CN109819158A - 基于光场成像的视频稳像方法 - Google Patents
基于光场成像的视频稳像方法 Download PDFInfo
- Publication number
- CN109819158A CN109819158A CN201811560390.2A CN201811560390A CN109819158A CN 109819158 A CN109819158 A CN 109819158A CN 201811560390 A CN201811560390 A CN 201811560390A CN 109819158 A CN109819158 A CN 109819158A
- Authority
- CN
- China
- Prior art keywords
- camera
- point
- path
- video
- light
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000006641 stabilisation Effects 0.000 title claims abstract description 31
- 238000011105 stabilization Methods 0.000 title claims abstract description 31
- 238000003384 imaging method Methods 0.000 title claims abstract description 12
- 230000003287 optical effect Effects 0.000 title abstract description 4
- 230000033001 locomotion Effects 0.000 claims abstract description 47
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000009499 grossing Methods 0.000 claims description 29
- 239000011159 matrix material Substances 0.000 claims description 17
- 230000009466 transformation Effects 0.000 claims description 16
- 238000013519 translation Methods 0.000 claims description 13
- 230000001131 transforming effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- UDHXJZHVNHGCEC-UHFFFAOYSA-N Chlorophacinone Chemical compound C1=CC(Cl)=CC=C1C(C=1C=CC=CC=1)C(=O)C1C(=O)C2=CC=CC=C2C1=O UDHXJZHVNHGCEC-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Landscapes
- Studio Devices (AREA)
Abstract
本发明提供了一种基于光场成像的视频稳像方法，首先获得抖动视频数据，重建相机3D结构，包括相机运动轨迹和场景3D点集合；然后平滑相机运动轨迹，结合平滑后的相机运动轨迹和场景3D点集生成稳定视频。本发明在获取的抖动光场视频的基础上，利用匹配的光线集合重建相机3D结构，包括相机运动轨迹和场景3D点集，不必借助复杂耗时的SFM算法或额外的硬件设备，实现快速准确的视频稳像。
Description
技术领域
本发明涉及一种视频稳像方法。
背景技术
光场成像理论是计算成像领域的研究热点，也是国内外学界关注的焦点之一。光场图像记录了空间中光线的空间和角度信息，加之光场成像系统具有多视点的特性， 成像结果中隐含了丰富的深度线索，因此研究基于光场成像的视频稳像算法可为传统 的稳像算法提供新的思路。
根据运动模型，现有的视频稳像技术分为2D稳像算法、3D稳像算法和2.5D稳 像算法。
2D稳像方法首先估计相邻视频帧之间的二维变换关系，通过连接图像帧之间的变换关系在2D空间内估计摄像机运动路径，然后通过平滑2D摄像机路径实现稳定视频 的生成。Grundmann等通过估计仿射变换或者相邻帧之间的单应性，进而对相邻帧变 化进行平滑处理以降低相机高频抖动。为了抑制相机低频抖动，Chen等提出用多项式 曲线拟合相机的运动轨迹。Gleicher等将相机的运动轨迹进行分段处理，通过对各段 轨迹进行独立的平滑计算获得了更好的稳像效果。Grundmann等人应用摄像规则，通 过将相机运动轨迹分解为不变路径、匀速路径和匀加速路径的组合来实现运动轨迹的 估计。Liu等采用多路径模型，将视频进行分块，对多条路径进行优化。Zhang等通过 设置黎曼度量，将优化的平滑路径投射为变换空间中的李群上的测地线。Liu等从视 频编码角度考虑，从中提取出运动矢量来构建相机运动。2D类方法只需计算相邻帧之 间的特征匹配，因此鲁棒性较高，运算速度较快。但是，基于特征点匹配的2D方法 需要假设场景中的物体位于一个平面内或者相机只进行单纯的旋转运动，因此其应用 具有较大的局限性。
