CN105303574A - 一种基于单应性变换的集成成像摄像机阵列标定方法 - Google Patents

一种基于单应性变换的集成成像摄像机阵列标定方法 Download PDF

Info

Publication number
CN105303574A
CN105303574A CN201510711849.4A CN201510711849A CN105303574A CN 105303574 A CN105303574 A CN 105303574A CN 201510711849 A CN201510711849 A CN 201510711849A CN 105303574 A CN105303574 A CN 105303574A
Authority
CN
China
Prior art keywords
video camera
camera array
anaglyph
integration imaging
homography
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510711849.4A
Other languages
English (en)
Other versions
CN105303574B (zh
Inventor
王琼华
熊召龙
邢妍
邓欢
张汉乐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan University
Original Assignee
Sichuan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan University filed Critical Sichuan University
Priority to CN201510711849.4A priority Critical patent/CN105303574B/zh
Publication of CN105303574A publication Critical patent/CN105303574A/zh
Application granted granted Critical
Publication of CN105303574B publication Critical patent/CN105303574B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker
    • G06T2207/30208—Marker matrix

Abstract

本发明提出一种基于单应性变换的集成成像摄像机阵列标定方法，该方法包括摄像机单应性变换矩阵的计算和摄像机阵列获取视差图像的校正两个过程。该方法利用棋盘格标定板，对摄像机阵列中的每个摄像机分别进行标定，用于集成成像三维场景的拍摄，可以提高集成成像三维显示的成像质量。

