Anordnung und Verfahren zur Aufnahme und Wiedergabe von Bildern einer Szene und/oder eines Objektes Arrangement and method for recording and reproducing images of a scene and / or an object
Die Erfindung betrifft eine Anordnung und ein Verfahren zur Aufnahme und Wiedergabe von Bildern einer Szene und/oder eines Objektes. Sie sind insbesondere zur räumlich wahrnehmbaren Wiedergabe der aufgenommenen Bilder geeignet. Fernerhin betrifft die Erfindung ein Verfahren zur Übertragung von räumlich wahrnehmbaren Bildern.The invention relates to an arrangement and a method for recording and reproducing images of a scene and / or an object. They are particularly suitable for spatially perceptible reproduction of the recorded images. Furthermore, the invention relates to a method for transmitting spatially perceivable images.
Zum Aufnehmen von 3D-Bildinformationen gibt es momentan im Wesentlichen drei grundlegend verschiedene Verfahren und die dazugehörigen Anordnungen: Erstens, die klassische Stereo-Kamera, bestehend aus zwei gleichartigen Kameras für jeweils ein linkes und ein rechtes Bild. Für eine hochauflösende Wiedergabe sind hier jedoch auch hochauflösende Kamerasysteme notwendig. Für Mehrkanal-Systeme wird eine Interpolation der Zwischenansichten notwendig. Dabei werden Artefakte vor allem in den mittleren Ansichten sichtbar.For capturing 3D image information, there are currently three fundamentally different processes and the associated arrangements: First, the classic stereo camera, consisting of two similar cameras for each of a left and a right image. For a high-resolution reproduction, however, high-resolution camera systems are also necessary here. For multi-channel systems, interpolation of the intermediate views becomes necessary. Artifacts become visible especially in the middle views.
Zweitens, die Verwendung eines Multiview-Kamera-Systems. Der Vorteil hier gegenüber der Stereo-Kamera ist die korrekte Bildwiedergabe für Mehrkanal-Systeme. Es werden insbesondere keine Interpolationen notwendig. Nachteilig ist jedoch der hohe Aufwand, der betrieben werden muss, um eine exakte Ausrichtung der -beispielsweise acht- Kameras zueinander zu realisieren. Der erhöhte Kostenfaktor durch die Verwendung mehrerer Kameras, die darüber hinaus weitere Probleme nach sich ziehen, wie unterschiedliche Weiß/Farb/Geometriewerte, die wieder entsprechend ausgeglichen werden müssen, ist nachteilig. Als nachteilig ist es ebenfalls anzusehen, dass bei diesem Verfahren eine extrem hohe Datenrate bewältigt werden muss.Second, the use of a multiview camera system. The advantage here compared to the stereo camera is the correct image reproduction for multichannel systems. In particular, no interpolations are necessary. However, a disadvantage is the high expense that must be operated in order to realize an exact alignment of the example, eight cameras to each other. The increased cost factor through the use of multiple cameras, which also entail further problems, such as different white / color / geometry values, which must be compensated again accordingly, is disadvantageous. It is also disadvantageous that an extremely high data rate has to be mastered in this method.
Drittens, die Verwendung einer Tiefen-Kamera. Hierbei kommt eine Farbkamera gemeinsam mit einem Tiefensensor, der die -in der Regel- zyklopische Tiefen Information der aufzunehmenden Szene registriert, zum Einsatz. Neben dem, dass ein Tiefensensor relativ teuer ist, ist nachteilig, dass diese oftmals nicht sehr exakt arbeiten und/oder kein vertretbarer Kompromiss zwischen Genauigkeit und Geschwindigkeit erreicht wird. Eine generelle Extrapolation wird notwendig, wobei insbesondere in den äußeren Ansichten Artefakte nicht auszuschließen sind und generell Verdeckungsartefakte nicht kaschiert werden können.
Der Erfindung liegt die Aufgabe zugrunde, eine neue Möglichkeit aufzuzeigen, durch die es mit möglichst geringem Aufwand gelingt, Aufnahmen von realen Szenen und/oder Objekten zu erstellen, um sie nachfolgend dreidimensional in zwei oder mehr Ansichten räumlich wahrnehmbar wiederzugeben. Weiterhin ist es Aufgabe der Erfindung, ein geeignetes Verfahren zur Übertragung von räumlich wahrnehmbaren Bildern aufzuzeigen.Third, the use of a depth camera. In this case, a color camera is used together with a depth sensor, which registers the -in the periodic cyclopean depth information of the scene to be recorded. In addition to the fact that a depth sensor is relatively expensive, it is disadvantageous that these often do not work very accurately and / or a reasonable compromise between accuracy and speed is achieved. A general extrapolation becomes necessary, whereby artefacts can not be ruled out, especially in the outer views, and general occlusion artefacts can not be concealed. The invention has for its object to provide a new way by which it is possible with the least possible effort to create shots of real scenes and / or objects in order to reproduce them three-dimensionally in two or more views spatially perceptible. It is another object of the invention to provide a suitable method for transmitting spatially perceivable images.
Erfindungsgemäß wird die Aufgabe bei einer Anordnung zur Aufnahme und Wiedergabe von Bildern einer Szene und/oder eines Objektes dadurch gelöst, dass mindestens eine Hauptkamera eines ersten Kameratyps zur Aufnahme von Bildern, mindestens eine Satellitenkamera eines zweiten Kameratyps zur Aufnahme von Bildern, wobei der erste und der zweite Kameratyp sich in mindestens einem Parameter, bevorzugt der Bildauflösung, unterscheiden und eine den Kameras nachgeordnete Bildkonvertierungseinrichtung zur Übernahme der Ausgangsbilddaten und zur Aufbereitung derer und ein 3D-Bildwiedergabegerät zur hilfsmittelfrei räumlich wahrnehmbaren Wiedergabe der bereitgestellten Bilddaten vorhanden sind, wobei das 3D-Bildwiedergabegerät mindestens drei Ansichten wiedergibt. Letztgenanntes SD- Bildwiedergabegerät kann jedoch auch 4, 5, 6, 7, 8, 9 oder sogar noch mehr Ansichten gleichzeitig oder im zeitlichen Mittel wiedergeben. Gerade bei diesen letztgenannten, den so genannten „Multi-View"-artigen 3D-Bildwiedergabegeräten kommen die besonderen Vorteile der Erfindung zum Tragen, nämlich dass mit verhältnismäßig wenigen (z. B. drei) Kameras dennoch mehr Ansichten bereitgestellt werden können, als die Anzahl der Kameras beträgt. Dabei sind insgesamt mindestens drei Kameras, also wenigstens eine Haupt- und zwei Satellitenkameras oder wenigstens zwei Haupt- und eine Satellitenkamera vorgesehen. Haupt- und Satellitenkamera unterscheiden sich im allgemeinen, jedoch nicht zwingend, durch ihre Qualität Die Hauptkamera ist dabei meist eine sogenannte High-Quality- Kamera, wobei Satellitenkameras zum Einsatz kommen können, die sich durch geringere Qualität auszeichnen (z. B. Industriekameras) und damit unter anderen Parametern meist -aber nicht zwingend- auch eine niedrigere Auflösung aufweisen. Der Vorteil der Erfindung besteht im Wesentlichen darin, dass neben dem klassischen Einsatz eines Stereo-Kamerasystems, hier bestehend aus im Wesentlichen zwei identischen hochauflösenden Kameras, ein Drei-Kamera-System, vorzugsweise bestehend aus einer
zentralen High-Quality-Kamera und zwei zusätzlichen Kameras mit niedriger Auflösung, die links- bzw. rechts der Hauptkamera angeordnet sind, verwendet wird. Die Hauptkamera ist also bevorzugt räumlich zwischen den Satellitenkameras angeordnet. Die Kameras sind dabei in den üblichen Grenzen bzgl. Abstand und Ausrichtung (parallele Ausrichtung oder auf einen Fokus) variierbar. Die Verwendung weiterer Satellitenkameras kann von Vorteil sein, da insbesondere bei der nachfolgenden Aufbereitung der Bilddaten Fehlinterpretationen weiter reduziert werden können. Alle Kameras können sowohl parallel als auch auf einen Punkt ausgerichtet sein. Ebenfalls möglich ist es, dass nicht alle auf einen Punkt ausgerichtet sind (Konvergenzwinkel). Die optischen Achsen der Kameras können ebenfalls sowohl in einer als auch in unterschiedlichen Ebenen liegen, wobei die Objektivmittelpunkte in einer Linie oder im Dreieck (bevorzugt gleichschenklig oder gleichseitig) angeordnet sein sollten. Für besondere Anwendungsfälle können die Objektivmittelpunkte der Kameras auch jeweils ungleiche Abstände zueinander haben (womit die Objektivmittelpunkte ein unregelmäßiges Dreieck bilden würden). Es ist außerdem möglich, dass sich sogar alle (mindestens drei) Kameras (also alle vorhandenen Haupt- und Satellitenkameras) in mindestens einem Parameter, beispielsweise der Auflösung, unterscheiden. Eine Synchronisation der Kameras bzgl. Zoom, Blende, Fokus etc. sollte ebenso wie bzgl. der einzelnen Frames (d.h. frame-genaue Synchronisation bei der Aufnahme) erfolgen. Die Kameras können fest oder beweglich zueinander angeordnet werden, wobei eine automatische Einstellung des Basisabstandes der Kameras ebenso wie die Konvergenzwinkel durchführbar ist.According to the invention, this object is achieved in an arrangement for recording and reproducing images of a scene and / or an object in that at least one main camera of a first type of camera for taking pictures, at least one satellite camera of a second type of camera for taking pictures, wherein the first and the second type of camera differs in at least one parameter, preferably the image resolution, and an image conversion device arranged downstream of the cameras for taking over the output image data and for processing the same and a 3D image reproduction device for reproducing the image data provided without assistance, the 3D image reproduction device being at least three views. However, the latter SD image display apparatus can also reproduce 4, 5, 6, 7, 8, 9, or even more views simultaneously or in the time average. Especially with these latter, the so-called "multi-view" type 3D image display devices, the particular advantages of the invention come into play, namely that with relatively few (eg three) cameras still more views can be provided than the number At least three cameras, ie at least one main camera and two satellite cameras, or at least two main and one satellite camera, are provided.The main and satellite cameras generally differ, but not necessarily, in their quality a so-called high-quality camera, which can be used satellite cameras, which are characterized by lower quality (eg, industrial cameras) and thus under other parameters usually -but not necessarily also have a lower resolution.The advantage of the invention In essence, that in addition to the classic use of a stereo cameras ystems, here consisting essentially of two identical high-resolution cameras, a three-camera system, preferably consisting of one central high-quality camera and two additional low-resolution cameras located to the left and right of the main camera. The main camera is thus preferably arranged spatially between the satellite cameras. The cameras can be varied within the usual limits regarding distance and orientation (parallel alignment or focus). The use of additional satellite cameras can be advantageous, since misinterpretations can be further reduced, particularly in the subsequent preparation of the image data. All cameras can be aligned both parallel and to a point. It is also possible that not all are aligned to one point (convergence angle). The optical axes of the cameras can also lie both in one and in different planes, wherein the objective centers should be arranged in a line or in the triangle (preferably isosceles or equilateral). For special applications, the lens centers of the cameras may also have unequal distances to each other (with which the lens centers would form an irregular triangle). It is also possible that even all (at least three) cameras (ie all existing main and satellite cameras) differ in at least one parameter, for example the resolution. Synchronization of the cameras with regard to zoom, aperture, focus etc. should be as well as with regard to the individual frames (ie frame-exact synchronization during recording). The cameras can be fixed or movable to each other, with an automatic adjustment of the base distance of the cameras as well as the convergence angle is feasible.
Von Vorteil können Adaptersysteme sein, die ein erleichtertes Anbringen, insbesondere der Satellitenkameras, an die Hauptkamera ermöglichen. Damit können gewöhnliche Kameras nachträglich als 3D-Kamera umgerüstet werden. Es ist aber ebenso denkbar, bestehende Stereokamerasysteme durch eine zusätzliche Hauptkamera zu erfindungsgemäßen 3D-Kameras umzurüsten.Advantageously, adapter systems can be used, which make it easier to attach, in particular the satellite cameras, to the main camera. This allows ordinary cameras to be retrofitted as a 3D camera. However, it is also conceivable to convert existing stereo camera systems by an additional main camera to 3D cameras according to the invention.
Fernerhin können im Strahlengang -bevorzugt vor den Objektiven der verschiedenen Kameras- zusätzliche optische Elemente, z. B. teildurchlässige Spiegel, vorhanden sein. Damit ist es zum Beispiel möglich, zwei Satellitenkameras jeweils 90 Grad gedreht zur Hauptkamera anzuordnen, so dass die Kamerakörper aller dreier Kameras derart angeordnet sind, dass die Objektivmittelpunkte horizontal näher aneinander stehen, als wenn alle drei Kameras unmittelbar nebeneinander angeordnet wären. Dann nämlich
würde die Ausdehnung der Kamerakörper einen bestimmten, höheren Abstand der Objektivmittelpunkte erzwingen. In dieser Konstellation mit der 90 Grad-Drehung der beiden Satellitenkameras würde ein teildurchlässiger Spiegel im Winkel von etwa 45 Grad zum Mittelpunktstrahl aus den Objektiven der Satellitenkameras in Reflexionsstellung folgen, während der gleiche Spiegel im Winkel von ebenfalls etwa 45 Grad zum Mittelpunktstrahl aus dem Objektiv der Hauptkamera in Transmissionsstellung folgt.Furthermore, in the beam path - preferably in front of the lenses of the different cameras - additional optical elements, for. B. partially transparent mirror may be present. This makes it possible, for example, two satellite cameras each rotated 90 degrees to the main camera, so that the camera body of all three cameras are arranged such that the lens centers are horizontally closer to each other than if all three cameras were located directly next to each other. Then that is The expansion of the camera body would force a certain, higher distance of the lens centers. In this constellation with the 90 degree rotation of the two satellite cameras, a semi-transparent mirror at an angle of about 45 degrees to the center beam would follow from the lenses of the satellite cameras in reflection position, while the same mirror at an angle of about 45 degrees to the center beam from the lens of Main camera in transmission position follows.
Bevorzugt bilden die Objektivmittelpunkte der Hauptkamera und mindestens zweier Satellitenkameras ein gleichschenkliges Dreieck. Für besondere Ausgestaltungen kann es außerdem sinnvoll sein, die Satellitenkameras als Schwarz-Weiß-Kameras auszubilden und bevorzugt den von ihnen aufgenommenen Bildern hernach automatisch einen Farbwert zuzuweisen.Preferably, the lens centers of the main camera and at least two satellite cameras form an isosceles triangle. For special embodiments, it may also be useful to form the satellite cameras as black and white cameras and preferably prefer to automatically assign a color value to the images taken by them.
Die Aufgabe wird auch durch ein Verfahren zur Aufnahme und Wiedergabe von Bildern einer Szene und/oder eines Objektes gelöst, welches die folgenden Schritte umfasst: - Erstellung von mindestens einem n-Tupel von Bildern, mit n>2, wobei mindestens zwei Bilder paarweise verschiedene Auflösungen aufweisen,The object is also achieved by a method for recording and reproducing images of a scene and / or an object, comprising the following steps: - creation of at least one n-tuple of images, with n> 2, where at least two images are pairwise different Have resolutions,
- Übernahme der Bilddaten in eine Bildkonvertierungseinrichtung, in der nachfolgend eine Rektifizierung, eine Farbjustierung, eine Tiefen- oder Disparitätserkennung und anschließende Generation weiterer Ansichten aus dem n-Tupel von Bildern und den Tiefen- bzw. Disparitätserkennungswerten durchgeführt wird, wobei mindestens eine Ansicht generiert wird, die keinem der erstellten Bilder des n-Tupels exakt entspricht,- Acquisition of the image data in an image converting device, in which a rectification, a color adjustment, a depth or disparity detection and subsequent generation of further views from the n-tuple of images and the depth or Disparitätserkennungswerten is subsequently performed, wherein at least one view is generated that does not exactly match any of the created images of the n-tuple,
- anschließend eine Kombination von mindestens drei verschiedenen Ansichten oder Bildern entsprechend der Zuordnungsvorschrift des 3D-Displays eines 3D- Bildwiedergabegerätes zur hilfsmittelfrei räumlichen Darstellung erstellt wird, und abschließend die Darstellung des kombinierten 3D-Bildes auf dem 3D-Display durchgeführt wird.- Then a combination of at least three different views or images according to the assignment rule of the 3D display of a 3D image display device for tool-free spatial representation is created, and finally the representation of the combined 3D image is performed on the 3D display.
Die Tiefenerkennung und anschließende Generation weiterer Ansichten aus dem n- Tupel von Bildern und den Tiefen- bzw. Disparitätserkennungswerten kann beispielsweise durch den Aufbau einer Stackstruktur und eine Projektion der Stackstruktur auf eine gewünschte Ansicht durchgeführt werden
Der Aufbau einer Stackstruktur kann auch durch sonstige anwendbare Tiefen- oder Disparitätserkennungsalgorithmen ersetzt werden, wobei dann die erkannten Tiefenbzw. Disparitätswerte für die Erstellung von gewünschten Ansichten eingesetzt werden. Eine Stackstruktur kann allgemein einer Schichtstruktur von graphischen Elementen in unterschiedlichen (virtuellen) Ebenen entsprechen.The depth detection and subsequent generation of further views from the n-tuple of images and the depth or disparity detection values can be carried out, for example, by constructing a stack structure and projecting the stack structure onto a desired view The structure of a stack structure can also be replaced by other applicable depth or disparity detection algorithms, in which case the detected depth or depth. Disparity values are used to create desired views. A stack structure may generally correspond to a layered structure of graphical elements in different (virtual) planes.
Bei der Verwendung eines 3D-Kamerasystems, bestehend aus Kameras unterschiedlicher Kameratypen mit unterschiedlichen Bildauflösungen, macht es sich erforderlich, dass nach Übernahme der Bilddaten in die Bildkonvertierungseinrichtung zunächst eine Größenanpassung vorgenommen wird. Im Ergebnis dessen liegen Bilder mit jeweils der gleichen Auflösung vor. Diese kann der höchsten Auflösung der Kameras entsprechen, sie ist jedoch bevorzugt gleich der der niedgrigstauflösenden Kamera(s). Daran anschließend erfolgt die Rektifizierung, d.h. eine geometrische Entzerrung der Kamerabilder (Ausgleich von möglichen Linsenverzerrungen, Kameraverdrehungen, Zoomdifferenzen etc.) wird vorgenommen. Die Größenanpassung kann auch im Rahmen des Rektifizierungsprozesses erfolgen. Unmittelbar daran anschließend erfolgt eine Farbjustierung, beispielsweise nach Lehre der Schriften „Joshi, N. Color Calibration for Arrays of Inexpensive Image Sensors. Technical Report CSTR 2004-02 3/31/04 4/4/04, Stanford University, 2004" und A. LLie and G. Welch. " Ensuring color consistency across multiple cameras", ICCV 2005. Es werden insbesondere die Farb- /Helligkeitswerte der Kamerabilder angeglichen, so dass ein einheitliches oder zumindest ein vergleichbares Niveau zu verzeichnen ist. Für die nunmehr vorliegenden Bilddaten wird zur Tiefenerkennung die Stackstruktur aufgebaut. Dabei werden die Eingangsbilder zeilenweise miteinander verglichen, indem sie im ersten Schritt übereinander gelegt werden. Der Zeiienvergleich kann unter Umständen auch schräg erfolgen, dies wird dann günstig sein, wenn die Kameras nicht horizontal zueinander angeordnet sind. Bei übereinanderliegenden Pixeln mit gleichen Farbwerten wird dieser gespeichert, wenn jedoch übereinanderliegende Pixel unterschiedliche Farbwerte aufweisen, dann wird kein Wert gespeichert. Danach werden die Zeilen gegeneinander in entgegengesetzte Richtungen in definierten Schritten (z. B. um YA oder Y≥ Pixel) verschoben, wobei nach jedem Schritt das Ergebnis des Vergleiches wieder gespeichert wird. Im Ergebnis liegt die dreidimensionale Stackstruktur mit den Koordinaten X, Y und Z vor, wobei X und Y den Pixelkoordinaten des Eingangsbildes entspricht, während Z den Grad der Verschiebung der Ansichten zueinander darstellt. Bei der Verwendung von zwei Kameras werden also
jeweils zwei Zeilen verglichen und bei der Verwendung von drei Kameras jeweils drei Zeilen verglichen und gegeneinander verschoben. Möglich ist es, bei der Verwendung von mehreren, z. B. drei, Kameras dennoch jeweils nur zwei Zeilen miteinander zu kombinieren, wobei dann ein Abgleich der Vergleiche nochmals durchgeführt werden muss. Bei einem Vergleich von drei oder mehr Zeilen gibt es weit weniger Mehrdeutungen gegenüber dem Vergleich zwischen den zwei Zeilen lediglich zweier Eingangsbilder. Bei der sich anschließenden Optimierung der Stackstruktur geht es im Wesentlichen darum, bei mehrdeutigen Abbildungen von Bildelementen im Stack die höchst unwahrscheinlichen Kombinationen zu löschen. Dies trägt darüber hinaus zur Datenreduktion bei. Eine weitere Reduktion erhält man, indem eine Höhenprofillinie aus den verbliebenen Elementen erstellt wird, um eine eindeutige Abbildung der Farbwerte in eine diskrete Tiefebene (Z Koordinate) zu erreichen. Normalerweise schließt sich nun die Projektion der Stackstruktur auf die gewünschten Ansichten an. Dabei sollten mindestens zwei Ansichten erstellt werden, wobei eine davon immer noch einem Eingangsbild entsprechen könnte. Dies erfolgt jedoch in der Regel in Kenntnis des sich anschließenden 3D-Bildwiedergabegerätes. Die anschließende Kombination der verschiedenen bereitgestellten Ansichten entspricht der Zuordnungsvorschrift des SD- Displays. Alternativ können in dem vorbeschriebenen Verfahren zur Aufnahme und Wiedergabe von Bildern einer Szene und/oder eines Objektes die Bilder mittels Computers erstellt werden. Bevorzugt wird dabei zu jedem Bild jeweils eine Tiefenkarte erstellt, so dass die Schritte Rektifizierung, Farbjustierung und Tiefen- oder Disparitätserkennung entfallen können. Vorteilhaft weisen auch mindestens zwei der drei Tiefenkarten eine paarweise voneinander unterschiedliche Auflösung auf. So können in einer bevorzugten Ausgestaltung n=3 Bilder vorgesehen sein, wobei eines die (vollfarbige) Auflösung von 1920x1080 Pixeln und zwei die (vollfarbige) Auflösung von 1280x720 aufweisen, während die dazugehörigen Tiefenkarten 960x540 bzw. 640x360 Pixel aufweisen. Das Bild mit der höheren Auflösung entspricht räumlich gesehen einer Perspektivansicht, die zwischen den Perspektivansichten der anderen beiden Bilder liegt. Das jeweils verwendete 3D-Bildwiedergabegerät kann vorzugsweise 4, 5, 6, 7, 8, 9 oder sogar noch mehr Ansichten gleichzeitig oder im zeitlichen Mittel wiedergeben. Gerade bei diesen letztgenannten, den so genannten „Multi-View"-artigen SD- Bildwiedergabegeräten kommen die besonderen Vorteile der Erfindung zum Tragen,
nämlich dass mit verhältnismäßig wenigen (z. B. drei) ursprünglich erstellten Bildern dennoch mehr Ansichten für die räumliche Darstellung bereitgestellt werden können, als die Anzahl der ursprünglich erstellten Bilder beträgt. Die weiter vom genannte Kombination von mindestens drei verschiedenen Ansichten oder Bildern entsprechend der Zuordnungsvorschrift des 3D-Displays eines 3D-Bildwiedergabegerätes zur hilfsmittelfreien räumlichen Darstellung kann im Übrigen auch eine zeitliche - nicht allein eine räumliche - Kombination der Ansichten beinhalten.When using a 3D camera system, consisting of cameras of different camera types with different image resolutions, it is necessary that after adoption of the image data in the image converting device first a size adjustment is made. As a result, images with the same resolution are available. This may correspond to the highest resolution of the cameras, but is preferably equal to that of the low resolution camera (s). This is followed by the rectification, ie a geometric equalization of the camera images (compensation for possible lens distortions, camera distortions, zoom differences, etc.) is made. The sizing can also be done as part of the rectification process. Immediately thereafter, a color adjustment, for example, according to the teaching of the writings "Joshi, N. Color Calibration for Arrays of Inexpensive Image Sensors. Technical Report CSTR 2004-02 3/31/04 4/4/04, Stanford University, 2004 "and A. LLie and G. Welch" Ensuring color consistency across multiple cameras ", ICCV 2005. In particular, the color / For the image data now available, the stack structure is constructed for depth detection, whereby the input images are compared with each other line by line, in the first step being superimposed If the pixels are superimposed with the same color values, it will be saved, but if superimposed pixels have different color values, then no value will be stored in opposite directions in defined steps (eg B. YA or Y≥ pixels), after each step the result of the comparison is stored again. As a result, the three-dimensional stack structure exists with the coordinates X, Y and Z, where X and Y correspond to the pixel coordinates of the input image, while Z represents the degree of displacement of the views to each other. When using two cameras will be so compared two lines each and compared with the use of three cameras in each case three lines and shifted against each other. It is possible, when using several, z. B. three cameras still only two lines to combine with each other, in which case a comparison of the comparisons must be performed again. When comparing three or more lines, there are far fewer distinctions compared to the comparison between the two lines of only two input pictures. The subsequent optimization of the stack structure is essentially about erasing the most unlikely combinations in ambiguous mappings of picture elements in the stack. This also contributes to data reduction. A further reduction is obtained by creating an elevation profile line from the remaining elements to obtain a unique mapping of the color values into a discrete plane (Z coordinate). Normally, the projection of the stack structure now follows the desired views. At least two views should be created, one of which might still correspond to an input image. However, this is usually in the knowledge of the subsequent 3D image display device. The subsequent combination of the different views provided corresponds to the assignment rule of the SD display. Alternatively, in the above-described method for taking and reproducing images of a scene and / or an object, the images may be created by computer. In each case, a depth map is preferably created for each image, so that the steps of rectification, color adjustment and depth or disparity detection can be dispensed with. Advantageously, at least two of the three depth maps also have a different resolution from one another in pairs. Thus, in a preferred embodiment, n = 3 images may be provided, one having the (full color) resolution of 1920x1080 pixels and two the (full color) resolution of 1280x720, while the associated depth maps have 960x540 and 640x360 pixels, respectively. The higher resolution image corresponds spatially to a perspective view that lies between the perspective views of the other two images. The particular 3D image display device used may preferably display 4, 5, 6, 7, 8, 9, or even more views simultaneously or in a time average. Especially with these latter, the so-called "multi-view" type SD image display devices, the particular advantages of the invention are brought to bear, namely, that with relatively few (eg, three) originally created images, still more views can be provided for the spatial representation than the number of originally created images. The further from said combination of at least three different views or images according to the assignment rule of the 3D display of a 3D image display device for tool-free spatial representation may also include a temporal - not only a spatial - combination of views.
Ein weiterer wesentlicher Vorteil der Erfindung besteht jedoch darin, dass nach dem Optimierungsschritt der Stackstruktur die Tiefe pro Originalbild ermittelt wird. Im Ergebnis liegen die Daten in einem äußert effizienten Datenübertragungsformat vor, nämlich als n Bilder (z. B. Originalbilder oder auch Ansichten) plus n Tiefenbilder (mit vorzugsweise n=3), so dass auch eine deutlich geringere Datenrate als bei der Übertragung sämtlicher Ansichten erzielt wird. In das 3D-Bildwiedergabegerät wären dann folgerichtig eine Einheit zur Rekonstruktion der Stackstruktur und die Einheit zur Projektion der Stackstruktur auf die gewünschte Ansicht zu integrieren. Für die vorgenannten Schritte kann jeweils an Stelle der Tiefe auch die Disparität verwendet werden. Überdies sei angemerkt, dass eine Projektion prinzipiell auch eine reine Verschiebung mit einschließt. Selbstverständlich können auch andere Tiefen- bzw. Disparitätserkennungsverfahren als das vorstehend genannte eingesetzt werden, um aus dem n-Tupel von Bildern (mit n>2) die Tiefe- bzw. die Disparitäten zu erkennen und/oder daraus weitere Ansichten zu generieren. Derartige alternative Verfahren oder Teilverfahren sind beispielsweise beschrieben in den Schriften „Tao, H. and Sawhney, H., Global matching criterion and color segmentation based Stereo, in Proc. Workshop on the Application of Computer Vision (WACV2000), pp. 246-253, December 2000", "M. Lin and C. Tomasi. "Surfaces with occlusions from layered Stereo" . Technical report, Stanford University, 2002. In preparation.", „C. Lawrence Zitnick, Sing Bing Kang, Matthew Uyttendaele, Simon Winder, Richard Szeliski, "High-quality video view interpolation using a layered representation", International Conference on Computer Graphics and Interactive Techniques, ACM SIGGRAPH 2004, Los Angeles, California, pp: 600 - 608", "S. M. Seitz and C. R. Dyer "View Morphing " Proc. SIGGRAPH 96, 1996, 21 -30. ".
In einer vorteilhaften Ausgestaltung der Erfindung entsteht ein Verfahren zur Übertragung von 3D-lnformationen zum Zweck der späteren hilfsmittelfrei räumlich wahrnehmbaren Wiedergabe auf Basis von mindestens drei verschiedenen Ansichten, bei welchem ausgehend von mindestens einem n-Tupel von Bildern, mit n>2, die unterschiedliche Blickwinkel eines Objektes oder einer Szene charakterisieren, für jedes Bild die Tiefe ermittelt oder erstellt wird und hernach in einem Übertragungskanal das n- Tupel von Bildern zusammen mit den jeweiligen Tiefeninformationen (in Tiefenkarten) übertragen wird, wobei mindestens zwei Bilder des n-Tupels paarweise unterschiedliche Auflösungen aufweisen (es können aber auch alle Bilder des n-Tupels paarweise unterschiedliche Auflösungen aufweisen). Der Übertragungskanal kann beispielsweise ein digitales Fernsehsignal, das Internet oder eine DVD (HD, SD, BlueRay etc.) sein. Als Komprimierstandard kann vorteilhaft MPEG-4 eingesetzt werden. Vorteilhaft weisen auch mindestens zwei der drei Tiefenkarten eine paarweise voneinander unterschiedliche Auflösung auf. So können in einer bevorzugten Ausgestaltung n=3 Bilder vorgesehen sein, wobei eines die (vollfarbige) Auflösung von 1920x1080 Pixeln und zwei die (vollfarbige) Auflösung von 1280x720 aufweisen, während die dazugehörigen Tiefenkarten 960x540 bzw. 640x360 Pixel aufweisen. Das Bild mit der höheren Auflösung entspricht räumlich gesehen einer Perspektivansicht, die zwischen den Perspektivansichten der anderen beiden Bilder liegt. Das jeweils verwendete 3D-Bildwiedergabegerät kann vorzugsweise 4, 5, 6, 7, 8, 9 oder sogar noch mehr Ansichten gleichzeitig oder im zeitlichen Mittel wiedergeben. Gerade bei diesen letztgenannten, den so genannten „Multi-View"-artigen SD- Bildwiedergabegeräten kommen die besonderen Vorteile der Erfindung zum Tragen, nämlich dass mit verhältnismäßig wenigen (z. B. drei) ursprünglich erstellten Bildern dennoch mehr Ansichten bereitgestellt werden können, als die Anzahl der ursprünglich erstellten Bilder beträgt. Die Rekonstruktion aus dem übertragenen n-Tupel von Bildern zusammen mit den jeweiligen Tiefeninformationen, wobei mindestens zwei Bilder des n- Tupels paarweise unterschiedliche Auflösungen aufweisen, in verschiedene Ansichten geschieht beispielsweise folgendermaßen: In einem dreidimensionalen Koordinatensystem werden jeweils die Farbinformationen jedes Bildes - betrachtet aus einer geeigneten Richtung - in den entsprechend durch die jeweiligen zu dem Bild gehörenden Tiefen information gekennzeichneten Tiefenpositionen angeordnet. Damit entsteht ein dreidimensionales farbiges Volumen mit Volumenpixeln, welches aus
verschiedenen Perspektiven bzw. Richtungen durch eine virtuelle Kamera bzw. Parallelprojektionen abbildbar ist. Auf diese Weise können aus den übertragenen Informationen vorteilhaft mehr als drei Ansichten regeneriert werden. Andere Rekonstruktionsalgorithmen für die Ansichten bzw. Bilder sind möglich. Ungeachtet dessen sind die übertragenen Informationen sehr universell rekonstruierbar, z. B. als Schichtbilder oder Volumenpixel. Derartige Bildformate sind für spezielle SD- Darstellungsverfahren, etwa Volumen-3D-Display, notwendig.However, another significant advantage of the invention is that after the optimization step of the stack structure, the depth per original image is determined. As a result, the data is present in an extremely efficient data transmission format, namely as n images (eg original images or views) plus n depth images (preferably n = 3), so that also a much lower data rate than in the transmission of all views is achieved. Logically, a unit for reconstructing the stack structure and the unit for projecting the stack structure on the desired view would then have to be integrated into the 3D image display device. For the aforementioned steps, the disparity can be used in each case instead of the depth. Moreover, it should be noted that a projection in principle also includes a pure shift. Of course, also other depth or disparity detection methods than the one mentioned above can be used in order to recognize from the n-tuple of images (where n> 2) the depth or disparities and / or to generate further views therefrom. Such alternative methods or sub-methods are described, for example, in the documents "Tao, H. and Sawhney, H., Global Matching Criterion and Color Segmentation Based Stereo, in Proc. Workshop on the Application of Computer Vision (WACV2000), pp. 246-253, December 2000 "," M. Lin and C. Tomasi. "Surfaces with occlusions from layered stereo". Technical report, Stanford University, 2002. In preparation., "C. Lawrence Zitnick, Sing Bing Kang, Matthew Uyttendaele, Simon Winder, Richard Szeliski," High-quality video interpolation using a layered representation, "International Conference on Computer Graphics and Interactive Techniques, ACM SIGGRAPH 2004, Los Angeles, California, pp: 600-608 "," SM Seitz and CR Dyer "View Morphing" Proc. SIGGRAPH 96, 1996, 21-30. ". In an advantageous embodiment of the invention, a method for transmitting 3D information for the purpose of the later aid-free spatially perceptible reproduction on the basis of at least three different views, in which starting from at least one n-tuple of images, with n> 2, the different Characterize the viewing angle of an object or a scene, the depth is determined or created for each image and then in a transmission channel, the n-tuple of images is transmitted together with the respective depth information (in depth maps), wherein at least two images of the n-tuple in pairs Have resolutions (but all images of the n-tuple may have different resolutions in pairs). The transmission channel may be, for example, a digital television signal, the Internet or a DVD (HD, SD, BlueRay, etc.). As compression standard MPEG-4 can be used advantageously. Advantageously, at least two of the three depth maps also have a different resolution from one another in pairs. Thus, in a preferred embodiment, n = 3 images may be provided, one having the (full color) resolution of 1920x1080 pixels and two the (full color) resolution of 1280x720, while the associated depth maps have 960x540 and 640x360 pixels, respectively. The higher resolution image corresponds spatially to a perspective view that lies between the perspective views of the other two images. The particular 3D image display device used may preferably display 4, 5, 6, 7, 8, 9, or even more views simultaneously or in a time average. Especially with these last-mentioned so-called "multi-view" SD image display devices, the particular advantages of the invention come into play, namely that with relatively few (eg three) originally created images, nevertheless, more views can be provided than The reconstruction from the transferred n-tuple of images together with the respective depth information, wherein at least two images of the n-tuple have different resolutions in pairs, in different views, for example, as follows: In a three-dimensional coordinate system the color information of each image, as viewed from a suitable direction, is placed in the depth positions correspondingly designated by the respective depth information associated with the image, thereby creating a three-dimensional, colored volume with volume pixels, consisting of different perspectives or directions can be represented by a virtual camera or parallel projections. In this way, advantageously more than three views can be regenerated from the transmitted information. Other reconstruction algorithms for the views or images are possible. Regardless, the information transmitted is very universally reconstructed, z. B. as slices or volume pixels. Such image formats are necessary for special SD imaging methods, such as volume 3D display.
Überdies können bei sämtlichen in dieser Erfindung vorgeschlagenen Übertragungsvarianten noch zusätzlich Meta-Informationen, beispielsweise in einem sogenannten Alpha-Kanal mitübertragen werden. Hierbei kann es sich um ergänzende Informationen zu den Bildern handeln, wie etwa geometrische Verhältnisse der n>2 Bilder (etwa Relativwinkel zueinander, Kameraparameter), Transparenzinformationen oder Umrissinformationen.Moreover, meta-information, for example in a so-called alpha channel, can additionally be transmitted in all transmission variants proposed in this invention. This may be additional information about the images, such as geometric relationships of the n> 2 images (such as relative angles to one another, camera parameters), transparency information or outline information.
Die Erfindung soll nachstehend anhand von Ausführungsbeispielen näher erläutert werden. Die Zeichnungen zeigen:The invention will be explained below with reference to exemplary embodiments. The drawings show:
Fig. 1 : eine Prinzipansicht der erfindungsgemäßen Anordnung Fig. 2: eine Variante mit einer Hauptkamera und zwei Satellitenkameras Fig. 3: schematische Darstellung der schrittweisen Verschiebung zweier Zeilen gegeneinander und Generierung der Z KoordinateFIG. 2: a variant with a main camera and two satellite cameras FIG. 3: schematic representation of the stepwise displacement of two lines relative to one another and generation of the Z coordinates
Fig. 4: Optimierungsschema durch Eliminierung von Mehrdeutigkeiten bzgl. Fig. 3 Fig. 5: Optimierungsschema durch Reduktion der Elemente auf eine eindeutigeFIG. 4: Optimization scheme by elimination of ambiguities with respect to FIG. 3 FIG. 5: Optimization scheme by reduction of the elements to a unique one
Höhenprofillinie bzgl. Fig. 4 Fig. 6 schematische Darstellung der schrittweisen Verschiebung dreier Zeilen gegeneinander und Generierung der Z KoordinateFIG. 4 shows a schematic representation of the stepwise displacement of three lines relative to one another and generation of the Z coordinates
Fig. 7: Optimierungsschema durch Eliminierung von Mehrdeutigkeiten bzgl. Fig. 6 Fig. 8: Optimierungsschema durch Reduktion der Elemente auf eine eindeutigeFIG. 7: Optimization scheme by elimination of ambiguities with respect to FIG. 6 FIG. 8: Optimization scheme by reduction of the elements to a unique one
Höhenprofillinie bzgl. Fig. 7 Fig. 9 schematische Darstellung einer Projektion einer Ansicht aus demHeight profile line with respect to FIG. 7 FIG. 9 schematic representation of a projection of a view from the
Optimierungsschema Fig.10 eine schematische Darstellung für eine Bildkombination von vier Bildern, geeignet für die hilfsmittelfrei räumliche Wiedergabe (Stand der Technik)
Fig.1 1 eine schematische Darstellung für das erfindungsgemäße ÜbertragungsverfahrenOptimization scheme Fig.10 is a schematic representation of an image combination of four images, suitable for tool-free spatial reproduction (prior art) 1 shows a schematic representation of the transmission method according to the invention
Eine erfindungsgemäße Anordnung besteht im Wesentlichen aus einem Stereo- Kamerasystem 1 , einer Bildkonvertierungseinrichtung 2 und einem 3D- Bildwiedergabegerät 3, wobei gemäß Fig. 1 das Stereo-Kamerasystem 1 eine rechte Kamera 11 und eine linke Kamera 12, die Bildkonvertierungseinrichtung 2 eine Rektifizierungseinheit 21 , eine Farbjustierungseinheit 22, eine Einheit zum Aufbau der Stackstruktur 23, eine Einheit zur Optimierung der Stackstruktur 24 sowie eine Einheit zur Projektion der Stackstruktur auf die gewünschte Ansicht 25 und das SD- Bildwiedergabegerät 3 eine Bildkombinationseinheit 31 und ein 3D-Display 32, wobei das 3D-Display 32 mindestens drei Ansichten einer Szene/ eines Gegenstandes oder sonstiger Objekte zur räumlichen Darstellung wiedergibt, enthält. Das 3D-Display 32 kann beispielweise auch basierend auf 4, 5, 6, 7, 8, 9 oder noch mehr Ansichten arbeiten. Beispielhaft kommt ein 3D-Display 32 vom Typ „Spatial View 19 Zoll" in Frage. Gemäß Fig. 2 ist eine weitere erfindungsgemäße Anordnung aufgezeigt. Hierbei enthält das 3D-Kamerasystem 1 eine Hauptkamera 13, eine erste Satellitenkamera 14 und eine zweite Satellitenkamera 15. Die Bildkonvertierungseinrichtung 2 enthält eine Größenanpassungseinheit 20, eine Rektifizierungseinheit 21 , eine Farbjustierungseinheit 22, eine Einheit zum Aufbau der Stackstruktur 23, eine Einheit zur Optimierung der Stackstruktur 24 sowie eine Einheit zur Ermittlung der Tiefe 26 und das SD- Bildwiedergabegerät 3 enthält, wie aus Fig. 2 ersichtlich, eine Einheit zur Rekonstruktion der Stackstruktur 30, eine Einheit zur Projektion der Stackstruktur auf die gewünschte Ansicht 35, eine Bildkombinationseinheit 31 sowie ein 3D-Display 32. Gemäß der Ausführung nach Fig. 1 enthält das Stereo-Kamerasystem 1 zwei identische Kameras (1 1 , 12) mit gleichem Auflösungsvermögen, so dass die aufgenommenen Bilddaten jeweils unmittelbar der Rektifizierungseinheit 21 zugeleitet werden können. Gemäß der Ausführung nach Fig. 2 besteht das 3D-Kamerasystem 1 aus einer Hauptkamera 13 und zwei Satellitenkameras 14, 15, wobei die Hauptkamera 13 eine so genannte High-Quality-Kamera mit hohem Auflösungsvermögen ist, hingegen die beiden Satellitenkameras 14, 15 mit einem geringeren Auflösungsvermögen ausgestattet sind. Die Kamerapositionen untereinander sind dabei, wie üblich, in bekannten Grenzen bezüglich Abstand und Ausrichtung variierbar, um stereoskopische
Bilder aufnehmen zu können. Die aufgenommenen Bilddaten der Kameras (13, 14, 15) werden gemäß Fig. 2 der Größenanpassungseinheit 20 zugeführt. Hier erfolgt eine Angleichung der Bildauflösung von den Satellitenkameras 14, 15 an die Auflösung der Hauptkamera 13, so dass alle Bilder die gleiche Auflösung aufweisen. In der nachgeordneten Rektifizierungseinheit 21 erfolgt nun eine mögliche Entzerrung der Kamerabilder, d.h. es erfolgt ein Ausgleich von Linsenverzerrungen, Kameraverdrehungen, Zoomdifferenzen etc.. An die Rektifizierungseinheit 21 schließt sich die Farbjustierungseinheit 22 an. Hier erfolgt eine Angleichung der Farb- /Helligkeitswerte der aufgenommenen Bilder an ein einheitliches Niveau. Die so korrigierten Bilddaten werden nunmehr der Einheit zum Aufbau der Stackstruktur 23 zugeführt. Es werden die Eingangsbilder zeilenweise miteinander verglichen. Der Vergleich gemäß Fig. 3 basiert dabei auf der Ausgestaltung des Stereo-Kamerasystems 1 gemäß Fig. 1 , denn hier gibt es den Vergleich von jeweils nur zwei Zeilen. Im ersten Schritt werden zunächst zwei Zeilen jeweils mit derselben Y Koordinate übereinandergelegt, welches gemäß Fig. 3 der Ebene 0 entspricht. Der Vergleich wird pixelweise durchgeführt und das Ergebnis des Vergleiches wird gemäß Fig. 3 entsprechend der vorliegenden Vergleichsebene als Z Koordinate abgespeichert, wobei übereinanderliegende Pixel mit gleichem Farbwert diesen behalten, hingegen bei Ungleichheit kein Farbwert gespeichert wird. Im zweiten Schritt werden die Zeilen gemäß Fig. 3 jeweils Vz Pixel verschoben und es kommt zur Zuordnung der Ebene 1 , bzw. es erfolgt ein nächster Vergleich in der Ebene 1 , dessen Ergebnis in der Ebene 1 (Z Koordinate) abgespeichert wird. Die Vergleiche werden im allgemeinen, wie aus Fig. 3 ersichtlich, bis zur Ebene 7 und dann Ebene -1 bis Ebene-7 durchgeführt und entsprechend jeweils als Z Koordinate in der entsprechenden Ebene abgespeichert. Die Anzahl der Ebenen entspricht hierbei der maximal auftretenden Tiefeninformation und kann je nach Bildinhalt variieren. Die so aufgebaute dreidimensionale Struktur mit den XYZ Koordinaten bedeutet, dass für jedes Pixel über die zugehörige Z Koordinate der Grad der Verschiebung der Ansichten zueinander abgespeichert ist. Der gleiche Vergleich wird gemäß Fig. 6 auf Basis der Ausführungsform von Fig. 2 durchgeführt, nur das hier in entsprechender Weise drei Zeilen verglichen werden. Ein einfacher Vergleich zwischen Fig. 6 und Fig. 3 zeigt, dass durch den Vergleich dreier Zeilen wesentlich weniger Fehlinterpretationen erfolgten. Es ist also vorteilhaft, mehr als zwei Zeilen in den Vergleich einzubeziehen. Die erzeugte Stackstruktur, die sich auch dadurch
auszeichnet, dass nunmehr die Eingangsbilder nicht mehr einzeln vorliegen, werden der nachfolgenden Einheit zur Optimierung der Stackstruktur 24 zugeführt. Hier werden mehrdeutige Abbildungen von Bildelementen ermittelt, mit dem Ziel, derartige Fehler aufgrund von unwahrscheinlichen Kombinationen zu löschen, so dass eine korrigierte Datenmenge gemäß Fig. 4 oder auch Fig. 7 erzeugt wird. Im nachfolgenden Schritt wird eine möglichst flache bzw. stetige Höhenprofillinie aus den verbleibenden Elementen erstellt, um eine eindeutige Abbildung der Farbwerte in eine diskrete Tiefenebene (Z Koordinate) zu erreichen. Die Ergebnisse sind in Fig. 5 bzw. Fig. 8 dargestellt. Das Ergebnis gemäß Fig. 5 wird nunmehr gemäß Fig. 1 der Einheit zur Projektion der Stackstruktur auf die gewünschte Ansicht 25 zugeführt. Hier erfolgt die Projektion der Stackstruktur auf eine festgelegte Ebene im Raum. Die zu erzeugende Ansicht wird dabei über den Winkel der Ebene, wie aus Fig. 9 ersichtlich, erzeugt Dabei wird in der Regel mindestens eine Ansicht erzeugt, die keinem der von dem Kamerasystem 1 aufgenommenen Bildern exakt entspricht. Sämtliche erzeugten Ansichten liegen am Ausgang der Bildkonvertierungseinrichtung 2 an und können somit dem nachfolgenden 3D-Bildwiedergabegerät 3 zur stereoskopischen Wiedergabe übergeben werden, wobei mittels der enthaltenen Bildkombinationseinheit 31 zunächst die Kombination der verschiedenen Ansichten entsprechend der vorgegebenen Zuordnungsvorschrift des SD- Displays 32 erfolgt. Gemäß Fig. 2 wird ein anderer Weg zur Übertragung der aufbereiteten Daten an das 3D-Bildwiedergabegerät 3 gewählt. Der Einheit zur Optimierung der Stackstruktur 24 folgt hier die Einheit zur Ermittlung der Tiefe 26. Durch die Ermittlung der Tiefe der Bilder wird ein besonders effizientes Datenübertragungsformat geschaffen. Übertragen werden hier nämlich nur drei Bilder und drei Tiefenbilder, und zwar bevorzugt im MPEG- 4 Format. Gemäß Fig. 2 ist in dem 3D-Bildwiedergabegerät 3 eingangsseitig eine Einheit zur Rekonstruktion der Stackstruktur 30 mit nachfolgender Bildkombinationseinheit 31 und einem 3D-Display 32 vorhanden. Die Übernahme der Bilder und die Tiefen können in der Einheit zur Rekonstruktion der Stackstruktur 30 besonders effizient durch inverse Projektion in die Stackstruktur wieder gewandelt werden, so dass die Stackstruktur der nachfolgenden Einheit zur Projektion der Stackstruktur auf die gewünschte Ansicht 35 bereitgestellt werden kann. Der weitere Weg ist dann identisch zur Variante gemäß Fig. 1 , nur dass nunmehr vorteilhaft keine Übertragung sämtlicher Ansichten erfolgen muss.
Die Fig.10 zeigt zum besseren Verständnis eine schematische Darstellung aus dem Stand der Technik (JP 08-331605) für eine Bildkombination von vier Bildern, geeignet für die hilfsmittelfrei räumliche Wiedergabe auf einem 3D-Display, beispielsweise auf der Basis von geeigneter Lentikular- oder Barrieretechnologie. Dazu sind die vier Bilder bzw. Ansichten in der Bildkombinationseinheit 31 gemäß dem für das 3D-Display 32 geeigneten Bildkombinationsstruktur miteinander verwoben worden. In der Fig.11 ist schließlich eine schematische Darstellung für das erfindungsgemäße Übertragungsverfahren dargestellt. Dabei werden in einem MPEG-4 Datenstrom insgesamt 3 Farbbilder und 3 Tiefenbilder (bzw. jeweils Bewegtbilder-Streams) übertragen. Besonders vorteilhaft weist dabei einer der Farbbilder-Streams eine Auflösung von 1920x1080 Pixeln auf, während die anderen beiden eine Auflösung von 1280x720 Pixeln besitzen. Die dazugehörigen Tiefenbilder (bzw. Tiefenbilderstreams) werden jeweils in halber horizontaler und halber vertikaler Auflösung übertragen, also 960x540 Pixel bzw. 640x360 Pixel. Die Tiefenbilder bestehen im einfachsten Falle aus Graustufenbildern z. B. mit 256 oder 1024 möglichen Grauwerten pro Pixel, wobei jeder Grauwert einem Tiefenwert entspricht .An arrangement according to the invention consists essentially of a stereo camera system 1, an image conversion device 2 and a 3D image display device 3, wherein according to FIG. 1 the stereo camera system 1 comprises a right camera 11 and a left camera 12, the image conversion device 2 a rectification unit 21, a color adjustment unit 22, a unit for constructing the stack structure 23, a unit for optimizing the stack structure 24, and a unit for projecting the stack structure onto the desired view 25 and the SD image display apparatus 3, an image combining unit 31 and a 3D display 32, wherein the 3D Display 32 at least three views of a scene / an object or other objects for spatial representation contains. For example, the 3D display 32 may also operate based on 4, 5, 6, 7, 8, 9 or even more views. By way of example, a "Spatial View 19 inch" 3D display 32 is considered, and another arrangement according to the invention is shown in Fig. 2. Here, the 3D camera system 1 comprises a main camera 13, a first satellite camera 14 and a second satellite camera 15. The image converting device 2 includes a sizing unit 20, a rectifying unit 21, a color adjusting unit 22, a stack structure constructing unit 23, a stack structure optimizing unit 24, a depth detecting unit 26 and the SD image display apparatus 3, as shown in FIG 2, a unit for reconstructing the stack structure 30, a unit for projecting the stack structure onto the desired view 35, an image combining unit 31, and a 3D display 32. According to the embodiment of FIG. 1, the stereo camera system 1 includes two identical cameras (1 1, 12) with the same resolution, so that the recorded Bi lddaten each directly the rectification unit 21 can be fed. According to the embodiment of Fig. 2, the 3D camera system 1 consists of a main camera 13 and two satellite cameras 14, 15, the main camera 13 is a so-called high-quality camera with high resolution, however, the two satellite cameras 14, 15 with a lower resolving power are equipped. The camera positions with each other are, as usual, variable within known limits in terms of distance and orientation to stereoscopic To take pictures. The recorded image data of the cameras (13, 14, 15) are fed to the sizing unit 20 as shown in FIG. Here, an alignment of the image resolution of the satellite cameras 14, 15 takes place at the resolution of the main camera 13, so that all images have the same resolution. In the downstream rectification unit 21, a possible equalization of the camera images takes place, ie a compensation of lens distortions, camera distortions, zoom differences, etc. takes place. The rectification unit 21 is adjoined by the color adjustment unit 22. Here, the color / brightness values of the recorded images are adjusted to a uniform level. The thus corrected image data are now supplied to the unit for constructing the stack structure 23. The input pictures are compared line by line. The comparison according to FIG. 3 is based on the design of the stereo camera system 1 according to FIG. 1, because here there is the comparison of only two lines each. In the first step, two lines are first superimposed with the same Y coordinate, which corresponds to level 0 according to FIG. The comparison is carried out on a pixel-by-pixel basis and the result of the comparison is stored as a Z coordinate according to the present comparison plane, with superimposed pixels having the same color value retaining same, whereas no color value is stored in the event of inequality. In the second step, the rows according to FIG. 3 are shifted in each case Vz pixels, and the level 1 is assigned, or a next comparison takes place in level 1, the result of which is stored in level 1 (Z coordinate). As is apparent from FIG. 3, the comparisons are generally carried out as far as level 7 and then level -1 through level 7, and are respectively stored as Z coordinates in the corresponding level. The number of levels corresponds to the maximum occurring depth information and may vary depending on the image content. The three-dimensional structure thus constructed with the XYZ coordinates means that the degree of displacement of the views relative to one another is stored for each pixel via the associated Z coordinate. The same comparison is made in accordance with FIG. 6 on the basis of the embodiment of FIG. 2, except that three lines are correspondingly compared here. A simple comparison between Fig. 6 and Fig. 3 shows that by comparing three lines significantly fewer misinterpretations were made. It is therefore advantageous to include more than two lines in the comparison. The generated stack structure, which is also characterized characterized in that now the input images are no longer present individually, the following unit for optimizing the stack structure 24 are supplied. Here, ambiguous mappings of picture elements are determined, with the aim of erasing such errors due to improbable combinations, so that a corrected data set according to FIG. 4 or also FIG. 7 is generated. In the following step, a possible flat or continuous height profile line is created from the remaining elements in order to achieve an unambiguous mapping of the color values into a discrete depth plane (Z coordinate). The results are shown in Fig. 5 and Fig. 8, respectively. The result according to FIG. 5 is now fed to the desired view 25 of the unit for the projection of the stack structure according to FIG. Here the projection of the stack structure takes place on a fixed level in the room. The view to be generated is thereby generated via the angle of the plane, as shown in FIG. 9. As a rule, at least one view is generated which does not correspond exactly to any of the images recorded by the camera system 1. All generated views are present at the output of the image converting device 2 and can thus be transferred to the subsequent 3D image display device 3 for stereoscopic reproduction, whereby the combination of the different views according to the predetermined assignment rule of the SD display 32 is carried out by means of the image combination unit 31 contained. Referring to Fig. 2, another way of transmitting the edited data to the 3D image display apparatus 3 is adopted. The unit for optimizing the stack structure 24 follows here the unit for determining the depth 26. By determining the depth of the images, a particularly efficient data transmission format is created. Only three images and three depth images are transmitted here, preferably in MPEG-4 format. According to FIG. 2, a unit for the reconstruction of the stack structure 30 with subsequent image combination unit 31 and a 3D display 32 is present on the input side in the 3D image display device 3. The takeover of the images and the depths can be converted again particularly efficiently by inverse projection into the stack structure in the unit for reconstructing the stack structure 30, so that the stack structure of the subsequent unit for projecting the stack structure onto the desired view 35 can be provided. The further route is then identical to the variant according to FIG. 1, except that now advantageously no transmission of all views has to take place. FIG. 10 shows, for better understanding, a schematic representation from the prior art (JP 08-331605) for an image combination of four images, suitable for tool-free spatial reproduction on a 3D display, for example on the basis of suitable lenticular or barrier technology. For this purpose, the four images or views in the image combination unit 31 have been interwoven according to the image combination structure suitable for the 3D display 32. FIG. 11 finally shows a schematic representation of the transmission method according to the invention. In this case, a total of 3 color images and 3 depth images (or in each case moving image streams) are transmitted in an MPEG-4 data stream. One of the color image streams has a resolution of 1920 × 1080 pixels, while the other two have a resolution of 1280 × 720 pixels. The associated depth images (or depth image streams) are each transmitted in half horizontal and half vertical resolution, ie 960x540 pixels or 640x360 pixels. The depth images consist in the simplest case of grayscale images z. B. with 256 or 1024 possible gray values per pixel, each gray value corresponds to a depth value.
In einer weiteren Ausgestaltung würde das höchstauflösende Farbbild beispielweise 4096 x 4096 Pixel und die anderen Farbbilder 2048 x 2048 Pixel oder 1024 x 1024 Pixel aufweisen. Die dazugehörigen Tiefenbilder (bzw. Tiefenbilderstreams) werden jeweils in halber horizontaler und halber vertikaler Auflösung übertragen. Diese Variante wäre dann von Vorteil, wenn der gleiche Datensatz einmal für besonders hochauflösende Stereo-Darstellungen (z. B. im 3D-Kino mit Links/Rechtsbildern) und ein anderes Mal für weniger hochauflösende 3D-Darstellungen auf 3D-Displays, dann aber mit mindestens drei dargestellten Ansichten, verwendet werden soll.
In a further embodiment, the super-resolution color image would, for example, have 4096 × 4096 pixels and the other color images 2048 × 2048 pixels or 1024 × 1024 pixels. The associated depth images (or depth image streams) are each transmitted in half horizontal and half vertical resolution. This variant would be advantageous if the same record once for particularly high-resolution stereo presentations (eg in the 3D cinema with left / right images) and another time for less high-resolution 3D displays on 3D displays, but then with at least three views shown to be used.
BezugszeichenlisteLIST OF REFERENCE NUMBERS
1 Kamerasystem1 camera system
1 1 rechte Kamera1 1 right camera
12 linke Kamera12 left camera
13 Hauptkamera13 main camera
14 erste Satellitenkamera 15 zweite Satellitenkamera14 first satellite camera 15 second satellite camera
2 Bildkonvertierungseinrichtung2 image conversion device
20 Größenanpassungseinheit20 sizing unit
21 Rektifizierungseinheit 22 Farbjustierungseinheit21 Rectification unit 22 Color adjustment unit
23 Einheit zum Aufbau der Stackstruktur23 Unit for building the stack structure
24 Einheit zur Optimierung der Stackstruktur24 unit for optimizing the stack structure
25 Einheit zur Projektion der Stackstruktur auf die gewünschte Ansicht25 unit to project the stack structure to the desired view
26 Einheit zur Ermittlung der Tiefe26 Unit for determining the depth
3 3D-Bildwiedergabegerät3 3D image display device
30 Einheit zur Rekonstruktion der Stackstruktur30 unit for the reconstruction of the stack structure
31 Bildkombinationseinheit31 image combination unit
32 3D-Display 35 Einheit zur Projektion der Stackstruktur auf die gewünschte Ansicht
32 3D display 35 Unit for projecting the stack structure to the desired view