-
公开(公告)号：CN108711185A
公开(公告)日：2018-10-26
申请号：CN201810460091.5
申请日：2018-05-15
申请人： 清华大学 , 清华大学深圳研究生院
CPC分类号： G06T17/00 , G06T7/521 , G06T2207/10012
摘要： 本发明公开了一种联合刚性运动和非刚性形变的三维重建方法及装置，其中，方法包括：对目标对象进行基于深度相机的拍摄得到单张深度图像；通过三维骨架提取算法对深度点云进行三维骨架提取；获取三维点云和重建模型顶点之间的匹配点对；根据匹配点对和三维骨架信息建立能量函数，并求解重建模型上每一个顶点的非刚性运动位置变换参数并优化对象骨架参数；对能量函数进行GPU优化求解，以获得每个表面顶点的非刚性形变，并根据求解结果将前一帧的重建三维模型进行形变，使得形变模型与当前帧三维点云进行对齐；获得当前帧的更新后的模型，以进入下一帧的迭代。该方法可以有效提高重建的实时性、鲁棒性和准确性，扩展性强，简单易实现。
-
公开(公告)号：CN108711185B
公开(公告)日：2021-05-28
申请号：CN201810460091.5
申请日：2018-05-15
申请人： 清华大学 , 清华大学深圳研究生院
摘要： 本发明公开了一种联合刚性运动和非刚性形变的三维重建方法及装置，其中，方法包括：对目标对象进行基于深度相机的拍摄得到单张深度图像；通过三维骨架提取算法对深度点云进行三维骨架提取；获取三维点云和重建模型顶点之间的匹配点对；根据匹配点对和三维骨架信息建立能量函数，并求解重建模型上每一个顶点的非刚性运动位置变换参数并优化对象骨架参数；对能量函数进行GPU优化求解，以获得每个表面顶点的非刚性形变，并根据求解结果将前一帧的重建三维模型进行形变，使得形变模型与当前帧三维点云进行对齐；获得当前帧的更新后的模型，以进入下一帧的迭代。该方法可以有效提高重建的实时性、鲁棒性和准确性，扩展性强，简单易实现。
-
公开(公告)号：CN108665537B
公开(公告)日：2020-09-25
申请号：CN201810460079.4
申请日：2018-05-15
申请人： 清华大学 , 清华大学深圳研究生院
摘要： 本发明公开了一种联合优化人体体态与外观模型的三维重建方法及系统，其中，方法包括以下步骤：对人体进行深度图拍摄，以得到单张深度图像；将单张深度图像变换为三维点云，并获取三维点云和重建模型顶点及参数化人体模型顶点之间的匹配点对；根据匹配点对建立能量函数，并共同求解重建模型上每一个顶点的非刚性运动位置变换参数和参数化人体体态模型参数；对能量函数进行求解，并根据求解结果将重建模型与三维点云进行对齐；通过深度图更新和补全对齐后的模型，以进行实时人体动态三维重建。该方法可以有效提高重建的实时性、鲁棒性和准确性，扩展性强，简单易实现。
-
公开(公告)号：CN108665537A
公开(公告)日：2018-10-16
申请号：CN201810460079.4
申请日：2018-05-15
申请人： 清华大学 , 清华大学深圳研究生院
摘要： 本发明公开了一种联合优化人体体态与外观模型的三维重建方法及系统，其中，方法包括以下步骤：对人体进行深度图拍摄，以得到单张深度图像；将单张深度图像变换为三维点云，并获取三维点云和重建模型顶点及参数化人体模型顶点之间的匹配点对；根据匹配点对建立能量函数，并共同求解重建模型上每一个顶点的非刚性运动位置变换参数和参数化人体体态模型参数；对能量函数进行求解，并根据求解结果将重建模型与三维点云进行对齐；通过深度图更新和补全对齐后的模型，以进行实时人体动态三维重建。该方法可以有效提高重建的实时性、鲁棒性和准确性，扩展性强，简单易实现。
-
公开(公告)号：CN107103589B
公开(公告)日：2019-09-06
申请号：CN201710170590.6
申请日：2017-03-21
申请人： 深圳市未来媒体技术研究院 , 清华大学深圳研究生院
IPC分类号： G06T5/00
摘要： 一种基于光场图像的高光区域修复方法，包括：获取四维光场图像以及对应的深度图像；从四维光场图像提取中心视点图像，初步确定高光目标点的空间域坐标，依照输入的深度图像对四维光场图像进行重聚焦，获取高光目标点的角度域特性并划分成饱和高光点与非饱和高光点；对一个视点或多个视点的图像进行本征图像分解，得到图像本征反射属性，找到高光目标点对应的本征反射信息；对非饱和高光点，利用多视点下的局部区域特性分离出漫反射分量，结合步骤A3确定的本征反射信息，对非饱和高光点进行修复；A5：对饱和高光点，利用临近像素点的漫反射分量进行传播，结合步骤A3确定的本征反射信息，对饱和高光点进行修复。利用本发明能够提高含有高光表面的图像的质量。
-
公开(公告)号：CN108470324A
公开(公告)日：2018-08-31
申请号：CN201810236089.X
申请日：2018-03-21
申请人： 深圳市未来媒体技术研究院 , 清华大学深圳研究生院
摘要： 本发明公开了一种鲁棒的双目立体图像拼接方法，包括：采用双目相机采集两组图像，分别计算每组图像的左右视图之间的视差图；提取每组图像的特征点，并对所述特征点进行描述；将每组图像的特征点进行GMS特征点匹配，筛选出错误的匹配以得到准确的特征点对集合；根据视图差以及特征点对集合设定新的特征约束条件，得到使所述特征约束条件最优的单应性变换，利用该单应性变换对第二组图像进行全局变换，对第二组图像中相对于第一组图像的非重叠区域采用局部形状保持变换；分别融合变换后的左视图和右视图，得到拼接后的左视图和右视图，再进行合成得到最终的立体图。本发明不仅可以实现无缝拼接，而且算法具有一定的鲁棒性。
-
公开(公告)号：CN108470324B
公开(公告)日：2022-02-25
申请号：CN201810236089.X
申请日：2018-03-21
申请人： 深圳市未来媒体技术研究院 , 清华大学深圳研究生院
摘要： 本发明公开了一种鲁棒的双目立体图像拼接方法，包括：采用双目相机采集两组图像，分别计算每组图像的左右视图之间的视差图；提取每组图像的特征点，并对所述特征点进行描述；将每组图像的特征点进行GMS特征点匹配，筛选出错误的匹配以得到准确的特征点对集合；根据视图差以及特征点对集合设定新的特征约束条件，得到使所述特征约束条件最优的单应性变换，利用该单应性变换对第二组图像进行全局变换，对第二组图像中相对于第一组图像的非重叠区域采用局部形状保持变换；分别融合变换后的左视图和右视图，得到拼接后的左视图和右视图，再进行合成得到最终的立体图。本发明不仅可以实现无缝拼接，而且算法具有一定的鲁棒性。
-
公开(公告)号：CN108596915A
公开(公告)日：2018-09-28
申请号：CN201810331487.X
申请日：2018-04-13
申请人： 深圳市未来媒体技术研究院 , 清华大学深圳研究生院
摘要： 本发明公开了一种基于无标注数据的医疗图像分割方法，包括以下步骤：A1：采用有标注数据对分割网络进行训练；A2：将包含无标注数据和有标注数据的训练图像输入到所述分割网络进行分割，并将得到的分割结果输入到评价网络；A3：采用所述评价网络对分割结果进行评价；A4：对所述分割网络和所述评价网络进行对抗式训练；A5：当所述分割网络和所述评价网络达到动态平衡时，根据所述分割网络得到无标注数据的最终分割结果。本发明实现了无标注医疗图像的端到端分割，而不需要提前标注好大量医疗图像再用这些标注好的图像来训练分割网络，方法简单高效。
-
公开(公告)号：CN108038893A
公开(公告)日：2018-05-15
申请号：CN201711278764.7
申请日：2017-12-06
申请人： 深圳市未来媒体技术研究院 , 清华大学深圳研究生院
CPC分类号： G06T11/60 , G06T5/50 , G06T2207/10016 , G06T2207/20221 , H04N7/18
摘要： 本发明公开了一种基于混合相机阵列的十亿像素视频的生成方法，包括以下步骤：S1：采用混合相机阵列进行图像采集，其中所述混合相机阵列包括至少一个全局相机和多个局部相机，通过至少一个所述全局相机采集得到至少一个全局图像，通过多个所述局部相机分别采集得到多个局部图像；S2：采用网络分类方法查找各个所述局部图像在所述全局图像中的对应图像块；S3：根据步骤S2查找到的各个所述局部图像在所述全局图像中的对应图像块，将各个所述局部图像与所述全局图像进行多尺度融合，生成融合图像，得到十亿像素视频。本发明可以快速高质量地生成十亿像素视频。
-
公开(公告)号：CN107734271A
公开(公告)日：2018-02-23
申请号：CN201710958201.6
申请日：2017-10-16
申请人： 深圳市未来媒体技术研究院 , 清华大学深圳研究生院
摘要： 一种高动态范围十亿像素视频生成方法，包括：用多个局部视角相机进行正常采集视频，用中心全局相机进行变曝光采集，使用不同长度的曝光时间对全局进行多次曝光采样，获得不同强度范围入射光的细节；对中心全局相机得到的变曝光采集到的视频图像进行曝光融合，得到全局高动态范围低时域噪声的视频图像；对未进行变曝光采集的局部视频图像预处理，按照设定的比例缩小，利用零均值归一化互相关匹配找到缩小后图像在变曝光融合后的全局图中的位置，从全局图中裁剪出最佳匹配块，放大到与局部视频图像同样大小，作为参考块；对局部视频图像进行特征点提取匹配及变换，利用图割技术将局部视频图像进行拼接。该方法可以得到高动态范围的十亿像素视频。
-
-
-
-
-
-
-
-
-
搜索结果
184 条记录 (耗时 0.052 秒)
