-
公开(公告)号：CN104992441A
公开(公告)日：2015-10-21
申请号：CN201510397321.4
申请日：2015-07-08
Applicant: 华中科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种面向个性化虚拟试衣的真实人体三维建模方法。该算法以视频作为输入数据，经过特征匹配、关键帧选取、三维点云生成、模板映射、纹理映射等几个步骤，得到人体表面三维模型。采用运动恢复结构的技术大大简化了重建过程，减轻了数据采集者和被采集者的负担，降低了对仪器和设备的要求，同时能获得较为精确的重建结果。利用模板映射能获得完整的人体表面模型，使算法对于人体纹理信息缺失和自身遮挡更加鲁棒。按照本发明，从数据输入到模型输出仅需在模板映射之前人工标记若干对控制点，其它过程全部实现了自动化处理。利用本发明重建得到的模型可用于游戏和动画设计、影视特效以及个性化虚拟试衣等。
-
公开(公告)号：CN108230381B
公开(公告)日：2020-05-19
申请号：CN201810042150.7
申请日：2018-01-17
Applicant: 华中科技大学
Abstract: 本发明公开了一种结合空间传播和像素级优化的多视图立体视觉方法，属于计算机视觉领域，包括：根据场景的多张图片得到相机参数，根据相机参数提取每一张图片的深度图，利用空间传播更新每一张图片的深度图；对更新后的深度图迭代地进行像素级优化和过滤，得到处理后图片；对处理后图片中的每个像素点并行的进行深度图融合，得到场景的三维点云。本发明在初始深度图提取中利用空间传播减少了图像间的冗余计算从而提高了效率，另外通过迭代地深度图优化和过滤减少了噪声点的同时提高了深度图的完整度，最终高效的深度图融合提高效率的同时保证了点云的稠密度。
-
公开(公告)号：CN106780579B
公开(公告)日：2019-08-13
申请号：CN201710035674.9
申请日：2017-01-17
Applicant: 华中科技大学
IPC: G06T7/33 , G06T7/38 , G06F16/583
Abstract: 本发明公开了一种超大规模图像特征点匹配方法及系统，其中，方法的实现包括：首先进行图像近邻搜索得到图像匹配对；以图像为节点、图像近邻之间构成边形成一个无向图，对这个图进行广度优先排序，得到排序之后的图像和图像对；按照排序结果对图像的特征信息进行重排，并分块保存成二进制文件；按序读取保存有特征信息的二进制文件，根据排序后的图像对来依次进行特征匹配，并及时释放掉后续无用的特征信息；迭代的读取特征信息和进行特征匹配直到所有图像对完成匹配。实施本发明，可以保证在图像匹配的过程中图像特征点一次读取、局部完全利用，可以在内存不会溢出的同时，保证了算法的效率。
-
Patent Agency Ranking
公开(公告)号：CN106815824B
公开(公告)日：2019-07-05
申请号：CN201611124130.1
申请日：2016-12-08
Applicant: 华中科技大学
Abstract: 本发明公开了一种提高大规模三维重建效率的图像近邻优化方法，首先得到近邻匹配图像对，对图像对进行特征点匹配；通过基础矩阵进行几何校验来剔除不满足极线约束的误匹配得到内点数，并计算单应矩阵得到单应变换率；接着统计匹配特征点之间在方向和尺度上的变化，得到相应的直方图；通过内点数、单应变换率、尺度和方向的变化直方图三重约束来度量图像的相似性并标记其中的冗余图像；剔除包含冗余图像的图像对，以及通过内点数、单应变换率来剔除窄基线图像对；最后保存过滤之后的图像对匹配信息，已经剔除了冗余图像对以及基线较窄图像对，进一步提高了后续三维重建的精度和效率。
-
公开(公告)号：CN108230381A
公开(公告)日：2018-06-29
申请号：CN201810042150.7
申请日：2018-01-17
Applicant: 华中科技大学
Abstract: 本发明公开了一种结合空间传播和像素级优化的多视图立体视觉方法，属于计算机视觉领域，包括：根据场景的多张图片得到相机参数，根据相机参数提取每一张图片的深度图，利用空间传播更新每一张图片的深度图；对更新后的深度图迭代地进行像素级优化和过滤，得到处理后图片；对处理后图片中的每个像素点并行的进行深度图融合，得到场景的三维点云。本发明在初始深度图提取中利用空间传播减少了图像间的冗余计算从而提高了效率，另外通过迭代地深度图优化和过滤减少了噪声点的同时提高了深度图的完整度，最终高效的深度图融合提高效率的同时保证了点云的稠密度。
-
公开(公告)号：CN106780579A
公开(公告)日：2017-05-31
申请号：CN201710035674.9
申请日：2017-01-17
Applicant: 华中科技大学
CPC classification number: G06F16/583 , G06T2207/10016
Abstract: 本发明公开了一种超大规模图像特征点匹配方法及系统，其中，方法的实现包括：首先进行图像近邻搜索得到图像匹配对；以图像为节点、图像近邻之间构成边形成一个无向图，对这个图进行广度优先排序，得到排序之后的图像和图像对；按照排序结果对图像的特征信息进行重排，并分块保存成二进制文件；按序读取保存有特征信息的二进制文件，根据排序后的图像对来依次进行特征匹配，并及时释放掉后续无用的特征信息；迭代的读取特征信息和进行特征匹配直到所有图像对完成匹配。实施本发明，可以保证在图像匹配的过程中图像特征点一次读取、局部完全利用，可以在内存不会溢出的同时，保证了算法的效率。
-
公开(公告)号：CN104992441B
公开(公告)日：2017-11-17
申请号：CN201510397321.4
申请日：2015-07-08
Applicant: 华中科技大学
IPC: G06T7/55
Abstract: 本发明公开了一种面向个性化虚拟试衣的真实人体三维建模方法。该算法以视频作为输入数据，经过特征匹配、关键帧选取、三维点云生成、模板映射、纹理映射等几个步骤，得到人体表面三维模型。采用运动恢复结构的技术大大简化了重建过程，减轻了数据采集者和被采集者的负担，降低了对仪器和设备的要求，同时能获得较为精确的重建结果。利用模板映射能获得完整的人体表面模型，使算法对于人体纹理信息缺失和自身遮挡更加鲁棒。按照本发明，从数据输入到模型输出仅需在模板映射之前人工标记若干对控制点，其它过程全部实现了自动化处理。利用本发明重建得到的模型可用于游戏和动画设计、影视特效以及个性化虚拟试衣等。
-
公开(公告)号：CN106815824A
公开(公告)日：2017-06-09
申请号：CN201611124130.1
申请日：2016-12-08
Applicant: 华中科技大学
CPC classification number: G06T5/40 , G06T5/50 , G06T17/00 , G06T2207/10004
Abstract: 本发明公开了一种提高大规模三维重建效率的图像近邻优化方法，首先得到近邻匹配图像对，对图像对进行特征点匹配；通过基础矩阵进行几何校验来剔除不满足极线约束的误匹配得到内点数，并计算单应矩阵得到单应变换率；接着统计匹配特征点之间在方向和尺度上的变化，得到相应的直方图；通过内点数、单应变换率、尺度和方向的变化直方图三重约束来度量图像的相似性并标记其中的冗余图像；剔除包含冗余图像的图像对，以及通过内点数、单应变换率来剔除窄基线图像对；最后保存过滤之后的图像对匹配信息，已经剔除了冗余图像对以及基线较窄图像对，进一步提高了后续三维重建的精度和效率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