Description

一种基于单应性变换的集成成像摄像机阵列标定方法
技术领域
本发明涉及集成成像技术，特别涉及一种基于单应性变换的集成成像摄像机阵列标定方法。
背景技术
集成成像技术分拍摄和显示两个过程：拍摄时，如附图1所示，利用摄像机阵列对三维场景不同角度的三维信息进行获取；显示时，将拍摄得到的三维信息合成微图像阵列，微图像阵列通过微透镜阵列的成像作用，根据光路可逆原理，在显示空间重建拍摄的三维场景。集成成像拍摄过程可以利用计算机虚拟摄像机阵列对三维数字模型进行拍摄，也可以利用真实摄像机阵列对真实三维场景进行拍摄。在传统集成成像摄像机阵列拍摄中，摄像机透镜难免引入图像畸变，且摄像机数目太大，不同摄像机之间的相对空间位置和光轴方向都难以做到物理上的精确标定，进而严重影响了集成成像三维显示的成像质量。
发明内容
本发明提出一种基于单应性变换的集成成像摄像机阵列标定方法，该方法根据集成成像原理，利用棋盘格标定板，对摄像机阵列中的每个摄像机分别进行标定，使不同摄像机的空间位置和光轴方向都达到数学上的精确标定，用于集成成像三维场景的拍摄，提高集成成像三维显示的成像质量。该方法包括摄像机单应性变换矩阵的计算和摄像机阵列获取视差图像的校正两个过程。具体流程如附图2所示。摄像机单应性变换矩阵的计算过程，利用摄像机阵列拍摄棋盘格标定板，得到棋盘格角点数据，计算每个摄像机对应的单应性变换矩阵；摄像机阵列获取视差图像的校正过程，利用计算得到的摄像机单应性变换矩阵，对摄像机阵列获取的视差图像进行单应性变换，得到校正的视差图像，用于合成微图像阵列。
所述摄像机单应性变换矩阵的计算过程，根据集成成像拍摄原理，利用摄像机阵列拍摄置于中心深度平面处的棋盘格标定板，得到棋盘格角点数据，计算每个摄像机对应的单应性变换矩阵。摄像机阵列包含摄像机个数为M×N（其中水平方向包含的摄像机个数为M，垂直方向包含的摄像机个数为N），假设(m,n)为摄像机阵列中每个摄像机的索引，相邻摄像机之间为等间隔，且间隔为Δc，集成成像中心深度平面到摄像机阵列的距离为L，则L满足：
（1）
其中，g为集成成像三维显示中微透镜阵列与微图像阵列之间的间隔，r为微图像阵列中每个像素的物理尺寸。
在集成成像中心深度平面处放置棋盘格标定板，棋盘格标定板角点个数为J×K（其中水平方向包含的角点个数为J，垂直方向包含的角点个数为K）。未标定的摄像机阵列拍摄棋盘格标定板，如附图3所示，得到M×N幅棋盘格标定板图像，且每幅棋盘格标定板图像同样以(m,n)为索引来表示。在每幅棋盘格标定板图像中以亚像素精度寻找角点位置，得到角点的像素坐标(x i ,y i ) m,n ，其中，m=0,1,...,M-1，n=0,1,...,N-1，i为角点序列一维索引，i=0,1,...,J×K-1。微图像阵列分辨率为H×V（其中水平方向包含的像素个数为H，垂直方向包含的像素个数为V）。根据集成成像显示原理，摄像机阵列中的每个摄像机拍摄得到的视差图像都应校正到与摄像机阵列所在平面平行，假设校正第(m,n)个摄像机对应的单应性变换矩阵为Mat m,n ，且Mat m,n 表示为：
（2）
则Mat m,n 满足约束方程组：
（3）
（4）
（5）
（6）
其中，s m,n 为第(m,n)个摄像机对应的单应性变换尺度比例因子，(A,B)为经校正的视差图像的顶点坐标，其中(A 0,B 0)=(0,0)，(A 1,B 1)=(H-1,0)，(A 2,B 2)=(H-1,V-1)，(A 3,B 3)=(0,V-1)。利用公式（2）-（6）即可求得第(m,n)个摄像机对应的单应性变换矩阵Mat m,n 。
优选地，为了减小摄像机阵列中每个摄像机镜头引入的径向畸变与切向畸变，在集成成像摄像机阵列标定前对每个摄像机分别进行单目标定，以获得更好的拍摄效果。
所述摄像机阵列获取视差图像的校正过程，使用未标定的摄像机阵列拍摄三维场景，得到三维场景的视差图像，利用计算得到的摄像机单应性变换矩阵，将三维场景的视差图像校正成适于集成成像微图像阵列合成的视差图像。如附图4所示，利用未标定的摄像机阵列拍摄三维场景的视差图像，假设第(m,n)个摄像机拍摄得到的视差图像中第x列第y行的像素记为I(x,y) m,n ，对应的校正后的视差图像中第x'列第y'行的像素记为I'(x',y') m,n ，则I'(x',y') m,n 与I(x,y) m,n 满足：
（7）
其中：
（8）
利用校正后的视差图像，合成微图像阵列，用于集成成像三维显示，如附图5所示。
优选地，在摄像机阵列获取视差图像的校正过程中，为了方便计算，令每个摄像机对应的单应性变换尺度比例因子s m,n =1，即忽略单应性变换尺度比例因子引入的图像等比例缩放；当根据公式（8）计算得到的校正后的视差图像的像素坐标x'和y'不同时满足0≤x'<H和0≤y'<V时，舍弃该像素，以避免溢出信息。
本发明根据集成成像原理，通过摄像机单应性变换矩阵的计算和摄像机阵列获取视差图像的校正两个过程，使不同的摄像机的空间位置和光轴方向都达到数学上的精确标定，进而实现集成成像摄像机阵列的标定，用于集成成像三维场景的拍摄，可以提高集成成像三维显示的成像质量。
附图说明
附图1为集成成像拍摄过程示意图
附图2为本发明提出的一种基于单应性变换的集成成像摄像机阵列标定方法流程图
附图3为集成成像摄像机阵列单应性变换矩阵计算过程示意图
附图4为集成成像摄像机阵列获取视差图像校正过程示意图（a）未标定的摄像机阵列获取的视差图像（b）校正后的视差图像
附图5为集成成像微图像阵列及局部放大图像
上述附图中的图示标号为：
1三维场景，2拍摄中心深度平面，3摄像机阵列，4棋盘格标定板，5棋盘格标定板图像，6棋盘格角点，7校正图像，8微图像阵列，9微图像阵列局部放大图像。
应该理解上述附图只是示意性的，并没有按比例绘制。
具体实施方式
下面详细说明本发明的一种基于单应性变换的集成成像摄像机阵列标定方法的一个典型实施例，对本发明进行进一步的具体描述。有必要在此指出的是，以下实施例只用于本发明做进一步的说明，不能理解为对本发明保护范围的限制，该领域技术熟练人员根据上述本发明内容对本发明做出一些非本质的改进和调整，仍属于本发明的保护范围。
本发明提出一种基于单应性变换的集成成像摄像机阵列标定方法，该方法根据集成成像原理，利用棋盘格标定板，对摄像机阵列中的每个摄像机分别进行标定，使不同摄像机的空间位置和光轴方向都达到数学上的精确标定，用于集成成像三维场景的拍摄，提高集成成像三维显示的成像质量。该方法包括摄像机单应性变换矩阵的计算和摄像机阵列获取视差图像的校正两个过程。
摄像机单应性变换矩阵的计算过程，根据集成成像拍摄原理，利用摄像机阵列拍摄置于中心深度平面处的棋盘格标定板，得到棋盘格角点数据，计算每个摄像机对应的单应性变换矩阵。摄像机阵列包含摄像机个数为M×N=13×13（其中水平方向包含的摄像机个数为13，垂直方向包含的摄像机个数为13），假设(m,n)为摄像机阵列中每个摄像机的索引，相邻摄像机之间为等间隔，且间隔为Δc=2.1mm，集成成像中心深度平面到摄像机阵列的距离为L，则L满足：
（1）
其中，g=3.1mm为集成成像三维显示中微透镜阵列与微图像阵列之间的间隔，r=0.131mm为微图像阵列中每个像素的物理尺寸，可以求得L=73.21mm。
在集成成像中心深度平面处放置棋盘格标定板，棋盘格标定板角点个数为J×K=13×9（其中水平方向包含的角点个数为13，垂直方向包含的角点个数为9）。未标定的摄像机阵列拍摄棋盘格标定板，如附图3所示，得到13×13幅棋盘格标定板图像，且每幅棋盘格标定板图像同样以(m,n)为索引来表示。在每幅棋盘格标定板图像中以亚像素精度寻找角点位置，得到角点的像素坐标(x i ,y i ) m,n ，其中，m=0,1,...,12，n=0,1,...,12，i为角点序列一维索引，i=0,1,...,116。微图像阵列分辨率为H×V=3840×2160（其中水平方向包含的像素个数为3840，垂直方向包含的像素个数为2160）。根据集成成像显示原理，摄像机阵列中每个摄像机拍摄得到的视差图像都应校正到与摄像机阵列所在平面平行，假设校正第(m,n)个摄像机对应的单应性变换矩阵为Mat m,n ，且Mat m,n 表示为：
（2）
则Mat m,n 满足约束方程组：
（3）
（4）
（5）
（6）
其中，s m,n 为第(m,n)个摄像机对应的单应性变换尺度比例因子，(A,B)为经校正的视差图像的顶点坐标，其中(A 0,B 0)=(0,0)，(A 1,B 1)=(3839,0)，(A 2,B 2)=(3839,2159)，(A 3,B 3)=(0,2159)。利用公式（2）-（6）即可求得第(m,n)个摄像机对应的单应性变换矩阵Mat m,n 。本实施例中计算得到的部分单应性变换矩阵Mat m,n 具体如下：
，
，
优选地，为了减小摄像机阵列中每个摄像机镜头引入的径向畸变与切向畸变，在集成成像摄像机阵列标定前对每个摄像机分别进行单目标定，以获得更好的拍摄效果。
摄像机阵列获取视差图像的校正过程，使用未标定的摄像机阵列拍摄三维场景，得到三维场景的视差图像，利用计算得到的摄像机单应性变换矩阵，将三维场景的视差图像校正成适于集成成像微图像阵列合成的视差图像。如附图4所示，利用未标定的摄像机阵列拍摄三维场景的视差图像，假设第(m,n)个摄像机拍摄得到的视差图像中第x列第y行的像素记为I(x,y) m,n ，对应的校正后的视差图像中第x'列第y'行的像素记为I'(x',y') m,n ，则I'(x',y') m,n 与I(x,y) m,n 满足：
（7）
其中：
（8）
利用校正后的视差图像，合成微图像阵列，用于集成成像三维显示，如附图5所示。
优选地，在摄像机阵列获取视差图像的校正过程中，为了方便计算，令每个摄像机对应的单应性变换尺度比例因子s m,n =1，即忽略单应性变换尺度比例因子引入的图像等比例缩放；当根据公式（8）计算得到的校正后的视差图像的像素坐标x'和y'不同时满足0≤x'<3840和0≤y'<2160时，舍弃该像素，以避免溢出信息。
本发明根据集成成像原理，通过摄像机单应性变换矩阵的计算和摄像机阵列获取视差图像的校正两个过程，使不同的摄像机的空间位置和光轴方向都达到数学上的精确标定，进而实现集成成像摄像机阵列的标定，用于集成成像三维场景的拍摄，可以提高集成成像三维显示的成像质量。

Claims (5)

1.一种基于单应性变换的集成成像摄像机阵列标定方法，其特征在于，该方法利用棋盘格标定板，对摄像机阵列中的每个摄像机分别进行标定，使不同摄像机的空间位置和光轴方向都达到数学上的精确标定，用于集成成像三维场景的拍摄，提高集成成像三维显示的成像质量，该方法包括摄像机单应性变换矩阵的计算和摄像机阵列获取视差图像的校正两个过程：摄像机单应性变换矩阵的计算过程，利用摄像机阵列拍摄棋盘格标定板，得到棋盘格角点数据，计算每个摄像机对应的单应性变换矩阵；摄像机阵列获取视差图像的校正过程，利用计算得到的摄像机单应性变换矩阵，对摄像机阵列获取的视差图像进行单应性变换，得到校正的视差图像，用于合成微图像阵列。
2.根据权利要求1所述的一种基于单应性变换的集成成像摄像机阵列标定方法，其特征在于，摄像机单应性变换矩阵的计算过程，利用摄像机阵列拍摄置于中心深度平面处的棋盘格标定板，得到棋盘格角点数据，摄像机阵列包含摄像机个数为M×N（其中水平方向包含的摄像机个数为M，垂直方向包含的摄像机个数为N），假设(m,n)为摄像机阵列中每个摄像机的索引，相邻摄像机之间为等间隔，且间隔为Δc，集成成像中心深度平面到摄像机阵列的距离为L，则L满足，其中，g为集成成像三维显示中微透镜阵列与微图像阵列之间的间隔，r为微图像阵列中每个像素的物理尺寸，在集成成像中心深度平面处放置棋盘格标定板，棋盘格标定板角点个数为J×K（其中水平方向包含的角点个数为J，垂直方向包含的角点个数为K），未标定的摄像机阵列拍摄棋盘格标定板，得到M×N幅棋盘格标定板图像，且每幅棋盘格标定板图像同样以(m,n)为索引来表示，在每幅棋盘格标定板图像中以亚像素精度寻找角点位置，得到角点的像素坐标(x i ,y i ) m,n ，其中，m=0,1,...,M-1，n=0,1,...,N-1，i为角点序列一维索引，i=0,1,...,J×K-1，微图像阵列分辨率为H×V（其中水平方向包含的像素个数为H，垂直方向包含的像素个数为V），摄像机阵列中的每个摄像机拍摄得到的视差图像都应校正到与摄像机阵列所在平面平行，假设校正第(m,n)个摄像机对应的单应性变换矩阵为Mat m,n ，且Mat m,n 表示为，则Mat m,n 满足约束方程组，，，，其中s m,n 为第(m,n)个摄像机对应的单应性变换尺度比例因子，(A,B)为经校正的视差图像的顶点坐标，其中(A 0,B 0)=(0,0)，(A 1,B 1)=(H-1,0)，(A 2,B 2)=(H-1,V-1)，(A 3,B 3)=(0,V-1)。
3.根据权利要求1和权利要求2所述的一种基于单应性变换的集成成像摄像机阵列标定方法，其特征在于，为了减小摄像机阵列中每个摄像机镜头引入的径向畸变与切向畸变，在集成成像摄像机阵列标定前对每个摄像机分别进行单目标定，以获得更好的拍摄效果。
4.根据权利要求1所述的一种基于单应性变换的集成成像摄像机阵列标定方法，其特征在于，摄像机阵列获取视差图像的校正过程，使用未标定的摄像机阵列拍摄三维场景，得到三维场景的视差图像，利用计算得到的摄像机单应性变换矩阵，将三维场景的视差图像校正成适于集成成像微图像阵列合成的视差图像，假设第(m,n)个摄像机拍摄得到的视差图像中第x列第y行的像素记为I(x,y) m,n ，对应的校正后的视差图像中第x'列第y'行的像素记为I'(x',y') m,n ，则I'(x',y') m,n 与I(x,y) m,n 满足，其中，利用校正后的视差图像，合成微图像阵列，用于集成成像三维显示。
5.根据权利要求1和权利要求4所述的一种基于单应性变换的集成成像摄像机阵列标定方法，其特征在于，在摄像机阵列获取视差图像的校正过程中，为了方便计算，令每个摄像机对应的单应性变换尺度比例因子s m,n =1，即忽略单应性变换尺度比例因子引入的图像等比例缩放；当计算得到的校正后的视差图像的像素坐标x'和y'不同时满足0≤x'<H和0≤y'<V时，舍弃该像素，以避免溢出信息。
CN201510711849.4A 2015-07-30 2015-10-28 一种基于单应性变换的集成成像摄像机阵列标定方法 Active CN105303574B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510711849.4A CN105303574B (zh) 2015-07-30 2015-10-28 一种基于单应性变换的集成成像摄像机阵列标定方法

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN2015104571904 2015-07-30
CN201510457190 2015-07-30
CN201510711849.4A CN105303574B (zh) 2015-07-30 2015-10-28 一种基于单应性变换的集成成像摄像机阵列标定方法

Publications (2)

Publication Number Publication Date
CN105303574A true CN105303574A (zh) 2016-02-03
CN105303574B CN105303574B (zh) 2017-10-27

Family

ID=55200796

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510711849.4A Active CN105303574B (zh) 2015-07-30 2015-10-28 一种基于单应性变换的集成成像摄像机阵列标定方法

Country Status (1)

Country Link
CN (1) CN105303574B (zh)

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105959669A (zh) * 2016-06-06 2016-09-21 四川大学 一种基于重映射的集成成像微图像阵列快速生成方法
CN106023193A (zh) * 2016-05-18 2016-10-12 东南大学 一种用于浑浊介质中结构表面检测的阵列相机观测方法
CN106060524A (zh) * 2016-06-30 2016-10-26 北京邮电大学 一种摄像机的设置方法及装置
CN107016707A (zh) * 2017-04-13 2017-08-04 四川大学 一种集成成像超大三维场景拍摄图像校正方法
CN107146242A (zh) * 2017-03-22 2017-09-08 四川精目科技有限公司 一种用于成像系统模糊核估计的高精度图像配准方法
CN107301663A (zh) * 2017-05-08 2017-10-27 四川大学 一种基于集成成像摄像机阵列的隐藏物体成像方法
CN107330933A (zh) * 2017-07-17 2017-11-07 四川大学 一种基于摄像机阵列的任意焦曲面拍摄方法
CN107610181A (zh) * 2017-09-15 2018-01-19 四川大学 一种集成成像三维重聚焦再现图像黑边的消除方法
CN108234989A (zh) * 2018-03-01 2018-06-29 四川大学 一种基于棋盘格标定板的会聚式集成成像拍摄方法
CN108881881A (zh) * 2018-08-03 2018-11-23 北京航空航天大学 一种集成成像桌面3d显示的自适应微图像阵列生成方法
CN109147036A (zh) * 2018-08-03 2019-01-04 北京航空航天大学 一种基于深度学习的集成成像微图像阵列快速生成方法
CN110049304A (zh) * 2019-03-22 2019-07-23 嘉兴超维信息技术有限公司 一种稀疏相机阵列瞬时三维成像的方法及其装置
CN110096922A (zh) * 2019-05-08 2019-08-06 深圳市易尚展示股份有限公司 编码点的处理方法、装置、计算机设备和存储介质
CN110751656A (zh) * 2019-09-24 2020-02-04 浙江大华技术股份有限公司 一种裂缝参数自动提取方法、装置及存储装置
CN111627067A (zh) * 2019-02-28 2020-09-04 海信集团有限公司 一种双目相机的标定方法及车载设备
CN111640157A (zh) * 2020-05-28 2020-09-08 华中科技大学 一种基于神经网络的棋盘格角点检测方法及其应用
CN113012053A (zh) * 2019-12-20 2021-06-22 北京航空航天大学 一种集成成像桌面3d显示的360°视差图像校正方法
CN113298701A (zh) * 2021-06-22 2021-08-24 北京航空航天大学 一种多屏拼接的集成成像3d图像配准方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102750697A (zh) * 2012-06-08 2012-10-24 华为技术有限公司 一种参数标定方法及装置
WO2014125863A1 (ja) * 2013-02-14 2014-08-21 オリンパス株式会社 撮像装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102750697A (zh) * 2012-06-08 2012-10-24 华为技术有限公司 一种参数标定方法及装置
WO2014125863A1 (ja) * 2013-02-14 2014-08-21 オリンパス株式会社 撮像装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
焦小雪等: ""基于三维集成成像相机阵列获取的元素图像校正"", 《中国激光》 *
高大龙等: ""基于列车前向运动视频的全景图拼接算法"", 《山东大学学报( 工学版)》 *

Cited By (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106023193A (zh) * 2016-05-18 2016-10-12 东南大学 一种用于浑浊介质中结构表面检测的阵列相机观测方法
CN106023193B (zh) * 2016-05-18 2018-06-19 东南大学 一种用于浑浊介质中结构表面检测的阵列相机观测方法
CN105959669A (zh) * 2016-06-06 2016-09-21 四川大学 一种基于重映射的集成成像微图像阵列快速生成方法
CN105959669B (zh) * 2016-06-06 2017-09-29 四川大学 一种基于重映射的集成成像微图像阵列快速生成方法
CN106060524B (zh) * 2016-06-30 2017-12-29 北京邮电大学 一种摄像机的设置方法及装置
CN106060524A (zh) * 2016-06-30 2016-10-26 北京邮电大学 一种摄像机的设置方法及装置
CN107146242A (zh) * 2017-03-22 2017-09-08 四川精目科技有限公司 一种用于成像系统模糊核估计的高精度图像配准方法
CN107016707A (zh) * 2017-04-13 2017-08-04 四川大学 一种集成成像超大三维场景拍摄图像校正方法
CN107016707B (zh) * 2017-04-13 2019-09-03 四川大学 一种集成成像超大三维场景拍摄图像校正方法
CN107301663A (zh) * 2017-05-08 2017-10-27 四川大学 一种基于集成成像摄像机阵列的隐藏物体成像方法
CN107301663B (zh) * 2017-05-08 2020-05-12 四川大学 一种基于集成成像摄像机阵列的隐藏物体成像方法
CN107330933A (zh) * 2017-07-17 2017-11-07 四川大学 一种基于摄像机阵列的任意焦曲面拍摄方法
CN107330933B (zh) * 2017-07-17 2020-05-12 四川大学 一种基于摄像机阵列的任意焦曲面拍摄方法
CN107610181A (zh) * 2017-09-15 2018-01-19 四川大学 一种集成成像三维重聚焦再现图像黑边的消除方法
CN107610181B (zh) * 2017-09-15 2020-06-19 四川大学 一种集成成像三维重聚焦再现图像黑边的消除方法
CN108234989A (zh) * 2018-03-01 2018-06-29 四川大学 一种基于棋盘格标定板的会聚式集成成像拍摄方法
CN108881881A (zh) * 2018-08-03 2018-11-23 北京航空航天大学 一种集成成像桌面3d显示的自适应微图像阵列生成方法
CN109147036A (zh) * 2018-08-03 2019-01-04 北京航空航天大学 一种基于深度学习的集成成像微图像阵列快速生成方法
CN111627067A (zh) * 2019-02-28 2020-09-04 海信集团有限公司 一种双目相机的标定方法及车载设备
CN111627067B (zh) * 2019-02-28 2023-08-22 海信集团有限公司 一种双目相机的标定方法及车载设备
CN110049304A (zh) * 2019-03-22 2019-07-23 嘉兴超维信息技术有限公司 一种稀疏相机阵列瞬时三维成像的方法及其装置
CN110096922A (zh) * 2019-05-08 2019-08-06 深圳市易尚展示股份有限公司 编码点的处理方法、装置、计算机设备和存储介质
CN110096922B (zh) * 2019-05-08 2022-07-12 深圳市易尚展示股份有限公司 编码点的处理方法、装置、计算机设备和存储介质
CN110751656A (zh) * 2019-09-24 2020-02-04 浙江大华技术股份有限公司 一种裂缝参数自动提取方法、装置及存储装置
CN110751656B (zh) * 2019-09-24 2022-11-22 浙江大华技术股份有限公司 一种裂缝参数自动提取方法、装置及存储装置
CN113012053A (zh) * 2019-12-20 2021-06-22 北京航空航天大学 一种集成成像桌面3d显示的360°视差图像校正方法
CN113012053B (zh) * 2019-12-20 2022-05-27 北京航空航天大学 一种集成成像桌面3d显示的360°视差图像校正方法
CN111640157A (zh) * 2020-05-28 2020-09-08 华中科技大学 一种基于神经网络的棋盘格角点检测方法及其应用
CN111640157B (zh) * 2020-05-28 2022-09-20 华中科技大学 一种基于神经网络的棋盘格角点检测方法及其应用
CN113298701A (zh) * 2021-06-22 2021-08-24 北京航空航天大学 一种多屏拼接的集成成像3d图像配准方法
CN113298701B (zh) * 2021-06-22 2022-04-26 北京航空航天大学 一种多屏拼接的集成成像3d图像配准方法

