线平行的参照物轮廓线,在主影像里,画一个经过这个明显标志点并且与参照物轮廓线平行的直线,就是副镜头轴线所在倾斜中心线作为被拍摄实景里的平行标志线了,也比如在副影像里中心线参照物是中心线两对横向连线垂直于中心线的四个明显标志点,测量识别每个明显标志点到中心线横向距离,在主影像里依据每对明显标志点到中心线距离比,来重新构建出倾斜的标志线,等等。所述垂直间距是当两个平行线都垂直于拍摄景物的影物虚拟地面,两个平行线各自所在垂直于影物虚拟地面的垂直平面,之间的间距。
以影像中平行标志线与镜头轴线所在影像中心线在任何距离处代表的实际垂直间距都是已知固定垂直间距为基准,将平面影像里近大远小的景物以实景恢复方式建立在三维虚拟空间里。也就是以拍摄影像里中心线与倾斜状态的平行标志线间距,从远小近大状态恢复到实景中平行并已知固定间距为基础数据,对整个影像中所有景物进行实景恢复,建立实景恢复式三维影像。拍摄装置和附配的激光头,都分别配有用于校对方向和水平的陀螺仪,或者经纬仪,或者指南针和水平仪,和测距仪。将平面影像里近大远小的景物以实景恢复方式建立在三维虚拟空间里比如,相同距离处的所有景物远大近小的缩小比例相同,也就相同距离处的景物在影像里的长宽高及任何其它垂直于镜头轴线的尺寸,都按相同比例缩小;恢复时,当然也按相同比例加大。具有容易拍摄,还能将拍摄影像建立在虚拟空间里的优点。
让拍摄装置的镜头位于已知间距的两条平行标志线中间,并使镜头轴线平行于两条平行标志线,拍摄附自近端至远端纵向平行伸展的所述两条平行标志线的影像;或者让拍摄装置的两个左右平行镜头分别和共同拍摄同一实景的左右和中间影像,对左右平行镜头分别拍摄的左右影像里的镜头轴线所在中心线或中心线参照物进行识别标记,在共同拍摄的中间影像中依据所述识别标记分别标出左右平行镜头轴线所在倾斜中心线,以共同拍摄的中间影像中标出的左右平行镜头轴线所在倾斜中心线作为被拍摄实景里的两条平行标志线。
以影像中两条平行标志线在任何距离处代表的实际间距都是已知间距为基准,将平面影像里近大远小的景物以恢复方式建立在三维虚拟空间里。两条平行标志线可以是实景里的平行实线,也可以是拍摄装置自带的激光头在实景上形成的平行激光线。所述两条平行标志线是影像中固有的已知间距的两条实体平行标志线;或者是所述拍摄装置上在镜头垂线两侧对称分布的两个激光头或所述拍摄装置附配的在拍摄时镜头垂线两侧地面对称分布的两个激光头射出的与镜头轴线平行的两条激光线在影像实景中照射形成的已知间距的两条激光平行标志线。附配的两个激光头和拍摄装置,都分别配有用于校对方向和水平的陀螺仪,或者经纬仪,或者指南针和水平仪。将平面影像里近大远小的景物以实景恢复方式建立在三维虚拟空间里比如,相同距离处的所有景物远大近小的缩小比例相同,也就相同距离处的景物在影像里的长宽高及任何其它垂直于镜头轴线的尺寸,都按相同比例缩小;恢复时,当然也按相同比例加大。
纵向长度的恢复是在影像中两条平行标志线近端横向间距的距离已知,以及在影像中两条平行标志线近端横线一端到远端横线中点的夹角与实景夹角相同,并且可测的基础上,利用几何计算得出近端到远端的实际纵向进深长度,并以此长度影像里景物纵向进深长度以恢复方式建立在虚拟空间里。几何计算是用已知的影像中两条平行标志线近端横向间距线的距离的一半作为直三角形短边长度,用影像中两条平行标志线近端横向间距线与该近端横向间距线一端同影像中两条平行标志线远端横向间距线中点的之间连线的夹角等于影像的夹角作为所述直三角形短边角角度,利用直角函数计算出所述直三角形长边长度。
恢复中的横向长度恢复是在每个已经恢复的纵向长度段面上影像里两条平行标志线的影像间距与影像里两条平行标志线的近端影像间距的比例关系数值,在虚拟空间里反向扩增每个已经恢复的纵向长度段面上所有景物横向长度。恢复中的竖向高度恢复是在每个已经恢复的纵向长度段面上影像里两条平行标志线的影像间距与影像里两条平行标志线的近端影像间距的比例关系数值,在虚拟空间里反向扩增每个已经恢复的纵向长度段面上所有景物竖向高度。实景恢复中的尺寸恢复是在每个已经恢复的纵向长度段面上影像里两条平行标志线的影像间距与影像里两条平行标志线的近端影像间距的比例关系数值,在虚拟空间里反向扩增校正每个已经恢复的纵向长度段面上所有景物立体尺寸。
拍摄左右和中间影像的拍摄装置设置三个等距分布的平行镜头,中间镜头用于拍摄中间影像。所述中心线或中心线参照物进行识别标记为影像里中心线上或中心线参照物的图像识别特征。影像里中心线上的图像识别特征是拍摄影像里中心线所在线上的依次顺序排列的特征像点要素排列数码,如像点颜色和亮度数值。中心线参照物的图像识别特征是拍摄影像里具有显著图像特征的景物轮廓,依据其在左右和中间影像里轮廓的变化或与左右和中间影像里中心线的横向距离变化推算标出中间影像里两条平行标志线。
每个画面都有一条中心线,且与所拍实际路面与摄像头中心线重合;每个画面都有个中心点,就叫画心,同样在中心线为底边和高度数据构成的平面里;且摄像机镜头中心线平行于地面时,理论上A垂线高度是等于B垂线的高度;上下左右四面远端都在以R角向画心倾斜,同个静止影像里角度不变。
恢复是先确定一个相对的,适应影像视觉的虚拟地面平面数据,遵循确认中心线,及图片上的近端线的一段线段的实际尺寸和图画尺寸的换算,等距尺寸远小近大,R倾斜角延伸远方;这个平面在向上水淹没式的整体抬升,或反向水平面下降,同一个水平高的的像素就是相等的高度,还有相距多少,面积多少;各个像素的三维数据就出来了。
总知,我们一直认为电脑只是认识0和1,没有空间和平面只分,那是逻辑架构没有加入空间元素,我们用眼睛观察远处以及近处的事物,除了记住是物体的颜色之外还会记住其空间位置,有了空间位置眼前的事物就自然的分割成了独立的,一个个大小不一的物体,也都是遵循远小近大,近高远低等规律的。
人眼是第一观察者,光线投射视网膜后就被大脑采集规划了,感觉近处就是横平竖直,是没有问题的,可我们用摄像头观察后记录的影像,人已经是第二人的角度观察影像了,空间在影像里变形了的,其实镜头和眼睛看到的是一样的一切,可我们解读时,因为我们的认知局限,才认为电脑只会读0和1。
记录为变形影像后怎么还原数据呢,并且把空间中的事物一个个独立出来,这就要研究影像图片中的空间一些不变要素,和转换的规律。
以观察一段站在标准路面中心线上九十度垂直路面拍摄的图片中的平直标准公路为例,经研究我发现如下几点:1.每个画面都有一条中心线,且与所拍实际路面与摄像头中心线重合。2.每个画面都有个中心点,就叫画心,如图1,也在中心线为底边和高度数据构成的平面里。且摄像机镜头中心线平行于地面时,理论上A垂线高度是等于B垂线的高度。3.上下左右四面远端都在以R角向画心倾斜,同个静止影像里角度不变。4.影像里等距线再画面中心线两旁的视觉斜线上,视觉斜线的倾斜角度R同个静止画面内是不变的。5.从近端任意垂直于中心线上的任意一段线段,作为三角形的底部,中心线之外的一端和中心线远端任意一点所得夹角角度B和实际测量角度相等。反过来以远端为底边所得角要加上倾斜角R才能和B角相等。
得到角度后再确定标准路面的宽度,利用三角函数就可计算出远端线和近端线的距离,这些数据就可构成一个虚拟数据空间,测量角度及计算距离只是矫正数据空间的误差,确定两个地点的距离和位置信息后就可把做好的立体空间数据套嵌进画面中,其它任意点的数据按照影像空间嵌套数据模型还原变换规律计算就都有了。
上面说的是标准路面情况,不规则的路面怎么办呢,需要拍照的同时用两条特定设置在摄像设备上,其等距分列在镜头中心两旁的两个激光头,发出两条平行于中心线的激光线,其扫描在地面上的两条线的中心线是和影像资料里的中心线重合的,也可用于测量视觉斜角R,两条激光线的间距,以激光线的特性是不变的,就像影像配上了合适的尺子,这样就可适应大多数情况的测量及应用了,并随时在移动的影像中纠正误差。
还有一种方法和人眼睛一样双镜头空间建立法,两个镜头分析可单独工作也可互为纠错。利用两个镜头的所得照片还原重合后,两条中心线间距构建立体空间,两条中心线间距的中心线就是合成图片后的中心线。模型构建后每个像素点相当于双数据定位,其也可归纳为三角形定位。也可单镜头,定距横移也可完成工作。这种方法定位准确,随时纠错。完全能达到厘米级以上。数据信息改间接测量,为直接测量。
这几种办法都是要先确定一段图片上的距离,在以这线段建立面,再到高,再结合图片空间变换规律,虚拟空间模型就可建立,嵌套到图片上通过软件分析就可以提取需要的数据了。
立体虚拟空间建模详解:1.首先在近端任意一条垂直于画面中心线段为近端A线。2.近端线上两条激光线通过的D点和H点间的间距是实际两个激光头中心的距离,为已知数据。3.以DH线段的图面长度为基本,来确定近端A线的图片长度及实际空间长度的换算。4.因激光线实际间距相等,图片中激光线通过的其他任意垂直中心线的线段,虽然图片上的间距长度不等,但实际代表的距离是相等的。5.其他任意激光线通过的任意垂直于中心线的线段,都可以其线段上的激光间距线为基础长度,测量所在线段的长度。举例说明DH线段和D1H1线段所代表的实际空间距离是相等的。两条激光线互为等距线,在视觉斜线上。还可通过近端线DH图面长度和远端线D1H1的比值来计算距离。6.近端A线和远端B线的距离可以用画面PDO直角三角形相关三角函数数据计算出来,角PDO的角度和实际空间相对位置的角度相同。7.角N.H1.H是图片的变化倾斜角。8.结合上面数据,及变化规律,平面变化数据模型就建立了,其他三面也是这样构建,立体虚拟空间模型也就构建起来了。能把虚拟变形空间还原成实际方正空间。应用到交通导航可以让个人轻松构建自己的立体交通地图。
本空间构成技术,可应用到所有影像资料实时处理及事后分析中,如公安、环水、消防、城管、交通、应急等。而且超越了以前的计算机平面认知,使数据直接立体化,能让计算机直接区分各个物体的属性和空间位置等信息。本技术能实现自动建模,简单说只要先构建一个虚拟影像变化空间,再嵌套到拍摄影像中就完成了,物体自然得到了空间位置坐标,把任何一个像素都给一个坐标,长宽高面积等就自然存在了,就是一个填充的过程。摄像设备忠实的记录了所看到的一切,就看我们能否用正确的办法把其还原。其成本只是在原有摄像设备基础上增加一个分析软件而已。应用中惯性计算和激光多点扫描都只是辅助纠错不在是中心。
本技术是先确定一个相对的,适应影像视觉的虚拟地面平面数据,遵循确认中心线,及图片上的近端线的一段线段的实际尺寸和图画尺寸的换算,等距尺寸远小近大,R倾斜角延伸远方等。这个平面在向上水淹没式的整体抬升,或反向水平面下降,同一个水平高的的像素就是相等的高度,还有相距多少,面积多少等,各个像素的三维数据就出来了。
用于实现本发明所述影像的虚拟空间建立方法的***是包括单镜头拍摄装置或附与镜头轴线平行激光头轴线并已知轴线垂直间距的拍摄装置,拍摄装置的镜头轴线与实景中已知垂直间距的标志直线平行,对实景及平行标志线进行拍摄,所述平行标志线为拍摄实景中的实际平行标志线或为拍摄装置附配或附带的激光头向实景中投射的激光平行标志线;或者包括拍摄装置设置镜头轴线平行并已知间距的主副镜头,主副镜头同时对实景进行拍摄,对副镜头拍摄的副影像里的镜头轴线所在中心线或中心线参照物进行识别标记,在主镜头拍摄的主影像中依据所述识别标记标出副镜头轴线所在倾斜中心线,以主镜头拍摄的主影像中标出的副镜头轴线所在倾斜中心线作为被拍摄实景里的平行标志线。中心线进行识别标记,可以是影像里中心线路径上像素参数进行识别标示,也可以是对影像里中心线路径上的至少两个明显标志点,进行识别标记,在主镜头拍摄的主影像找到至少这两个明显标志点,将这两明显标志点连接起来的直线,就是副镜头轴线所在倾斜中心线作为被拍摄实景里的平行标志线了。中心线参照物,比如影像里中心线经过的一个明显标志点,和与中心线外参照物上与中线线平行的参照物轮廓线,在主影像里,画一个经过这个明显标志点并且与参照物轮廓线平行的直线,就是副镜头轴线所在倾斜中心线作为被拍摄实景里的平行标志线了,也比如在副影像里中心线参照物是中心线两对横向连线垂直于中心线的四个明显标志点,测量识别每个明显标志点到中心线横向距离,在主影像里依据每对明显标志点到中心线距离比,来重新构建出倾斜的标志线,等等。所述垂直间距是当两个平行线都垂直于拍摄景物的影物虚拟地面,两个平行线各自所在垂直于影物虚拟地面的垂直平面,之间的间距。
以影像中平行标志线与镜头轴线所在影像中心线在任何距离处代表的实际垂直间距都是已知固定垂直间距为基准,将平面影像里近大远小的景物以实景恢复方式建立在三维虚拟空间里。也就是以拍摄影像里中心线与倾斜状态的平行标志线间距,从远小近大状态恢复到实景中平行并已知固定间距为基础数据,对整个影像中所有景物进行实景恢复,建立实景恢复式三维影像。拍摄装置和附配的激光头,都分别配有用于校对方向和水平的陀螺仪,或者经纬仪,或者指南针和水平仪,和测距仪。将平面影像里近大远小的景物以实景恢复方式建立在三维虚拟空间里比如,相同距离处的所有景物远大近小的缩小比例相同,也就相同距离处的景物在影像里的长宽高及任何其它垂直于镜头轴线的尺寸,都按相同比例缩小;恢复时,当然也按相同比例加大。具有容易拍摄,还能将拍摄影像建立在虚拟空间里的优点。
作为优化,拍摄装置上在镜头垂线两侧设置对称分布的两个激光头,两个激光头射出与镜头轴线平行的两条激光线在影像中照射形成两条激光平行标志线,或拍摄装置拍摄附自近端至远端纵向平行伸展的所述两条平行标志线的实景影像;或者拍摄装置设置两个左右平行镜头,或者让拍摄装置的两个左右平行镜头分别和共同拍摄同一实景的左右和中间影像,对左右平行镜头分别拍摄的左右影像里的镜头轴线所在中心线或中心线参照物进行识别标记,在共同拍摄的中间影像中依据所述识别标记分别标出左右平行镜头轴线所在倾斜中心线,以共同拍摄的中间影像中标出的左右平行镜头轴线所在倾斜中心线作为被拍摄实景里的两条平行标志线。
以影像中两条平行标志线在任何距离处代表的实际间距都是已知间距为基准,将平面影像里近大远小的景物以恢复方式建立在三维虚拟空间里。所述两条平行标志线是影像中固有的已知间距的两条实体平行标志线;或者是所述拍摄装置上在镜头垂线两侧对称分布的两个激光头或所述拍摄装置附配的在拍摄时镜头垂线两侧地面对称分布的两个激光头射出的与镜头轴线平行的两条激光线在影像实景中照射形成的已知间距的两条激光平行标志线。附配的两个激光头和拍摄装置,都分别配有用于校对方向和水平的陀螺仪,或者经纬仪,或者指南针和水平仪。将平面影像里近大远小的景物以实景恢复方式建立在三维虚拟空间里比如,相同距离处的所有景物远大近小的缩小比例相同,也就相同距离处的景物在影像里的长宽高及任何其它垂直于镜头轴线的尺寸,都按相同比例缩小;恢复时,当然也按相同比例加大。
纵向长度的恢复是在影像中两条平行标志线近端横向间距的距离已知,以及在影像中两条平行标志线近端横线一端到远端横线中点的夹角与实景夹角相同,并且可测的基础上,利用几何计算得出近端到远端的实际纵向进深长度,并以此长度影像里景物纵向进深长度以恢复方式建立在虚拟空间里。几何计算是用已知的影像中两条平行标志线近端横向间距线的距离的一半作为直三角形短边长度,用影像中两条平行标志线近端横向间距线与该近端横向间距线一端同影像中两条平行标志线远端横向间距线中点的之间连线的夹角等于影像的夹角作为所述直三角形短边角角度,利用直角函数计算出所述直三角形长边长度。
恢复中的横向长度恢复是在每个已经恢复的纵向长度段面上影像里两条平行标志线的影像间距与影像里两条平行标志线的近端影像间距的比例关系数值,在虚拟空间里反向扩增每个已经恢复的纵向长度段面上所有景物横向长度。恢复中的竖向高度恢复是在每个已经恢复的纵向长度段面上影像里两条平行标志线的影像间距与影像里两条平行标志线的近端影像间距的比例关系数值,在虚拟空间里反向扩增每个已经恢复的纵向长度段面上所有景物竖向高度。实景恢复中的尺寸恢复是在每个已经恢复的纵向长度段面上影像里两条平行标志线的影像间距与影像里两条平行标志线的近端影像间距的比例关系数值,在虚拟空间里反向扩增校正每个已经恢复的纵向长度段面上所有景物立体尺寸。
拍摄左右和中间影像的拍摄装置设置三个等距分布的平行镜头,中间镜头用于拍摄中间影像。所述中心线或中心线参照物进行识别标记为影像里中心线上或中心线参照物的图像识别特征。影像里中心线上的图像识别特征是拍摄影像里中心线所在线上的依次顺序排列的特征像点要素排列数码,如像点颜色和亮度数值。中心线参照物的图像识别特征是拍摄影像里具有显著图像特征的景物轮廓,依据其在左右和中间影像里轮廓的变化或与左右和中间影像里中心线的横向距离变化推算标出中间影像里两条平行标志线。
每个画面都有一条中心线,且与所拍实际路面与摄像头中心线重合;每个画面都有个中心点,就叫画心,同样在中心线为底边和高度数据构成的平面里;且摄像机镜头中心线平行于地面时,理论上A垂线高度是等于B垂线的高度;上下左右四面远端都在以R角向画心倾斜,同个静止影像里角度不变。
恢复是先确定一个相对的,适应影像视觉的虚拟地面平面数据,遵循确认中心线,及图片上的近端线的一段线段的实际尺寸和图画尺寸的换算,等距尺寸远小近大,R倾斜角延伸远方;这个平面在向上水淹没式的整体抬升,或反向水平面下降,同一个水平高的的像素就是相等的高度,还有相距多少,面积多少;各个像素的三维数据就出来了。
如图所示,我们一直认为电脑只是认识0和1,没有空间和平面只分,那是逻辑架构没有加入空间元素,我们用眼睛观察远处以及近处的事物,除了记住是物体的颜色之外还会记住其空间位置,有了空间位置眼前的事物就自然的分割成了独立的,一个个大小不一的物体,也都是遵循远小近大,近高远低等规律的。
人眼是第一观察者,光线投射视网膜后就被大脑采集规划了,感觉近处就是横平竖直,是没有问题的,可我们用摄像头观察后记录的影像,人已经是第二人的角度观察影像了,空间在影像里变形了的,其实镜头和眼睛看到的是一样的一切,可我们解读时,因为我们的认知局限,才认为电脑只会读0和1。
记录为变形影像后怎么还原数据呢,并且把空间中的事物一个个独立出来,这就要研究影像图片中的空间一些不变要素,和转换的规律。
以观察一段站在标准路面中心线上九十度垂直路面拍摄的图片,图2分析图中的平直标准公路为例,经研究我发现如下几点:1.每个画面都有一条中心线,且与所拍实际路面与摄像头中心线重合。2.每个画面都有个中心点,就叫画心,如图1,也在中心线为底边和高度数据构成的平面里。且摄像机镜头中心线平行于地面时,理论上A垂线高度是等于B垂线的高度。3.上下左右四面远端都在以R角向画心倾斜,同个静止影像里角度不变。4.影像里等距线再画面中心线两旁的视觉斜线上,视觉斜线的倾斜角度R同个静止画面内是不变的。5.从近端任意垂直于中心线上的任意一段线段,作为三角形的底部,中心线之外的一端和中心线远端任意一点所得夹角角度B和实际测量角度相等。反过来以远端为底边所得角要加上倾斜角R才能和B角相等,图2包含分析图。
得到角度后再确定标准路面的宽度,利用三角函数就可计算出远端线和近端线的距离,这些数据就可构成一个虚拟数据空间,测量角度及计算距离只是矫正数据空间的误差,确定两个地点的距离和位置信息后就可把做好的立体空间数据套嵌进画面中,其它任意点的数据按照影像空间嵌套数据模型还原变换规律计算就都有了。
上面说的是标准路面情况,不规则的路面怎么办呢,需要拍照的同时用两条特定设置在摄像设备上,其等距分列在镜头中心两旁的两个激光头,发出两条平行于中心线的激光线,其扫描在地面上的两条线的中心线是和影像资料里的中心线重合的,也可用于测量视觉斜角R,两条激光线的间距,以激光线的特性是不变的,就像影像配上了合适的尺子,这样就可适应大多数情况的测量及应用了,并随时在移动的影像中纠正误差。
还有一种方法和人眼睛一样双镜头空间建立法,两个镜头分析可单独工作也可互为纠错。利用两个镜头的所得照片还原重合后,两条中心线间距构建立体空间,两条中心线间距的中心线就是合成图片后的中心线,图4为分析示意图。模型构建后每个像素点相当于双数据定位,其也可归纳为三角形定位。也可单镜头,定距横移也可完成工作,图5为分析图。这种方法定位准确,随时纠错。完全能达到厘米级以上。数据信息改间接测量,为直接测量。
这几种办法都是要先确定一段图片上的距离,在以这线段建立面,再到高,再结合图片空间变换规律,虚拟空间模型就可建立,嵌套到图片上通过软件分析就可以提取需要的数据了。
下面是几组应用分析及实际影像图。
立体虚拟空间建模详解:
1.首先在近端任意一条垂直于画面中心线段为近端A线。
2.近端线上两条激光线通过的D点和H点间的间距是实际两个激光头中心的距离,为已知数据。
3.以DH线段的图面长度为基本,来确定近端A线的图片长度及实际空间长度的换算。
4.因激光线实际间距相等,图片中激光线通过的其他任意垂直中心线的线段,虽然图片上的间距长度不等,但实际代表的距离是相等的。
5.其他任意激光线通过的任意垂直于中心线的线段,都可以其线段上的激光间距线为基础长度,测量所在线段的长度。举例说明DH线段和D1H1线段所代表的实际空间距离是相等的。两条激光线互为等距线,在视觉斜线上。还可通过近端线DH图面长度和远端线D1H1的比值来计算距离。
6.近端A线和远端B线的距离可以用画面PDO直角三角形相关三角函数数据计算出来,角PDO的角度和实际空间相对位置的角度相同,图2有分析图。
7.角N.H1.H是图片的变化倾斜角。
8.结合上面数据,及变化规律,平面变化数据模型就建立了,其他三面也是这样构建,立体虚拟空间模型也就构建起来了。能把虚拟变形空间还原成实际方正空间。应用到交通导航可以让个人轻松构建自己的立体交通地图。
本空间构成技术,可应用到所有影像资料实时处理及事后分析中,如公安、环水、消防、城管、交通、应急等。而且超越了以前的计算机平面认知,使数据直接立体化,能让计算机直接区分各个物体的属性和空间位置等信息。本技术能实现自动建模,简单说只要先构建一个虚拟影像变化空间,再嵌套到拍摄影像中就完成了,图画中的物体自然得到了空间位置坐标,把任何一个像素都给一个坐标,长宽高面积等就自然存在了,就是一个填充的过程。摄像设备忠实的记录了所看到的一切,就看我们能否用正确的办法把其还原。其成本只是在原有摄像设备基础上增加一个分析软件而已。应用中惯性计算和激光多点扫描都只是辅助纠错不在是中心。
本技术是先确定一个相对的,适应影像视觉的虚拟地面平面数据,遵循确认中心线,及图片上的近端线的一段线段的实际尺寸和图画尺寸的换算,等距尺寸远小近大,R倾斜角延伸远方等。这个平面在向上水淹没式的整体抬升,或反向水平面下降,同一个水平高的的像素就是相等的高度,还有相距多少,面积多少等,各个像素的三维数据就出来了。
总知,本发明影像的虚拟空间建立方法及***具有容易拍摄,还能将拍摄影像建立在虚拟空间里的优点。
Claims (10)
1.一种影像的虚拟空间建立方法,其特征在于让拍摄装置的镜头轴线与实景中已知垂直间距的标志直线平行,对实景及平行标志线进行拍摄,所述平行标志线为拍摄实景中的实际平行标志线或为拍摄装置附配或附带的激光头向实景中投射的激光平行标志线;或者拍摄装置设置镜头轴线平行并已知间距的主副镜头,主副镜头同时对实景进行拍摄,对副镜头拍摄的副影像里的镜头轴线所在中心线或中心线参照物进行识别标记,在主镜头拍摄的主影像中依据所述识别标记标出副镜头轴线所在倾斜中心线,以主镜头拍摄的主影像中标出的副镜头轴线所在倾斜中心线作为被拍摄实景里的平行标志线;
以影像中平行标志线与镜头轴线所在影像中心线在任何距离处代表的实际垂直间距都是已知固定垂直间距为基准,将平面影像里近大远小的景物以实景恢复方式建立在三维虚拟空间里。
2.根据权利要求1所述影像的虚拟空间建立方法,其特征在于让拍摄装置的镜头位于已知间距的两条平行标志线中间,并使镜头轴线平行于两条平行标志线,拍摄附自近端至远端纵向平行伸展的所述两条平行标志线的实景影像;或者让拍摄装置的两个左右平行镜头分别和共同拍摄同一实景的左右和中间影像,对左右平行镜头分别拍摄的左右影像里的镜头轴线所在中心线或中心线参照物进行识别标记,在共同拍摄的中间影像中依据所述识别标记分别标出左右平行镜头轴线所在倾斜中心线,以共同拍摄的中间影像中标出的左右平行镜头轴线所在倾斜中心线作为被拍摄实景里的两条平行标志线;
以影像中两条平行标志线在任何距离处代表的实际间距都是已知间距为基准,将平面影像里近大远小的景物以实景恢复方式建立在三维虚拟空间里。
3.根据权利要求2所述影像的虚拟空间建立方法,其特征在于纵向长度的实景恢复是在影像中两条平行标志线近端横向间距的实景距离已知,以及在影像中两条平行标志线近端横线一端到远端横线中点的夹角与实景夹角相同,并且可测的基础上,利用几何计算得出近端到远端的实际纵向进深长度,并以此长度影像里景物纵向进深长度以实景恢复方式建立在虚拟空间里。
4.根据权利要求2-3任一所述影像的虚拟空间建立方法,其特征在于每个画面都有一条中心线,且与所拍实际路面与摄像头中心线重合;每个画面都有个中心点,就叫画心,同样在中心线为底边和高度数据构成的平面里;且摄像机镜头中心线平行于地面时,理论上A垂线高度是等于B垂线的高度;上下左右四面远端都在以R角向画心倾斜,同个静止影像里角度不变;
实景恢复是先确定一个相对的,适应影像视觉的虚拟地面平面数据,遵循确认中心线,及图片上的近端线的一段线段的实际尺寸和图画尺寸的换算,等距尺寸远小近大,R倾斜角延伸远方;这个平面在向上水淹没式的整体抬升,或反向水平面下降,同一个水平高的的像素就是相等的高度,还有相距多少,面积多少;各个像素的三维数据就出来了。
5.根据权利要求2-3任一所述影像的虚拟空间建立方法,其特征在于所述两条平行标志线是影像实景中固有的已知间距的两条实体平行标志线;或者是所述拍摄装置上在镜头垂线两侧对称分布的两个激光头或所述拍摄装置附配的在拍摄时镜头垂线两侧地面对称分布的两个激光头射出的与镜头轴线平行的两条激光线在影像实景中照射形成的已知间距的两条激光平行标志线。
6.用于实现权利要求1所述影像的虚拟空间建立方法的***,其特征在于包括单镜头拍摄装置或附与镜头轴线平行激光头轴线并已知轴线垂直间距的拍摄装置,拍摄装置的镜头轴线与实景中已知垂直间距的标志直线平行,对实景及平行标志线进行拍摄,所述平行标志线为拍摄实景中的实际平行标志线或为拍摄装置附配或附带的激光头向实景中投射的激光平行标志线;或者包括拍摄装置设置镜头轴线平行并已知间距的主副镜头,主副镜头同时对实景进行拍摄,对副镜头拍摄的副影像里的镜头轴线所在中心线或中心线参照物进行识别标记,在主镜头拍摄的主影像中依据所述识别标记标出副镜头轴线所在倾斜中心线,以主镜头拍摄的主影像中标出的副镜头轴线所在倾斜中心线作为被拍摄实景里的平行标志线;
以影像中平行标志线与镜头轴线所在影像中心线在任何距离处代表的实际垂直间距都是已知固定垂直间距为基准,将平面影像里近大远小的景物以实景恢复方式建立在三维虚拟空间里。
7.根据权利要求6所述***,其特征在于拍摄装置上在镜头垂线两侧设置对称分布的两个激光头,两个激光头射出与镜头轴线平行的两条激光线在影像实景中照射形成两条激光平行标志线,或拍摄装置拍摄附自近端至远端纵向平行伸展的所述两条平行标志线的实景影像;或者拍摄装置设置两个左右平行镜头,或者让拍摄装置的两个左右平行镜头分别和共同拍摄同一实景的左右和中间影像,对左右平行镜头分别拍摄的左右影像里的镜头轴线所在中心线或中心线参照物进行识别标记,在共同拍摄的中间影像中依据所述识别标记分别标出左右平行镜头轴线所在倾斜中心线,以共同拍摄的中间影像中标出的左右平行镜头轴线所在倾斜中心线作为被拍摄实景里的两条平行标志线;
以影像中两条平行标志线在任何距离处代表的实际间距都是已知间距为基准,将平面影像里近大远小的景物以实景恢复方式建立在三维虚拟空间里。
8.根据权利要求7所述***,其特征在于纵向长度的实景恢复是在影像中两条平行标志线近端横向间距的实景距离已知,以及在影像中两条平行标志线近端横线一端到远端横线中点的夹角与实景夹角相同,并且可测的基础上,利用几何计算得出近端到远端的实际纵向进深长度,并以此长度影像里景物纵向进深长度以实景恢复方式建立在虚拟空间里。
9.根据权利要求7-8任一所述***,其特征在于每个画面都有一条中心线,且与所拍实际路面与摄像头中心线重合;每个画面都有个中心点,就叫画心,同样在中心线为底边和高度数据构成的平面里;且摄像机镜头中心线平行于地面时,理论上A垂线高度是等于B垂线的高度;上下左右四面远端都在以R角向画心倾斜,同个静止影像里角度不变;
实景恢复是先确定一个相对的,适应影像视觉的虚拟地面平面数据,遵循确认中心线,及图片上的近端线的一段线段的实际尺寸和图画尺寸的换算,等距尺寸远小近大,R倾斜角延伸远方;这个平面在向上水淹没式的整体抬升,或反向水平面下降,同一个水平高的的像素就是相等的高度,还有相距多少,面积多少;各个像素的三维数据就出来了。
10.根据权利要求7-8任一所述***,其特征在于所述两条平行标志线是影像实景中固有的已知间距的两条实体平行标志线;或者是所述拍摄装置上在镜头垂线两侧对称分布的两个激光头或所述拍摄装置附配的在拍摄时镜头垂线两侧地面对称分布的两个激光头射出的与镜头轴线平行的两条激光线在影像实景中照射形成的已知间距的两条激光平行标志线。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011294053.0A CN112465947B (zh) | 2020-11-18 | 2020-11-18 | 影像的虚拟空间建立方法及*** |
CN202410094899.1A CN117893689A (zh) | 2020-11-18 | 2020-11-18 | 影像的虚拟空间建立方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011294053.0A CN112465947B (zh) | 2020-11-18 | 2020-11-18 | 影像的虚拟空间建立方法及*** |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410094899.1A Division CN117893689A (zh) | 2020-11-18 | 2020-11-18 | 影像的虚拟空间建立方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112465947A true CN112465947A (zh) | 2021-03-09 |
CN112465947B CN112465947B (zh) | 2024-04-23 |
Family
ID=74837291
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410094899.1A Pending CN117893689A (zh) | 2020-11-18 | 2020-11-18 | 影像的虚拟空间建立方法及*** |
CN202011294053.0A Active CN112465947B (zh) | 2020-11-18 | 2020-11-18 | 影像的虚拟空间建立方法及*** |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410094899.1A Pending CN117893689A (zh) | 2020-11-18 | 2020-11-18 | 影像的虚拟空间建立方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN117893689A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007071570A (ja) * | 2005-09-05 | 2007-03-22 | Mamoru Otsuki | カメラ姿勢把握方法及びこれを用いた写真測量方法、これらのプログラム |
JP2009229182A (ja) * | 2008-03-21 | 2009-10-08 | Acreeg Corp | 画像上地物計測方法および表示法並びに計測装置 |
CN106546216A (zh) * | 2016-11-01 | 2017-03-29 | 广州视源电子科技股份有限公司 | 距离测量方法、装置、摄像头和移动终端 |
CN109269421A (zh) * | 2018-09-14 | 2019-01-25 | 李刚 | 万能拍摄测量尺 |
CN109682312A (zh) * | 2018-12-13 | 2019-04-26 | 上海集成电路研发中心有限公司 | 一种基于摄像头测量长度的方法及装置 |
WO2019181284A1 (ja) * | 2018-03-23 | 2019-09-26 | ソニー株式会社 | 情報処理装置、移動装置、および方法、並びにプログラム |
CN110555884A (zh) * | 2018-05-31 | 2019-12-10 | 海信集团有限公司 | 一种车载双目相机的标定方法、装置及终端 |
WO2020006941A1 (zh) * | 2018-07-03 | 2020-01-09 | 上海亦我信息技术有限公司 | 一种基于拍照重建三维空间场景的方法 |
-
2020
- 2020-11-18 CN CN202410094899.1A patent/CN117893689A/zh active Pending
- 2020-11-18 CN CN202011294053.0A patent/CN112465947B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007071570A (ja) * | 2005-09-05 | 2007-03-22 | Mamoru Otsuki | カメラ姿勢把握方法及びこれを用いた写真測量方法、これらのプログラム |
JP2009229182A (ja) * | 2008-03-21 | 2009-10-08 | Acreeg Corp | 画像上地物計測方法および表示法並びに計測装置 |
CN106546216A (zh) * | 2016-11-01 | 2017-03-29 | 广州视源电子科技股份有限公司 | 距离测量方法、装置、摄像头和移动终端 |
WO2019181284A1 (ja) * | 2018-03-23 | 2019-09-26 | ソニー株式会社 | 情報処理装置、移動装置、および方法、並びにプログラム |
CN110555884A (zh) * | 2018-05-31 | 2019-12-10 | 海信集团有限公司 | 一种车载双目相机的标定方法、装置及终端 |
WO2020006941A1 (zh) * | 2018-07-03 | 2020-01-09 | 上海亦我信息技术有限公司 | 一种基于拍照重建三维空间场景的方法 |
CN109269421A (zh) * | 2018-09-14 | 2019-01-25 | 李刚 | 万能拍摄测量尺 |
CN109682312A (zh) * | 2018-12-13 | 2019-04-26 | 上海集成电路研发中心有限公司 | 一种基于摄像头测量长度的方法及装置 |
Non-Patent Citations (3)
Title |
---|
GANG LI等: "Matching Algorithm and Parallax Extraction Based onn Binocular Stereo Vision", 《SMART INNOVATIONS IN COMMUNICATION AND COMPUTATIONAL SCIENCES》, pages 347 - 355 * |
万一龙;柏连发;韩静;张毅;: "低照度双目立体显著目标距离测定方法与实现", 红外与激光工程, vol. 44, no. 03, pages 1053 - 1060 * |
李刚等: "基于红外传感器的运动目标位姿测量与误差分析", 《激光杂志》, vol. 41, no. 03, pages 86 - 90 * |
Also Published As
Publication number | Publication date |
---|---|
CN117893689A (zh) | 2024-04-16 |
CN112465947B (zh) | 2024-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021004312A1 (zh) | 一种基于双目立体视觉***的车辆智能测轨迹方法 | |
TWI555379B (zh) | 一種全景魚眼相機影像校正、合成與景深重建方法與其系統 | |
CN110956660B (zh) | 定位方法、机器人以及计算机存储介质 | |
CN101853528B (zh) | 一种手持式三维型面信息提取方法及其提取仪 | |
US7456842B2 (en) | Color edge based system and method for determination of 3D surface topology | |
CN107084680B (zh) | 一种基于机器单目视觉的目标深度测量方法 | |
US6768813B1 (en) | Photogrammetric image processing apparatus and method | |
CN104021588B (zh) | 一种实时恢复车辆三维真实模型的***及方法 | |
CN108288294A (zh) | 一种3d相机群的外参标定方法 | |
CN107907048A (zh) | 一种基于线结构光扫描的双目立体视觉三维测量方法 | |
CN106990776B (zh) | 机器人归航定位方法与*** | |
EP1580523A1 (en) | Three-dimensional shape measuring method and its device | |
CN108629829B (zh) | 一种球幕相机与深度相机结合的三维建模方法和*** | |
KR101759798B1 (ko) | 실내 2d 평면도의 생성 방법, 장치 및 시스템 | |
CN109712232B (zh) | 一种基于光场的物体表面轮廓三维成像方法 | |
CN111524195B (zh) | 一种掘进机截割头定位中的相机标定方法 | |
JPWO2014002725A1 (ja) | 3次元測定方法、装置、及びシステム、並びに画像処理装置 | |
CN111932627B (zh) | 一种标识物绘制方法及*** | |
CA3233222A1 (en) | Method, apparatus and device for photogrammetry, and storage medium | |
CN106767526A (zh) | 一种基于激光mems振镜投影的彩色多线激光三维测量方法 | |
CN112489106A (zh) | 基于视频的车辆尺寸测量方法、装置、终端及存储介质 | |
CN112184793B (zh) | 深度数据的处理方法、装置及可读存储介质 | |
CN114359406A (zh) | 自动对焦双目摄像头的标定、3d视觉及深度点云计算方法 | |
CN109191533A (zh) | 基于装配式建筑的塔吊高空施工方法 | |
WO2018056802A1 (en) | A method for estimating three-dimensional depth value from two-dimensional images |
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 |