TWI550556B - A Method of Establishing Stereo Image Model by Kalman Filtering - Google Patents

A Method of Establishing Stereo Image Model by Kalman Filtering Download PDF

Info

Publication number
TWI550556B
TWI550556B TW104144117A TW104144117A TWI550556B TW I550556 B TWI550556 B TW I550556B TW 104144117 A TW104144117 A TW 104144117A TW 104144117 A TW104144117 A TW 104144117A TW I550556 B TWI550556 B TW I550556B
Authority
TW
Taiwan
Prior art keywords
image
time
static
image information
model
Prior art date
Application number
TW104144117A
Other languages
English (en)
Other versions
TW201724030A (zh
Inventor
Bo-Ting Lin
Wei-Hao Lu
Shu-Ping Lin
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 filed Critical
Priority to TW104144117A priority Critical patent/TWI550556B/zh
Application granted granted Critical
Publication of TWI550556B publication Critical patent/TWI550556B/zh
Priority to US15/371,361 priority patent/US10021364B2/en
Publication of TW201724030A publication Critical patent/TW201724030A/zh

Links

Classifications

    • 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
    • H04N13/122—Improving the 3D impression of stereoscopic images by modifying image signal contents, e.g. by filtering or adding monoscopic depth cues
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/20—Image signal generators
    • H04N13/275—Image signal generators from 3D object models, e.g. computer-generated stereoscopic image signals
    • 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
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images
    • 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
    • G06T2207/10016—Video; Image sequence
    • G06T2207/10021—Stereoscopic video; Stereoscopic image sequence

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Processing Or Creating Images (AREA)

Description

運用卡爾曼濾波建立立體影像模型的方法
本發明關於一種建立立體影像模型的方法，特別是指一種運用卡爾曼濾波修正誤差、提昇準確度之立體影像模型建立方法。
目前網路上或應用程式上，在顯示人、物件或空間時，還是以二維平面圖像為主，為了讓瀏覽者能夠從不同角度/方位來瀏覽所欲顯示的人、物件或空間，往往提供多張不同角度所拍攝的二維圖像，但其缺點是缺少立體感與方位的感覺。此外當有多張不同角度的二維圖像時，瀏覽者只能一張一張尋找，在選擇欲瀏覽圖像時無法直覺地選擇要看的特定位置，此外瀏覽者在瀏覽某張二維圖像時，也必須自行想像或判斷是從哪個方位來瀏覽。舉例來說，遠距離醫療系統上，若使用遠距離拍攝患者的方式來觀看患者臉部，醫生和患者必須同時在線上，醫生無法隨意操作選擇想觀看的角度，必須指示患者自行轉動。又或者是，當醫生和患者未同時在線上時，患者可自行拍攝多張照片傳送到系統端讓醫生瀏覽，但多張照片多只能逐一瀏覽，並無法讓醫生如同臨場觀看患者臉部一樣有立體感。
若要達到立體感之目的，習知則採用立體成像的技術例如特徵點辨識法、三角法來建立人或物件的三維模型。然，三維立體空間立體成像須使用特殊儀器，針對「特定對象」建立模型，成本高且耗時，並有失真的問題。一般常見的全景照片(Panorama)、Google街景服務、Photo Tourism，皆用定位點看對外影像，非針對特定對象進行全方位角度的環繞視野。
全景照片主要技術作法在影像拼接，只能處理簡單的空間關係，無法呈現單一物體。Google街景服務須要特殊設備取得影像及空間資訊來建立影像間的空間關聯。Photo Tourism(Photo synth)須經過三維立體建模以建立影像空間，並利用特徵點相對位置檢索圖片。
如中華民國專利申請號「I476729」案名「二維圖像與三維模型結合之方法、系統及其電腦程式產品」中公開揭示了建立一三維立體模型和一二維圖像的對應關係，由系統提供一操作介面。接著，操作介面提供之功能包括用以提供指定一特徵點於二維圖像上，及用以提供設定對應該特徵點的一確認點於三維立體模型上。最後，依據三維立體模型的視角空間向量，決定二維圖像的一顯示空間向量。更進一步時，當操作介面依據一特定視角空間向量顯示三維立體模型，選擇對應的顯示空間向量之二維圖像進行顯示。然而，上述專利的缺點在於，在建立三維立體模型的同時，對於系統變量增加、複雜度提高或涵蓋領域增多的情況下，例如多筆移動中的物件，容易造成系統誤判、準確度下降，所建立的三維立體模型便有失真的疑慮。
本案創作人秉持精益求精的良善動機，提出一種運用卡爾曼濾波建立立體影像模型的方法，運用卡爾曼濾波針對多種領域、變量、函數等狀態因素進行處理，提供不同狀態之間的物理模型以及遞迴關係，以修正因系統變量增加、複雜度提高或涵蓋領域增多所造成之誤差。
為了達到上述目的，本創作係採取以下之技術手段予以達成，其中，本創作之運用卡爾曼濾波建立立體影像模型的方法，包括以下步驟：提供一本體、一處理裝置以及一運算裝置，其中該本體具有一感測裝置，該處理裝置具有一儲存單元，且該處理裝置分別與該感測裝置以及該運算裝置電訊連接；利用該感測裝置擷取空間中一影像；利用該處理裝置分類該影像為一靜態影像以及一動態影像；該靜態影像具有一第一時間靜態影像資訊、一第二時間靜態影像資訊以及一第三時間靜態影像資訊，且該動態影像具有一第一時間動態影像資訊、一第二時間動態影像資訊以及一第三時間動態影像資訊；該運算裝置利用卡爾曼濾波(Kalman Filter, KF)以該第一時間靜態影像資訊、該第二時間靜態影像資訊以及該第三時間靜態影像資訊計算該靜態影像的一靜態物體空間位置以及一修正靜態物體空間位置；利用該儲存單元將該靜態物體空間位置以及該修正靜態物體空間位置儲存成一第一資料庫；該處理裝置利用該第一資料庫建立一第一立體影像模型；該運算裝置利用卡爾曼濾波(Kalman Filter, KF)以該第一時間動態影像資訊、該第二時間動態影像資訊以及該第三時間動態影像資訊計算該動態影像的一動態物體空間位置以及一修正動態物體空間位置；利用該儲存單元將該動態物體空間位置以及該修正動態物體空間位置儲存成一第二資料庫；以及該處理裝置利用該第二資料庫建立一第二立體影像模型。
在本創作較佳實施例中，該方法更包括下列步驟：判斷是否更新該第一立體影像模型及第二立體影像模型，若判斷結果為是則執行該步驟：利用該感測裝置擷取空間中一影像；若判斷結果為否則結束程序。
在本創作較佳實施例中，該方法更包括一步驟：利用延展卡爾曼濾波(Extended Kalman Filter, EKF)提昇該第一立體影像模型之精準度。
在本創作較佳實施例中，該方法更包括一步驟：利用延展卡爾曼濾波(Extended Kalman Filter, EKF)提昇該第二立體影像模型之精準度。
為達成上述目的及功效，本創作所採用之技術手段及構造，茲繪圖就本創作較佳實施例詳加說明其特徵與功能如下，俾利完全了解，但須注意的是，該等內容不構成本發明的限定。
請同時參閱圖1、圖2及圖3所示， 其為本創作運用卡爾曼濾波建立立體影像模型的方法較佳實施例之流程方塊圖、硬體系統架構示意圖以及建構立體影像模型示意圖。運用卡爾曼濾波建立立體影像模型的方法包括以下步驟：
步驟 91：提供一本體 1、一處理裝置 2以及一運算裝置 3。該本體 1可以為一具有移動功能機器結構，其具有一感測裝置 11，該感測裝置 11用以擷取空間中之影像資訊。該處理裝置 2與該運算裝置 3係用以處理該感測裝置 11所擷取之影像資訊，該處理裝置 2具有一儲存單元 21，且該處理裝置 2分別與該感測裝置 11以及該運算裝置 3電訊連接。
步驟 92：利用該感測裝置 11擷取空間中一影像(圖中未示)。該本體 1在靜止或移動的同時，該感測裝置 11亦可同時擷取空間中的影像資訊。假設在第(k-1)時間時，該本體 1的位置位在X k-1，該感測裝置 11可擷取影像Z k-1，而在下一時間點第 k時間時，該本體 1的位置移動到X k，因此，X k-1與X k之間的關係可表示如公式(1)所示： (1) 其中， 及 為位置變量， 及 分別為系統預測狀態的轉移矩陣以及控制向量的轉移矩陣， 為控制向量， 為誤差修正。
步驟 93：利用該處理裝置分類該影像為一靜態影像(圖中未示)以及一動態影像(圖中未示)。由於空間中的影像有可能包含了靜態物體以及會移動的動態物體，該處理裝置 2接收該感測裝置 11所擷取之該影像後，可利用辨識軟體將該影像分類為該靜態影像及該動態影像，其中，在該靜態影像具有一第一時間靜態影像資訊、一第二時間靜態影像資訊以及一第三時間靜態影像資訊，分別代表了在( k-1)、 k以及( k+1)時間點時該感測裝置 11所擷取的靜態影像。該動態影像亦具有一第一時間動態影像資訊、一第二時間動態影像資訊以及一第三時間動態影像資訊，亦分別代表了在( k-1)、 k以及 ( k+1)時間點時該感測裝置 11所擷取的動態影像。
步驟 94：利用卡爾曼濾波計算該靜態影像的一靜態物體空間位置以及一修正靜態物體空間位置。該運算裝置利用卡爾曼濾波(Kalman Filter, KF)以該第一時間( k-1)靜態影像資訊、該第二時間( k)靜態影像資訊以及該第三時間( k+1)靜態影像資訊計算該靜態影像的一靜態物體空間位置以及一修正靜態物體空間位置（修正誤差）。以第 k時間點為例，該靜態影像的一靜態物體空間位置關係可表示如公式(2)所示： (2) 其中， 為該靜態物體空間位置， 為影像資訊的轉移矩陣， 為該修正靜態物體空間位置。
步驟 95：利用該儲存單元儲存成一第一資料庫。利用該儲存單元將該靜態物體空間位置以及該修正靜態物體空間位置儲存成一第一資料庫。
步驟 96：建立一第一立體影像模型。該處理裝置利用該第一資料庫建立一第一立體影像模型。
步驟 97：利用卡爾曼濾波計算該動態影像的一動態物體空間位置以及一修正動態物體空間位置。由於該本體 1在移動的同時，空間中的動態物體亦同時在移動，為了得到動態物體與該本體 1間準確之相對位置資訊，該運算裝置利用卡爾曼濾波(Kalman Filter, KF)以該第一時間( k-1) 動態影像資訊、該第二時間( k) 動態影像資訊以及該第三時間( k+1) 動態影像資訊計算該動態影像的一動態物體空間位置以及一修正動態物體空間位置（修正誤差）。以第 k時間點為例，該動態影像的一動態物體空間位置關係可表示如公式(3)所示： (3) 其中， 及 為動態物體的位置變量， 及 分別為狀態變量的轉移矩陣以及狀態向量的轉移矩陣， 為誤差修正。
步驟 98：利用該儲存單元儲存成一第二資料庫。利用該儲存單元將該動態物體空間位置以及該修正動態物體空間位置儲存成一第二資料庫。
步驟 99：建立一第二立體影像模型。該處理裝置利用該第二資料庫建立一第二立體影像模型。
在本創作一實施例中，該方法更包括一步驟：利用延展卡爾曼濾波(Extended Kalman Filter, EKF)提昇該第一立體影像模型之精準度。
在本創作一實施例中，該方法更包括一步驟：利用延展卡爾曼濾波(Extended Kalman Filter, EKF)提昇該第二立體影像模型之精準度。
在本創作一實施例中，在該步驟96及 99後更包括下列步驟：步驟100：判斷是否更新該第一立體影像模型及第二立體影像模型。該處理裝置判斷是否持續更新該第一立體影像模型及第二立體影像模型，當判斷結果為是時，則回到步驟92繼續執行。而當判斷結果為否時，則執行步驟100：結束程序。
藉由上述之方法流程，茲就本創作運用卡爾曼濾波建立立體影像模型之計算方式其說明如下：
利用公式(1)可以得到相鄰兩時間點間，該本體1之相對位置關係，以第( k-1)時間點與第( k)時間點為例，可以修改公式(1)如公式(4)所示： (4) 其中， 與 分別代表不同時間點本體之估計向量。 此時，可利用上述估計向量的共變異數推導出該本體1移動時的第一卡爾曼增益，如公式(5)所示： (5) 其中， 為第一卡爾曼增益， 為本體估計向量的共變異數， 為狀態向量的轉移矩陣，上標符號 代表轉置運算子， 為量測誤差值的共變異數，上標符號 代表反矩陣運算子。
取得第一卡爾曼增益後，即可代入公式(2)並利用延展卡爾曼濾波( Extended Kalman Filter, EKF)估算該靜態物體的位置，建立該靜態物體空間位置以及修正靜態物體空間位置。
同理，利用公式(3)可以得到相鄰兩時間點間，該動態物體之相對位置關係，以第( k-1)時間點與第( k)時間點為例，可以修改公式(3)如公式(6)所示： (6) 其中， 與 分別代表不同時間點動態物體之估計向量。 此時，可利用動態物體估計向量的共變異數、環境誤差補正，以及參考本體估計向量，推導出該動態物體的第二卡爾曼增益，如公式(7)所示： (7) 其中， 為第二卡爾曼增益， 為狀態向量的轉移矩陣， 為動態物體估計向量的共變異數。
此時，可估算該動態物體的位置，建立該動態物體空間位置以及修正動態物體空間位置。
同時，可建立一個通用的定位模型，考慮第一卡爾曼增益、第二卡爾曼增益、本體之估計向量 、量測補正值之間的關係，可以如公式(8)所示： (8) 其中， 為空間量測補正值， 為動態物體量測補正值。 利用公式(7)、 (8)可推算上一時間點動態物體之位置變量，考慮到動態物體量測補正值及動態物體估計向量的共變異數，可推導出上一時間點該動態物體的第三卡爾曼增益，如公式(9)所示： (9) 其中， 為第三卡爾曼增益， 為狀態向量的轉移矩陣， 為量測誤差值的共變異數。
利用上述計算得到的第一卡爾曼增益、第二卡爾曼增益以及第三卡爾曼增益，可以效修正誤差、提昇立體影像模型建構時之準確度。
綜合上述，本創作提出之運用卡爾曼濾波建立立體影像模型的方法，可以改善習知技術建立立體影像模型時，對於系統變量增加、複雜度提高或涵蓋領域增多的情況下，容易造成系統誤判、準確度下降之缺點，提供一個可有效修正誤差、提昇立體影像模型準確度的方法。
經過上述的詳細說明，已充分顯示本創作具有實施的進步性，且為前所未見的新創作，完全符合發明專利要件，爰依法提出申請。唯以上所述僅為本創作的較佳實施例而已，當不能用以限定本創作實施的範圍，亦即依本創作專利範圍所作的均等變化與修飾，皆應屬於本發明專利涵蓋的範圍內。
1‧‧‧本體
11‧‧‧感測裝置
2‧‧‧處理裝置
21‧‧‧儲存單元
3‧‧‧運算裝置
91~101‧‧‧步驟
圖1為本創作運用卡爾曼濾波建立立體影像模型的方法較佳實施例流程方塊圖。 圖2為本創作運用卡爾曼濾波建立立體影像模型的方法較佳實施例硬體系統架構示意圖。 圖3為本創作運用卡爾曼濾波建立立體影像模型的方法較佳實施例建構立體影像模型示意圖。
91~101‧‧‧步驟

Claims (4)

  1. 一種運用卡爾曼濾波建立立體影像模型的方法，包括以下步驟： 提供一本體、一處理裝置以及一運算裝置，其中該本體具有一感測裝置，該處理裝置具有一儲存單元，且該處理裝置分別與該感測裝置以及該運算裝置電訊連接； 利用該感測裝置擷取空間中一影像； 利用該處理裝置分類該影像為一靜態影像以及一動態影像；該靜態影像具有一第一時間靜態影像資訊、一第二時間靜態影像資訊以及一第三時間靜態影像資訊，且該動態影像具有一第一時間動態影像資訊、一第二時間動態影像資訊以及一第三時間動態影像資訊； 該運算裝置利用卡爾曼濾波(Kalman Filter, KF)以該第一時間靜態影像資訊、該第二時間靜態影像資訊以及該第三時間靜態影像資訊計算該靜態影像的一靜態物體空間位置以及一修正靜態物體空間位置； 利用該儲存單元將該靜態物體空間位置以及該修正靜態物體空間位置儲存成一第一資料庫； 該處理裝置利用該第一資料庫建立一第一立體影像模型； 該運算裝置利用卡爾曼濾波(Kalman Filter, KF)以該第一時間動態影像資訊、該第二時間動態影像資訊以及該第三時間動態影像資訊計算該動態影像的一動態物體空間位置以及一修正動態物體空間位置； 利用該儲存單元將該動態物體空間位置以及該修正動態物體空間位置儲存成一第二資料庫；以及 該處理裝置利用該第二資料庫建立一第二立體影像模型。
  2. 如申請專利範圍第1項所述之運用卡爾曼濾波建立立體影像模型的方法，其中，該方法更包括下列步驟： 判斷是否更新該第一立體影像模型及第二立體影像模型，若判斷結果為是則執行該步驟：利用該感測裝置擷取空間中一影像；若判斷結果為否則結束程序。
  3. 如申請專利範圍第1項所述之運用卡爾曼濾波建立立體影像模型的方法，其中，該方法更包括一步驟：利用延展卡爾曼濾波(Extended Kalman Filter, EKF)提昇該第一立體影像模型之精準度。
  4. 如申請專利範圍第1項所述之運用卡爾曼濾波建立立體影像模型的方法，其中，該方法更包括一步驟：利用延展卡爾曼濾波(Extended Kalman Filter, EKF)提昇該第二立體影像模型之精準度。
TW104144117A 2015-12-28 2015-12-28 A Method of Establishing Stereo Image Model by Kalman Filtering TWI550556B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW104144117A TWI550556B (zh) 2015-12-28 2015-12-28 A Method of Establishing Stereo Image Model by Kalman Filtering
US15/371,361 US10021364B2 (en) 2015-12-28 2016-12-07 Method of building stereoscopic model with kalman filtering

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW104144117A TWI550556B (zh) 2015-12-28 2015-12-28 A Method of Establishing Stereo Image Model by Kalman Filtering

Publications (2)

Publication Number Publication Date
TWI550556B true TWI550556B (zh) 2016-09-21
TW201724030A TW201724030A (zh) 2017-07-01

Family

ID=57445150

Family Applications (1)

Application Number Title Priority Date Filing Date
TW104144117A TWI550556B (zh) 2015-12-28 2015-12-28 A Method of Establishing Stereo Image Model by Kalman Filtering

Country Status (2)

Country Link
US (1) US10021364B2 (zh)
TW (1) TWI550556B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1701213A (zh) * 2003-05-29 2005-11-23 奥林巴斯株式会社 立体摄像机支持装置、立体摄像机支持方法、校准检测装置、校准校正装置以及立体摄像机系统
TW200843479A (en) * 2006-12-22 2008-11-01 Qualcomm Inc Complexity-adaptive 2D-to-3D video sequence conversion
US20110158492A1 (en) * 2008-06-27 2011-06-30 Jarisch Wolfram R High efficiency computed tomography
TW201525934A (zh) * 2013-12-31 2015-07-01 Ind Tech Res Inst 影像合成系統及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1701213A (zh) * 2003-05-29 2005-11-23 奥林巴斯株式会社 立体摄像机支持装置、立体摄像机支持方法、校准检测装置、校准校正装置以及立体摄像机系统
TW200843479A (en) * 2006-12-22 2008-11-01 Qualcomm Inc Complexity-adaptive 2D-to-3D video sequence conversion
US20110158492A1 (en) * 2008-06-27 2011-06-30 Jarisch Wolfram R High efficiency computed tomography
TW201525934A (zh) * 2013-12-31 2015-07-01 Ind Tech Res Inst 影像合成系統及方法

Also Published As

Publication number Publication date
TW201724030A (zh) 2017-07-01
US20170188003A1 (en) 2017-06-29
US10021364B2 (en) 2018-07-10

Similar Documents

Publication Publication Date Title
US9886774B2 (en) Photogrammetric methods and devices related thereto
US10825198B2 (en) 3 dimensional coordinates calculating apparatus, 3 dimensional coordinates calculating method, 3 dimensional distance measuring apparatus and 3 dimensional distance measuring method using images
US10977857B2 (en) Apparatus and method of three-dimensional reverse modeling of building structure by using photographic images
US20190141247A1 (en) Threshold determination in a ransac algorithm
TWI476729B (zh) Dimensional image and three - dimensional model of the combination of the system and its computer program products
JP2019075082A (ja) 深度値推定を用いた映像処理方法及び装置
CN110111388B (zh) 三维物体位姿参数估计方法及视觉设备
US9519973B2 (en) Enabling use of three-dimensional locations of features images
CN111127524A (zh) 一种轨迹跟踪与三维重建方法、系统及装置
EP2807629A1 (en) Mobile device configured to compute 3d models based on motion sensor data
WO2019169941A1 (zh) 一种测距方法及装置
JP7204021B2 (ja) 画像の鮮鋭レベルを表わす位置合わせ誤差マップを得るための装置および方法
TWI669683B (zh) 三維影像重建方法、裝置及其非暫態電腦可讀取儲存媒體
TWM560099U (zh) 運用擴增實境技術之室內精確導航系統
WO2016208404A1 (ja) 情報処理装置および方法、並びにプログラム
Zhang et al. Synthetic aperture photography using a moving camera-IMU system
JP2016126673A (ja) 情報処理装置及びその制御方法、並びに、ビデオカメラ
JP6306996B2 (ja) 映像データ処理方法、映像データ処理装置及び映像データ処理プログラム
JP6228239B2 (ja) プリミティブの組を用いてデータをレジストレーションする方法
CN103489165A (zh) 一种面向视频拼接的小数查找表生成方法
TWI550556B (zh) A Method of Establishing Stereo Image Model by Kalman Filtering
Laskar et al. Robust loop closures for scene reconstruction by combining odometry and visual correspondences
JP5478533B2 (ja) 全方位画像生成方法、画像生成装置およびプログラム
Bartoli The geometry of dynamic scenes—On coplanar and convergent linear motions embedded in 3D static scenes
JP2009042900A (ja) 撮像装置および画像選択装置