CN109151444A - 3d智能像素增强引擎 - Google Patents
3d智能像素增强引擎 Download PDFInfo
- Publication number
- CN109151444A CN109151444A CN201811342645.8A CN201811342645A CN109151444A CN 109151444 A CN109151444 A CN 109151444A CN 201811342645 A CN201811342645 A CN 201811342645A CN 109151444 A CN109151444 A CN 109151444A
- Authority
- CN
- China
- Prior art keywords
- image
- submodule
- target
- point
- module
- 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)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种3D智能像素增强引擎，3D智能像素增强引擎包括一对齐模块、一选优模块以及一增强模块，对齐模块用于获取一头部的若干帧的3D影像，并利用人工智能算法调节每一帧3D影像的空间位置使每一帧的3D影像处于目标位置；选优模块用于通过人工智能识别技术在全部3D影像查找异常3D影像，并根据除异常3D影像以外的3D影像处理异常3D影像以获取优质3D影像；增强模块用于增强所述选优模块及所述对齐模块处理过的3D影像的像素以生成一3D增强影像。本发明的3D智能像素增强引擎能够有效提高影像的质量，提供一种精细建模方式使消费级3D相机达到专业级3D拍照效果。
Description
技术领域
本发明涉及一种3D智能像素增强引擎。
背景技术
三维重建是指对三维物体建立适合计算机表示和处理的数学模型，是在计算机环境下对其进行处理、操作和分析其性质的基础，也是在计算机中建立表达客观世界的虚拟现实的关键技术。
物体三维重建是计算机辅助几何设计、计算机图形学、计算机动画、计算机视觉、医学图像处理、科学计算和虚拟现实、数字媒体创作等领域的共性科学问题和核心技术。在计算机内生成物体三维表示主要有两类方法。一类是使用几何建模软件通过人机交互生成人为控制下的物体三维几何模型，另一类是通过一定的手段获取真实物体的几何形状。前者实现技术已经十分成熟。后者一般称为三维重建过程，三维重建是指利用二维投影恢复物体三维信息的数学过程和计算机技术，包括数据获取、预处理、点云拼接和特征分析等步骤。
现有的三维重建所生成的3D模型质量较差。
发明内容
本发明要解决的技术问题是为了克服现有技术中三维重建所生成的3D模型质量较差的缺陷，提供一种能够有效提高影像的质量，提供一种精细建模方式使消费级3D相机达到专业级3D拍照效果3D智能像素增强引擎。
本发明是通过下述技术方案来解决上述技术问题：
一种3D智能像素增强引擎，其特点在于，所述3D智能像素增强引擎包括一对齐模块、一选优模块以及一增强模块，
所述对齐模块用于获取一头部的若干帧的3D影像，并利用人工智能算法调节每一帧3D影像的空间位置使每一帧的3D影像处于目标位置，在所述目标位置上的3D影像中，任意相邻的两帧3D影像包括一相互对应的重叠对齐区域；
所述选优模块用于通过人工智能识别技术在全部3D影像查找异常3D影像，并根据除异常3D影像以外的3D影像处理异常3D影像以获取优质3D影像；
所述增强模块用于增强所述选优模块及所述对齐模块处理过的3D影像的像素以生成一3D增强影像。
较佳地，所述对齐模块包括一获取子模块、一识别子模块以及一调节子模块，
所述获取子模块用于获取一头部的若干帧的3D影像；
所述识别子模块用于识别3D影像上的特征点；
所述调节子模块用于利用人工智能算法通过对应特征点对齐来调节每一帧3D影像的空间位置使每一帧的3D影像处于目标位置，其中，在所述目标位置上的3D影像中，任意相邻的两帧3D影像包括一相互对应的重叠对齐区域。
较佳地，
对于选取的一目标3D影像，所述识别子模块用于识别目标3D影像及目标3D影像的相邻帧影像的特征点；
所述调节子模块用于利用人工智能算法通过对应特征点对齐来调节目标3D影像的相邻帧影像的空间位置至目标3D影像所在的空间位置，所述目标3D影像所在的空间位置为目标位置；
所述识别子模块还用于识别处理影像的特征点，所述处理影像为调节至目标位置的3D影像的相邻帧影像；
所述调节子模块还用于通过对应特征点对齐来调节处理影像的空间位置至目标3D影像所在的空间位置直至全部3D影像调节至所述目标位置。
较佳地，所述对齐模块包括一选取子模块，所述选取子模块用于通过一横截面截取每一帧3D影像，然后在每一帧的截面上获取相交线的两个端点并获取两个端点的切线，并选取两个端点的切线夹角最小的3D影像为目标3D影像。
较佳地，
所述选优模块用于通过人工智能识别技术在全部3D影像查找异常3D影像，并根据除异常3D影像以外的3D影像的空间位置规律修正异常3D影像的空间位置；
所述选优模块还包括一获取子模块、一处理子模块以及一查找子模块，
所述获取子模块用于获取每一帧3D影像中目标模型的边界；
所述处理子模块用于根据全部3D影像中目标模型在自身影像中的位置获取一影像区域；
所述查找子模块用于通过人工智能识别技术在全部3D影像查找目标模型超出所述影像区域的3D影像作为所述异常3D影像。
较佳地，所述选优模块还包括一选取子模块以及一计算子模块，
所述选取子模块用于获取一目标区域；
所述计算子模块用于计算目标模型在自身影像中处于所述目标区域的3D影像的数量；
所述处理子模块用于将所述数量占全部3D影像的数量的百分比为预设值的目标区域作为所述影像区域。
较佳地，
所述选优模块用于通过人工智能识别技术在全部3D影像查找异常3D影像，并通过人工智能识别技术根据除异常3D影像以外的3D影像的影像质量删除异常3D影像。
较佳地，所述增强模块包括一获取子模块、一生成子模块以及一增强子模块，
所述获取子模块用于获取所述选优模块及所述对齐模块处理过的3D影像作为3D初始影像；
对于3D初始影像上的目标影像点，所述生成子模块用于通过人工智能技术根据目标影像点的深度信息生成一与目标影像点对应的影像点组，所述影像点组中的每一影像点的深度信息与所述目标影像点的深度信息相匹配；
所述增强子模块用于根据3D初始影像上的全部目标影像点对应的影像点组生成一3D增强影像。
较佳地，所述增强模块包括一选取子模块，
对于3D初始影像上的目标影像点，所述选取子模块用于在目标位置上的3D影像中获取目标影像点距离拍摄镜头最近的一帧3D影像；
所述生成子模块用于通过人工智能技术根据距离拍摄镜头最近的一帧3D影像上目标影像点的深度信息生成一与目标影像点对应的影像点组。
较佳地，所述影像点组的中心影像点的深度信息与影像点组对应的目标影像点的深度信息相同，
对于一个3D初始影像上的目标影像点，所述获取子模块还用于获取目标影像点的相邻影像点；
所述生成子模块还用于根据目标影像点与相邻影像点的深度信息生成一个目标影像点在相邻影像点方向上的增强影像点，其中增强影像点的深度信息介于目标影像点与相邻影像点的深度信息之间，然后集合目标影像点的全部增强影像点生成所述影像点组。
在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本发明各较佳实例。
本发明的积极进步效果在于：本发明的3D智能像素增强引擎能够有效提高影像的质量，提供一种精细建模方式使消费级3D相机达到专业级3D拍照效果。
附图说明
图1为本发明实施例1的3D智能像素增强引擎的结构示意图。
图2为本发明实施例1的影像点的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
实施例1
本实施例提供一种3D智能像素增强引擎，所述3D智能像素增强引擎包括一对齐模块、一选优模块以及一增强模块。
所述对齐模块用于获取一头部的若干帧的3D影像，并利用人工智能算法调节每一帧3D影像的空间位置使每一帧的3D影像处于目标位置，在所述目标位置上的3D影像中，任意相邻的两帧3D影像包括一相互对应的重叠对齐区域。
具体地，所述对齐模块包括一获取子模块、一识别子模块以及一调节子模块。
所述获取子模块用于获取一头部的若干帧的3D影像。
本实施例中所述3D影像通过拍摄装置获取，还能够通过调用其他存储器中的数据获取。所述若干帧的3D影像通过3D摄像获取，具体通过手机拍摄3D视频流，每一帧的影像为所述3D影像。
所述识别子模块用于识别3D影像上的特征点；
所述调节子模块用于利用人工智能算法通过对应特征点对齐来调节每一帧3D影像的空间位置使每一帧的3D影像处于目标位置，其中，在所述目标位置上的3D影像中，任意相邻的两帧3D影像包括一相互对应的重叠对齐区域。
本实施例能够将每一帧的影像都调整到指定位置，如从正面和侧面拍摄头部获取的两幅影像，若在同一界面下显示需要按照其中一幅旋转另一幅能将两幅影像对齐。重叠对齐后，全部帧的3D影像能够相互比对、弥补之间的缺陷，从而能够为获取更清晰的3D模型做铺垫。所述重叠对齐区域为将每一幅图整理到相同的位置，如根据眼睛的位置将每一幅图的眼睛调节到一个空间位置上，眼睛对齐后其他区域也相应的对齐了。
利用人工智能的识别能力能够自动将各个影像调整到目标角度。
为了使全部3D影像向一个基础影像对齐：
对于选取的一目标3D影像，所述识别子模块用于识别目标3D影像及目标3D影像的相邻帧影像的特征点；
所述调节子模块用于利用人工智能算法通过对应特征点对齐来调节目标3D影像的相邻帧影像的空间位置至目标3D影像所在的空间位置，所述目标3D影像所在的空间位置为目标位置；
所述识别子模块还用于识别处理影像的特征点，所述处理影像为调节至目标位置的3D影像的相邻帧影像；
所述调节子模块还用于通过对应特征点对齐来调节处理影像的空间位置至目标3D影像所在的空间位置直至全部3D影像调节至所述目标位置。
为了获取一跨度较大的3D影像作为基础影像，所述对齐模块包括一选取子模块，所述选取子模块用于通过一横截面截取每一帧3D影像，然后在每一帧的截面上获取相交线的两个端点并获取两个端点的切线，并选取两个端点的切线夹角最小的3D影像为目标3D影像。
所述选优模块用于通过人工智能识别技术在全部3D影像查找异常3D影像，并根据除异常3D影像以外的3D影像处理异常3D影像以获取优质3D影像。
所述异常3D影像包括视频流拍摄过程中头部的扭动影像以及影像质量较差的3D影像。
对于视频流拍摄过程中头部的扭动影像，所述选优模块用于通过人工智能识别技术在全部3D影像查找异常3D影像，并根据除异常3D影像以外的3D影像的空间位置规律修正异常3D影像的空间位置；
具体地，所述选优模块还包括一获取子模块、一处理子模块以及一查找子模块。
所述获取子模块用于获取每一帧3D影像中目标模型的边界；
所述处理子模块用于根据全部3D影像中目标模型在自身影像中的位置获取一影像区域；
所述查找子模块用于通过人工智能识别技术在全部3D影像查找目标模型超出所述影像区域的3D影像作为所述异常3D影像。
具体获取影像区域的方式为：所述选优模块还包括一选取子模块以及一计算子模块。
所述选取子模块用于获取一目标区域；
所述计算子模块用于计算目标模型在自身影像中处于所述目标区域的3D影像的数量；
所述处理子模块用于将所述数量占全部3D影像的数量的百分比为预设值的目标区域作为所述影像区域。
所述异常3D影像包括尺寸异常及影像角度异常，在拍摄时通常是按线性轨迹进行拍摄，这时拍摄目标移动会造成部分帧的影像尺寸及角度的异常，通过全局影像的人工智能学习，能够分析出异常尺寸及角度并进行尺寸和角度的修正。
对于尺寸过大的3D影像则目标模型超出影像区域，则将所述尺寸调小；若尺寸过小则目标模型边界距离影像区域边界较远则将所述尺寸调大。若3D影像中目标模型升高、下降都会超出所述影像区域，对于超出影像区域的3D影像进行角度、位置的修正。
对于影像质量较差的3D影像，所述选优模块用于通过人工智能识别技术在全部3D影像查找异常3D影像，并通过人工智能识别技术根据除异常3D影像以外的3D影像的影像质量删除异常3D影像。
所述增强模块用于增强所述选优模块及所述对齐模块处理过的3D影像的像素以生成一3D增强影像。
具体地，所述增强模块包括一获取子模块、一生成子模块以及一增强子模块，
所述获取子模块用于获取所述选优模块及所述对齐模块处理过的3D影像作为3D初始影像；
对于3D初始影像上的目标影像点，所述生成子模块用于通过人工智能技术根据目标影像点的深度信息生成一与目标影像点对应的影像点组，所述影像点组中的每一影像点的深度信息与所述目标影像点的深度信息相匹配；
所述增强子模块用于根据3D初始影像上的全部目标影像点对应的影像点组生成一3D增强影像。
所述人工智能技术的学习样本可以是人脸数据库，比如选取一个影像点根据其他高清人脸的影像点周围影像的起伏规律，能够推算出影像点扩展成的影像点组。
为了进一步的提高像素质量，所述增强模块包括一选取子模块。
对于3D初始影像上的目标影像点，所述选取子模块用于在目标位置上的3D影像中获取目标影像点距离拍摄镜头最近的一帧3D影像；
所述生成子模块用于通过人工智能技术根据距离拍摄镜头最近的一帧3D影像上目标影像点的深度信息生成一与目标影像点对应的影像点组。
利用记载目标影像点质量最好的3D影像生成的影像点组更加准确。
本实施例还提供了具体影像点组生成方式：
所述影像点组的中心影像点的深度信息与影像点组对应的目标影像点的深度信息相同，
对于一个3D初始影像上的目标影像点，所述获取子模块还用于获取目标影像点的相邻影像点；
所述生成子模块还用于根据目标影像点与相邻影像点的深度信息生成一个目标影像点在相邻影像点方向上的增强影像点，其中增强影像点的深度信息介于目标影像点与相邻影像点的深度信息之间，然后集合目标影像点的全部增强影像点生成所述影像点组。
具体地，利用本申请的3D智能像素增强引擎能够将影像点组进行拼接生成一像素质量更高的模型。
具体的拼接方式如下：
同一影像点组中的中心影像点与除中心影像点以外增强影像点均相邻。一种影像点组中的影像点分布方式。
拼接目标影像点组与相邻影像点组；
调节中心影像点与相邻中心影像点之间的两个增强影像点的深度信息使中心影像点、两个增强影像点及相邻中心影像点的深度信息递增或递减。
参见图2，第一中心影像点11右侧的增强影像点12与第二中心影像点13左侧的增强影像点14相邻(箭头右侧为剖面结构)，第一中心影像点的深度信息为90，第二中心影像点的深度信息为100，则两个增强影像点的深度信息介于90和100之间，且第一中心影像点、右侧的增强影像点、第二中心影像点左侧的增强影像点、第二中心影像点按深度信息递增。
两个中间增强影像点的具体深度信息可以通过人工智能根据中心影像点的位置自动获取所称弧度，如在鼻尖的弧度较大，在面部的弧度较小。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。
Claims (10)
1.一种3D智能像素增强引擎，其特征在于，所述3D智能像素增强引擎包括一对齐模块、一选优模块以及一增强模块，
所述对齐模块用于获取一头部的若干帧的3D影像，并利用人工智能算法调节每一帧3D影像的空间位置使每一帧的3D影像处于目标位置，在所述目标位置上的3D影像中，任意相邻的两帧3D影像包括一相互对应的重叠对齐区域；
所述选优模块用于通过人工智能识别技术在全部3D影像查找异常3D影像，并根据除异常3D影像以外的3D影像处理异常3D影像以获取优质3D影像；
所述增强模块用于增强所述选优模块及所述对齐模块处理过的3D影像的像素以生成一3D增强影像。
2.如权利要求1所述的3D智能像素增强引擎，其特征在于，所述对齐模块包括一获取子模块、一识别子模块以及一调节子模块，
所述获取子模块用于获取一头部的若干帧的3D影像；
所述识别子模块用于识别3D影像上的特征点；
所述调节子模块用于利用人工智能算法通过对应特征点对齐来调节每一帧3D影像的空间位置使每一帧的3D影像处于目标位置，其中，在所述目标位置上的3D影像中，任意相邻的两帧3D影像包括一相互对应的重叠对齐区域。
3.如权利要求2所述的3D智能像素增强引擎，其特征在于，
对于选取的一目标3D影像，所述识别子模块用于识别目标3D影像及目标3D影像的相邻帧影像的特征点；
所述调节子模块用于利用人工智能算法通过对应特征点对齐来调节目标3D影像的相邻帧影像的空间位置至目标3D影像所在的空间位置，所述目标3D影像所在的空间位置为目标位置；
所述识别子模块还用于识别处理影像的特征点，所述处理影像为调节至目标位置的3D影像的相邻帧影像；
所述调节子模块还用于通过对应特征点对齐来调节处理影像的空间位置至目标3D影像所在的空间位置直至全部3D影像调节至所述目标位置。
4.如权利要求3所述的3D智能像素增强引擎，其特征在于，所述对齐模块包括一选取子模块，所述选取子模块用于通过一横截面截取每一帧3D影像，然后在每一帧的截面上获取相交线的两个端点并获取两个端点的切线，并选取两个端点的切线夹角最小的3D影像为目标3D影像。
5.如权利要求1所述的3D智能像素增强引擎，其特征在于，
所述选优模块用于通过人工智能识别技术在全部3D影像查找异常3D影像，并根据除异常3D影像以外的3D影像的空间位置规律修正异常3D影像的空间位置；
所述选优模块还包括一获取子模块、一处理子模块以及一查找子模块，
所述获取子模块用于获取每一帧3D影像中目标模型的边界；
所述处理子模块用于根据全部3D影像中目标模型在自身影像中的位置获取一影像区域；
所述查找子模块用于通过人工智能识别技术在全部3D影像查找目标模型超出所述影像区域的3D影像作为所述异常3D影像。
6.如权利要求5所述的3D智能像素增强引擎，其特征在于，所述选优模块还包括一选取子模块以及一计算子模块，
所述选取子模块用于获取一目标区域；
所述计算子模块用于计算目标模型在自身影像中处于所述目标区域的3D影像的数量；
所述处理子模块用于将所述数量占全部3D影像的数量的百分比为预设值的目标区域作为所述影像区域。
7.如权利要求1所述的3D智能像素增强引擎，其特征在于，
所述选优模块用于通过人工智能识别技术在全部3D影像查找异常3D影像，并通过人工智能识别技术根据除异常3D影像以外的3D影像的影像质量删除异常3D影像。
8.如权利要求1所述的3D智能像素增强引擎，其特征在于，所述增强模块包括一获取子模块、一生成子模块以及一增强子模块，
所述获取子模块用于获取所述选优模块及所述对齐模块处理过的3D影像作为3D初始影像；
对于3D初始影像上的目标影像点，所述生成子模块用于通过人工智能技术根据目标影像点的深度信息生成一与目标影像点对应的影像点组，所述影像点组中的每一影像点的深度信息与所述目标影像点的深度信息相匹配；
所述增强子模块用于根据3D初始影像上的全部目标影像点对应的影像点组生成一3D增强影像。
9.如权利要求8所述的3D智能像素增强引擎，其特征在于，所述增强模块包括一选取子模块，
对于3D初始影像上的目标影像点，所述选取子模块用于在目标位置上的3D影像中获取目标影像点距离拍摄镜头最近的一帧3D影像；
所述生成子模块用于通过人工智能技术根据距离拍摄镜头最近的一帧3D影像上目标影像点的深度信息生成一与目标影像点对应的影像点组。
10.如权利要求8所述的3D智能像素增强引擎，其特征在于，所述影像点组的中心影像点的深度信息与影像点组对应的目标影像点的深度信息相同，
对于一个3D初始影像上的目标影像点，所述获取子模块还用于获取目标影像点的相邻影像点；
所述生成子模块还用于根据目标影像点与相邻影像点的深度信息生成一个目标影像点在相邻影像点方向上的增强影像点，其中增强影像点的深度信息介于目标影像点与相邻影像点的深度信息之间，然后集合目标影像点的全部增强影像点生成所述影像点组。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811342645.8A CN109151444B (zh) | 2018-11-13 | 2018-11-13 | 3d智能像素增强引擎 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811342645.8A CN109151444B (zh) | 2018-11-13 | 2018-11-13 | 3d智能像素增强引擎 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109151444A true CN109151444A (zh) | 2019-01-04 |
| CN109151444B CN109151444B (zh) | 2020-09-08 |
Family
ID=64805737
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811342645.8A Active CN109151444B (zh) | 2018-11-13 | 2018-11-13 | 3d智能像素增强引擎 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109151444B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102316352A (zh) * | 2011-08-08 | 2012-01-11 | 清华大学 | 一种基于区域连通图的立体视频深度图的制作方法和装置 |
| CN103051915A (zh) * | 2013-01-14 | 2013-04-17 | 清华大学 | 一种交互式立体视频关键帧的制作方法及制作装置 |
| US20130195349A1 (en) * | 2010-09-08 | 2013-08-01 | Panasonic Corporation | Three-dimensional image processing apparatus, three-dimensional image-pickup apparatus, three-dimensional image-pickup method, and program |
| CN103391447A (zh) * | 2013-07-11 | 2013-11-13 | 上海交通大学 | 3d节目镜头切换中安全深度保证与调整方法 |
| CN105225256A (zh) * | 2015-06-10 | 2016-01-06 | 西安交通大学 | 一种高灰阶深度图像的显示方法 |
| CN107067456A (zh) * | 2017-05-16 | 2017-08-18 | 四川长虹电器股份有限公司 | 一种基于深度图优化的虚拟现实呈现方法 |
| CN108280802A (zh) * | 2018-01-12 | 2018-07-13 | 盎锐（上海）信息科技有限公司 | 基于3d成像的图像获取方法及装置 |
| CN108347505A (zh) * | 2018-02-07 | 2018-07-31 | 盎锐（上海）信息科技有限公司 | 具有3d成像功能的移动终端及影像生成方法 |
| CN108600729A (zh) * | 2018-03-30 | 2018-09-28 | 盎锐（上海）信息科技有限公司 | 动态3d模型生成装置及影像生成方法 |
| CN108616742A (zh) * | 2016-12-21 | 2018-10-02 | 深圳市掌网科技股份有限公司 | 一种3d全景拍摄系统以及方法 |
| CN108737808A (zh) * | 2018-06-04 | 2018-11-02 | 盎锐（上海）信息科技有限公司 | 3d模型生成装置及方法 |
-
2018
- 2018-11-13 CN CN201811342645.8A patent/CN109151444B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130195349A1 (en) * | 2010-09-08 | 2013-08-01 | Panasonic Corporation | Three-dimensional image processing apparatus, three-dimensional image-pickup apparatus, three-dimensional image-pickup method, and program |
| CN102316352A (zh) * | 2011-08-08 | 2012-01-11 | 清华大学 | 一种基于区域连通图的立体视频深度图的制作方法和装置 |
| CN103051915A (zh) * | 2013-01-14 | 2013-04-17 | 清华大学 | 一种交互式立体视频关键帧的制作方法及制作装置 |
| CN103391447A (zh) * | 2013-07-11 | 2013-11-13 | 上海交通大学 | 3d节目镜头切换中安全深度保证与调整方法 |
| CN105225256A (zh) * | 2015-06-10 | 2016-01-06 | 西安交通大学 | 一种高灰阶深度图像的显示方法 |
| CN108616742A (zh) * | 2016-12-21 | 2018-10-02 | 深圳市掌网科技股份有限公司 | 一种3d全景拍摄系统以及方法 |
| CN107067456A (zh) * | 2017-05-16 | 2017-08-18 | 四川长虹电器股份有限公司 | 一种基于深度图优化的虚拟现实呈现方法 |
| CN108280802A (zh) * | 2018-01-12 | 2018-07-13 | 盎锐（上海）信息科技有限公司 | 基于3d成像的图像获取方法及装置 |
| CN108347505A (zh) * | 2018-02-07 | 2018-07-31 | 盎锐（上海）信息科技有限公司 | 具有3d成像功能的移动终端及影像生成方法 |
| CN108600729A (zh) * | 2018-03-30 | 2018-09-28 | 盎锐（上海）信息科技有限公司 | 动态3d模型生成装置及影像生成方法 |
| CN108737808A (zh) * | 2018-06-04 | 2018-11-02 | 盎锐（上海）信息科技有限公司 | 3d模型生成装置及方法 |
Non-Patent Citations (2)
| Title |
|---|
| ZHAN ZONGQIAN，ET AL: "3D surface reconstruction and panorama stitching based on LCD-based calibration and multi-baselines stereo matching", 《 2009 INTERNATIONAL CONFERENCE ON IMAGE ANALYSIS AND SIGNAL PROCESSING》 * |
| 雍玖，等: "全景视频增强现实系统设计与研究", 《计算机应用与软件》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109151444B (zh) | 2020-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10659773B2 (en) | Panoramic camera systems | |
| KR102003015B1 (ko) | 광류를 사용한 중간 뷰의 생성 | |
| US9438878B2 (en) | Method of converting 2D video to 3D video using 3D object models | |
| US9773302B2 (en) | Three-dimensional object model tagging | |
| Wei et al. | Fisheye video correction | |
| CN107507217B (zh) | 证件照的制作方法、装置及存储介质 | |
| US20150310672A1 (en) | Augmented reality method applied to the integration of a pair of spectacles into an image of a face | |
| US20180357819A1 (en) | Method for generating a set of annotated images | |
| US20150379720A1 (en) | Methods for converting two-dimensional images into three-dimensional images | |
| US10169891B2 (en) | Producing three-dimensional representation based on images of a person | |
| WO2019032604A1 (en) | ADJUSTING A DIGITAL REPRESENTATION OF A HEADQUARTERS | |
| CN109584358A (zh) | 一种三维人脸重建方法及装置、设备和存储介质 | |
| US20220172331A1 (en) | Image inpainting with geometric and photometric transformations | |
| WO2018053952A1 (zh) | 一种基于场景样本库的影视图像深度提取方法 | |
| AU2022231680B2 (en) | Techniques for re-aging faces in images and video frames | |
| CN111798540B (zh) | 图像融合方法和系统 | |
| KR101983586B1 (ko) | 스테레오 이미지들에 관한 깊이 맵 스티칭 방법 | |
| Jung | A modified model of the just noticeable depth difference and its application to depth sensation enhancement | |
| GB2585197A (en) | Method and system for obtaining depth data | |
| CN108830804B (zh) | 基于线扩展函数标准差的虚实融合模糊一致性处理方法 | |
| CN116342519A (zh) | 一种基于机器学习的图像处理方法 | |
| CN109151444A (zh) | 3d智能像素增强引擎 | |
| CN109509262A (zh) | 基于人工智能的智能增强建模算法及装置 | |
| CN109360270A (zh) | 基于人工智能的3d人脸姿态对齐算法及装置 | |
| CN109587469A (zh) | 基于人工智能识别的影像处理方法及装置 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230406 Address after: 518000 1101-g1, BIC science and technology building, No. 9, scientific research road, Maling community, Yuehai street, Nanshan District, Shenzhen, Guangdong Province Patentee after: Shenzhen Yujing Information Technology Co.,Ltd. Address before: 201703 No.206, building 1, no.3938 Huqingping Road, Qingpu District, Shanghai Patentee before: UNRE (SHANGHAI) INFORMATION TECHNOLOGY Co.,Ltd. |