CN108734772A - 基于Kinect fusion的高精度深度图像获取方法 - Google Patents
基于Kinect fusion的高精度深度图像获取方法 Download PDFInfo
- Publication number
- CN108734772A CN108734772A CN201810478449.7A CN201810478449A CN108734772A CN 108734772 A CN108734772 A CN 108734772A CN 201810478449 A CN201810478449 A CN 201810478449A CN 108734772 A CN108734772 A CN 108734772A
- Authority
- CN
- China
- Prior art keywords
- image
- point cloud
- depth
- depth image
- point
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000004927 fusion Effects 0.000 title claims abstract description 19
- 230000009466 transformation Effects 0.000 claims abstract description 13
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000007493 shaping process Methods 0.000 claims description 4
- 238000007667 floating Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 230000000392 somatic effect Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/20—Linear translation of whole images or parts thereof, e.g. panning
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于Kinect fusion的高精度深度图像获取方法，其包括获取深度图像与彩色图像数据，三维重建形成空间点云，将插值结果映射到二维图像并进行灰度化处理，对灰度图像进行线性变换，在设定的深度区间内拉伸灰度域，对图像信息点坐标进行转换，形成新的深度图像，从而大大提高了深度图像的分辨率和精确度。
Description
技术领域
本发明属于机器视觉技术领域，具体涉及一种基于Kinect fusion的高精度深度图像获取方法。
背景技术
物体的三维重建是一种根据多张二维视图重建物体三维信息的过程。三维重建在计算机图形学、计算机视觉、医学图像处理、虚拟现实、体感游戏等领域获得众多应用。
为了使计算机生成三维位物体模型，通常情况采用的方法是通过二位维图像、投影等获取真实物体的几何形状，然后根据三位维建模方法如摄像机标定、数据点云化、点云拼接、特征分析与提取、立体匹配等过程等。
Kinect是微软在游戏领域推出的体感周边外设，集成了深度相机、红外相机、彩色相机。通过Kinect采集的深度数据进行三维重建，大大降低了三维重建的成本，使得普通用户可以研究、使用三维重建技术带来的便利。
Kinect fusion是微软研究院利用Kinect进行的三维重建项目。用户可以通过Kinect相机进行场景绘制并实时查看3D模型，Kinect fusion在GPU上以交互式速率运行，并且可以在各种硬件上以非交互式速率运行。Kinectfusion使用ICP算法将多帧不同位姿深度数据融合到前帧，并使用TSDF算法进行点云融合和立方体重建，重建结果具有平滑、噪声小、精度高等优点。
通常情况下，直接使用深度相机采集到的深度图像分辨率低、噪声大、精度低，而利用Kinect fusion可以获得的高精度三维数据，但是kinectfusion所获得的三维数据为点云形式，点云数据量巨大，直接处理很难达到实时效果，并且不能运用比较成熟的二维图像处理算法。
发明内容
本发明的发明目的是：为了解决现有技术中存在的以上问题，本发明提出了一种简单可行的基于Kinect fusion的高精度深度图像获取方法。
本发明的技术方案是：一种基于Kinect fusion的高精度深度图像获取方法，包括以下步骤：
A、获取深度图像与彩色图像数据；
B、对步骤A中获取的深度图像和彩色图像进行三维重建形成空间点云；
C、对步骤B形成的空间点云进行Delaunay三角剖分和线性三角内插值处理；
D、将步骤C得到的插值结果映射到二维图像，并对二维图像进行灰度化处理；
E、对步骤D得到的灰度图像进行线性变换，在设定的深度区间内拉伸灰度域；
F、根据空间点云坐标系与深度图像坐标系的坐标转换关系，对步骤E处理后的图像信息点坐标进行转换。
进一步地，所述步骤B对步骤A中获取的深度图像和彩色图像进行三维重建形成空间点云，具体包括以下分步骤：
B1、将深度图像连续帧以无符号短整形转换为浮点格式的深度帧，并设置最小和最大深度阈值对输入数据进行裁剪；
B2、平滑深度图像数据，通过将投影关联在重建立方体中计算点云，并通过ICP算法对齐两组重叠的方向点云并计算相机的相对位置；
B3、将深度浮点数据和彩色图像数据从步骤B2得到的相机的相对位置融合到重构立方体中；
B4、根据点云中点位置和曲面法线从点云帧生成着色图像，完成三维重建形成空间点云。
进一步地，所述步骤C对步骤B形成的空间点云进行Delaunay三角剖分和线性三角内插值处理，具体包括以下分步骤：
C1、采用quick hull算法对空间点云中的二维坐标进行处理，得到有效点云平面的凸包；
C2、根据步骤C1得到的凸包，对空间点云进行Delaunay三角剖分处理；
C3、生成插值网格，选择包含插值网格点的Delaunay三角形，在三角形中对插值点进行线性插值。
进一步地，所述步骤C1采用quick hull算法对空间点云中的二维坐标进行处理，得到有效点云平面的凸包具体为：选择空间点云中X坐标最大值和最小值对应的点，利用该两点形成的连线将所有点划分为两部分，选择距离连线最远的一个点与该两点形成三角形，忽略位于三角形内部的点，对三角形的另外两条边重复上述操作，直至没有剩余点时递归结束，被选择点构成凸包。
本发明的有益效果是：本发明采用Kinect相机获取深度图像和彩色图像，通过Kinectfusion对深度图像和彩色图像进行三维重建形成空间点云；再对空间点云三角剖分，利用二维网格点进行线性插值；再将插值结果的深度信息变换到颜色空间，形成新的深度图像，从而大大提高了深度图像的分辨率和精确度。
附图说明
图1是本发明的基于Kinect fusion的高精度深度图像获取方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
如图1所示，为本发明的基于Kinect fusion的高精度深度图像获取方法的流程示意图。一种基于Kinect fusion的高精度深度图像获取方法，包括以下步骤：
A、获取深度图像与彩色图像数据；
B、对步骤A中获取的深度图像和彩色图像进行三维重建形成空间点云；
C、对步骤B形成的空间点云进行Delaunay三角剖分和线性三角内插值处理；
D、将步骤C得到的插值结果映射到二维图像，并对二维图像进行灰度化处理；
E、对步骤D得到的灰度图像进行线性变换，在设定的深度区间内拉伸灰度域；
F、根据空间点云坐标系与深度图像坐标系的坐标转换关系，对步骤E处理后的图像信息点坐标进行转换。
在本发明的一个可选实施例中，上述步骤A以人体背部图像为例，将kinect2.0通过USB连接上位机，通过上位机软件调用kinect SDK传感器的红外相机与彩色相机同时获取人体背部的深度图像与彩色图像数据。深度图像大小为512*424，彩色图像的大小为1920*1080。
在本发明的一个可选实施例中，上述步骤B调用kinect fusion完成人体背部的三维重建，生成空间点云形式的三维数据XYZ。Kinect Fusion可以在具有C++AMP的DirectX11兼容的GPU或CPU上在重建体积创建期间通过设置重建处理器类型来处理数据。CPU处理器最适合离线处理，因为只有现代DirectX 11 GPU才能在重建期间实现实时交互的帧速率。通常，目标是以与Kinect传感器(30fps)相同的帧速率进行处理，以实现最稳健的摄像机姿态跟踪。
对步骤A中获取的深度图像和彩色图像进行三维重建形成空间点云，具体包括以下分步骤：
B1、将深度图像连续帧以无符号短整形转换为浮点格式的深度帧，并设置最小和最大深度阈值对输入数据进行裁剪；
将深度图像深度帧以无符号短整形转换为浮点格式的深度帧，来表示以米为单位的距离(与光学中心轴平行)；并设置最小和最大深度阈值可以裁剪输入数据，以限定要重建的特定对象或曲面。
B2、平滑深度图像数据，通过将投影关联在重建立方体中计算点云，并通过ICP算法对齐两组重叠的方向点云并计算相机的相对位置；
平滑深度数据，通过将投影关联(projective data association)在重建立方体中计算点云，通过ICP算法对齐两组重叠的方向点云并计算相机的相对位置，相机位置可以用来将相机原点坐标系的结果转化到世界坐标系。因为传感器在每个帧中使用迭代对准算法，所以系统总是知道当前传感器相对于初始起始帧的姿态。
B3、将深度浮点数据和彩色图像数据从步骤B2得到的相机的相对位置融合到重构立方体中；
B4、根据点云中点位置和曲面法线从点云帧生成着色图像，完成三维重建形成空间点云。
点云三维数据中的原点为深度相机中心，XY的取值为[-1.5,1.5]，Z的取值范围为[-4.5，-0.5]。已知三角形的三个顶点坐标P1,P2,P3，设三角形内的任意点为P，P点对应的X坐标Y坐标为P.x、P.y，P2、P3点对应的权重系数分别为u、v，存在：
P＝(1-u-v)*P1+u*P2+v*P3
进一步有：
P.x＝(1-u-v)*P1.x+u*P2.x+v*P3.x
P.y＝(1-u-v)*P1.y+u*P2.y+v*P3.y
解方程组可求得u、v，对P1、P2、P3坐标z值加权即可求得插值点P的z坐标。
在本发明的一个可选实施例中，上述步骤C对三维数据进行插值，生成网格化的内插点，根据点云的XY坐标，按Delaunay方法找出内插点周围的3个点构成三角形，使内插点位于三角形内，然后进行线性内插进一步提高三维数据精度，具体包括以下分步骤：
C1、采用quick hull算法对空间点云中的二维坐标进行处理，得到有效点云平面的凸包；
选择空间点云中X坐标最大值和最小值对应的点，利用该两点形成的连线将所有点划分为两部分，选择距离连线最远的一个点与该两点形成三角形，忽略位于三角形内部的点，对三角形的另外两条边重复上述操作，直至没有剩余点时递归结束，被选择点构成凸包。
C2、根据步骤C1得到的凸包，对空间点云进行Delaunay三角剖分处理；
C3、生成插值网格，插值网格XY坐标为指定范围的等差数列，选择包含插值网格点的Delaunay三角形，在三角形中对插值点进行线性插值。插值点z轴方向在三角形的顶点所在平面的投影点的坐标即为插值点的坐标。
通过对人体背部点云在适当范围内进行Delaunay三角剖分和线性三角内插值，插值网格的大小选定视实际需要而定，此处取插值网格大小为500*500为例。
在本发明的一个可选实施例中，上述步骤D将插值结果映射到二维图像[0,255]，将图像灰度化，用于显示和进一步图像处理。将点云的z坐标映射到[0，255],可获得可视化效果，根据实际情况需要，可以在灰度空间对点云进行裁剪，以保证生成的图像包含我们感兴趣的深度信息，同时可以采用线性变换、gamma变换或者其他线性变换增强图像的对比度(实际上反映深度信息的对比度)，以便进行进一步的图像处理或特征提取操作。
在本发明的一个可选实施例中，上述步骤E对灰度采用线性变换，在感兴趣深度区间拉伸灰度域，增强所得到图像的对比度。
在本发明的一个可选实施例中，上述步骤F调用kinect得到重建点云坐标系XYZ与深度图像坐标系xy的坐标转换关系，将信息点从XYZ坐标转换为对应的坐标IRxyz。
根据线性变换将脊柱中线坐标从200*200的插值网格映射回点云坐标系，即深度相机坐标系。设插值边界为xmin，xmax，ymin，ymax，网格点(x1,y1)在点云坐标系对应的坐标为(x2,y2)，有
调用kinect SDK将脊柱中线坐标从点云坐标系映射到深度图像坐标系。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。
Claims (4)
1.一种基于Kinect fusion的高精度深度图像获取方法，其特征在于，包括以下步骤：
A、获取深度图像与彩色图像数据；
B、对步骤A中获取的深度图像和彩色图像进行三维重建形成空间点云；
C、对步骤B形成的空间点云进行Delaunay三角剖分和线性三角内插值处理；
D、将步骤C得到的插值结果映射到二维图像，并对二维图像进行灰度化处理；
E、对步骤D得到的灰度图像进行线性变换，在设定的深度区间内拉伸灰度域；
F、根据空间点云坐标系与深度图像坐标系的坐标转换关系，对步骤E处理后的图像信息点坐标进行转换。
2.如权利要求1所述的基于Kinect fusion的高精度深度图像获取方法，其特征在于，所述步骤B对步骤A中获取的深度图像和彩色图像进行三维重建形成空间点云，具体包括以下分步骤：
B1、将深度图像连续帧以无符号短整形转换为浮点格式的深度帧，并设置最小和最大深度阈值对输入数据进行裁剪；
B2、平滑深度图像数据，通过将投影关联在重建立方体中计算点云，并通过ICP算法对齐两组重叠的方向点云并计算相机的相对位置；
B3、将深度浮点数据和彩色图像数据从步骤B2得到的相机的相对位置融合到重构立方体中；
B4、根据点云中点位置和曲面法线从点云帧生成着色图像，完成三维重建形成空间点云。
3.如权利要求2所述的基于Kinect fusion的高精度深度图像获取方法，其特征在于，所述步骤C对步骤B形成的空间点云进行Delaunay三角剖分和线性三角内插值处理，具体包括以下分步骤：
C1、采用quick hull算法对空间点云中的二维坐标进行处理，得到有效点云平面的凸包；
C2、根据步骤C1得到的凸包，对空间点云进行Delaunay三角剖分处理；
C3、生成插值网格，选择包含插值网格点的Delaunay三角形，在三角形中对插值点进行线性插值。
4.如权利要求3所述的基于Kinect fusion的高精度深度图像获取方法，其特征在于，所述步骤C1采用quick hull算法对空间点云中的二维坐标进行处理，得到有效点云平面的凸包具体为：选择空间点云中X坐标最大值和最小值对应的点，利用该两点形成的连线将所有点划分为两部分，选择距离连线最远的一个点与该两点形成三角形，忽略位于三角形内部的点，对三角形的另外两条边重复上述操作，直至没有剩余点时递归结束，被选择点构成凸包。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810478449.7A CN108734772A (zh) | 2018-05-18 | 2018-05-18 | 基于Kinect fusion的高精度深度图像获取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810478449.7A CN108734772A (zh) | 2018-05-18 | 2018-05-18 | 基于Kinect fusion的高精度深度图像获取方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108734772A true CN108734772A (zh) | 2018-11-02 |
Family
ID=63938541
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810478449.7A Pending CN108734772A (zh) | 2018-05-18 | 2018-05-18 | 基于Kinect fusion的高精度深度图像获取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108734772A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110163064A (zh) * | 2018-11-30 | 2019-08-23 | 腾讯科技（深圳）有限公司 | 一种道路标志物的识别方法、装置及存储介质 |
| CN110458772A (zh) * | 2019-07-30 | 2019-11-15 | 五邑大学 | 一种基于图像处理的点云滤波方法、装置和存储介质 |
| CN111383340A (zh) * | 2018-12-28 | 2020-07-07 | 成都皓图智能科技有限责任公司 | 一种基于3d图像的背景过滤方法、装置及系统 |
| CN113436242A (zh) * | 2021-07-22 | 2021-09-24 | 西安电子科技大学 | 基于移动深度相机的获取静态物体高精度深度值方法 |
| CN114463180A (zh) * | 2022-02-10 | 2022-05-10 | 广东电网有限责任公司 | 基于双线性插值的彩色点云生成方法、装置及存储介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140355843A1 (en) * | 2011-12-21 | 2014-12-04 | Feipeng Da | 3d face recognition method based on intermediate frequency information in geometric image |
| CN105654492A (zh) * | 2015-12-30 | 2016-06-08 | 哈尔滨工业大学 | 基于消费级摄像头的鲁棒实时三维重建方法 |
| US20160321838A1 (en) * | 2015-04-29 | 2016-11-03 | Stmicroelectronics S.R.L. | System for processing a three-dimensional (3d) image and related methods using an icp algorithm |
| CN106204718A (zh) * | 2016-06-28 | 2016-12-07 | 华南理工大学 | 一种基于单个Kinect的简易高效三维人体重建方法 |
| CN106803267A (zh) * | 2017-01-10 | 2017-06-06 | 西安电子科技大学 | 基于Kinect的室内场景三维重建方法 |
| CN107067470A (zh) * | 2017-04-05 | 2017-08-18 | 东北大学 | 基于红外热像仪与深度相机的便携式三维温度场重建系统 |
| CN107240129A (zh) * | 2017-05-10 | 2017-10-10 | 同济大学 | 基于rgb‑d相机数据的物体及室内小场景恢复与建模方法 |
| CN107292925A (zh) * | 2017-06-06 | 2017-10-24 | 哈尔滨工业大学深圳研究生院 | 基于Kinect深度相机测量方法 |
| CN107292965A (zh) * | 2017-08-03 | 2017-10-24 | 北京航空航天大学青岛研究院 | 一种基于深度图像数据流的虚实遮挡处理方法 |
| WO2018025842A1 (ja) * | 2016-08-04 | 2018-02-08 | 株式会社Ｈｉｅｌｅｒｏ | 点群データ変換システム、その方法、及びプログラム |
| CN107833270A (zh) * | 2017-09-28 | 2018-03-23 | 浙江大学 | 基于深度相机的实时物体三维重建方法 |
-
2018
- 2018-05-18 CN CN201810478449.7A patent/CN108734772A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140355843A1 (en) * | 2011-12-21 | 2014-12-04 | Feipeng Da | 3d face recognition method based on intermediate frequency information in geometric image |
| US20160321838A1 (en) * | 2015-04-29 | 2016-11-03 | Stmicroelectronics S.R.L. | System for processing a three-dimensional (3d) image and related methods using an icp algorithm |
| CN105654492A (zh) * | 2015-12-30 | 2016-06-08 | 哈尔滨工业大学 | 基于消费级摄像头的鲁棒实时三维重建方法 |
| CN106204718A (zh) * | 2016-06-28 | 2016-12-07 | 华南理工大学 | 一种基于单个Kinect的简易高效三维人体重建方法 |
| WO2018025842A1 (ja) * | 2016-08-04 | 2018-02-08 | 株式会社Ｈｉｅｌｅｒｏ | 点群データ変換システム、その方法、及びプログラム |
| CN106803267A (zh) * | 2017-01-10 | 2017-06-06 | 西安电子科技大学 | 基于Kinect的室内场景三维重建方法 |
| CN107067470A (zh) * | 2017-04-05 | 2017-08-18 | 东北大学 | 基于红外热像仪与深度相机的便携式三维温度场重建系统 |
| CN107240129A (zh) * | 2017-05-10 | 2017-10-10 | 同济大学 | 基于rgb‑d相机数据的物体及室内小场景恢复与建模方法 |
| CN107292925A (zh) * | 2017-06-06 | 2017-10-24 | 哈尔滨工业大学深圳研究生院 | 基于Kinect深度相机测量方法 |
| CN107292965A (zh) * | 2017-08-03 | 2017-10-24 | 北京航空航天大学青岛研究院 | 一种基于深度图像数据流的虚实遮挡处理方法 |
| CN107833270A (zh) * | 2017-09-28 | 2018-03-23 | 浙江大学 | 基于深度相机的实时物体三维重建方法 |
Non-Patent Citations (1)
| Title |
|---|
| 谭雅斯: "基于RGB-D相机的点云拼接三维重建研究与应用", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110163064A (zh) * | 2018-11-30 | 2019-08-23 | 腾讯科技（深圳）有限公司 | 一种道路标志物的识别方法、装置及存储介质 |
| CN110163064B (zh) * | 2018-11-30 | 2022-04-05 | 腾讯科技（深圳）有限公司 | 一种道路标志物的识别方法、装置及存储介质 |
| CN111383340A (zh) * | 2018-12-28 | 2020-07-07 | 成都皓图智能科技有限责任公司 | 一种基于3d图像的背景过滤方法、装置及系统 |
| CN111383340B (zh) * | 2018-12-28 | 2023-10-17 | 成都皓图智能科技有限责任公司 | 一种基于3d图像的背景过滤方法、装置及系统 |
| CN110458772A (zh) * | 2019-07-30 | 2019-11-15 | 五邑大学 | 一种基于图像处理的点云滤波方法、装置和存储介质 |
| CN110458772B (zh) * | 2019-07-30 | 2022-11-15 | 五邑大学 | 一种基于图像处理的点云滤波方法、装置和存储介质 |
| CN113436242A (zh) * | 2021-07-22 | 2021-09-24 | 西安电子科技大学 | 基于移动深度相机的获取静态物体高精度深度值方法 |
| CN113436242B (zh) * | 2021-07-22 | 2024-03-29 | 西安电子科技大学 | 基于移动深度相机的获取静态物体高精度深度值方法 |
| CN114463180A (zh) * | 2022-02-10 | 2022-05-10 | 广东电网有限责任公司 | 基于双线性插值的彩色点云生成方法、装置及存储介质 |
| CN114463180B (zh) * | 2022-02-10 | 2024-10-25 | 广东电网有限责任公司 | 基于双线性插值的彩色点云生成方法、装置及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112509151B (zh) | 一种教学场景中虚拟对象的真实感生成方法 | |
| KR102647351B1 (ko) | 3차원의 포인트 클라우드를 이용한 모델링 방법 및 모델링 장치 | |
| CN107292965B (zh) | 一种基于深度图像数据流的虚实遮挡处理方法 | |
| US9082213B2 (en) | Image processing apparatus for combining real object and virtual object and processing method therefor | |
| CN108734772A (zh) | 基于Kinect fusion的高精度深度图像获取方法 | |
| JP5818773B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
| CN107341853B (zh) | 超大虚拟场景和动态摄屏的虚实融合方法及系统 | |
| CN109887030A (zh) | 基于cad稀疏模板的无纹理金属零件图像位姿检测方法 | |
| CN110889890A (zh) | 图像处理方法及装置、处理器、电子设备及存储介质 | |
| CN111243093A (zh) | 三维人脸网格的生成方法、装置、设备及存储介质 | |
| KR100721536B1 (ko) | 2차원 평면상에서 실루엣 정보를 이용한 3차원 구조 복원방법 | |
| CN113366491B (zh) | 眼球追踪方法、装置及存储介质 | |
| CN110648274B (zh) | 鱼眼图像的生成方法及装置 | |
| JP7005622B2 (ja) | 認識処理装置、認識処理方法及びプログラム | |
| EP3756163B1 (en) | Methods, devices, and computer program products for gradient based depth reconstructions with robust statistics | |
| CN108230431B (zh) | 一种二维虚拟形象的人体动作动画生成方法及系统 | |
| CN111145341A (zh) | 一种基于单光源的虚实融合光照一致性绘制方法 | |
| JP2016071645A (ja) | オブジェクト３次元モデル復元方法、装置およびプログラム | |
| CN109461197B (zh) | 一种基于球面uv和重投影的云实时绘制优化方法 | |
| US11250592B2 (en) | Information processing apparatus | |
| WO2019042028A1 (zh) | 全视向的球体光场渲染方法 | |
| Hartl et al. | Rapid reconstruction of small objects on mobile phones | |
| CN109816765B (zh) | 面向动态场景的纹理实时确定方法、装置、设备和介质 | |
| KR20060131145A (ko) | 이차원 영상을 이용한 삼차원 물체의 렌더링 방법 | |
| Jordt et al. | Fast tracking of deformable objects in depth and colour video. |
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 | ||
| AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20221104 |
|
| AD01 | Patent right deemed abandoned |