-
公开(公告)号:CN107341822B
公开(公告)日:2019-11-08
申请号:CN201710416336.X
申请日:2017-06-06
申请人: 东北大学
IPC分类号: G06T7/32
摘要: 本发明公开了一种基于最小分支代价聚合的立体匹配方法。所述的最小分支构建于有向图,有向图的方向是由图像像素点的梯度信息决定的。在最小分支构建完成后,输入图像被分割成很多碎片,碎片的大小和强度信息能够有效的区分图像的强弱纹理区域,再根据碎片的大小和相似性将最可能处于同一视差下的碎片连接在一起,最后在所建立的完整最小分支结构上执行代价聚合步骤。基于最小分支的代价聚合方法保留了更多的图像自然信息,使得代价聚合结果更加准确,从而有效的提高了立体匹配的精度。
-
公开(公告)号:CN109889751B
公开(公告)日:2020-09-15
申请号:CN201910315156.1
申请日:2019-04-18
申请人: 东北大学
摘要: 本发明公开一种基于光学变焦的演讲内容便携式拍摄记录装置,其包括:图像采集装置和至少一个移动终端;每一个移动终端与图像采集装置通信连接,并控制图像采集装置的采集符合需求的视频图像;以及图像采集装置将采集的视频图像传输移动终端存储;图像采集装置包括:可变焦的图像采集设备、图像采集设备的控制系统、和支撑图像采集设备的支撑结构;图像采集装置与控制系统固定连接,且控制系统与移动终端通信连接,图像采集设备与支撑结构活动连接。上述装置能够解决现有技术中的会议中需要用户不定期的举起手机拍照或录制视频的问题,解放用户的双手,且能够更有效获取清晰的视频图像。
-
-
公开(公告)号:CN109889751A
公开(公告)日:2019-06-14
申请号:CN201910315156.1
申请日:2019-04-18
申请人: 东北大学
摘要: 本发明公开一种基于光学变焦的演讲内容便携式拍摄记录装置,其包括:图像采集装置和至少一个移动终端;每一个移动终端与图像采集装置通信连接,并控制图像采集装置的采集符合需求的视频图像;以及图像采集装置将采集的视频图像传输移动终端存储;图像采集装置包括:可变焦的图像采集设备、图像采集设备的控制系统、和支撑图像采集设备的支撑结构;图像采集装置与控制系统固定连接,且控制系统与移动终端通信连接,图像采集设备与支撑结构活动连接。上述装置能够解决现有技术中的会议中需要用户不定期的举起手机拍照或录制视频的问题,解放用户的双手,且能够更有效获取清晰的视频图像。
-
公开(公告)号:CN107341823A
公开(公告)日:2017-11-10
申请号:CN201710415745.8
申请日:2017-06-06
申请人: 东北大学
IPC分类号: G06T7/33
CPC分类号: G06T7/337 , G06T2207/10012
摘要: 本发明公开了一种基于特征融合的最小分支立体匹配方法,能够有效解决弱纹理区域、不连续区域、遮挡区域的误匹配问题,提高立体匹配精度。最小分支结构首次利用梯度信息构建有向图聚合匹配代价,构建最小分支后图像被分割成若干区域,图像被分割成区域的过程不需要设置任何参数,不仅分割过程自然,而且可以有效地区分图像中的纹理区域,提高了立体匹配准确性。基于特征融合的初始匹配代价计算改善了弱纹理区域和不连续区域的误匹配问题,基于四个方向寻找未遮挡点的左右一致性检测,有效改善了遮挡区域的误匹配问题,进一步提高了立体匹配的准确性。
-
公开(公告)号:CN107341823B
公开(公告)日:2019-08-09
申请号:CN201710415745.8
申请日:2017-06-06
申请人: 东北大学
IPC分类号: G06T7/33
摘要: 本发明公开了一种基于特征融合的最小分支立体匹配方法,能够有效解决弱纹理区域、不连续区域、遮挡区域的误匹配问题,提高立体匹配精度。最小分支结构首次利用梯度信息构建有向图聚合匹配代价,构建最小分支后图像被分割成若干区域,图像被分割成区域的过程不需要设置任何参数,不仅分割过程自然,而且可以有效地区分图像中的纹理区域,提高了立体匹配准确性。基于特征融合的初始匹配代价计算改善了弱纹理区域和不连续区域的误匹配问题,基于四个方向寻找未遮挡点的左右一致性检测,有效改善了遮挡区域的误匹配问题,进一步提高了立体匹配的准确性。
-
-
公开(公告)号:CN107341822A
公开(公告)日:2017-11-10
申请号:CN201710416336.X
申请日:2017-06-06
申请人: 东北大学
IPC分类号: G06T7/32
摘要: 本发明公开了一种基于最小分支代价聚合的立体匹配方法。所述的最小分支构建于有向图,有向图的方向是由图像像素点的梯度信息决定的。在最小分支构建完成后,输入图像被分割成很多碎片,碎片的大小和强度信息能够有效的区分图像的强弱纹理区域,再根据碎片的大小和相似性将最可能处于同一视差下的碎片连接在一起,最后在所建立的完整最小分支结构上执行代价聚合步骤。基于最小分支的代价聚合方法保留了更多的图像自然信息,使得代价聚合结果更加准确,从而有效的提高了立体匹配的精度。
-
-
-
-
-
-
-