CN112232278B - 一种3d结构光自适应精度实现方法及系统 - Google Patents

一种3d结构光自适应精度实现方法及系统 Download PDF

Info

Publication number
CN112232278B
CN112232278B CN202011215571.9A CN202011215571A CN112232278B CN 112232278 B CN112232278 B CN 112232278B CN 202011215571 A CN202011215571 A CN 202011215571A CN 112232278 B CN112232278 B CN 112232278B
Authority
CN
China
Prior art keywords
precision
image
face
dimensional
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.)
Active
Application number
CN202011215571.9A
Other languages
English (en)
Other versions
CN112232278A (zh
Inventor
徐汝云
黄昊
徐启波
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.)
Shanghai Feigeen Microelectronics Technology Co ltd
Original Assignee
Shanghai Feigeen Microelectronics 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 Shanghai Feigeen Microelectronics Technology Co ltd filed Critical Shanghai Feigeen Microelectronics Technology Co ltd
Priority to CN202011215571.9A priority Critical patent/CN112232278B/zh
Publication of CN112232278A publication Critical patent/CN112232278A/zh
Application granted granted Critical
Publication of CN112232278B publication Critical patent/CN112232278B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G06T7/85—Stereo camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种3D结构光自适应精度实现方法，包括以下步骤：S01：图像传感器精度选择，该精度选择选择低精度；S02：进行2D图像采集；S03：对采集到的2D图像进行处理；S04：判断是否是人脸图像；如果不是则回到开始状态，如果是则进行S05；S05：自适应调节选择合适的精度采集3D图像数据；S06：人脸3D图像重建；S07：人脸识别。本发明提高硬件资源使用效率，降低功耗。当视场内不存在识别目标时，系统会自动的配置图像传感器以最低精度运行。保证系统正常运行的同时，减少视频冗余。

Description

一种3D结构光自适应精度实现方法及系统
技术领域
本发明属于3D结构光人脸识别领域，具体涉及一种3D结构光自适应精度实现方法及3D结构光自适应精度实现系统。
背景技术
传统的3D(三维)结构光人脸识别采用固定精度的图像传感器，存在图像传感器精度过高冗余信息过多或图像传感器精度不够，不能提供足够的有效信息等问题。
发明内容
为了解决在3D(三维)结构光立体成像，人脸识别中存在视频数据冗余，识别速度慢，传感器功耗大等问题，本发明提供一种3D结构光自适应精度实现方法提高硬件资源使用效率，降低功耗。当视场内不存在识别目标时，系统会自动的配置图像传感器以最低精度运行。保证系统正常运行的同时，减少视频冗余。
一方面，本发明提供一种3D结构光自适应精度实现方法，包括以下步骤：
S01：图像传感器精度选择，该精度选择选择低精度；
S02：进行2D图像采集；
S03：对采集到的2D图像进行处理；
S04：判断是否是人脸图像；如果不是则回到开始状态，如果是则进行S05；
S05：自适应调节选择合适的精度采集3D图像数据；
S06：人脸3D图像重建；
S07：人脸识别。
可选地，所述自适应调节选择合适的精度采集3D图像数据包括以下步骤：
S051：初始选择中等精度的图像传感器ADC的量化位数，并对光源和相机进行三维坐标标定；
S052：使用散斑结构光投射到人脸，采集人脸信息；
S053：对采集到的图像进行精度判断，若精度合适，则进入SO6，若精度不合适，返回S051,重新选择精度。
可选地，所述S053中，对采集到的图像进行精度判断的方法为：若m＜n或m＞n时，则精度不合适，若m＝n则精度合适；其中，m代表选择的图像传感器ADC的量化位数；n代表3维图像数据的色彩位数也就是色彩深度，是指每个像素要用多少位二进制数字加以表示；并且n可以根据所需要的人脸识准确率，人为设定。
可选地，所述重新选择精度为：若m＜n，将m加1；若m>n将m减1。
另一方面，本发明还提供一种3D结构光自适应精度实现的系统，所述3D结构光自适应精度实现的系统包括二维人脸图像形成模块、三维人脸图像数据采集模块、人脸三维图像重建模块和人脸识别模块，通过二维人脸图像形成模块将采集辨识后的人脸图像传输到三维人脸图像数据采集模块，三维人脸图像数据采集模块构建三维坐标、采集合适精度的三维图像数据传输到人脸三维图像重建模块，人脸三维图像重建模块重建人脸三维图像后传输到人脸识别模块进行人脸识别。
可选地，所述二维人脸图像形成模块包括初始化模块、低精度档图像传感器、二维图像预处理模块和人脸特征提取判定模块，当人脸特征提取判定模块判定二维图像为人脸图像时，将该图像传输到三维人脸图像数据采集模块，当判定为非人脸图像时，回到初始化模块重新采集图像。
可选地，所述三维人脸图像数据采集模块包括合适精度选择档图像传感器、光源和相机三维坐标标定模块、三维图像采集控制模块和人脸三维图像数据位数判断与控制模块，合适精度选择档图像传感器选择初始精度，光源和相机三维坐标标定模块进行三维坐标标定，三维图像采集控制模块使用散斑结构光投射到二维人脸图像，采集人脸图像数据，人脸三维图像数据位数判断与控制模块对采集到的图像进行精度判断，若精度合适则传输到人脸三维图像重建模块，若精度不合适，则返回合适精度选择档图像传感器7重新选择精度，实现精度的自适应调节。
可选地，所述重新选择精度时，若m＜n，将m加1；若m>n将m减1；直至m＝n。
与现有技术相比，本发明的有益效果在于：
本发明提高硬件资源使用效率，降低功耗。当视场内不存在识别目标时，系统会自动的配置图像传感器以最低精度运行。保证系统正常运行的同时，减少视频冗余。
本发明可在满足目标识别的前提下，自适应的降低图像传感器精度，提高整体识别速度。
本发明提高3D(三维)结构光人脸识别系统的智能性。可自行的对有无识别目标进行判断。并对识别目标所需要的精度进行优化。
术语说明
本发明中，低精度指ADC量化位数≦8位，高精度指ADC量化位数≥16位，中等精度指ADC量化位数在8位-16位之间。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明流程图示意图；
图2是本发明原理框图示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
请参考图1-图2，图1是本发明3D结构光自适应精度实现方法的流程图示意图，图2是本发明3D结构光自适应精度实现装置的原理框图示意图
一种3D结构光自适应精度实现方法，包括以下步骤：
S01：图像传感器精度初始选择低精度，即低ADC量化位数。
需要理解的是，图像传感器为结构光图像传感器，图像传感器需具有可变精度(ADC量化位数)功能，即通过寄存器配置可实现精度和时序的调节。
S02：进行2D(二维)图像采集。
S03：对采集到的2D(二维)图像进行处理。
S04：判断是否是人脸图像。如果不是则回到开始状态，如果是则进行人脸3D(三维)图像采集。
S05：在二维人脸图像的基础上，选择合适的精度采集3D(三维)图像数据，该步骤为自适应调节步骤，包括以下分步骤：
S051：初始选择中等精度，并对光源和相机进行三维坐标标定。
S052：使用散斑结构光投射到人脸，用图像传感器采集人脸信息。
S053：对采集到的图像进行精度判断，若精度合适，则进入SO6，若精度不合适，返回S051,重新选择精度，重复S051-S053直到精度合适，实现精度的自适应调节。
采集图像时精度选的过高会造成采集的数据量大，图像重建困难，识别速度慢。精度选的过低，又会导致得到的图像数据信息不充分，无法进行人脸识别。
本步骤中，对采集到的图像进行精度判断方法为：
假定散斑结构光进行3D(三维)人脸重建，并达到可识别精度所需的数据，实际ADC的量化位数有效位为n位。当前采集到的散斑结构光人脸数据ADC的量化位数有效位为m位。其中：m代表图像传感器ADC的量化位数；n代表3维图像数据的色彩位数也就是色彩深度，是指每个像素要用多少位二进制数字加以表示。并且n可以根据所需要的人脸识准确率，人为设定。
当m＜n时，说明采集数据的精度不够，需要提高图像传感器的量化位数，即提高图像传感器的精度。当m＞n时，说明采集精度偏高，需降低图像传感器精度。当m＝n时说明精度刚好，可以将采集的图像数据用于3D重建和人脸识别。
可选地，重新选择精度时，若m＜n，将m加1；若m>n将m减1；直至m＝n。
S06：人脸3D(三维)图像重建。
从S053获取合适精度的3D(三维)结构光人脸数据后，进行人脸3D(三维)图像重建。
S07：人脸识别。
基于上述的3D结构光自适应精度实现方法，本发明还提供一种3D结构光自适应精度实现的装置。
一种3D结构光自适应精度实现的系统，包括二维人脸图像形成模块1、三维人脸图像数据采集模块2、人脸三维图像重建模块11和人脸识别模块12，通过二维人脸图像形成模块1将采集辨识后的人脸图像传输到三维人脸图像数据采集模块2，三维人脸图像数据采集模块2构建三维坐标、采集合适精度的三维图像数据传输到人脸三维图像重建模块11，人脸三维图像重建模块11重建人脸三维图像后传输到人脸识别模块12进行人脸识别。从而实现3D结构光人脸识别在速度、精度和功耗间的合理配置，提高整体识别精度和速度。
可选地，二维人脸图像形成模块1包括初始化模块3、低精度档图像传感器4、二维图像预处理模块5和人脸特征提取判定模块6，低精度档图像传感器4虽然采集的数据量较小，但识别速度快，可以快速进行二维图像的识别，加快识别速度，当人脸特征提取判定模块6判定二维图像为人脸图像时，将该图像传输到三维人脸图像数据采集模块2，当判定为非人脸图像时，回到初始化模块3重新采集图像，提高二维人脸图像形成模块1的准度，保证输入到三维人脸图像数据采集模块2的二维图像为人脸图像。
可选地，三维人脸图像数据采集模块2包括合适精度选择档图像传感器7、光源和相机三维坐标标定模块8、三维图像采集控制模块9和人脸三维图像数据位数判断与控制模块11，合适精度选择档图像传感器7选择初始精度，光源和相机三维坐标标定模块8进行三维坐标标定，三维图像采集控制模块9使用散斑结构光投射到二维人脸图像，采集人脸图像数据，人脸三维图像数据位数判断与控制模块11对采集到的图像进行精度判断，若精度合适则传输到人脸三维图像重建模块11，若精度不合适，则返回合适精度选择档图像传感器7重新选择精度，实现精度的自适应调节。
可选地，重新选择精度时，若m＜n，将m加1；若m>n将m减1；直至m＝n。
低精度档图像传感器4与合适精度选择档图像传感器7可以为同一传感器，该传感器具有可变精度(ADC量化位数)功能，即通过寄存器配置可实现精度和时序的调节。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应作广义理解，例如，可以是固定连接，也可以是通过中间媒介间接相连，可以是两个元件内部的连通或者两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或者位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或者暗示所指的装置或者元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。在本发明的描述中，“多个”的含义是两个或两个以上，除非是另有精确具体地规定。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (4)

1.一种3D结构光自适应精度实现方法，包括以下步骤：
S01：图像传感器精度选择，该精度选择低精度，低精度指ADC量化位数≦8位；
S02：进行2D图像采集；
S03：对采集到的2D图像进行处理；
S04：判断是否是人脸图像；如果不是则回到开始状态，如果是则进行S05；
S05：自适应调节选择合适的精度采集3D图像数据；
S06：人脸3D图像重建；
S07：人脸识别；
所述自适应调节选择合适的精度采集3D图像数据包括以下步骤：
S051：初始选择中等精度的图像传感器ADC的量化位数，并对光源和相机进行三维坐标标定，中等精度指ADC量化位数大于8位小于16位；
S052：使用散斑结构光投射到人脸，采集人脸信息；
S053：对采集到的图像进行精度判断，若精度合适，则进入S06，若精度不合适，重新选择精度，所述重新选择精度为：若m＜n，将m加1；若m>n将m减1，直至m=n，其中，m代表选择的图像传感器ADC的量化位数；n代表3维图像数据的色彩位数也就是色彩深度，是指每个像素要用多少位二进制数字加以表示；并且n根据所需要的人脸识准确率，人为设定。
2.根据权利要求1所述的3D结构光自适应精度实现方法，其特征在于：所述S053中，对采集到的图像进行精度判断的方法为：若m＜n或m＞n时，则精度不合适，若m=n则精度合适。
3.一种3D结构光自适应精度实现的系统，其特征在于：所述3D结构光自适应精度实现的系统包括二维人脸图像形成模块、三维人脸图像数据采集模块、人脸三维图像重建模块和人脸识别模块，通过二维人脸图像形成模块将采集辨识后的人脸图像传输到三维人脸图像数据采集模块，三维人脸图像数据采集模块构建三维坐标、采集合适精度的三维图像数据传输到人脸三维图像重建模块，人脸三维图像重建模块重建人脸三维图像后传输到人脸识别模块进行人脸识别；所述二维人脸图像形成模块包括初始化模块、低精度档图像传感器、二维图像预处理模块和人脸特征提取判定模块，当人脸特征提取判定模块判定二维图像为人脸图像时，将该图像传输到三维人脸图像数据采集模块，当判定为非人脸图像时，回到初始化模块重新采集图像；人脸三维图像数据位数判断与控制模块对采集到的图像进行精度判断，若精度合适则传输到人脸三维图像重建模块，若精度不合适，则返回合适精度选择档图像传感器重新选择精度，实现精度的自适应调节；所述重新选择精度时，若m＜n，将m加1；若m>n将m减1；直至m=n，其中，m代表选择的图像传感器ADC的量化位数；n代表3维图像数据的色彩位数也就是色彩深度，是指每个像素要用多少位二进制数字加以表示；并且n根据所需要的人脸识准确率，人为设定；低精度指ADC量化位数≦8位。
4.根据权利要求3所述的3D结构光自适应精度实现的系统，其特征在于：所述三维人脸图像数据采集模块包括合适精度选择档图像传感器、光源和相机三维坐标标定模块、三维图像采集控制模块和人脸三维图像数据位数判断与控制模块，合适精度选择档图像传感器选择初始精度，光源和相机三维坐标标定模块进行三维坐标标定，三维图像采集控制模块使用散斑结构光投射到二维人脸图像，采集人脸图像数据。
CN202011215571.9A 2020-11-04 2020-11-04 一种3d结构光自适应精度实现方法及系统 Active CN112232278B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011215571.9A CN112232278B (zh) 2020-11-04 2020-11-04 一种3d结构光自适应精度实现方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011215571.9A CN112232278B (zh) 2020-11-04 2020-11-04 一种3d结构光自适应精度实现方法及系统

Publications (2)

Publication Number Publication Date
CN112232278A CN112232278A (zh) 2021-01-15
CN112232278B true CN112232278B (zh) 2024-02-20

Family

ID=74121862

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011215571.9A Active CN112232278B (zh) 2020-11-04 2020-11-04 一种3d结构光自适应精度实现方法及系统

Country Status (1)

Country Link
CN (1) CN112232278B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115294676B (zh) * 2022-07-08 2024-03-19 重庆甲智甲创科技有限公司 一种人脸识别开锁方法及人脸识别开锁装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101035273A (zh) * 2007-04-24 2007-09-12 北京中星微电子有限公司 视频监控中的自动跟踪控制方法和控制装置
JP2016194778A (ja) * 2015-03-31 2016-11-17 セコム株式会社 物体検出装置
CN106686315A (zh) * 2017-01-24 2017-05-17 王亚鲁 自动调节图像清晰度的智能监拍方法及装置
CN107333107A (zh) * 2017-07-21 2017-11-07 广东美的制冷设备有限公司 监控拍摄方法、装置及其设备
CN107748869A (zh) * 2017-10-26 2018-03-02 深圳奥比中光科技有限公司 3d人脸身份认证方法与装置
WO2019015433A1 (zh) * 2017-07-18 2019-01-24 Oppo广东移动通信有限公司 解锁处理方法及相关产品
CN110731076A (zh) * 2018-07-31 2020-01-24 深圳市大疆创新科技有限公司 一种拍摄处理方法、设备及存储介质
CN110991306A (zh) * 2019-11-27 2020-04-10 北京理工大学 自适应的宽视场高分辨率智能传感方法和系统
CN111429376A (zh) * 2020-03-30 2020-07-17 北京芯龙德大数据科技有限公司 高低精度融合的高效数字图像处理方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8107675B2 (en) * 2006-12-29 2012-01-31 Cognex Corporation Trigger system for data reading device
US8493464B2 (en) * 2010-06-18 2013-07-23 Altek Corporation Resolution adjusting method
WO2020024576A1 (zh) * 2018-08-01 2020-02-06 Oppo广东移动通信有限公司 摄像头校准方法和装置、电子设备、计算机可读存储介质
US10775868B2 (en) * 2018-10-26 2020-09-15 Pixart Imaging Inc. Navigation device with low power consumption

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101035273A (zh) * 2007-04-24 2007-09-12 北京中星微电子有限公司 视频监控中的自动跟踪控制方法和控制装置
JP2016194778A (ja) * 2015-03-31 2016-11-17 セコム株式会社 物体検出装置
CN106686315A (zh) * 2017-01-24 2017-05-17 王亚鲁 自动调节图像清晰度的智能监拍方法及装置
WO2019015433A1 (zh) * 2017-07-18 2019-01-24 Oppo广东移动通信有限公司 解锁处理方法及相关产品
CN107333107A (zh) * 2017-07-21 2017-11-07 广东美的制冷设备有限公司 监控拍摄方法、装置及其设备
CN107748869A (zh) * 2017-10-26 2018-03-02 深圳奥比中光科技有限公司 3d人脸身份认证方法与装置
CN110731076A (zh) * 2018-07-31 2020-01-24 深圳市大疆创新科技有限公司 一种拍摄处理方法、设备及存储介质
CN110991306A (zh) * 2019-11-27 2020-04-10 北京理工大学 自适应的宽视场高分辨率智能传感方法和系统
CN111429376A (zh) * 2020-03-30 2020-07-17 北京芯龙德大数据科技有限公司 高低精度融合的高效数字图像处理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种基于双目测距系统的亚像素精度自适应图像匹配算法;张尧;赵洋;刘博宇;迟名辰;杨进华;;长春理工大学学报(自然科学版)(第02期);全文 *

Also Published As

Publication number Publication date
CN112232278A (zh) 2021-01-15

Similar Documents

Publication Publication Date Title
KR20200100558A (ko) 이미지 처리 방법 및 장치, 전자 디바이스 및 컴퓨터 판독 가능 저장 매체
CN104501740B (zh) 一种基于标记点轨迹跟踪的手持激光三维扫描方法及设备
CN101493892B (zh) 图像特征提取方法及装置
CN108010123B (zh) 一种保留拓扑信息的三维点云获取方法
CN109377530A (zh) 一种基于深度神经网络的双目深度估计方法
US9992408B2 (en) Photographing processing method, device and computer storage medium
EP3843386B1 (en) Data processing method and apparatus
CN103839258A (zh) 一种二值化激光散斑图像的深度感知方法
KR102455468B1 (ko) 객체의 3차원 모델을 복원하는 방법 및 장치
CN106131362B (zh) 一种图像处理方法、装置及图像形成设备
CN111107337B (zh) 深度信息补全方法及其装置、监控系统和存储介质
US20150288945A1 (en) Generarting 3d images using multiresolution camera clusters
CN112232278B (zh) 一种3d结构光自适应精度实现方法及系统
CN111339831A (zh) 一种照明灯控制方法和系统
CN114663514B (zh) 一种基于多模态稠密融合网络的物体6d姿态估计方法
KR20140074201A (ko) 추적 장치
CN114329324A (zh) 数据处理电路、数据处理方法及相关产品
Benveniste et al. Nary coded structured light-based range scanners using color invariants
CN104184936B (zh) 基于光场相机的影像对焦处理方法及其系统
CN111583357A (zh) 一种基于matlab系统的物体运动图像捕捉合成方法
CN104333758B (zh) 深度图的预测方法和检测像素点的方法及相关装置
CN110766609B (zh) 一种针对ToF相机的景深图超分辨率重建方法
CN115601490B (zh) 基于纹理映射的纹理图像前置置换方法、装置和存储介质
CN105096309B (zh) 一种基于x光的边缘检测方法及装置
CN108805894A (zh) 图像分析方法及其系统

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