CN108364345A - 基于像素标记和合成孔径成像的遮挡目标三维重建方法 - Google Patents

基于像素标记和合成孔径成像的遮挡目标三维重建方法 Download PDF

Info

Publication number
CN108364345A
CN108364345A CN201810139192.2A CN201810139192A CN108364345A CN 108364345 A CN108364345 A CN 108364345A CN 201810139192 A CN201810139192 A CN 201810139192A CN 108364345 A CN108364345 A CN 108364345A
Authority
CN
China
Prior art keywords
formula
pixel
camera
image
plane
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
CN201810139192.2A
Other languages
English (en)
Other versions
CN108364345B (zh
Inventor
裴炤
沈乐棋
张艳宁
马苗
郭敏
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.)
Shaanxi Normal University
Original Assignee
Shaanxi Normal 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 Shaanxi Normal University filed Critical Shaanxi Normal University
Priority to CN201810139192.2A priority Critical patent/CN108364345B/zh
Publication of CN108364345A publication Critical patent/CN108364345A/zh
Application granted granted Critical
Publication of CN108364345B publication Critical patent/CN108364345B/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
    • 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
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

一种基于像素标记和合成孔径成像的遮挡目标三维重建方法，由确定相机内参矩阵K、生成聚焦到遮挡平面πa的合成孔径图像、标记合成孔径图像中位于遮挡平面的像素点、生成聚焦到目标平面πd的合成孔径图像、重建目标物体上点的三维坐标步骤组成。由于本发明采用了多视角的关联像素信息，将合成孔径成像的方法聚焦于聚焦平面，通过代价函数标记聚焦像素点，剔除非聚焦平面上的点，减小障碍物对重建目标物体的影响，提高了重建像素的清晰度和完整度，可用于场景分析和遮挡目标重建等技术领域。

Description

基于像素标记和合成孔径成像的遮挡目标三维重建方法
技术领域
本发明属于计算机视觉与图像处理技术领域，具体涉及像素标记、合成孔径成像以及遮挡物体三维重建。
背景技术
三维重建是利用多视角图像对目标物体进行三维信息还原的过程。在利用多视角图像进行传统三维重建的过程中，目标物体前方障碍物的遮挡往往会导致重建出的点包含遮挡物的信息。为了解决上述问题，一种方法是将遮挡物体与目标物体分隔开，利用图像修复技术恢复遮挡物后的像素信息，再利用修复后的图像序列进行传统的三维重建。然而，上述方法所重建出的点往往不清晰不完整，效果不佳。
发明内容
本发明所要解决解决的技术问题在于克服上述现有技术的不足，提供一种图像清晰、完整的基于像素标记和合成孔径成像的遮挡目标三维重建方法。
解决上述技术问题所采用的技术方案是于由下述步骤组成：
(1)确定相机内参矩阵K
用内角点标定板对采集相机进行标定，通过标定板摆放在不同位置的图像，提取标定板上12～20个内角点所对应的图像坐标与世界坐标，用公式(1)
式中PI为图像坐标系中内角点的齐次坐标、PW为世界坐标系中内角点的齐次坐标、λ为比例系数、K为相机内参矩阵、R为相机相对于标定板的旋转矩阵、t为相机相对于标定板的平移向量、θT为零向量的转置，得到相机的内参矩阵K
式中f为相机的焦距，x0、y0分别为位于图像中心处图像主点的横坐标和纵坐标。
(2)生成聚焦到遮挡平面πa的合成孔径图像
用由8～16个相机水平组成的相机阵列拍摄目标物体，采集各个位于不同视角的相机图像，用公式(3)得到投影到参考平面πr的图像
Wir＝Hi·Fi (3)
式中，Fi为各个相机所拍摄到的图像，Wir为Fi经过仿射变换投影到平面πr的图像，Hi为从Fi投影到参考平面πr的仿射矩阵，其中i＝1,2,…,N，N为相机阵列中相机的数量，用公式(4)得到聚焦到遮挡平面πa所需要平移的视差Δp
Δp＝ΔX·μ (4)
式中，ΔX为相机之间的相对位置，μ为遮挡平面πa与参考平面πr的相对深度，相对深度
μ＝(a-r)/a (5)
式中a为遮挡平面πa的深度，r为参考平面πr的深度；用公式(6)对Wir中的像素进行平移
式中pir为Wir中像素的齐次坐标，pia为pir经过平移操作后像素对应的齐次坐标，θT为零向量的转置，Δpia为由横向和纵向视差构成的二维向量，用公式(7)得到合成孔径图像中像素pa所对应的像素值S(pa)
式中N为相机阵列中相机的数量，pia为Wir经过平移后图像中的像素，Y(pia)为像素pia所对应的像素值。
(3)标记合成孔径图像中位于遮挡平面的像素点
用公式(8)定义像素标记的代价函数L(pa)
L(pa)＝D(pa)+αN(pa) (8)
式中D(pa)为代价函数的自身项，N(pa)为代价函数的领域项，α为邻域项的权重，
式中m为像素pa在Wia中的标准四邻域像素集合，Wia为Wir经过平移后的图像，p′i,p′j为m中的元素，Y(p′i)、Y(p′j)分别为像素p′i、像素p′j的像素值，其中i,j＝1,2,…,N，N为相机阵列中相机的数量。
得合成孔径图像中各个像素的标记代价L(pa)，与方差阈值ε为3倍N进行比较；若L(pa)小于或等于方差阈值ε，将像素pa标记为遮挡平面上的点，并将像素pa对应的标记项Rl(pa)设为0；若L(pa)大于方差阈值ε时，不标记像素pa，将像素pa对应的标记项Rl(pa)设为1。
(4)生成聚焦到目标平面πa的合成孔径图像
按照步骤(2)中公式(3)～公式(6)的方法，得Wir经过平移操作后的图像Wia；用公式(11)得到标记筛选后合成孔径图像中像素pd所对应的像素值S′(pd)
式中H为标记项Rl(pa)等于1的相机数量，Rl(pa)为像素pa的标记项，pid为图像Wia中的像素，Y′(pid)为像素pid所对应的像素值。
(5)重建目标物体上点的三维坐标
用公式(12)记录像素pd在相机坐标系CV中的齐次坐标
式中，为相机坐标系CV中点的第一维度坐标，为相机坐标系CV中点的第二维度坐标，d为平面πd的深度；分别用公式(13)、公式(14)表示
式中，为图像坐标系中点的第一维度坐标，为图像坐标系中点的第二维度坐标，f为相机的焦距；按照步骤(4)生成聚焦到不同深度平面的合成孔径图像，得到目标物体上点的齐次坐标式中dmin为合成孔径成像可聚焦的最小深度，dmax为合成孔径成像可聚焦的最大深度；将齐次坐标转化为笛卡尔坐标PD
式中分别为齐次坐标的第一维度坐标、第二维度坐标、第三维度坐标，q为齐次坐标PW的第四维度坐标，完成目标物体上点的三维坐标重建。
在本发明的生成聚焦到遮挡平面πa的合成孔径图像步骤(2)中，最佳用由12个相机水平组成的相机阵列拍摄目标物体，采集各个位于不同视角的相机图像，用公式(3)得到投影到参考平面πr的图像为：
Wir＝Hi·Fi (3)
式中，Fi为各个相机所拍摄到的的图像，Wir为Fi经过仿射变换投影到平面πr的图像，Hi为从Fi投影到参考平面πr的仿射矩阵，其中i＝1,2,…,N，N是相机阵列中相机的数量为12，用公式(4)得到聚焦到遮挡平面πa所需要平移的视差Δp
Δp＝ΔX·μ (4)
式中，ΔX为相机之间的相对位置，μ为遮挡平面πa与参考平面πr的相对深度，相对深度
μ＝(a-r)/a (5)
式中a为遮挡平面πa的深度，r为参考平面πr的深度；用公式(6)对Wir中的像素进行平移
式中pir为Wir中像素的齐次坐标，pia为pir经过平移操作后像素对应的齐次坐标，θT为零向量的转置，Δpia为由横向和纵向视差构成的二维向量，用公式(7)得到合成孔径图像中像素pa所对应的像素值S(pa)
式中N是相机阵列中相机的数量为12，pia为Wir经过平移后图像中的像素，Y(pia)为像素pia所对应的像素值。
由于本发明采用了多视角的像素信息，将合成孔径成像的方法筛选出位于聚焦平面上的点，通过标记代价剔除了不位于聚焦平面的点，减小障碍物对重建目标物体的影响，提高了重建像素的清晰度和完整度。
附图说明
图1是本发明实施例1的流程图。
具体实施方式
下面结合附图和实施例对本发明进一步详细说明，但本发明不限于下述的实施例。
实施例1
以由12个相机组成的相机阵列为例，基于像素标记和合成孔径成像的遮挡目标三维重建方法的步骤如下:
(1)确定相机内参矩阵K
用内角点标定板对采集相机进行标定，通过标定板摆放在不同位置的图像，提取标定板上16个内角点所对应的图像坐标与世界坐标，也可在12～20个内角点范围内任意提取，用公式(1)表示图像坐标与世界坐标的关系：
式中PI为图像坐标系中内角点的齐次坐标、PW为世界坐标系中内角点的齐次坐标、λ为比例系数、K为相机内参矩阵、R为相机相对于标定板的旋转矩阵、t为相机相对于标定板的平移向量、θT为零向量的转置，得到相机的内参矩阵K
式中f为相机的焦距，x0、y0分别为位于图像中心处图像主点的横坐标和纵坐标。
(2)生成聚焦到遮挡平面πa的合成孔径图像
用由12个相机水平组成的相机阵列拍摄目标物体，采集各个位于不同视角的相机图像，用公式(3)得到投影到参考平面πr的图像
Wir＝Hi·Fi (3)
式中，Fi为各个相机所拍摄到的图像，Wir为Fi经过仿射变换投影到平面πr的图像，Hi为从Fi投影到参考平面πr的仿射矩阵，其中i＝1,2,…,N，N是相机阵列中相机的数量为12，用公式(4)得到聚焦到遮挡平面πa所需要平移的视差Δp
Δp＝ΔX·μ (4)
式中，ΔX为相机之间的相对位置，μ为遮挡平面πa与参考平面πr的相对深度，相对深度
μ＝(a-r)/a (5)
式中a为遮挡平面πa的深度，r为参考平面πr的深度；用公式(6)对Wir中的像素进行平移
式中pir为Wir中像素的齐次坐标，pia为pir经过平移操作后像素对应的齐次坐标，θT为零向量的转置，Δpia为由横向和纵向视差构成的二维向量，用公式(7)得到合成孔径图像中像素pa所对应的像素值S(pa)
式中N是相机阵列中相机的数量为12，pia为Wir经过平移后图像中的像素，Y(pia)为像素pia所对应的像素值。
(3)标记合成孔径图像中位于遮挡平面的像素点
用公式(8)定义像素标记的代价函数L(pa)
L(pa)＝D(pa)+αN(pa) (8)
式中D(pa)为代价函数的自身项，N(pa)为代价函数的领域项，α为邻域项的权重，
式中m为像素pa在Wia中的标准四邻域像素集合，Wia为Wir经过平移后的图像，p′i,p′j为m中的元素，Y(p′i)、Y(p′j)分别为像素p′i、像素p′j的像素值，其中i,j＝1,2,…,N，N是相机阵列中相机的数量为12。
得合成孔径图像中各个像素的标记代价L(pa)，与方差阈值ε为3倍N进行比较；若L(pa)小于或等于方差阈值ε，将像素pa标记为遮挡平面上的点，并将像素pa对应的标记项Rl(pa)设为0；若L(pa)大于方差阈值ε时，不标记像素pa，将像素pa对应的标记项Rl(pa)设为1。
(4)生成聚焦到目标平面πa的合成孔径图像
按照步骤(2)中公式(3)～公式(6)的方法，得Wir经过平移操作后的图像Wia；用公式(11)得到标记筛选后合成孔径图像中像素pd所对应的像素值S′(pd)
式中H为标记项Rl(pa)等于1的相机数量，Rl(pa)为像素pa的标记项，pid为图像Wia中的像素，Y′(pid)为像素pid所对应的像素值。
(5)重建目标物体上点的三维坐标
用公式(12)记录像素pd在相机坐标系CV中的齐次坐标
式中，为相机坐标系CV中点的第一维度坐标，为相机坐标系CV中点的第二维度坐标，d为平面πd的深度；分别用公式(13)、公式(14)表示
式中，为图像坐标系中点的第一维度坐标，为图像坐标系中点的第二维度坐标，f为相机的焦距；按照步骤(4)生成聚焦到不同深度平面的合成孔径图像，得到目标物体上点的齐次坐标式中dmin为合成孔径成像可聚焦的最小深度，dmax为合成孔径成像可聚焦的最大深度；将齐次坐标转化为笛卡尔坐标PD
式中分别为齐次坐标的第一维度坐标、第二维度坐标、第三维度坐标，q为齐次坐标PW的第四维度坐标，完成目标物体上点的三维坐标重建。
实施例2
以由8个相机组成的相机阵列为例，基于像素标记和合成孔径成像的遮挡目标三维重建方法的步骤如下:
(1)确定相机内参矩阵K
该步骤与实施例1相同。
(2)生成聚焦到遮挡平面πa的合成孔径图像
用由8个相机水平组成的相机阵列拍摄目标物体，采集各个位于不同视角的相机图像，用公式(3)得到投影到参考平面πr的图像
Wir＝Hi·Fi (3)
式中，Fi为各个相机所拍摄到的图像，Wir为Fi经过仿射变换投影到平面πr的图像，Hi为从Fi投影到参考平面πr的仿射矩阵，其中i＝1,2,…,N，N是相机阵列中相机的数量为8，用公式(4)得到聚焦到遮挡平面πa所需要平移的视差Δp
Δp＝ΔX·μ (4)
式中，ΔX为相机之间的相对位置，μ为遮挡平面πa与参考平面πr的相对深度，相对深度
μ＝(a-r)/a (5)
式中a为遮挡平面πa的深度，r为参考平面πr的深度；用公式(6)对Wir中的像素进行平移
式中pir为Wir中像素的齐次坐标，pia为pir经过平移操作后像素对应的齐次坐标，θT为零向量的转置，Δpia为由横向和纵向视差构成的二维向量，用公式(7)得到合成孔径图像中像素pa所对应的像素值S(pa)
式中N是相机阵列中相机的数量为8，pia为Wir经过平移后图像中的像素，Y(pia)为像素pia所对应的像素值。
(3)标记合成孔径图像中位于遮挡平面的像素点
用公式(8)定义像素标记的代价函数L(pa)
L(pa)＝D(pa)+αN(pa) (8)
式中D(pa)为代价函数的自身项，N(pa)为代价函数的领域项，α为邻域项的权重，
式中m为像素pa在Wia中的标准四邻域像素集合，Wia为Wir经过平移后的图像，p′i,p′j为m中的元素，Y(p′i)、Y(p′j)分别为像素p′i、像素p′j的像素值，其中i,j＝1,2,…,N，N是相机阵列中相机的数量为8。
得合成孔径图像中各个像素的标记代价L(pa)，与方差阈值ε为3倍N进行比较；若L(pa)小于或等于方差阈值ε，将像素pa标记为遮挡平面上的点，并将像素pa对应的标记项Rl(pa)设为0；若L(pa)大于方差阈值ε时，不标记像素pa，将像素pa对应的标记项Rl(pa)设为1。
其它步骤与实施例1相同。
实施例3
以由16个相机组成的相机阵列为例，基于像素标记和合成孔径成像的遮挡目标三维重建方法的步骤如下:
(1)确定相机内参矩阵K
该步骤与实施例1相同。
(2)生成聚焦到遮挡平面πa的合成孔径图像
用由16个相机水平组成的相机阵列拍摄目标物体，采集各个位于不同视角的相机图像，用公式(3)得到投影到参考平面πr的图像
Wir＝Hi·Fi (3)
式中，Fi为各个相机所拍摄到的图像，Wir为Fi经过仿射变换投影到平面πr的图像，Hi为从Fi投影到参考平面πr的仿射矩阵，其中i＝1,2,…,N，N是相机阵列中相机的数量为16，用公式(4)得到聚焦到遮挡平面πa所需要平移的视差Δp
Δp＝ΔX·μ (4)
式中，ΔX为相机之间的相对位置，μ为遮挡平面πa与参考平面πr的相对深度，相对深度
μ＝(a-r)/a (5)
式中a为遮挡平面πa的深度，r为参考平面πr的深度；用公式(6)对Wir中的像素进行平移
式中pir为Wir中像素的齐次坐标，pia为pir经过平移操作后像素对应的齐次坐标，θT为零向量的转置，Δpia为由横向和纵向视差构成的二维向量，用公式(7)得到合成孔径图像中像素pa所对应的像素值S(pa)
式中N是相机阵列中相机的数量为16，pia为Wir经过平移后图像中的像素，Y(pia)为像素pia所对应的像素值。
(3)标记合成孔径图像中位于遮挡平面的像素点
用公式(8)定义像素标记的代价函数L(pa)
L(pa)＝D(pa)+αN(pa) (8)
式中D(pa)为代价函数的自身项，N(pa)为代价函数的领域项，α为邻域项的权重，
式中m为像素pa在Wia中的标准四邻域像素集合，Wia为Wir经过平移后的图像，p′i,p′j为m中的元素，Y(p′i)、Y(p′j)分别为像素p′i、像素p′j的像素值，其中i,j＝1,2,…,N，N是相机阵列中相机的数量为16。
得合成孔径图像中各个像素的标记代价L(pa)，与方差阈值ε为3倍N进行比较；若L(pa)小于或等于方差阈值ε，将像素pa标记为遮挡平面上的点，并将像素pa对应的标记项Rl(pa)设为0；若L(pa)大于方差阈值ε时，不标记像素pa，将像素pa对应的标记项Rl(pa)设为1。
其它步骤与实施例1相同。

Claims (2)

1.一种基于像素标记和合成孔径成像的遮挡目标三维重建方法，其特征在于由下述步骤组成：
(1)确定相机内参矩阵K
用内角点标定板对采集相机进行标定，通过标定板摆放在不同位置的图像，提取标定板上12～20个内角点所对应的图像坐标与世界坐标，用公式(1)
式中PI为图像坐标系中内角点的齐次坐标、PW为世界坐标系中内角点的齐次坐标、λ为比例系数、K为相机内参矩阵、R为相机相对于标定板的旋转矩阵、t为相机相对于标定板的平移向量、θT为零向量的转置，得到相机的内参矩阵K
式中f为相机的焦距，x0、y0分别为位于图像中心处图像主点的横坐标和纵坐标；
(2)生成聚焦到遮挡平面πa的合成孔径图像
用由8～16个相机水平组成的相机阵列拍摄目标物体，采集各个位于不同视角的相机图像，用公式(3)得到投影到参考平面πr的图像
Wir＝Hi·Fi (3)
式中，Fi为各个相机所拍摄到的图像，Wir为Fi经过仿射变换投影到平面πr的图像，Hi为从Fi投影到参考平面πr的仿射矩阵，其中i＝1,2,…,N，N为相机阵列中相机的数量，用公式(4)得到聚焦到遮挡平面πa所需要平移的视差Δp
Δp＝ΔX·μ (4)
式中，ΔX为相机之间的相对位置，μ为遮挡平面πa与参考平面πr的相对深度，相对深度
μ＝(a-r)/a (5)
式中a为遮挡平面πa的深度，r为参考平面πr的深度；用公式(6)对Wir中的像素进行平移
式中pir为Wir中像素的齐次坐标，pia为pir经过平移操作后像素对应的齐次坐标，θT为零向量的转置，Δpia为由横向和纵向视差构成的二维向量，用公式(7)得到合成孔径图像中像素pa所对应的像素值S(pa)
式中N为相机阵列中相机的数量，pia为Wir经过平移后图像中的像素，Y(pia)为像素pia所对应的像素值；
(3)标记合成孔径图像中位于遮挡平面的像素点
用公式(8)定义像素标记的代价函数L(pa)
L(pa)＝D(pa)+αN(pa) (8)
式中D(pa)为代价函数的自身项，N(pa)为代价函数的领域项，α为邻域项的权重，
式中m为像素pa在Wia中的标准四邻域像素集合，Wia为Wir经过平移后的图像，p′i,p′j为m中的元素，Y(p′i)、Y(p′j)分别为像素p′i、像素p′j的像素值，其中i,j＝1,2,…,N，N为相机阵列中相机的数量；
得合成孔径图像中各个像素的标记代价L(pa)，与方差阈值ε为3倍N进行比较；若L(pa)小于或等于方差阈值ε，将像素pa标记为遮挡平面上的点，并将像素pa对应的标记项Rl(pa)设为0；若L(pa)大于方差阈值ε时，不标记像素pa，将像素pa对应的标记项Rl(pa)设为1；
(4)生成聚焦到目标平面πa的合成孔径图像
按照步骤(2)中公式(3)～公式(6)的方法，得Wir经过平移操作后的图像Wia；用公式(11)得到标记筛选后合成孔径图像中像素pd所对应的像素值S′(pd)
式中H为标记项Rl(pa)等于1的相机数量，Rl(pa)为像素pa的标记项，pid为图像Wia中的像素，Y′(pid)为像素pid所对应的像素值；
(5)重建目标物体上点的三维坐标
用公式(12)记录像素pd在相机坐标系CV中的齐次坐标
式中，为相机坐标系CV中点的第一维度坐标，为相机坐标系CV中点的第二维度坐标，d为平面πd的深度；分别用公式(13)、公式(14)表示
式中，为图像坐标系中点的第一维度坐标，为图像坐标系中点的第二维度坐标，f为相机的焦距；按照步骤(4)生成聚焦到不同深度平面的合成孔径图像，得到目标物体上点的齐次坐标式中dmin为合成孔径成像可聚焦的最小深度，dmax为合成孔径成像可聚焦的最大深度；将齐次坐标转化为笛卡尔坐标PD
式中分别为齐次坐标的第一维度坐标、第二维度坐标、第三维度坐标，q为齐次坐标PW的第四维度坐标，完成目标物体上点的三维坐标重建。
2.根据权利要求1所述的基于像素标记和合成孔径成像的遮挡目标三维重建方法，其特征在于；在生成聚焦到遮挡平面πa的合成孔径图像步骤(2)中，用由12个相机水平组成的相机阵列拍摄目标物体，采集各个位于不同视角的相机图像，用公式(3)得到投影到参考平面πr的图像为：
Wir＝Hi·Fi (3)
式中，Fi为各个相机所拍摄到的的图像，Wir为Fi经过仿射变换投影到平面πr的图像，Hi为从Fi投影到参考平面πr的仿射矩阵，其中i＝1,2,…,N，N是相机阵列中相机的数量为12，用公式(4)得到聚焦到遮挡平面πa所需要平移的视差Δp
Δp＝ΔX·μ (4)
式中，ΔX为相机之间的相对位置，μ为遮挡平面πa与参考平面πr的相对深度，相对深度
μ＝(a-r)/a (5)
式中a为遮挡平面πa的深度，r为参考平面πr的深度；用公式(6)对Wir中的像素进行平移
式中pir为Wir中像素的齐次坐标，pia为pir经过平移操作后像素对应的齐次坐标，θT为零向量的转置，Δpia为由横向和纵向视差构成的二维向量，用公式(7)得到合成孔径图像中像素pa所对应的像素值S(pa)
式中N是相机阵列中相机的数量为12，pia为Wir经过平移后图像中的像素，Y(pia)为像素pia所对应的像素值。
CN201810139192.2A 2018-02-11 2018-02-11 基于像素标记和合成孔径成像的遮挡目标三维重建方法 Active CN108364345B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810139192.2A CN108364345B (zh) 2018-02-11 2018-02-11 基于像素标记和合成孔径成像的遮挡目标三维重建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810139192.2A CN108364345B (zh) 2018-02-11 2018-02-11 基于像素标记和合成孔径成像的遮挡目标三维重建方法

Publications (2)

Publication Number Publication Date
CN108364345A true CN108364345A (zh) 2018-08-03
CN108364345B CN108364345B (zh) 2021-06-15

Family

ID=63005548

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810139192.2A Active CN108364345B (zh) 2018-02-11 2018-02-11 基于像素标记和合成孔径成像的遮挡目标三维重建方法

Country Status (1)

Country Link
CN (1) CN108364345B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110490943A (zh) * 2019-08-26 2019-11-22 长沙自由视像信息科技有限公司 4d全息捕捉系统的快速精确标定方法、系统及存储介质
CN111523411A (zh) * 2020-04-10 2020-08-11 陕西师范大学 基于语义修补的合成孔径成像方法
CN113538307A (zh) * 2021-06-21 2021-10-22 陕西师范大学 基于多视角超分辨深度网络的合成孔径成像方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101621711A (zh) * 2009-07-23 2010-01-06 东南大学 采用两个相同圆进行摄像机标定的方法
CN102774325A (zh) * 2012-07-31 2012-11-14 西安交通大学 一种后视倒车辅助系统和形成后视障碍图像的方法
CN103236082A (zh) * 2013-04-27 2013-08-07 南京邮电大学 面向捕获静止场景的二维视频的准三维重建方法
US20130272600A1 (en) * 2010-10-15 2013-10-17 Iee International Electronics & Engineering S.A. Range image pixel matching method
CN105513064A (zh) * 2015-12-03 2016-04-20 浙江万里学院 一种基于图像分割和自适应权重的立体匹配方法
CN107194339A (zh) * 2017-05-15 2017-09-22 武汉星巡智能科技有限公司 障碍物识别方法、设备及无人飞行器
CN107588721A (zh) * 2017-08-28 2018-01-16 武汉科技大学 一种基于双目视觉的零件多尺寸的测量方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101621711A (zh) * 2009-07-23 2010-01-06 东南大学 采用两个相同圆进行摄像机标定的方法
US20130272600A1 (en) * 2010-10-15 2013-10-17 Iee International Electronics & Engineering S.A. Range image pixel matching method
CN102774325A (zh) * 2012-07-31 2012-11-14 西安交通大学 一种后视倒车辅助系统和形成后视障碍图像的方法
CN103236082A (zh) * 2013-04-27 2013-08-07 南京邮电大学 面向捕获静止场景的二维视频的准三维重建方法
CN105513064A (zh) * 2015-12-03 2016-04-20 浙江万里学院 一种基于图像分割和自适应权重的立体匹配方法
CN107194339A (zh) * 2017-05-15 2017-09-22 武汉星巡智能科技有限公司 障碍物识别方法、设备及无人飞行器
CN107588721A (zh) * 2017-08-28 2018-01-16 武汉科技大学 一种基于双目视觉的零件多尺寸的测量方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ZHAO PEI等: ""Synthetic aperture imaging using pixel labeling via energy minimization"", 《SCIENCEDIRECT》 *
徐海洋: ""基于图片序列的三维重建技术研究"", 《中国优秀硕士学位论文全文数据库（电子期刊）信息科技辑》 *
戴嘉境: ""基于多幅图像的三维重建理论及算法研究"", 《中国优秀硕士学位论文全文数据库（电子期刊）信息科技辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110490943A (zh) * 2019-08-26 2019-11-22 长沙自由视像信息科技有限公司 4d全息捕捉系统的快速精确标定方法、系统及存储介质
CN110490943B (zh) * 2019-08-26 2022-04-15 深圳市自由视像科技有限公司 4d全息捕捉系统的快速精确标定方法、系统及存储介质
CN111523411A (zh) * 2020-04-10 2020-08-11 陕西师范大学 基于语义修补的合成孔径成像方法
CN111523411B (zh) * 2020-04-10 2023-02-28 陕西师范大学 基于语义修补的合成孔径成像方法
CN113538307A (zh) * 2021-06-21 2021-10-22 陕西师范大学 基于多视角超分辨深度网络的合成孔径成像方法

Also Published As

Publication number Publication date
CN108364345B (zh) 2021-06-15

Similar Documents

Publication Publication Date Title
Lee et al. Brightness-based convolutional neural network for thermal image enhancement
CN114666564B (zh) 一种基于隐式神经场景表示进行虚拟视点图像合成的方法
CN109325981B (zh) 基于聚焦像点的微透镜阵列型光场相机几何参数标定方法
Horisaki et al. Three-dimensional information acquisition using a compound imaging system
Hu et al. Nerf-rpn: A general framework for object detection in nerfs
CN108364345A (zh) 基于像素标记和合成孔径成像的遮挡目标三维重建方法
JP2015215877A (ja) ステレオ画像の対において物体を検出する方法
Bazin et al. Globally optimal inlier set maximization with unknown rotation and focal length
Pulli et al. Mobile panoramic imaging system
CN106846249A (zh) 一种全景视频拼接方法
CN105469042A (zh) 一种改进型的人像比对方法
Fu et al. Image stitching techniques applied to plane or 3-D models: a review
Hong et al. PAR 2 Net: End-to-End Panoramic Image Reflection Removal
Gava et al. Dense scene reconstruction from spherical light fields
CN112070675A (zh) 一种基于图的正则化光场超分辨率方法和光场显微装置
Teepe et al. EarlyBird: Early-Fusion for Multi-View Tracking in the Bird's Eye View
CN108537831A (zh) 对增材制造工件进行ct成像的方法及装置
Zou et al. Research on seamless image stitching based on depth map
CN113610696A (zh) 基于三十二元数矩的光场图像水印处理方法及系统
Liu et al. X-ray layered refocusing imaging based on linear scanning
Ye et al. A rotational stereo model based on xslit imaging
Mukati et al. Light field registration: A multi-view geometry approach
Zhang et al. Research on image matching technology for the spherical stereo vision
Lee et al. Instance segmentation in urban scenes using inverse perspective mapping of 3D point clouds and 2D images
Cheng Research on automatic tracking method of marker points in sports image sequence based on feature matching

Legal Events

Date Code Title Description
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