JP6613605B2 - 深度画像の深度値復元方法及びシステム - Google Patents
深度画像の深度値復元方法及びシステム Download PDFInfo
- Publication number
- JP6613605B2 JP6613605B2 JP2015094257A JP2015094257A JP6613605B2 JP 6613605 B2 JP6613605 B2 JP 6613605B2 JP 2015094257 A JP2015094257 A JP 2015094257A JP 2015094257 A JP2015094257 A JP 2015094257A JP 6613605 B2 JP6613605 B2 JP 6613605B2
- Authority
- JP
- Japan
- Prior art keywords
- depth
- image
- depth value
- area
- point
- 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
Links
- 238000000034 method Methods 0.000 title claims description 79
- 238000012545 processing Methods 0.000 claims description 54
- 230000008569 process Effects 0.000 claims description 34
- 230000006870 function Effects 0.000 claims description 22
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000012790 confirmation Methods 0.000 claims 1
- 238000004364 calculation method Methods 0.000 description 14
- 230000000694 effects Effects 0.000 description 6
- 230000002452 interceptive effect Effects 0.000 description 6
- 230000009467 reduction Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 230000000007 visual effect Effects 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
- H04N13/106—Processing image signals
- H04N13/128—Adjusting depth or disparity
-
- 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
- G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- 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
- G06T2207/10024—Color image
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Description
yi)とその近傍領域画素点j(xj, yj)の間の空間位置関係を表示する。空間加重係数は空間カーネル関数gs(i−j)により計算で得られる。本発明では、空間カーネル関数は画素点iを中心位置点とするガウスカーネル関数であり、公式(4)のように示される。
G(i), B(i)はそれぞれ赤、緑、青の3つのチャンネルを表す。公式(6)と公式(7)で、σI、σR、σG、σBはガウスカーネル関数のバンド幅で、全て0.2に等しいが、当該値は具体的環境で調節することもできる。
Claims (18)
- 同時取得した深度画像と対応するカラー画像に対して画像前処理を施し、深度画像とカラー画像中の前景画像を含む候補目標エリアを取得すること、
深度画像上の候補目標エリアにおける無効深度エリアの面積と、候補目標エリアの面積との比率により、候補目標エリアに領域拡張処理を施すか否かを確定すること、
候補目標エリアに領域拡張処理を施す必要があると確定した時は、深度画像とカラー画像の画像情報により、深度画像上の候補目標エリアに領域拡張処理を施すこと、及び
候補目標エリアに領域拡張処理を行った後、拡張された候補目標エリアについて、深度画像とカラー画像の画像情報により、深度データ復元処理を施すことを含む、深度値復元方法。 - 候補目標エリアに領域拡張処理を施す必要がないと確定した場合は、直接、深度画像とカラー画像の画像情報により、候補目標エリアに深度データ復元処理を施すことをさらに含む、請求項1に記載の深度値復元方法。
- 前記の深度画像とカラー画像の画像情報により候補目標エリアに領域拡張処理を施すことが、
深度画像上で、前景画像中の有効な深度値を有するシード点を選択すること、
前記シード点の所定近傍領域内で前記候補目標エリア中の候補拡張点を選択し、当該候補拡張点の深度情報あるいは色情報により、当該候補拡張点が前記シード点に基づく深度値の拡張領域として拡張できるか否かを確定し、拡張できれば、当該候補拡張点を前記拡張領域に繰り入れること、及び
当該候補目標エリア中の全候補拡張点について前記ステップを繰り返すことを含む、請求項1または2に記載の深度値復元方法。 - 前記の当該候補拡張点の深度情報あるいは色情報により当該候補拡張点が前記シード点に基づく深度値の拡張領域として拡張できるか否かを確定することが、
まず候補拡張点の深度値が有効か否かを判断すること、及び
候補拡張点の深度値が有効である場合は、候補拡張点の深度値とシード点の深度値の間の深度値の差を計算し、前記深度値の差が所定閾値以下の時には、前記候補拡張点を前記拡張領域に繰り入れ、そうでなければ処理を行わないこと、あるいは候補拡張点の深度値が無効である場合は、候補拡張点の色とシード点の色の間の差値を計算し、前記色の差値が所定の色類似度閾値以下の時には、深度画像中で、前記シード点の深度値を前記候補拡張点に与えるとともに、それを前記拡張領域に繰り入れ、そうでなければ処理を行わないことを含む、請求項3に記載の深度値復元方法。 - 前記の深度画像とカラー画像の画像情報により深度画像上の候補目標エリアに対し深度データ復元処理を施すことが、
前記候補目標エリアから任意の画素点を選択することにより、前記画素点を中心画素点として所定近傍領域を構築すること、
前記所定近傍領域内の各画素点と中心画素点間の関係により、各画素点の深度値の中心画素点に対する深度値の加重係数を計算すること、及び
計算した加重係数を用いて、前記所定近傍領域内の各画素点による深度値を基礎として、中心画素点の深度値を計算し、計算した深度値を前記中心画素点に与えるとともに、新しい深度値とすることを含む、請求項1または2に記載の深度値復元方法。 - 前記所定近傍領域内の各画素点と中心画素点間の関係は、空間関係、色関係、深度関係およびグラデーション関係を含む、請求項5に記載の深度値復元方法。
- 前記各画素点の深度値の中心画素点に対する深度値の加重係数が、両者の間の空間加重係数、色加重係数、グラデーション加重係数および/または深度加重係数をそれぞれ計算し、それらの掛け算を行うことにより得られる、請求項6に記載の深度値復元方法。
- 前記の空間加重係数、色加重係数、グラデーション加重係数、深度加重係数が、それぞれ各自の加重カーネル関数により計算される、請求項7に記載の深度値復元方法。
- 構築した所定近傍領域の面積と選択した画素点の深度値の大きさが反比例する、請求項5に記載の深度値復元方法。
- 同時取得した深度画像と対応するカラー画像に対して画像前処理を施し、深度画像とカラー画像中の前景画像を含む候補目標エリアを取得する画像前処理ユニット、
深度画像上の候補目標エリアにおける無効深度エリアの面積と、候補目標エリアの面積との比率により、候補目標エリアに領域拡張処理を施すか否かを確定する領域拡張確定ユニット、
候補目標エリアに領域拡張処理を施す必要があると確定した時に、深度画像とカラー画像の画像情報により、深度画像上の候補目標エリアに領域拡張処理を施す領域拡張処理ユニット、及び
候補目標エリアに領域拡張処理を行った後、拡張された候補目標エリアについて、深度画像とカラー画像の画像情報により、深度データ復元処理を施す復元処理ユニットを含む、深度値復元システム。 - 前記領域拡張処理ユニットが、さらに、
候補目標エリアに領域拡張処理を施す必要がないと確定した時に、直接、深度画像とカラー画像の画像情報により、候補目標エリアに深度データ復元処理を施す、請求項10に記載の深度値復元システム。 - 前記の深度画像とカラー画像の画像情報により候補目標エリアに領域拡張処理を施すことが、
深度画像上で、前景画像中の有効な深度値を有するシード点を選択すること、
前記シード点の所定近傍領域内で前記候補目標エリア中の候補拡張点を選択し、当該候補拡張点の深度情報あるいは色情報により、当該候補拡張点が前記シード点に基づく深度値の拡張領域として拡張できるか否かを確定し、拡張できれば、当該候補拡張点を前記拡張領域に繰り入れること、及び
当該候補目標エリア中の全候補拡張点について前記ステップを繰り返すことを含む、請求項10または11に記載の深度値復元システム。 - 前記の当該候補拡張点の深度情報あるいは色情報により当該候補拡張点が前記シード点に基づく深度値の拡張領域として拡張できるか否かを確定することが、
まず候補拡張点の深度値が有効か否かを判断すること、及び
候補拡張点の深度値が有効である場合は、候補拡張点の深度値とシード点の深度値の間の深度値の差を計算し、前記深度値の差が所定閾値以下の時には、前記候補拡張点を前記拡張領域に繰り入れ、そうでなければ処理を行わないこと、あるいは候補拡張点の深度値が無効である場合は、候補拡張点の色とシード点の色の間の差値を計算し、前記色の差値が所定の色類似度閾値以下の時には、深度画像中で、前記シード点の深度値を前記候補拡張点に与えるとともに、それを前記拡張領域に繰り入れ、そうでなければ処理を行わないことを含む、請求項12に記載の深度値復元システム。 - 前記の深度画像とカラー画像の画像情報により深度画像上の候補目標エリアに対し深度データ復元処理を施すことが、
前記候補目標エリアから任意の画素点を選択することにより、前記画素点を中心画素点として所定近傍領域を構築すること、
前記所定近傍領域内の各画素点と中心画素点間の関係により、各画素点の深度値の中心画素点に対する深度値の加重係数を計算すること、及び
計算した加重係数を用いて、前記所定近傍領域内の各画素点による深度値を基礎として、中心画素点の深度値を計算し、計算した深度値を前記中心画素点に与えるとともに、新しい深度値とすることを含む、請求項10または11に記載の深度値復元システム。 - 前記所定近傍領域内の各画素点と中心画素点間の関係は、空間関係、色関係、深度関係およびグラデーション関係を含む、請求項14に記載の深度値復元システム。
- 前記各画素点の深度値の中心画素点に対する深度値の加重係数が、両者の間の空間加重係数、色加重係数、グラデーション加重係数および/または深度加重係数をそれぞれ計算し、それらの掛け算を行うことにより得られる、請求項15に記載の深度値復元システム。
- 前記の空間加重係数、色加重係数、グラデーション加重係数、深度加重係数が、それぞれ各自の加重カーネル関数により計算される、請求項16に記載の深度値復元システム。
- 構築した所定近傍領域の面積と選択した画素点の深度値の大きさが反比例する、請求項14に記載の深度値復元システム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410195236.5 | 2014-05-09 | ||
CN201410195236.5A CN105096259B (zh) | 2014-05-09 | 2014-05-09 | 深度图像的深度值恢复方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015215895A JP2015215895A (ja) | 2015-12-03 |
JP6613605B2 true JP6613605B2 (ja) | 2019-12-04 |
Family
ID=54368962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015094257A Active JP6613605B2 (ja) | 2014-05-09 | 2015-05-01 | 深度画像の深度値復元方法及びシステム |
Country Status (3)
Country | Link |
---|---|
US (1) | US9483835B2 (ja) |
JP (1) | JP6613605B2 (ja) |
CN (1) | CN105096259B (ja) |
Families Citing this family (48)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9672609B1 (en) * | 2011-11-11 | 2017-06-06 | Edge 3 Technologies, Inc. | Method and apparatus for improved depth-map estimation |
WO2017023210A1 (en) * | 2015-08-06 | 2017-02-09 | Heptagon Micro Optics Pte. Ltd. | Generating a merged, fused three-dimensional point cloud based on captured images of a scene |
CA2943068A1 (en) * | 2015-09-25 | 2017-03-25 | Logical Turn Services Inc. | Dimensional acquisition of packages |
US10769806B2 (en) * | 2015-09-25 | 2020-09-08 | Logical Turn Services, Inc. | Dimensional acquisition of packages |
CN109564432B (zh) * | 2016-08-05 | 2022-02-15 | 深圳市大疆创新科技有限公司 | 通过姿势与可移动设备通信/控制可移动设备的方法和相关系统 |
JP6818471B2 (ja) * | 2016-08-31 | 2021-01-20 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
CN107958458B (zh) * | 2016-10-17 | 2021-01-22 | 京东方科技集团股份有限公司 | 图像分割方法、图像分割系统及包括其的设备 |
CN106651925B (zh) * | 2016-11-28 | 2019-08-30 | 深圳奥比中光科技有限公司 | 一种彩色深度图像的获取方法、获取设备 |
US10451714B2 (en) | 2016-12-06 | 2019-10-22 | Sony Corporation | Optical micromesh for computerized devices |
CN106709432B (zh) * | 2016-12-06 | 2020-09-11 | 成都通甲优博科技有限责任公司 | 基于双目立体视觉的人头检测计数方法 |
US10536684B2 (en) * | 2016-12-07 | 2020-01-14 | Sony Corporation | Color noise reduction in 3D depth map |
JP6549797B2 (ja) * | 2016-12-27 | 2019-07-24 | シェンチェン ユニバーシティー | 通行人の頭部識別方法及びシステム |
US10495735B2 (en) | 2017-02-14 | 2019-12-03 | Sony Corporation | Using micro mirrors to improve the field of view of a 3D depth map |
JP6340675B1 (ja) * | 2017-03-01 | 2018-06-13 | 株式会社Jストリーム | オブジェクト抽出装置、オブジェクト認識システム及びメタデータ作成システム |
US10795022B2 (en) | 2017-03-02 | 2020-10-06 | Sony Corporation | 3D depth map |
US10979687B2 (en) | 2017-04-03 | 2021-04-13 | Sony Corporation | Using super imposition to render a 3D depth map |
KR102320198B1 (ko) * | 2017-04-05 | 2021-11-02 | 삼성전자주식회사 | 깊이 영상 보정 방법 및 장치 |
CN109426789B (zh) * | 2017-08-31 | 2022-02-01 | 京东方科技集团股份有限公司 | 手和图像检测方法和系统、手分割方法、存储介质和设备 |
CN107610174B (zh) * | 2017-09-22 | 2021-02-05 | 深圳大学 | 一种鲁棒的基于深度信息的平面检测方法及系统 |
EP3462415A1 (en) * | 2017-09-29 | 2019-04-03 | Thomson Licensing | Method and device for modifying attributes of points of a 3d scene |
US10484667B2 (en) | 2017-10-31 | 2019-11-19 | Sony Corporation | Generating 3D depth map using parallax |
CN107918939B (zh) * | 2017-11-14 | 2020-03-13 | 佛山市南海区广工大数控装备协同创新研究院 | 用于板式家具生产线上的层叠板材大视野定位方法 |
CN109903719A (zh) * | 2017-12-08 | 2019-06-18 | 宁波盈芯信息科技有限公司 | 一种时空编码的结构光编码图案生成方法及装置 |
US10949700B2 (en) * | 2018-01-10 | 2021-03-16 | Qualcomm Incorporated | Depth based image searching |
US10944957B2 (en) * | 2018-03-22 | 2021-03-09 | Microsoft Technology Licensing, Llc | Active stereo matching for depth applications |
CN108549871B (zh) * | 2018-04-17 | 2019-10-11 | 北京华捷艾米科技有限公司 | 一种基于区域生长和机器学习的手部分割方法 |
US10549186B2 (en) | 2018-06-26 | 2020-02-04 | Sony Interactive Entertainment Inc. | Multipoint SLAM capture |
CN110874179B (zh) * | 2018-09-03 | 2021-09-14 | 京东方科技集团股份有限公司 | 指尖检测方法、指尖检测装置、指尖检测设备及介质 |
CN111145100B (zh) * | 2018-11-02 | 2023-01-20 | 深圳富泰宏精密工业有限公司 | 动态影像生成方法及系统、计算机装置、及可读存储介质 |
CN111667398B (zh) | 2019-03-07 | 2023-08-01 | 株式会社理光 | 图像处理方法、装置和计算机可读存储介质 |
CN111798481B (zh) * | 2019-04-09 | 2023-10-20 | 杭州海康威视数字技术股份有限公司 | 图像序列分割方法及装置 |
CN110097590A (zh) * | 2019-04-24 | 2019-08-06 | 成都理工大学 | 基于深度自适应滤波的彩色深度图像修复方法 |
CN110209273B (zh) * | 2019-05-23 | 2022-03-01 | Oppo广东移动通信有限公司 | 手势识别方法、交互控制方法、装置、介质与电子设备 |
CN110415287B (zh) * | 2019-07-11 | 2021-08-13 | Oppo广东移动通信有限公司 | 深度图的滤波方法、装置、电子设备和可读存储介质 |
CN110706202B (zh) * | 2019-09-05 | 2022-05-13 | 苏州浪潮智能科技有限公司 | 一种非典型目标探测方法、装置和计算机可读存储介质 |
CN110909615B (zh) * | 2019-10-28 | 2023-03-28 | 西安交通大学 | 基于多尺度输入混合感知神经网络的目标检测方法 |
CN111045029B (zh) * | 2019-12-18 | 2022-06-28 | 奥比中光科技集团股份有限公司 | 一种融合的深度测量装置及测量方法 |
CN111242855B (zh) * | 2020-01-04 | 2022-06-07 | 西安交通大学 | 基于rgb-d的ssim结构相似度的迭代深度图结构修复方法 |
CN111798467B (zh) * | 2020-06-30 | 2024-05-03 | 中国第一汽车股份有限公司 | 一种图像分割方法、装置、设备及存储介质 |
CN112200848B (zh) * | 2020-10-30 | 2023-02-17 | 中国科学院自动化研究所 | 低光照弱对比复杂环境下的深度相机视觉增强方法及系统 |
WO2022209168A1 (ja) * | 2021-03-30 | 2022-10-06 | 富士フイルム株式会社 | 撮像装置、撮像方法、及びプログラム |
CN113537359A (zh) * | 2021-07-19 | 2021-10-22 | Oppo广东移动通信有限公司 | 训练数据的生成方法及装置、计算机可读介质和电子设备 |
CN113436242B (zh) * | 2021-07-22 | 2024-03-29 | 西安电子科技大学 | 基于移动深度相机的获取静态物体高精度深度值方法 |
CN113763449B (zh) * | 2021-08-25 | 2022-08-12 | 合肥的卢深视科技有限公司 | 深度恢复方法、装置、电子设备及存储介质 |
CN114089330B (zh) * | 2022-01-18 | 2022-05-20 | 北京航空航天大学 | 一种基于深度图像修复的室内移动机器人玻璃检测与地图更新方法 |
CN114331919B (zh) * | 2022-03-09 | 2022-05-31 | 合肥的卢深视科技有限公司 | 深度恢复方法、电子设备及存储介质 |
CN117075730B (zh) * | 2023-08-18 | 2024-04-30 | 广东早安文化发展有限公司 | 一种基于图像识别技术的3d虚拟展厅控制系统 |
CN118429370B (zh) * | 2024-07-04 | 2024-09-06 | 大连百首企家科技有限公司 | 基于区域生长的胸部ct肺癌病灶定位分割方法 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6911995B2 (en) | 2001-08-17 | 2005-06-28 | Mitsubishi Electric Research Labs, Inc. | Computer vision depth segmentation using virtual surface |
JP4832227B2 (ja) * | 2006-09-07 | 2011-12-07 | 富士重工業株式会社 | 物体検出装置および物体検出方法 |
JP2009021459A (ja) * | 2007-07-13 | 2009-01-29 | Fuji Xerox Co Ltd | 面発光型半導体レーザの駆動方法および光伝送モジュール |
CN101983389B (zh) | 2008-10-27 | 2012-11-21 | 松下电器产业株式会社 | 移动体检测方法以及移动体检测装置 |
KR20110124473A (ko) * | 2010-05-11 | 2011-11-17 | 삼성전자주식회사 | 다중시점 영상을 위한 3차원 영상 생성 장치 및 방법 |
US9300947B2 (en) | 2011-03-24 | 2016-03-29 | Kodak Alaris Inc. | Producing 3D images from captured 2D video |
US9053571B2 (en) | 2011-06-06 | 2015-06-09 | Microsoft Corporation | Generating computer models of 3D objects |
US9530192B2 (en) | 2011-06-30 | 2016-12-27 | Kodak Alaris Inc. | Method for determining stereo quality score and automatically improving the quality of stereo images |
US20130033713A1 (en) * | 2011-08-02 | 2013-02-07 | Samsung Electronics Co., Ltd | Apparatus and method of forming image, terminal and method of print control, and computer-readable medium |
US9269155B2 (en) * | 2012-04-05 | 2016-02-23 | Mediatek Singapore Pte. Ltd. | Region growing method for depth map/color image |
CN102685530B (zh) * | 2012-04-23 | 2014-05-07 | 北京邮电大学 | 基于半像素精度边缘和图像修复的深度图像帧内预测方法 |
EP2859528A4 (en) | 2012-06-08 | 2016-02-10 | Nokia Technologies Oy | MULTI-IMAGE IMAGE CALIBRATION DEVICE |
CN102831582B (zh) * | 2012-07-27 | 2015-08-12 | 湖南大学 | 一种微软体感装置深度图像增强方法 |
CN104424649B (zh) | 2013-08-21 | 2017-09-26 | 株式会社理光 | 检测运动物体的方法和系统 |
CN104424634B (zh) | 2013-08-23 | 2017-05-03 | 株式会社理光 | 对象跟踪方法和装置 |
CN103455984B (zh) * | 2013-09-02 | 2016-08-31 | 清华大学深圳研究生院 | 一种Kinect深度图像获取方法与装置 |
CN104574433A (zh) | 2013-10-14 | 2015-04-29 | 株式会社理光 | 对象跟踪方法和设备、跟踪特征选择方法 |
-
2014
- 2014-05-09 CN CN201410195236.5A patent/CN105096259B/zh not_active Expired - Fee Related
-
2015
- 2015-04-28 US US14/697,804 patent/US9483835B2/en not_active Expired - Fee Related
- 2015-05-01 JP JP2015094257A patent/JP6613605B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2015215895A (ja) | 2015-12-03 |
US20150326845A1 (en) | 2015-11-12 |
US9483835B2 (en) | 2016-11-01 |
CN105096259A (zh) | 2015-11-25 |
CN105096259B (zh) | 2018-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6613605B2 (ja) | 深度画像の深度値復元方法及びシステム | |
US10368062B2 (en) | Panoramic camera systems | |
Chen et al. | Robust image and video dehazing with visual artifact suppression via gradient residual minimization | |
US10289951B2 (en) | Video deblurring using neural networks | |
CN105374065B (zh) | 用于在渲染图像中使用的可重新照明纹理 | |
CN109409335B (zh) | 图像处理方法、装置、计算机可读介质及电子设备 | |
Park et al. | Retinex method based on adaptive smoothing for illumination invariant face recognition | |
US20160321523A1 (en) | Using machine learning to filter monte carlo noise from images | |
US10521919B2 (en) | Information processing device and information processing method for applying an optimization model | |
US11080833B2 (en) | Image manipulation using deep learning techniques in a patch matching operation | |
US9437034B1 (en) | Multiview texturing for three-dimensional models | |
CN109636890B (zh) | 纹理融合方法和装置、电子设备、存储介质、产品 | |
TW201308252A (zh) | 深度測量之品質提升 | |
CN108463823A (zh) | 一种用户头发模型的重建方法、装置及终端 | |
US20170032580A1 (en) | Edge preserving color smoothing of 3d models | |
KR20170052634A (ko) | 심도 맵 향상 | |
CN105787892A (zh) | 一种基于机器学习的蒙特卡洛噪声去除方法 | |
CN108960012A (zh) | 特征点检测方法、装置及电子设备 | |
KR102695528B1 (ko) | 영상 개선 방법 및 장치 | |
Srikakulapu et al. | Depth estimation from single image using defocus and texture cues | |
Tao et al. | LEGAN: A low-light image enhancement generative adversarial network for industrial internet of smart-cameras | |
Zhang et al. | Color-constrained dehazing model | |
Wang et al. | Filling Kinect depth holes via position-guided matrix completion | |
TWI757965B (zh) | 擴增實境體感遊戲機之深度學習方法 | |
CN116228850A (zh) | 物体姿态估计方法、装置、电子设备及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180226 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190221 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190326 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190514 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20191008 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191021 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6613605 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |