具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
实施例一
图1为本公开实施例一所提供的一种3D影像的重构方法的流程示意图,本实施例可适用于利用较少的相机进行实时全息通信的情形,该方法可以由3D影像的重构装置来执行,该装置可以通过软件和/或硬件的形式实现,该硬件可以是电子设备,如移动终端、PC端或服务器等。
如图1,本实施例的方法包括:
S110、接收同一场景的至少两个相机视角的深度视频流。
在基于流媒体的通信或交互方案中,多个端口间的音视频传递通常采用流式传输的方式,例如,将多个视频帧以视频流的形式进行传输。因此可以理解,本实施例中的深度视频流即是基于至少两个相机拍摄的多张图像生成的视频流,同时,在这些作为传输数据的图像中,除普通的彩色图像外,至少还需要包括多张深度图像,对于这些图像来说,深度视频流中都有特定的视频帧与之相对应。
其中,彩色图像也叫做RGB图像,RGB颜色空间作为构成彩色图像的基础,R、G、B三个分量分别对应于红、绿、蓝三个通道的颜色,它们的叠加决定了图像最终的显示效果。深度图像又称为距离图像,与灰度图像中像素点存储亮度值不同,深度图像中像素点存储的是深度值,对于每个像素点来说,深度值表示该点到相机的距离,进一步的,通过多个点的深度值,可以确定出图像中目标物体与相机之间的距离。本领域技术人员应当理解,深度值的大小只与距离这一因素有关,而与环境、光线、方向等因素无关,因此深度图像能够真实准确地体现图像中物体的几何深度信息,为后续的3D影响的构建提供数据基础,例如,当相机针对某个物体拍摄得到对应的深度图像时,计算机基于这幅图像即可还原得到与该物体相对应的三维模型。
在本实施例中,为了在采集场景彩色图像的同时,得到能够反应该场景几何深度信息的深度图像,用于拍摄的相机至少需要部署两台,可以理解为,一台相机用于获取目标场景的彩色图像,另一台相机用于获取目标场景的深度图像,最后基于与两个相机所对应数据传输通道中的图像整合出深度视频流。示例性的,可以将上述两台相机在相同的视角下瞄准目标场景进行拍摄,进而得到包含彩色图像和深度图像的深度视频流。
需要说明的是,在实际应用过程中,为了进一步提升图像信息采集的效率和准确度,还可以针对目标场景从多个视角部署更多的相机,本领域技术人员应当理解,具体的部署方式可以根据任务要求进行选择,本公开实施例在此不做具体的限定。
进一步的,相机对场景信息进行采集后生成的深度视频流会以推流的方式进行上传,可以理解,推流即是把数据采集阶段封装好的内容传输到服务器的过程。与作为采集端的至少两台相机相对应,接收深度视频流的一端可以是计算端,例如,基于数据传输通道与场景信息采集端(如上述示例中的两台相机)相连接的云服务器,计算端接收到深度视频流后即可对其执行后续的处理操作。
S120、确定与至少两个相机视角的深度视频流相对应的3D视频模型。
在本实施例中,计算端接收到深度视频流之后,可以将这些数据作为原始数据进而构建出3D模型,本领域技术人员应当理解,3D模型即是与目标场景相对应的三维模型,是目标场景(以及场景内物体)的多边形表示,至少可以反映场景(以及场景内物体)的三维几何结构。同时,基于深度视频流中的每一帧画面都可以构建出3D模型,而视频流中又包含目标场景的多帧实时画面,因此,所构建的3D模型也是动态的3D视频模型。
具体来说,计算端可以基于图像的建模和绘制(Image-Based Modeling andRendering,IBMR)相关技术,从深度视频流的每一帧画面中确定出目标场景及场景内物体的几何形状和深度值,进一步的,基于三维建模软件或工具逐帧创建与深度视频流相对应的3D模型,最后将与每一帧视频画面对应的模型按照时间戳顺序进行整合,得到动态的3D视频模型。
S130、基于获取到的交互参数对3D视频模型进行光场绘制,得到多个目标光场绘制视图。
在本实施例中,对3D视频模型执行光场绘制操作,即是利用光场成像技术对3D视频模型进行处理的过程。
具体来说,光场是光线在空间传播过程中产生的四维概念,其包含的信息涵盖光线强度、位置以及方向等信息,可以理解为,光场中包括光线携带的二维位置信息和二维方向信息,是空间中同时包含位置和方向信息的四维光辐射场的参数化表示,同时,光场也可以作为空间中所有光线光辐射函数的总体。
进一步的,光场绘制即是利用光场中的信息创建二维图像的技术,其中,所得到的二维图像即是本实施例中的光场绘制视图。相较于仅记录光线所经过的位置信息的传统成像方式,在基于光场信息进行成像的过程中不会丢失场景深度、目标物体几何形态、场景遮挡关系等三维信息。因此可以理解,基于3D模型生成的光场绘制视图虽然是二维的平面图,但图像中依然存储有目标场景及场景内物体的深度信息,将图像由特定的算法进行处理,或者下发至对应的光场显示装置后,基于这些图像依然可以以较高的质量构建出与目标场景及场景内物体相对应的3D影像。
在本实施例中,利用光场绘制技术对3D视频模型进行处理时,还需要结合计算端所获取的交互参数。交互参数是指与最终观看3D影像的目标用户相关联的参数,如观看位置信息和观看角度信息,可以理解,交互参数至少用于表征目标用户观看3D影像时的视角,在实际应用过程中,交互参数可以基于数据传输通道从与目标用户相对应的设备上获取。
示例性的,从目标用户的光场显示器上获取到该设备对3D影像的角度覆盖值为45°,并将该值作为交互参数。同时,基于深度视频流构建的3D视频模型包含了目标场景多个视角的信息,因此,当确定出交互参数为45°的3D影像角度覆盖值时,可以在相机所处的平面内,以相机瞄准的方向作为基准线,取基准线左右22.5°视角范围内的画面作为目标画面,进而基于3D视频模型中与目标画面对应的部分生成十幅目标光场绘制视图。
可以理解,目标光场绘制视图可以是多幅,这些视图与深度视频流中的特定视角相对应,仅反映目标场景中特定的内容,同时,这些内容也与目标用户想要观看的内容相一致。需要说明的是,一方面,交互参数并不局限于上述示例中的3D影像角度覆盖值,还可以根据用户或显示装置的实际情况进行选择,本公开实施例在此不做具体的限定;另一方面,当与目标用户相对应的显示端发生改变,或者目标用户的观看视角发生改变时,对应的交互参数也会产生性变化,以此向显示端下发改变后视角对应的目标光场绘制视图。
在本实施例中,由于动态的3D视频模型与深度视频流中的多帧图像相对应,因此,针对于深度视频流中的每一帧图像,都可以基于3D视频模型生成对应的多幅目标光场绘制视图,并利于诸如时间戳等标识使这些视图与该帧图像进行关联,进一步的,按照每一帧图像的采集顺序将这些视图实时下发至显示端。
通过利用光场绘制技术,为3D视频模型构建出对应的目标光场绘制视图,在后续的数据传输过程中无需压缩3D视频模型,避免了直接传输模型数据所导致的信息缺失问题。
S140、将多个目标光场绘制视图发送至显示端,以在显示端构建与深度视频流相对应的3D影像。
在本实施例中,基于生成的多幅目标光场绘制视图,可以得到与深度视频流相对应的3D影像,其中,3D影像可以是3D全息影像,本领域技术人员应当理解,3D全息影像技术是一种在三维空间中投射三维立体影像,进而使物体再现于特定空间内的显示技术。
具体的,可以将目标光场绘制视图从计算端下发至显示端,由显示端构建3D影像,可以理解,显示端即是拥有3D影像构建能力的设备,如交互式光场显示器。在此以视频流中的某一时刻为例进行说明,基于交互参数在3D视频模型中确定出该时刻用户正在观看的视角,并生成对应的多幅目标光场绘制视图后,可以将这些视图下发至光场显示器中,光场显示器对接收的视图进行处理后,即可构建出对应视角的3D影像。
需要说明的是,由于深度视频流中包含多帧图像,所生成的动态的3D视频模型又与各帧图像一一对应,因此,基于与各帧图像对应的目标光场绘制视图实时构建的3D影像也是动态的,可以理解,动态的3D影像所展示的即是至少两个相机对准目标场景拍摄得到的三维实时景象。
在本实施例的方案中,3D视频模型全程存储在计算端,计算端下发的仅是经过处理后所得到的二维视频流(目标光场绘制视图),因此,基于本实施例的实时全息通信方案对网络传输通道的传输速率并没有过高的要求,在实际应用过程中,即使使用4G网络进行数据传输,也能使网络延迟保持在100ms以下。
本公开实施例的方案适用于多种应用场景,例如,在视频会议场景中,基于本公开的方案可以在某一用户的显示端上显示其他用户的全息3D影像,对应的,其他用户的显示端上也可以根据需要显示除自身以外任一用户的全息3D影像。具体来说,可以先在每个用户所处的环境内部署至少两个相机,以此采集用户的彩色图像和深度图像,基于这些信息生成各个用户的深度视频流之后,可以将这些视频流以推流的形式上传至作为计算端的云服务器中。云服务器基于各深度视频流可以确定出与各个用户相对应的3D视频模型,进一步的,云服务器从各个用户的显示端获取对应的交互参数,交互参数用于确定观看3D影像的用户可以看到与影像相对应的目标用户(如正在发言的用户)的哪一视角,以此使云服务器基于3D视频模型生成与该视角相对应的目标光场绘制视图,可以理解为,目标光场绘制视图用于在显示端构建出特定的3D影像,对应的,这些影像展示的是该条深度视频流中特定视角拍摄画面。最后,云服务器确定出目标光场绘制视图后,可以将这些视图下发至对应的显示端,由显示端基于多幅视图构建出与该条深度视频流相对应的3D影像,此时使其他用户在视频会议期间在自己的显示端看到目标用户(正在发言的用户)的全息影像,可以理解,对于示例中的目标用户来说,基于上述方案同样可以在自己的显示端看到其他用户的全息影像,以此增强了视频会议过程中各用户之间的交互和体验。需要说明的是,本公开实施例的方案不仅可以应用于上述示例中的视频会议场景,还可以应用于基于全息影像的通信、直播、教学场景,以及针对特定物体、商品、工程以及建筑物的全息展示场景中。
本实施例的技术方案,仅需接收同一场景的至少两个相机视角的深度视频流,就可以确定出与至少两个相机视角的深度视频流相对应的3D视频模型;基于获取到的交互参数对3D视频模型进行光场绘制,可以得到多个目标光场绘制视图;将多个目标光场绘制视图发送至显示端,以在显示端构建与深度视频流相对应的3D影像,不仅利用较少的相机实现了实时的全息通信,还对3D视频模型进行光场绘制处理,避免了直接对3D视频的压缩和传输,在保证深度视频流相关视图传输质量的同时,降低了实时全息通信对网络传输通道的要求,增强了方案的普适性。
实施例二
图2为本公开实施例二所提供的一种3D影像的重构方法的流程示意图,在前述实施例的基础上,基于至少两个深度相机采集深度视频流,降低了获取场景信息的硬件成本;对深度视频流依次进行点云融合、网格生成以及纹理估计处理,使生成的3D视频模型更加精细;针对不同的显示端选择不同的交互参数生成目标光场绘制视图,便于计算端生成显示端所需要的特定图像;将目标光场绘制视图进行光场重排,进而生成实时动态的3D影像。其具体的实施方式可以参见本实施例技术方案。其中,与上述实施例相同或者相应的技术术语在此不再赘述。
如图2所示,该方法具体包括如下步骤:
S210、基于设置在同一场景的至少两个深度相机分别采集目标区域的深度视频流。
在本实施例中,在同一场景内设置的至少两个相机可以是RGBD深度相机,其中,一个RGBD深度相机可以理解为是一个彩色相机和一个能够获取深度图像的相机的结合,能够获取深度图像的相机包括结构光相机和飞行时间(Time of Fight,ToF)相机。进一步的,利用RGBD深度相机对目标区域进行拍摄后,可以输出彩色(RGB)图像和深度(Distance)图像,将这些图像作为视频帧进行整合即可得到深度视频流。
在本实施例中,利用深度相机对目标区域进行拍摄以采集深度视频流时,相机的排布方式有多种,可选的,至少两个深度相机相对于目标区域中的目标用户水平排布,下面结合图3对这种排布方式进行示例性说明。
参见图3,以图中的两个圆分别作为两个深度相机,从俯视的角度看,两相机均对准图中的用户进行拍摄,相机镜头覆盖的角度范围都是120°,同时,两个相机以及目标用户的上半身均保持在同一水平面内。可以理解,这种排布方式可以使目标用户时刻处于相机的视野范围内,两个深度相机也可以实时采集该用户多个视角(即,除该用户正后方和斜后方之外的所有视角)的彩色图像和深度图像,从而生成包含该用户多个视角画面的深度视频流。
在实际应用过程中,还可以使用多台深度相机对目标用户进行拍摄,如图4所示,在同一水平面内部署三个深度相机,这些相机不必处于同一基线上,相邻两个相机的拍摄角度可以间隔45°或60°,同时,为了保证成像效果,深度相机与目标用户之间的距离可以按照实际需要进行选择(如图4所示,使相机与用户之间保持2m或2.6m的距离)。
本领域技术人员应当理解,随着深度相机部署数量的不断增加,可选择的排布方式越丰富,针对目标用户拍摄得到的视角画面也越多,进而得到多个视角下的深度视频流。
