CN114830015A - 用于确定配戴着眼睛配戴物的受试者的至少一个几何形态参数的值的方法 - Google Patents
用于确定配戴着眼睛配戴物的受试者的至少一个几何形态参数的值的方法 Download PDFInfo
- Publication number
- CN114830015A CN114830015A CN202080087709.3A CN202080087709A CN114830015A CN 114830015 A CN114830015 A CN 114830015A CN 202080087709 A CN202080087709 A CN 202080087709A CN 114830015 A CN114830015 A CN 114830015A
- Authority
- CN
- China
- Prior art keywords
- image
- subject
- head
- eye
- wear
- 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 73
- 238000012545 processing Methods 0.000 claims abstract description 67
- 238000010801 machine learning Methods 0.000 claims abstract description 11
- 210000003128 head Anatomy 0.000 claims description 182
- 230000000877 morphologic effect Effects 0.000 claims description 5
- 210000004709 eyebrow Anatomy 0.000 claims description 3
- 210000001747 pupil Anatomy 0.000 description 9
- 230000001815 facial effect Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 210000000613 ear canal Anatomy 0.000 description 2
- 210000004373 mandible Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 102220496565 MAGUK p55 subfamily member 3_I21A_mutation Human genes 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000010420 art technique Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G02—OPTICS
- G02C—SPECTACLES; SUNGLASSES OR GOGGLES INSOFAR AS THEY HAVE THE SAME FEATURES AS SPECTACLES; CONTACT LENSES
- G02C13/00—Assembling; Repairing; Cleaning
- G02C13/003—Measuring during assembly or fitting of spectacles
-
- G—PHYSICS
- G02—OPTICS
- G02C—SPECTACLES; SUNGLASSES OR GOGGLES INSOFAR AS THEY HAVE THE SAME FEATURES AS SPECTACLES; CONTACT LENSES
- G02C13/00—Assembling; Repairing; Cleaning
- G02C13/003—Measuring during assembly or fitting of spectacles
- G02C13/005—Measuring geometric parameters required to locate ophtalmic lenses in spectacles frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Optics & Photonics (AREA)
- Ophthalmology & Optometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Eyeglasses (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种用于确定配戴着眼睛配戴物的受试者的至少一个几何形态参数的值的方法,所述至少一个几何形态参数包括:‑与该受试者的头部和所述眼睛配戴物两者相关的参数;或‑仅与该受试者的形态相关的参数;或‑仅与该眼睛配戴物的几何形状相关的参数;所述方法是计算机实现的,其中,执行以下步骤:a)获得配戴着所述眼睛配戴物的受试者的头部的至少一个图像;b)在步骤a)中获得的所述至少一个图像上,使用基于预定数据库而确定的图像处理算法来同时识别眼睛配戴物(I10)的图像的一组显著点和该受试者的头部(I20)的图像的一组显著点,该预定数据库包括配戴着眼睛配戴物的头部的多个参考图像,所述图像处理算法是基于机器学习,c)考虑在步骤b)中识别的该眼睛配戴物和该受试者的头部的图像的所述组显著点来确定几何形态参数的所述至少一个值。
Description
技术领域
本发明涉及一种用于确定配戴着眼睛配戴物的受试者的至少一个几何形态参数的值的方法。
此方法可以用于确定为此受试者定制的视觉矫正设备。
背景技术
制造适于受试者和眼睛配戴物镜架的眼科镜片以便向受试者提供适当的眼科设备需要确定用于将镜片配适在所选眼睛配戴物中的多个配适数据。
为了获得这些配适数据,需要确定受试者的几何形态参数。
许多文件描述了用于确定这种参数的装置和方法。这些参数包括例如受试者的瞳孔间距和/或配适高度,配适高度对应于在使用条件下受试者的眼睛的瞳孔与受试者所配戴的眼睛配戴物或镜片的底边缘之间的竖直距离。
已知的方法通常需要眼睛护理专业人员的干预。例如,眼睛护理专业人员可以用尺子手动测量配适高度。
其他已知的方法是基于对配戴着所选眼睛配戴物的受试者的头部的图像的处理。在这种已知的方法中,在所捕获的图像上眼睛配戴物的图像的位置(例如镜片轮廓的边缘的位置)和受试者的瞳孔的图像的位置是相互独立地确定的,并且从中推导出所寻找的几何形态参数的值。
在这种情况下,确定的几何形态参数的值的准确性取决于确定镜片轮廓的图像的位置和瞳孔的图像的位置的准确性。而且,现有技术的方法需要两个独立的识别步骤,一方面是识别眼睛配戴物,另一方面是识别头部特征。
发明内容
因此,本发明的一个目的是提供一种用于确定配戴着眼睛配戴物的受试者的至少一个几何形态参数的准确值的新方法,以用于以快速且简单的方式精确地确定为此受试者定制的视觉矫正设备。
根据本发明,上述目的通过提供一种方法来实现,其中,所述至少一个几何形态参数包括:
-与该受试者的头部和所述眼睛配戴物两者相关的参数;或
-仅与该受试者的形态相关的参数;或
-仅与该眼睛配戴物的几何形状相关的参数;
所述方法是计算机实现的,并且其中,
执行以下步骤:
a)获得配戴着所述眼睛配戴物的受试者的头部的至少一个图像;
b)在步骤a)中获得的所述至少一个图像上,使用基于预定数据库而确定的图像处理算法来同时识别该眼睛配戴物的图像的一组显著点和该受试者的头部的图像的一组显著点,该预定数据库包括配戴着眼睛配戴物的头部的多个参考图像,所述图像处理算法是基于机器学习,
c)考虑在步骤b)中识别的该眼睛配戴物和该受试者的头部的图像的所述组显著点来确定几何形态参数的所述至少一个值。
申请人的研究实际上表明,同时识别该眼睛配戴物和该受试者的头部显著点两者允许准确地识别该眼睛配戴物和该受试者的头部特征的图像。眼睛配戴物特征和受试者的头部特征的相对位置实际上是相关的。
根据本披露内容所描述的方法,头部和眼睛配戴物被视为单个对象,并且在单个步骤中一起研究和识别头部和眼睛配戴物的显著点。
通过同时识别该眼睛配戴物的显著点和该受试者的头部的显著点来执行眼睛配戴物和头部特征的全局识别提高了用于识别该眼睛配戴物的显著点和/或该受试者的头部的显著点的图像处理算法的性能。
由于通过根据本披露内容的方法准确地确定了眼睛配戴物的图像的位置和头部特征的图像的位置,因此确定的几何形态参数的值也是准确的。
根据本发明的方法的另一个优点是其适应性。该图像处理算法可以很容易地适应不同的受试者群体和/或不同的眼睛配戴物趋势。此图像处理算法实际上是基于预定数据库、通过机器学习技术确定的,该预定数据库包括配戴着眼睛配戴物的头部的多个参考图像。此预定数据库可以通过根据受试者特征(比如年龄、种族和/或地理起源)和/或根据眼睛配戴物特征(比如镜架类型(全镜框、部分镜框或无镜框)、镜片的形状、镜架材料、镜片的色调/折射特征)来选择参考图像而进行调整。
当在图像捕获的步骤a)过程中该受试者所配戴的眼睛配戴物的镜片包括有色和/或矫正镜片时,根据本披露内容的方法则特别有用。在这些条件下,使用现有技术的方法可能更难以在所捕获的图像上识别眼睛配戴物或头部特征的图像,而根据本发明的方法允许准确地识别。
而且,在单个步骤中快速地执行该方法。
根据本发明的方法的其他有利和可选的特征如下:
-该眼睛配戴物的图像的所述显著点属于该眼睛配戴物的图像的轮廓;
-该受试者的头部的图像的所述显著点属于该受试者的眼睛的图像和/或该受试者的下颌线的图像和/或该受试者的鼻子的图像和/或该受试者的嘴巴的图像和/或该受试者的眉毛的图像;
-在步骤b)中,在步骤a)中获得的该头部的所述图像的参考平面中确定该头部和眼睛配戴物的图像的所述组显著点中的每个显著点的位置;
-在步骤a)中,当获得该头部的所述至少一个图像时,该受试者处于自然姿势;因此,在步骤a)中获得的所述至少一个图像显示出处于自然姿势的受试者;
-在步骤a)中,配戴着所述眼睛配戴物的受试者的头部的所述至少一个图像是
-用放置在配戴着所述眼睛配戴物的受试者的头部前方的图像捕获设备来捕获的,或
-由计算机从数据库中检索;
-在步骤a)中,获得配戴着所述眼睛配戴物的受试者的头部的多个图像,针对该受试者的头部的所述多个图像中的每个图像执行步骤b)和c),并且基于在每个步骤c)中确定的几何形态参数的值来确定该几何形态参数的最终值;
-配戴着所述眼睛配戴物的受试者的头部的所述多个图像是用图像捕获设备来捕获的,其中该受试者的头部相对于该图像捕获设备的姿势不同;
-在步骤b)中,
-通过将第一图像处理算法应用于配戴着所述眼睛配戴物的头部的整个图像来识别该眼睛配戴物和/或该受试者的头部的图像的第一组显著点,并且基于此第一组显著点,选择配戴着所述眼睛配戴物的头部的所述至少一个图像的一部分,以及
-通过将第二图像处理算法仅应用于配戴着所述眼睛配戴物的头部的图像的所选所述部分来识别该眼睛配戴物和/或该受试者的头部的第二组显著点,其中,所述第一和第二处理算法中的至少一个是所述图像处理算法,并且对应的第一或第二组显著点是该眼睛配戴物和该受试者的头部的一组显著点;
-要识别的该眼睛配戴物和头部的图像的显著点的数量是预先确定的;
-所述预定数据库包括配戴着眼睛配戴物的头部的所述多个参考图像以及相关联的该眼睛配戴物的每个参考图像的预定组对应显著点和该受试者的头部的每个参考图像的预定组对应显著点,在执行步骤b)之前在所述预定数据库上训练该图像处理算法;
-所述预定数据库是考虑与该受试者相关的以下参数中的至少一个来确定的:
-该受试者的世界地区;
-该受试者的习惯;
-该受试者的头部形态;
-该受试者所配戴的眼睛配戴物镜架或镜片的形状;
-所述至少一个几何形态包括以下之一:
-瞳孔间距;
-配适高度;
-多个配适高度;
-配适高度的平均值和/或标准偏差,
-眼睛配戴物镜架和/或镜片形状和/或尺寸;
-头部形状;
-眼睛配戴物镜架在头部上的接触点;
-头部取向。
本发明还涉及一种用于确定配戴着眼睛配戴物的受试者的至少一个几何形态参数的系统,所述至少一个几何形态参数包括:
-与该受试者的头部和所述眼睛配戴物两者相关的参数;或
-仅与该受试者的形态相关的参数;或
-仅与该眼睛配戴物的几何形状相关的参数;以及
所述系统包括:
-输入装置,该输入装置用于获得配着戴所述眼睛配戴物的受试者的头部的至少一个图像;以及
-处理单元,该处理单元适于:
-在通过所述输入装置获得的所述至少一个图像上,使用基于预定数据库而确定的图像处理算法来同时识别该眼睛配戴物的图像的一组显著点和该受试者的头部的图像的一组显著点,该预定数据库包括配备有眼睛配戴物的头部的多个参考图像,所述图像处理算法是基于机器学习,
-考虑所识别的该眼睛配戴物和该受试者的头部的图像的所述组显著点来确定几何形态参数的所述至少一个值。
所述处理单元优选地包括被编程为执行这些步骤的处理器。因此,该方法优选地是计算机实现的。
此系统允许实现上述方法。
附图说明
参考附图的以下描述将使本发明包括的内容以及实现本发明的方式清晰。本发明不限于附图中所展示的实施例。相应地,应当理解的是,在权利要求中提到的特征后面带有附图标记的情况下,包括这种附图标记仅是出于增强权利要求的可理解性的目的,而决不是对权利要求的范围的限制。
在附图中:
-图1是在受试者的戴有眼睛配戴物的头部的图像上所示的、在根据本发明的方法中使用的头部和眼睛配戴物的一组完整的显著点的示意图,其中图像的每个显著点由十字表示;
-图2是在所述眼睛配戴物上所示的、图1的所述组完整的显著点中所包括的眼睛配戴物的一组显著点的示意图,其中眼睛配戴物的每个显著点由十字表示;
-图3是在受试者的头部上所示的、图1的所述组完整的显著点中所包括的头部的一组显著点的示意图,其中头部的每个显著点由十字表示。
具体实施方式
本发明提供了一种用于确定配戴着眼睛配戴物10的受试者的至少一个几何形态参数的值的方法。
眼睛配戴物10(例如在图2中表示的)包括镜架11和安装在此镜架11中的至少一个镜片12。镜架11可以包括围绕每个镜片12的全镜框11A(如图2中的情况)、部分围绕每个镜片的部分镜框或无镜框。镜框11A通过鼻梁13连结,并且各自与镜腿14连接。在镜架无镜框的情况下,鼻梁和镜腿直接与镜片连接。
每个镜片可以是平光镜片或具有屈光力的矫正镜片。
所述至少一个几何形态参数可以包括
-与头部和眼睛配戴物两者相关的参数,例如其值取决于当配适在受试者的头部上时眼睛配戴物的相对位置;或
-仅与受试者的形态相关的参数,例如其值取决于受试者的头部的形状和/或受试者的头部特征的位置,比如眼睛的相对位置;或
-仅与眼睛配戴物的几何形状相关的参数,例如其值仅取决于眼睛配戴物的形状。
这种几何形态参数可以例如包括与头部和眼睛配戴物两者相关的以下参数之一:
-配适高度FH(图1),对应于在配戴着眼睛配戴物10的条件下受试者的眼睛21的瞳孔21A的中心与镜片12或镜架11的底边缘之间的竖直距离,
-多个配适高度值和/或多个配适高度值的平均值和/或标准偏差值,
-眼睛配戴物在受试者的头部上的至少一个接触点的位置。
这种几何形态参数可以例如包括仅与受试者的形态相关的以下参数之一:
-瞳孔间距IPD(图1和图3),对应于受试者的眼睛21的瞳孔21A的中心之间的距离,
-头部形状分类,例如圆形、方形、椭圆形、三角形,或根据预定的头部模型。
这种几何形态参数可以例如包括仅与眼睛配戴物的几何形状相关的以下参数之一:镜架和/或镜片形状和尺寸,例如通常在镜架的方框系统中测量的A、B和D尺寸。此方框系统对应于镜架11的镜框11A适合的最小水平矩形。A和B对应于此矩形的宽度和高度。D对应于右镜片方框与左镜片方框之间的距离。
这些几何形态参数中的至少一个的值可以用于将矫正镜片准确地放置在受试者所选择的镜架中。
此外,还可以确定姿势参数的值。此姿势参数与头部相对于图像捕获设备的位置相关。此姿势参数包括例如头部的围绕两个正交轴的方位角。
当受试者的戴有眼睛配戴物的头部的图像不是在自然姿势下捕获时,姿势参数的值尤其有用。
然后姿势参数的值可以用于矫正确定的显著点的位置和/或确定的几何形态参数的值。
根据本披露内容,用于确定至少一个几何形态参数的所述值的方法包括以下步骤:
a)获得配戴着所述眼睛配戴物10的受试者的头部20的至少一个图像I;
b)在步骤a)中获得的所述至少一个图像I上,使用基于预定数据库而确定的图像处理算法来同时识别眼睛配戴物的图像I10的一组显著点RPE(图1)和受试者的头部的图像I20的一组显著点RPH(图1),所述预定数据库包括配戴着眼睛配戴物的头部的多个参考图像,
c)考虑在步骤b)中识别的该眼睛配戴物和该受试者的头部的图像的所述组显著点来确定几何形态参数的所述至少一个值。
所述组显著点的示例在图1的眼睛配戴物的头部的图像上示意性地表示。每个点由十字表示。为了清楚起见,图2和图3分别示出了这些点在眼睛配戴物和受试者的头部上的对应位置。
步骤a)
在根据本发明的方法的第一步骤a)中,获得配戴着眼睛配戴物10的受试者的头部20的至少一个图像I(图1)。
更精确地说,配戴着眼睛配戴物的受试者的头部的此至少一个图像I可以是
-用放置在受试者的头部20前方的图像捕获设备来捕获的,或
-由计算机从数据库中检索。
所述图像捕获设备可以包括一个或多个相机或摄像机。可以捕获单个图像、多个单个图像或形成视频的图像序列。在记录视频的情况下,可以从视频中提取单个图像或多个图像。
根据本方法的实施例,步骤a)、b)和c)仅执行一次。然后处理单个图像I。
根据本方法的实施例,重复步骤a)以便获得配戴着眼睛配戴物的受试者的头部的多个图像,或者在步骤a)中记录或检索多个图像,比如视频。
其例如是面部图像。图像捕获设备放置在受试者的头部20的前方。
图像捕获可以由受试者自己或由比如眼睛护理专业人员等其他人执行。
所述计算机包括例如一个或多个处理器和一个或多个存储器。从中检索图像的数据库可以存储在计算机存储器中、远程服务器上或由所述计算机通过所述计算机的通信系统访问的云服务器上。
在实施例中,在步骤a)中,所获得的头部的所述至少一个图像显示出处于自然姿势的受试者。
更精确地说,在用图像捕获设备捕获配戴着眼睛配戴物10的受试者的头部20的图像I的情况下,受试者在捕获所述图像之前被置于自然姿势。
在下文中,措辞“自然姿势”被定义为头部的位置不受到比如使头部的一部分抵靠在表面上的物理限制时的姿势。受试者所采取的自然姿势优选是他不受任何限制地直视地平线时的姿势。这种自然姿势还被称为直立姿势并且与个体花费力气最小的位置相对应。对应的视线方向是主视线方向。
在这种自然姿势下,头部的法兰克福平面是水平的。法兰克福平面被定义为经过眼眶的下缘(例如,被称为左眶点的点)和每个耳道或外耳道的上缘(被称为外耳门上缘中点的点)的平面。
为了确保受试者处于自然姿势,他被要求向前直视远方,如果可能的话直视地平线,或者至少直视距他超过3米、优选地超过6米的距离的点。
在步骤a)中从数据库中检索图像的实施例中,此图像已经例如在初步步骤中被捕获,其中受试者处于自然姿势,如上文所定义。
获得处于自然姿势的受试者的图像允许确定几何形态参数的准确值。当测量比如瞳孔间距和配适高度等几何形态参数的值时,偏离自然姿势会导致视差误差。
如前所述,当受试者的戴有眼睛配戴物的头部的图像不是在自然姿势下捕获时,确定姿势参数的值尤其有用,因为此姿势参数的值然后可以用于矫正基于此图像而确定的显著点的位置和/或确定的几何形态参数的值。
步骤b)
在步骤b)中,在步骤a)中获得的所述图像I上同时识别眼睛配戴物10的图像I10的一组显著点RPE和受试者的头部20的图像I20的一组显著点RPH。
眼睛配戴物10的图像I10的该组显著点RPE和受试者的头部20的图像I20的该组显著点RPH形成了眼睛配戴物和头部的一组完整的显著点。此组完整的头部和眼睛配戴物显著点形成了头部和眼睛配戴物模型,图像处理算法经过训练来在配戴着眼睛配戴物的头部的任何图像中检测该头部和眼睛配戴物模型。
在实践中,属于受试者的头部的图像和眼睛配戴物的图像两者的此单个组完整的显著点在单个识别步骤中被识别。
眼睛配戴物10的图像I10的所述组显著点RPE包括例如属于眼睛配戴物的图像I10的轮廓I16的显著点。
眼睛配戴物10的图像I10的显著点可以特别地属于镜架的图像I11的轮廓或镜片的图像I12的轮廓I16。为了更清楚,图2表示了所考虑的眼睛配戴物的显著点的示例。
受试者的头部的图像I20的所述组显著点RPH有利地包括受试者的面部的图像的显著点。图3表示了所考虑的头部的显著点的示例。
图1表示了在受试者的头部和眼睛配戴物的图像上识别的一组完整的显著点的示例。显著点RPE、PRH由十字表示。此组完整的显著点这里包括眼睛配戴物的镜架的图像的轮廓的9个显著点和受试者的头部的26个显著点。因此,对应的头部和眼睛配戴物模型包括头部和眼睛配戴物两者的35个显著点。
眼睛配戴物的显著点这里包括每个镜片的轮廓的四个点、或镜架的每个镜框的内轮廓的四个点(图1和图2)。优选地,眼睛配戴物的显著点包括至少四个点。
这四个点这里对应于镜片的轮廓与定义适合镜片的最小水平矩形的线之间的交点,换言之,镜片的轮廓与所述镜片的方框系统之间的交点。
眼睛配戴物的显著点这里还包括镜架的正中面与镜架的鼻梁的轮廓的下边缘的交点(图1和图2)。
替代地,眼睛配戴物的显著点可以包括镜架和镜片的任何其他点,例如其位置是从上面定义的显著点的位置推导出来的点,或者镜架的外轮廓的点,例如镜架的轮廓的最外侧点。
例如,显著点属于沿着镜片的轮廓的镜架。
受试者的头部20的显著点例如属于受试者的眼睛21的图像I21或受试者的瞳孔21A的图像I21A和/或受试者的下颌线22的图像I22和/或受试者的鼻子23的图像I23和/或受试者的嘴巴24的图像I24和/或受试者的眉毛25的图像I25(图1和图3)。
在图1和图3的示例中,受试者的头部的显著点这里包括受试者的下颌线的轮廓的5个点、鼻子轴线的4个点、鼻子轮廓的3个点、每只眼睛的轮廓的6个点(包括每只眼睛的眼角和瞳孔的中心)。
可以考虑受试者的头部的其他显著点。例如,由Dlib68-landmarks检测器检测到的68个点给出了仅受试者的头部的一组扩展的显著点的示例。有利地,在根据本发明的方法中,需要少于68个点。头部的显著点优选地包括每只眼睛的点以及用于面部对称的点,比如鼻子的点。
根据本披露内容所描述的方法,通过下文描述的图像处理算法处理在步骤a)中捕获的图像,以便识别所考虑的头部和眼睛配戴物的显著点。
在实践中,在步骤b)中,在步骤a)中获得的头部的所述图像的参考平面中确定头部和镜架的图像的所述组显著点中的每个显著点的位置。所述参考平面对应于图像捕获平面。因此,所述显著点的位置在与所捕获的图像相关的参考中确定。
在实践中,当图像是以处于自然姿势的受试者捕获的面部图像时,图像的参考平面平行于受试者的面部平面,该面部平面垂直于法兰克福平面和受试者的头部的矢状面。
根据本方法的实施例:
-通过将第一图像处理算法应用于头部的整个图像来识别镜架和/或受试者的头部的图像的第一组显著点,并且基于此第一组显著点,选择头部的所述至少一个图像的一部分,以及
-通过将第二图像处理算法仅应用于头部的图像的所选所述部分来识别镜架和/或受试者的头部的第二组显著点,其中,所述第一和第二处理算法中的至少一个是所述图像处理算法,并且对应的第一或第二组显著点是镜架和受试者的头部的一组显著点。
这样,可以使用根据本披露内容的方法、或其他类型的方法(使用仅检测头部的显著点或眼睛配戴物的显著点的图像处理算法),以便预选在步骤a)中捕获的图像的感兴趣区域,然后在所述图像的所述感兴趣区域上使用根据本发明的方法。于是该方法被非常快速地实现。
还考虑在全图像上使用根据本披露内容的方法,以便预选在步骤a)中捕获的图像的感兴趣区域,并且在所述图像的所述感兴趣区域上,使用根据本发明的方法、或其他类型的方法(使用仅检测头部的显著点或眼睛配戴物的显著点的图像处理算法)。
这两个实施例允许准确识别该组完整的显著点,同时限制在此识别上花费的时间和资源。
优选地,要识别的镜架和头部的图像的显著点的数量是预先确定的。
如上所述,通过使用眼睛配戴物和头部模型的图像处理算法来识别头部和镜架的显著点,该图像处理算法是基于预定数据库而确定的,该预定数据库包括配戴着眼睛配戴物的头部的多个参考图像。
在另一个实施例中,在本披露内容所描述的方法的初步步骤中,确定在所捕获的图像中框住受试者的头部的图像的方框系统。例如,可以通过DLIB库或OPENCCV库中可用的现有技术图像处理技术来实现此初步步骤。
然后在所捕获的图像位于此方框系统内部的部分上根据本披露内容(也就是说,使用这里描述的图像处理算法)对该组完整的显著点进行识别。
所述图像处理算法这里是基于机器学习。所述图像处理算法是通过应用于本披露内容所描述的预定数据库的机器学习技术来确定的。这种机器学习技术是已知的并且不是本披露内容的目标,因此将不对其进行更详细的描述。所使用的基于机器学习的图像处理算法是用在不同的条件下采集的大量参考图像进行训练的,这些参考图像示出了不同的头部、不同的眼睛配戴物。这些参考图像与头部和眼睛配戴物的显著点的位置相关联,例如用这些位置进行注释。这些显著点的位置用于定义模型。用于训练的图像数量越多,模型的鲁棒性就越高。
在执行步骤b)之前在所述预定数据库上训练此图像处理算法。
所述预定数据库包括配戴着眼睛配戴物的头部的所述多个参考图像以及相关联的眼睛配戴物的每个参考图像的预定组对应显著点和受试者的头部的每个参考图像的预定组对应显著点。在实践中,所述参考图像与在该方法中所考虑的该组完整的显著点的识别相关联地寄存。一般而言,参考图像是与要处理图像的受试者不同的个体的图像。替代地,可以在所述预定数据库中考虑受试者自身的至少一个参考图像。
例如在所述预定数据库的每个参考图像上手动识别显著点、或用另一种图像处理算法识别显著点。换言之,所述预定数据库的每个参考图像与其一组完整的显著点中的每个显著点的位置相对应地保存。
所述预定数据库包括头部和眼睛配戴物的不同组合的尽可能多的参考图像、以及所述组完整的显著点中的显著点的对应位置。
根据本披露内容所描述方法的不同实施例,所述预定数据库包括戴有眼睛配戴物的不同头部的至少400个参考图像,优选地至少500个参考图像,优选地至少1000个参考图像,优选地至少2000个参考图像,优选地至少3000个参考图像,优选地至少4000个参考图像,优选地超过4000个参考图像。
在自然姿势下捕获受试者的图像的实施例中,预定数据库相应地包括受试者的头部处于自然姿势的大多数参考图像。
为了允许处理在不同于自然姿势的姿势下所捕获的图像,可以在包括许多不同姿势的参考图像的预定数据库上训练所述图像处理算法。
而且,在当前描述的方法通过所述图像处理算法处理所述图像来提供姿势参数的值的实施例中,所述预定数据库包括戴有眼睛配戴物的个体的头部的参考图像,其中个体的头部相对于图像捕获设备的姿势不同。对应的姿势与每个参考图像相关联地寄存在所述预定数据库中。替代地,姿势参数可以通过使用算法机器学习来获得,因为此算法可以根据个体的环境提供有关眼睛配戴物位置和尺寸以及头部位置和尺寸的数据。头部位置和尺寸可访问个体的姿势参数。
一般而言,所述预定数据库优选地包括戴有眼睛配戴物的头部的参考图像,其中个体的头部的形状不同和眼睛配戴物的形状不同。
所述预定数据库还包括戴有眼睛配戴物的个体的头部的参考图像,其中个体来自不同世界地区,具有不同的习惯、不同的头部形态、不同的性别、不同的年龄。
涵盖了大量不同的头部/眼睛配戴物组合的非常广泛的预定数据库确保了显著点的识别准确性较好。
提高显著点的识别准确性的另一种可能性是为受试者确定定制数据库,以便在定制参考图像上训练图像处理算法,这些定制参考图像具有较高的概率接近所处理的受试者的图像。例如,考虑选择此广泛的预定数据库中最相关的图像。
确定所述定制数据库时考虑了与受试者相关的以下个体参数中的至少一个,以实现对所述定制参考图像的所述选择:
-该受试者的世界地区;
-可选地,该受试者的习惯;
-该受试者的头部形态;
-该受试者所配戴的眼睛配戴物的形状;
-该受试者的性别;
-该受试者的年龄。
可以基于上述标准,通过从更广泛的预定数据库中选择参考图像来确定定制数据库,对于该更广泛的预定数据库,戴有眼睛配戴物的个体具有一个或多个相同的个人参数值或者与受试者的个人参数的值有关的预定范围内的多个个人参数值之一。然后可以获得尽可能接近受试者的戴有眼睛配戴物的头部的戴有眼睛配戴物的头部的图像的定制数据库。
作为一般示例,图像处理算法初始是在预定数据库上训练的,该预定数据库包括19名男性和12名女性的参考图像,每个男性配戴14种不同眼睛配戴物中的每一种且每个女性配戴17种不同眼睛配戴物中的每一种。参考图像的总数则是456。每个参考图像都与此参考图像上头部和眼睛配戴物的一组完整的显著点的位置相关联,这些显著点的位置是手动确定的。
由此训练的图像处理算法为参考图像的处理提供了令人满意的准确性。对于所确定位置的93%,由图像处理算法确定的显著点的位置与手动确定的显著点的位置之间的偏移实际上是在0与5毫米之间。
然后在配戴着另一眼睛配戴物的另一个体的与参考图像不同的测试图像上测试图像处理算法。
所获得的图像处理算法能够通过处理测试图像来准确地确定此另一眼睛配戴物的显著点的70%。
作为比较,使用现有技术的方法(使用确定为仅检测眼睛配戴物的9个显著点(例如,如图2所示)的算法)处理所述测试图像导致仅准确确定这些显著点的33%。
这些初步结果是基于仅使用少量参考图像进行训练的简单建模。用更大的数据库所获得的结果使得准确性显著改善。
因此,与仅检测眼睛配戴物的特征或仅检测受试者的头部的特征的现有技术相比,本披露内容所描述的方法通过同时检测头部和眼睛配戴物特征来使得检测眼睛配戴物的特征的准确性更高。
步骤c)
在步骤c)中,考虑在步骤b)中识别的眼睛配戴物和受试者的头部的图像的所述组显著点来确定几何形态参数的所述至少一个值。
例如,基于在步骤b)中确定的受试者的眼睛的瞳孔位置,确定受试者的瞳孔间距IPD。基于瞳孔的位置和位于对应镜片底边缘上的显著点的位置,可以确定受试者的配适高度。
还可以获得镜架在受试者的面部上的前倾角(对应于镜架的镜框或镜片相对于受试者的面部平面的角度)以及可能的顶点距离(也就是说眼睛与受试者的镜片之间的距离)。
本披露内容所描述的方法可以通过对受试者的戴有眼睛配戴物的头部的单个图像进行处理来执行。根据本方法的此实施例,步骤a)、b)和c)仅执行一次。
也可以考虑受试者的戴有眼睛配戴物的头部的多个图像。根据本方法的另一个实施例,重复步骤a)以便获得配戴着眼睛配戴物的受试者的头部的多个图像,或者在步骤a)中记录或检索多个图像,比如视频。
可以通过平均值或加权平均值对多个图像进行平均。然后在随后的步骤b)和c)中处理平均或加权平均图像。
替代地,在步骤a)中,获得受试者的戴有眼睛配戴物的头部的多个图像,针对受试者的戴有眼睛配戴物的头部的所述多个图像中的每个图像执行步骤b),以及确定每个显著点的多个位置。
在步骤c)中所考虑的显著点的位置可以是在单个图像或多个图像上确定的显著点的位置。特别地,在步骤c)中所考虑的显著点的位置可以是在多个图像上确定的显著点的位置的平均值。
当在步骤a)中获得受试者的戴有眼睛配戴物的头部的多个图像时,也可以针对受试者的戴有眼睛配戴物的头部的所述多个图像中的每个图像执行步骤b)和c),以及可以确定几何形态参数的多个值。然后基于在每个步骤c)中确定的几何形态参数的值来确定几何形态参数的最终值。
例如,几何形态参数的所述最终值被确定为在每个步骤c)中确定的几何形态参数的值的平均值或加权平均值。
当受试者的头部的所述多个图像是用图像捕获设备来捕获的时,这特别有用,其中受试者的头部相对于图像捕获设备的姿势不同。
用于训练在本披露内容所描述的方法中使用的图像处理算法的预定数据库可以通过包括确定所有所处理图像的显著点的结果(可选地手动矫正)来扩大。
此预定数据库可以包括配戴着眼睛配戴物的受试者头部的图像,该眼睛配戴物带有平光镜片,但也可带有具有球镜度和柱镜度的视觉矫正镜片。
在预定数据库的参考图像上个体所配戴的眼睛配戴物的镜片的光学特征(例如球镜、柱镜和柱镜轴位的值)可以与所述参考图像和显著点的对应位置相关联地寄存在所述预定数据库中。
在这种情况下,图像处理算法还可以被训练以在当前由所述图像处理算法处理的图像上提供关于受试者所配戴的眼睛配戴物的镜片的光学特征的数据。
本发明还涉及一种用于确定配戴着眼睛配戴物的受试者的至少一个几何形态参数的系统,所述系统包括:
-输入装置,该输入装置用于获得配着戴所述眼睛配戴物的受试者的头部的至少一个图像;以及
-处理单元,该处理单元适于实现根据本披露内容的方法的任何实施例。
特别地,所述处理单元包括处理器,该处理器被编程为:
-在通过所述输入单元获得的所述至少一个图像上,使用基于预定数据库而确定的图像处理算法来同时识别镜架的图像的一组显著点和受试者的头部的图像的一组显著点,该预定数据库包括配备有镜架的头部的多个参考图像,
-考虑所识别的镜架和受试者的头部的图像的所述组显著点来确定几何形态参数的所述至少一个值。
基于对所处理图像的显著点的检测,可以对此图像执行更详细的分析。可以实现进一步的图像处理以便例如确定其他显著点(比如瞳孔中心、镜片或眼睛配戴物边缘)的准确位置。这可以通过确定围绕通过根据本发明的方法初始识别的一个或几个显著点的图像的感兴趣区域并且使用边缘检测过滤器或颜色检测过滤器来完成。
通过根据本发明的方法和装置,头部和眼睛配戴物特征(也就是说,这里是头部和眼睛配戴物显著点)一次同时检测。特别地,面部和镜架特征(这里是面部和镜架显著点的位置)是一起研究确定的。此策略提高了图像处理算法的全局性能:对头部和眼睛配戴物的显著点的识别更加准确。这使得基于这些显著点确定的几何形态参数值的准确性增加。
Claims (14)
1.一种用于确定配戴着眼睛配戴物(10)的受试者的至少一个几何形态参数的值的方法,所述至少一个几何形态参数包括:
-与所述受试者的头部(20)和所述眼睛配戴物(10)两者相关的参数;或
-仅与所述受试者的形态相关的参数;或
-仅与所述眼睛配戴物(10)的几何形状相关的参数;
所述方法是计算机实现的,
其中,执行了以下步骤:
a)获得配戴着所述眼睛配戴物(10)的受试者的头部(20)的至少一个图像(I);
b)在步骤a)中获得的所述至少一个图像上,使用基于预定数据库而确定的图像处理算法来同时识别所述眼睛配戴物(10)的图像(I10)的一组显著点(RPE)和所述受试者的头部(20)的图像(I20)的一组显著点(RPH),所述预定数据库包括配戴着眼睛配戴物的头部的多个参考图像,所述图像处理算法是基于机器学习,
c)考虑在步骤b)中识别的所述眼睛配戴物和所述受试者的头部的图像的所述组显著点(RPE,RPH)来确定几何形态参数的所述至少一个值。
2.根据权利要求1所述的方法,其中,所述眼睛配戴物(10)的图像(I10)的所述显著点(RPE)属于所述眼睛配戴物(10)的图像(I10)的轮廓(I16)。
3.根据权利要求1或2所述的方法,其中,所述受试者的头部的图像的所述显著点(RPH)属于所述受试者的眼睛(21)的图像(I21)和/或所述受试者的下颌线(22)的图像(122)和/或所述受试者的鼻子(23)的图像(I23)和/或所述受试者的嘴巴(24)的图像(I24)和/或所述受试者的眉毛(25)的图像(I25)。
4.根据权利要求1至3中任一项所述的方法,其中,在步骤b)中,在步骤a)中获得的所述图像(I)的参考平面中确定所述头部(20)和眼睛配戴物(10)的图像(I)的所述组显著点中的每个显著点(RPE,RPH)的位置。
5.根据权利要求1至4中任一项所述的方法,其中,在步骤a)中,在步骤a)中获得的所述至少一个图像(I)显示出处于自然姿势的受试者。
6.根据权利要求1至5中任一项所述的方法,其中,在步骤a)中,配戴着所述眼睛配戴物(10)的受试者的头部(20)的所述至少一个图像(I)是
-用放置在所述受试者的头部(20)前方的图像捕获设备来捕获的,或
-由计算机从数据库中检索。
7.根据权利要求1至6中任一项所述的方法,其中,在步骤a)中,获得所述受试者的配戴着所述眼睛配戴物(10)的头部(20)的多个图像(I),针对所述多个图像中的每个图像(I)执行步骤b)和c),并且基于在每个步骤c)中确定的几何形态参数的值来确定所述几何形态参数的最终值。
8.根据权利要求7所述的方法,其中,配戴着所述眼睛配戴物(10)的受试者的头部的所述多个图像(I)是用图像捕获设备来捕获的,其中所述受试者的头部(20)相对于所述图像捕获设备的姿势不同。
9.根据权利要求1至8中任一项所述的方法,其中,在步骤b)中,
-通过将第一图像处理算法应用于配戴着所述眼睛配戴物(10)的头部(20)的整个图像来识别所述眼睛配戴物(10)和/或所述受试者的头部(20)的图像(I10,I20)的第一组显著点,并且基于此第一组显著点,选择配戴着所述眼睛配戴物(10)的头部(20)的所述至少一个图像的一部分,以及
-通过将第二图像处理算法仅应用于配戴着所述眼睛配戴物(10)的头部(20)的图像的所选所述部分来识别所述眼睛配戴物(10)和/或所述受试者的头部(20)的第二组显著点,
其中,所述第一和第二处理算法中的至少一个是所述图像处理算法,并且对应的所述第一或第二组显著点是所述眼睛配戴物(10)和所述受试者的头部(20)的一组显著点(RPE,RPH)。
10.根据权利要求1至9所述的方法,其中,要识别的配戴着所述眼睛配戴物(10)的头部(20)的图像的显著点(RPE,RPH)的数量是预先确定的。
11.根据权利要求1至10中任一项所述的方法,其中,所述预定数据库包括配戴着眼睛配戴物的头部的所述多个参考图像以及相关联的所述眼睛配戴物的每个参考图像的预定组对应显著点和所述受试者的头部的每个参考图像的预定组对应显著点,在执行步骤b)之前在所述预定数据库上训练所述图像处理算法。
12.根据权利要求1至11中任一项所述的方法,其中,所述预定数据库是考虑与所述受试者相关的以下参数中的至少一个来确定的:
-所述受试者的世界地区;
-所述受试者的习惯;
-所述受试者的头部形态;
-所述受试者所配戴的眼睛配戴物的形状。
13.根据前述权利要求中任一项所述的方法,其中,所述至少一个几何形态参数包括以下之一:
-瞳孔间距(IPD);
-配适高度(FH);
-多个配适高度;
-配适高度的平均值和/或标准偏差,
-眼睛配戴物镜架或镜片形状和/或尺寸,
-头部形状,
-眼睛配戴物在头部上的接触点的位置。
14.一种用于确定配戴着眼睛配戴物的受试者的至少一个几何形态参数的系统,所述至少一个几何形态参数包括:
-与所述受试者的头部(20)和所述眼睛配戴物(10)两者相关的参数;或
-仅与所述受试者的形态相关的参数;或
-仅与所述眼睛配戴物(10)的几何形状相关的参数;
所述系统包括:
-输入装置,所述输入装置用于获得配戴着所述眼睛配戴物(10)的受试者的头部(20)的至少一个图像(I);以及
-处理单元,所述处理单元适于:
-在通过所述输入装置获得的所述至少一个图像(I)上,使用基于预定数据库而确定的图像处理算法来同时识别所述眼睛配戴物(10)的图像(I10)的一组显著点(RPE)和所述受试者的头部(20)的图像(I20)的一组显著点(RPH),所述预定数据库包括配备有眼睛配戴物的头部的多个参考图像,所述图像处理算法是基于机器学习,
-考虑所识别的所述眼睛配戴物和所述受试者的头部的图像(I)的所述组显著点(RPE,RPH)来确定几何形态参数的所述至少一个值。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP19306711.3 | 2019-12-19 | ||
EP19306711 | 2019-12-19 | ||
PCT/EP2020/086538 WO2021122826A1 (en) | 2019-12-19 | 2020-12-16 | Method for determining a value of at least one geometrico-morphological parameter of a subject wearing an eyewear |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114830015A true CN114830015A (zh) | 2022-07-29 |
Family
ID=69185213
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080087709.3A Pending CN114830015A (zh) | 2019-12-19 | 2020-12-16 | 用于确定配戴着眼睛配戴物的受试者的至少一个几何形态参数的值的方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230020160A1 (zh) |
EP (1) | EP4078279A1 (zh) |
CN (1) | CN114830015A (zh) |
WO (1) | WO2021122826A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT202100030014A1 (it) * | 2021-11-26 | 2023-05-26 | Luxottica Group S P A | Procedimento interamente virtuale per misurazioni di grandezze optometriche. |
US20230252745A1 (en) * | 2022-02-09 | 2023-08-10 | Google Llc | Validation of modeling and simulation of virtual try-on of wearable device |
WO2024074698A1 (en) | 2022-10-07 | 2024-04-11 | Essilor International | Process for the determination of an estimation of a fitting height of a lens in a frame of spectacles and corresponding apparatus |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008012268A1 (de) * | 2008-03-03 | 2009-09-10 | Rodenstock Gmbh | Vorrichtung, Verwendung, Verfahren und Computerprogrammprodukt zum dreidimensionalen Darstellen von Darstellungsbilddaten |
CN103827735A (zh) * | 2011-09-28 | 2014-05-28 | 埃西勒国际通用光学公司 | 用于测量佩戴眼镜的个体的形态几何参数的方法 |
CN103838378A (zh) * | 2014-03-13 | 2014-06-04 | 广东石油化工学院 | 一种基于瞳孔识别定位的头戴式眼睛操控系统 |
CN104168817A (zh) * | 2012-03-08 | 2014-11-26 | 埃西勒国际通用光学公司 | 用于估计将一副眼镜和这副眼镜的佩戴者的眼睛分开的距离的方法 |
US20150049306A1 (en) * | 2012-03-08 | 2015-02-19 | Essilor International (Compagnie Generale D'optique) | Method for determining a behavioural, postural or geometric-morphological characteristic of a person wearing spectacles |
US20150293381A1 (en) * | 2012-09-19 | 2015-10-15 | Nikon Corporation | Line of sight information correction device, line of sight information correction method, line of sight information detection device, line of sight information detection method, spectacle lens design method, spectacle lens manufacturing method, spectacle lens selection device, spectacle lens selection method, line of sight tracking result evaluation device, visual ability notification method, program, recording medium, spectacle lens, measuring system and measurng method |
CN106922182A (zh) * | 2014-11-14 | 2017-07-04 | 埃西勒国际通用光学公司 | 确定眼睛的显著点的位置和跟踪眼镜配戴者的注视方向的设备和方法 |
WO2017138004A1 (en) * | 2016-02-12 | 2017-08-17 | Shamir Optical Industry Ltd. | Methods and systems for testing of eyeglasses |
CN110235052A (zh) * | 2017-01-27 | 2019-09-13 | 卡尔蔡司光学国际有限公司 | 用于确定居中参数的计算机实施的方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8733936B1 (en) * | 2012-01-30 | 2014-05-27 | Ditto Technologies, Inc. | Fitting glasses frames to a user |
CN108537628B (zh) * | 2013-08-22 | 2022-02-01 | 贝斯普客公司 | 用于创造定制产品的方法和系统 |
DE102014015671A1 (de) * | 2014-10-23 | 2016-04-28 | Rodenstock Gmbh | Vorrichtung und Verfahren zum Bestimmen von optischen Parametern |
CN109313707B (zh) * | 2016-06-01 | 2023-09-05 | 维迪私人有限公司 | 光学测量和扫描系统及使用方法 |
WO2018199890A1 (en) * | 2017-04-24 | 2018-11-01 | Truthvision, Inc. | A system and method for measuring pupillary distance |
EP3410178A1 (de) * | 2017-06-01 | 2018-12-05 | Carl Zeiss Vision International GmbH | Verfahren, vorrichtung und computerprogramm zum virtuellen anpassen einer brillenfassung |
US10831042B2 (en) * | 2018-05-03 | 2020-11-10 | Optikam Tech, Inc. | System and method for obtaining and utilizing measurements to enable customized eyewear to be purchased online |
-
2020
- 2020-12-16 US US17/787,242 patent/US20230020160A1/en active Pending
- 2020-12-16 WO PCT/EP2020/086538 patent/WO2021122826A1/en unknown
- 2020-12-16 EP EP20823872.5A patent/EP4078279A1/en active Pending
- 2020-12-16 CN CN202080087709.3A patent/CN114830015A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008012268A1 (de) * | 2008-03-03 | 2009-09-10 | Rodenstock Gmbh | Vorrichtung, Verwendung, Verfahren und Computerprogrammprodukt zum dreidimensionalen Darstellen von Darstellungsbilddaten |
CN103827735A (zh) * | 2011-09-28 | 2014-05-28 | 埃西勒国际通用光学公司 | 用于测量佩戴眼镜的个体的形态几何参数的方法 |
CN104168817A (zh) * | 2012-03-08 | 2014-11-26 | 埃西勒国际通用光学公司 | 用于估计将一副眼镜和这副眼镜的佩戴者的眼睛分开的距离的方法 |
US20150049306A1 (en) * | 2012-03-08 | 2015-02-19 | Essilor International (Compagnie Generale D'optique) | Method for determining a behavioural, postural or geometric-morphological characteristic of a person wearing spectacles |
US20150293381A1 (en) * | 2012-09-19 | 2015-10-15 | Nikon Corporation | Line of sight information correction device, line of sight information correction method, line of sight information detection device, line of sight information detection method, spectacle lens design method, spectacle lens manufacturing method, spectacle lens selection device, spectacle lens selection method, line of sight tracking result evaluation device, visual ability notification method, program, recording medium, spectacle lens, measuring system and measurng method |
CN103838378A (zh) * | 2014-03-13 | 2014-06-04 | 广东石油化工学院 | 一种基于瞳孔识别定位的头戴式眼睛操控系统 |
CN106922182A (zh) * | 2014-11-14 | 2017-07-04 | 埃西勒国际通用光学公司 | 确定眼睛的显著点的位置和跟踪眼镜配戴者的注视方向的设备和方法 |
WO2017138004A1 (en) * | 2016-02-12 | 2017-08-17 | Shamir Optical Industry Ltd. | Methods and systems for testing of eyeglasses |
CN110235052A (zh) * | 2017-01-27 | 2019-09-13 | 卡尔蔡司光学国际有限公司 | 用于确定居中参数的计算机实施的方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2021122826A1 (en) | 2021-06-24 |
EP4078279A1 (en) | 2022-10-26 |
US20230020160A1 (en) | 2023-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111031893B (zh) | 用于确定与眼科装置相关联的至少一个参数的方法 | |
US10564446B2 (en) | Method, apparatus, and computer program for establishing a representation of a spectacle lens edge | |
CN113678055B (zh) | 眼镜镜片的至少一个光学参数的确定 | |
EP3339943A1 (en) | Method and system for obtaining optometric parameters for fitting eyeglasses | |
US10216010B2 (en) | Determining user data based on image data of a selected eyeglass frame | |
CN114830015A (zh) | 用于确定配戴着眼睛配戴物的受试者的至少一个几何形态参数的值的方法 | |
KR102195268B1 (ko) | 근거리 시력 지점을 결정하기 위한 방법, 장치 및 컴퓨터 프로그램 | |
CN113692527B (zh) | 用于测量眼镜片的局部屈光力和/或屈光力分布的方法和装置 | |
KR102444768B1 (ko) | 안경 렌즈의 국부적 굴절력 및/또는 굴절력 분포를 측정하기 위한 방법 및 장치 | |
US20240061278A1 (en) | Frame adjustment system | |
JP2013226397A (ja) | 近業目的距離測定装置、並びに近業目的距離測定装置を用いた眼鏡レンズの製造方法及び製造システム | |
US20220390771A1 (en) | System and method for fitting eye wear | |
CN118642279A (zh) | 用于确定定心参数的计算机实施的方法 | |
US20230221585A1 (en) | Method and device for automatically determining production parameters for a pair of spectacles | |
US20240312024A1 (en) | Method for detecting and tracking in a video stream a face of an individual wearing a pair of spectacles | |
US20240338975A1 (en) | Accurate Digital Centration For Fitting of Prescription Lenses From A Photo | |
CN118715476A (zh) | 用于记录头部图像的方法和对应的移动设备 | |
CN117355249A (zh) | 用于验配虚拟眼镜的方法 |
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 |