CN102523464A - 一种双目立体视频的深度图像估计方法 - Google Patents
一种双目立体视频的深度图像估计方法 Download PDFInfo
- Publication number
- CN102523464A CN102523464A CN2011104105047A CN201110410504A CN102523464A CN 102523464 A CN102523464 A CN 102523464A CN 2011104105047 A CN2011104105047 A CN 2011104105047A CN 201110410504 A CN201110410504 A CN 201110410504A CN 102523464 A CN102523464 A CN 102523464A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- depth
- depth image
- parallax
- 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
Images
Landscapes
- Image Processing (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明公开了一种双目立体视频的深度图像估计方法。它包括如下操作步骤:(1)从双目立体摄像机上采集双目立体视频图像;(2)对双目立体视频图像进行基于图割立体匹配的视差估计;(3)对图割立体匹配得到的视差图像进行一致性检查,采用自适应匹配删除不可靠的匹配,减小深度图像的误匹配;(4)根据视差与深度之间的关系,把视差图像转为深度图像;(5)采用多边滤波器对得到深度图像进行矫正优化;(6)输出深度图像,完成双目立体视频深度图像估计。本发明有效地消除了深度图像估计中的错误,最终能获得一个准确且稠密的深度图像,从而满足基于真实场景重建图像质量的要求。
Description
技术领域
本发明涉及一种深度图像估计方法,特别是一种双目立体视频的深度图像估计方法。
背景技术
随着数字视频的迅速发展和广泛应用,人们对视频图像的质量和内容的多样性要求越来越高,传统的丢失了作为第三维深度信息的二维图像已不能满足人们的视觉要求,基于双目视差的可恢复深度信息的立体视频技术正在迅速发展。
现有的深度图像估计方法主要有两种:一种是直接通过深度摄像机获取,另一种是从输入视频通过立体匹配算法提取深度。深度摄像机原理是利用光源前端发射红外光线,通过接受反射的红外光线,计算其来回时间来确定物体深度,最后通过物体深度感光片来得到深度的黑白图像。其存在的缺陷明显,如光源前端精度有限,对于深度太大-过远,反射时间过长、深度太小-过近,反射时间过短和漫反射物体-反射光线没有返回,接收器都无法得到深度信息。不仅如此,从实用性上来看,要在每个摄像机中架上这样的一个深度摄像机似乎不太现实,故该系统一直只用于实验室中,并未得到广泛推广。
立体匹配算法只使用输入视频图像,即可生成深度,适合在现有的摄像模式上进行推广,故一直是深度图像获取方法的研究重点。现阶段应用于双目立体视频系统的大多立体匹配算法是基于能量最小化框架的全局方法。常用的能量最小算法是置信传播和图割立体匹配。尽管这些方可以得到稠密的深度图像,但在低纹理区域、遮挡区域和对象的边缘处发生误匹配,导致由视差图像经换算获取得的深度图像也有相应误差造成低准确性,这会影响真实场景重建图像质量,如何提高所获取深度图像的精确性已成为当前急需解决的技术难点。
发明内容
本发明的目的是提供一种的双目立体视频的深度图像估计方法,能消弱深度图像获取过程中在遮挡区域、低纹理区域以及对象边缘处发生误匹配的错误,提高获取深度图像精度,可用于双目立体视频系统接收端获得高精度的真实场景重建图像。
本发明解决其技术问题所采用的技术方案是:
一种双目立体视频的深度图像估计方法,其特征在于包括以下操作步骤:
(1) 采集双目立体视频图像:从双目立体摄像机上获取双目立体视频图像——左视点和右视点图像。
(2) 视差估计:用立体区域匹配方法分别逐帧估计出双目立体视频的从左到右视差图序列和从右到左视差图序列;其中能量函数的数据项中兼顾帧内误差和帧间误差;帧内误差综合使用了亮度绝对差均值MAD准则和梯度绝对差总和SGRAD准则,并且各个像素依据在窗口中的重要程度自适应调整权重;
(3) 视差图像一致性检查:将所述从左到右视差图序列和从右到左视差图序列分别进行一致性检查,修正不可靠的视场匹配信息;
(4) 视差深度转化:将所述从左到右视差图序列和从右到左视差图序列分别转化为左视点深度图像序列和右视点深度图像序列:
(5) 深度图像矫正优化:采用多边滤波方法逐帧优化双目立体视频的深度图像序列;
(6) 深度图像输出:输出深度图像,完成双目立体视频深度图像估计。
上述步骤(2)视差估计中从左到右和从右到左的视差图序列中各帧的估计方法相同,具体操作步骤如下:
(2-1) 利用mean-shift算法对双目立体视频图像进行过分割;
(2-2) 构造能量函数为:
SGRAD为梯度的表示式,表示为:
上述步骤(3)视差图像一致性检查中从左到右视差图序列和从右到左视差图序列中各帧的一致性检查方法相同,包括以下步骤:
(3-1) 依据下式选取需要修正视差信息的误匹配点进行修正:
其中,。是视差图上任意像素,是左视点上像素的横坐标,是右视点上像素的横坐标,为左视点图像上的像素从左到右的视差信息;为右视点图像上的与左视点图像上像素匹配的像素从右到左的视差信息,为阈值,是修正后的视差值;
(3-2) 根据深度图像精度与计算时间折中选定循环执行步骤 (3-1)的次数;
(3-3) 循环执行N次步骤 (3-1)。
上述步骤(5)深度图像矫正优化中的用多边滤波方法优化深度图像序列包括以下步骤:
(5-1) 纹理分析:对于低纹理区域采用图像纹理分析方法对纹理进行判定,根据纹理类型选择多边滤波器的滤波器窗口大小参数,图像低纹理区域采用小的几何扩散强度,一般纹理区域采用中等几何扩散强度,其他区域都是用大的几何扩散强度;
(5-2) 边界分析:提取视频图像中的边缘信息;
(5-3) 深度图矫正:用多边滤波器滤除深度异常值;
(5-4) 完成深度图像矫正优化。
本发明对双目立体视频图像进行基于图割立体匹配算法得出深度图像,然后对已提取出的深度图像在遮挡区域、低纹理区域以及对象边缘处对深度作矫正优化,提高深度图像的质量具有如下有益效果:
(1)该方法采用基于图割立体匹配算法从双目立体视频中获取深度图像,合理利用了双目视点提供的图像信息,消除了深度图像获取中在遮挡区域、低纹理区域以及对象边缘处错误,提高了获取精度,最终能获得一个准确且稠密的深度图像,从而满足基于真实场景重建图像质量的要求,具有复杂度低,获取深度图像质量高的优点。
(2)在构建时能量函数的数据项时,综合了使用了亮度绝对差均值MAD准则和梯度绝对差总和SGRAD准则,并且各个像素依据在窗口中的重要程度自适应调整权重;抑制因亮度差异导致的误匹配并保护边缘信息。
(3)通过“最小匹配误差”和“匹配误差平均”的自适应匹配误差检测来提高深度图像估计的准确度。两幅视差图中不一致之处主要是由遮挡引起的误匹配。当发生遮挡时,非遮挡视点的匹配误差远小于遮挡的匹配误差。此时,使用“最小匹配误差”对遮挡处理效果好。当发生伪匹配时,它的匹配误差一般不会比非伪匹配时的匹配误差小很多,这时选用“匹配误差平均”对伪匹配而言是确当的。
(4)进行多边滤波方法优化深度图像,矫正会影响真实场景重建的对象边界及低纹理区深度不连续处的深度匹配错误,以保护深度图像细节,获得准确的深度图像。
(5)利用mean-shift算法对双目立体视频图像进行过分割,使边界信息更加突出。
附图说明
图1是本发明的一种双目立体视频的深度图像估计方法流程框图;
图2是图1中的对双目立体视频进行视差估计的程序框图;
图3是图1中的提高初始深度匹配精度的深度图像一致性检查程序框图;
图4是图1中的深度图像矫正优化的程序框图。
具体实施方式
以下结合附图对本发明的实施例作进一步的详细说明。
本实施例以本发明的技术方案为前提进行实施,给出了详细的实施方式,但本发明的保护范围不限于下述的实施例子。
本双目立体视频的深度图像估计方法如下(参见附图1-4):
本方法的操作步骤如下:
(1) 采集双目立体视频图像:从双目立体摄像机上获取双目立体视频图像——左视点和右视点图像。
(2) 视差估计:用立体区域匹配方法分别逐帧估计出双目立体视频的从左到右视差图序列和从右到左视差图序列;其中能量函数的数据项中兼顾帧内误差和帧间误差;帧内误差综合使用了亮度绝对差均值MAD准则和梯度绝对差总和SGRAD准则,并且各个像素依据在窗口中的重要程度自适应调整权重;具体操作步骤如下:
(2-1) 利用mean-shift算法对双目立体视频图像进行过分割;
其中为权重系数,;MAD为亮度绝对差均值,
SGRAD为梯度的表示式,表示为:
表示为:
(3) 视差图像一致性检查:将所述从左到右视差图序列和从右到左视差图序列分别进行一致性检查,修正不可靠的视场匹配信息;具体操作步骤如下:
(3-1) 依据下式选取需要修正视差信息的误匹配点进行修正:
其中,。是视差图上任意像素,是左视点上像素的横坐标,是右视点上像素的横坐标,为左视点图像上的像素从左到右的视差信息;为右视点图像上的与左视点图像上像素匹配的像素从右到左的视差信息,为阈值,是修正后的视差值;
(3-2) 根据深度图像精度与计算时间折中选定循环执行步骤 (3-1)的次数;
(3-3) 循环执行N次步骤 (3-1)。
(4) 视差深度转化:将所述从左到右视差图序列和从右到左视差图序列分别转化为左视点深度图像序列和右视点深度图像序列:
(5) 深度图像矫正优化:采用多边滤波方法逐帧优化双目立体视频的深度图像序列。具体操作步骤如下:
(5-1) 纹理分析:对于低纹理区域采用图像纹理分析方法对纹理进行判定,根据纹理类型选择多边滤波器的滤波器窗口大小参数,图像低纹理区域采用小的几何扩散强度,一般纹理区域采用中等几何扩散强度,其他区域都是用大的几何扩散强度;
(5-2) 边界分析:提取视频图像中的边缘信息;
(5-3) 深度图矫正:用多边滤波器滤除深度异常值;
(5-4) 完成深度图像矫正优化。
(6) 深度图像输出:输出深度图像,完成双目立体视频深度图像估计。
采用MPEG组织提供的标准测试序列Lovebird1、Kendo、Balloons、Newspaper验证本发明方法,绘制合成虚拟视图的主客观质量与现有的深度估计方法对比。主观质量得到明显改善,客观质量如表1所示。采用双目立体摄像机获取的自然场景图像适用于本发明提出的方法估计深度图像。
表1 合成虚拟视图客观质量
Claims (4)
1.一种双目立体视频的深度图像估计方法,其特征在于包括以下操作步骤:
(1)采集双目立体视频图像:从双目立体摄像机上获取双目立体视频图像——左视点和右视点图像;
(2)视差估计:用立体区域匹配方法分别逐帧估计出双目立体视频的从左到右视差图序列和从右到左视差图序列;其中能量函数的数据项中兼顾帧内误差和帧间误差;帧内误差综合使用了亮度绝对差均值MAD准则和梯度绝对差总和SGRAD准则,并且各个像素依据在窗口中的重要程度自适应调整权重;
(3)视差图像一致性检查:将所述从左到右视差图序列和从右到左视差图序列分别进行一致性检查,修正不可靠的视场匹配信息;
(4)视差深度转化:将所述从左到右视差图序列和从右到左视差图序列分别转化为左视点深度图像序列和右视点深度图像序列:
(5)深度图像矫正优化:采用多边滤波方法逐帧优化双目立体视频的深度图像序列;
(6)深度图像输出:输出深度图像,完成双目立体视频深度图像估计。
2.根据权利要求1所述的一种双目立体视频的深度图像估计方法,其特征在于所述步骤(2)视差估计中从左到右和从右到左的视差图序列中各帧的估计方法相同,具体操作步骤如下:
(2-1)利用mean-shift算法对双目立体视频图像进行过分割;
SGRAD为梯度的表示式,表示为:
式中和分别表示当前帧和前一帧静止背景区域的深度值;
(2-3)依据所述数据项和平滑项构建出相应的网格图,采用算法计算出各个像素对应的视差信息,得到视差图。
4.根据权利要求1所述的一种双目立体视频的深度图像估计方法,其特征在于所述步骤(5)深度图像矫正优化中的用多边滤波方法优化深度图像序列包括以下步骤:
(5-1)纹理分析:对于低纹理区域采用图像纹理分析方法对纹理进行判定,根据纹理类型选择多边滤波器的滤波器窗口大小参数,图像低纹理区域采用小的几何扩散强度,一般纹理区域采用中等几何扩散强度,其他区域都是用大的几何扩散强度;
(5-2)边界分析:提取视频图像中的边缘信息;
(5-3)深度图矫正:用多边滤波器滤除深度异常值;
(5-4)完成深度图像矫正优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011104105047A CN102523464A (zh) | 2011-12-12 | 2011-12-12 | 一种双目立体视频的深度图像估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011104105047A CN102523464A (zh) | 2011-12-12 | 2011-12-12 | 一种双目立体视频的深度图像估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102523464A true CN102523464A (zh) | 2012-06-27 |
Family
ID=46294241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011104105047A Pending CN102523464A (zh) | 2011-12-12 | 2011-12-12 | 一种双目立体视频的深度图像估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102523464A (zh) |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102867304A (zh) * | 2012-09-04 | 2013-01-09 | 南京航空航天大学 | 双目立体视觉系统中场景立体深度与视差的关系建立方法 |
CN103295229A (zh) * | 2013-05-13 | 2013-09-11 | 清华大学深圳研究生院 | 视频深度信息恢复的全局立体匹配方法 |
CN103455792A (zh) * | 2013-08-20 | 2013-12-18 | 深圳市飞瑞斯科技有限公司 | 一种客流量统计方法及系统 |
CN103458261A (zh) * | 2013-09-08 | 2013-12-18 | 华东电网有限公司 | 一种基于立体视觉的视频场景变化检测方法 |
CN103617608A (zh) * | 2013-10-24 | 2014-03-05 | 四川长虹电器股份有限公司 | 通过双目图像获得深度图的方法 |
CN104735360A (zh) * | 2013-12-18 | 2015-06-24 | 华为技术有限公司 | 光场图像处理方法和装置 |
CN105144236A (zh) * | 2013-02-23 | 2015-12-09 | 微软技术许可有限责任公司 | 实时立体匹配 |
CN105279736A (zh) * | 2014-07-21 | 2016-01-27 | 由田新技股份有限公司 | 产生深度图像的方法及其系统 |
CN105427336A (zh) * | 2015-12-31 | 2016-03-23 | 青岛歌尔声学科技有限公司 | 一种基于双目视频的测距方法和装置 |
CN106028018A (zh) * | 2016-05-31 | 2016-10-12 | 上海易维视科技股份有限公司 | 面向裸眼3d显示的实拍双视点3d视频优化方法及系统 |
CN106530409A (zh) * | 2016-11-03 | 2017-03-22 | 浙江大学 | 立体匹配中局部区域一致性对应方法 |
WO2017067523A1 (zh) * | 2015-10-22 | 2017-04-27 | 努比亚技术有限公司 | 图像处理方法、装置及移动终端 |
CN107194931A (zh) * | 2017-05-09 | 2017-09-22 | 西安交通大学 | 一种基于双目图像匹配获取目标深度信息的方法和系统 |
CN108154529A (zh) * | 2018-01-04 | 2018-06-12 | 北京大学深圳研究生院 | 一种双目图像的立体匹配方法及系统 |
CN108604371A (zh) * | 2016-02-25 | 2018-09-28 | 深圳市大疆创新科技有限公司 | 成像系统和方法 |
CN108629812A (zh) * | 2018-04-11 | 2018-10-09 | 深圳市逗映科技有限公司 | 一种基于双目相机的测距方法 |
CN108961383A (zh) * | 2017-05-19 | 2018-12-07 | 杭州海康威视数字技术股份有限公司 | 三维重建方法及装置 |
CN109191512A (zh) * | 2018-07-27 | 2019-01-11 | 深圳市商汤科技有限公司 | 双目图像的深度估计方法及装置、设备、程序及介质 |
CN109345582A (zh) * | 2018-08-14 | 2019-02-15 | 西安电子科技大学 | 基于优化的置信传播算法和稀疏表示的深度图像获取方法 |
CN109377530A (zh) * | 2018-11-30 | 2019-02-22 | 天津大学 | 一种基于深度神经网络的双目深度估计方法 |
CN109544619A (zh) * | 2018-11-06 | 2019-03-29 | 深圳市爱培科技术股份有限公司 | 一种基于图割的双目视觉立体匹配方法及系统 |
CN109640066A (zh) * | 2018-12-12 | 2019-04-16 | 深圳先进技术研究院 | 高精度稠密深度图像的生成方法和装置 |
CN109791697A (zh) * | 2016-09-12 | 2019-05-21 | 奈安蒂克公司 | 使用统计模型从图像数据预测深度 |
WO2019149206A1 (zh) * | 2018-02-01 | 2019-08-08 | 深圳市商汤科技有限公司 | 深度估计方法和装置、电子设备、程序和介质 |
CN110798676A (zh) * | 2019-11-29 | 2020-02-14 | 苏州新光维医疗科技有限公司 | 一种利用内镜镜头动态图像形成3d视觉的方法及装置 |
CN111105451A (zh) * | 2019-10-31 | 2020-05-05 | 武汉大学 | 一种克服遮挡效应的驾驶场景双目深度估计方法 |
CN111210468A (zh) * | 2018-11-22 | 2020-05-29 | 中移(杭州)信息技术有限公司 | 一种图像深度信息获取方法及装置 |
CN111402309A (zh) * | 2020-03-05 | 2020-07-10 | 中国科学院上海微系统与信息技术研究所 | 一种多目立体相机的校准及深度图像处理方法 |
CN111986517A (zh) * | 2020-08-26 | 2020-11-24 | 珠海大横琴科技发展有限公司 | 一种船只异常检测方法、装置及存储介质 |
CN112950698A (zh) * | 2021-03-18 | 2021-06-11 | 北京拙河科技有限公司 | 基于双目散焦图像的深度估计方法、装置、介质和设备 |
CN113034568A (zh) * | 2019-12-25 | 2021-06-25 | 杭州海康机器人技术有限公司 | 一种机器视觉深度估计方法、装置、系统 |
WO2021159717A1 (zh) * | 2020-02-14 | 2021-08-19 | 苏州浪潮智能科技有限公司 | 一种内容自适应双目匹配方法和装置 |
CN113891059A (zh) * | 2019-03-09 | 2022-01-04 | 核心光电有限公司 | 对双摄像机进行立体校准的方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101924953A (zh) * | 2010-09-03 | 2010-12-22 | 南京农业大学 | 基于基准点的简便匹配方法 |
CN102254348A (zh) * | 2011-07-25 | 2011-11-23 | 北京航空航天大学 | 一种基于块匹配视差估计的中间视图合成方法 |
-
2011
- 2011-12-12 CN CN2011104105047A patent/CN102523464A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101924953A (zh) * | 2010-09-03 | 2010-12-22 | 南京农业大学 | 基于基准点的简便匹配方法 |
CN102254348A (zh) * | 2011-07-25 | 2011-11-23 | 北京航空航天大学 | 一种基于块匹配视差估计的中间视图合成方法 |
Non-Patent Citations (2)
Title |
---|
张秋闻等: "基于虚拟视点绘制失真估计的深度图帧内编码", 《电子与信息学报》 * |
张秋闻等: "面向编码和绘制的多视点图像深度估计", 《光电子激光》 * |
Cited By (57)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102867304B (zh) * | 2012-09-04 | 2015-07-01 | 南京航空航天大学 | 双目立体视觉系统中场景立体深度与视差的关系建立方法 |
CN102867304A (zh) * | 2012-09-04 | 2013-01-09 | 南京航空航天大学 | 双目立体视觉系统中场景立体深度与视差的关系建立方法 |
CN105144236A (zh) * | 2013-02-23 | 2015-12-09 | 微软技术许可有限责任公司 | 实时立体匹配 |
CN103295229A (zh) * | 2013-05-13 | 2013-09-11 | 清华大学深圳研究生院 | 视频深度信息恢复的全局立体匹配方法 |
CN103295229B (zh) * | 2013-05-13 | 2016-01-20 | 清华大学深圳研究生院 | 视频深度信息恢复的全局立体匹配方法 |
CN103455792A (zh) * | 2013-08-20 | 2013-12-18 | 深圳市飞瑞斯科技有限公司 | 一种客流量统计方法及系统 |
CN103458261A (zh) * | 2013-09-08 | 2013-12-18 | 华东电网有限公司 | 一种基于立体视觉的视频场景变化检测方法 |
CN103617608B (zh) * | 2013-10-24 | 2016-07-06 | 四川长虹电器股份有限公司 | 通过双目图像获得深度图的方法 |
CN103617608A (zh) * | 2013-10-24 | 2014-03-05 | 四川长虹电器股份有限公司 | 通过双目图像获得深度图的方法 |
CN104735360A (zh) * | 2013-12-18 | 2015-06-24 | 华为技术有限公司 | 光场图像处理方法和装置 |
CN105279736A (zh) * | 2014-07-21 | 2016-01-27 | 由田新技股份有限公司 | 产生深度图像的方法及其系统 |
WO2017067523A1 (zh) * | 2015-10-22 | 2017-04-27 | 努比亚技术有限公司 | 图像处理方法、装置及移动终端 |
CN105427336A (zh) * | 2015-12-31 | 2016-03-23 | 青岛歌尔声学科技有限公司 | 一种基于双目视频的测距方法和装置 |
CN108604371A (zh) * | 2016-02-25 | 2018-09-28 | 深圳市大疆创新科技有限公司 | 成像系统和方法 |
CN106028018A (zh) * | 2016-05-31 | 2016-10-12 | 上海易维视科技股份有限公司 | 面向裸眼3d显示的实拍双视点3d视频优化方法及系统 |
CN109791697B (zh) * | 2016-09-12 | 2023-10-13 | 奈安蒂克公司 | 使用统计模型从图像数据预测深度 |
CN109791697A (zh) * | 2016-09-12 | 2019-05-21 | 奈安蒂克公司 | 使用统计模型从图像数据预测深度 |
CN106530409A (zh) * | 2016-11-03 | 2017-03-22 | 浙江大学 | 立体匹配中局部区域一致性对应方法 |
CN106530409B (zh) * | 2016-11-03 | 2019-08-27 | 浙江大学 | 立体匹配中局部区域一致性对应方法 |
CN107194931A (zh) * | 2017-05-09 | 2017-09-22 | 西安交通大学 | 一种基于双目图像匹配获取目标深度信息的方法和系统 |
CN108961383B (zh) * | 2017-05-19 | 2021-12-14 | 杭州海康威视数字技术股份有限公司 | 三维重建方法及装置 |
CN108961383A (zh) * | 2017-05-19 | 2018-12-07 | 杭州海康威视数字技术股份有限公司 | 三维重建方法及装置 |
CN108154529A (zh) * | 2018-01-04 | 2018-06-12 | 北京大学深圳研究生院 | 一种双目图像的立体匹配方法及系统 |
CN108154529B (zh) * | 2018-01-04 | 2021-11-23 | 北京大学深圳研究生院 | 一种双目图像的立体匹配方法及系统 |
KR102295403B1 (ko) | 2018-02-01 | 2021-08-31 | 선전 센스타임 테크놀로지 컴퍼니 리미티드 | 깊이 추정 방법 및 장치, 전자 기기, 프로그램 및 매체 |
US11308638B2 (en) | 2018-02-01 | 2022-04-19 | Shenzhen Sensetime Technology Co., Ltd. | Depth estimation method and apparatus, electronic device, program, and medium |
WO2019149206A1 (zh) * | 2018-02-01 | 2019-08-08 | 深圳市商汤科技有限公司 | 深度估计方法和装置、电子设备、程序和介质 |
KR20200049833A (ko) * | 2018-02-01 | 2020-05-08 | 선전 센스타임 테크놀로지 컴퍼니 리미티드 | 깊이 추정 방법 및 장치, 전자 기기, 프로그램 및 매체 |
CN108629812A (zh) * | 2018-04-11 | 2018-10-09 | 深圳市逗映科技有限公司 | 一种基于双目相机的测距方法 |
WO2020019765A1 (zh) * | 2018-07-27 | 2020-01-30 | 深圳市商汤科技有限公司 | 双目图像的深度估计方法及装置、设备、程序及介质 |
CN109191512B (zh) * | 2018-07-27 | 2020-10-30 | 深圳市商汤科技有限公司 | 双目图像的深度估计方法及装置、设备、程序及介质 |
CN109191512A (zh) * | 2018-07-27 | 2019-01-11 | 深圳市商汤科技有限公司 | 双目图像的深度估计方法及装置、设备、程序及介质 |
US11295466B2 (en) | 2018-07-27 | 2022-04-05 | Shenzhen Sensetime Technology Co., Ltd. | Method and apparatus for estimating depth of binocular image, device, program, and medium |
TWI721510B (zh) * | 2018-07-27 | 2021-03-11 | 大陸商深圳市商湯科技有限公司 | 雙目圖像的深度估計方法、設備及儲存介質 |
CN109345582A (zh) * | 2018-08-14 | 2019-02-15 | 西安电子科技大学 | 基于优化的置信传播算法和稀疏表示的深度图像获取方法 |
CN109544619A (zh) * | 2018-11-06 | 2019-03-29 | 深圳市爱培科技术股份有限公司 | 一种基于图割的双目视觉立体匹配方法及系统 |
CN111210468A (zh) * | 2018-11-22 | 2020-05-29 | 中移(杭州)信息技术有限公司 | 一种图像深度信息获取方法及装置 |
CN111210468B (zh) * | 2018-11-22 | 2023-07-11 | 中移(杭州)信息技术有限公司 | 一种图像深度信息获取方法及装置 |
CN109377530B (zh) * | 2018-11-30 | 2021-07-27 | 天津大学 | 一种基于深度神经网络的双目深度估计方法 |
CN109377530A (zh) * | 2018-11-30 | 2019-02-22 | 天津大学 | 一种基于深度神经网络的双目深度估计方法 |
CN109640066A (zh) * | 2018-12-12 | 2019-04-16 | 深圳先进技术研究院 | 高精度稠密深度图像的生成方法和装置 |
WO2020119467A1 (zh) * | 2018-12-12 | 2020-06-18 | 深圳先进技术研究院 | 高精度稠密深度图像的生成方法和装置 |
CN109640066B (zh) * | 2018-12-12 | 2020-05-22 | 深圳先进技术研究院 | 高精度稠密深度图像的生成方法和装置 |
CN113891059B (zh) * | 2019-03-09 | 2024-02-13 | 核心光电有限公司 | 对双摄像机进行立体校准的方法 |
CN113891059A (zh) * | 2019-03-09 | 2022-01-04 | 核心光电有限公司 | 对双摄像机进行立体校准的方法 |
CN111105451A (zh) * | 2019-10-31 | 2020-05-05 | 武汉大学 | 一种克服遮挡效应的驾驶场景双目深度估计方法 |
CN111105451B (zh) * | 2019-10-31 | 2022-08-05 | 武汉大学 | 一种克服遮挡效应的驾驶场景双目深度估计方法 |
CN110798676A (zh) * | 2019-11-29 | 2020-02-14 | 苏州新光维医疗科技有限公司 | 一种利用内镜镜头动态图像形成3d视觉的方法及装置 |
CN113034568A (zh) * | 2019-12-25 | 2021-06-25 | 杭州海康机器人技术有限公司 | 一种机器视觉深度估计方法、装置、系统 |
CN113034568B (zh) * | 2019-12-25 | 2024-03-29 | 杭州海康机器人股份有限公司 | 一种机器视觉深度估计方法、装置、系统 |
WO2021159717A1 (zh) * | 2020-02-14 | 2021-08-19 | 苏州浪潮智能科技有限公司 | 一种内容自适应双目匹配方法和装置 |
US11651507B2 (en) | 2020-02-14 | 2023-05-16 | Inspur Suzhou Intelligent Technology Co., Ltd. | Content-adaptive binocular matching method and apparatus |
CN111402309A (zh) * | 2020-03-05 | 2020-07-10 | 中国科学院上海微系统与信息技术研究所 | 一种多目立体相机的校准及深度图像处理方法 |
CN111402309B (zh) * | 2020-03-05 | 2023-11-03 | 中国科学院上海微系统与信息技术研究所 | 一种多目立体相机的校准及深度图像处理方法 |
CN111986517A (zh) * | 2020-08-26 | 2020-11-24 | 珠海大横琴科技发展有限公司 | 一种船只异常检测方法、装置及存储介质 |
CN112950698A (zh) * | 2021-03-18 | 2021-06-11 | 北京拙河科技有限公司 | 基于双目散焦图像的深度估计方法、装置、介质和设备 |
CN112950698B (zh) * | 2021-03-18 | 2024-03-26 | 北京拙河科技有限公司 | 基于双目散焦图像的深度估计方法、装置、介质和设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102523464A (zh) | 一种双目立体视频的深度图像估计方法 | |
KR101310213B1 (ko) | 깊이 영상의 품질 개선 방법 및 장치 | |
US9014462B2 (en) | Depth information generating device, depth information generating method, and stereo image converter | |
RU2423018C2 (ru) | Способ и система для преобразования стереоконтента | |
CN101720047B (zh) | 基于颜色分割的多目摄像立体匹配获取深度图像的方法 | |
KR100931311B1 (ko) | 프레임 간 깊이 연속성 유지를 위한 깊이 추정 장치 및 그방법 | |
CN107316326B (zh) | 应用于双目立体视觉的基于边的视差图计算方法和装置 | |
CN103996174B (zh) | 一种对Kinect深度图像进行空洞修复的方法 | |
KR101377325B1 (ko) | 스테레오 영상, 다시점 영상 및 깊이 영상 획득 카메라 장치 및 그 제어 방법 | |
CN109308719B (zh) | 一种基于三维卷积的双目视差估计方法 | |
CN103455984A (zh) | 一种Kinect深度图像获取方法与装置 | |
CN106228605A (zh) | 一种基于动态规划的立体匹配三维重建方法 | |
KR20120136813A (ko) | 영상 처리 장치 및 방법 | |
US10154242B1 (en) | Conversion of 2D image to 3D video | |
TW201029443A (en) | Method and device for generating a depth map | |
JP2012249038A (ja) | 画像信号処理装置、画像信号処理方法 | |
US20140340486A1 (en) | Image processing system, image processing method, and image processing program | |
CN102881018B (zh) | 一种图像深度图生成方法 | |
KR101364860B1 (ko) | 입체 영상의 입체감 향상을 위한 입체 영상 변환 방법 및 이를 기록한 기록매체 | |
CN104156957A (zh) | 一种稳定高效的高分辨率立体匹配方法 | |
CN111047709A (zh) | 一种双目视觉裸眼3d图像生成方法 | |
CN102447917A (zh) | 立体图像匹配方法及其设备 | |
CN111553940B (zh) | 一种深度图人像边缘优化方法及处理装置 | |
CN104778673B (zh) | 一种改进的高斯混合模型深度图像增强方法 | |
CN103716615A (zh) | 基于样本学习和深度图像传播的2d视频立体化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120627 |