Also Published As

Publication number Publication date
CN105303574B (zh) 2017-10-27

Similar Documents

Publication Publication Date Title
CN105303574A (zh) 一种基于单应性变换的集成成像摄像机阵列标定方法
CN106846415B (zh) 一种多路鱼眼相机双目标定装置及方法
CN102364299B (zh) 一种多个结构光投影三维型面测量头的标定技术
CN106091984B (zh) 一种基于线激光的三维点云数据获取方法
CN102065313B (zh) 平行式相机阵列的未标定多视点图像校正方法
CN105959669B (zh) 一种基于重映射的集成成像微图像阵列快速生成方法
CN105243637B (zh) 一种基于三维激光点云进行全景影像拼接方法
CN100470590C (zh) 相机标定方法及所用标定装置
CN107358631A (zh) 一种虑及三维畸变的双目视觉重建方法
CN109859272A (zh) 一种自动对焦双目摄像头标定方法及装置
CN104954779B (zh) 一种集成成像三维显示中心深度平面的调节方法
CN101588439B (zh) 一种多视差图偏色校正方法
CN109712232B (zh) 一种基于光场的物体表面轮廓三维成像方法
CN206460516U (zh) 一种多路鱼眼相机双目标定装置
TW201715880A (zh) 一種全景魚眼相機影像校正、合成與景深重建方法與其系統
CN106340045B (zh) 三维人脸重建中基于双目立体视觉的标定优化方法
CN103605210A (zh) 一种虚模式集成成像3d显示装置
CN111854636B (zh) 一种多相机阵列三维检测系统和方法
CN107016707B (zh) 一种集成成像超大三维场景拍摄图像校正方法
CN108419072B (zh) 一种裸眼3d显示屏的校正方法以及校正装置、存储介质
CN103561257A (zh) 一种基于深度参考平面的无干扰的光编码深度提取方法
CN114359406A (zh) 自动对焦双目摄像头的标定、3d视觉及深度点云计算方法
CN105139336B (zh) 一种多通道全景影像转换球幕鱼眼影片的方法
CN107610181B (zh) 一种集成成像三维重聚焦再现图像黑边的消除方法
CN104634323B (zh) 一种多级摄像三维照相系统及方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant