CN109379509A - 点云加密压缩引擎 - Google Patents

点云加密压缩引擎 Download PDF

Info

Publication number
CN109379509A
CN109379509A CN201811501539.XA CN201811501539A CN109379509A CN 109379509 A CN109379509 A CN 109379509A CN 201811501539 A CN201811501539 A CN 201811501539A CN 109379509 A CN109379509 A CN 109379509A
Authority
CN
China
Prior art keywords
image
point
prestored presentation
prestored
cloud
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
CN201811501539.XA
Other languages
English (en)
Other versions
CN109379509B (zh
Inventor
吴跃华
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.)
Shenzhen Yujing Information Technology Co ltd
Original Assignee
Angrui Shanghai Information Technology Co Ltd
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 Angrui Shanghai Information Technology Co Ltd filed Critical Angrui Shanghai Information Technology Co Ltd
Priority to CN201811501539.XA priority Critical patent/CN109379509B/zh
Publication of CN109379509A publication Critical patent/CN109379509A/zh
Application granted granted Critical
Publication of CN109379509B publication Critical patent/CN109379509B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
    • H04N1/32101—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
    • H04N1/32144—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title embedded in the image data, i.e. enclosed or integrated in the image, e.g. watermark, super-imposed logo or stamp
    • H04N1/32149—Methods relating to embedding, encoding, decoding, detection or retrieval operations
    • H04N1/32267—Methods relating to embedding, encoding, decoding, detection or retrieval operations combined with processing of the image
    • H04N1/32277—Compression
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/60—Memory management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
    • H04N1/32101—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
    • H04N1/32144—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title embedded in the image data, i.e. enclosed or integrated in the image, e.g. watermark, super-imposed logo or stamp
    • H04N1/32149—Methods relating to embedding, encoding, decoding, detection or retrieval operations
    • H04N1/32267—Methods relating to embedding, encoding, decoding, detection or retrieval operations combined with processing of the image
    • H04N1/32272—Encryption or ciphering
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • Processing Or Creating Images (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明公开了一种点云加密压缩引擎，所述点云加密压缩引擎包括一加密模块以及一压缩模块，压缩模块用于将一3D影像与一预存影像库中的目标预存影像匹配，预存影像库中每一预存影像上的点云影像点数量小于所述3D影像的点云影像点，预存影像库中每一预存影像上设有用于调节预存影像的点云影像点形状的张量模型；压缩模块还用于获取处理影像，处理影像的形状与3D影像的形状相同，并对点云影像点做卷积运算以生成加密压缩影像；所述加密模块用于生成所述加密压缩影像的密钥。本发明的点云加密压缩引擎能够大幅度降低3D影像所占用的空间，提高数据的安全性，并能够使数据更加规范可控，能够降低运算所耗资源且减小所占用的存储空间。

Description

点云加密压缩引擎
技术领域
本发明涉及一种点云加密压缩引擎。
背景技术
3D摄像机，利用的是3D镜头制造的摄像机，通常具有两个摄像镜头以上，间距与人眼间距相近，能够拍摄出类似人眼所见的针对同一场景的不同图像。全息3D具有圆盘5镜头以上。
第一台3D摄像机迄今3D革命全部围绕好莱坞重磅大片和重大体育赛事展开。随着3D摄像机的问世，这项技术距离家庭用户又近了一步。在这款摄像机推出以后，我们今后就可以用3D镜头捕捉人生每一个难忘瞬间，比如孩子迈出的第一步，大学毕业庆典等。
3D摄像机通常有两个以上镜头。3D摄像机本身的功能就像人脑一样，可以将两个镜头图像融合在一起，变成一个3D图像。这些图像可以在3D电视上播放，观众佩戴所谓的主动式快门眼镜即可观看，也可通过裸眼3D显示设备直接观看。3D快门式眼镜能够以每秒60次的速度令左右眼镜的镜片快速交错开关。这意味着每只眼睛看到的是同一场景的稍显不同的画面，所以大脑会由此以为其是在欣赏以3D呈现的单张照片。
现有的3D摄像机获取的影像所占空间较大且安全性低的缺陷。
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3D摄像机获取的影像尺寸较大且安全性较低的缺陷，提供一种能够提高数据的安全性，并能够大幅度降低3D影像所占用的空间，使数据更加安全，能够降低运算所耗资源且减小所占用存储空间的点云加密压缩引擎。
本发明是通过下述技术方案来解决上述技术问题：
一种点云加密压缩引擎，其特点在于，所述点云加密压缩引擎包括一加密模块以及一压缩模块，
所述压缩模块用于将一3D影像与一预存影像库中的目标预存影像匹配，预存影像库中每一预存影像上的点云影像点数量小于所述3D影像的点云影像点，预存影像库中每一预存影像上设有用于调节预存影像的点云影像点形状的张量模型；
所述压缩模块还用于按3D影像的形状调节目标预存影像的张量模型获取处理影像，处理影像的形状与3D影像的形状相同，并对处理影像上的点云影像点做预设次数的卷积运算以生成3D影像的加密压缩影像；
所述加密模块用于根据所述积卷运算所用过滤式生成所述加密压缩影像的密钥。
较佳地，每一预存影像均与预设个数的过滤式对应，对应于同一预存影像的过滤式之间设有次序，过滤式中的元素个数按所述次序依次减小，所述压缩模块包括一压缩子模块以及一判断子模块，
所述压缩子模块用于利用当前过滤式对当前处理影像上的点云影像点做一次的卷积运算；
所述判断子模块用于判断当前过滤式的次序是否为最后一个，若是则结束流程，若否则将当前过滤式的下一个过滤式作为当前过滤式。
较佳地，每一预存影像均与至少两个过滤式对应，所述过滤式的数字排列形状与预存影像的点云影像点的形状相似，所述过滤式用于所述卷积运算，与同一预存影像对应的过滤式中任意两个过滤式的形状相似。
较佳地，所述点云加密压缩引擎还包括一生成模块，
所述生成模块用于通过工业用3D摄像机获取初始预存影像，并将初始预存影像中的全部点云影像点的深度信息数值调节为预设深度值，然后将调节为预设深度值的初始预存影像内切一正多角形，最后保存正多边形的形状的初始预存影像为预存影像。
较佳地，所述张量模型为预存影像上设置的表示点云影像点之间关系的函数式，所述压缩模块用于按3D影像的形状调节目标预存影像的点云影像点之间关系的函数式获取处理影像。
较佳地，预存影像库中每一预存影像划分为若干区域，每一区域内设有表示同一区域内点云影像点之间关系的函数式。
较佳地，所述压缩模块包括一获取子模块以及一计算子模块，
对于预存影像库中一目标预存影像，所述获取子模块用于获取目标预存影像中相邻点云影像点之间的函数式，所述函数式为多项式函数；
所述计算子模块用于通过人工智能深度学习获取若干穿过相邻点云影像点之间的分割线，并计算分割线穿过的全部相邻点云影像点之间的多项式函数的最高次项的次数总和，以次数总和低于预设值的分割线划分目标预存影像的区域。
较佳地，所述压缩模块包括一放置子模块以及一调节子模块，
所述放置子模块用于将3D影像与目标预存影像重叠放置以获取目标预存影像上点云影像点到3D影像的距离；
所述调节子模块用于获取所述距离最大的点云影像点为控制点，并将所述控制点向3D影像所在方向移动目标长度；
所述调节子模块还用于利用所述目标预存影像的张量模型将控制点周围的周围控制点向3D影像所在方向移动计算长度，每一周围控制点的计算长度大小与周围控制点到控制点的距离成反比，所述计算长度小于所述目标长度。
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：
本发明的点云加密压缩引擎能够大幅度降低3D影像所占用的空间，提高数据的安全性，并能够使数据更加规范可控，能够降低运算所耗资源且减小所占用的存储空间。
附图说明
图1为本发明实施例1的点云加密压缩引擎的结构示意图。
图2为本发明实施例1的预存影像及过滤式的结构示意图。
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
参见图1，本实施例提供一种点云加密压缩引擎，所述点云加密压缩引擎包括一加密模块11以及一压缩模块21。
所述压缩模块用于将一3D影像与一预存影像库中的目标预存影像匹配，预存影像库中每一预存影像上的点云影像点数量小于所述3D影像的点云影像点，预存影像库中每一预存影像上设有用于调节预存影像的点云影像点形状的张量模型；
所述压缩模块还用于按3D影像的形状调节目标预存影像的张量模型获取处理影像，处理影像的形状与3D影像的形状相同，并对处理影像上的点云影像点做预设次数的卷积运算以生成3D影像的加密压缩影像；
所述加密模块用于根据所述积卷运算所用过滤式生成所述加密压缩影像的密钥31。
具体地，本实施例提供了具体的积卷运算的方式：
每一预存影像均与预设个数的过滤式对应，对应于同一预存影像的过滤式之间设有次序，过滤式中的元素个数按所述次序依次减小，所述压缩模块包括一压缩子模块211以及一判断子模块212，
所述压缩子模块用于利用当前过滤式对当前处理影像上的点云影像点做一次的卷积运算；
所述判断子模块用于判断当前过滤式的次序是否为最后一个，若是则结束流程，若否则将当前过滤式的下一个过滤式作为当前过滤式。
利用不同的过滤式对处理影像做卷积运算能够一步步的缩小所述3D影像，3D影像在匹配运存影像后，将预存影像的形状调节至所述3D影像，从而取代3D影像，预存影像为规范的点云影像点，其存储空间的占用较小，更好进行后期运算处理，通过卷积运算能够进一步的减小3D影像的占用空间。
所述过滤式按照所述次序，其大小也逐渐变小，从而使压缩效果更好。为了方便解压缩，过滤式按照次序相互之间设有一定的规律，通过次序以及过滤式能够推算出其他过滤式。
为了提高卷积运算的运算速度及占用的资源，每一预存影像均与至少两个过滤式对应，所述过滤式的数字排列形状与预存影像的点云影像点的形状相似，所述过滤式用于所述卷积运算，与同一预存影像对应的过滤式中任意两个过滤式的形状相似。
进一步地，为了更加容易的进行卷积运算，所述点云加密压缩引擎还包括一生成模块，
所述生成模块用于通过工业用3D摄像机获取初始预存影像，并将初始预存影像中的全部点云影像点的深度信息数值调节为预设深度值，然后将调节为预设深度值的初始预存影像内切一正多角形，最后保存正多边形的形状的初始预存影像为预存影像。
参见图2，所述预存影像的影像点形状为一个八边形，格子中的数字表示影像点的深度信息，所述过滤式的形状也为八边形，在做卷积运算时所述过滤式的形状方便运算，能够减小计算量，所述过滤式就是密钥能够使处理影像在做卷积运算后需要密钥31才能够显示，而且加密影像所占用的存储空间比预存影像小，预存影像占用的存储空间比3D影像小，3D影像所占空间实现了大幅度的压缩。利用图2的密钥31能够获取一个4乘4的加密压缩影像。
本实施例的点云加密压缩引擎还提供一种调节预存影像的具体方式，包括：
所述张量模型为预存影像上设置的表示点云影像点之间关系的函数式，所述压缩模块用于按3D影像的形状调节目标预存影像的点云影像点之间关系的函数式获取处理影像。
由于每个点云影像点之间的联系非常复杂，如果从整体来计算一个点云影像点移动会牵连哪些点云影像点，计算量非常的庞大，因此将联动关系较为明显的点云影像点划分为同一区域，从而切断和区域外点云影像点的联系，能够降低计算量。
因此，预存影像库中每一预存影像划分为若干区域，每一区域内设有表示同一区域内点云影像点之间关系的函数式。
具体地，所述压缩模块包括一获取子模块213以及一计算子模块214。
对于预存影像库中一目标预存影像，所述获取子模块用于获取目标预存影像中相邻点云影像点之间的函数式，所述函数式为多项式函数；
所述计算子模块用于通过人工智能深度学习获取若干穿过相邻点云影像点之间的分割线，并计算分割线穿过的全部相邻点云影像点之间的多项式函数的最高次项的次数总和，以次数总和低于预设值的分割线划分目标预存影像的区域。
进一步地，所述压缩模块包括一放置子模块215以及一调节子模块216。
所述放置子模块用于将3D影像与目标预存影像重叠放置以获取目标预存影像上点云影像点到3D影像的距离；
所述调节子模块用于获取所述距离最大的点云影像点为控制点，并将所述控制点向3D影像所在方向移动目标长度；
所述调节子模块还用于利用所述目标预存影像的张量模型将控制点周围的周围控制点向3D影像所在方向移动计算长度，每一周围控制点的计算长度大小与周围控制点到控制点的距离成反比，所述计算长度小于所述目标长度。
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 (8)

1.一种点云加密压缩引擎，其特征在于，所述点云加密压缩引擎包括一加密模块以及一压缩模块，
所述压缩模块用于将一3D影像与一预存影像库中的目标预存影像匹配，预存影像库中每一预存影像上的点云影像点数量小于所述3D影像的点云影像点，预存影像库中每一预存影像上设有用于调节预存影像的点云影像点形状的张量模型；
所述压缩模块还用于按3D影像的形状调节目标预存影像的张量模型获取处理影像，处理影像的形状与3D影像的形状相同，并对处理影像上的点云影像点做预设次数的卷积运算以生成3D影像的加密压缩影像；
所述加密模块用于根据所述积卷运算所用过滤式生成所述加密压缩影像的密钥。
2.如权利要求1所述的点云加密压缩引擎，其特征在于，每一预存影像均与预设个数的过滤式对应，对应于同一预存影像的过滤式之间设有次序，过滤式中的元素个数按所述次序依次减小，所述压缩模块包括一压缩子模块以及一判断子模块，
所述压缩子模块用于利用当前过滤式对当前处理影像上的点云影像点做一次的卷积运算；
所述判断子模块用于判断当前过滤式的次序是否为最后一个，若是则结束流程，若否则将当前过滤式的下一个过滤式作为当前过滤式。
3.如权利要求2所述的点云加密压缩引擎，其特征在于，每一预存影像均与至少两个过滤式对应，所述过滤式的数字排列形状与预存影像的点云影像点的形状相似，所述过滤式用于所述卷积运算，与同一预存影像对应的过滤式中任意两个过滤式的形状相似。
4.如权利要求3所述的点云加密压缩引擎，其特征在于，所述点云加密压缩引擎还包括一生成模块，
所述生成模块用于通过工业用3D摄像机获取初始预存影像，并将初始预存影像中的全部点云影像点的深度信息数值调节为预设深度值，然后将调节为预设深度值的初始预存影像内切一正多角形，最后保存正多边形的形状的初始预存影像为预存影像。
5.如权利要求1所述的点云加密压缩引擎，其特征在于，所述张量模型为预存影像上设置的表示点云影像点之间关系的函数式，所述压缩模块用于按3D影像的形状调节目标预存影像的点云影像点之间关系的函数式获取处理影像。
6.如权利要求5所述的点云加密压缩引擎，其特征在于，预存影像库中每一预存影像划分为若干区域，每一区域内设有表示同一区域内点云影像点之间关系的函数式。
7.如权利要求6所述的点云加密压缩引擎，其特征在于，所述压缩模块包括一获取子模块以及一计算子模块，
对于预存影像库中一目标预存影像，所述获取子模块用于获取目标预存影像中相邻点云影像点之间的函数式，所述函数式为多项式函数；
所述计算子模块用于通过人工智能深度学习获取若干穿过相邻点云影像点之间的分割线，并计算分割线穿过的全部相邻点云影像点之间的多项式函数的最高次项的次数总和，以次数总和低于预设值的分割线划分目标预存影像的区域。
8.如权利要求1所述的点云加密压缩引擎，其特征在于，所述压缩模块包括一放置子模块以及一调节子模块，
所述放置子模块用于将3D影像与目标预存影像重叠放置以获取目标预存影像上点云影像点到3D影像的距离；
所述调节子模块用于获取所述距离最大的点云影像点为控制点，并将所述控制点向3D影像所在方向移动目标长度；
所述调节子模块还用于利用所述目标预存影像的张量模型将控制点周围的周围控制点向3D影像所在方向移动计算长度，每一周围控制点的计算长度大小与周围控制点到控制点的距离成反比，所述计算长度小于所述目标长度。
CN201811501539.XA 2018-12-10 2018-12-10 点云加密压缩引擎 Active CN109379509B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811501539.XA CN109379509B (zh) 2018-12-10 2018-12-10 点云加密压缩引擎

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811501539.XA CN109379509B (zh) 2018-12-10 2018-12-10 点云加密压缩引擎

Publications (2)

Publication Number Publication Date
CN109379509A true CN109379509A (zh) 2019-02-22
CN109379509B CN109379509B (zh) 2020-06-23

Family

ID=65373777

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811501539.XA Active CN109379509B (zh) 2018-12-10 2018-12-10 点云加密压缩引擎

Country Status (1)

Country Link
CN (1) CN109379509B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002023340A1 (en) * 2000-09-18 2002-03-21 Wideband Computers, Inc. Optimized ram representation of convolutional interleaver/de-interleaver data structure
JP2003345243A (ja) * 2002-05-28 2003-12-03 Ntt Me Corp 畳み込み暗号化方法、畳み込み暗号化装置および畳み込み暗号化プログラム
US20150161302A1 (en) * 2013-12-06 2015-06-11 Synopsys, Inc. Integrated mask-aware lithography modeling to support off-axis illumination and multi-tone masks
CN104778688A (zh) * 2015-03-27 2015-07-15 华为技术有限公司 点云数据的配准方法及装置
CN108171244A (zh) * 2016-12-07 2018-06-15 北京深鉴科技有限公司 对象识别方法和系统
CN108491835A (zh) * 2018-06-12 2018-09-04 常州大学 面向面部表情识别的双通道卷积神经网络

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002023340A1 (en) * 2000-09-18 2002-03-21 Wideband Computers, Inc. Optimized ram representation of convolutional interleaver/de-interleaver data structure
JP2003345243A (ja) * 2002-05-28 2003-12-03 Ntt Me Corp 畳み込み暗号化方法、畳み込み暗号化装置および畳み込み暗号化プログラム
US20150161302A1 (en) * 2013-12-06 2015-06-11 Synopsys, Inc. Integrated mask-aware lithography modeling to support off-axis illumination and multi-tone masks
CN104778688A (zh) * 2015-03-27 2015-07-15 华为技术有限公司 点云数据的配准方法及装置
CN108171244A (zh) * 2016-12-07 2018-06-15 北京深鉴科技有限公司 对象识别方法和系统
CN108491835A (zh) * 2018-06-12 2018-09-04 常州大学 面向面部表情识别的双通道卷积神经网络

Also Published As

Publication number Publication date
CN109379509B (zh) 2020-06-23

Similar Documents

Publication Publication Date Title
CN104469179B (zh) 一种将动态图片结合到手机视频中的方法
US8213708B2 (en) Adjusting perspective for objects in stereoscopic images
US9087406B2 (en) Automated stereoscopic computer-animation techniques for determining scaled stereo parameters
CN101916455B (zh) 一种高动态范围纹理三维模型的重构方法及装置
US11625864B2 (en) Compression of dynamic unstructured point clouds
WO2021178875A1 (en) Systems and methods for end to end scene reconstruction from multiview images
CN104581119A (zh) 一种3d图像的显示方法和一种头戴设备
US20230215047A1 (en) Free-viewpoint method and system
CN103905806A (zh) 利用单摄像头实现3d拍摄的系统和方法
CN103026387B (zh) 用于从单一的图像生成多视图像的方法
CN104345423A (zh) 一种图像采集方法及图像采集设备
KR101844843B1 (ko) 플로팅 홀로그램 영상처리장치 및 그 방법
CN109636926B (zh) 3d全局自由变形方法及装置
CN109379509A (zh) 点云加密压缩引擎
CN103873780A (zh) 一种采集视频的方法及电子设备
CN109379511A (zh) 3d数据安全加密算法及装置
CN107087153A (zh) 3d图像生成方法、装置及vr设备
CN109448066A (zh) 3d数据极致压缩算法及装置
CN109657559A (zh) 点云深度感知编码引擎
CN108540790A (zh) 一种用于移动终端的立体图像获取方法、装置及移动终端
JP2005026772A (ja) 立体映像表示方法及び立体映像表示装置
CN110876050B (zh) 基于3d摄像机的数据处理装置及方法
CN109218699A (zh) 基于3d摄像机的影像处理装置及方法
CN103513433B (zh) 一种基于显示设备的3d集成图像的生成方法及系统
WO2021122529A1 (en) Augmenting a view of a real-world environment with a view of a volumetric video object

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: 20230423

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.