CN115131507A - 图像处理方法、图像处理设备和元宇宙三维重建方法 - Google Patents
图像处理方法、图像处理设备和元宇宙三维重建方法 Download PDFInfo
- Publication number
- CN115131507A CN115131507A CN202210894473.5A CN202210894473A CN115131507A CN 115131507 A CN115131507 A CN 115131507A CN 202210894473 A CN202210894473 A CN 202210894473A CN 115131507 A CN115131507 A CN 115131507A
- Authority
- CN
- China
- Prior art keywords
- image
- determining
- target object
- feature point
- processed
- 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 46
- 238000012545 processing Methods 0.000 title claims abstract description 40
- 238000003672 processing method Methods 0.000 title claims abstract description 29
- 239000013589 supplement Substances 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 7
- 230000000153 supplemental effect Effects 0.000 claims 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 11
- 238000000605 extraction Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012805 post-processing Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
- G06T17/205—Re-meshing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本公开提供了一种图像处理方法、图像处理设备和元宇宙三维重建方法,涉及人工智能领域,具体为计算机视觉、图像处理、元宇宙等技术领域。图像处理方法包括:获取由图像采集装置在第一位置处采集的与目标对象相关联的第一原始图像和与目标对象相关联的第一补光图像;获取由图像采集装置在第二位置处采集的与目标对象相关联的第二原始图像和与目标对象相关联的第二补光图像;基于第一原始图像和第二原始图像,确定图像采集位姿;基于第一补光图像和第二补光图像,确定与目标对象相关联的局部点云数据;基于图像采集位姿和局部点云数据,确定与目标对象相关联的总体点云数据。
Description
技术领域
本公开涉及人工智能领域,具体为计算机视觉、图像处理、元宇宙等技术领域,更具体地,涉及一种图像处理方法、图像处理设备、装置、元宇宙三维重建方法、元宇宙三维重建装置、电子设备、介质和程序产品。
背景技术
在一些场景下,需要对目标对象进行三维重建,以便得到目标对象的三维模型。但是,相关技术的三维重建技术效果不佳、成本高。
发明内容
本公开提供了一种图像处理方法、图像处理设备、装置、元宇宙三维重建方法、元宇宙三维重建装置、电子设备、存储介质以及程序产品。
根据本公开的一方面,提供了一种图像处理方法,包括:获取由图像采集装置在第一位置处采集的与目标对象相关联的第一原始图像和与所述目标对象相关联的第一补光图像;获取由所述图像采集装置在第二位置处采集的与所述目标对象相关联的第二原始图像和与所述目标对象相关联的第二补光图像;基于所述第一原始图像和所述第二原始图像,确定图像采集位姿;基于所述第一补光图像和所述第二补光图像,确定与所述目标对象相关联的局部点云数据;基于所述图像采集位姿和所述局部点云数据,确定与所述目标对象相关联的总体点云数据。
根据本公开的另一方面,提供了一种图像处理设备,包括:载物台、补光装置、图像采集装置和图像处理装置。载物台,用于承载目标对象;补光装置,用于向所述目标对象投射光;图像采集装置,用于在第一位置处采集与所述目标对象相关联的第一原始图像和与所述目标对象相关联的第一补光图像,以及在第二位置处采集与所述目标对象相关联的第二原始图像和与所述目标对象相关联的第二补光图像;图像处理装置,用于执行上述的图像处理方法。
根据本公开的另一方面,提供了一种图像处理装置,包括:第一获取模块、第二获取模块、第一确定模块、第二确定模块以及第三确定模块。第一获取模块,用于获取由图像采集装置在第一位置处采集的与目标对象相关联的第一原始图像和与所述目标对象相关联的第一补光图像;第二获取模块,用于获取由所述图像采集装置在第二位置处采集的与所述目标对象相关联的第二原始图像和与所述目标对象相关联的第二补光图像;第一确定模块,用于基于所述第一原始图像和所述第二原始图像,确定图像采集位姿;第二确定模块,用于基于所述第一补光图像和所述第二补光图像,确定与所述目标对象相关联的局部点云数据;第三确定模块,用于基于所述图像采集位姿和所述局部点云数据,确定与所述目标对象相关联的总体点云数据。
根据本公开的另一方面,提供了一种元宇宙三维重建方法,包括上述的图像处理方法。
根据本公开的另一方面,提供了一种元宇宙三维重建装置,包括上述的图像处理装置。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器以及与所述至少一个处理器通信连接的存储器。其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述的图像处理方法和/或元宇宙三维重建方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行上述的图像处理方法和/或元宇宙三维重建方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序/指令,所述计算机程序/指令存储于可读存储介质和电子设备其中至少之一上,所述计算机程序/指令被处理器执行时实现上述图像处理方法和/或元宇宙三维重建方法的步骤。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1示意性示出了三维重建的示意图;
图2示意性示出了根据本公开一实施例的图像处理设备的示意图;
图3示意性示出了根据本公开一实施例的图像处理方法的流程图;
图4示意性示出了根据本公开一实施例的图像处理方法的原理图;
图5示意性示出了根据本公开一实施例的图像处理装置的框图;以及
图6是用来实现本公开实施例的用于执行图像处理和/或元宇宙三维重建的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的***”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的***等)。
图1示意性示出了三维重建的示意图。
如图1所示,对于真实的目标对象110,通常需要对目标对象110进行三维重建,得到针对目标对象110的三维模型130。
示例性地,可以采集目标对象110的多个图像121、122,然后对多个图像121、122进行特征提取、特征匹配、深度计算等,得到目标对象110的点云数据,基于点云数据得到三维模型130。
在一些情况下,目标对象110例如包括弱纹理对象,弱纹理对象表面包含的纹理信息较少,导致特征提取、特征匹配效果不佳,从而影响三维重建效果。
针对弱纹理对象的三维重建,可以通过多种三维重建技术得到三维模型。
在一示例中,可以通过结构光3D相机、tof(time of flight)相机进行三维重建,该方式需要利用额外的结构光3D相机、tof相机等设备,并且结构光3D相机、tof相机的成本较高。另外,还需要学习设备的使用方式,使用方式例如包括设备标定,学习的时间成本较高。
在另一示例中,可以通过主动双目立体相机采集目标对象的图像,并对图像进行三维重建。双目立体相机的左右两个相机同时对物体成像,以获取视差,以此实现三维深度估计。主动双目立体相机一般在两个相机之间有一个投射装置,可以投射出光斑到目标对象上。投出的光斑改变了目标对象表面的纹理,从而能解决了弱纹理对象的三维重建问题。但是,该方式也需要利用额外的设备,存在设备成本高、设备的使用学习成本高的问题。
在另一示例中,可以在一个拍摄箱体内放置了一个托盘,目标对象放置于托盘上,通过相机围绕目标对象拍摄多视角的图像,再利用多视角三维重建方法基于采集的图像进行三维重建。例如,可以在托盘四周部署多个补光装置,使得弱纹理对象被笼罩在光斑之下,再基于托盘的旋转可完成多视角的拍摄,进而实现三维重建。
但是,该方式的补光装置需要与目标对象保持相对静止,当托盘转动时,需要补光装置同步转动。如果托盘和补光装置的转动不依赖于同一个硬件,则同步转动的精度很难得到保证。如果托盘和补光装置依赖于同一个硬件,则补光装置需与托盘进行物理连接,该设计增加了难度,尤其是有些角度的补光装置的布置难度较大,比如顶部。另外,补光装置转动时,较难保证光斑不会晃动。再者,为了使得目标对象被光斑更好地覆盖,一般需要在目标对象周围布置多个补光装置,这些补光装置在拍摄过程中容易入画而影响图像质量,而且也某些角度的补光装置直射图像采集装置,导致采集的图像的过曝。
在另一示例中,可以通过神经渲染技术进行三维重建。但是,该方式需要使用大量的计算资源,一个目标对象的重建往往需要耗费十几个小时以上,较难满足大量推广的需求。
有鉴于此,本公开的实施例提出了一种图像处理设备和图像处理方法。
图2示意性示出了根据本公开一实施例的图像处理设备的示意图。
如图2所示,图像处理设备例如包括载物台310、补光装置、图像采集装置330和图像处理装置340。其中,补光装置例如包括一个或多个,本公开的实施例以两个为例,分别为补光装置321和补光装置322。
示例性地,载物台310用于承载目标对象300。载物台310可以带动目标对象300转动。
补光装置321、322用于向目标对象300投射光,使得目标对象300的表面具有光斑。例如,当目标对象300为弱纹理对象时,如果直接对目标对象300进行图像采集,得到的图像包含的纹理信息较少,导致难以进行特征提取和特征匹配,从而影响三维重建效果。因此,通过补光装置321、322向目标对象300投射光,使得目标对象300的表面具有光斑,从而增加目标对象300的纹理信息。
图像采集装置330可以在多个位置采集目标对象的图像。多个位置例如包括第一位置P_1、第二位置P_2、第三位置P_3等等。第一位置P_1、第二位置P_2、第三位置P_3之间的距离较小,例如第一位置P_1、第二位置P_2、第三位置P_3均处于补光装置321、322之间。本公开实施例以第一位置和第二位置为例。第一位置例如处于补光装置321、322中间,并正对目标对象300,第二位置例如与第一位置相隔较小的距离(例如5cm)。
在一示例中,载物台310可以进行旋转,例如每次旋转20°就停留,每次停留对应一个采集角度,旋转一圈对应18个采集角度(360°/20°=18)。在每个采集角度下,图像采集装置330在第一位置和第二位置分别采集图像。
例如,图像采集装置330在第一位置处采集与目标对象相关联的第一原始图像和与目标对象相关联的第一补光图像,以及在第二位置处采集与目标对象相关联的第二原始图像和与目标对象相关联的第二补光图像。第一原始图像和第二原始图像为补光装置321、322关闭时采集的无光斑图像。第一补光图像和第二补光图像为补光装置321、322开启时采集的有光斑图像。
在采集到第一原始图像、第二原始图像、第一补光图像、第二补光图像之后,利用图像处理装置340处理采集的图像,以进行三维重建得到针对目标对象300的三维模型。图像处理装置340例如与下文的电子设备相同或类似。
在另一示例中,图像处理设备还可以包括控制器,控制器例如与载物台310电连接,用于控制载物台310基于多个采集角度转动,每个采集角度各自对应第一位置和第二位置。
可以理解,本公开实施例的图像处理设备成本较低,从而降低了三维重建的成本。
以下参考图3~图4描述本公开的图像处理方法。
图3示意性示出了根据本公开一实施例的图像处理方法的流程图。
如图3所示,本公开实施例的图像处理方法300例如可以包括操作S310~操作S350。
在操作S310,获取由图像采集装置在第一位置处采集的与目标对象相关联的第一原始图像和与目标对象相关联的第一补光图像。
在操作S320,获取由图像采集装置在第二位置处采集的与目标对象相关联的第二原始图像和与目标对象相关联的第二补光图像。
在操作S330,基于第一原始图像和第二原始图像,确定图像采集位姿。
在操作S340,基于第一补光图像和第二补光图像,确定与目标对象相关联的局部点云数据。
在操作S350,基于图像采集位姿和局部点云数据,确定与目标对象相关联的总体点云数据。
示例性地,图像采集装置例如包括相机,图像采集位姿例如为相机位姿。以一个采集角度对应的第一位置和第二位置为例,通过处理第一原始图像和第二原始图像,可以得到图像采集位姿。图像采集位姿例如包括图像采集装置在第一位置处采集第一原始图像和第一补光图像的位置信息和姿态信息,图像采集位姿还包括图像采集装置在第二位置处采集第二原始图像和第二补光图像的位置信息和姿态信息。
由于第一补光图像和第二补光图像具有光斑信息,因此可以处理第一补光图像和第二补光图像得到目标对象的局部点云数据,每个采集角度例如对应一个局部点云数据。
得到多个采集角度下的图像采集位姿和局部点云数据之后,可以基于图像采集位姿处理局部点云数据,得到目标对象的总体点云数据,总体点云数据表征了目标对象的三维信息。
根据本公开实施例,通过在第一位置处采集第一原始图像和第一补光图像,在第二位置处采集第二原始图像和第二补光图像,基于第一原始图像和第二原始图像得到图像采集位姿,基于第一补光图像和第二补光图像得到局部点云数据,然后基于图像采集位姿和局部点云数据得到总体点云数据,提高了三维重建的效果,降低了三维重建的成本。
图4示意性示出了根据本公开一实施例的图像处理方法的原理图。
如图4所示,图像处理方法例如包括确定图像采集位姿、点云生成、点云后处理等过程。
以下详细阐述确定图像采集位姿的一种示例:
第一原始图像包括与多个采集角度相关联的多个第一原始图像,第二原始图像包括与多个采集角度相关联的多个第二原始图像。以18个采集角度为例,每个采集角度对应一个第一位置和第二位置,18个采集角度对应的多个第一原始图像为18个,18个采集角度对应的多个第二原始图像为18个。
例如,从多个(18个)第一原始图像和多个(18个)第二原始图像中,确定第一待处理图像和第二待处理图像。第一待处理图像中的目标对象和第二待处理图像中的目标对象例如重叠度较高,即,第一待处理图像对应的采集角度和第二待处理图像对应的采集角度较相近。
确定第一待处理图像和第二待处理图像之后,对第一待处理图像进行特征提取,得到多个特征点,对第二待处理图像进行特征提取,得到多个特征点,将第一待处理图像的多个特征点和第二待处理图像的多个特征点进行特征匹配,以便确定第一待处理图像的第一特征点和第二待处理图像的第二特征点,第一特征点与第二特征点相匹配。例如,第一特征点和第二特征点为目标对象的相同点。特征点例如为像素点。
接下来,基于第一特征点和第二特征点之间的差异数据,得到与第一待处理图像相关联的图像采集位姿和与第二待处理图像相关联的图像采集位姿。例如,将第一特征点和第二特征点投影至相同的二维平面,得到第一特征点的二维坐标和第二特征点的二维坐标,差异数据为例如第一特征点的二维坐标和第二特征点的二维坐标之间的坐标差值。
在得到差异数据之后,可以基于差异数据得到第一待处理图像对应的图像采集位姿和第二待处理图像对应的图像采集位姿。例如,利用极线约束(epipolar constraint)方式基于差异数据得到图像采集位姿。其中,图像采集位姿可以是相对位姿。
接下来,可以基于与第一待处理图像相关联的图像采集位姿和与第二待处理图像相关联的图像采集位姿,确定与第一特征点和第二特征点相关联的空间位置。例如,利用三角方法得到空间位置。例如,在三维空间中,第一待处理图像对应的图像采集位姿和第一特征点之间具有一延长线,第二待处理图像对应的图像采集位姿和第二特征点之间具有一延长线,利用三角方法得到两个延长线的交汇处,将交汇处作为与第一特征点和第二特征点相关联的空间位置。
在处理完第一待处理图像和第二待处理图像之后,可以利用增量重建方式得到与其他图像对应的图像采集位姿。例如,可以继续从多个第一原始图像和多个第二原始图像中确定第三待处理图像。第三待处理图像不同于第一待处理图像和第二待处理图像。例如,基于第一待处理图像或第二待处理图像来选择第三待处理图像。本公开的实施例以基于第二待处理图像来选择第三待处理图像为例,即,所选择的第三待处理图像对应的采集角度和第二待处理图像对应的采集角度较相近,使得第三待处理图像中的目标对象和第二待处理图像中的目标对象重叠度较高。
接下来,对第三待处理图像进行特征提取,得到多个特征点,从多个特征点中确定第三特征点,第三特征点例如与第二特征点相匹配。然后,确定第三特征点相对于第二特征点的增量数据,例如,将第三特征点和第二特征点投影至相同的二维平面,得到二维坐标,增量数据例如为第三特征点的二维坐标和第二特征点的二维坐标之间的坐标差值。
然后,以与第一特征点和第二特征点相关联的空间位置为约束,基于增量数据和与第二待处理图像相关联的图像采集位姿,确定与第三待处理图像相关联的图像采集位姿,与第三待处理图像相关联的图像采集位姿与与第二待处理图像相关联的图像采集位姿之间存在一定增量。然后,继续基于第一待处理图像、第二待处理图像或第三待处理图像来确定第四待处理图像,基于增量重建的方式得到与第四待处理图像对应的图像采集位姿,以此类推得到每个第一原始图像和每个第二原始图像的图像采集位姿。
根据本公开的实施例,在多个采集角度下,目标对象上的光斑是变化的,与多个采集角度对应的多个第一补光图像和多个第二补光图像的光斑信息不同。在确定图像采集位姿时需要进行特征提取,为了避光斑免不同的影响,基于没有光斑的多个第一原始图像和多个第二原始图像得到图像采集位姿,提高了图像采集位姿的准确性。
示例性地,由于后续需要基于第一补光图像和第二补光图像来生成目标对象的点云数据,因此,需要获取与第一补光图像和第二补光图像相关联图像采集位姿。
示例性地,图像采集装置基于相同的位姿采集第一原始图像和第一补光图像,图像采集装置基于相同的位姿采集第二原始图像和第二补光图像。通过上文的方法基于第一原始图像和第二原始图像,确定与第一原始图像和第二原始图像相关联的参考图像采集位姿之后,将参考图像采集位姿确定为与第一补光图像和第二补光图像相关联的图像采集位姿。例如,将第一原始图像对应的参考图像采集位姿作为与第一补光图像对应的图像采集位姿,将第二原始图像对应的参考图像采集位姿作为与第二补光图像对应的图像采集位姿。
在一示例中,可以通过SFM(Structure From Motion)方法进行三维重建得到图像采集位姿。SFM是一种三维重建方法。
以下详细阐述确定点云生成的一种示例:
例如,针对一个采集角度,该采集角度对应一个第一补光图像和一个第二补光图像。对第一补光图像进行特征提取,得到多个特征点。对第二补光图像进行特征提取,得到多个特征点。对第一补光图像的多个特征点和第二补光图像的多个特征点进行特征匹配,得到第一补光图像的第三特征点和第二补光图像的第四特征点,第三特征点与第四特征点相匹配。
然后,通过深度计算方式确定与第三特征点和第四特征点相关联的深度信息,并基于深度信息确定针对该采集角度的局部点云数据。
例如,以第一补光图像作为参考图,对于第一补光图像中的每一个特征点,可以通过极线约束方式在第二补光图像中寻找到最匹配的特征点,再利用三角法得到特征点的深度信息,以此得到该采集角度下的局部点云数据。特征点可以是像素点。
在得到与多个采集角度相关联的多个局部点云数据之后,可以基于与多个采集角度相关联的图像采集位姿,将多个局部点云数据进行点云融合,得到总体点云数据。例如,每个图像采集位姿对应一个局部点云数据,多个图像采集位姿之间的相对位置关系表征了多个局部点云数据之间的相对位置关系,基于多个局部点云数据之间的相对位置关系将多个局部点云数据进行融合。接下来,可以对融合后得到的总体点云数据进行深度滤波,得到滤波后的总体点云数据,滤波后的总体点云数据更加光滑,特别是局部点云数据的连接处更加光滑。
根据本公开的实施例,不同采集角度下的第一补光图像的光斑信息不一致,不同采集角度下的第二补光图像的光斑信息不一致,如果直接基于多个第一补光图像和多个第二补光图像生成目标对象的总体点云数据,将存在三维重建效果不佳的问题。因此,本公开的实施例针对每个采集角度分别进行三维重建得到局部点云数据,再以图像采集位姿作为参考,将多个采集角度下的局部点云数据进行融合得到总体点云数据,提高了三维重建的准确性。
以下详细阐述确定点云后处理的一种示例:
在得到总体点云数据之后,可以基于总体点云数据生成与目标对象相关联的网格。然后,对网格进行处理,例如进行滤波处理。接下来,将第一原始图像和第二原始图像映射至网格中,得到目标对象的三维模型。三维模型的表面具有目标对象的纹理信息,纹理信息是来自第一原始图像和第二原始图像的。
根据本公开的实施例,得到目标对象的总体点云数据之后,将第一原始图像和第二原始图像映射至网格,得到包含目标对象的纹理的三维模型,由于第一原始图像和第二原始图像包含目标对象的真实纹理并且没有光斑,使得得到的三维模型更加接近真实的目标对象,提高了三维模型的准确性。
本公开的实施例通过确定图像采集位姿、点云生成、点云后处理等得到三维模型,提高了三维重建的效果,简单的硬件设计降低了三维重建的成本,对弱纹理对象的重建效果较好。
本公开的实施例还提供了一种元宇宙三维重建方法,包括上文提及的图像处理方法。元宇宙(Metaverse)是利用科技手段进行链接以及创造的与现实世界映射并交互的虚拟世界,是具备新型社会体系的数字生活空间。
图5示意性示出了根据本公开一实施例的图像处理装置的框图。
如图5所示,本公开实施例的图像处理装置500例如包括第一获取模块510、第二获取模块520、第一确定模块530、第二确定模块540和第三确定模块550。
第一获取模块510可以用于获取由图像采集装置在第一位置处采集的与目标对象相关联的第一原始图像和与目标对象相关联的第一补光图像。根据本公开实施例,第一获取模块510例如可以执行上文参考图3描述的操作S310,在此不再赘述。
第二获取模块520可以用于获取由图像采集装置在第二位置处采集的与目标对象相关联的第二原始图像和与目标对象相关联的第二补光图像。根据本公开实施例,第二获取模块520例如可以执行上文参考图3描述的操作S320,在此不再赘述。
第一确定模块530可以用于基于第一原始图像和第二原始图像,确定图像采集位姿。根据本公开实施例,第一确定模块530例如可以执行上文参考图3描述的操作S330,在此不再赘述。
第二确定模块540可以用于基于第一补光图像和第二补光图像,确定与目标对象相关联的局部点云数据。根据本公开实施例,第二确定模块540例如可以执行上文参考图3描述的操作S340,在此不再赘述。
第三确定模块550可以用于基于图像采集位姿和局部点云数据,确定与目标对象相关联的总体点云数据。根据本公开实施例,第三确定模块550例如可以执行上文参考图3描述的操作S350,在此不再赘述。
根据本公开的实施例,局部点云数据包括与多个采集角度相关联的多个局部点云数据,采集角度对应第一位置和第二位置;其中,第三确定模块550还用于:基于图像采集位姿,将多个局部点云数据进行融合,得到总体点云数据。
根据本公开的实施例,第一原始图像包括与多个采集角度相关联的多个第一原始图像,第二原始图像包括与多个采集角度相关联的多个第二原始图像;其中,第一确定模块530包括:第一确定子模块、第二确定子模块和获得子模块。第一确定子模块,用于从多个第一原始图像和多个第二原始图像中,确定第一待处理图像和第二待处理图像;第二确定子模块,用于确定第一待处理图像的第一特征点和第二待处理图像的第二特征点,其中,第一特征点与第二特征点相匹配;获得子模块,用于基于第一特征点和第二特征点之间的差异数据,得到与第一待处理图像相关联的图像采集位姿和与第二待处理图像相关联的图像采集位姿。
根据本公开的实施例,第一确定模块530还包括:第三确定子模块、第四确定子模块、第五确定子模块和第六确定子模块。第三确定子模块,用于基于与第一待处理图像相关联的图像采集位姿和与第二待处理图像相关联的图像采集位姿,确定与第一特征点和第二特征点相关联的空间位置;第四确定子模块,用于从多个第一原始图像和多个第二原始图像中,确定第三待处理图像;第五确定子模块,用于确定第三待处理图像的第三特征点相对于第二特征点的增量数据;第六确定子模块,用于以空间位置为约束,基于增量数据和与第二待处理图像相关联的图像采集位姿,确定与第三待处理图像相关联的图像采集位姿。
根据本公开的实施例,装置500还可以包括:生成模块和映射模块。生成模块,用于基于总体点云数据,生成与目标对象相关联的网格;映射模块,用于将第一原始图像和第二原始图像映射至网格,得到目标对象的三维模型。
根据本公开的实施例,图像采集位姿包括与第一补光图像和第二补光图像相关联的图像采集位姿;第一确定模块530包括:第七确定子模块和第八确定子模块。第七确定子模块,用于基于第一原始图像和第二原始图像,确定与第一原始图像和第二原始图像相关联的参考图像采集位姿;第八确定子模块,用于将参考图像采集位姿确定为图像采集位姿。
根据本公开的实施例,第二确定模块540包括:第九确定子模块、第十确定子模块和第十一确定子模块。第九确定子模块,用于确定第一补光图像的第三特征点和第二补光图像的第四特征点,其中,第三特征点与第四特征点相匹配;第十确定子模块,用于确定与第三特征点和第四特征点相关联的深度信息;第十一确定子模块,用于基于深度信息,确定局部点云数据。
本公开的实施例还提供了一种元宇宙三维重建装置,包括上文提及的图像处理装置。
在本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供、公开和应用等处理,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
在本公开的技术方案中,在获取或采集用户个人信息之前,均获取了用户的授权或同意。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开实施例,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行上文所描述的图像处理方法和/或元宇宙三维重建方法。
根据本公开实施例,提供了一种计算机程序产品,包括计算机程序/指令,计算机程序/指令存储于可读存储介质和电子设备其中至少之一上,计算机程序/指令被处理器执行时实现上文所描述的图像处理方法和/或元宇宙三维重建方法。
图6是用来实现本公开实施例的用于执行图像处理和/或元宇宙三维重建的电子设备的框图。
图6示出了可以用来实施本公开实施例的示例电子设备600的示意性框图。电子设备600旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如图像处理方法和/或元宇宙三维重建方法。例如,在一些实施例中,图像处理方法和/或元宇宙三维重建方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的图像处理方法和/或元宇宙三维重建方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行图像处理方法和/或元宇宙三维重建方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程图像处理装置和/或元宇宙三维重建装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
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。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式***的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (21)
1.一种图像处理方法,包括:
获取由图像采集装置在第一位置处采集的与目标对象相关联的第一原始图像和与所述目标对象相关联的第一补光图像;
获取由所述图像采集装置在第二位置处采集的与所述目标对象相关联的第二原始图像和与所述目标对象相关联的第二补光图像;
基于所述第一原始图像和所述第二原始图像,确定图像采集位姿;
基于所述第一补光图像和所述第二补光图像,确定与所述目标对象相关联的局部点云数据;以及
基于所述图像采集位姿和所述局部点云数据,确定与所述目标对象相关联的总体点云数据。
2.根据权利要求1所述的方法,其中,所述局部点云数据包括与多个采集角度相关联的多个局部点云数据,所述采集角度对应第一位置和第二位置;
其中,所述基于所述图像采集位姿和所述局部点云数据,确定与所述目标对象相关联的总体点云数据包括:
基于所述图像采集位姿,将所述多个局部点云数据进行融合,得到所述总体点云数据。
3.根据权利要求2所述的方法,其中,所述第一原始图像包括与所述多个采集角度相关联的多个第一原始图像,所述第二原始图像包括与所述多个采集角度相关联的多个第二原始图像;
其中,所述基于所述第一原始图像和所述第二原始图像,确定图像采集位姿包括:
从所述多个第一原始图像和所述多个第二原始图像中,确定第一待处理图像和第二待处理图像;
确定所述第一待处理图像的第一特征点和所述第二待处理图像的第二特征点,其中,所述第一特征点与所述第二特征点相匹配;以及
基于所述第一特征点和所述第二特征点之间的差异数据,得到与所述第一待处理图像相关联的图像采集位姿和与所述第二待处理图像相关联的图像采集位姿。
4.根据权利要求3所述的方法,其中,所述基于所述第一原始图像和所述第二原始图像,确定图像采集位姿还包括:
基于与所述第一待处理图像相关联的图像采集位姿和与所述第二待处理图像相关联的图像采集位姿,确定与所述第一特征点和所述第二特征点相关联的空间位置;
从所述多个第一原始图像和所述多个第二原始图像中,确定第三待处理图像;
确定所述第三待处理图像的第三特征点相对于所述第二特征点的增量数据;以及
以所述空间位置为约束,基于所述增量数据和与所述第二待处理图像相关联的图像采集位姿,确定与所述第三待处理图像相关联的图像采集位姿。
5.根据权利要求1-4中任意一项所述的方法,还包括:
基于所述总体点云数据,生成与所述目标对象相关联的网格;以及
将所述第一原始图像和所述第二原始图像映射至所述网格,得到所述目标对象的三维模型。
6.根据权利要求1-5中任意一项所述的方法,其中,所述图像采集位姿包括与所述第一补光图像和所述第二补光图像相关联的图像采集位姿;所述基于所述第一原始图像和所述第二原始图像,确定图像采集位姿包括:
基于所述第一原始图像和所述第二原始图像,确定与所述第一原始图像和所述第二原始图像相关联的参考图像采集位姿;以及
将所述参考图像采集位姿确定为所述图像采集位姿。
7.根据权利要求1-6中任意一项所述的方法,其中,所述基于所述第一补光图像和所述第二补光图像,确定与所述目标对象相关联的局部点云数据包括:
确定所述第一补光图像的第三特征点和所述第二补光图像的第四特征点,其中,所述第三特征点与所述第四特征点相匹配;
确定与所述第三特征点和所述第四特征点相关联的深度信息;以及
基于所述深度信息,确定所述局部点云数据。
8.一种图像处理设备,包括:
载物台,用于承载目标对象;
补光装置,用于向所述目标对象投射光;
图像采集装置,用于在第一位置处采集与所述目标对象相关联的第一原始图像和与所述目标对象相关联的第一补光图像,以及在第二位置处采集与所述目标对象相关联的第二原始图像和与所述目标对象相关联的第二补光图像;以及
图像处理装置,用于执行根据权利要求1-7中任意一项所述的方法。
9.根据权利要求8所述的设备,还包括:
控制器,用于控制所述载物台基于多个采集角度转动,其中,所述采集角度对应第一位置和第二位置。
10.一种图像处理装置,包括:
第一获取模块,用于获取由图像采集装置在第一位置处采集的与目标对象相关联的第一原始图像和与所述目标对象相关联的第一补光图像;
第二获取模块,用于获取由所述图像采集装置在第二位置处采集的与所述目标对象相关联的第二原始图像和与所述目标对象相关联的第二补光图像;
第一确定模块,用于基于所述第一原始图像和所述第二原始图像,确定图像采集位姿;
第二确定模块,用于基于所述第一补光图像和所述第二补光图像,确定与所述目标对象相关联的局部点云数据;以及
第三确定模块,用于基于所述图像采集位姿和所述局部点云数据,确定与所述目标对象相关联的总体点云数据。
11.根据权利要求10所述的装置,其中,所述局部点云数据包括与多个采集角度相关联的多个局部点云数据,所述采集角度对应第一位置和第二位置;
其中,所述第三确定模块还用于:
基于所述图像采集位姿,将所述多个局部点云数据进行融合,得到所述总体点云数据。
12.根据权利要求11所述的装置,其中,所述第一原始图像包括与所述多个采集角度相关联的多个第一原始图像,所述第二原始图像包括与所述多个采集角度相关联的多个第二原始图像;
其中,所述第一确定模块包括:
第一确定子模块,用于从所述多个第一原始图像和所述多个第二原始图像中,确定第一待处理图像和第二待处理图像;
第二确定子模块,用于确定所述第一待处理图像的第一特征点和所述第二待处理图像的第二特征点,其中,所述第一特征点与所述第二特征点相匹配;以及
获得子模块,用于基于所述第一特征点和所述第二特征点之间的差异数据,得到与所述第一待处理图像相关联的图像采集位姿和与所述第二待处理图像相关联的图像采集位姿。
13.根据权利要求12所述的装置,其中,所述第一确定模块还包括:
第三确定子模块,用于基于与所述第一待处理图像相关联的图像采集位姿和与所述第二待处理图像相关联的图像采集位姿,确定与所述第一特征点和所述第二特征点相关联的空间位置;
第四确定子模块,用于从所述多个第一原始图像和所述多个第二原始图像中,确定第三待处理图像;
第五确定子模块,用于确定所述第三待处理图像的第三特征点相对于所述第二特征点的增量数据;以及
第六确定子模块,用于以所述空间位置为约束,基于所述增量数据和与所述第二待处理图像相关联的图像采集位姿,确定与所述第三待处理图像相关联的图像采集位姿。
14.根据权利要求10-13中任意一项所述的装置,还包括:
生成模块,用于基于所述总体点云数据,生成与所述目标对象相关联的网格;以及
映射模块,用于将所述第一原始图像和所述第二原始图像映射至所述网格,得到所述目标对象的三维模型。
15.根据权利要求10-14中任意一项所述的装置,其中,所述图像采集位姿包括与所述第一补光图像和所述第二补光图像相关联的图像采集位姿;所述第一确定模块包括:
第七确定子模块,用于基于所述第一原始图像和所述第二原始图像,确定与所述第一原始图像和所述第二原始图像相关联的参考图像采集位姿;以及
第八确定子模块,用于将所述参考图像采集位姿确定为所述图像采集位姿。
16.根据权利要求10-15中任意一项所述的装置,其中,所述第二确定模块包括:
第九确定子模块,用于确定所述第一补光图像的第三特征点和所述第二补光图像的第四特征点,其中,所述第三特征点与所述第四特征点相匹配;
第十确定子模块,用于确定与所述第三特征点和所述第四特征点相关联的深度信息;以及
第十一确定子模块,用于基于所述深度信息,确定所述局部点云数据。
17.一种元宇宙三维重建方法,包括如权利要求1-7中任一项所述的图像处理方法。
18.一种元宇宙三维重建装置,包括如权利要求10-16中任一项所述的图像处理装置。
19.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7和权利要求17中任一项所述的方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1-7和权利要求17中任一项所述的方法。
21.一种计算机程序产品,包括计算机程序/指令,其特征在于,所述计算机程序/指令存储于可读存储介质和电子设备其中至少之一上,所述计算机程序/指令被处理器执行时实现根据权利要求1-7和权利要求17中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210894473.5A CN115131507B (zh) | 2022-07-27 | 2022-07-27 | 图像处理方法、图像处理设备和元宇宙三维重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210894473.5A CN115131507B (zh) | 2022-07-27 | 2022-07-27 | 图像处理方法、图像处理设备和元宇宙三维重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115131507A true CN115131507A (zh) | 2022-09-30 |
CN115131507B CN115131507B (zh) | 2023-06-16 |
Family
ID=83386420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210894473.5A Active CN115131507B (zh) | 2022-07-27 | 2022-07-27 | 图像处理方法、图像处理设备和元宇宙三维重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115131507B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115988343A (zh) * | 2022-11-21 | 2023-04-18 | 中国联合网络通信集团有限公司 | 图像生成方法、装置及可读存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109785423A (zh) * | 2018-12-28 | 2019-05-21 | 广州华多网络科技有限公司 | 图像补光方法、装置及计算机设备 |
WO2020024144A1 (zh) * | 2018-08-01 | 2020-02-06 | 广东朗呈医疗器械科技有限公司 | 一种三维成像方法、装置及终端设备 |
CN111243093A (zh) * | 2020-01-07 | 2020-06-05 | 腾讯科技(深圳)有限公司 | 三维人脸网格的生成方法、装置、设备及存储介质 |
CN113240813A (zh) * | 2021-05-12 | 2021-08-10 | 北京三快在线科技有限公司 | 三维点云信息确定方法及装置 |
US20210295545A1 (en) * | 2018-08-21 | 2021-09-23 | Shining3D Tech Co., Ltd. | Three-Dimensional Scanning Image Acquisition and Processing Methods and Apparatuses, and Three-Dimensional Scanning Device |
CN113724368A (zh) * | 2021-07-23 | 2021-11-30 | 北京百度网讯科技有限公司 | 图像采集***、三维重建方法、装置、设备以及存储介质 |
CN114004935A (zh) * | 2021-11-08 | 2022-02-01 | 优奈柯恩(北京)科技有限公司 | 通过三维建模***进行三维建模的方法和装置 |
CN114120414A (zh) * | 2021-11-29 | 2022-03-01 | 北京百度网讯科技有限公司 | 图像处理方法、装置、电子设备和介质 |
EP3968284A1 (en) * | 2019-11-08 | 2022-03-16 | Huawei Technologies Co., Ltd. | Model acquisition method, object pre-determination method and devices |
CN114581525A (zh) * | 2022-03-11 | 2022-06-03 | 浙江商汤科技开发有限公司 | 姿态确定方法及装置、电子设备和存储介质 |
CN114782632A (zh) * | 2022-04-28 | 2022-07-22 | 杭州海康机器人技术有限公司 | 一种图像重建方法、装置及设备 |
-
2022
- 2022-07-27 CN CN202210894473.5A patent/CN115131507B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020024144A1 (zh) * | 2018-08-01 | 2020-02-06 | 广东朗呈医疗器械科技有限公司 | 一种三维成像方法、装置及终端设备 |
US20210295545A1 (en) * | 2018-08-21 | 2021-09-23 | Shining3D Tech Co., Ltd. | Three-Dimensional Scanning Image Acquisition and Processing Methods and Apparatuses, and Three-Dimensional Scanning Device |
CN109785423A (zh) * | 2018-12-28 | 2019-05-21 | 广州华多网络科技有限公司 | 图像补光方法、装置及计算机设备 |
EP3968284A1 (en) * | 2019-11-08 | 2022-03-16 | Huawei Technologies Co., Ltd. | Model acquisition method, object pre-determination method and devices |
CN111243093A (zh) * | 2020-01-07 | 2020-06-05 | 腾讯科技(深圳)有限公司 | 三维人脸网格的生成方法、装置、设备及存储介质 |
CN113240813A (zh) * | 2021-05-12 | 2021-08-10 | 北京三快在线科技有限公司 | 三维点云信息确定方法及装置 |
CN113724368A (zh) * | 2021-07-23 | 2021-11-30 | 北京百度网讯科技有限公司 | 图像采集***、三维重建方法、装置、设备以及存储介质 |
CN114004935A (zh) * | 2021-11-08 | 2022-02-01 | 优奈柯恩(北京)科技有限公司 | 通过三维建模***进行三维建模的方法和装置 |
CN114120414A (zh) * | 2021-11-29 | 2022-03-01 | 北京百度网讯科技有限公司 | 图像处理方法、装置、电子设备和介质 |
CN114581525A (zh) * | 2022-03-11 | 2022-06-03 | 浙江商汤科技开发有限公司 | 姿态确定方法及装置、电子设备和存储介质 |
CN114782632A (zh) * | 2022-04-28 | 2022-07-22 | 杭州海康机器人技术有限公司 | 一种图像重建方法、装置及设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115988343A (zh) * | 2022-11-21 | 2023-04-18 | 中国联合网络通信集团有限公司 | 图像生成方法、装置及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115131507B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107223269B (zh) | 三维场景定位方法和装置 | |
CN115100339B (zh) | 图像生成方法、装置、电子设备和存储介质 | |
CN115082639B (zh) | 图像生成方法、装置、电子设备和存储介质 | |
CN112652016B (zh) | 点云预测模型的生成方法、位姿估计方法及其装置 | |
CN111741286B (zh) | 使用光线投射法的基于图像的多个深度图像的几何融合 | |
CN113724368B (zh) | 图像采集***、三维重建方法、装置、设备以及存储介质 | |
CN111161398B (zh) | 一种图像生成方法、装置、设备及存储介质 | |
CN111028279A (zh) | 点云数据处理方法及装置、电子设备和存储介质 | |
CN103477365A (zh) | 信息处理装置、服务器装置、信息处理方法以及程序 | |
CN108028904B (zh) | 移动设备上光场增强现实/虚拟现实的方法和*** | |
CN113870439A (zh) | 用于处理图像的方法、装置、设备以及存储介质 | |
CN116109684B (zh) | 面向变电场站在线视频监测二三维数据映射方法及装置 | |
CN114792355B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
CN115131507B (zh) | 图像处理方法、图像处理设备和元宇宙三维重建方法 | |
Dong et al. | Real-time occlusion handling for dynamic augmented reality using geometric sensing and graphical shading | |
KR20150058733A (ko) | 가상현실 이미지 프레젠테이션 및 3d 공간 내에서의 컨트롤을 위한 3d 기하학 데이터의 이용방법 | |
CN110378948B (zh) | 3d模型重建方法、装置及电子设备 | |
WO2023088127A1 (zh) | 室内导航方法、服务器、装置和终端 | |
CN115619986B (zh) | 场景漫游方法、装置、设备和介质 | |
CN109816791B (zh) | 用于生成信息的方法和装置 | |
CN113781653B (zh) | 对象模型生成方法、装置、电子设备及存储介质 | |
CN112634439B (zh) | 一种3d信息展示方法及装置 | |
Dong et al. | Resolving incorrect visual occlusion in outdoor augmented reality using TOF camera and OpenGL frame buffer | |
CN113706692A (zh) | 三维图像重构方法、装置、电子设备以及存储介质 | |
CN114820908B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 |
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 |