JP7205613B2 - 画像処理装置、画像処理方法及びプログラム - Google Patents
画像処理装置、画像処理方法及びプログラム Download PDFInfo
- Publication number
- JP7205613B2 JP7205613B2 JP2021503375A JP2021503375A JP7205613B2 JP 7205613 B2 JP7205613 B2 JP 7205613B2 JP 2021503375 A JP2021503375 A JP 2021503375A JP 2021503375 A JP2021503375 A JP 2021503375A JP 7205613 B2 JP7205613 B2 JP 7205613B2
- Authority
- JP
- Japan
- Prior art keywords
- dimensional
- label
- point cloud
- data
- image
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
- G06V20/653—Three-dimensional objects by matching three-dimensional models, e.g. conformal mapping of Riemann surfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
- G06V20/647—Three-dimensional objects by matching two-dimensional images to three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/766—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using regression, e.g. by projecting features on hyperplanes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Image Analysis (AREA)
Description
本開示の実施の形態の説明に先立って、本開示にかかる実施の形態の概要について説明する。図1は、本開示の実施の形態にかかる画像処理装置1の概要を示す図である。画像処理装置1は、例えばコンピュータである。画像処理装置1は、3次元点群取得部2と、2次元ラベル取得部4と、ラベル変換部6とを有する。3次元点群取得部2は、3次元点群取得手段として機能する。2次元ラベル取得部4は、2次元ラベル取得手段として機能する。ラベル変換部6は、ラベル変換手段として機能する。
以下、関連技術の問題点について説明する。現在、画像などを用いた認識技術には、統計的機械学習の手法が用いられており、そのためには認識対象ドメインに関連した正解ラベル付されたデータを大量に用意し、これらのデータを学習および評価用に用いることが必須となっている。このようなラベル付きデータの準備には、現在、時間的、金銭的、労力的な観点で極めて高いコストが必要とされている。
画像上の認識対象クラス(例えば、人、車、家具など)の検出を目的とする場合、ラベルデータは、通常、認識対象のオブジェクト(対象オブジェクト)の画像上における位置と対象クラス名とを対応付けて保存されたテキストデータである。ここで、対象オブジェクトの位置は、例えば、対象オブジェクトを囲む矩形を表現するベクトルで表現され得る。このベクトルは、例えば、画像のピクセルにおいて、[左上x座標,左上y座標,矩形幅,矩形高さ]といったように表現される。また、対象クラス名は、例えば、「Car」又は「Pedestrian」などと表現される。
近年、地形調査や自動運転等で広く利用されている3次元構造を計測する技術(あるいはそれを利用した計測装置)として、例えば、3D LiDAR(Light Detection And Ranging、Laser Imaging Detection and Ranging)がある。3D LiDARは、それまでの1ラインスキャナー等と比較して、高密度かつ広範囲に3次元空間上の遮蔽物の計測点からの距離データを3次元点群データとして集積可能な技術、及びその計測装置である。3次元点群データは、例えば3D LiDARで取得された実環境の構造を反映するデータである。3次元点群データは、人、自動車などの対象オブジェクト、及び、地面、建物、標識などの構造物から反射されて得られた3次元座標情報を持つ点(3次元点)の集合である3次元点群を示すデータである。
3D LiDAR等で取得された3次元点群データにおいて、計測結果を可視化するためには、一般に、3次元ビューア等で各点の3次元座標を描画することになるが、このときに取得された各点は、3次元空間上に点在している。このような3次元上に拡散した大量の点に対し、3次元ビューア等を見ながら手作業でラベルを与えることは、極めて困難であり、かつ高コストを誘発するおそれがある。
以下、実施の形態について、図面を参照しながら説明する。説明の明確化のため、以下の記載及び図面は、適宜、省略、及び簡略化がなされている。また、各図面において、同一の要素には同一の符号が付されており、必要に応じて重複説明は省略されている。
図7は、実施の形態1にかかる3次元点群分割部1031によるクラスタリングについて説明するための図である。3次元点群分割部1031は、図7に例示するように、3次元点群入力部101から受け取った3次元点群を、所定の基準に従ってクラスタリングすることで、複数の小クラスタに分割する。小クラスタは、以下の式1のように3次元点pkの集合Pから分割された、部分集合Ciである。
実施の形態1にかかる画像処理システム100により、画像データに付与された2次元ラベルから、対応する3次元点群データに対する3次元ラベルを自動的に生成することが可能になる。これにより、2次元画像と3次元点群とを同時に取得可能な撮像系(例えばカメラ及び3D LiDARを含む撮像系等)において、画像へのラベル付与コストのみで、2次元画像と3次元点群とで共通化されたラベルデータを生成することができる。したがって、容易に、このラベルデータを、2次元画像及び3次元点群の2つのデータを用いた機械学習タスクに利用できるようになる。
図13は、実施の形態1にかかる電子制御装置10によって実行される画像処理方法を示すフローチャートである。まず、電子制御装置10の3次元点群入力部101は、点群出力装置30から、3次元点群データを取得する(ステップS1)。また、電子制御装置10の2次元ラベル入力部102は、2次元ラベルデータを取得する(ステップS2)。具体的には、2次元ラベル入力部102は、画像出力装置20から画像を取得して、この画像に対応する、予め保存された2次元ラベルデータを取得する。あるいは、2次元ラベル入力部102は、画像出力装置20から画像を取得して、この画像に対応する、電子制御装置10において自動的に機械学習等により生成された2次元ラベルデータを取得する。次に、ラベル変換部103は、2次元ラベルデータを3次元点群ラベルへ変換する、ラベル変換処理を実行する(ステップS3)。S3の処理の詳細については後述する。なお、S1~S3の処理は、複数の画像系列に対して、逐次繰り返し実行され得る。
次に、実施の形態2について、図面を参照しながら説明する。説明の明確化のため、以下の記載及び図面は、適宜、省略、及び簡略化がなされている。また、各図面において、同一の要素には同一の符号が付されており、必要に応じて重複説明は省略されている。なお、実施の形態2にかかるシステム構成については、図2に示したものと実質的に同様であるので、説明を省略する。実施の形態2は、画像セグメンテーションラベルを生成する点で、実施の形態1と異なる。
実施の形態2にかかる方法によって生成された画像セグメンテーションラベルは、以下のように利用可能である。例えば、画像セグメンテーションラベルは、入力画像のみからオブジェクトの領域ピクセルを推定し、マスク領域を塗りつぶした結果を出力するような、画像セグメンテーションタスクに対する性能評価のための評価データセットとして利用され得る。また、例えば、画像セグメンテーションラベルは、画像セグメンテーションタスクを統計的機械学習によって実現する場合の学習用データセットとして利用され得る。
図16は、実施の形態2にかかる電子制御装置10によって実行される画像処理方法を示すフローチャートである。まず、上述したS1~S3の処理(図13,図14)が実行される。次に、画像入力部104は、ラベルが付与された3次元点群データを取得する(ステップS401)。セグメンテーションラベル生成部105は、取得された3次元点群データを、ラベルごとに、2次元画像平面へ投影する(ステップS402)。セグメンテーションラベル生成部105は、2次元画像平面上で、ラベル毎に、投影点に対してピクセル補間処理を行う(ステップS403)。この際、必要に応じて、入力画像の情報が参照され得る。
なお、本発明は上記実施の形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。例えば、上述したフローチャートの各ステップの処理の1つ以上は、省略され得る。
(付記1)
物体の3次元点群を示す3次元点群データを取得する3次元点群取得手段と、
前記物体の2次元画像に対応するラベルデータである2次元ラベルデータを取得する2次元ラベル取得手段と、
前記2次元ラベルデータを前記3次元点群データと対応付けて、前記2次元ラベルデータを、前記3次元点群のラベルを示す3次元点群ラベルデータに変換するラベル変換手段と
を有する画像処理装置。
(付記2)
前記ラベル変換手段は、前記3次元点群を前記2次元画像に対応する画像平面へ投影した写像と前記2次元ラベルデータとを対応付けることで、前記2次元ラベルデータを前記3次元点群データと対応付ける
付記1に記載の画像処理装置。
(付記3)
前記ラベル変換手段は、前記2次元ラベルデータと前記3次元点群の前記写像とを照合することで、前記2次元ラベルデータを前記3次元点群データと対応付ける
付記2に記載の画像処理装置。
(付記4)
前記ラベル変換手段は、前記3次元点群を所定の基準に従ってクラスタリングすることによって前記3次元点群を複数の小クラスタに分割し、分割された前記小クラスタごとに、前記2次元ラベルデータを対応付ける
付記1~3のいずれか1項に記載の画像処理装置。
(付記5)
前記ラベル変換手段は、前記小クラスタを前記2次元画像に対応する画像平面へ投影した写像と前記2次元ラベルデータとの相関を表すパラメータに応じて、前記2次元ラベルデータと前記3次元点群データとを対応付ける
付記4に記載の画像処理装置。
(付記6)
前記パラメータは、前記小クラスタの写像の要素が前記2次元ラベルデータに含まれる割合である包含率、及び、前記小クラスタの写像によって形成される凸包と前記2次元ラベルデータとの面積重複率の、少なくとも一方に対応する
付記5に記載の画像処理装置。
(付記7)
前記ラベル変換手段は、前記クラスタリングにおいて、前記3次元点群それぞれのクラスタの所属を最適化する基準として、クラスタと点の間の距離を小さくする基準、及び、クラスタの要素が画像平面上に投影されたときに同一の2次元ラベル矩形の内部に包含されている期待値を高める基準とを組み合わせた基準を利用する
付記4~6のいずれか1項に記載の画像処理装置。
(付記8)
前記3次元点群ラベルデータを前記2次元画像に対応する画像平面へ投影した写像についてピクセル補間処理を行うことで、画像セグメンテーションラベルデータを生成するセグメンテーションラベル生成手段
をさらに有する付記1~7のいずれか1項に記載の画像処理装置。
(付記9)
物体の3次元点群を示す3次元点群データを取得し、
前記物体の2次元画像に対応するラベルデータである2次元ラベルデータを取得し、
前記2次元ラベルデータを前記3次元点群データと対応付けて、前記2次元ラベルデータを、前記3次元点群のラベルを示す3次元点群ラベルデータに変換する
画像処理方法。
(付記10)
前記3次元点群を前記2次元画像に対応する画像平面へ投影した写像と前記2次元ラベルデータとを対応付けることで、前記2次元ラベルデータを前記3次元点群データと対応付ける
付記9に記載の画像処理方法。
(付記11)
前記2次元ラベルデータと前記3次元点群の前記写像とを照合することで、前記2次元ラベルデータを前記3次元点群データと対応付ける
付記10に記載の画像処理方法。
(付記12)
前記3次元点群を所定の基準に従ってクラスタリングすることによって前記3次元点群を複数の小クラスタに分割し、分割された前記小クラスタごとに、前記2次元ラベルデータを対応付ける
付記9~11のいずれか1項に記載の画像処理方法。
(付記13)
前記小クラスタを前記2次元画像に対応する画像平面へ投影した写像と前記2次元ラベルデータとの相関を表すパラメータに応じて、前記2次元ラベルデータと前記3次元点群データとを対応付ける
付記12に記載の画像処理方法。
(付記14)
前記パラメータは、前記小クラスタの写像の要素が前記2次元ラベルデータに含まれる割合である包含率、及び、前記小クラスタの写像によって形成される凸包と前記2次元ラベルデータとの面積重複率の、少なくとも一方に対応する
付記13に記載の画像処理方法。
(付記15)
前記クラスタリングにおいて、前記3次元点群それぞれのクラスタの所属を最適化する基準として、クラスタと点の間の距離を小さくする基準、及び、クラスタの要素が画像平面上に投影されたときに同一の2次元ラベル矩形の内部に包含されている期待値を高める基準とを組み合わせた基準を利用する
付記12~14のいずれか1項に記載の画像処理方法。
(付記16)
前記3次元点群ラベルデータを前記2次元画像に対応する画像平面へ投影した写像についてピクセル補間処理を行うことで、画像セグメンテーションラベルデータを生成する
付記9~15のいずれか1項に記載の画像処理方法。
(付記17)
物体の3次元点群を示す3次元点群データを取得するステップと、
前記物体の2次元画像に対応するラベルデータである2次元ラベルデータを取得するステップと、
前記2次元ラベルデータを前記3次元点群データと対応付けて、前記2次元ラベルデータを、前記3次元点群のラベルを示す3次元点群ラベルデータに変換するステップと
をコンピュータに実行させるプログラムが格納された非一時的なコンピュータ可読媒体。
2 3次元点群取得部
4 2次元ラベル取得部
6 ラベル変換部
10 電子制御装置
20 画像出力装置
30 点群出力装置
40 端末装置
90 画像平面
100 画像処理システム
101 3次元点群入力部
102 2次元ラベル入力部
103 ラベル変換部
104 画像入力部
105 セグメンテーションラベル生成部
1031 3次元点群分割部
1032 クラスタ写像投影部
1033 ラベル照合部
Claims (10)
- 物体の3次元点群を示す3次元点群データを取得する3次元点群取得手段と、
前記物体の2次元画像に対応するラベルデータである2次元ラベルデータを取得する2次元ラベル取得手段と、
前記2次元ラベルデータを前記3次元点群データと対応付けて、前記2次元ラベルデータを、前記3次元点群のラベルを示す3次元点群ラベルデータに変換するラベル変換手段と
を有する画像処理装置。 - 前記ラベル変換手段は、前記3次元点群を前記2次元画像に対応する画像平面へ投影した写像と前記2次元ラベルデータとを対応付けることで、前記2次元ラベルデータを前記3次元点群データと対応付ける
請求項1に記載の画像処理装置。 - 前記ラベル変換手段は、前記2次元ラベルデータと前記3次元点群の前記写像とを照合することで、前記2次元ラベルデータを前記3次元点群データと対応付ける
請求項2に記載の画像処理装置。 - 前記ラベル変換手段は、前記3次元点群を所定の基準に従ってクラスタリングすることによって前記3次元点群を複数の小クラスタに分割し、分割された前記小クラスタごとに、前記2次元ラベルデータを対応付ける
請求項1~3のいずれか1項に記載の画像処理装置。 - 前記ラベル変換手段は、前記小クラスタを前記2次元画像に対応する画像平面へ投影した写像と前記2次元ラベルデータとの相関を表すパラメータに応じて、前記2次元ラベルデータと前記3次元点群データとを対応付ける
請求項4に記載の画像処理装置。 - 前記パラメータは、前記小クラスタの写像の要素が前記2次元ラベルデータに含まれる割合である包含率、及び、前記小クラスタの写像によって形成される凸包と前記2次元ラベルデータとの面積重複率の、少なくとも一方に対応する
請求項5に記載の画像処理装置。 - 前記ラベル変換手段は、前記クラスタリングにおいて、前記3次元点群それぞれのクラスタの所属を最適化する基準として、クラスタと点の間の距離を小さくする基準、及び、クラスタの要素が画像平面上に投影されたときに同一の2次元ラベル矩形の内部に包含されている期待値を高める基準とを組み合わせた基準を利用する
請求項4~6のいずれか1項に記載の画像処理装置。 - 前記3次元点群ラベルデータを前記2次元画像に対応する画像平面へ投影した写像についてピクセル補間処理を行うことで、画像セグメンテーションラベルデータを生成するセグメンテーションラベル生成手段
をさらに有する請求項1~7のいずれか1項に記載の画像処理装置。 - 物体の3次元点群を示す3次元点群データを取得し、
前記物体の2次元画像に対応するラベルデータである2次元ラベルデータを取得し、
前記2次元ラベルデータを前記3次元点群データと対応付けて、前記2次元ラベルデータを、前記3次元点群のラベルを示す3次元点群ラベルデータに変換する
画像処理方法。 - 物体の3次元点群を示す3次元点群データを取得するステップと、
前記物体の2次元画像に対応するラベルデータである2次元ラベルデータを取得するステップと、
前記2次元ラベルデータを前記3次元点群データと対応付けて、前記2次元ラベルデータを、前記3次元点群のラベルを示す3次元点群ラベルデータに変換するステップと
をコンピュータに実行させるプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/009169 WO2020179065A1 (ja) | 2019-03-07 | 2019-03-07 | 画像処理装置、画像処理方法及び記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020179065A1 JPWO2020179065A1 (ja) | 2021-11-25 |
JP7205613B2 true JP7205613B2 (ja) | 2023-01-17 |
Family
ID=72337076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021503375A Active JP7205613B2 (ja) | 2019-03-07 | 2019-03-07 | 画像処理装置、画像処理方法及びプログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7205613B2 (ja) |
WO (1) | WO2020179065A1 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115176175A (zh) * | 2020-02-18 | 2022-10-11 | 株式会社电装 | 物体检测装置 |
JP7501398B2 (ja) | 2020-02-18 | 2024-06-18 | 株式会社デンソー | 物体検出装置 |
WO2023007660A1 (ja) * | 2021-07-29 | 2023-02-02 | 日本電信電話株式会社 | 3次元点群識別装置、3次元点群識別方法、及び3次元点群識別プログラム |
CN116091751B (zh) * | 2022-09-09 | 2023-09-05 | 锋睿领创(珠海)科技有限公司 | 一种点云分类方法、装置、计算机设备及存储介质 |
JP2024054680A (ja) * | 2022-10-05 | 2024-04-17 | キヤノン株式会社 | 情報処理装置、情報処理装置の制御方法、及びコンピュータプログラム |
JP2024054648A (ja) * | 2022-10-05 | 2024-04-17 | キヤノン株式会社 | 情報処理装置、情報処理装置の制御方法、及びコンピュータプログラム |
CN116778104B (zh) * | 2023-08-16 | 2023-11-14 | 江西省国土资源测绘工程总院有限公司 | 一种动态遥感监测的测绘方法及*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003141548A (ja) | 2001-10-22 | 2003-05-16 | Ge Medical Systems Global Technology Co Llc | 3次元ラベリング装置及びその方法 |
US20180157920A1 (en) | 2016-12-01 | 2018-06-07 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for recognizing obstacle of vehicle |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4978615B2 (ja) * | 2008-11-27 | 2012-07-18 | 三菱電機株式会社 | 対象特定装置 |
-
2019
- 2019-03-07 WO PCT/JP2019/009169 patent/WO2020179065A1/ja active Application Filing
- 2019-03-07 JP JP2021503375A patent/JP7205613B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003141548A (ja) | 2001-10-22 | 2003-05-16 | Ge Medical Systems Global Technology Co Llc | 3次元ラベリング装置及びその方法 |
US20180157920A1 (en) | 2016-12-01 | 2018-06-07 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for recognizing obstacle of vehicle |
Non-Patent Citations (1)
Title |
---|
倉橋碧, 外2名,"自動駐車に向けたLiDARデータを用いた車両位置検出への取り組み",第79回(平成29年)全国大会講演論文集(2),2017年03月16日,p.(2-163)-(2-164) |
Also Published As
Publication number | Publication date |
---|---|
JPWO2020179065A1 (ja) | 2021-11-25 |
US20220139094A1 (en) | 2022-05-05 |
WO2020179065A1 (ja) | 2020-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7205613B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
US10354129B2 (en) | Hand gesture recognition for virtual reality and augmented reality devices | |
CN108292362B (zh) | 用于光标控制的手势识别 | |
US9710109B2 (en) | Image processing device and image processing method | |
US8442269B2 (en) | Method and apparatus for tracking target object | |
CN111563442A (zh) | 基于激光雷达的点云和相机图像数据融合的slam方法及*** | |
CN109598794B (zh) | 三维gis动态模型的构建方法 | |
US20180357819A1 (en) | Method for generating a set of annotated images | |
JP2016500975A (ja) | 結合された深度キューに基づく平面視画像からの深度マップの生成 | |
WO2012139228A1 (en) | Video-based detection of multiple object types under varying poses | |
CN103530619A (zh) | 基于rgb-d数据构成的少量训练样本的手势识别方法 | |
WO2021181647A1 (ja) | 画像処理装置、画像処理方法、およびコンピュータ可読媒体 | |
CN105809716B (zh) | 融合超像素与三维自组织背景减除法的前景提取方法 | |
CN106503170B (zh) | 一种基于遮挡维度的图像库构建方法 | |
WO2023185069A1 (zh) | 物体检测方法及装置、计算机可读存储介质及无人车 | |
TWI716874B (zh) | 影像處理裝置、影像處理方法、及影像處理程式 | |
US10891740B2 (en) | Moving object tracking apparatus, moving object tracking method, and computer program product | |
KR101125061B1 (ko) | Ldi 기법 깊이맵을 참조한 2d 동영상의 3d 동영상 전환방법 | |
KR102540678B1 (ko) | 카메라이미지를 이용하여 객체의 위치정보 출력을 보완하는 방법 및 그 시스템 | |
JP5217917B2 (ja) | 物体検知追跡装置,物体検知追跡方法および物体検知追跡プログラム | |
CN111915713A (zh) | 一种三维动态场景的创建方法、计算机设备、存储介质 | |
KR101357581B1 (ko) | 깊이 정보 기반 사람의 피부 영역 검출 방법 | |
US12046055B2 (en) | Associating two dimensional label data with three-dimensional point cloud data | |
CN112633372B (zh) | 一种ar设备的光源估计方法和装置 | |
KR101517815B1 (ko) | 실시간 객체 추출 방법 및 이를 적용한 감시 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210716 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210716 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220726 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221129 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221212 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7205613 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |