CN108683897B - 多投影显示系统畸变的智能校正方法 - Google Patents

多投影显示系统畸变的智能校正方法 Download PDF

Info

Publication number
CN108683897B
CN108683897B CN201810424065.7A CN201810424065A CN108683897B CN 108683897 B CN108683897 B CN 108683897B CN 201810424065 A CN201810424065 A CN 201810424065A CN 108683897 B CN108683897 B CN 108683897B
Authority
CN
China
Prior art keywords
circle
projection
marry
feature
pro
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.)
Expired - Fee Related
Application number
CN201810424065.7A
Other languages
English (en)
Other versions
CN108683897A (zh
Inventor
韩成
张超
杨帆
蒋振刚
杨华民
胡汉平
丁莹
权巍
李华
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.)
Changchun University of Science and Technology
Original Assignee
Changchun University of Science and Technology
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 Changchun University of Science and Technology filed Critical Changchun University of Science and Technology
Priority to CN201810424065.7A priority Critical patent/CN108683897B/zh
Publication of CN108683897A publication Critical patent/CN108683897A/zh
Application granted granted Critical
Publication of CN108683897B publication Critical patent/CN108683897B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/12—Picture reproducers
    • H04N9/31—Projection devices for colour picture display, e.g. using electronic spatial light modulators [ESLM]
    • H04N9/3179—Video signal processing therefor
    • H04N9/3185—Geometric adjustment, e.g. keystone or convergence

Abstract

本发明涉及一种多投影显示系统畸变的智能校正方法，其特征在于：通过电缆将相机与计算机进行连接，通过电缆将投影仪与计算机进行连接；通过设计一种以中心区域为唯一性识别准则的投影特征图案，在相机采集投影的特征图案后，首先对特征图案的中心区域位置进行确认，以中心区域为基准向四周进行特征映射求解，从而解决投影特征图案中丢失在投影显示表面时，导致无法求解投影仪和显示表面之间的映射问题。

Description

多投影显示系统畸变的智能校正方法
技术领域
本发明涉及一种多投影显示系统畸变的智能校正方法，属于计算机视觉技术领域。
背景技术
随着计算机视觉技术的快速发展，投影陈展显示在人们的日常生活中起到越来越重要作用，在上海世博会上充分展示了多投影陈展技术的无穷魅力，因此多投影显示系统不仅能够增强显示画面的分辨率，同时也能够提供身临其境的场景。目前多投影系统应用范围越来越广，在各个商场经常出现投影交互增强设备，用户的互动体验非常震撼，因此多投影显示技术成为当前研究热点课题之一。然而，为了实现多投影显示系统无缝拼接，实现高分辨率的显示画面，基本上需利用专业人员利用硬件方式进行调控各个投影显示画面的畸变扭曲问题，从而导致多投影系统的灵活性受到一定限制，同时对应的人工成本相对较高；同时多投影系统在日常生活中，都是针对常规的投影显示表面而言，如果针对非常规的投影显示表面，会面临着严重的扭曲畸变。因此越来越复杂的多投影系统的部署环境和非常规的投影显示表面，对多投影校正技术产生了新的挑战。
对于多投影系统的畸变校正通常是利用事先设计的特征图案和相机作为辅助工具进行校正处理，也即是利用各个投影仪单元分别投射特征图案，相机对特征图案进行采集并求解出各个投影仪与投影显示表面之间的映射关系，从而实现对各个投影单元对应的显示画面的畸变扭曲校正处理。因此多投影系统的几何畸变校正的精准性和时效性，取决于各个投影单元设计的特征图案的可分辩度以及对应的识别算法的精确性等。如AditiMajumder等人提出了一种利用Bezier曲面对投影仪单元与投影显示表面之间的非线性映射关系进行求解，实现对投影显示画面的扭曲畸变校正；Ogata等人则提出了利用矩阵映射方法结合多项式校正方法实现扭曲畸变校正。虽然上述方法能够在一定程度上，实现对多投影显示画面的畸变扭曲校正，然而会存在当各个投影仪单元投射特征图案时，会因投影显示表面无法全部接收到投影特征图案时，会导致非线性映射关系求解错误等问，使得多投影显示系统的智能化程度受到一定限制。
发明内容
本发明的目的在于提供一种多投影显示系统畸变的智能校正方法，其避免了各个投影单元投射的特征图案在投影显示表面的外部区域，使得投影屏幕无法完全显示投影特征图案，从而使得相机无法正确采集到投影显示屏幕的特征图案；设计一种特殊的投影特征图案，考虑到投影显示区域中心能够始终显示在投影屏幕表面上，为此对投影特征图案进行中心区域唯一化设计处理，在后期的特征识别上，首先解决中心区域特征点匹配问题，接着以中心区域为基准向四个方向进行并行搜索匹配特征，从而求解出投影显示区域的特征图案与投影仪原始特征图案之间的非线性映射关系。
本发明的技术方案是这样实现的：一种多投影显示系统畸变的智能校正方法，其特征在于：通过电缆将相机与计算机进行连接，通过电缆将投影仪与计算机进行连接；
具体的步骤如下：
步骤1、设定投影特征图案中的特征圆半径cr＝10pixel，水平方向上特征圆个数xnum＝10，竖直方向上特征圆个数ymun＝10；构建矩阵pro_marry,其大小为xnum行，ynum列,其中矩阵pro_marry中的第i行，第j列矩阵值pro_marry(i，j)存储opencv2.4.10中的cvPoint点类型，即pro_marry(i，j)＝(px(i，j)，py(i，j))；其中px(i，j)为特征圆的中心位置对于的x轴坐标轴，py(i，j)为特征圆的中心位置对于的y轴坐标轴，其值通过利用公式
Figure BDA0001651515070000031
对矩阵pro_marry中的值赋值，从而得到各个特征圆在生成特征图案中的中心位置；
步骤2、当i≠5,j≠5，或者i≠6,j≠4,或者i≠6，j≠7时，利用opencv2.4.10中circle函数进行绘制特征圆，其中circle函数中的半径参数为cr＝10pixel，特征圆的圆心参数为pro_marry(i，j)对应的值，特征圆的颜色Scalar(255,255,255)；而当i＝5,j＝5，或者i＝6,j＝4,或者i＝6，j＝7时，利用opencv2.4.10中circle函数进行绘制特征圆，其中circle函数中的半径参数为cr＝15pixel，特征圆的圆心参数为pro_marry(i，j)对应的值，特征圆的颜色Scalar(255,255,255)。即可生成一副背景色为黑色，特征圆为白色的投影特征图像pro_pattern，该图像分辨率大小为1024×768；
步骤3、对于多投影系统中具有水平方向hn个投影单元3，竖直方向vn个投影单元3,将上述的生成的投影特征图像pro_pattern，按照一定从左到右、从上到下的顺序，依次投影特征图像pro_pattern到投影显示屏幕4，同时利用保持相机2位姿固定并依次采集图像campic_i_j,i＝1,2…hn,j＝1,2…vn；
步骤4、通过利用opencv2.4.10中的cvtColor函数将相机采集的图像campic_i_j进行转换得到图像graypic_i_j，i＝1,2…hn,j＝1,2…vn；利用opencv2.4.10中的threshold函数对图像graypic_i_j进行二值化处理得到图像binary_i_j，i＝1,2…hn,j＝1,2…vn；接着对图像binary_i_j利用opencv2.4.10中函数Canny进行边缘检测，提取图像binary_i_j中的特征圆的轮廓线；再利用opencv2.4.10中函数findContours对特征圆进行边界定位查找通过对检测定位到的特征圆轮廓线进行像素点统计分析，也即是设定一个特征圆周长阈值cri_thr,其值可通过对检测定位的所有特征圆轮廓线中的像素点求取均值来设定。当特征圆的轮廓线中像素点个数大于cri_thr，即为特征图案中的中心区域对应的三个大圆，保存在big_contours集合中，否则保存在cir_contours集合中，其中big_contours集合和cir_contours集合的类型都为opencv2.4.10的vector<vector<Point>>。
步骤5、构建矩阵cam_marry,其大小为xnum行，ynum列,其中矩阵cam_marry中的第i行，第j列矩阵值cam_marry(i，j)存储opencv2.4.10中的cvPoint点类型，即cam_marry(i，j)＝(cx(i，j)，cy(i，j))；利用opencv2.4.10中fitEllipse函数对big_contours集合进行特征图的圆心定位得到三个点point1(x1,y1)，point2(x2，y2)，point3(x3,y3)，并将这三个点赋值给对应的cam_marry矩阵中；利用相似三角形的对应关系，匹配pro_marry(5,5)，pro_marry(6,4)，pro_marry(6,7)与三个点point1(x1,y1)，point2(x2，y2)，point3(x3,y3)之间的一一对应关系。利用opencv2.4.10中fitEllipse函数对cir_contours集合进行特征图的圆心定位保存到cam_marry(i，j)矩阵中，利用上述匹配完的三个点为基准，匹配cam_marry矩阵中其他元素对应的pro_marry矩阵。
步骤6、通过步骤4、5即可建立多投影系统中水平方向中的hn个投影单元和竖直方向vn个投影单元的与相机坐标空间中的特征圆图案中的特征对应关系。
步骤7、利用公式
Figure BDA0001651515070000041
其中px(n,m)和cx(n,m)中的标号n＝xnum，y＝ynum,而k＝1,2…hn×vn，将步骤6匹配完的特征点带入到上述公式中，并通过最小二乘法进行求解上述公式
Figure BDA0001651515070000051
其中T表示矩阵的转置，通过最小二乘法进行求解，即可求解得到多投影系统中的各个映射关系Mk的值。
步骤8：将多投影系统中的各个投影单元对应的投影原始图像，利用非线性映射关系Mk进行仿射变换，从而得到各个投影单元对应的几何扭曲预投影图像。
步骤9：在利用各个投影单元投射对应的几何扭曲预投影图像到投影显示屏幕4上，从而得到多投影无畸变图像。
利用以上步骤可以实现多投影显示系统畸变的智能校正，本发明的积极效果是多投影显示系统畸变的智能校正能够有效避免各个投影单元投射的特征图案在投影显示表面的外部区域，使得投影屏幕无法完全显示投影特征图案，从而使得相机无法正确采集到投影显示屏幕的特征图案的问题，同时能够避免过多人工干预调整投影仪摆放姿态等问题。
本发明的积极效果是避免了各个投影单元摆放姿态导致投影特征图案无法全部呈现在投影显示表面上，而导致的多投影系统的非线性扭曲畸变校正失效地问题，通过设计一种以中心区域为唯一性识别准则的投影特征图案，在相机采集投影的特征图案后，首先对特征图案的中心区域位置进行确认，以中心区域为基准向四周进行特征映射求解，从而解决投影特征图案中丢失在投影显示表面时，导致无法求解投影仪和显示表面之间的映射问题。
附图说明
图1为本发明的结构示意图，其中计算机1、相机2、投影单元3、投影显示屏幕4。
具体实施方式
下面结合附图对本发明做进一步的描述：如图1所示，一种多投影显示系统畸变的智能校正方法，计算机1、相机2、投影单元3、投影显示屏幕4；其特征在于：通过电缆将相机2与计算机1进行连接，通过电缆将投影仪3与计算机1进行连接；
具体的步骤如下：
步骤1、设定投影特征图案中的特征圆半径cr＝10pixel，水平方向上特征圆个数xnum＝10，竖直方向上特征圆个数ymun＝10；构建矩阵pro_marry,其大小为xnum行，ynum列,其中矩阵pro_marry中的第i行，第j列矩阵值pro_marry(i，j)存储opencv2.4.10中的cvPoint点类型，即pro_marry(i，j)＝(px(i，j)，py(i，j))；其中px(i，j)为特征圆的中心位置对于的x轴坐标轴，py(i，j)为特征圆的中心位置对于的y轴坐标轴，其值通过利用公式
Figure BDA0001651515070000061
对矩阵pro_marry中的值赋值，从而得到各个特征圆在生成特征图案中的中心位置。
步骤2、当i≠5,j≠5，或者i≠6,j≠4,或者i≠6，j≠7时，利用opencv2.4.10中circle函数进行绘制特征圆，其中circle函数中的半径参数为cr＝10pixel，特征圆的圆心参数为pro_marry(i，j)对应的值，特征圆的颜色Scalar(255,255,255)；而当i＝5,j＝5，或者i＝6,j＝4,或者i＝6，j＝7时，利用opencv2.4.10中circle函数进行绘制特征圆，其中circle函数中的半径参数为cr＝15pixel，特征圆的圆心参数为pro_marry(i，j)对应的值，特征圆的颜色Scalar(255,255,255)。即可生成一副背景色为黑色，特征圆为白色的投影特征图像pro_pattern，该图像分辨率大小为1024×768。
步骤3、对于多投影系统中具有水平方向hn＝2个投影单元3，竖直方向vn＝1个投影单元3,将上述的生成的投影特征图像pro_pattern，按照一定从左到右、从上到下的顺序，依次投影特征图像pro_pattern到投影显示屏幕4，同时利用保持相机2位姿固定并依次采集图像campic_i_j,i＝1,2…hn,j＝1,2…vn。
步骤4、通过利用opencv2.4.10中的cvtColor函数将相机采集的图像campic_i_j进行转换得到图像graypic_i_j，i＝1,2…hn,j＝1,2…vn；利用opencv2.4.10中的threshold函数对图像graypic_i_j进行二值化处理得到图像binary_i_j，i＝1,2…hn,j＝1,2…vn；接着对图像binary_i_j利用opencv2.4.10中函数Canny进行边缘检测，提取图像binary_i_j中的特征圆的轮廓线；再利用opencv2.4.10中函数findContours对特征圆进行边界定位查找通过对检测定位到的特征圆轮廓线进行像素点统计分析，也即是设定一个特征圆周长阈值cri_thr,其值可通过对检测定位的所有特征圆轮廓线中的像素点求取均值来设定。当特征圆的轮廓线中像素点个数大于cri_thr，即为特征图案中的中心区域对应的三个大圆，保存在big_contours集合中，否则保存在cir_contours集合中，其中big_contours集合和cir_contours集合的类型都为opencv2.4.10的vector<vector<Point>>。
步骤5、构建矩阵cam_marry,其大小为xnum行，ynum列,其中矩阵cam_marry中的第i行，第j列矩阵值cam_marry(i，j)存储opencv2.4.10中的cvPoint点类型，即cam_marry(i，j)＝(cx(i，j)，cy(i，j))；利用opencv2.4.10中fitEllipse函数对big_contours集合进行特征图的圆心定位得到三个点point1(x1,y1)，point2(x2，y2)，point3(x3,y3)，并将这三个点赋值给对应的cam_marry矩阵中；利用相似三角形的对应关系，匹配pro_marry(5,5)，pro_marry(6,4)，pro_marry(6,7)与三个点point1(x1,y1)，point2(x2，y2)，point3(x3,y3)之间的一一对应关系。利用opencv2.4.10中fitEllipse函数对cir_contours集合进行特征图的圆心定位保存到cam_marry(i，j)矩阵中，利用上述匹配完的三个点为基准，匹配cam_marry矩阵中其他元素对应的pro_marry矩阵。
步骤6、通过步骤4、5即可建立多投影系统中水平方向中的hn个投影单元和竖直方向vn个投影单元的与相机坐标空间中的特征圆图案中的特征对应关系。
步骤7、利用公式
Figure BDA0001651515070000081
其中px(n,m)和cx(n,m)中的标号n＝xnum，y＝ynum,而k＝1,2…hn×vn，将步骤6匹配完的特征点带入到上述公式中，并通过最小二乘法进行求解上述公式
Figure BDA0001651515070000082
其中T表示矩阵的转置，通过最小二乘法进行求解，即可求解得到多投影系统中的各个映射关系Mk的值。
步骤8：将多投影系统中的各个投影单元对应的投影原始图像，利用非线性映射关系Mk进行仿射变换，从而得到各个投影单元对应的几何扭曲预投影图像。
步骤9：在利用各个投影单元投射对应的几何扭曲预投影图像到投影显示屏幕4上，从而得到多投影无畸变图像。
利用以上步骤可以实现多投影显示系统畸变的智能校正，本发明的积极效果是多投影显示系统畸变的智能校正能够有效避免各个投影单元投射的特征图案在投影显示表面的外部区域，使得投影屏幕无法完全显示投影特征图案，从而使得相机无法正确采集到投影显示屏幕的特征图案的问题，同时能够避免过多人工干预调整投影仪摆放姿态等问题。

Claims (1)

1.一种多投影显示系统畸变的智能校正方法，其特征在于：通过电缆将相机与计算机进行连接，通过电缆将投影仪与计算机进行连接；
具体的步骤如下：
步骤1、设定投影特征图案中的特征圆半径cr＝10pixel，水平方向上特征圆个数xnum＝10，竖直方向上特征圆个数ymun＝10；构建矩阵pro_marry，其大小为xnum行，ynum列,其中矩阵pro_marry中的第i行，第j列矩阵值pro_marry(i，j)存储opencv2.4.10中的cvPoint点类型，即pro_marry(i，j)＝(px(i，j)，py(i，j))；其中px(i，j)为特征圆的中心位置对于的x轴坐标轴，py(i，j)为特征圆的中心位置对于的y轴坐标轴，其值通过利用公式
px(i,j)＝cr+(768-2×cr)/(xnum-1)×j
py(i,j)＝cr+(1024-2×cr)/(ynum-1)×i
对矩阵pro_marry中的值赋值，从而得到各个特征圆在生成特征图案中的中心位置；
步骤2、当i≠5，j≠5，或者i≠6，j≠4，或者i≠6，j≠7时，利用opencv2.4.10中circle函数进行绘制特征圆，其中circle函数中的半径参数为cr＝10pixel，特征圆的圆心参数为pro_marry(i，j)对应的值，特征圆的颜色Scalar(255,255,255)；而当i＝5，j＝5，或者i＝6，j＝4，或者i＝6，j＝7时，利用opencv2.4.10中circle函数进行绘制特征圆，其中circle函数中的半径参数为cr＝15pixel，特征圆的圆心参数为pro_marry(i，j)对应的值，特征圆的颜色Scalar(255,255,255)；即可生成一副背景色为黑色，特征圆为白色的投影特征图像pro_pattern，该图像分辨率大小为1024×768；
步骤3、对于多投影系统中具有水平方向hn个投影单元(3)、竖直方向vn个投影单元(3)，则需将上述生成的投影特征图像pro_pattern，按照从左到右、从上到下的顺序，依次投影特征图像pro_pattern到投影显示屏幕(4)，同时利用位姿固定的相机(2)依次采集图像campic_i_j，i＝1，2…hn、j＝1，2…vn；
步骤4、通过利用opencv2.4.10中的cvtColor函数将相机采集的图像campic_i_j进行转换得到图像graypic_i_j，i＝1，2…hn，j＝1,2…vn；利用opencv2.4.10中的threshold函数对图像graypic_i_j进行二值化处理得到图像binary_i_j，i＝1，2…hn，j＝1，2…vn；接着对图像binary_i_j利用opencv2.4.10中函数Canny进行边缘检测，提取图像binary_i_j中的特征圆的轮廓线；再利用opencv 2.4.10的函数findContours对特征圆进行边界定位查找，通过对检测定位到的特征圆轮廓线进行像素点统计分析，也即是设定一个特征圆周长阈值cri_thr，其值可通过对检测定位的所有特征圆轮廓线中的像素点求取均值来设定；当特征圆的轮廓线中像素点个数大于cri_thr，即为特征图案中的中心区域对应的三个大圆，保存在big_contours集合中，否则保存在cir_contours集合中，其中big_contours集合和cir_contours集合的类型都为opencv2.4.10的vector<vector<Point>>；
步骤5、构建矩阵cam_marry,其大小为xnum行，ynum列,其中矩阵cam_marry中的第i行，第j列矩阵值cam_marry(i，j)存储opencv2.4.10中的cvPoint点类型，即cam_marry(i，j)＝(cx(i，j)，cy(i，j))；利用opencv2.4.10中fitEllipse函数对big_contours集合进行特征图的圆心定位得到三个点point1(x1，y1)，point2(x2，y2)，point3(x3，y3)，利用相似三角形原理，寻找pro_marry(5,5)、pro_marry(6,4)、pro_marry(6，7)三个点与point1(x1，y1)、point2(x2，y2)、point3(x3，y3)三个点对应匹配关系，利用其匹配关系将这三个点point1(x1，y1)、point2(x2，y2)、point3(x3，y3)赋值给对应的cam_marry矩阵中对应的元素；利用opencv2.4.10中fitEllips函数对cir_contours集合进行特征图的圆心定位，以上述cam_marry中赋值的三个点为基准，将定位出的cir_contours集合的圆心保存到cam_marry(i，j)矩阵中对应位置；
步骤6、通过步骤4、5即可建立多投影系统中水平方向中的hn个投影单元和竖直方向vn个投影单元的与相机坐标空间中的特征圆图案中的特征对应关系；
步骤7、利用公式
Figure FDA0002404793520000021
其中px(n,m)和cx(n,m)中的标号n＝xnum，y＝ynum,而k＝1,2…hn×vn，将步骤6匹配完的特征点带入到上述公式中，并通过最小二乘法进行求解上述公式
Figure FDA0002404793520000022
其中T表示矩阵的转置，通过最小二乘法进行求解，即可求解得到多投影系统中的各个映射关系Mk的值；
步骤8：将多投影系统中的各个投影单元对应的投影原始图像，利用非线性映射关系进行仿射变换，从而得到各个投影单元对应的几何扭曲预投影图像；
步骤9：在利用各个投影单元投射对应的几何扭曲预投影图像到投影显示屏幕(4)上，从而得到多投影无畸变图像。
CN201810424065.7A 2018-05-07 2018-05-07 多投影显示系统畸变的智能校正方法 Expired - Fee Related CN108683897B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810424065.7A CN108683897B (zh) 2018-05-07 2018-05-07 多投影显示系统畸变的智能校正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810424065.7A CN108683897B (zh) 2018-05-07 2018-05-07 多投影显示系统畸变的智能校正方法

Publications (2)

Publication Number Publication Date
CN108683897A CN108683897A (zh) 2018-10-19
CN108683897B true CN108683897B (zh) 2020-05-19

Family

ID=63801513

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810424065.7A Expired - Fee Related CN108683897B (zh) 2018-05-07 2018-05-07 多投影显示系统畸变的智能校正方法

Country Status (1)

Country Link
CN (1) CN108683897B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110769228B (zh) * 2019-04-30 2022-05-06 成都极米科技股份有限公司 实现投影画面拼接的方法、装置及投影系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007333521A (ja) * 2006-06-14 2007-12-27 Fuji Heavy Ind Ltd 要素分割法、要素分割演算装置及び損傷進展解析装置
CN104410804A (zh) * 2014-11-10 2015-03-11 苏州佳世达光电有限公司 一种梯形失真校正方法以及投影装置
US9641733B1 (en) * 2013-10-28 2017-05-02 Apple Inc. Miniature camera plural image sensor arrangements

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100374791B1 (ko) * 2000-11-22 2003-03-04 삼성전자주식회사 영상의 영역 구분 방법 및 장치
CA2677884A1 (en) * 2007-02-14 2008-08-21 Photint Venture Group Inc. Banana codec
JP5440250B2 (ja) * 2010-02-26 2014-03-12 セイコーエプソン株式会社 補正情報算出装置、画像処理装置、画像表示システム、および画像補正方法
CN103903274B (zh) * 2014-04-22 2016-09-21 四川川大智胜软件股份有限公司 一种小半径大曲率畸变曲面投影校正融合的方法
CN107580203B (zh) * 2017-07-18 2019-01-15 长春理工大学 沉浸式主动立体投影透视变换矩阵求解方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007333521A (ja) * 2006-06-14 2007-12-27 Fuji Heavy Ind Ltd 要素分割法、要素分割演算装置及び損傷進展解析装置
US9641733B1 (en) * 2013-10-28 2017-05-02 Apple Inc. Miniature camera plural image sensor arrangements
CN104410804A (zh) * 2014-11-10 2015-03-11 苏州佳世达光电有限公司 一种梯形失真校正方法以及投影装置

Also Published As

Publication number Publication date
CN108683897A (zh) 2018-10-19

Similar Documents

Publication Publication Date Title
JP6859442B2 (ja) キャリブレーション装置、キャリブレーションシステム、およびキャリブレーション方法
CN109509226B (zh) 三维点云数据配准方法、装置、设备及可读存储介质
JP6507730B2 (ja) 座標変換パラメータ決定装置、座標変換パラメータ決定方法及び座標変換パラメータ決定用コンピュータプログラム
CN113160339B (zh) 一种基于沙姆定律的投影仪标定方法
CN113841384B (zh) 校准装置，用于校准的图表和校准方法
WO2001047285A1 (en) Method and apparatus for calibrating projector-camera system
CN110163025A (zh) 二维码定位方法及装置
JPWO2018235163A1 (ja) キャリブレーション装置、キャリブレーション用チャート、チャートパターン生成装置、およびキャリブレーション方法
CN103345736A (zh) 一种虚拟视点绘制方法
CN106952219B (zh) 一种基于外参数修正鱼眼像机的图像生成方法
CN106886976B (zh) 一种基于内参数修正鱼眼像机的图像生成方法
WO2021035627A1 (zh) 获取深度图的方法、装置及计算机存储介质
JP2940736B2 (ja) 画像処理装置及びこの画像処理装置における歪み補正方法
CN112927307A (zh) 一种标定方法、装置、电子设备及存储介质
CN114549666B (zh) 一种基于agv的环视图像拼接标定方法
CN113329179A (zh) 拍摄对位方法、装置、设备及存储介质
CN112381887A (zh) 一种多深度相机标定方法、装置、设备和介质
CN108683897B (zh) 多投影显示系统畸变的智能校正方法
CN115830135A (zh) 一种图像处理方法、装置及电子设备
CN107958489B (zh) 一种曲面重建方法及装置
CN113989392A (zh) 拼接摄像机的彩色棋盘格标定方法、装置及摄像机
JP7474137B2 (ja) 情報処理装置およびその制御方法
CN107507133B (zh) 一种基于圆管作业机器人的实时图像拼接方法
CN112446926A (zh) 一种激光雷达与多目鱼眼相机的相对位置标定方法及装置
CN113112532B (zh) 一种多ToF相机系统实时配准方法

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200519