CN110047094A - 一种块匹配视差计算的优化方法及装置 - Google Patents
一种块匹配视差计算的优化方法及装置 Download PDFInfo
- Publication number
- CN110047094A CN110047094A CN201810046541.6A CN201810046541A CN110047094A CN 110047094 A CN110047094 A CN 110047094A CN 201810046541 A CN201810046541 A CN 201810046541A CN 110047094 A CN110047094 A CN 110047094A
- Authority
- CN
- China
- Prior art keywords
- image
- blocks
- input picture
- block
- picture block
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000005457 optimization Methods 0.000 title claims abstract description 12
- 239000000284 extract Substances 0.000 claims abstract description 7
- 230000001360 synchronised effect Effects 0.000 claims abstract description 5
- 238000003384 imaging method Methods 0.000 claims description 15
- 230000003044 adaptive effect Effects 0.000 claims description 11
- 230000002708 enhancing effect Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000007711 solidification Methods 0.000 claims description 5
- 230000008023 solidification Effects 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 238000000151 deposition Methods 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims 1
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 239000004744 fabric Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/223—Analysis of motion using block-matching
-
- 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
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本公开涉及一种块匹配视差计算的优化方法及装置，所述方法包括下述步骤：将第一图像进行缩小，得到第三图像；将第二图像进行同步缩小，得到第四图像；在第三图像中获取输入图像块，并在第四图像中提取搜索窗；在搜索窗中搜索输入图像块的最优匹配块，得到最优匹配块和输入图像块的视差，所述视差为最优匹配块和输入图像块的最优偏移量；利用视差计算输入图像块中心对应的深度值。所述装置根据所述方法实现。本公开可以在不降低深度精度的情况下，大幅降低块匹配视差计算的复杂度，适合硬件或嵌入式软件加速实现。
Description
技术领域
本公开涉及属于图像处理、双目视觉和结构光主动视觉技术领域，具体涉及一种块匹配视差计算的优化方法及装置。
背景技术
自然和谐的人机交互方式是人类对操控机器的理想目标，使机器能够读懂人在自然状态所传递的命令。利用图像处理技术获取深度信息进行三维图像的实时识别及动作捕捉，使人能以表情、手势、体感动作等自然方式与终端进行交互成为可能。深度感知技术是人机自然交互的核心技术，在机器视觉、三维重建、体感交互等领域有着广泛的应用前景。
在视觉计算处理中，包括双目立体视觉、单目/双目结构光编解码，块匹配视差计算技术是获取深度信息的基础，而块匹配视差计算过程中可能需要在大量的图像数据中求取最优匹配块，即搜寻相似度最大值或最小值，并要求输出该值对应的最优匹配块及位置信息。比如在求深度信息时，需要输入图像块与匹配搜索窗中对应大小的匹配块进行匹配计算输出相似度，需要在大量相似度值中选取最大值或者最小值，并同时输出该值对应的匹配块位置信息。根据最优匹配块，计算出深度信息，得到深度图。因此搜索最优匹配块过程中的效率、计算复杂度直接关系到深度计算效率、时延和资源开销，尤其是在采用嵌入式软件编程实现时，匹配视差计算的优化工作非常重要。
发明内容
鉴于此，本公开的目的在于提供了一种块匹配视差计算的优化方法及装置，通过所述方法或装置，可以达到不降低深度精度的情况下，大幅降低块匹配视差计算的复杂度，适合硬件或嵌入式软件加速实现。
为实现以上发明目的，本公开采用以下技术方案：
一方面，本公开提出了一种块匹配视差计算的优化方法，所述方法包括下述步骤：
S100、将第一图像进行缩小，得到第三图像；将第二图像进行同步缩小，得到第四图像；
S200、在第三图像中获取输入图像块，并在第四图像中提取搜索窗；
S300、在搜索窗中搜索输入图像块的最优匹配块，得到最优匹配块和输入图像块的视差，所述视差为最优匹配块和输入图像块的最优偏移量；
S400、利用视差计算输入图像块中心对应的深度值；
所述第一图像是在激光编码图案投射器对目标物体所在空间投射后，获得的目标物体的图像；
所述第二图像是在激光编码图案投射器投射固定图形的激光束与红外激光编码图案投射器的中心轴相垂直的、且已知垂直距离的平面上后，获得的激光编码图像。
在所述方法中，所述搜索包括下述步骤：
先沿垂直行的方法选取相似度最高的匹配块，再沿水平行方向搜索最优匹配块；或者先沿水平行方向选取相似度最高的匹配块，再沿垂直行方向选取最优匹配块。
在所述方法中，所述计算采用下述公式：
式中：
d＇为输入图像块中心对应的深度值；
d为第二图像已知距离参数；
f为图像传感器焦距；
S为激光投射器与接收图像传感器之间的基线距离；
μ为图像传感器像素点点距参数；
Δm为最优匹配块和输入图像块的视差。
在所述方法中，所述第一图像、所述第二图像经过图像自适应预处理；
所述图像自适应预处理包括Bayer视频格式转换、色度空间转换、灰度图像自适应去噪、放缩和增强。
在所述方法中，所述第四图像存储固化在存储器中。
另一方面，根据所述方法，本公开提出了一种块匹配视差计算的优化装置，所述装置包括下述模块：
缩小模块，被配置用于：将第一图像进行缩小，得到第三图像；将第二图像进行同步缩小，得到第四图像；
获取模块，被配置用于：在第三图像中获取输入图像块，并在第四图像中提取搜索窗；
视差获取模块，被配置用于：在搜索窗中搜索输入图像块的最优匹配块，得到最优匹配块和输入图像块的视差，所述视差为最优匹配块和输入图像块的最优偏移量；
计算模块，被配置用于：利用视差计算输入图像块中心对应的深度值；
所述第一图像是在激光编码图案投射器对目标物体所在空间投射后，获得的目标物体的图像；
所述第二图像是在激光编码图案投射器投射固定图形的激光束与红外激光编码图案投射器的中心轴相垂直的、且已知垂直距离的平面上后，获得的激光编码图像。
在所述装置中，所述获取模块包括下述搜索单元：
所述搜索单元，被配置用于：先沿垂直行的方法选取相似度最高的匹配块，再沿水平行方向搜索最优匹配块；或者先沿水平行方向选取相似度最高的匹配块，再沿垂直行方向选取最优匹配块。
在所述装置中，所述计算模块采用下述公式计算深度值：
式中：
d＇为输入图像块中心对应的深度值；
d为第二图像已知距离参数；
f为图像传感器焦距；
S为激光投射器与接收图像传感器之间的基线距离；
μ为图像传感器像素点点距参数；
Δm为最优匹配块和输入图像块的视差。
在所述装置中，所述装置包括预处理单元；
所述预处理单元，被配置用于：对所述第一图像、所述第二图像进行图像自适应预处理；
所述图像自适应预处理包括Bayer视频格式转换、色度空间转换、灰度图像自适应去噪、放缩和增强。
在所述装置中，所述装置包括存储单元，被配置用于存固化第四图像。
附图说明
图1是本公开一个实施例的整体流程框图；
图2(a)是本公开一个实施例的一种块匹配视差计算示意图；
图2(b)是本公开一个实施例的另一种块匹配视差计算示意图；
图中：1表示输入图像块，2-1表示垂直窗搜索，2-2表示水平窗搜索，3表示参考编码图像，4-1表示水平窗搜索，4-2表示垂直窗搜索，5表示最优匹配块；
图3是本公开一个实施例的图像块求取差绝对值之和SAD结构图；
图4是本公开一个实施例的并行结构求最小SAD结构图；
图5(a)是本公开一个实施例的一个整体结构框图；
图5(b)是本公开一个实施例的另一个整体结构框图。
具体实施方式
下面实施例结合附图对本公开提供的方法和装置进行进一步的详细说明。
在一个实施例中，提供了如图1所示的一种块匹配视差计算的优化方法：
S100、将第一图像进行缩小，得到第三图像；将第二图像进行同步缩小，得到第四图像；
S200、在第三图像中获取输入图像块，并在第四图像中提取搜索窗；
S300、在搜索窗中搜索输入图像块的最优匹配块，得到最优匹配块和输入图像块的视差，所述视差为最优匹配块和输入图像块的最优偏移量；
S400、利用视差计算输入图像块中心对应的深度值；
所述第二图像是在激光编码图案投射器投射固定图形的激光束与红外激光编码图案投射器的中心轴(Z轴)相垂直的、且已知垂直距离为d的平面(该平面可由投影布、平板等构成，用于呈现清晰稳定的编码图，该平面可称之为参考基准平面)上，经干涉形成非规则的激光编码图形。优选的，第二图像经图像传感器采集和图像自适应预处理后存储固化在存储器中用于深度感知计算的匹配基准图形。其中，激光编码图案投射器所投射的编码图案包括随机散斑编码、符号阵列编码、规则散斑编码。
所述第一图像是在激光编码图案投射器对目标物体所在空间投射后，由图像传感器按一定的行场同步信号和时钟信号采集获得。优选的，所述第一图形经过了和第二图像相同的图像自适应预处理。
在本实施例中，优选的，所述搜索采用下述方法进行：
先垂直多行方向选取相似度最高的匹配块，再在水平行方向搜索最优匹配块，如图2(a)所示；或者先水平行方向搜索相似度最高的匹配块，再在垂直多行方向选取最优匹配块，如图2(b)所示。图2(a)、图2(b)中：1表示输入图像块，2-1表示垂直窗搜索，2-2表示水平窗搜索，3表示参考编码图像，4-1表示水平窗搜索，4-2表示垂直窗搜索，5表示最优匹配块。
在本实施例中，优选的，相似度可以通用SAD方法计算，依次计算输入图像块沿着垂直的方向在缩小后的第二图像中对应的大小相等的匹配块之间的SAD(即图像块与匹配块对应像素之间差的绝对值之和)，匹配块中心点在缩小后的第二图像中沿着垂直(水平)方向即从左到右、从上到下进行逐点遍历，计算所有匹配块对应的SAD值。SAD值作为输入图像块选取匹配块的相似度测量指标，值越小(最大)越相似，最小(最大)值所对应的匹配块即为相似度最高的匹配块，如图3。再通过水平(垂直)方向搜索垂直方向比较得到所有相似度最高的匹配块SAD值中的最小(最大)值，如图4，最小(最大)值对应的匹配块即为该输入图像块的最优匹配块，对应的最优偏移量Δm即为视差。偏移量为参考编码窗中心点坐标值分别按X、Y轴减去最优匹配块的中心点坐标值计算得到，分别表示X、Y方向位移，有正负，正负对应上下、左右坐标关系，在空间上则对应于缩小后的第二图像平面的前后关系；同时偏移量值越大表示该图像块中心点与已知深度距离的缩小后的第二图像平面之间的垂直距离越远，因第二图像平面相对红外激光编码图案投射器的距离是固定的，偏移量越小该中心点相对红外激光编码图案投射器的距离则可能越近。
在本实施例中，根据得到的最优偏移量Δm，Δm即为视差，结合参考散斑图的已知距离参数d、图像传感器焦距f、激光投射器与接收图像传感器之间的基线距离S和图像传感器像素点点距参数μ，按以下深度计算公式可计算得到当前中心点的深度信息d＇：
其中，最优偏移量Δm为参考编码图像中心点坐标值分别按X、Y轴减去最优匹配块中心点坐标值。如最优偏移量Δm为正，表示比参考散斑图距离更近；最优偏移量Δm为负，表示比参考散斑图距离更远。
在一个实施例中，根据上述方法，提供了一种块匹配视差计算的优化装置，所述装置包括下述模块：
缩小模块，被配置用于：将第一图像进行缩小，得到第三图像；将第二图像进行同步缩小，得到第四图像；
获取模块，被配置用于：在第三图像中获取输入图像块，并在第四图像中提取搜索窗；
视差获取模块，被配置用于：在搜索窗中搜索输入图像块的最优匹配块，得到最优匹配块和输入图像块的视差；
计算模块，被配置用于：利用视差计算输入图像块中心对应的深度值；
所述第二图像是由激光编码图案投射器投射固定图形的激光束与红外激光编码图案投射器的中心轴(Z轴)相垂直的、且已知垂直距离为d的平面(该平面可由投影布、平板等构成，用于呈现清晰稳定的编码图，该平面可称之为参考基准平面)上，经干涉形成非规则的激光编码图形。优选的，第二图像经图像传感器采集和图像自适应预处理后存储固化在存储器中用于深度感知计算的匹配基准图形。其中，激光编码图案投射器所投射的编码图案包括随机散斑编码、符号阵列编码、规则散斑编码。
所述第一图像是激光编码图案投射器对目标物体所在空间投射后，由图像传感器按一定的行场同步信号和时钟信号采集获得。优选的，所述第一图形经过了和第二图像相同的图像自适应预处理。
在本实施例中，优选的，所述获取模块包括下述搜索单元：
所述搜索单元，被配置用于：先沿垂直行的方法选取相似度最高的匹配块，再沿水平行方向搜索最优匹配块，如图5(a)所示；或者先沿水平行方向选取相似度最高的匹配块，再沿垂直行方向选取最优匹配块，如图5(b)所示。优选的，相似度可以通用SAD方法计算。
在所述装置中，所述计算模块采用下述公式计算深度值：
式中：
d＇为输入图像块中心对应的深度值；
d为第二图像已知距离参数；
f为图像传感器焦距；
S为激光投射器与接收图像传感器之间的基线距离；
μ为图像传感器像素点点距参数；
Δm为最优匹配块和输入图像块的视差。
优选的，所述装置包括预处理单元；所述预处理单元，被配置用于：对所述第一图像、所述第二图像进行图像自适应预处理；所述图像自适应预处理包括Bayer视频格式转换、色度空间转换、灰度图像自适应去噪、放缩和增强。
优选的，所述装置包括存储单元，被配置用于存固化第四图像。
前述实施例中在本实施例中：输入编码图相当于第一图像，参考编码相当于第二图像，它们进行了同比例的缩放小，所采取的图像缩放策略包括水平、垂直同时缩小，或仅垂直方向缩小，或仅水平方向缩小。经缩放小，可减少后续块匹配计算的复杂度。
前述实施例中，在缩放小后的第一图像输入编码图像中选取输入图像块m×n，其中m、n都是整数。在缩小后的第二图像中提取多行搜索窗M×N，其中M为水平搜索窗宽度、N为垂直方向行数，N＞n。
前述实施例中涉及的图像自适应预处理包括Bayer视频格式转换、色度空间转换、灰度图像自适应去噪、放缩和增强等。其目的是通过激光散斑图像的预处理，使散斑图形更清晰、减少噪声干扰，并有利于本公开内容的深度值计算。
前述实施例中涉及的搜索可采用传统全搜索块匹配，但是也可以采用其他各种改进的搜索策略和相似度测量指标，比如三步搜索法(TSS)等。
前述实施例中涉及相似度值计算方法还采用异或或相与的方法，但不限于这两种方法。
本公开中搜索方法是逐个匹配块进行搜索，其偏移量(即运动向量)精度可达到像素级，通过对编码图像素点进行插值计算，也可以达到子像素级。
虽然上述的实施例在特定的系统中完成，然其并非限定本公开，本公开可类似的应用到相似的图案投射和图像传感器系统中，用于匹配的输入图像块并非限定为1个，可以是多个；同样，用于作为匹配标准的第二图像并非限定为1幅，可以是多幅。因而在不脱离本公开的精神和范围内的修改和完善，均应包含在上述的权利要求范围内。
尽管以上结合附图对本公开的实施方案进行了描述，但本公开并不局限于上述的具体实施方案和应用领域，上述的具体实施方案仅仅是示意性的、指导性的，而不是限制性的。本领域的普通技术人员在本说明书的启示下和在不脱离本公开权利要求所保护的范围的情况下，还可以做出很多种的形式，这些均属于本公开保护之列。
Claims (10)
1.一种块匹配视差计算的优化方法，其特征在于，所述方法包括下述步骤：
S100、将第一图像进行缩小，得到第三图像；将第二图像进行同步缩小，得到第四图像；
S200、在第三图像中获取输入图像块，并在第四图像中提取搜索窗；
S300、在搜索窗中搜索输入图像块的最优匹配块，得到最优匹配块和输入图像块的视差，所述视差为最优匹配块和输入图像块的最优偏移量；
S400、利用视差计算输入图像块中心对应的深度值；
所述第一图像是在激光编码图案投射器对目标物体所在空间投射后，获得的目标物体的图像；
所述第二图像是在激光编码图案投射器投射固定图形的激光束与红外激光编码图案投射器的中心轴相垂直的、且已知垂直距离的平面上后，获得的激光编码图像。
2.根据权利要求1所述的方法，其特征在于，优选的，所述搜索包括下述步骤：
先沿垂直行的方法选取相似度最高的匹配块，再沿水平行方向搜索最优匹配块；或者先沿水平行方向选取相似度最高的匹配块，再沿垂直行方向选取最优匹配块。
3.根据权利要求1所述的方法，其特征在于，所述计算采用下述公式：
式中：
d＇为输入图像块中心对应的深度值；
d为第二图像已知距离参数；
f为图像传感器焦距；
S为激光投射器与接收图像传感器之间的基线距离；
μ为图像传感器像素点点距参数；
Δm为最优匹配块和输入图像块的视差。
4.根据权利要求1所述的方法，其特征在于，所述第一图像、所述第二图像经过图像自适应预处理；
所述图像自适应预处理包括Bayer视频格式转换、色度空间转换、灰度图像自适应去噪、放缩和增强。
5.根据权利要求1所述的方法，其特征在于，所述第四图像存储固化在存储器中。
6.一种块匹配视差计算的优化装置，其特征在于，所述装置包括下述模块：
缩小模块，被配置用于：将第一图像进行缩小，得到第三图像；将第二图像进行同步缩小，得到第四图像；
获取模块，被配置用于：在第三图像中获取输入图像块，并在第四图像中提取搜索窗；
视差获取模块，被配置用于：在搜索窗中搜索输入图像块的最优匹配块，得到最优匹配块和输入图像块的视差，所述视差为最优匹配块和输入图像块的最优偏移量；
计算模块，被配置用于：利用视差计算输入图像块中心对应的深度值；
所述第一图像是在激光编码图案投射器对目标物体所在空间投射后，获得的目标物体的图像；
所述第二图像是在激光编码图案投射器投射固定图形的激光束与红外激光编码图案投射器的中心轴相垂直的、且已知垂直距离的平面上后，获得的激光编码图像。
7.根据权利要求6所述的装置，其特征在于，所述获取模块包括下述搜索单元：
所述搜索单元，被配置用于：先沿垂直行的方法选取相似度最高的匹配块，再沿水平行方向搜索最优匹配块；或者先沿水平行方向选取相似度最高的匹配块，再沿垂直行方向选取最优匹配块。
8.根据权利要求1所述的装置，其特征在于，所述计算模块采用下述公式计算深度值：
式中：
d＇为输入图像块中心对应的深度值；
d为第二图像已知距离参数；
f为图像传感器焦距；
S为激光投射器与接收图像传感器之间的基线距离；
μ为图像传感器像素点点距参数；
Δm为最优匹配块和输入图像块的视差。
9.根据权利要求1所述的装置，其特征在于，所述装置包括预处理单元；
所述预处理单元，被配置用于：对所述第一图像、所述第二图像进行图像自适应预处理；
所述图像自适应预处理包括Bayer视频格式转换、色度空间转换、灰度图像自适应去噪、放缩和增强。
10.根据权利要求1所述的装置，其特征在于，所述装置包括存储单元，被配置用于存固化第四图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810046541.6A CN110047094A (zh) | 2018-01-17 | 2018-01-17 | 一种块匹配视差计算的优化方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810046541.6A CN110047094A (zh) | 2018-01-17 | 2018-01-17 | 一种块匹配视差计算的优化方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110047094A true CN110047094A (zh) | 2019-07-23 |
Family
ID=67273106
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810046541.6A Pending CN110047094A (zh) | 2018-01-17 | 2018-01-17 | 一种块匹配视差计算的优化方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110047094A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102215417A (zh) * | 2011-05-04 | 2011-10-12 | 山东大学 | 一种基于块匹配建立数学模型的视差预测方法 |
| CN104506838A (zh) * | 2014-12-23 | 2015-04-08 | 宁波盈芯信息科技有限公司 | 一种符号阵列面结构光的深度感知方法、装置及系统 |
| CN104537657A (zh) * | 2014-12-23 | 2015-04-22 | 西安交通大学 | 一种搜索并行gpu加速的激光散斑图像深度感知方法 |
| CN105141939A (zh) * | 2015-08-18 | 2015-12-09 | 宁波盈芯信息科技有限公司 | 一种工作范围可调的三维深度感知方法及装置 |
-
2018
- 2018-01-17 CN CN201810046541.6A patent/CN110047094A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102215417A (zh) * | 2011-05-04 | 2011-10-12 | 山东大学 | 一种基于块匹配建立数学模型的视差预测方法 |
| CN104506838A (zh) * | 2014-12-23 | 2015-04-08 | 宁波盈芯信息科技有限公司 | 一种符号阵列面结构光的深度感知方法、装置及系统 |
| CN104537657A (zh) * | 2014-12-23 | 2015-04-22 | 西安交通大学 | 一种搜索并行gpu加速的激光散斑图像深度感知方法 |
| CN105141939A (zh) * | 2015-08-18 | 2015-12-09 | 宁波盈芯信息科技有限公司 | 一种工作范围可调的三维深度感知方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10740917B2 (en) | Automatic correction method and device for structured-light 3D depth camera | |
| CN103824318B (zh) | 一种多摄像头阵列的深度感知方法 | |
| CN103810708B (zh) | 一种激光散斑图像深度感知方法及装置 | |
| CN105120257B (zh) | 一种基于结构光编码的垂直深度感知装置 | |
| CN105931240A (zh) | 三维深度感知装置及方法 | |
| CN103839258A (zh) | 一种二值化激光散斑图像的深度感知方法 | |
| CN102970548B (zh) | 一种图像深度感知装置 | |
| CN103796004A (zh) | 一种主动结构光的双目深度感知方法 | |
| CN101336856B (zh) | 辅助视觉系统的信息获取与传递方法 | |
| KR101874494B1 (ko) | 특징점의 삼차원 위치 계산 장치 및 방법 | |
| CN100554877C (zh) | 一种面向水下运载器的实时双目视觉导引方法 | |
| CN113902860A (zh) | 一种基于多线激光雷达点云的多尺度静态地图构建方法 | |
| CN106155299B (zh) | 一种对智能设备进行手势控制的方法及装置 | |
| CN106815594A (zh) | 立体匹配方法及装置 | |
| CN111508030A (zh) | 一种计算机视觉的立体匹配方法 | |
| CN104539928A (zh) | 一种光栅立体印刷图像合成方法 | |
| EP3953903A1 (en) | Scale-aware monocular localization and mapping | |
| CN102184540A (zh) | 基于尺度空间的亚像素级立体匹配方法 | |
| CN113160416B (zh) | 一种用于煤流检测的散斑成像装置及方法 | |
| Lin et al. | Research on 3D reconstruction in binocular stereo vision based on feature point matching method | |
| CN112634379B (zh) | 一种基于混合视域光场的三维定位测量方法 | |
| CN115330935A (zh) | 一种基于深度学习的三维重建方法及系统 | |
| CN113628334A (zh) | 视觉slam方法、装置、终端设备及存储介质 | |
| CN112329723A (zh) | 一种基于双目相机的多人人体3d骨骼关键点定位方法 | |
| CN110047094A (zh) | 一种块匹配视差计算的优化方法及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190723 |