CN115061348B - 基于物点的三维动态全息显示方法及装置 - Google Patents
基于物点的三维动态全息显示方法及装置 Download PDFInfo
- Publication number
- CN115061348B CN115061348B CN202210914078.9A CN202210914078A CN115061348B CN 115061348 B CN115061348 B CN 115061348B CN 202210914078 A CN202210914078 A CN 202210914078A CN 115061348 B CN115061348 B CN 115061348B
- Authority
- CN
- China
- Prior art keywords
- dimensional
- modulation factor
- image
- dimensional slice
- displayed
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000003860 storage Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 14
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000009792 diffusion process Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 abstract description 62
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 38
- 239000011159 matrix material Substances 0.000 description 11
- 238000005070 sampling Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 10
- 230000009466 transformation Effects 0.000 description 9
- 238000009826 distribution Methods 0.000 description 7
- 238000001228 spectrum Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000004904 shortening Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004587 chromatography analysis Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002050 diffraction method Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002207 retinal effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 230000005428 wave function Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03H—HOLOGRAPHIC PROCESSES OR APPARATUS
- G03H1/00—Holographic processes or apparatus using light, infrared or ultraviolet waves for obtaining holograms or for obtaining an image from them; Details peculiar thereto
- G03H1/22—Processes or apparatus for obtaining an optical image from holograms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03H—HOLOGRAPHIC PROCESSES OR APPARATUS
- G03H1/00—Holographic processes or apparatus using light, infrared or ultraviolet waves for obtaining holograms or for obtaining an image from them; Details peculiar thereto
- G03H1/0005—Adaptation of holography to specific applications
- G03H2001/0088—Adaptation of holography to specific applications for video-holography, i.e. integrating hologram acquisition, transmission and display
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Holo Graphy (AREA)
Abstract
本发明公开了一种基于物点的三维动态全息显示方法及装置。其中,该方法包括:将待显示的三维图像切分为多个二维切片图像,获取每个二维切片图像在本地坐标系中的本地坐标;基于所述本地坐标,计算所述二维切片图像的调制因子和复振幅,并基于所述调制因子和所述复振幅,生成所述二维切片图像的全局图谱;叠加每个所述二维切片图像的相应的所述全局图谱,获得空间域的全息图,以进行三维动态全息显示本发明解决了相关技术中全息计算耗用资源比较多、计算速度比较慢的技术问题。
Description
技术领域
本发明涉及三维显示领域,具体而言,涉及一种基于物点的三维动态全息显示方法及装置。
背景技术
全息显示技术是一种投影形式,通过光衍射创建模拟的三维显示。全息显示技术可以真实地记录和再现物体的强度和深度信息,实现大场景的实时彩色动态显示,提供人眼所需的所有深度信息。全息显示不同于其他类型的三维显示,因为其不需要使用专门的眼镜或其他外部设备来感知图像。
计算机生成全息三维显示技术是通过计算机构建三维物体模型,计算和模拟光的传播和干涉过程,并利用光电调制器件代替全息板完成实时三维显示。计算机为了生成三维动态全息显示的全息图,需要实时计算大量的三维信息和数据。
然而,现有动态计算全息三维显示的全息图的方法需要大量的计算资源,这给实时全息三维显示的实现带来了困难。现有技术中提供了很多加快计算速度和减少内存使用的显示方法,例如:查找表和全解析的基于多边形的方法等。但是,现有的这些显示方法的计算速度还是满足不了三维动态全息显示的要求。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种基于物点的三维动态全息显示方法及装置,以至少解决相关技术中全息计算耗用资源比较多、计算速度比较慢的技术问题。
根据本发明实施例的一个方面,提供了一种基于物点的三维动态全息显示方法,包括:将待显示的三维图像切分为多个二维切片图像,获取每个二维切片图像在本地坐标系中的本地坐标;基于所述本地坐标,计算所述二维切片图像的调制因子和复振幅,并基于所述调制因子和所述复振幅,生成所述二维切片图像的全局图谱;叠加每个所述二维切片图像的相应的所述全局图谱,获得空间域的全息图,以进行三维动态全息显示。
根据本发明实施例的另一方面,还提供了一种基于物点的三维动态全息显示装置,包括:切片模块,用于将待显示的三维图像切分为多个二维切片图像,获取每个二维切片图像在本地坐标系中的本地坐标;图谱生成模块,用于基于所述本地坐标,计算所述二维切片图像的调制因子和复振幅,并基于所述调制因子和所述复振幅,生成所述二维切片图像的全局图谱;全息图生成模块,用于叠加每个所述二维切片图像的相应的所述全局图谱,获得空间域的全息图,以进行三维动态全息显示。
根据本发明实施例的又一方面,还提供了一种电子设备,包括上述基于物点的三维动态全息显示装置。
根据本发明实施例的又一方面,还提供了一种存储介质,其上存储有程序,在所述程序运行时,使得计算机能够执行上述的全息显示方法。
在本发明实施例中,将待显示的三维图像切分为多个二维切片图像,获取每个二维切片图像在本地坐标系中的本地坐标;基于所述本地坐标,计算所述二维切片图像的调制因子和复振幅,并基于所述调制因子和所述复振幅,生成所述二维切片图像的全局图谱;叠加每个所述二维切片图像的相应的所述全局图谱,获得空间域的全息图,以进行三维动态全息显示,从而解决了相关技术中全息计算耗用资源比较多、计算速度比较慢的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的基于多边形的三维动态全息显示方法的流程图;
图2是根据本发明实施例的基于物点的三维动态全息显示方法的流程图;
图3是根据本发明实施例的另一种基于多边形的三维动态全息显示方法的流程图;
图4是根据本发明实施例的另一种基于物点的三维动态全息显示方法的流程图;
图5是根据本发明实施例的三种方法的计算速度对比图;
图6是根据本发明实施例的基于多边形的三维动态全息显示装置的结构示意图;
图7是根据本发明实施例的基于物点的三维动态全息显示装置的结构示意图;
图8是根据本发明实施例的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的物体,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
术语解释
双目视差:由于眼睛水平分离(视差),左右眼感知到的物体在图片位置上的差异。大脑可以使用双目视差从2D视网膜图片中提取深度信息。
运动视差:当从两条不同的视线观察时,物体的感知位置发生位移或不同。
调节:当物体与眼睛之间的距离发生变化时,眼睛会调整其光焦度以保持清晰的图像(焦点)。
会聚:观察物体时,双眼同步向内运动,通常是为了保持单双目视觉。
实施例1
全息计算是通过数学描述利用计算机生成物体的三维模型,再经过数字化处理后直接生成全息图,并基于全息图动态地显示虚拟的物体。但是,利用计算机来生成三维动态全息显示的全息图,需要对大量的三维信息和数据进行实时计算,因此,对计算资源和计算速度的要求比较高。尤其在全息三维显示要求显示的画面需要更逼真更生动的情况下,通常需要大量的物点或面元描述三维物体的信息,此时需要更大的计算量和更快的计算速度。
为了解决上述问题,本发明实施例提供了一种三维动态全息显示方法,如图1所示,该方法包括:
步骤S102,将待显示的三维图像切分为多个二维切片图像,获取每个二维切片图像在本地坐标系中的本地图谱。
在一个示例中,将待显示的三维图像切分为多个二维切片图像可以包括:将所述待显示的三维图像进行水平切片,得到所述待显示的三维图像的多个所述二维切片图像,其中,进行水平切片指在平行于所述待显示的三维图像的基准面的方向对所述待显示的三维图像进行切片。
在另外一个示例中,将待显示的三维图像切分为多个二维切片图像可以包括:通过有理B样条曲面来计算每个所述二维切片图像的切片轮廓;利用通过深度神经网络训练获取的校正因子对所述切片轮廓进行校正;基于校正后的所述切片轮廓,对所述待显示的三维图像进行切片。
在一个示例中,获取每个二维切片图像在本地坐标系中的本地图谱,包括:获取每个所述二维切片图像中的各个物点在所述本地坐标系中的坐标位置,生成位置矩阵;获取每个所述二维切片图像中的各个物点的纹理和阴影信息,生成振幅函数;获取每个所述二维切片图像中的各个物点的漫射和散射信息,生成相位函数;基于所述位置矩阵、所述振幅函数以及所述相位函数,得到所述本地图谱。
步骤S104,将所述本地图谱转换到用于全息显示的全局坐标系中,并进行全息计算,得到相应的全局图谱。
在一个示例中,将所述本地图谱转换到用于全息显示的全局坐标系中,并进行全息计算,得到相应的全局图谱,包括:基于变换矩阵,将所述本地图谱中的各个物点的坐标转换为所述全局坐标系中的各个位置的全局坐标;基于所述全局坐标、所述本地图谱中的所述振幅函数以及所述相位函数,利用预先计算出的调制因子,进行全息计算,得到相应的全局图谱。
在一个示例中,利用预先计算出的调制因子,进行全息计算,得到相应的全局图谱:基于所述物点的坐标、相应的所述全局坐标以及所述待显示的三维图像的零平面到全息图零平面的距离,分别计算水平调制因子、垂直调制因子、俯仰角调制因子和翻滚角调制因子;基于所述水平调制因子、所述垂直调制因子、所述俯仰角调制因子、所述翻滚角调制因子、所述振幅函数以及所述相位函数,进行全息计算,得到相应的所述全局图谱。
步骤S106,叠加每个所述二维切片图像的相应的所述全局图谱,获得空间域的全息图,以进行三维动态全息显示。
在一个示例中,叠加每个所述二维切片图像的相应的所述全局图谱,获得空间域的全息图,包括:利用插值法对所述全局图谱进行补偿,得到补偿后的所述全局图谱;将每个所述二维切片图像对应的补偿后的全局图谱进行叠加,并进行逆FFT运算,得到空间域的所述全息图。
本申请实施例将待显示的三维图像切分为多个二维切片图像,针对每个二维切片图像,计算每个二维切片图像在全息面上的衍射光场分布,即全局图谱,再进行叠加,获得整个待显示的三维图像的全息图,从而减少了内存占用率,并提高了计算速度。
实施例2
根据本发明实施例,提供了一种三维动态全息显示方法,如图2所示,该方法包括:
步骤S202,数据的获取及处理。
对实际存在的物体,可以采用扫描或数码相机等进行数据采集,而非实际存在的物体则可以直接将其函数形式输入到计算机中或者在计算机中设计出函数形式。
数据采集包括物光波的处理,物光波从物体到全息图,需要经历一段时间的传播,所以,光场的复振幅函数和物光波函数之间需要进行一定的变换。在全息显示中,物光波的振幅和相位由参考光波调制,参考光波用作载体来携带物光波的振幅和相位信息。
在计算全息时,物体的光场分布都是离散的点云,在进行离散信号转换时,采样点太少,就会使物光波不能再现,采样点太多,则会浪费计算资源,因此,要按实际情况来决定采样点的间距,使物点的采样精度达到人类视觉的要求。
将三维的物体或三维的物体图像切割成多个二维切片图像。在各二维切片图像中,在横向(X轴方向)处抽样M个点,在纵向(Y轴方向) 上抽样N个点。从抽样定理可以看出,要保持物点的所有信息,而且要满足物体的空间频宽乘积。此外,全息图的抽样数目应大于或等于被测物的抽样数目,以记录物点的完整信息。
步骤S204,生成全息图。
计算全息图时,其关键点是计算每个物点或者面元到全息面上的复振幅分布。
在一个示例中,复振幅可以采用菲涅尔衍射法计算。菲涅尔衍射的光幅幅值分布有傅里叶转换和卷积两种方法。在距离近的情况下,傅里叶变换法能很好地反映菲涅尔衍射的强度分布,而卷积法则存在着图像混淆现象。在距离远的情况下,采用卷积法可以很好地对菲涅尔衍射场进行强度分布的数值模拟,但傅里叶变换方法容易产生混淆。但是,无论是傅里叶转换还是卷积法,菲涅尔衍射法的计算工作量都比较大。
在一个示例中,复振幅可以采用菲涅尔波带法计算。菲涅尔波带方法将三维物体点云数据按距全息面的距离划分为多个层次,在每个深度层轴上分别计算和记录菲涅尔波带。但是,这种全息图必须大到足以使同一层其它点上的菲涅尔波带能被平移,之后,再通过对各点的全息图像进行重叠,获得目标的全息图像。
菲涅尔波带方法在每个周期内,都用迭代的方法取代了乘法和幂的指数运算,从而大大降低了计算量,缩短了计算时间。但菲涅尔波带方法假设同一层物点菲涅尔波带的模式是一致的,即忽略了同一平面上各点幅度的差别,因而仅适用于纯位相类目标的全息计算。当目标的亮度不一致时,需要将菲涅尔波波带中的幅值作为加权矩阵。
在一个示例中,复振幅可以采用层析法计算。层析法适用于比较简单的三维物体,对于结构复杂的物体可能不容易分层。层析法引入了快速傅里叶变换,快速傅里叶变换的引入可以提高二维物面的菲涅尔衍射的计算过程的效率。但是,层析法的成像质量依赖于分层的数量,分层越精细,像的质量和连续度越高,但随之带来的也是更大的计算量和更慢的计算速度。
在一个示例中,还可以基于物点的计算方法来计算复振幅,该方法有效降低了对存储空间的需求,并且提高了计算速度,还避免了图像质量退化。
在物点法中,将三维物体看作是一个由若干离散物点构成的理想散射体,三维物体的光波在全息面上的复振幅可以通过以下公式表达:
其中,N是点云的个数,Aj表示物点的振幅,表示该点的初始位相,k表示常数系数,λ是全息图记录光的波长,d为三维物体所在的零平面坐标系到全息图零平面的距离。rj表示组成三维物体的第j个物点(xj, yj,zj)距全息图平面上像素点(xp,yp,0)的距离。
全息图的复振幅分布等于各个物点的全息面的叠加。如果计算每个物点的复振幅,由于三维物体上的物点比较多,即使采样后,数量也非常庞大。此外,每次循环都有开平方和exp等运算,这些运算造成了比较大的计算负荷,因此,随着目标点的增加,计算时间也会增加。
为了进一步的减少计算时间,在本申请的一个示例中,还可以不保存每一物点的全息图,而是保存每一个二维切片图像所对应的水平调制因子和垂直调制因子,使用时,从表格中提取某个物点的水平调制因子和垂直调制因子,并基于水平调制因子和垂直调制因子来计算全息图。由于横向坐标相同的物点对全息面上某点具有相同的水平调制因子,因此,这样可以进行简化计算,并加快运算速度。
从在三维物体所在的零平面坐标系即本地坐标系到全息图零平面的距离比较大时,对于物点的深度差距比较大的三维物体,仅仅通过水平调制因子和垂直调制因子来计算全息图,会给成像带来畸变。
为了修正因为畸变引起的图像误差,在一个示例性实施例中,不仅仅保存每一个二维切片图像所对应的水平调制因子和垂直调制因子,为了提高逼真度,还可以保存俯仰角调制因子、翻滚角调制因子,并基于水平调制因子、垂直调制因子、俯仰角调制因子和翻滚角调制因子来计算全息图。
其中,水平调制因子、垂直调制因子、俯仰角调制因子和翻滚角调制因子可以分别通过下式计算:
上式中,(xj,yj,zj)表示第j个物点的坐标,(xp,yp,zp)表示全息图上的相应的像素点的坐标,i表示采样点的个数,k表示常数系数,d表示三维物体所在的坐标系(即本地坐标系)的零平面到全息图零平面的距离。
其中,水平调制因子、垂直调制因子是两个二维矩阵,而俯仰角调制因子和翻滚角调制因子是一个一维序列,水平调制因子、垂直调制因子、俯仰角调制因子和翻滚角调制因子所占的内存大小比较小,且计算时,无需循环计算,减少了计算次数,从而提高了计算速度。此外,本申请实施例中通过把俯仰角调制因子和翻滚角调制因子加入到循环计算中校正了这种畸变。
在一个示例性实施例中,还可以将水平调制因子和垂直调制因子合并并压缩到一维数组。这样,可以压缩内存占用空间。此外,由于每一深度的物点的所有调制因子只有一维大小,可以方便地在内存中进行操作,因此缩短了计算机寻址需要的时间,从而提高了计算速度。本实施例的方法在压缩内存和缩短时间上的作用都比较明显,而且成像质量也非常高,没有畸变。
利用生成的调制因子,基于以下两个公式生成全局图谱:
Hs(xp,yq)=Vs(yq)×(L(φ)Z(ω)-xj+zj)
其中,N是点云的个数,Aj表示物点的振幅,(xj,yj,zj)表示第j个物点的坐标,(xp,yp,zp)表示全息图平面上像素点的坐标,Vs(yq)表示三维物体的光波在全息面上的全局图谱,Hs(xp,yq)表示畸变校正后的全局图谱。
在对全局图谱进行畸变校正之后,利用插值法对全局图谱进行补偿,得到补偿后的全局图谱。将每个所述二维切片图像对应的补偿后的全局图谱进行叠加,并进行逆FFT运算,得到空间域的全息图。全息图是来自落在不同垂直线和不同深度层上的物点的所有贡献的总和。
实施例3
三维物体全息计算主要有两种方法:基于物点的方法和基于多边形的方法。由于三维物体需要大量的点采样,所以基于物点的方法需要大量的计算量来实现显示。本实施例为了加快计算速度,采用了基于多边形的方法来计算全息图。
根据本发明实施例,提供了一种三维动态全息显示方法,如图3所示,该方法包括:
步骤S302,将待显示的三维图像切分为多个二维切片图像,获取每个二维切片图像在本地坐标系中的本地图谱。
将待显示的三维图像切分为若干深度不同的二维切片图像。待显示的三维图像可以近似地被认为是一组具有不同深度的二维切片图像平面,每个二维切片图像由许多自发光物点组成。
在对三维图像进行切片时,需要考虑多种因素,例如计算速度、内存占用情况等。进行水平切片指在平行于待显示的三维图像的基准面的方向对所述待显示的三维图像进行切片。基准面可以是横向水平面,也可以是纵向的与横向水平面正交的平面。也就是说,进行切片可以是横向对待显示的三维图像进行切片,也可以是纵向对待显示的三维图像进行切片。
在一个示例中,每个二维切片的厚度可以是相同的。在其他的示例中,每个二维切片的厚度也可以不同。
本实施例中,通过将三维图像切分成多个二维切片图像,可以将全息显示的计算分解到不同的二维切片图像中,这样便能为实现一个快速的三维全角度的全息影像展现提供良好的基础。
在一个示例性实施例中,待显示的三维图像可以表示为有理模型或非均匀模型,可以使用三角形的刻面信息来获取切片轮廓,还可以通过有理 B样条曲面来计算切片轮廓,其中通过有理B样条曲面进行切片可以通过以下公式形式表示:
其中,S(x,y)是切片表面的轮廓曲线,参数x和y是切片表面在水平面上的坐标,n和m是切片表面在x和y方向上的度数,Pij是控制多边形的三维净控制点,Wij是Pij对应的权重,bik和bjl分别是k阶和l阶的B 样条基函数,η是通过深度神经网络训练得到的校正因子。
本申请实施例中,通过有理B样条曲面来进行切片,并引入了校正因子,使得待显示的三维图像能够被更精确地切割。
步骤S304,计算调制因子。
每个二维切片图像上的点的调制因子在水平方向上采样Nx个点,在垂直方向上采样Ny个点,当深度层数为Nz时,这些采样点可以被索引为三维矩阵。
对于每个二维切片图像,有Ny个点落在同一垂直线上,即它们的水平调制因子相同。落在同一二维切片图像上的Nx个点具有相同的垂直调制因子。因此,本实施例中,只计算和存储三维物体的每个二维切片图像的一个调制因子,而不是所有物点的调制因子。
在另一个示例中,调制因子可以包括水平调制因子、垂直调制因子、俯仰角调制因子和翻滚角调制。这些调制因子的计算方法和实施例2中的计算方法相同,此处不再赘述。
步骤S306,进行坐标系转换。
每个二维切片图像可以视为一个多边形。对于每个多边形,有两个坐标系,一个是全局坐标(xp,yp,zp),另一个是本地坐标(xj,yj,zj)。本实施例中,三维图像所在的坐标系是本地坐标系,进行全息显示的坐标系是全局坐标系。
在本地坐标下,多边形由曲面函数f(x,y,z)表示。曲面函数即本地图谱,其是振幅函数和相位函数的乘积,振幅函数是一个表示纹理和阴影信息的实函数,相位函数携带漫射和反射信息。曲面函数中除了携带振幅函数和相位函数之外,还携带各个像素点的位置信息。
将曲面函数在局部坐标和全局坐标之间进行三维旋转变换。首先,获取本地坐标系中的待显示的三维图像的每一层切片的最表层的各个像素点的坐标。接着,进行坐标系转换。在本地坐标系中,三维图像的像素点的坐标表示为转换到全局坐标系中的坐标可以通过下式表示为:
用X、Y、Z坐标值的方式表示该转换关系为:
其中,Xj,Yj,Zj表示三维图像的任一像素点在本地坐标系的坐标值, Xp,Yp,Zp表示该像素点转换到全局坐标系的坐标值。B为变换矩阵,用于将本地坐标系转换到全局坐标系。B可以近似表示为:
上式中,ψ为斜对称矩阵,I为单位矩阵,其中,
上式中,δ为角度误差校正因子,ac为两个坐标系的x轴之间的夹角, Bc为两个坐标系的y轴之间的夹角,yc为两个坐标系的z轴之间的夹角。
本实施例中,在进行坐标转换时,引入了角度误差校正因子,从而使得坐标系的转换更为精准。在一个示例中,角度误差校正因子可以通过深度神经网络的训练来生成,在另外一个示例中,也可以预先设置。
步骤S308,计算全息图。
利用预先生成的调制因子以及转换后的坐标,基于以下两个公式生成全局图谱:
Hs(xp,yq)=Vs(yq)×L(φ)Z(ω)
其中,N是点云的个数,Aj表示物点的振幅,(xp,yp,zp)表示转换后的全局坐标系的坐标,Hs表示三维物体的光波在全息面上的复振幅(包括振幅及相位),V(yp)是垂直调制因子,H(xp)是水平调制因子,是俯仰角调制因子,Z(ω)是翻滚角调制因子,Hs表示三维物体的光波在全息面上的全局图谱。Vs(yq)表示三维物体的光波在全息面上的全局图谱,Hs(xp,yq)表示畸变校正后的全局图谱。
计算出全息面上的全局图谱之后,对该全局图谱进行补偿,然后将各个多边形的补偿后的全局图谱进行叠加,进行逆FFT运算,得到空间域的全息图。本实施例方法不需要对每个曲面进行FFT,不需要额外的扩散计算,也不需要深度的限制。减少了全息图合成的计算时间。与传统方法相比,该方法的计算时间可减少80%。
对于二维切片图像平面,在线计算的总复杂度相对来讲比较简单,每个循环包括一次加法和一次乘法运算。由于调制因子的计算已经预先计算出来,因此,只需要实时地基于调制因子计算全息图即可,计算速度相对来讲比较快。此外,本申请实施例,预先计算和存储基本调制因子,显著减小了计算使用的内存空间的大小。
本实施例采用基于多边形的方法来计算全息图。通过基于多边形的方法,未对每个曲面进行傅里叶变换,没有额外的计算和深度的限制,减少了全息图合成的计算时间,从而提高了计算速度。
实施例4
根据本发明实施例,提供了另一种三维动态全息显示方法,如图4所示,该方法包括:
步骤S402,将待显示的三维图像切分为多个二维切片图像,获取每个二维切片图像在本地坐标系中的本地坐标。
在一个示例中,将待显示的三维图像切分为多个二维切片图像包括:将所述待显示的三维图像进行水平切片,得到所述待显示的三维图像的多个所述二维切片图像,其中,进行水平切片指在平行于所述待显示的三维图像的基准面的方向对所述待显示的三维图像进行切片。
在一个示例中,将待显示的三维图像切分为多个二维切片图像包括:通过有理B样条曲面来计算每个所述二维切片图像的切片轮廓;利用通过深度神经网络训练获取的校正因子对所述切片轮廓进行校正;基于校正后的所述切片轮廓,对所述待显示的三维图像进行切片。
步骤S404,基于所述本地坐标,计算所述二维切片图像的调制因子和复振幅,并基于所述调制因子和所述复振幅,生成所述二维切片图像的全局图谱。
在一个示例中,基于所述本地坐标,计算所述二维切片图像的复振幅,包括:获取每个所述二维切片图像中的各个物点的纹理和阴影信息,生成振幅函数;获取每个所述二维切片图像中的各个物点的漫射和散射信息,生成相位函数;基于所述振幅函数以及所述相位函数,得到所述复振幅。
在一个示例中,计算所述二维切片图像的调制因子,包括:基于所述本地坐标、所述待显示的三维图像的零平面到全息图零平面的距离,分别计算水平调制因子、垂直调制因子、俯仰角调制因子和翻滚角调制因子。
在一个示例中,基于所述调制因子和所述复振幅,生成所述二维切片图像的全局图谱,包括:基于所述水平调制因子、所述垂直调制因子、所述复振幅生成所述二维切片图像的全局图谱;基于所述俯仰角调制因子和所述翻滚角调制因子对所述全局图谱进行畸变校正,得到校正后的所述全局图谱。
步骤S406,叠加每个所述二维切片图像的相应的所述全局图谱,获得空间域的全息图,以进行三维动态全息显示。
在一个示例中,叠加每个所述二维切片图像的相应的所述全局图谱,获得空间域的全息图,包括:利用插值法对所述全局图谱进行补偿,得到补偿后的所述全局图谱;将每个所述二维切片图像对应的补偿后的全局图谱进行叠加,并进行逆FFT运算,得到空间域的所述全息图。
效果对比
上面分别介绍了基于物点和基于多边形的全息计算方法。为了验证本申请实施例提供的方法,本申请对基于物点和基于多边形以及传统的全息计算方法的结果进行了对比。其中,全息面的采样分辨率为1920*1080, 物体为300*300。各个算法的复杂度和内存使用情况如下:
算法 | 复杂度 | 运算 | 内存使用情况(字节) |
物点法 | 较复杂 | 1+,1x | 42368 |
多边形法 | 复杂 | 1+,1x | 5236 |
传统法 | 较复杂 | 1exp,4* | 462678 |
表1
由表1可以看出,物点法所占的存储空间较少,运算速度较快。多边形法所占的存储空间最少,运算速度最快。传统算法的计算复杂度、运算符和所占内存大小比较大。
本申请还比较了三种算法的计算速度。图5是根据本发明实施例的各个方法的速度对比图。从图5中可以看出,基于物点的全息计算速度比较快、基于多边形的全息计算速度最快。
本申请实施例因为深度被近似化,所以在循环中添加了俯仰角调制系数和翻滚角度调制系数,从而使图像的失真得到修正,但是,这就增加了计算时间。为此,本申请实施例又通过将压缩合并调制因子到一维数组,从而压缩了内存占用空间,使得深度上的物点的所有调制因子只有一维大小,这样可以方便地在内存中进行操作,因此缩短了计算机定位数据时寻址需要的时间。
此外,本发明的实施方式不会产生任何附加的错误,甚至在距离比率不是整数的情况下,该错误也在一个象素宽度内,可以被认为是一个***错误。本申请所提出的以物点为基础的全息计算方法与以多边形为基础的全息计算方法,在节省存储空间、缩短时间方面均有显著效果,且图像质量未发生恶化。
实施例5
本发明的实施例还提供了一种三维动态全息显示装置,如图6所示,包括处理模块62、计算模块64、叠加模块66。
处理模块62,用于将待显示的三维图像切分为多个二维切片图像,获取每个二维切片图像在本地坐标系中的本地图谱;计算模块64,用于将所述本地图谱转换到用于全息显示的全局坐标系中,并进行全息计算,得到相应的全局图谱;叠加模块66,用于叠加每个所述二维切片图像的相应的所述全局图谱,获得空间域的全息图,以进行三维动态全息显示。
在一个示例中,处理模块62还用于:将所述待显示的三维图像进行水平切片,得到所述待显示的三维图像的多个所述二维切片图像,其中,进行水平切片指在平行于所述待显示的三维图像的基准面的方向对所述待显示的三维图像进行切片。
在另外一个示例中,处理模块62还用于:通过有理B样条曲面来计算每个所述二维切片图像的切片轮廓;利用通过深度神经网络训练获取的校正因子对所述切片轮廓进行校正;基于校正后的所述切片轮廓,对所述待显示的三维图像进行切片。
在一个示例中,处理模块62还用于:获取每个所述二维切片图像中的各个物点在所述本地坐标系中的坐标位置,生成位置矩阵;获取每个所述二维切片图像中的各个物点的纹理和阴影信息,生成振幅函数;获取每个所述二维切片图像中的各个物点的漫射和散射信息,生成相位函数;基于所述位置矩阵、所述振幅函数以及所述相位函数,得到所述本地图谱。
在一个示例中,计算模块64还用于:基于变换矩阵,将所述本地图谱中的各个物点的坐标转换为所述全局坐标系中的各个位置的全局坐标;基于所述全局坐标、所述本地图谱中的所述振幅函数以及所述相位函数,利用预先计算出的调制因子,进行全息计算,得到相应的全局图谱。
在一个示例中,计算模块64还用于:基于所述物点的坐标、相应的所述全局坐标以及所述待显示的三维图像的零平面到全息图零平面的距离,分别计算水平调制因子、垂直调制因子、俯仰角调制因子和翻滚角调制因子;基于所述水平调制因子、所述垂直调制因子、所述俯仰角调制因子、所述翻滚角调制因子、所述振幅函数以及所述相位函数,进行全息计算,得到相应的所述全局图谱。
在一个示例中,叠加模块66还用于:利用插值法对所述全局图谱进行补偿,得到补偿后的所述全局图谱;将每个所述二维切片图像对应的补偿后的全局图谱进行叠加,并进行逆FFT运算,得到空间域的所述全息图。
本申请实施例提供的三维动态全息显示装置能够实现上述实施例1和 3的三维动态全息显示方法,因此,此处不再赘述。
实施例6
本发明的实施例还提供了一种基于物点的三维动态全息显示装置,如图7所示,包括切片模块72、图谱生成模块74、全息图生成模块76。
切片模块72,用于将待显示的三维图像切分为多个二维切片图像,获取每个二维切片图像在本地坐标系中的本地坐标。
在一个示例中,切片模块72将所述待显示的三维图像进行水平切片,得到所述待显示的三维图像的多个所述二维切片图像,其中,进行水平切片指在平行于所述待显示的三维图像的基准面的方向对所述待显示的三维图像进行切片。
在一个示例中,切片模块72通过有理B样条曲面来计算每个所述二维切片图像的切片轮廓;利用通过深度神经网络训练获取的校正因子对所述切片轮廓进行校正;基于校正后的所述切片轮廓,对所述待显示的三维图像进行切片。
图谱生成模块74,用于基于所述本地坐标,计算所述二维切片图像的调制因子和复振幅,并基于所述调制因子和所述复振幅,生成所述二维切片图像的全局图谱。
在一个示例中,图谱生成模块74获取每个所述二维切片图像中的各个物点的纹理和阴影信息,生成振幅函数;获取每个所述二维切片图像中的各个物点的漫射和散射信息,生成相位函数;基于所述振幅函数以及所述相位函数,得到所述复振幅。
在一个示例中,图谱生成模块74基于所述本地坐标、所述待显示的三维图像的零平面到全息图零平面的距离,分别计算水平调制因子、垂直调制因子、俯仰角调制因子和翻滚角调制因子。
在一个示例中,图谱生成模块74基于所述水平调制因子、所述垂直调制因子、所述复振幅生成所述二维切片图像的全局图谱;基于所述俯仰角调制因子和所述翻滚角调制因子对所述全局图谱进行畸变校正,得到校正后的所述全局图谱。
全息图生成模块76用于叠加每个所述二维切片图像的相应的所述全局图谱,获得空间域的全息图,以进行三维动态全息显示。
在一个示例中,全息图生成模块76被配置为:利用插值法对所述全局图谱进行补偿,得到补偿后的所述全局图谱;将每个所述二维切片图像对应的补偿后的全局图谱进行叠加,并进行逆FFT运算,得到空间域的所述全息图。
本申请实施例提供的三维动态全息显示装置能够实现上述实施例2和4的三维动态全息显示方法,因此,此处不再赘述。
实施例7
本发明的实施例还提供了一种存储介质。上述存储介质可以位于全息显示网络中的多个网络设备中的至少一个网络设备。
存储介质还被设置为存储用于执行以上实施例中的全息显示方法的程序。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
可选地,本实施例中的具体示例可以参考上述实施例1至4中所描述的示例,本实施例在此不再赘述。
实施例8
图8为本申请实施例五提供的一种电子设备的结构示意图,如图8所示,该电子设备包括:
处理器(processor)291,电子设备还包括了存储器(memory)292;还可以包括通信接口(Communication Interface)293和总线294。其中,处理器291、存储器292、通信接口293、可以通过总线294完成相互间的通信。通信接口293可以用于信息传输。处理器291可以调用存储器294 中的逻辑指令,以执行上述实施例的方法。
此外,上述的存储器292中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。
存储器292作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序,如本申请实施例中的方法对应的程序指令/模块。处理器 291通过运行存储在存储器292中的软件程序、指令以及模块,从而执行功能应用以及数据处理,即实现上述方法实施例中的方法。
存储器292可包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据终端设备的使用所创建的数据等。此外,存储器292可以包括高速随机存取存储器,还可以包括非易失性存储器。
本申请实施例还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时用于实现任一实施例中所述的方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种三维动态全息显示方法,其特征在于,包括:
将待显示的三维图像切分为多个二维切片图像,获取每个二维切片图像在本地坐标系中的本地坐标;
基于所述本地坐标,计算所述二维切片图像的调制因子和复振幅,并基于所述调制因子和所述复振幅,生成所述二维切片图像的全局图谱;
叠加每个所述二维切片图像的相应的所述全局图谱,获得空间域的全息图,以进行三维动态全息显示;
其中,基于所述本地坐标,计算所述二维切片图像的复振幅,包括:
获取每个所述二维切片图像中的各个物点的纹理和阴影信息,生成振幅函数;获取每个所述二维切片图像中的各个物点的漫射和散射信息,生成相位函数;
基于所述振幅函数以及所述相位函数,得到所述复振幅。
2.根据权利要求1所述的方法,其特征在于,将待显示的三维图像切分为多个二维切片图像包括:将所述待显示的三维图像进行水平切片,得到所述待显示的三维图像的多个所述二维切片图像,其中,进行水平切片指在平行于所述待显示的三维图像的基准面的方向对所述待显示的三维图像进行切片。
3.根据权利要求1所述的方法,其特征在于,将待显示的三维图像切分为多个二维切片图像包括:
通过有理B样条曲面来计算每个所述二维切片图像的切片轮廓;
利用通过深度神经网络训练获取的校正因子对所述切片轮廓进行校正;
基于校正后的所述切片轮廓,对所述待显示的三维图像进行切片。
4.根据权利要求1所述的方法,其特征在于,计算所述二维切片图像的调制因子,包括:基于所述本地坐标、所述待显示的三维图像的零平面到全息图零平面的距离,分别计算水平调制因子、垂直调制因子、俯仰角调制因子和翻滚角调制因子。
5.根据权利要求4所述的方法,其特征在于,基于所述调制因子和所述复振幅,生成所述二维切片图像的全局图谱,包括:
基于所述水平调制因子、所述垂直调制因子、所述复振幅生成所述二维切片图像的全局图谱;
基于所述俯仰角调制因子和所述翻滚角调制因子对所述全局图谱进行畸变校正,得到校正后的所述全局图谱。
6.根据权利要求1所述的方法,其特征在于,叠加每个所述二维切片图像的相应的所述全局图谱,获得空间域的全息图,包括:
利用插值法对所述全局图谱进行补偿,得到补偿后的所述全局图谱;
将每个所述二维切片图像对应的补偿后的全局图谱进行叠加,并进行逆FFT运算,得到空间域的所述全息图。
7.一种三维动态全息显示装置,其特征在于,包括:
切片模块,用于将待显示的三维图像切分为多个二维切片图像,获取每个二维切片图像在本地坐标系中的本地坐标;
图谱生成模块,用于基于所述本地坐标,计算所述二维切片图像的调制因子和复振幅,并基于所述调制因子和所述复振幅,生成所述二维切片图像的全局图谱;
全息图生成模块,用于叠加每个所述二维切片图像的相应的所述全局图谱,获得空间域的全息图,以进行三维动态全息显示;
其中,所述图谱生成模块还用于获取每个所述二维切片图像中的各个物点的纹理和阴影信息,生成振幅函数;获取每个所述二维切片图像中的各个物点的漫射和散射信息,生成相位函数;基于所述振幅函数以及所述相位函数,得到所述复振幅。
8.一种电子设备,其特征在于,包括权利要求7所述的全息显示装置。
9.一种计算机可读存储介质,其上存储有程序,其特征在于,在所述程序运行时,使得计算机执行如权利要求1至6中任一项方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210914078.9A CN115061348B (zh) | 2022-08-01 | 2022-08-01 | 基于物点的三维动态全息显示方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210914078.9A CN115061348B (zh) | 2022-08-01 | 2022-08-01 | 基于物点的三维动态全息显示方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115061348A CN115061348A (zh) | 2022-09-16 |
CN115061348B true CN115061348B (zh) | 2024-05-17 |
Family
ID=83208342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210914078.9A Active CN115061348B (zh) | 2022-08-01 | 2022-08-01 | 基于物点的三维动态全息显示方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115061348B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104883557A (zh) * | 2015-05-27 | 2015-09-02 | 世优(北京)科技有限公司 | 实时全息投影方法、装置及*** |
CN105069839A (zh) * | 2015-08-03 | 2015-11-18 | 清华大学深圳研究生院 | 一种三维点云模型的计算全息图生成方法 |
CN105700320A (zh) * | 2016-04-13 | 2016-06-22 | 苏州大学 | 一种基于空间光调制器的全息三维显示方法及装置 |
CN105938318A (zh) * | 2016-05-30 | 2016-09-14 | 苏州大学 | 一种基于时分复用的彩色全息三维显示方法及其*** |
WO2017054342A1 (zh) * | 2015-09-28 | 2017-04-06 | 中兴通讯股份有限公司 | 一种全息投影方法、装置及计算机存储介质 |
CN106791032A (zh) * | 2016-11-30 | 2017-05-31 | 世优(北京)科技有限公司 | 静态图像转换为动态影像的方法和装置 |
CN109445262A (zh) * | 2018-12-28 | 2019-03-08 | 天津利信科技有限公司 | 全息数据的存储方法及装置 |
CN111201469A (zh) * | 2017-12-08 | 2020-05-26 | 陈端军 | 在压缩域中运作而动态显示真实三维图像的直线变换数字全息*** |
CN111443583A (zh) * | 2020-04-14 | 2020-07-24 | 北京航空航天大学 | 一种基于全息图优化分割计算的快速全息图计算方法 |
CN113223159A (zh) * | 2021-05-27 | 2021-08-06 | 哈尔滨工程大学 | 基于目标纹理虚拟化处理的单幅遥感图像三维建模方法 |
CN114529679A (zh) * | 2022-04-19 | 2022-05-24 | 清华大学 | 基于神经辐射场的计算全息场生成方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4189879B2 (ja) * | 2003-08-08 | 2008-12-03 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 生成装置、生成方法、プログラム、及び記録媒体 |
-
2022
- 2022-08-01 CN CN202210914078.9A patent/CN115061348B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104883557A (zh) * | 2015-05-27 | 2015-09-02 | 世优(北京)科技有限公司 | 实时全息投影方法、装置及*** |
CN105069839A (zh) * | 2015-08-03 | 2015-11-18 | 清华大学深圳研究生院 | 一种三维点云模型的计算全息图生成方法 |
WO2017054342A1 (zh) * | 2015-09-28 | 2017-04-06 | 中兴通讯股份有限公司 | 一种全息投影方法、装置及计算机存储介质 |
CN105700320A (zh) * | 2016-04-13 | 2016-06-22 | 苏州大学 | 一种基于空间光调制器的全息三维显示方法及装置 |
CN105938318A (zh) * | 2016-05-30 | 2016-09-14 | 苏州大学 | 一种基于时分复用的彩色全息三维显示方法及其*** |
CN106791032A (zh) * | 2016-11-30 | 2017-05-31 | 世优(北京)科技有限公司 | 静态图像转换为动态影像的方法和装置 |
CN111201469A (zh) * | 2017-12-08 | 2020-05-26 | 陈端军 | 在压缩域中运作而动态显示真实三维图像的直线变换数字全息*** |
CN109445262A (zh) * | 2018-12-28 | 2019-03-08 | 天津利信科技有限公司 | 全息数据的存储方法及装置 |
CN111443583A (zh) * | 2020-04-14 | 2020-07-24 | 北京航空航天大学 | 一种基于全息图优化分割计算的快速全息图计算方法 |
CN113223159A (zh) * | 2021-05-27 | 2021-08-06 | 哈尔滨工程大学 | 基于目标纹理虚拟化处理的单幅遥感图像三维建模方法 |
CN114529679A (zh) * | 2022-04-19 | 2022-05-24 | 清华大学 | 基于神经辐射场的计算全息场生成方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115061348A (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018164852A1 (en) | Image reconstruction for virtual 3d | |
Bangchang et al. | Experimental system of free viewpoint television | |
US20140300941A1 (en) | Method and apparatus for generating hologram based on multi-view image | |
KR20140096532A (ko) | 디지털 홀로그램 생성 장치 및 그 방법 | |
KR102277098B1 (ko) | 포인트 클라우드 및 메쉬를 이용한 체적형 홀로그램 생성 방법 | |
US11561508B2 (en) | Method and apparatus for processing hologram image data | |
CN113763301B (zh) | 一种减小错切概率的三维图像合成方法和装置 | |
Zhao et al. | Implementation of full-color holographic system using non-uniformly sampled 2D images and compressed point cloud gridding | |
CN112184547A (zh) | 红外图像的超分辨率方法及计算机可读存储介质 | |
US20220222842A1 (en) | Image reconstruction for virtual 3d | |
CN115373782A (zh) | 基于多边形的三维全息显示方法及装置 | |
KR102577707B1 (ko) | 진폭 변조 홀로그램을 위한 홀로그램 인코딩 및 홀로그램 화질 평가 장치 및 그 방법 | |
CN115061348B (zh) | 基于物点的三维动态全息显示方法及装置 | |
Adhikarla et al. | Real-time adaptive content retargeting for live multi-view capture and light field display | |
KR101321895B1 (ko) | 디지털 홀로그램 비디오를 위한 인터랙티브 디지털 홀로그램 서비스 시스템 | |
Shiomi et al. | Fast hologram calculation method using wavelet transform: WASABI-2 | |
Zhu et al. | A signal-processing framework for occlusion of 3D scene to improve the rendering quality of views | |
CN116029919A (zh) | 一种压缩三维光场显示的智能优化方法 | |
US10972713B2 (en) | 3DTV at home: Eulerian-Lagrangian stereo-to-multi-view conversion | |
CN113486928B (zh) | 一种基于有理多项式模型可微分张量表达的多视影像对齐方法 | |
Bregovic et al. | Signal processing methods for light field displays | |
KR102526651B1 (ko) | 영상 데이터 처리 방법 및 장치 | |
KR102477098B1 (ko) | 영상 데이터 처리 방법 및 장치 | |
CN116503536B (zh) | 一种基于场景分层的光场渲染方法 | |
Song et al. | Real-time depth map generation using hybrid multi-view cameras |
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 |