JP7211994B2 - 画像処理装置、方法及びプログラム - Google Patents
画像処理装置、方法及びプログラム Download PDFInfo
- Publication number
- JP7211994B2 JP7211994B2 JP2020039176A JP2020039176A JP7211994B2 JP 7211994 B2 JP7211994 B2 JP 7211994B2 JP 2020039176 A JP2020039176 A JP 2020039176A JP 2020039176 A JP2020039176 A JP 2020039176A JP 7211994 B2 JP7211994 B2 JP 7211994B2
- Authority
- JP
- Japan
- Prior art keywords
- model
- image
- mask
- group
- evaluation
- 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
Images
Landscapes
- Image Generation (AREA)
Description
割当部1は、入力される多視点画像の各カメラ視点の画像について、2つのグループを割り当てて、当該割り当てて区別された結果としての第1グループ画像および第2グループ画像をマスク生成部2へと出力する。図2の例であれば、多視点画像を構成する全カメラCAに対して、白色で示されるカメラについて第1グループに属するカメラC1であるものとし、灰色で示されるカメラについて第2グループに属するカメラC2であるものとし、グループ割り当てを行うのが割当部1の役割である。
マスク生成部2では、割当部1で得た第1グループの画像の各々と第2グループの画像の各々とに対して、前景を構成するシルエットを表すマスク画像を生成し、得られた第1グループのマスク画像の各々と第2グループのマスク画像の各々とをモデル生成部3及びマスク評価部6へと出力する。
モデル生成部3では、マスク生成部2で得た第1グループのマスク画像を用いて第1モデルを生成し、且つ、第2グループのマスク画像を用いて第2モデルを生成し、得られた第1モデル及び第2モデルをモデル評価部4及びモデル合成部5へと出力する。モデル生成部3では、既存手法である視体積交差法(例えば特許文献2でも利用されているもの)を第1グループ及び第2グループに対してそれぞれ同様に適用することにより、第1グループのマスク画像から第1モデルを生成し、第2グループのマスク画像から第2モデルを生成する。
モデル評価部4は、モデル生成部3で得た第1グループの第1モデルと第2グループの第2モデルとを比較することにより、第1モデル及び第2モデルの精度に関する評価結果を出力する。具体的には、第1モデルと第2モデルとが空間配置として類似していると判定される場合には、第1モデル及び第2モデルの精度が良い(OKである)と評価し、類似していないと判定される場合には、第1モデル及び第2モデルのうち少なくともいずれかの精度が悪い(OKではなく、NGである)と評価することができる。
[SC1] D= SUM(d_i) {i=1, … Num}
[SC2] If D <= Th_D then E=OK
[SC3] else E=NG
[SC4] if Center(v_i)=1 then d_i= w *|v_i1-v_i2|
[SC5] else d_i = (1.0-w) *|v_i1-v_i2|
モデル合成部5は、モデル生成部3で得た第1モデル及び第2モデルを合成して得られる合成モデルを出力する。当該出力される合成モデルは、画像処理装置10からの出力として、管理者等による確認が可能とされ、また、マスク評価部6及び描画部7に対する入力としても利用される。
マスク評価部6は、モデル合成部5で得た合成モデルを用いて、マスク生成部2で得た第1グループ画像における各マスクと、第2グループ画像における各マスクとについて、マスク精度の評価結果を出力する。
描画部7では、モデル合成部5で合成モデルとして生成された3Dモデルを、入力である多視点画像のテクスチャを用いて、ユーザ指定される仮想カメラの視点においてレンダリングすることで描画し、得られた仮想視点画像(描画がなされた箇所以外は画素値が定義されないマスク画像となる)を出力する。なお、モデル合成部5ではボクセルモデルとしてモデルが得られているので、描画部7ではこれをマーチングキューブ法等によりポリゴンモデルに変換してから、レンダリングすればよい。
[SC1-2] D(k,j)= SUM(d_i (k,j)) {i=1,…,Num}
[SC1-3] D=SUM(D(k,j)) {k=1,…,K},{j=k+1 (if k < K), j=1 (if k = K)}
Claims (11)
- 多視点画像の各視点画像に第1及び第2のグループ割り当てを行って第1グループ画像及び第2グループ画像を得る割当部と、
前記第1グループ画像及び前記第2グループ画像に対してそれぞれ前景シルエットのマスク抽出を行うことで、第1マスク画像及び第2マスク画像を生成するマスク生成部と、
前記第1マスク画像及び前記第2マスク画像に対してそれぞれ視体積交差法を適用することで、第1モデル及び第2モデルを生成するモデル生成部と、
前記第1モデル及び前記第2モデルの類似性を評価することにより、前記第1モデル及び前記第2モデルのモデル精度に関する評価結果を得るモデル評価部と、を備えることを特徴とする画像処理装置。 - 前記モデル生成部では、ボクセルモデルとして、前記第1モデル及び第2モデルを生成することを特徴とする請求項1に記載の画像処理装置。
- 前記モデル生成部では、共通のボクセル空間におけるボクセルモデルとして、前記第1モデル及び第2モデルを生成し、
前記モデル評価部では、前記共通のボクセル空間における各ボクセル位置において、前記第1モデル及び前記第2モデルにおける3次元オブジェクトに属する位置であるか否かの結果の整合に基づいて、前記類似性を評価することを特徴とする請求項1または2に記載の画像処理装置。 - 前記モデル評価部では、各ボクセル位置における前記結果の整合している個数の総和に基づいて前記類似性を評価することを特徴とする請求項3に記載の画像処理装置。
- 前記モデル評価部では、前記結果の整合している個数の総和を、各ボクセル位置における空間重みを付与したうえで計算することを特徴とする請求項4に記載の画像処理装置。
- 前記各ボクセル位置における空間重みは、前記共通のボクセル空間において予め設定されているものであることを特徴とする請求項5に記載の画像処理装置。
- 前記各ボクセル位置における空間重みは、前記第1モデル及び第2モデルにおいて求められている1つ以上のオブジェクトの代表位置からの乖離に応じて設定されるものであることを特徴とする請求項5に記載の画像処理装置。
- 前記第1モデル及び前記第2モデルを合成して合成モデルを生成するモデル合成部と、
前記合成モデルを前記多視点画像の各視点画像の画像平面へと逆投影したモデルマスク画像を算出し、当該モデルマスク画像と、前記第1マスク画像及び前記第2マスク画像の各々と、を比較して一致度合いを評価することにより、前記第1マスク画像及び前記第2マスク画像の各々についてのマスク精度の評価結果を得るマスク評価部をさらに備えることを特徴とする請求項1ないし7のいずれかに記載の画像処理装置。 - 多視点画像の各視点画像に第1及び第2のグループ割り当てを行って第1グループ画像及び第2グループ画像を得る割当部と、
前記第1グループ画像及び前記第2グループ画像に対してそれぞれ前景シルエットのマスク抽出を行うことで、第1マスク画像及び第2マスク画像を生成するマスク生成部と、
前記第1マスク画像及び前記第2マスク画像に対してそれぞれ視体積交差法を適用することで、第1モデル及び第2モデルを生成するモデル生成部と、
前記第1モデル及び前記第2モデルを合成して合成モデルを生成するモデル合成部と、
前記合成モデルを前記多視点画像の各視点画像の画像平面へと逆投影したモデルマスク画像を算出し、当該モデルマスク画像と、前記第1マスク画像及び前記第2マスク画像の各々と、を比較して一致度合いを評価することにより、前記第1マスク画像及び前記第2マスク画像の各々についてのマスク精度の評価結果を得るマスク評価部と、を備えることを特徴とする画像処理装置。 - 多視点画像の各視点画像に第1及び第2のグループ割り当てを行って第1グループ画像及び第2グループ画像を得る割当段階と、
前記第1グループ画像及び前記第2グループ画像に対してそれぞれ前景シルエットのマスク抽出を行うことで、第1マスク画像及び第2マスク画像を生成するマスク生成段階と、
前記第1マスク画像及び前記第2マスク画像に対してそれぞれ視体積交差法を適用することで、第1モデル及び第2モデルを生成するモデル生成段階と、
前記第1モデル及び前記第2モデルの類似性を評価することにより、前記第1モデル及び前記第2モデルのモデル精度に関する評価結果を得るモデル評価段階と、を備えることを特徴とする画像処理方法。 - 多視点画像の各視点画像に第1及び第2のグループ割り当てを行って第1グループ画像及び第2グループ画像を得る割当段階と、
前記第1グループ画像及び前記第2グループ画像に対してそれぞれ前景シルエットのマスク抽出を行うことで、第1マスク画像及び第2マスク画像を生成するマスク生成段階と、
前記第1マスク画像及び前記第2マスク画像に対してそれぞれ視体積交差法を適用することで、第1モデル及び第2モデルを生成するモデル生成段階と、
前記第1モデル及び前記第2モデルの類似性を評価することにより、前記第1モデル及び前記第2モデルのモデル精度に関する評価結果を得るモデル評価段階と、をコンピュータに実行させることを特徴とする画像処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020039176A JP7211994B2 (ja) | 2020-03-06 | 2020-03-06 | 画像処理装置、方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020039176A JP7211994B2 (ja) | 2020-03-06 | 2020-03-06 | 画像処理装置、方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021140594A JP2021140594A (ja) | 2021-09-16 |
JP7211994B2 true JP7211994B2 (ja) | 2023-01-24 |
Family
ID=77668751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020039176A Active JP7211994B2 (ja) | 2020-03-06 | 2020-03-06 | 画像処理装置、方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7211994B2 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010152771A (ja) | 2008-12-26 | 2010-07-08 | Kddi Corp | マスク画像を抽出する方法及びプログラム並びにボクセルデータを構築する方法及びプログラム |
JP2011048627A (ja) | 2009-08-27 | 2011-03-10 | Kddi Corp | マスク画像を抽出する方法及びプログラム並びにボクセルデータを構築する方法及びプログラム |
JP2017204222A (ja) | 2016-05-13 | 2017-11-16 | 株式会社トプコン | 管理装置、管理方法および管理用プログラム |
-
2020
- 2020-03-06 JP JP2020039176A patent/JP7211994B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010152771A (ja) | 2008-12-26 | 2010-07-08 | Kddi Corp | マスク画像を抽出する方法及びプログラム並びにボクセルデータを構築する方法及びプログラム |
JP2011048627A (ja) | 2009-08-27 | 2011-03-10 | Kddi Corp | マスク画像を抽出する方法及びプログラム並びにボクセルデータを構築する方法及びプログラム |
JP2017204222A (ja) | 2016-05-13 | 2017-11-16 | 株式会社トプコン | 管理装置、管理方法および管理用プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2021140594A (ja) | 2021-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11210838B2 (en) | Fusing, texturing, and rendering views of dynamic three-dimensional models | |
EP2869266B1 (en) | Method and apparatus for generating depth map of a scene | |
EP3108449B1 (en) | View independent 3d scene texturing | |
Waechter et al. | Virtual rephotography: Novel view prediction error for 3D reconstruction | |
WO2019031259A1 (ja) | 画像処理装置および方法 | |
JP2007529070A (ja) | 奥行きマップの生成方法及び装置 | |
JP7038683B2 (ja) | 合成装置、方法及びプログラム | |
CN112055213B (zh) | 用于生成压缩图像的方法、系统和介质 | |
WO2020075252A1 (ja) | 情報処理装置、プログラム及び情報処理方法 | |
WO2021105871A1 (en) | An automatic 3d image reconstruction process from real-world 2d images | |
Nonaka et al. | Fast plane-based free-viewpoint synthesis for real-time live streaming | |
US10902674B2 (en) | Creating a geometric mesh from depth data using an index indentifying unique vectors | |
JP7247573B2 (ja) | 三次元形状モデル生成装置、三次元形状モデル生成方法、及びプログラム | |
US20150145861A1 (en) | Method and arrangement for model generation | |
JP6901885B2 (ja) | 前景抽出装置及びプログラム | |
JP7211994B2 (ja) | 画像処理装置、方法及びプログラム | |
JP7275583B2 (ja) | 背景モデル生成装置、背景モデル生成方法及び背景モデル生成プログラム | |
CN116310060A (zh) | 一种渲染数据的方法、装置、设备及存储介质 | |
CN116468736A (zh) | 基于空间结构的前景图像分割方法、装置、设备、介质 | |
CN112002019B (zh) | 一种基于mr混合现实的模拟人物阴影的方法 | |
Chang et al. | Real-time Hybrid Stereo Vision System for HD Resolution Disparity Map. | |
JP2014164497A (ja) | 画像処理装置、画像処理方法及びプログラム | |
Chen et al. | A quality controllable multi-view object reconstruction method for 3D imaging systems | |
JP2020046744A (ja) | 画像処理装置、背景画像の生成方法およびプログラム | |
US11830140B2 (en) | Methods and systems for 3D modeling of an object by merging voxelized representations of the object |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220207 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221219 |
|
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: 20230111 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230112 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7211994 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |