CN110557557B - 非线性延展裁切图像的方法及系统 - Google Patents

非线性延展裁切图像的方法及系统 Download PDF

Info

Publication number
CN110557557B
CN110557557B CN201810623354.XA CN201810623354A CN110557557B CN 110557557 B CN110557557 B CN 110557557B CN 201810623354 A CN201810623354 A CN 201810623354A CN 110557557 B CN110557557 B CN 110557557B
Authority
CN
China
Prior art keywords
angle
image
angle image
circular wide
wide
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.)
Active
Application number
CN201810623354.XA
Other languages
English (en)
Other versions
CN110557557A (zh
Inventor
张俊杰
廖崇伦
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.)
Quanta Computer Inc
Original Assignee
Quanta Computer Inc
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 Quanta Computer Inc filed Critical Quanta Computer Inc
Publication of CN110557557A publication Critical patent/CN110557557A/zh
Application granted granted Critical
Publication of CN110557557B publication Critical patent/CN110557557B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/12—Panospheric to cylindrical image transformations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4023—Scaling of whole images or parts thereof, e.g. expanding or contracting based on decimating pixels or lines of pixels; based on inserting pixels or lines of pixels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map
    • G06T3/047—Fisheye or wide-angle transformations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/18—Image warping, e.g. rearranging pixels individually
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/698—Control of cameras or camera modules for achieving an enlarged field of view, e.g. panoramic image capture
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0487—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser
    • G06F3/0488—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures
    • G06F3/04883—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures for inputting data by handwriting, e.g. gesture or text

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Studio Devices (AREA)
  • Image Processing (AREA)

Abstract

本发明提出一种非线性延展裁切图像的方法及系统，该方法包括：取得一环景镜头的光学视角对距离差值表；计算出近似以该光学视角对距离差值表的值所描绘的曲线的多项式；利用该环景镜头拍摄出一圆形广角图像；裁切该圆形广角图像，保留一特定视角范围内的剩余圆形广角图像；在该特定视角范围内，利用该多项式重新采样出多个点所对应的多个的距离差值；以及维持该多个点之间的距离差值的比例，延展该剩余圆形广角图像至原始的该圆形广角图像的大小。

Description

非线性延展裁切图像的方法及系统
技术领域
本发明涉及一种非线性延展裁切图像的方法及系统，且特别涉及能够降低裁切后的全景图像的形变的非线性延展裁切图像的方法及系统。
背景技术
近来，具有使用鱼眼镜头的全景拍摄装置越来越广泛地被使用。当使用鱼眼镜头拍摄例如视角180度的超广角图像时，使用者可以在显示屏幕上观看拍摄的成果。进入校正图像前，显示屏幕上显示的是圆形广角图像(或称鱼眼图像)。因应使用者有裁切图像的需求，拍照后的图像后制软件会提供裁切圆形广角图像的功能。
裁切圆形广角图像后，需要将剩余的圆形广角图像延展至原始的圆形广角图像的大小，如此一来才能够维持相同视角范围(例如180度)的全景图像。传统的延展方法是将剩余的圆形广角图像线性地延展至原始的圆形广角图像的大小。然而，由于圆形广角图像中各个视角之间的对应的图像中的距离并非等距，因此如果做线性的延展，将延展后的圆形广角图像转换成校正图像时会发现图像中央与外围的比例关系会与原始图像之间有较大的偏差，也就是图像形变。
有鉴于是上述的问题，本发明的目的是提出一种非线性延展裁切图像的方法及系统，能够降低裁切后的全景图像发生形变的程度。
发明内容
根据一实施例，本发明提出一种非线性延展裁切图像的方法，包括：取得一环景镜头的光学视角对距离差值表；计算出近似以该光学视角对距离差值表的值所描绘的曲线的多项式；利用该环景镜头拍摄出一圆形广角图像；裁切该圆形广角图像，保留一特定视角范围内的剩余圆形广角图像；在该特定视角范围内，利用该多项式重新采样出多个点所对应的多个的距离差值；以及维持该多个点之间的距离差值的比例，延展该剩余圆形广角图像至原始的该圆形广角图像的大小。
根据另一实施例，本发明提出一种非线性延展裁切图像的系统，包括：一环景镜头，用以拍摄一圆形广角图像；一显示屏幕，显示该环景镜头拍摄的该圆形广角图像；一输入接口，提供裁切该圆形广角图像的输入设定；一存储器，用以存储该环景镜头的光学视角对距离差值表；以及一处理器，读取该存储器中的光学视角对距离差值表，计算出近似以该光学视角对距离差值表的值所描绘的曲线的多项式，并存储于该存储器。当仅保留该圆形广角图像中一特定视角范围内的剩余圆形广角图像之一裁切指令输入该输入接口时，该处理器会进行以下处理：在该特定视角范围内，利用该多项式重新采样出多个点所对应的多个的距离差值，然后维持该多个点之间的距离差值的比例，延展该剩余圆形广角图像至原始的该圆形广角图像的大小，并输出至该显示屏幕显示。
附图说明
图1是显示根据本发明的非线性延展裁切图像的系统的概要架构图。
图2是显示根据本发明一实施例的环景镜头所拍摄的圆形广角图像。
图3是显示根据本发明一实施例的光学视角对距离差值的曲线图。
图4是显示本发明一实施例的对应原始圆形广角图像的网格图。
图5是显示图4的网格覆盖于图2的圆形广角图像的示意图。
图6是显示根据本发明一实施例光学视角对距离差值近似曲线图。
图7是显示根据本发明一实施例的拍摄的圆形广角图像进行裁切设定的示意图。
图8是显示在一定范围内对光学视角对距离差值近似曲线图进行重新采样的示意图。
图9是显示本发明一实施例的最佳化网格覆盖裁切后的圆形广角图像的示意图。
图10是显示根据本发明一实施例的非线性延展的圆形广角图像。
图11是显示将图2的原始圆形广角图像的校正后图像。
图12是显示将裁切的圆形广角图像使用线性延展后的校正后图像。
图13是显示将裁切的圆形广角图像使用本发明的非线性延展后的校正后图像。
图14是显示本发明的非线性延展裁切图像的方法的步骤流程图。
【符号说明】
1 系统
10 全景相机
11 环景镜头
20 图像处理装置
21 处理器
22 存储器
23 显示屏幕
24 输入接口
A、A1、A2、B、B1、B2 方块
具体实施方式
以下的说明提供了许多不同的实施例、或是例子，用来实施本公开的不同特征。以下特定例子所描述的元件和排列方式，仅用来精简地表达本公开，其仅作为例子，而并非用以限制本公开。
此外，本说明书在不同的例子中沿用了相同的元件标号和/或文字。前述的沿用仅为了简化以及明确，并不表示在不同的实施例以及设定之间必定有关联。
附图中的形状、尺寸、以及厚度可能为了清楚说明的目的而未依照比例绘制或是被简化，仅提供说明之用。
图1是显示根据本发明的非线性延展裁切图像的系统的概要架构图。本发明的非线性延展裁切图像的系统1，包括全景相机10以及图像处理装置20。全景相机10，包括至少一个用来拍摄圆形广角图像(鱼眼图像)的环景镜头(鱼眼镜头)11。全景相机10可以是市售的各种厂牌推出的各种款式的360度全景相机。图像处理装置20，包括处理器21、存储器22、显示屏幕23、输入接口24。图像处理装置20与全景相机10之间可以通过有线(例如USB)或者是无线(WiFi)等通信方式连接，藉此传递控制信号以及拍摄图像。图像处理装置20可以是笔记型计算机、平板计算机、智能手机等各种具有运算功能的电子计算装置。
当利用全景相机10的环景镜头11拍摄全景图像时，图像处理装置20会将拍摄到的图像以圆形广角图像显示在显示屏幕23。显示在显示屏幕23的圆形广角图像如图2所示。在此，为了说明圆形广角图像中的各个位置对应视角的关系，将使用三角网格来呈现。每一个不同款式的环景镜头11中都会由制造商提供对应该环景镜头11的光学视角对距离差值表。当全景相机10与图像处理装置20达成连线时，图像处理装置20的处理器21就可以从全景相机10中读取出该相机制造商预先存储的光学视角对距离差值表，并且将其存储在图像处理装置20中的存储器22。
所谓光学视角对距离差值表就是每一个视角在圆形广角图像中的距离差值的对照表。这个距离差值可以用图像感测阵列上的距离差值。在某一个环景镜头11的例子中，在视角1度时距离差值为0.024，表示视角1度与视角0度在图像感测阵列上的距离为0.024mm；又，视角90度时距离差值为0.023，表示视角90度与视角89度在图像感测阵列上的距离为0.023mm。如果想要消除单位，将焦点只放在距离差值之间的关系的话，例如可将0.025mm标准化为1，使所有的距离差值成为相对于1的比值。根据这个标准化的距离差值表可以产生光学视角对距离差值的曲线图以及对应圆形广角视野的网格。
图3是显示根据本发明一实施例的光学视角对距离差值的曲线图。将光学视角对距离差值表的距离差值标准化后，以视角为横轴，距离差值比为纵轴，可描绘出如图3所示的光学视角对距离差值的曲线。在这个曲线图中可以看见视角相对于图像上距离的关系会随着离开图像中心(视角0度)慢慢变大，到达视角在50度左右为最大值，接着快速下降，到达视角90时最小值。
同样地，可以利用标准化后的光学视角对距离差值表，产生对应该环景镜头11拍摄的圆形广角图像的网格图。如图4所示，在本实施例中，产生的网格为三角网格，由网格中心向外的同心圆分别代表视角10度、20度、30度、40度、50度、60度、70度、80度、90度。各个同心圆之间的距离不同，则表示了上述距离差值随着视角变化的特征。将这个网格覆盖到图2中由环景镜头11所拍摄的圆形广角图像时，如图5所示，使用者可以从显示屏幕23上观察出圆形广角图像上各个位置对应的视角。
图3是将光学视角对距离差值表中的所有的数据描绘成曲线。然而，本发明的处理器21可以只取出光学视角对距离差值表中每隔n度的视角的数据来描绘出曲线。n的值可以在1～10之间。在一个实施例中，从光学视角对距离差值表取出每隔5度的视角的距离差值比，并且根据这些数据运算出最接近这个曲线的多项式。这个多项式可以是例如五次多项式(y＝ax5+bx4+cx3+dx2+ex+f)。该多项式的曲线如图6所示，会近似图3中的曲线。在图6中，以原点的连线表示每隔5度的视角的数据所计算出的多项式的近似曲线，虚线的连线表示原始光学视角对距离差值的曲线。处理器21运算出近似曲线的多项式后，将此多项式存储在存储器22中。
接着，当使用者观看显示屏幕23所呈现圆形广角图像，并想要裁切掉外围一部时分，图像处理装置20的输入接口24提供使用者输入裁切的设定。使用者可以通过输入接口24输入想要裁切的比例。而可裁切的比例会被在图像处理装置20限制在特定的范围内。做为一个例子，显示屏幕23可以如图7所示，在圆形广角图像上显示使用者想要裁切的范围。虚线的圈表示裁切线，使用者可以向内或向外调整裁切线，来选取裁切的范围。在一个例子中，输入接口24可以是触控传感器，这个触控传感器可以例如是显示屏幕23表面的触控阵列。图像处理装置20提供图形接口，让使用者可以直接拉动画面上的虚线圈来调整要裁切的范围(比例)。
裁切比例设定完成后，处理器21会判断裁切后剩余的圆形广角图像的视角范围，并在该范围内使用先前运算出的多项式重新采样出多个点。图8是显示在一定范围内对光学视角对距离差值近似曲线图进行重新采样的示意图。当使用者设定了裁切的范围，处理器21会根据裁切的位置算出对应的视角。以图8为例，裁切的位置例如在原始的圆形广角图像的视角70度的位置，则处理器21会在0至70的剩余视角范围内，以多项式重新采样出多个点(例如90个)，计算出每个新采样点对应的距离差值比。
根据重新的采样结果，维持例如90个采样点(0～90度的视角)之间的距离差值比，将剩余的圆形广角图像延展到与原始的圆形广角图像相同的大小，而完成裁切处理动作。维持多个采样点之间的距离差值比放大这个动作，以图形的观点来看，就是根据新的采样点的数据产生新的网格(为了与旧网格在名称上产生区别，在此称为最佳化网格)，然后如图9所示，将覆盖了这个最佳化网格的裁切后的圆形广角图像，维持网格之间的格距比例将裁切后的圆形广角图像放大至原始的圆形广角图像相同的大小。完成放大后将网格拿掉，如图10所示，显示屏幕23显示出将裁切的圆形广角图像做非线性延展后的结果。
接着，检视采用本发明的非线性延展裁切图像的方法的效果。图11是显示将图2的原始圆形广角图像的校正后图像。如图11所示，将原始的圆形广角图像校正后，计算中间区域与边缘区域中占画面的比例。以位于画面中央的方块A以及位于画面右侧的方块B为例，方块A的宽度占全体画面宽度的6.53％，方块B的宽度占全体画面宽度的6.01％，方块A与方块B的相对比值为1.0865。
接着，计算裁切后圆形广角图像经线性延展后的中间区域与边缘区域所占画面的比例。图12是显示将裁切的圆形广角图像使用线性延展后的校正后图像。如图12所示，将线性延展后的圆形广角图像进行校正，在原始图像中的方块A成为方块A1，方块B成为方块B1，计算两者占画面的比例。得到方块A1的宽度占全体画面宽度的7.90％，方块B1的宽度占全体画面宽度的7.78％，方块A与方块B的相对比值为1.015。
最后，计算裁切后圆形广角图像经本发明的非线性延展后的中间区域与边缘区域所占画面的比例。图13是显示将裁切的圆形广角图像使用本发明的非线性延展后的校正后图像。如图13所示，将非线性延展后的圆形广角图像进行校正，在原始图像中的方块A成为方块A2，方块B成为方块B2，计算两者占画面的比例。得到方块A2的宽度占全体画面宽度的8.41％，方块B2的宽度占全体画面宽度的7.67％，方块A2与方块B2的相对比值为1.0964。
总结来说，以数值来观察图像的中央区域与边缘区域的变化，使用线性的延展方法来放大裁切的图像时，会得到较大的形变程度(|1.0865-1.015|＝0.0715)，使用本发明的非线性的延展方法来放大裁切的图像时，则会得到较小的形变程度(|1.0865-1.0964|＝0.0099)。因此很明显地，可以得知，本发明的非线性延展裁切图像的系统能够确保裁切的圆形广角图像(全景图像)有较小的变形失真。
图14是显示本发明的非线性延展裁切图像的方法的步骤流程图。在步骤S1中，取得要拍摄的环景镜头(鱼眼镜头)的光学视角对距离差值表。接着，在步骤S2，取出光学视角对距离差值表中每隔n度的光学视角的数据，计算出近似于该数据所描绘的曲线的多项式。n的值例如在1至10之间。在步骤S3，使用环景镜头拍摄圆形广角图像。在步骤S4，使用者对圆形广角图像进行裁切的设定，该裁切的设定可以通过例如图形接口来提供使用者输入要裁切的比例。裁切后，只保留在一个特定视角范围内的剩余的圆形广角图像。在步骤S5，在特定视角范围内使用步骤S2算出的多项式重新采样出多个点，每个点有各自的距离差值。在步骤S6，维持各个采样点的距离差值比，将剩余的圆形广角图像延展至原始的圆形广角图像的大小。从另一个角度来看，步骤S5采样的数据可以产生出一最佳化网格，在步骤S6，维持该最佳化网格的格距比例将剩余的圆形广角图像延展至原始的圆形广角图像的大小。
根据本发明上述各实施例，能够非线性地延展裁切的圆形广角图像，使得圆形广角图像校正后的全景图像的中央区域与边缘区域的比例关系变化减小，藉此减低全景图像的形变的程度。
上述已公开的特征能以任何适当方式与一或多个已公开的实施例相互组合、修饰、置换或转用，并不限定于特定的实施例。
本公开虽以各种实施例公开如上，然而其仅为范例参考而非用以限定本公开的范围，本领域技术人员在不脱离本公开的精神和范围内，当可做些许的更动与润饰。因此上述实施例并非用以限定本公开的范围，本公开的保护范围当视所附权利要求书界定范围为准。

Claims (10)

1.一种非线性延展裁切图像的方法，包括：
取得环景镜头的光学视角对距离差值表；
计算出近似以该光学视角对距离差值表的值所描绘的曲线的多项式，所述光学视角对距离差值表为每一个视角在圆形广角图像中的距离差值的对照表；
利用该环景镜头拍摄出圆形广角图像；
裁切该圆形广角图像，保留特定视角范围内的剩余圆形广角图像；
在该特定视角范围内，利用该多项式重新采样出多个点，并计算出该多个点所对应的多个的距离差值；以及
维持该多个点之间的距离差值的比例，延展该剩余圆形广角图像至原始的该圆形广角图像的大小。
2.如权利要求1所述的非线性延展裁切图像的方法，其中该多项式从每n度的光学视角以及其对应的距离差值的近似曲线中求出，其中1≦n≦10。
3.如权利要求1所述的非线性延展裁切图像的方法，其中从该多项式重新采样出的该多个点及该多个的距离差值，产生出最佳化网格，该剩余圆形广角图像维持该最佳化网格的格距比例来延展。
4.如权利要求1所述的非线性延展裁切图像的方法，其中该多个点的数量为1至90。
5.如权利要求1所述的非线性延展裁切图像的方法，其中该圆形广角图像的裁切以图形接口输入裁切比例。
6.一种非线性延展裁切图像的系统，包括：
环景镜头，用以拍摄圆形广角图像；
显示屏幕，显示该环景镜头拍摄的该圆形广角图像；
输入接口，提供裁切该圆形广角图像的输入设定；
存储器，用以存储该环景镜头的光学视角对距离差值表；以及
处理器，读取该存储器中的光学视角对距离差值表，计算出近似以该光学视角对距离差值表的值所描绘的曲线的多项式，并存储于该存储器，所述光学视角对距离差值表为每一个视角在圆形广角图像中的距离差值的对照表，
其中当仅保留该圆形广角图像中特定视角范围内的剩余圆形广角图像的裁切指令输入该输入接口时，该处理器会进行以下处理：在该特定视角范围内，利用该多项式重新采样出多个点，并计算出该多个点所对应的多个的距离差值，然后维持该多个点之间的距离差值的比例，延展该剩余圆形广角图像至原始的该圆形广角图像的大小，并输出至该显示屏幕显示。
7.如权利要求6所述的非线性延展裁切图像的系统，其中该多项式从每n度的光学视角以及其对应的距离差值的近似曲线中求出，其中1≦n≦10。
8.如权利要求6所述的非线性延展裁切图像的系统，其中该处理器会从该多项式重新采样出的该多个点及该多个的距离差值，产生出最佳化网格，该剩余圆形广角图像维持该最佳化网格的格距比例来延展。
9.如权利要求6所述的非线性延展裁切图像的系统，其中该多个点的数量为1至90。
10.如权利要求6所述的非线性延展裁切图像的系统，其中该输入接口是触控传感器，该圆形广角图像的裁切可通过触控来设定裁切比例。
CN201810623354.XA 2018-05-31 2018-06-15 非线性延展裁切图像的方法及系统 Active CN110557557B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW107118708A TWI681366B (zh) 2018-05-31 2018-05-31 非線性延展裁切影像之方法及系統
TW107118708 2018-05-31

Publications (2)

Publication Number Publication Date
CN110557557A CN110557557A (zh) 2019-12-10
CN110557557B true CN110557557B (zh) 2021-05-18

Family

ID=68694110

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810623354.XA Active CN110557557B (zh) 2018-05-31 2018-06-15 非线性延展裁切图像的方法及系统

Country Status (3)

Country Link
US (1) US11138689B2 (zh)
CN (1) CN110557557B (zh)
TW (1) TWI681366B (zh)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018176000A1 (en) 2017-03-23 2018-09-27 DeepScale, Inc. Data synthesis for autonomous control systems
US11409692B2 (en) 2017-07-24 2022-08-09 Tesla, Inc. Vector computational unit
US10671349B2 (en) 2017-07-24 2020-06-02 Tesla, Inc. Accelerated mathematical engine
US11157441B2 (en) 2017-07-24 2021-10-26 Tesla, Inc. Computational array microprocessor system using non-consecutive data formatting
US11893393B2 (en) 2017-07-24 2024-02-06 Tesla, Inc. Computational array microprocessor system with hardware arbiter managing memory requests
US11561791B2 (en) 2018-02-01 2023-01-24 Tesla, Inc. Vector computational unit receiving data elements in parallel from a last row of a computational array
US11215999B2 (en) 2018-06-20 2022-01-04 Tesla, Inc. Data pipeline and deep learning system for autonomous driving
US11361457B2 (en) 2018-07-20 2022-06-14 Tesla, Inc. Annotation cross-labeling for autonomous control systems
US11636333B2 (en) 2018-07-26 2023-04-25 Tesla, Inc. Optimizing neural network structures for embedded systems
US11562231B2 (en) 2018-09-03 2023-01-24 Tesla, Inc. Neural networks for embedded devices
CN113039556B (zh) 2018-10-11 2022-10-21 特斯拉公司 用于使用增广数据训练机器模型的系统和方法
US11196678B2 (en) 2018-10-25 2021-12-07 Tesla, Inc. QOS manager for system on a chip communications
US11816585B2 (en) 2018-12-03 2023-11-14 Tesla, Inc. Machine learning models operating at different frequencies for autonomous vehicles
US11537811B2 (en) 2018-12-04 2022-12-27 Tesla, Inc. Enhanced object detection for autonomous vehicles based on field view
US11610117B2 (en) 2018-12-27 2023-03-21 Tesla, Inc. System and method for adapting a neural network model on a hardware platform
US10997461B2 (en) 2019-02-01 2021-05-04 Tesla, Inc. Generating ground truth for machine learning from time series elements
US11567514B2 (en) 2019-02-11 2023-01-31 Tesla, Inc. Autonomous and user controlled vehicle summon to a target
US10956755B2 (en) 2019-02-19 2021-03-23 Tesla, Inc. Estimating object properties using visual image data
CN117853319A (zh) * 2024-03-01 2024-04-09 江苏时代新能源科技有限公司 图像处理方法、电芯缺陷检测方法、装置及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101938605A (zh) * 2009-06-30 2011-01-05 爱国者全景(北京)网络科技发展有限公司 生成全景视频的方法
JP2013081086A (ja) * 2011-10-04 2013-05-02 Canon Inc 撮像装置及び撮像方法
EP3043547A1 (en) * 2015-01-06 2016-07-13 Ricoh Company, Ltd. Imaging apparatus, video data transmitting apparatus, video data transmitting and receiving system, image processing method, and program
CN106534665A (zh) * 2015-09-15 2017-03-22 卡西欧计算机株式会社 图像显示装置和图像显示方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3650578B2 (ja) * 2000-09-28 2005-05-18 株式会社立山アールアンドディ 画像の歪みを補正するためのニューラル・ネットワークを用いたパノラマ画像ナビゲーションシステム
US7336299B2 (en) * 2003-07-03 2008-02-26 Physical Optics Corporation Panoramic video system with real-time distortion-free imaging
US8368773B1 (en) * 2008-08-29 2013-02-05 Adobe Systems Incorporated Metadata-driven method and apparatus for automatically aligning distorted images
US8724007B2 (en) * 2008-08-29 2014-05-13 Adobe Systems Incorporated Metadata-driven method and apparatus for multi-image processing
US8326077B2 (en) * 2008-10-31 2012-12-04 General Instrument Corporation Method and apparatus for transforming a non-linear lens-distorted image
TWI572846B (zh) * 2015-09-18 2017-03-01 國立交通大學 全景影像三維深度估測系統及全景影像三維深度估測方法
WO2017116952A1 (en) * 2015-12-29 2017-07-06 Dolby Laboratories Licensing Corporation Viewport independent image coding and rendering
US10204398B2 (en) * 2016-02-16 2019-02-12 6115187 Canada, Inc. Image distortion transformation method and apparatus
US10699389B2 (en) * 2016-05-24 2020-06-30 Qualcomm Incorporated Fisheye rendering with lens distortion correction for 360-degree video
CN106127701A (zh) * 2016-06-16 2016-11-16 深圳市凌云视迅科技有限责任公司 鱼眼镜头图像畸变校正方法及装置
US9609197B1 (en) * 2016-08-19 2017-03-28 Intelligent Security Systems Corporation Systems and methods for dewarping images
US10194097B2 (en) * 2017-01-13 2019-01-29 Gopro, Inc. Apparatus and methods for the storage of overlapping regions of imaging data for the generation of optimized stitched images
US10104288B2 (en) * 2017-02-08 2018-10-16 Aspeed Technology Inc. Method and apparatus for generating panoramic image with stitching process
CN107749050B (zh) * 2017-09-30 2020-05-15 珠海市杰理科技股份有限公司 鱼眼图像矫正方法、装置及计算机设备
US10572982B2 (en) * 2017-10-04 2020-02-25 Intel Corporation Method and system of image distortion correction for images captured by using a wide-angle lens
US10607315B2 (en) * 2018-01-09 2020-03-31 Immervision, Inc. Constant resolution continuous hybrid zoom system

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101938605A (zh) * 2009-06-30 2011-01-05 爱国者全景(北京)网络科技发展有限公司 生成全景视频的方法
JP2013081086A (ja) * 2011-10-04 2013-05-02 Canon Inc 撮像装置及び撮像方法
EP3043547A1 (en) * 2015-01-06 2016-07-13 Ricoh Company, Ltd. Imaging apparatus, video data transmitting apparatus, video data transmitting and receiving system, image processing method, and program
CN106534665A (zh) * 2015-09-15 2017-03-22 卡西欧计算机株式会社 图像显示装置和图像显示方法

Also Published As

Publication number Publication date
US11138689B2 (en) 2021-10-05
TWI681366B (zh) 2020-01-01
US20190370935A1 (en) 2019-12-05
CN110557557A (zh) 2019-12-10
TW202004665A (zh) 2020-01-16

Similar Documents

Publication Publication Date Title
CN110557557B (zh) 非线性延展裁切图像的方法及系统
CN110456967B (zh) 信息处理方法、信息处理设备以及程序
JP5835384B2 (ja) 情報処理方法、情報処理装置、およびプログラム
CN111935397B (zh) 图像的处理方法、装置、电子设备和计算机可读介质
CN105120172A (zh) 一种移动终端前后置摄像头拍照方法及移动终端
JP6497965B2 (ja) 画像処理装置及び画像処理方法
JP6544996B2 (ja) 制御装置及び制御方法
JP5822545B2 (ja) 画像処理装置、画像処理装置の制御方法、およびプログラム
KR101597915B1 (ko) 화상 처리 장치 및 화상 처리 방법
JP6350695B2 (ja) 装置、方法、およびプログラム
CN110709813B (zh) 一种图像显示方法、设备、云台及存储介质
US10701286B2 (en) Image processing device, image processing system, and non-transitory storage medium
JP6583486B2 (ja) 情報処理方法、情報処理プログラムおよび情報処理装置
JP6128185B2 (ja) 装置、方法、およびプログラム
WO2017159014A1 (ja) 画像処理装置、画像処理方法及び画像処理システム
WO2018103143A1 (zh) 用于虚拟现实设备的成像方法、装置及虚拟现实设备
JP6708483B2 (ja) 画像処理装置、画像処理方法、およびプログラム
JP2019204560A (ja) プログラム
JP2017208658A (ja) 画像処理装置、画像処理方法及びプログラム
JP2019102976A (ja) 画像処理装置およびその制御方法、撮像装置、プログラム
JP6937722B2 (ja) 画像処理装置および画像処理方法
US20230088309A1 (en) Device and method for capturing images or video
JP2016021267A (ja) 装置、方法、およびプログラム
JP5689561B1 (ja) 画像補正装置および画像補正プログラム
JP2022077221A (ja) 画像処理装置、画像処理システム、画像処理方法、およびプログラム

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