3D稳像方法需要估计完备的场景三维结构，即需要以准确的摄像机3D姿态和场景中点云深度为先验才能实现稳像。场景三维结构一般可通过SFM算法计算获得或者 采用深度传感器直接获取。Buehler等提出一种基于场景摄影重构的三维视频稳像方 法，而场景的摄影重构通过对未标定的摄像机数据进行SFM计算获得。Smith等假设 场景的欧氏重构已经获得，通过最小化相机在旋转、平移和变焦的加速度来获取平滑 的相机运动轨迹，最终实现视频稳像。Liu等引入内容保护规整方法(Content-Preserving Warps)，在合成新视点图像帧的基础上实现了基于完整三维结构的视频稳像方法。Liu 等利用深度传感器(Kinect)记录场景深度信息，然而深度传感器的可视范围有限， 不适合室外场景拍摄。3D稳像可以处理具有复杂运的视频。但是SFM的计算复杂度 高，且要求视频中包含足够的运动信息用来重建三维结构。当视频中缺少视差信息， 或者有镜头的缩放等情况时，SFM很难得到有效的三维结构。而深度传感器一般只能 获得不完整的深度图，这使得摄像机3D姿态的计算及后期渲染工作都有很大的困难。
2.5D稳像方法是介于2D稳像和3D稳像之间的一种折衷方法。2.5D方法在2D 帧间关系中嵌入3D信息，采用对极几何与特征跟踪技术将相机运动表达为轨迹。 Goldstein等利用对极变换方法，在2.5D框架下实现了视频稳像，在一定程度上避免 脆弱的3D重建对稳像的影响。Wang等将每个轨迹表示为贝塞尔曲线，采用时空最但 是优化算法实现了平滑。Lee等引入特征修剪技术来选择鲁棒的特征轨迹，并在此基 础上实现对运动平滑。Liu等首先从超过50帧的特征轨迹中抽取满足要求的帧构成轨 迹子空间，然后通过平滑子空间的基本轨迹实现整个视频的稳像。2.5D方法将3D重 构降维成一个长特征轨迹，但是可以获得和完整3D重构方法相当的结果。但是在真 实的场景中，该方用性仍受限于运动模糊和长特征轨迹(超过30帧)的获取。当构造的 特征迹短于30帧时，2.5D方法无法获得满意的结果。
发明内容
为了克服现有技术的不足，本发明提供一种基于光线匹配的视频稳像方法，在获取的抖动光场视频的基础上，利用匹配的光线集合重建相机3D结构，包括相机运动 轨迹和场景3D点集，不必借助复杂耗时的SFM算法或额外的硬件设备，实现快速准 确的视频稳像。
本发明解决其技术问题所采用的技术方案包括以下步骤：
S1，通过光场相机、相机阵列或者有视角重叠的多个分散放置的相机获得抖动视频数据；
S2，重建相机3D结构，包括相机运动轨迹和场景3D点集合；对于相机阵列或 者有视角重叠的多个分散放置的相机，利用相邻相机匹配光线集合计算相机的相对运 动和场景3D点集合，进而通过级联相对运动获得整个相机轨迹；
S3，利用曲线平滑方法，对相机的旋转路径和平滑路径进行分别平滑，去除相机运动轨迹上的高低频抖动；
S4，利用原始路径与平滑路径之间的变换关系，将场景3D点P变换到平滑路径 上；利用原始空间点与平滑路径上的空间点计算混合单应直接将整个原始视频帧或者 分块将原始视频帧变换到平滑路径上生成稳定视频。
所述的步骤S2中，对于相机阵列或者有视角重叠的多个分散放置的相机，首先在相机间进行图像特征点匹配，并剔除外点；然后利用相机的内参矩阵将图像坐标系下 的特征点坐标归一化到相机坐标系，图像特征点的齐次坐标p的归一化坐标其中，K是相机的内参矩阵；将图像坐标系下的像素点匹配变成世界坐标系下的光线 匹配，即为匹配光线集合；
相邻光场的匹配光线集合的变换关系其中，rt和rt+1表示 t时刻和t+1时刻下的对应光线集合，Rt和Tt表示相机从t时刻到t+1时刻的相对旋转 变换矩阵和相对平移变换矩阵；获得相机相对运动矩阵后，以光场相机第一时刻作为 世界坐标系原点，通过矩阵的级联获得相机的运动轨迹，原始相机运动轨迹表示为旋 转路径和平移路径
一个空间3D点P＝[X Y Z]T在光线rt上，堆叠穿 过3D点P的所有光线，利用线性求解算法即可求出t时刻的所有稀疏3D点集合。
所述的曲线平滑方法包括最小化曲率变化法、贝塞尔曲线法、五点平滑法、七点平滑法。
本发明的有益效果是：
本发明基于线具有更多空间结构和几何约束的理论，利用光线匹配重建相机3D结构，重建的相机路径和场景3D点精度更高。
传统的3D方法利用计算复杂度高的SFM算法重建相机3D结构，本发明克服了 克服了这一缺点，本发明的重建速度更快。
传统的3D方法要求视频中存在长的特征轨迹，这个特点导致传统3D方法在多数真实场景中效果不好。本发明不需要长的特征轨迹，只需要相邻两帧的特征轨迹即可， 更适用于真实场景。
传统的3D方法重建的相机路径是旋转和平移混合的整体路径(二维变量)，本发明根据相机的旋转和平移是相互独立的，重建了旋转路径(一维变量)和平移路径(一 维变量)，这使得后续的平滑算法计算更简单，速度更快。
随着多摄像机系统的移动设备(如手机)越来越普及，基于光场成像的多摄像机模式是重要的发展趋势。本发明适用于多摄像机模式视频稳像且可以朝着实时的方向 发展。
附图说明
图1是本发明实施例的流程示意图。
图2是以相机阵列为例的光线模型图。
具体实施方式
下面结合附图和实施例对本发明进一步说明，本发明包括但不仅限于下述实施例。
为了克服现有稳像方法需要复杂耗时的SFM算法重建场景三维结构或者只能处理相机做平面运动或者单纯的旋转运动的场景等问题，本发明提出一种基于光线匹配 的视频稳像方法，包括以下几个步骤：
S1、获得抖动视频数据。
视频数据可由光场相机、相机阵列(相机位置可呈矩阵排布或者不规则排布)或者有视角重叠的多个分散放置的相机拍摄获得。
S2、重建相机3D结构，包括相机运动轨迹和场景3D点集合。
对于相邻相机，利用匹配光线集合计算相机的相对运动和场景3D点集合，进而 通过级联相对运动获得整个相机轨迹。
S2.1、求解匹配光线集合。
首先，在相机间进行图像特征点匹配，特征点可以选用SIFT特征点、Harris角点、Canny边缘特征点或其他特征点，并采用外点去除方法剔除外点，提高匹配精度，外 点去除方法可以选用但不仅限于RANSAC方法。
然后，由于光心与特征点的坐标系不同，需要利用相机的内参矩阵将图像坐标系下的特征点坐标归一化到相机坐标系，如下式(1-1)所示。
其中，K是相机的内参矩阵，p是图像特征点的齐次坐标，是p的归一 化坐标。
最后，采用普吕克坐标系或者笛卡尔坐标系来表示光心与归一化坐标点的连线即为光线r。因此，按照这种方法可以将图像坐标系下的像素点匹配变成世界坐标系下 的光线匹配，即为匹配光线集合。
S2.2、重建相机运动轨迹。
相邻光场的匹配光线集合的变换关系可以用式(1-2)表示，
其中，rt和rt+1表示t时刻和t+1时刻下的对应光线集合，Rt和Tt表示相机从t时刻到t+1时刻的相对旋转变换矩阵和相对平移变换矩阵。
获得相机相对运动矩阵后，以光场相机第一时刻作为世界坐标系原点，通过矩阵的级联即可获得相机的运动轨迹。由于相机的旋转和平移是相互独立的，原始相机运 动轨迹可以表示为旋转路径和平移路径分别表示相机的朝向和位置，可由下 式(1-3)获得。
S2.3、重建场景3D点集合。
一个空间3D点P＝[X Y Z]T在光线rt上，则满足公式(1-4)。
堆叠穿过3D点P的所有光线，利用线性求解算法即可求出t时刻的所有稀疏3D 点集合。
S3，平滑相机运动轨迹。
由公式(1-3)知可以对相机的旋转路径和平滑路径进行分别平滑。下面以旋转路径的平滑为例，给出对应的能量函数，平移路径的平滑可以使用相同的方法。
平滑算法能量函数E包括两项约束：相似性约束Esimilarity和平滑项约束Esmooth，
可由下式公式(1-5)表示，
E＝Esimilarity+λEsmooth (1-5)
其中，λ是用来权衡相似性约束与平滑项的的权重。
相似性约束Esimilarity限制平滑路径与原始路径的偏离距离，防止因平滑视频与原始 视频的场景重叠区域过小导致大量空白区域。其形式一般为其中表示t时刻平滑路径上的朝向。
平滑项约束Esmooth旨在利用曲线平滑方法，去除相机运动轨迹上的高低频抖动。曲线平滑方法包括最小化曲率变化法、贝塞尔曲线法、五点平滑法、七点平滑法。
S4，结合平滑后的相机运动轨迹和场景3D点集生成稳定视频。
首先，利用原始路径与平滑路径之间的变换关系，将场景3D点P变换到平滑路 径上，如下式(1-6)。
其中，和分别表示t时刻相机在平滑路径上的相机朝向和位置。
然后，利用原始空间点与平滑路径上的空间点计算混合单应直接将整个原始视频帧或者分块将原始视频帧变换到平滑路径上生成稳定视频。
在本实施例中，使用矩形排布的5*5微相机阵列采集抖动光场视频数据。采集到的光场数据共有5×5个视点。
在本实施例中，特征点选用SIFT特征点，并使用RANSAC算法剔除局外点， RANAC的阈值设为0.01。利用普吕克坐标系将图像坐标系下的特征点对应变换到世 界坐标系下的光线对应，光线用6维矢量表示。公式(1-2)采用奇异值分解(SVD) 求解初始解，并以重投影误差作为非线性优化方程优化初始解，最大迭代次数设为50 次。
在本实施例中，采用最小化曲线斜率变化的方法平滑相机轨迹。下面以相机的旋转路径为例给出平滑方法，平移路径的平滑路径可用相同的方法获得。
旋转轨迹上每一点的斜率可由下式(1-7)表示。
其中，表示t时刻相机在平滑路径上的朝向。
根据曲线平滑原理，曲线的斜率变化越趋近于0表示路径越趋于平滑。因此，平 滑路径的斜率变化要尽可能小，下式(1-8)给出旋转路径的平滑公式，
其中，ω(·)是一个高斯函数，用于在快速平移或旋转下保持运动的连续性，如式(1-9) 所示。
采用左除法求解公式(1-3)，其中平滑项的参数设置为λR＝60～100，λT＝1～5，δ＝1。
在本实施例中，利用混合单应合成稳定视频帧。以3D点为控制点，在2D单应中 嵌入3D信息构造混合单应，利用公式(1-10)可以求出t时刻的混合单应矩阵Ht。
min∑(Htp-KPsmooth) (1-10)
进一步的，用混合单应引导原始路径视频帧变换到平滑路径，采用backwardwarping的方法逆向映射。
Claims (3)
1.一种基于光场成像的视频稳像方法，其特征在于包括下述步骤：
S1，通过光场相机、相机阵列或者有视角重叠的多个分散放置的相机获得抖动视频数据；
S2，重建相机3D结构，包括相机运动轨迹和场景3D点集合；对于相机阵列或者有视角重叠的多个分散放置的相机，利用相邻相机匹配光线集合计算相机的相对运动和场景3D点集合，进而通过级联相对运动获得整个相机轨迹；
S3，利用曲线平滑方法，对相机的旋转路径和平滑路径进行分别平滑，去除相机运动轨迹上的高低频抖动；
S4，利用原始路径与平滑路径之间的变换关系，将场景3D点P变换到平滑路径上；利用原始空间点与平滑路径上的空间点计算混合单应直接将整个原始视频帧或者分块将原始视频帧变换到平滑路径上生成稳定视频。
2.根据权利要求1所述的基于光场成像的视频稳像方法，其特征在于：所述的步骤S2中，对于相机阵列或者有视角重叠的多个分散放置的相机，首先在相机间进行图像特征点匹配，并剔除外点；然后利用相机的内参矩阵将图像坐标系下的特征点坐标归一化到相机坐标系，图像特征点的齐次坐标p的归一化坐标其中，K是相机的内参矩阵；将图像坐标系下的像素点匹配变成世界坐标系下的光线匹配，即为匹配光线集合；相邻光场的匹配光线集合的变换关系其中，rt和rt+1表示t时刻和t+1时刻下的对应光线集合，Rt和Tt表示相机从t时刻到t+1时刻的相对旋转变换矩阵和相对平移变换矩阵；获得相机相对运动矩阵后，以光场相机第一时刻作为世界坐标系原点，通过矩阵的级联获得相机的运动轨迹，原始相机运动轨迹表示为旋转路径和平移路径一个空间3D点P＝[X Y Z]T在光线rt上，堆叠穿过3D点P的所有光线，利用线性求解算法即可求出t时刻的所有稀疏3D点集合。
3.根据权利要求1所述的基于光场成像的视频稳像方法，其特征在于：所述的曲线平滑方法包括最小化曲率变化法、贝塞尔曲线法、五点平滑法、七点平滑法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811560390.2A CN109819158B (zh) | 2018-12-20 | 2018-12-20 | 基于光场成像的视频稳像方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811560390.2A CN109819158B (zh) | 2018-12-20 | 2018-12-20 | 基于光场成像的视频稳像方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109819158A true CN109819158A (zh) | 2019-05-28 |
| CN109819158B CN109819158B (zh) | 2021-05-18 |
Family
ID=66601692
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811560390.2A Active CN109819158B (zh) | 2018-12-20 | 2018-12-20 | 基于光场成像的视频稳像方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109819158B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110047091A (zh) * | 2019-03-14 | 2019-07-23 | 河海大学 | 一种基于相机轨迹估计和特征块匹配的稳像方法 |
| CN113067986A (zh) * | 2021-04-14 | 2021-07-02 | 杭州群核信息技术有限公司 | 一种可编辑定义的自动化相机轨迹生成方法、装置、系统和存储介质 |
| CN113129351A (zh) * | 2021-03-10 | 2021-07-16 | 西安理工大学 | 一种基于光场傅里叶视差分层的特征检测方法 |
| CN113744277A (zh) * | 2020-05-29 | 2021-12-03 | 广州汽车集团股份有限公司 | 一种基于局部路径优化的视频去抖方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130127993A1 (en) * | 2011-11-17 | 2013-05-23 | Sen Wang | Method for stabilizing a digital video |
| US20140043325A1 (en) * | 2012-08-10 | 2014-02-13 | Microsoft Corporation | Facetted browsing |
| US20140378222A1 (en) * | 2013-06-19 | 2014-12-25 | Drexel University | Mobile virtual cinematography system |
| CN104867142A (zh) * | 2015-05-14 | 2015-08-26 | 中国科学院深圳先进技术研究院 | 基于三维场景的导航方法 |
| US20180234669A1 (en) * | 2017-02-15 | 2018-08-16 | Adobe Systems Incorporated | Six-degree of freedom video playback of a single monoscopic 360-degree video |
| CN108564554A (zh) * | 2018-05-09 | 2018-09-21 | 上海大学 | 一种基于运动轨迹优化的视频稳定方法 |
-
2018
- 2018-12-20 CN CN201811560390.2A patent/CN109819158B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130127993A1 (en) * | 2011-11-17 | 2013-05-23 | Sen Wang | Method for stabilizing a digital video |
| US20140043325A1 (en) * | 2012-08-10 | 2014-02-13 | Microsoft Corporation | Facetted browsing |
| US20140378222A1 (en) * | 2013-06-19 | 2014-12-25 | Drexel University | Mobile virtual cinematography system |
| CN104867142A (zh) * | 2015-05-14 | 2015-08-26 | 中国科学院深圳先进技术研究院 | 基于三维场景的导航方法 |
| US20180234669A1 (en) * | 2017-02-15 | 2018-08-16 | Adobe Systems Incorporated | Six-degree of freedom video playback of a single monoscopic 360-degree video |
| CN108564554A (zh) * | 2018-05-09 | 2018-09-21 | 上海大学 | 一种基于运动轨迹优化的视频稳定方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110047091A (zh) * | 2019-03-14 | 2019-07-23 | 河海大学 | 一种基于相机轨迹估计和特征块匹配的稳像方法 |
| CN110047091B (zh) * | 2019-03-14 | 2022-09-06 | 河海大学 | 一种基于相机轨迹估计和特征块匹配的稳像方法 |
| CN113744277A (zh) * | 2020-05-29 | 2021-12-03 | 广州汽车集团股份有限公司 | 一种基于局部路径优化的视频去抖方法及系统 |
| CN113129351A (zh) * | 2021-03-10 | 2021-07-16 | 西安理工大学 | 一种基于光场傅里叶视差分层的特征检测方法 |
| CN113129351B (zh) * | 2021-03-10 | 2023-08-11 | 西安理工大学 | 一种基于光场傅里叶视差分层的特征检测方法 |
| CN113067986A (zh) * | 2021-04-14 | 2021-07-02 | 杭州群核信息技术有限公司 | 一种可编辑定义的自动化相机轨迹生成方法、装置、系统和存储介质 |
| CN113067986B (zh) * | 2021-04-14 | 2022-09-13 | 杭州群核信息技术有限公司 | 一种可编辑定义的自动化相机轨迹生成方法、装置、系统和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109819158B (zh) | 2021-05-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Content-preserving warps for 3D video stabilization | |
| CN109819158B (zh) | 基于光场成像的视频稳像方法 | |
| EP3216216B1 (en) | Methods and systems for multi-view high-speed motion capture | |
| Wang et al. | Spatially and temporally optimized video stabilization | |
| US10789765B2 (en) | Three-dimensional reconstruction method | |
| Vo et al. | Spatiotemporal bundle adjustment for dynamic 3d reconstruction | |
| US11568516B2 (en) | Depth-based image stitching for handling parallax | |
| US20170148186A1 (en) | Multi-directional structured image array capture on a 2d graph | |
| Joshi et al. | Micro-baseline stereo | |
| Albl et al. | From two rolling shutters to one global shutter | |
| CN105208247A (zh) | 一种基于四元数的全景稳像方法 | |
| US11212510B1 (en) | Multi-camera 3D content creation | |
| CN105635808B (zh) | 一种基于贝叶斯理论的视频拼接方法 | |
| Li et al. | USB-NeRF: Unrolling shutter bundle adjusted neural radiance fields | |
| Trottnow et al. | The potential of light fields in media productions | |
| Bartczak et al. | Integration of a time-of-flight camera into a mixed reality system for handling dynamic scenes, moving viewpoints and occlusions in real-time | |
| CN109729263A (zh) | 基于融合运动模型的视频除抖方法 | |
| Guo et al. | Joint bundled camera paths for stereoscopic video stabilization | |
| CN104463958B (zh) | 基于视差图融合的三维超分辨率方法 | |
| Li et al. | Real Time and Robust Video Stabilization Based on Block-Wised Gradient Features | |
| Liang et al. | The" Vertigo Effect" on Your Smartphone: Dolly Zoom via Single Shot View Synthesis | |
| Chu | Video stabilization for stereoscopic 3D on 3D mobile devices | |
| Somanath et al. | Single camera stereo system using prism and mirrors | |
| Chidananda et al. | Pixtrack: Precise 6dof object pose tracking using nerf templates and feature-metric alignment | |
| Rotman et al. | A depth restoration occlusionless temporal dataset |
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 |