S220、通过对至少两个相机视角的深度视频流依次进行点云融合、网格生成以及纹理估计,得到与至少两个相机视角的深度视频流的3D视频模型。
在本实施例中,计算端接收到至少两个相机视角的深度视频流后,为了得到对应的3D视频模型,需要对视频流中的数据进行点云融合、网格生成以及纹理估计处理,下面对上述三个处理步骤分别进行说明。
在数据实时传输过程中的任意时刻,从多个深度视频流中可以确定出与该时刻对应的多帧画面,每一帧画面中又包含目标区域的彩色信息和深度信息。基于此,计算端可以基于点云计算技术针对各个时刻构建出对应的点云数据(Point Cloud Data,PCD)。本领域技术人员应当理解,点云数据通常用于逆向工程中,是一种以点的形式记录的数据,这些点既可以是三维空间中的坐标,也可以是颜色或者光照强度等信息,在实际应用过程中,点云数据一般还包括点坐标精度、空间分辨率和表面法向量等内容,一般以PCD格式进行保存,在这种格式下,点云数据的可操作性较强,能够在后续过程中提高点云配准和融合的速度。
在任意时刻的多个深度视频流中,对于多帧通过不同角度拍摄的图像,各帧之间包含一定的公共部分,因此,计算端基于深度视频流得到点云数据并基于这些数据进行点云融合前,首先需要对点云进行配准,对于包含深度信息的图像的配准可以以场景的公共部分为基准,把不同时间、角度、照度获取的多帧图像叠加匹配到统一的坐标系中,计算出相应的平移向量与旋转矩阵,消除其中的冗余信息,本领域技术人员应当理解,三维深度信息的配准按照不同的图像输入条件与重建输出需求被分为粗糙配准、精细配准和全局配准等三类方法,具体的配准方法可以根据实际需要进行选择,本公开实施例在此不再赘述。
在本实施例中,经过配准后的深度信息仍为空间中散乱无序的点云数据,仅能展现目标区域的部分信息,此时,就需要对点云数据进行融合处理。具体的处理方法有多种,例如,可以基于编程语言编写相应的点云融合程序,通过执行该程序对点云数据进行处理,进而三维制图软件中生成对应的3D模型;还可以在三维空间中设置一个原点并构造体积网格,这些网格可以把空间分割成很多细小的立方体作为体素,通过为所有体素赋予有效距离场(Signed Distance Field,SDF)来隐式地模拟表面。同时,为了解决体素占用大量空间的问题,可以采用截断符号距离场(Truncated Signed Distance Field,TSDF)算法,这种算法采用了最小二乘法来优化处理过程,在点云融合时引入了权重值,因此对点云数据有明显的降噪功能。进一步的,基于体素哈希(Voxel Hashing)方法对处理过程进行加速,在实际应用过程中,相较于传统算法实现了7倍加速,以此保证对数据传输实时性的需求。
可以理解,对于深度视频流来说,仅通过点云融合处理即可得到未经优化的3D视频模型。因此,为了使3D视频模型更加精细,针对于实时生成的模型,还可以对其进行网格生成处理和纹理估计处理。本领域技术人员应当理解,网络生成即是把一个特定的区域分割成许多很小的子区域,进而使计算端能够对每个子区域的内容进行针对性处理,其中,根据网格之间的连接关系,所得到的子区域可以是结构化网格和非结构化网格;纹理估计属于一种对模型中物体材质参数的估计,例如,可以先对视频流各帧图像中物体的特征进行提取分析,进而得到各物体表面的材质参数,以此完成对目标区域对应模型的纹理估计。
S230、基于获取到的交互参数对3D视频模型进行光场绘制,得到多个目标光场绘制视图。
在本实施例中,针对于不同的显示端,生成目标光场绘制视图时所依据的交互参数也存在差异。
可选的,如果显示端为裸眼3D显示设备,则获取的交互参数为3D显示设备的设备参数;基于设备显示参数,对3D视频模型进行光场绘制,得到多个目标光场绘制视图。
其中,裸眼3D显示设备可以是裸眼3D显示器,这种显示器利用人两眼具有视差的特性,无需任何辅助设备即可生成具有空间、深度的逼真立体形象。当裸眼3D显示设备作为显示端时,可以将设备显示参数作为交互参数,如3D可视角度。
具体的,不同设备的可视角度并不相同,如有些设备的可视角度为70°,即最多显示目标区域70°视野范围的3D影像,有些设备则可以全角范围显示,可以理解为,在多个深度相机完整采集目标区域的图像信息后,这种设备可以以360°环绕的方式将对应的3D影像全方位展示。
在本实施例中,将裸眼3D显示设备的设备显示参数作为交互参数后,即可对3D视频模型进行光场绘制,进而得到对应的目标光场绘制视图。
可选的,如果显示端为非裸眼3D显示设备,则获取的交互参数为非裸眼3D显示设备的设备参数和与显示端所对应的用户头部参数;基于设备显示参数和头部参数,对3D视频模型进行光场绘制,得到多个目标光场绘制视图。
在本实施例中,如果显示端为非裸眼3D显示设备,那么用户在观看3D影像时,则需要佩戴特定的辅助设备,如虚拟现实(Virtual Reality,VR)头显,VR头显具体又包括外接式头显设备、一体式头显设备、移动端头显设备等。此时,在决定目标光场绘制视图的交互参数中不仅有显示端的设备参数,还包括观看3D影像的用户的头部参数。例如,显示端设备的可视角度为70°,通过用户VR头显获取的头部参数表示用户仅想观看目标区域左侧的3D影像,在此基础上,计算端可以基于3D视频模型生成目标区域70°视角范围内、偏左侧的多幅2D图像作为目标光场绘制视图。
需要说明的是,无论交互参数仅包括设备参数还是同时包括设备参数和用户头部信息,它都可以决定并反映显示端正在展示目标区域哪个视角的3D影像。因此,在生成视图的过程中,对于由深度视频流生成的3D视频模型来说,仅需从模型中选择与显示端当前显示的内容相对应的部分来构建目标光场绘制视图,由这些目标光场绘制视图来体现目标区域特定视角的图像信息。可以理解,当显示端的交互参数并未要求全方位展示目标区域3D影像时,即使多个深度相机采集了目标区域所有的图像信息,也无需构建出该区域全部视角的光场绘制视图。
还需要说明的是,深度视频流的传输、3D视频模型的创建以及目标光场绘制视图的生成都是实时、动态的,因此,当交互参数因显示端设备或用户头部参数的变化而发生改变时,所生成的目标光场绘制视图也会发生适应性变化,从而得到与新的交互参数所对应的目标光场绘制视图,例如,用户头部沿水平方向移动时,所生成的目标光场绘制视图也是。
S240、通过对多个目标光场绘制视图压缩为2D视频格式,并将2D视频格式发送至显示端,以使显示端对2D视频格式的目标光场绘制视图根据显示端的设备参数进行光场重排,得到与深度视频流相对应的3D影像。
在本实施例中,计算端得到目标光场绘制视图后,为了便于数据的传输,可以基于如H.264视频压缩标准,将多幅图像编码压缩成2D视频的格式,并将这些数据以2D视频流的形式下发至显示端。
进一步的,显示端接收到2D视频流后,可以基于显示端的设备参数进行光场重排,从而得到与深度视频流相对应的3D影像。具体的,光场重排过程即是从视频流解码得到多帧图像后,将多幅图像按照特定的顺序组合成需要在光场显示器上显示的影像,通过光场显示器面板上的分光装置,将组合得到影像中的像素或子像素进行重排,最后利用人双眼的视觉差异使组合得到的影像呈现出全息3D的效果。需要说明的是,与实时、动态的深度视频流相对应,显示端所显示的3D影像也是动态的,基于显示端的设备参数至少可以反映目标区域特定视角的实时景象。
下面结合图5对本公开实施例的方案进行示例性说明。参见图5,采集端首先可以利用多路RGBD相机对目标区域的景象进行采集,得到多帧彩色图像和深度图像,并将这些图像以深度视频流的形式发送给计算端。计算端接收到深度视频流后,通过对其中的多帧图像进行点云融合处理初步未经优化的模型,再经过网络生成以及纹理估计处理对3D视频模型进行优化,得到最终的3D视频模型。进一步的,从显示端获取用户交互参数,基于交互参数和3D视频模型生成目标光场绘制视图,可以理解,这些视图表征显示端需要展示的图像,与目标区域特定视角的景象相对应。确定出目标光场视图后,将这些视图编码压缩,以2D视频流的形式发送至显示端(如光场显示器),显示端再基于用户交互参数对2D视频流中的图像进行光场重排,并得到与深度视频流相对应的3D影像,可以理解,依托于光场显示器,利用人双眼的视觉差异即可使影像呈现出全息3D的效果。
本实施例的技术方案,基于至少两个深度相机采集深度视频流,降低了获取场景信息的硬件成本;对深度视频流依次进行点云融合、网格生成以及纹理估计处理,使生成的3D视频模型更加精细;针对不同的显示端选择不同的交互参数生成目标光场绘制视图,便于计算端生成显示端所需要的特定图像;将目标光场绘制视图进行光场重排,进而生成实时动态的3D影像。
实施例三
图6为本公开实施例三所提供的一种3D影像的重构装置的结构框图,可执行本公开任意实施例所提供的3D影像的重构方法,具备执行方法相应的功能模块和有益效果。如图6所示,该装置具体包括:深度视频流接收模块310、3D视频模型确定模块320、目标光场绘制视图确定模块330以及发送模块340。
深度视频流接收模块310,用于接收同一场景的至少两个相机视角的深度视频流。
3D视频模型确定模块320,用于确定与至少两个相机视角的深度视频流相对应的3D视频模型。
目标光场绘制视图确定模块330,用于基于获取到的交互参数对所述3D视频模型进行光场绘制,得到多个目标光场绘制视图。
发送模块340,用于将所述多个目标光场绘制视图发送至显示端,以在所述显示端构建与所述深度视频流相对应的3D影像。
可选的,深度视频流接收模块310,还用于基于设置在同一场景的至少两个深度相机分别采集目标区域的深度视频流。
在上述各技术方案的基础上,所述至少两个深度相机相对于所述目标区域中的目标用户水平排布。
可选的,3D视频模型确定模块320,还用于通过对至少两个相机视角的深度视频流依次进行点云融合、网格生成以及纹理估计,得到与所述至少两个相机视角的深度视频流的3D视频模型。
在上述各技术方案的基础上,目标光场绘制视图确定模块330包括裸眼3D显示设备光场绘制视图确定单元以及非裸眼3D显示设备光场绘制视图确定单元。
裸眼3D显示设备光场绘制视图确定单元,用于如果所述显示端为裸眼3D显示设备,则获取的所述交互参数为所述裸眼3D显示设备的设备参数;基于所述设备显示参数,对所述3D视频模型进行光场绘制,得到所述多个目标光场绘制视图。
非裸眼3D显示设备光场绘制视图确定单元,用于如果所述显示端为非裸眼3D显示设备,则获取的所述交互参数为所述非裸眼3D显示设备的设备参数和与显示端所对应的用户头部参数;基于所述设备显示参数和所述头部参数,对所述3D视频模型进行光场绘制,得到所述多个目标光场绘制视图。
可选的,发送模块340,还用于通过对所述多个目标光场绘制视图压缩为2D视频格式,并将所述2D视频格式发送至所述显示端,以使所述显示端对所述2D视频格式的目标光场绘制视图根据所述显示端的设备参数进行光场重排,得到与所述深度视频流相对应的3D影像。
本实施例所提供的技术方案,仅需接收同一场景的至少两个相机视角的深度视频流,就可以确定出与至少两个相机视角的深度视频流相对应的3D视频模型;基于获取到的交互参数对3D视频模型进行光场绘制,可以得到多个目标光场绘制视图;将多个目标光场绘制视图发送至显示端,以在显示端构建与深度视频流相对应的3D影像,不仅利用较少的相机实现了实时的全息通信,还对3D视频模型进行光场绘制处理,避免了直接对3D视频的压缩和传输,在保证深度视频流相关视图传输质量的同时,降低了实时全息通信对网络传输通道的要求,增强了方案的普适性。
本公开实施例所提供的3D影像的重构装置可执行本公开任意实施例所提供的3D影像的重构方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本公开实施例的保护范围。
实施例四
图7为本公开实施例四所提供的一种电子设备的结构示意图。下面参考图7,其示出了适于用来实现本公开实施例的电子设备(例如图7中的终端设备或服务器)400的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示,电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置406加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。编辑/输出(I/O)接口405也连接至总线404。
通常,以下装置可以连接至I/O接口405:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的编辑装置406;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407;包括例如磁带、硬盘等的存储装置406;以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备400,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置409从网络上被下载和安装,或者从存储装置406被安装,或者从ROM 402被安装。在该计算机程序被处理装置401执行时,执行本公开实施例的方法中限定的上述功能。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
本公开实施例提供的电子设备与上述实施例提供的3D影像的重构方法属于同一发明构思,未在本实施例中详尽描述的技术细节可参见上述实施例,并且本实施例与上述实施例具有相同的有益效果。
实施例五
本公开实施例提供了一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述实施例所提供的3D影像的重构方法。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:
接收同一场景的至少两个相机视角的深度视频流;
确定与至少两个相机视角的深度视频流相对应的3D视频模型;
基于获取到的交互参数对所述3D视频模型进行光场绘制,得到多个目标光场绘制视图;
将所述多个目标光场绘制视图发送至显示端,以在所述显示端构建与所述深度视频流相对应的3D影像。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例,【示例一】提供了一种3D影像的重构方法,该方法包括:
接收同一场景的至少两个相机视角的深度视频流;
确定与至少两个相机视角的深度视频流相对应的3D视频模型;
基于获取到的交互参数对所述3D视频模型进行光场绘制,得到多个目标光场绘制视图;
将所述多个目标光场绘制视图发送至显示端,以在所述显示端构建与所述深度视频流相对应的3D影像。
根据本公开的一个或多个实施例,【示例二】提供了一种3D影像的重构方法,还包括:
可选的,基于设置在同一场景的至少两个深度相机分别采集目标区域的深度视频流。
根据本公开的一个或多个实施例,【示例三】提供了一种3D影像的重构方法,还包括:
可选的,所述至少两个深度相机相对于所述目标区域中的目标用户水平排布。
根据本公开的一个或多个实施例,【示例四】提供了一种3D影像的重构方法,还包括:
通过对至少两个相机视角的深度视频流依次进行点云融合、网格生成以及纹理估计,得到与所述至少两个相机视角的深度视频流的3D视频模型。
根据本公开的一个或多个实施例,【示例五】提供了一种3D影像的重构方法,还包括:
可选的,如果所述显示端为裸眼3D显示设备,则获取的所述交互参数为所述裸眼3D显示设备的设备参数;
基于所述设备显示参数,对所述3D视频模型进行光场绘制,得到所述多个目标光场绘制视图。
根据本公开的一个或多个实施例,【示例六】提供了一种3D影像的重构方法,还包括:
可选的,如果所述显示端为非裸眼3D显示设备,则获取的所述交互参数为所述非裸眼3D显示设备的设备参数和与显示端所对应的用户头部参数;
基于所述设备显示参数和所述头部参数,对所述3D视频模型进行光场绘制,得到所述多个目标光场绘制视图。
根据本公开的一个或多个实施例,【示例七】提供了一种3D影像的重构方法,还包括:
可选的,通过对所述多个目标光场绘制视图压缩为2D视频格式,并将所述2D视频格式发送至所述显示端,以使所述显示端对所述2D视频格式的目标光场绘制视图根据所述显示端的设备参数进行光场重排,得到与所述深度视频流相对应的3D影像。
根据本公开的一个或多个实施例,【示例八】提供了一种3D影像的重构装置,还包括:
深度视频流接收模块,用于接收同一场景的至少两个相机视角的深度视频流;
3D视频模型确定模块,用于确定与至少两个相机视角的深度视频流相对应的3D视频模型;
目标光场绘制视图确定模块,用于基于获取到的交互参数对所述3D视频模型进行光场绘制,得到多个目标光场绘制视图;
发送模块,用于将所述多个目标光场绘制视图发送至显示端,以在所述显示端构建与所述深度视频流相对应的3D影像。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。