CN107016707A - 一种集成成像超大三维场景拍摄图像校正方法 - Google Patents
一种集成成像超大三维场景拍摄图像校正方法 Download PDFInfo
- Publication number
- CN107016707A CN107016707A CN201710240040.7A CN201710240040A CN107016707A CN 107016707 A CN107016707 A CN 107016707A CN 201710240040 A CN201710240040 A CN 201710240040A CN 107016707 A CN107016707 A CN 107016707A
- Authority
- CN
- China
- Prior art keywords
- anaglyph
- video camera
- correction
- row
- max
- 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
Links
Landscapes
- Image Processing (AREA)
- Studio Circuits (AREA)
Abstract
本发明提出一种集成成像超大三维场景拍摄图像校正方法,该方法通过视差图像校正拓展系数序列计算和视差图像序列校正合成两个过程,结合集成成像拍摄理论,利用亚像素精度角点检测技术,计算摄像机阵列拍摄视差图像的最大校正拓展系数,获取视差图像对应的单应性变换矩阵,对摄像机阵列拍摄图像进行校正。将校正后的视差图像,合成微图像阵列,用于集成成像三维显示。该方法同时具备高精度、可调节和适用范围广的优点,可以实现对超大三维场景集成成像摄像机阵列拍摄图像的校正。
Description
技术领域
本发明涉及三维信息拍摄技术,特别涉及一种集成成像超大三维场景拍摄图像校正方法。
背景技术
集成成像技术包括拍摄和显示两部分:拍摄时,利用虚拟摄像机阵列或真实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经过对应转换,生成微图像阵列,在集成成像显示空间重建拍摄的三维场景。在集成成像摄像机阵列拍摄中,摄像机数目巨大,且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对齐。在传统集成成像摄像机阵列拍摄中,需要利用标定板对摄像机阵列拍摄图像进行校正,以克服不同摄像机的位姿差异带来的拍摄错误。但是,传统的集成成像摄像机阵列拍摄图像校正方法受限于标定板的尺寸大小,无法拍摄较大和超大的三维场景,严重限制了集成成像摄像机阵列拍摄的适用范围和实用性,进而制约了集成成像三维显示的数据来源。
发明内容
本发明旨在实现一种可针对超大三维场景的集成成像摄像机阵列拍摄图像校正方法,该方法同时具备高精度、可调节和适用范围广的优点。为了达到上述目的,本发明提出一种集成成像超大三维场景拍摄图像校正方法,该方法结合集成成像拍摄理论,利用亚像素精度角点检测技术,计算摄像机阵列拍摄视差图像的最大校正拓展系数,获取视差图像对应的单应性变换矩阵,对摄像机阵列拍摄图像进行校正。将校正后的视差图像,合成微图像阵列,用于集成成像三维显示。该方法包括视差图像校正拓展系数序列计算和视差图像序列校正合成两个过程。
本发明所提方法可以由摄像机阵列、棋盘格标定板和用于拍摄的超大三维场景实现,如附图1所示,在本发明中,利用棋盘格标定板对摄像机阵列拍摄图像进行校正,超大三维场景置于摄像机阵列的拍摄范围内,且拍摄范围远大于棋盘格标定板的尺寸。
本发明利用摄像机阵列拍摄固定的棋盘格标定板,获取棋盘格标定板角点亚像素精度的像素坐标,计算每个摄像机拍摄视差图像对应的校正拓展系数;基于单应性变换理论,计算视差图像对应的单应性变换矩阵;结合集成成像显示原理,将校正的视差图序列合成微图像阵列,用于集成成像三维显示。本发明所提方法的流程如附图2所示。
所述视差图像校正拓展系数序列计算过程,首先,进行摄像机阵列位姿调整,根据摄像机阵列拍摄场景范围,将角点数目为J×K的棋盘格标定板固定于被测场景中心位置,且保证棋盘格所处空间平面与摄像机阵列所处平面平行,摄像机阵列中,摄像机数目为M×N,手动调整其中每一个摄像机的位姿,使摄像机拍摄得到的视差图像的中心像素坐标与棋盘格标定板中心点Q 0重合;然后,利用摄像机阵列拍摄视差图像序列,获取数目为M×N的视差图像序列。在M×N视差图像序列中,分别利用亚像素精度角点检测技术,确定棋盘格标定板角点像素坐标P m, n (x, y) j, k ,其中,m和n分别表示第m列、第n行摄像机拍摄的视差图像,m∈{1, 2, 3, …, M},n∈{1, 2, 3, …, N},j和k分别表示视差图像棋盘格标定板中第j列、第k行角点,j∈{1, 2, 3, …, J},k∈{1, 2, 3, …, K},如附图3中(a)图所示。根据棋盘格标定板角点像素坐标P m, n (x, y) j, k ,第m列、第n行视差图像中棋盘格标定板的中心点Q 0对应的像素坐标Q m, n (x, y)表示为:
(1)
(2)
(3)
其中,(A x , A y )、(B x , B y )、(C x , C y )和(D x , D y )分别是棋盘格标定板角点A(x, y)、B(x,y)、C(x, y)和D(x, y)四点对应的像素坐标,且分别满足:
(4)
(5)
(6)
(7)
根据视差图像棋盘格标定板中心点像素坐标Q m, n (x, y)和棋盘格标定板角点A(x,y)、B(x, y)、C(x, y)和D(x, y),可以确定直线AC和直线BD。直线AC与视差图像边缘相交于点A'(x, y)和C'(x, y),直线BD与视差图像边缘相交于点B'(x, y)和D'(x, y),如附图3(b)所示,其中A'(x, y) = (A' x , A' y ),B'(x, y) = (B' x , B' y ),C'(x, y) = (C' x , C' y ),D'(x, y) = (D' x , D' y );最后,根据相似性关系,计算第m列、第n行视差图像中棋盘格标定板角点A(x, y)、B(x, y)、C(x, y)和D(x, y)对应的拓展系数E A (m, n)、E B (m, n)、E C (m, n)和E D (m, n)分别满足:
(8)
(9)
(10)
(11)
利用相同的拓展系数计算方法,得到M×N的视差图像序列对应的校正拓展系数序列E M×N :
(12)
其中,m∈{1, 2, 3, …, M},n∈{1, 2, 3, …, N}。
所述视差图像序列校正合成过程,首先,计算视差图像最大校正拓展系数E max ,E max 为视差图像校正拓展系数序列E M×N 中的最小值:
(13)
其中,min{*}为计算集合*的最小值。根据视差图像最大校正拓展系数,计算每幅视差图像最大拓展坐标A max (x, y)、B max (x, y)、C max (x, y)和D max (x, y):
(14)
(15)
(16)
(17)
然后,根据集成成像三维显示参数,确定校正后视差图像的像素尺寸R×C。结合每幅视差图像最大拓展坐标A max (x, y)、B max (x, y)、C max (x, y)和D max (x, y),基于单应性变换原理,计算得到M×N幅视差图像对应的单应性变换矩阵H m, n ,H m, n 表示为:
(18)
利用摄像机拍摄超大三维场景,第m列、第n行摄像机拍摄得到视差图像为I m, n (x, y),利用对应的单应性变换矩阵H m, n ,计算得到对应的校正图像I' m, n (x', y'),如附图4所示,I' m, n (x', y')与I m, n (x, y)满足:
(19)
其中:
(20)
最后,根据集成成像三维显示原理,将得到的校正图像I' m, n (x', y')合成微图像阵列,如附图5所示。微图像阵列输入集成成像三维显示器,便可以得到集成成像三维显示效果。
本发明提出的集成成像超大三维场景拍摄图像校正方法,同时具备高精度、可调节和适用范围广的优点,突破传统的集成成像摄像机阵列拍摄图像校正方法受限于标定板的尺寸大小,无法拍摄较大和超大的三维场景的缺点,可以实现对超大三维场景集成成像摄像机阵列拍摄图像的校正。
附图说明
附图1为一种集成成像超大三维场景拍摄图像校正方法的实现系统图
附图2为本发明所提方法的流程图
附图3为(a)视差图像棋盘格标定板角点检测(b)本发明中视差图像校正拓展系数计算示意图
附图4为(a)传统校正方法校正视差图像与(b)本发明所提方法校正视差图像对比图
附图5为(a)传统校正方法合成微图像阵列与(b)本发明所提方法合成微图像阵列对比图
上述附图中的图示标号为:
1摄像机阵列,2棋盘格标定板,3超大三维场景,4最大拓展坐标对应视差图像范围,5非最大拓展坐标对应视差图像范围。
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集成成像超大三维场景拍摄图像校正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。
本发明提出一种集成成像超大三维场景拍摄图像校正方法,该方法包括视差图像校正拓展系数序列计算和视差图像序列校正合成两个过程。
本实施例由摄像机阵列、棋盘格标定板和用于拍摄的超大三维场景实现,如附图1所示,利用棋盘格标定板对摄像机阵列拍摄图像进行校正,超大三维场景置于摄像机阵列的拍摄范围内,且拍摄范围远大于棋盘格标定板的尺寸。
本实施例利用摄像机阵列拍摄固定的棋盘格标定板,获取棋盘格标定板角点亚像素精度的像素坐标,计算每个摄像机拍摄视差图像对应的校正拓展系数;基于单应性变换理论,计算视差图像对应的单应性变换矩阵;结合集成成像显示原理,将校正的视差图序列合成微图像阵列,用于集成成像三维显示。本实施例的流程如附图2所示。
所述视差图像校正拓展系数序列计算过程,首先,进行摄像机阵列位姿调整,根据摄像机阵列拍摄场景范围,将角点数目为J×K = 13×9的棋盘格标定板固定于被测场景中心位置,且保证棋盘格所处空间平面与摄像机阵列所处平面平行,摄像机阵列中,摄像机数目为M×N = 16×16,手动调整其中每一个摄像机的位姿,使摄像机拍摄得到的视差图像的中心像素坐标与棋盘格标定板中心点Q 0重合;然后,利用摄像机阵列拍摄视差图像序列,获取数目为M×N = 16×16的视差图像序列。在16×16视差图像序列中,分别利用亚像素精度角点检测技术,确定棋盘格标定板角点像素坐标P m, n (x, y) j, k ,其中,m和n分别表示第m列、第n行摄像机拍摄的视差图像,m∈{1, 2, 3, …, 16},n∈{1, 2, 3, …, 16},j和k分别表示视差图像棋盘格标定板中第j列、第k行角点,j∈{1, 2, 3, …, 13},k∈{1, 2, 3,…, 9},如附图3中(a)图所示。根据棋盘格标定板角点像素坐标P m, n (x, y) j, k ,第m列、第n行视差图像中棋盘格标定板的中心点Q 0对应的像素坐标Q m, n (x, y)表示为:
(1)
(2)
(3)
其中,(A x , A y )、(B x , B y )、(C x , C y )和(D x , D y )分别是棋盘格标定板角点A(x, y)、B(x,y)、C(x, y)和D(x, y)四点对应的像素坐标,且分别满足:
(4)
(5)
(6)
(7)
本实施例中,以第5列、第3行摄像机拍摄的视差图像为例,Q m, n (x, y) = (2171,1253),A(x, y) = (1300, 757),B(x, y) = (3051, 765),C(x, y) = (3027, 1759)和D(x, y) = (1284, 1739)。根据视差图像棋盘格标定板中心点像素坐标Q m, n (x, y)和棋盘格标定板角点A(x, y)、B(x, y)、C(x, y)和D(x, y),可以确定直线AC和直线BD。直线AC与视差图像边缘相交于点A'(x, y)和C'(x, y),直线BD与视差图像边缘相交于点B'(x, y)和D'(x, y),如附图3(b)所示,其中A'(x, y) = (A' x , A' y ) = (151, 0),B'(x, y) = (B' x ,B' y ) = (3839, 97),C'(x, y) = (C' x , C' y ) = (3591, 2159),D'(x, y) = (D' x , D' y ) =(727, 2159);最后,根据相似性关系,计算第m列、第n行视差图像中棋盘格标定板角点A(x,y)、B(x, y)、C(x, y)和D(x, y)对应的拓展系数E A (m, n)、E B (m, n)、E C (m, n)和E D (m, n)分别满足:
(8)
(9)
(10)
(11)
利用相同的拓展系数计算方法,得到16×16的视差图像序列对应的校正拓展系数序列E M×N :
(12)
其中,m∈{1, 2, 3, …, M},n∈{1, 2, 3, …, N}。
所述视差图像序列校正合成过程,首先,计算视差图像最大校正拓展系数E max ,E max 为视差图像校正拓展系数序列E M×N 中的最小值:
(13)
其中,min{*}为计算集合*的最小值,本实施例中,以第5列、第3行摄像机拍摄的视差图像为例,E max = 1.931。根据视差图像最大校正拓展系数,计算每幅视差图像最大拓展坐标A max (x, y)、B max (x, y)、C max (x, y)和D max (x, y):
(14)
(15)
(16)
(17)
然后,根据集成成像三维显示参数,确定校正后视差图像的像素尺寸R×C。结合每幅视差图像最大拓展坐标A max (x, y) = (1013, 331)、B max (x, y) = (3839, 503)、C max (x, y) =(3443, 2007)和D max (x, y) = (975, 1983),基于单应性变换原理,计算得到M×N幅视差图像对应的单应性变换矩阵H m, n ,H m, n 表示为:
(18)
利用摄像机拍摄超大三维场景,第m列、第n行摄像机拍摄得到视差图像为I m, n (x, y),利用对应的单应性变换矩阵H m, n ,计算得到对应的校正图像I' m, n (x', y'),如附图4所示,I' m, n (x', y')与I m, n (x, y)满足:
(19)
其中:
(20)
最后,根据集成成像三维显示原理,将得到的校正图像I' m, n (x', y')合成微图像阵列,如附图5所示。微图像阵列输入集成成像三维显示器,便可以得到集成成像三维显示效果。
Claims (3)
1.一种集成成像超大三维场景拍摄图像校正方法,其特征在于,该方法包括视差图像校正拓展系数序列计算和视差图像序列校正合成两个过程。
2.根据权利要求1所述的一种集成成像超大三维场景拍摄图像校正方法,其特征在于,所述视差图像校正拓展系数序列计算过程,首先,进行摄像机阵列位姿调整,将角点数目为J×K的棋盘格标定板固定于被测场景中心位置,且保证棋盘格所处空间平面与摄像机阵列所处平面平行,摄像机阵列中,摄像机数目为M×N,手动调整其中每一个摄像机的位姿,使摄像机拍摄得到的视差图像的中心像素坐标与棋盘格标定板中心点Q 0重合;然后,利用摄像机阵列拍摄视差图像序列,获取数目为M×N的视差图像序列,在M×N视差图像序列中,确定棋盘格标定板角点像素坐标P m, n (x, y) j, k ,其中,m和n分别表示第m列、第n行摄像机拍摄的视差图像,m∈{1, 2, 3, …, M},n∈{1, 2, 3, …, N},j和k分别表示视差图像棋盘格标定板中第j列、第k行角点,j∈{1, 2, 3, …, J},k∈{1, 2, 3, …, K},根据棋盘格标定板角点像素坐标P m, n (x, y) j, k ,第m列、第n行视差图像中棋盘格标定板的中心点Q 0对应的像素坐标Q m, n (x, y)表示为,
,
,其中,(A x , A y )、(B x , B y )、(C x ,C y )和(D x , D y )分别是棋盘格标定板角点A(x, y)、B(x, y)、C(x, y)和D(x, y)四点对应的像素坐标,且分别满足,,
,,根据视差图像棋盘格标定板中心点像素坐标Q m, n (x, y)和棋盘格标定板角点A(x, y)、B(x, y)、C(x, y)和D(x, y),可以确定直线AC和直线BD,直线AC与视差图像边缘相交于点A'(x, y)和C'(x,y),直线BD与视差图像边缘相交于点B'(x, y)和D'(x, y),其中A'(x, y) = (A' x , A' y ),B'(x, y) = (B' x , B' y ),C'(x, y) = (C' x , C' y ),D'(x, y) = (D' x , D' y );最后,计算第m列、第n行视差图像中棋盘格标定板角点A(x, y)、B(x, y)、C(x, y)和D(x, y)对应的拓展系数E A (m, n)、E B (m, n)、E C (m, n)和E D (m, n)分别满足
,,
,,利用相同的拓展系数计算方法,得到M×N的视差图像序列对应的校正拓展系数序列E M×N ,,其中,m∈{1, 2, 3, …, M},n∈{1, 2,3, …, N}。
3.根据权利要求1所述的一种集成成像超大三维场景拍摄图像校正方法,其特征在于,所述视差图像序列校正合成过程,首先,计算视差图像最大校正拓展系数E max ,E max 为视差图像校正拓展系数序列E M×N 中的最小值,,其中,min{*}为计算集合*的最小值,根据视差图像最大校正拓展系数,计算每幅视差图像最大拓展坐标A max (x, y)、B max (x,y)、C max (x, y)和D max (x, y),,
,
,
;然后,根据集成成像三维显示参数,结合每幅视差图像最大拓展坐标A max (x, y)、B max (x, y)、C max (x, y)和D max (x, y),计算得到M×N幅视差图像对应的单应性变换矩阵,利用摄像机拍摄超大三维场景,第m列、第n行摄像机拍摄得到视差图像为I m, n (x, y),利用对应的单应性变换矩阵H m, n ,计算得到对应的校正图像I' m, n (x', y'),I' m, n (x', y')与I m, n (x, y)满足,其中;最后,将得到的校正图像I' m, n (x', y')合成微图像阵列,微图像阵列输入集成成像三维显示器,得到集成成像三维显示效果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710240040.7A CN107016707B (zh) | 2017-04-13 | 2017-04-13 | 一种集成成像超大三维场景拍摄图像校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710240040.7A CN107016707B (zh) | 2017-04-13 | 2017-04-13 | 一种集成成像超大三维场景拍摄图像校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107016707A true CN107016707A (zh) | 2017-08-04 |
CN107016707B CN107016707B (zh) | 2019-09-03 |
Family
ID=59446217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710240040.7A Active CN107016707B (zh) | 2017-04-13 | 2017-04-13 | 一种集成成像超大三维场景拍摄图像校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107016707B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112149493A (zh) * | 2020-07-31 | 2020-12-29 | 上海大学 | 基于双目立体视觉的道路高程测量方法 |
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 |
CN113593008A (zh) * | 2021-07-06 | 2021-11-02 | 四川大学 | 复杂场景下真3d图像显著重建方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101630406A (zh) * | 2008-07-14 | 2010-01-20 | 深圳华为通信技术有限公司 | 摄像机的标定方法及摄像机标定装置 |
CN105303574A (zh) * | 2015-07-30 | 2016-02-03 | 四川大学 | 一种基于单应性变换的集成成像摄像机阵列标定方法 |
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 |
-
2017
- 2017-04-13 CN CN201710240040.7A patent/CN107016707B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101630406A (zh) * | 2008-07-14 | 2010-01-20 | 深圳华为通信技术有限公司 | 摄像机的标定方法及摄像机标定装置 |
CN105303574A (zh) * | 2015-07-30 | 2016-02-03 | 四川大学 | 一种基于单应性变换的集成成像摄像机阵列标定方法 |
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 |
Non-Patent Citations (1)
Title |
---|
SHAWN ZHANG ET AL.: "Variable Homography Compensation of Parallax Along Mosaic Seams", 《IMAGE ANALYSIS AND RECOGNITION》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN112149493A (zh) * | 2020-07-31 | 2020-12-29 | 上海大学 | 基于双目立体视觉的道路高程测量方法 |
CN112149493B (zh) * | 2020-07-31 | 2022-10-11 | 上海大学 | 基于双目立体视觉的道路高程测量方法 |
CN113593008A (zh) * | 2021-07-06 | 2021-11-02 | 四川大学 | 复杂场景下真3d图像显著重建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107016707B (zh) | 2019-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107016707B (zh) | 一种集成成像超大三维场景拍摄图像校正方法 | |
EP3163535B1 (en) | Wide-area image acquisition method and device | |
CN110809786B (zh) | 校准装置、校准图表、图表图案生成装置和校准方法 | |
CN105303574B (zh) | 一种基于单应性变换的集成成像摄像机阵列标定方法 | |
US9900505B2 (en) | Panoramic video from unstructured camera arrays with globally consistent parallax removal | |
CN110782394A (zh) | 全景视频快速拼接方法及系统 | |
CN109272570A (zh) | 一种基于立体视觉数学模型的空间点三维坐标求解方法 | |
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 | |
CN109685913B (zh) | 基于计算机视觉定位的增强现实实现方法 | |
CN110211043A (zh) | 一种用于全景图像拼接的基于网格优化的配准方法 | |
JP2014522591A (ja) | 角スライス実像3dディスプレイのためのアライメント、キャリブレーション、およびレンダリングのシステムおよび方法 | |
KR20150120066A (ko) | 패턴 프로젝션을 이용한 왜곡 보정 및 정렬 시스템, 이를 이용한 방법 | |
CN107767339B (zh) | 一种双目立体图像拼接方法 | |
CN107358577B (zh) | 一种立方体全景图的快速拼接方法 | |
CN107578450B (zh) | 一种用于全景相机装配误差标定的方法及系统 | |
CN109919911A (zh) | 基于多视角光度立体的移动三维重建方法 | |
CN108234989B (zh) | 一种基于棋盘格标定板的会聚式集成成像拍摄方法 | |
US20100302234A1 (en) | Method of establishing dof data of 3d image and system thereof | |
CN111866523B (zh) | 全景视频合成方法、装置、电子设备和计算机存储介质 | |
CN109147036A (zh) | 一种基于深度学习的集成成像微图像阵列快速生成方法 | |
KR101725024B1 (ko) | 룩업테이블 기반의 실시간 360도 vr 동영상 제작 시스템 및 이를 이용한 360도 vr 동영상 제작 방법 | |
CN106023170B (zh) | 一种基于gpu处理器的双目3d畸变矫正方法 | |
CN108450031A (zh) | 图像捕获装置 | |
CN111131801A (zh) | 投影仪校正系统、方法及投影仪 | |
CN113259642A (zh) | 一种影片视角调节方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |