-
公开(公告)号：CN108961383B
公开(公告)日：2021-12-14
申请号：CN201710358520.3
申请日：2017-05-19
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06T17/00
Abstract: 本申请公开了一种三维重建方法及装置，属于计算机视觉领域。所述方法包括：通过双目相机采集目标物体在n个方位的n组双目图像；确定n组双目图像中的每组双目图像的视差图；对每组双目图像的视差图进行优化处理，使得优化处理后的视差图中：属于同一物体的像素区域中有效匹配像素点的数量大于或等于：属于同一物体的像素点的最小数量；根据n组双目图像、优化处理后的n个视差图以及双目相机的参数，建立目标物体的三维模型。本申请解决了根据视差图确定出的三维模型较准确性较低问题，提高了根据优化处理后的视差图所建立的三维模型的准确度，本申请用于三维重建。
-
公开(公告)号：CN110335228B
公开(公告)日：2021-06-25
申请号：CN201810276957.7
申请日：2018-03-30
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明实施例提供了一种图像视差的确定方法、装置及系统，本实施例中利用无监督神经网络，确定多张图像间的视差，无监督神经网络利用损失函数进行训练，不需要真实视差作为监督，损失函数中包含一项或多项误差参数，训练过程中，误差参数逐渐变小，也就是确定视差的准确度变高，因此，应用本实施例确定的视差准确度较高。
-
公开(公告)号：CN110602474B
公开(公告)日：2022-07-05
申请号：CN201810505818.7
申请日：2018-05-24
Applicant: 杭州海康威视数字技术股份有限公司
IPC: H04N13/00
Abstract: 本申请实施例提供了一种图像视差的确定方法、装置及设备，方法包括：利用预先获取的相机参数，对多张待处理图像进行处理，得到多对双目图像；确定该多对双目图像的视差图、以及视差图之间的变换关系；根据该变换关系，对所确定的视差图进行融合，得到融合视差图；即使一个相机采集的图像中存在遮挡，但其他不存在遮挡的图像之间的视差图弥补了视差缺失，融合视差图中包含各张视差图像的信息，提高了所确定的视差准确度。
-
公开(公告)号：CN110533663B
公开(公告)日：2022-03-04
申请号：CN201810515532.7
申请日：2018-05-25
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06T7/10
Abstract: 本申请实施例提供了一种图像视差确定方法、装置、设备及系统，方法包括：利用预设损失函数，基于多对样本图像、以及该多对样本图像的分割结果，对预设结构的初始视差网络进行训练，得到视差网络模型，图像的分割结果包括：图像中每个像素点所属平面的信息；利用该视差网络模型确定图像视差，可以识别像素点所属的平面，对于一些弱纹理区域来说，识别其像素点所属的平面后，便可以较准确地确定弱纹理区域的视差图，因此，本方案提高了视差准确性。
-
公开(公告)号：CN110533701A
公开(公告)日：2019-12-03
申请号：CN201810515541.6
申请日：2018-05-25
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06T7/33
Abstract: 本发明实施例提供了一种图像视差确定方法、装置、设备及系统，本方案中，如果图像中存在遮挡，则该遮挡区域像素点对应到初始视差图中即为非匹配点，利用与非匹配点距离较近的匹配点对非匹配点进行填充处理，也就是利用匹配正常的视差值对遮挡区域对应的视差值进行填充，这样，提高了遮挡区域对应视差的准确度，进而提高了图像之间视差准确度。
-
Patent Agency Ranking
公开(公告)号：CN110335228A
公开(公告)日：2019-10-15
申请号：CN201810276957.7
申请日：2018-03-30
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明实施例提供了一种图像视差的确定方法、装置及系统，本实施例中利用无监督神经网络，确定多张图像间的视差，无监督神经网络利用损失函数进行训练，不需要真实视差作为监督，损失函数中包含一项或多项误差参数，训练过程中，误差参数逐渐变小，也就是确定视差的准确度变高，因此，应用本实施例确定的视差准确度较高。
-
公开(公告)号：CN107958482A
公开(公告)日：2018-04-24
申请号：CN201610902421.2
申请日：2016-10-17
Applicant: 杭州海康威视数字技术股份有限公司
CPC classification number: G06T7/00 , G06T15/04 , G06T17/00 , G06T2207/10028
Abstract: 本发明实施例公开了一种三维场景模型构建方法及装置，预先获得目标场景的背景三维模型，即静态目标对应的三维模型；针对当前目标场景对应的第一点云，在第一点云中确定动态目标对应的第一部分点云，构建该第一部分点云对应的前景三维模型；将前景三维模型与背景三维模型进行叠加，得到当前三维场景模型。针对获取到的每一帧第一点云应用本方案，得到每一帧第一点云对应的三维场景模型，便得到一个动态的三维场景模型。由此可见，不需要对每台深度相机采集到的每个像素点进行融合，而是在深度相机采集到的点云中确定动态目标，仅将动态目标对应的前景三维模型与预先获得的静态目标对应的背景三维模型进行叠加，降低了构建三维场景模型的计算量。
-
公开(公告)号：CN110443841B
公开(公告)日：2022-08-05
申请号：CN201810410773.5
申请日：2018-05-02
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06T7/55
Abstract: 本发明公开了一种地面深度的测量方法、装置及系统，属于图像处理技术领域。所述方法包括：通过指定有监督学习网络处理针对目标区域拍摄的左图像和右图像，以确定每个视差点对应的位置点的地面深度。由于该指定有监督学习网络是根据至少一个图像对、在每个图像对的视差图中标记的属于地面的多个视差点以及每个视差点对应的视差值训练得到，因此，当通过该指定有监督学习网络处理左图像和右图像时，该指定有监督学习网络实际上根据预先从标签中学习的特征输出目标视差图中的多个属于地面的视差点以及每个视差点的视差值，避免了仅仅基于像素点的像素值进行像素点匹配而导致出现匹配不唯一的情况，提高了测量地面深度的准确性。
-
公开(公告)号：CN109215082B
公开(公告)日：2021-06-22
申请号：CN201710522139.6
申请日：2017-06-30
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06T7/80
Abstract: 本发明实施例提供了一种相机参数标定方法、装置、设备及系统，本方案中，相机针对多个棋盘格标靶进行图像采集，得到标定图像，也就是说标定图像中包含多个棋盘格，基于包含多个棋盘格的标定图像，求解相机参数；第一方面，标定图像中包含多个棋盘格，也就不需要多次调整棋盘格标靶位置或姿态、多次采集针对棋盘格标靶的标定图像，提高了标定效率；第二方面，多次采集针对棋盘格标靶的标定图像，造成的采集误差较大，应用本方案，减小了采集误差。
-
公开(公告)号：CN110602474A
公开(公告)日：2019-12-20
申请号：CN201810505818.7
申请日：2018-05-24
Applicant: 杭州海康威视数字技术股份有限公司
IPC: H04N13/00
Abstract: 本申请实施例提供了一种图像视差的确定方法、装置及设备，方法包括：利用预先获取的相机参数，对多张待处理图像进行处理，得到多对双目图像；确定该多对双目图像的视差图、以及视差图之间的变换关系；根据该变换关系，对所确定的视差图进行融合，得到融合视差图；即使一个相机采集的图像中存在遮挡，但其他不存在遮挡的图像之间的视差图弥补了视差缺失，融合视差图中包含各张视差图像的信息，提高了所确定的视差准确度。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.053 seconds)
