[发明专利]深度图生成方法、计算节点及计算节点集群、存储介质在审

专利信息
申请号: 201911033628.0 申请日: 2019-10-28
公开(公告)号: CN112734821A 公开(公告)日: 2021-04-30
发明(设计)人: 盛骁杰 申请(专利权)人: 阿里巴巴集团控股有限公司
主分类号: G06T7/529 分类号: G06T7/529;G06K9/46;G06K9/62
代理公司: 上海知锦知识产权代理事务所(特殊普通合伙) 31327 代理人: 潘彦君
地址: 英属开曼群岛大开*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 深度 生成 方法 计算 节点 集群 存储 介质
【说明书】:

深度图生成方法、计算节点及计算节点集群、存储介质,所述方法包括:接收纹理数据;计算节点集群中第一计算节点根据第一纹理数据和第二纹理数据,进行第一深度计算,得到第一粗略深度图;所述第一计算节点将所述第一粗略深度图同步至其余计算节点,得到粗略深度图集;所述第一计算节点对于所述粗略深度图集中的第二粗略深度图,采用第三粗略深度图进行验证,得到所述第二粗略深度图中的不稳定区域;所述第一计算节点根据所述第二粗略深度图中的不稳定区域、所述第二粗略深度图对应的纹理数据以及所述第三粗略深度图对应的纹理数据,进行第二深度计算,得到对应的精细深度图,作为最终生成的深度图。上述方案可以提高深度图生成速率。

技术领域

发明实施例涉及图像处理技术领域,尤其涉及一种深度图生成方法、计算节点及计算节点集群、存储介质。

背景技术

6自由度(6Degree of Freedom,6DoF)技术是为了提供高自由度观看体验的一种技术,用户可以在观看中通过交互操作,来调整观看的视角,从而可以从想观看的自由视点角度进行观看。

生成用于进行交互的6DoF数据包括相机参数计算、深度图计算、基于深度图的图像绘制(depth image based rendering,DIBR)等多个步骤。

然而,目前,深度图计算的时间较长,如何减少深度图计算的时间,提升深度图计算的速率成为亟待解决的问题。

发明内容

本发明实施例解决的问题提升6DoF数据计算过程中深度图计算的速率。

为解决上述问题,本发明实施例公开了一种深度图生成方法,采用计算节点集群中多个计算节点分别进行深度图生成,所述生成方法包括:

接收纹理数据,所述纹理数据为同一采集阵列中的多个采集设备同步采集;

所述计算节点集群中第一计算节点根据第一纹理数据和第二纹理数据,进行第一深度计算,得到第一粗略深度图,其中:所述第一计算节点为所述计算节点集群中任一计算节点,所述第一纹理数据与所述第一计算节点满足预设的第一映射关系;所述第二纹理数据为与所述第一纹理数据的采集设备满足预设的第一空间位置关系的采集设备采集的纹理数据;

所述第一计算节点将所述第一粗略深度图同步至所述计算节点集群中的其余计算节点,得到粗略深度图集;

所述第一计算节点对于所述粗略深度图集中的第二粗略深度图,采用第三粗略深度图进行验证,得到所述第二粗略深度图中的不稳定区域,其中:所述第二粗略深度图与所述第一计算节点满足预设的第二映射关系;所述第三粗略深度图为与所述第二粗略深度图对应的采集设备满足预设的第二空间位置关系的采集设备对应的粗略深度图;

所述第一计算节点根据所述第二粗略深度图中的不稳定区域、所述第二粗略深度图对应的纹理数据以及所述第三粗略深度图对应的纹理数据,进行第二深度计算,得到对应的精细深度图,其中:第二深度计算所选取的第二粗略深度图中的深度图候选值不包含所述不稳定区域的深度值;

将所述各计算节点得到的精细深度图的精细深度图集作为最终生成的深度图。

可选地,所述第二纹理数据为与所述第一纹理数据的采集设备满足预设的第一距离关系和/或第一数量关系的采集设备采集到的纹理数据;所述第三粗略深度图对应的纹理数据为与所述第二粗略深度图对应的采集设备满足预设的第二距离关系和/或第二数量关系的采集设备采集到的纹理数据。

可选地,所述第二纹理数据为距离所述第一纹理数据的采集设备的位置最近的第一预设数量的采集设备采集到的纹理数据;所述第三粗略深度图对应的纹理数据为与所述第二粗略深度图对应的采集设备的位置最近的第二预设数量的采集设备采集到的纹理数据。

可选地,所述第一预设数量的采集设备以及所述第二预设数量的采集设备均为1至N-1个采集设备,所述N为所述采集阵列中采集设备的总量。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于阿里巴巴集团控股有限公司,未经阿里巴巴集团控股有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911033628.0/2.html,转载请声明来源钻瓜专利网。

同类专利
  • 一种单目深度估计方法-202310990370.3
  • 魏峰;魏群瀚 - 苏州峰河视信信息科技有限公司;河海大学
  • 2023-08-08 - 2023-10-13 - G06T7/529
  • 本发明公开了一种单目深度估计方法,包括:采用KITTI数据集,划分训练集和测试集;构建基于单目深度估计的网络结构,包括深度网络和位姿网络,深度网络采用U‑net结构,包括编码器和解码器,位姿网络包括位姿编码器和位姿解码器;利用图像重构模型重构目标图像;计算重建图像#imgabs0#对应的光度特征损失与纹理特征损失;利用纹理特征损失、光度特征损失、像素平滑度的多融合损失函数为总的损失函数,进行单目深度估计训练,并利用训练得到的模型对测试集进行有效评估。本发明在光度特征损失的基础上,通过引入纹理特征损失,强化无纹理或者纹理较弱的情况下深度估计的效果,此外,还能够跨数据域实现良好的效果。
  • 一种由聚焦堆栈估计深度的方法和装置-202310866985.5
  • 邓小娟;邱钧;刘畅;罗天琦 - 北京信息科技大学
  • 2023-07-14 - 2023-09-26 - G06T7/529
  • 本发明公开了一种由聚焦堆栈重建深度的方法和装置,其包括:步骤101,通过改变物距或相距的方式,采集一组聚焦深度不同的图像序列,获得聚焦堆栈;步骤102,使用测度算子计算初始的聚焦测度体数据u;其中,聚焦测度体数据包括聚焦堆栈中每个像素的聚焦测度;步骤103,根据聚焦堆栈与聚焦测度体数据u的数据结构之间的相似程度,计算聚焦堆栈与聚焦测度体数据的结构一致性S;步骤104,结合结构一致性S,利用三维自适应加权全变分模型优化聚焦测度体数据u,得到优化后的聚焦堆栈体数据u;步骤105,根据优化后的聚焦测度体数据,获得深度图。本发明能够有效解决聚焦堆栈估计深度中弱纹理区域和遮挡区域深度线索丢失问题,进而提升重建深度的精度。
  • 一种矿井增强现实无人开采工作面深度估计方法-202310247388.4
  • 寇旗旗;张华强;程德强;王奕;陈俊辉;范舒铭;王子强;徐帅;赵麟敖;寇涵博;程志威;马祥;姬广凯;李龙 - 中国矿业大学
  • 2023-03-15 - 2023-08-29 - G06T7/529
  • 本发明公开了一种矿井增强现实无人开采工作面深度估计方法,属于图像处理技术领域,构建卷积层、池化层、残差层、下采样模块组成的深度编码器,在编码器网络浅层提取图像浅层高分辨率特征信息,在编码器网络深层通过卷积操作的堆叠,提取图像低分率特征信息,将浅层的高分辨率特征图通过层级特征调整模块融合到深层的低分率特征图中;构建由反卷积层、上采样模块以及跳跃连接组成的深度解码器网络,估计图像的深度;构建相机位姿预测网络,通过相机邻帧间运动位姿的估计重投影到目标图像的光度损失作为自监督信号约束;构建改进的颜色‑几何差异信息来预测共平面深度图模块,用向量梯度渐变作为约束信号,约束预测初始深度图和预测共平面深度图。
  • 一种基于多尺度交叉注意力的单目图像深度估计方法-202310298112.9
  • 霍智勇;赵丽萍 - 南京邮电大学
  • 2023-03-24 - 2023-06-13 - G06T7/529
  • 一种基于多尺度交叉注意力的单目图像深度估计方法,利用卷积神经网络和视觉Transformer优势互补,发挥卷积神经网络对局部特征捕获优势和Transformer对全局特征建立远距离依赖优势,提高对信息的保留能力,从而提高生成深度图的质量;通过交叉注意力机制,有效控制不同区域像素的注意力计算强度,均衡捕获局部特征和全局特征的能力,优化深度图整体结构,提高估计深度图的细粒度,同时估计的深度更为自然;提高图像局部特征和全局特征的捕获能力,解决单目深度估计方法中深度结构不够自然的问题,同时显著提高细节特征表达能力,解决单目深度估计细节不够丰富的问题;缓解基于视觉Transformer的单目深度估计方法计算资源的耗费巨大的问题,同时弥补Transformer对局部特征的弱敏感性。
  • 一种基于正交相移条纹的不连续区域分割方法-201910658376.4
  • 邓吉;李健;肖雨;封皓;韩文仲;曾周末 - 天津大学
  • 2019-07-21 - 2023-05-26 - G06T7/529
  • 本发明公开了一种基于正交相移条纹的不连续区域分割方法,包括:构建由投影系统、相机以及被测物体组成的不连续区域分割系统;将沿着X、Y两方向变化,相互正交的正弦光栅组依次投至物体表面,并采集双方向变化条纹;通过改变光栅的输入顺序经最小二乘法获得两方向的包裹相位序列;对每幅包裹相位序列进行相位优化,依次获得X与Y方向的优化包裹相位组;通过对优化包裹相位组分别采用跳变区域相交,提取粗分割线并进行图像增强与细化处理,确定精分割线后求和,获取总分割线,分割后的连续区域由感兴趣区域减去总分割线获得。本发明实现了对突变区域进行较好的分割,本发明能够精确的提取出物体的边缘位置;边缘提取准确性的提升能够提高物体识别的准确度。
  • 图像处理方法、装置、终端及存储介质-202111349617.0
  • 张超 - 北京小米移动软件有限公司
  • 2021-11-15 - 2023-05-16 - G06T7/529
  • 本公开是关于一种图像处理方法、装置、终端及存储介质,图像处理方法包括:确定相互配准的第一深度图像和第一彩色图像,第一深度图像和第一彩色图像对应于同一拍摄目标;确定第一深度图像的黑洞区域;根据标定信息、黑洞区域和第一彩色图像,确定黑洞区域内每个像素对应的至少一个目标像素,其中,目标像素以及目标像素对应的黑洞区域内的像素属于同一纹理表面;根据黑洞区域内每个像素对应的全部目标像素的深度值,确定黑洞区域内此像素的深度值。该方法中,可根据彩色图像确定与黑洞区域内像素属于同一纹理表面的已知深度值的像素,可以更加高效地、可靠地确定黑洞区域内像素的深度值,提升对黑洞区域的修复效率和质量,可提升用户使用体验。
  • 一种结合梯度和纹理特征的单目图像深度估计方法-201911030699.5
  • 孔清;颜成钢;史治国;刘彦禹;管飞;孙垚棋;张继勇;张勇东;沈韬 - 杭州电子科技大学
  • 2019-10-28 - 2023-04-18 - G06T7/529
  • 本发明公开了一种结合梯度和纹理特征的单目图像深度估计方法。本发明包含以下步骤:步骤1:预训练目标高维特征,设计训练编码深度高维特征,并解码成原输入深度图的模型结构;步骤2:提取单目图像的附加图像特征;附加特征主要是针对图像提取相应的纹理特征和梯度特征;步骤3:构造训练高维特征学习的编码器;步骤4:将训练完成的高维特征输入到步骤1训练练完成的解码器中,进行解码得到我们最后的深度输出图。本发明采取函数关系和图像存在的深度线索相结合的方式,弥补图像中实例的细节层面的深度信息缺失的问题。本发明把图像的梯度信息和纹理信息作为深度线索,协助深度卷积网络学习图像的深度信息。
  • 图像深度处理方法、装置、电子设备及介质-202211268979.1
  • 杨喜鹏;李莹莹;张伟;谭啸;孙昊;韩钧宇;丁二锐 - 北京百度网讯科技有限公司
  • 2022-10-17 - 2023-01-06 - G06T7/529
  • 本公开提供了一种图像深度处理方法、装置、电子设备及介质,涉及人工智能技术领域,具体为计算机视觉、增强现实、虚拟现实、深度学习等技术领域,可应用于自动驾驶、智能交通、智慧城市、元宇宙等场景。具体实现方案为:基于目标对象在待预测图像中的对象位置信息,确定所述目标对象的深度敏感区域;确定所述深度敏感区域中至少两个目标像素的深度预测值,以及所述目标像素在所述深度敏感区域中的像素位置信息;根据所述目标像素的所述深度预测值和所述像素位置信息,确定所述目标对象的深度预测值。本公开可以提高待预测图像中目标对象的深度预测准确性。
  • 深度图优化方法、装置、设备和计算机可读存储介质-202110747296.3
  • 陶伟森;刘阳兴 - 武汉TCL集团工业研究院有限公司
  • 2021-07-02 - 2023-01-03 - G06T7/529
  • 本申请提供一种深度图优化方法、装置、设备和计算机可读存储介质;方法包括:获取待处理的目标图像,以及目标图像对应的初始深度图;对目标图像进行灰度化处理,并根据灰度化处理后的目标图像确定目标特征图;根据目标特征图和预设自适应阈值算法确定第一重复纹理区域;对初始深度图中与第一重复纹理区域对应的第二重复纹理区域进行深度值优化,得到目标深度图;本申请的技术方案中利用自适应阈值处理法确定目标图像中的重复纹理区域,从而实现重复纹理检测,据此对重复纹理区域深度值进行调整,从而实现对重复纹理区域深度优化。
  • 图像处理方法、人脸识别方法、装置、设备及存储介质-202110638445.2
  • 洪哲鸣;张晓翼;赵伟;王军;彭旭康;王少鸣;夏凯;刘文君;郭润增 - 腾讯科技(深圳)有限公司
  • 2021-06-08 - 2022-12-09 - G06T7/529
  • 本申请公开了一种图像处理方法、人脸识别方法、装置、设备及存储介质,涉及计算机视觉领域。该方法包括:基于彩色图进行纹理结构图生成得到彩色纹理结构图,基于深度图进行纹理结构图生成得到深度纹理结构图,所述彩色图和所述深度图为同一画面的两种图像;基于所述深度纹理结构图中像素间的邻接关系,以及所述深度纹理结构图中的像素和所述彩色纹理结构图中的像素的位置对应关系,获取所述深度图中像素的区域结构权重;基于所述区域结构权重对所述深度图进行上采样得到上采样深度图该方法可以对深度图像进行上采样,保证图像对齐后的图像分辨率精度和视场角。
  • 图像处理方法、系统、终端设备及存储介质-202210493681.4
  • 周勉;尚伟艺;邹嘉伟 - 厦门美图之家科技有限公司
  • 2022-05-07 - 2022-08-19 - G06T7/529
  • 本发明提供了一种图像处理方法、系统、终端设备及存储介质,该方法包括:将待处理图像和目标图像分别输入预训练后的肤质迁移模型进行特征提取,得到第一提取特征和第二提取特征;根据预训练后的肤质迁移模型对第一图像特征和第二肤质特征进行特征融合,得到图像预期特征,并根据所述图像预期特征进行图像生成,得到第一迁移图像;分别对第一迁移图像和待处理图像进行图像缩放,得到第一图像金字塔和第二图像金字塔,并根据第一图像金字塔和第二图像金字塔对待处理图像进行肤质迁移,得到输出图像。本发明中的第一迁移图像中能有效地保留待处理图像中的轮廓、五官、背景等肤质无关的特征和目标图像中的肤质特征,提高了肤质迁移的准确性。
  • 基于深度边缘点与彩色图像的深度图像上采样方法及系统-202010280991.9
  • 王春兴;祖兰晶;万文博;任艳楠 - 山东师范大学
  • 2020-04-10 - 2022-06-10 - G06T7/529
  • 本公开公开了基于深度边缘点与彩色图像引导的深度图像上采样方法及系统,获取低分辨率深度图和高分辨率彩色图;对低分辨率深度图进行边缘检测,根据低分辨率深度边缘图,将低分辨率深度图的像素区域划分为平坦区域和边缘区域;对低分辨率深度图的不可靠像素点进行标记;对低分辨率深度图的不可靠像素点进行修正,对边缘增强的低分辨率深度图进行初始化,对初始化深度图与高分辨率彩色图进行结构一致性判断,完成对初始化深度图中像素点的分类,寻找深度可靠像素区域的真实边缘像素点;将初始化深度图中真实边缘像素点映射到边缘增强的低分辨率深度图中,基于影响因子完成初始化深度图的深度可靠像素区域的深度值修正;得到高分辨率深度图。
  • 深度数据生成、提取方法、装置、电子设备及存储介质-202210009730.2
  • 李泽正;李正浩 - 北京三快在线科技有限公司
  • 2022-01-05 - 2022-04-29 - G06T7/529
  • 本申请实施例公开了一种深度数据生成、提取方法、装置、电子设备及存储介质,该深度数据生成方法包括:获取三维场景数据所对应的光栅化图像;从所述光栅化图像中获取片元的初始深度数据;对所述初始深度数据进行编码,得到至少两个深度编码值;将所述至少两个深度编码值分别分配至至少两个颜色通道,生成包括所述至少两个深度编码值的纹理图像。本申请实施例实现了使用至少两个颜色通道来表示深度数据,从而提高了生成的深度数据的精度,提高了显存利用率。
  • 一种局部像素同质化的图像纹理特征提取方法-201810392603.9
  • 袁宝华;韩立新;勾智楠 - 河海大学
  • 2018-04-27 - 2022-04-01 - G06T7/529
  • 本发明公开了一种局部像素同质化的图像纹理特征提取方法,局部像素同质化的计算是通过定义围绕中心像素的8个固定长度方向线,中心像素及其邻域像素所构成的8个固定长度方向线,局部像素同质化计算步骤如下:如果某方向的像素与中心像素的差值的绝对值进行求和,如果其值小于等于设定的阈值,认为该方向像素和中心像素同质(具有相似的灰度值像素),否则认为异质(灰度值不相似像素)。将每个方向计算所得二进制按照逆时针顺序编码,计算转换成十进制,作为该中心像素的局部像素同质化值。
  • 基于PIC的3D人脸模型面部纹理多样性补全方法-202111403229.6
  • 王祥丰;林佳;金博;朱骏 - 华东师范大学
  • 2021-11-24 - 2022-03-01 - G06T7/529
  • 一种基于PIL的3D人脸模型面部纹理多样性补全方法,通过纹理补全网络以及面部纹理数据集构建高清面部纹理数据集;然后采用卷积变分自动编码器(CVAE)估计面部纹理遮罩区域的潜空间的参数分布,经采样后分解该参数分布中的隐含信息,再利用分布正则化损失、外观匹配损失作为生成损失对改进PIC网络模型进行训练,最后采用训练后的改进PIC网络模型生成完整面部纹理对残缺纹理的3D人脸模型进行替换。本发明利用纹理恢复和不同角度的人脸图片,能够对单图重建的3d人脸模型生成完整的面部纹理。
  • 图像处理方法和装置、存储介质及电子装置-201710826678.9
  • 刘皓 - 腾讯科技(深圳)有限公司
  • 2017-09-13 - 2022-02-22 - G06T7/529
  • 本发明公开了一种图像处理方法和装置、存储介质及电子装置。其中,该方法包括:根据位置参数对场景中的物体进行边缘扩展,得到扩展后的物体的轮廓,其中,位置参数为场景中物体与视点的相对位置参数;将物体的顶点的模糊圈值作为扩展后的物体轮廓的对应顶点的模糊圈值;根据对应顶点的模糊圈值和预先得到的场景中的物体的纹理确定扩展后的物体的每个像素点的颜色;基于每个像素点的颜色绘制扩展后的物体。本发明解决了由于图像处理方法不准确造成的景深显示效果差的技术问题。
  • 一种漏光检测方法及装置-201711138968.0
  • 李小明;黄春来;孙旺;张海涛;张元立 - 合肥欣奕华智能机器有限公司
  • 2017-11-16 - 2021-11-09 - G06T7/529
  • 本发明提供了一种漏光检测方法及装置,通过对待检测屏幕显示的灰度图像进行处理,确定漏光的缺陷像素,并以此判断待检测屏幕是否漏光,提升了检测效率和准确率。上述方法包括:获取待检测屏幕显示的灰度图像,其中,上述灰度图像为已去除网纹的图像;根据上述灰度图像中像素的灰度值,对上述灰度图像进行灰度拉伸;将拉伸后的灰度图像转换为二值图像,并确定上述二值图像中满足预设灰度阈值的缺陷像素;根据上述缺陷像素的个数是否满足预设漏光阈值,判断上述待检测屏幕是否漏光。
  • 在处理图像时保留图像质感纹理的方法及系统-202111013113.1
  • 林青山 - 广州光锥元信息科技有限公司
  • 2021-08-31 - 2021-10-22 - G06T7/529
  • 本申请涉及一种在处理图像时保留图像质感纹理的方法及系统,方法包括:确认待处理图像中的待消除区域,对待消除区域进行涂抹,得到涂抹后的遮罩图,对涂抹后的待消除区域进行填充,计算得到待处理图像的第一法线贴图,基于预设放缩系数对待处理图像进行下采样,计算得到下采样后的待处理图像的第二法线贴图。对第一法线贴图和第二法线贴图进行处理,将处理后的第一法线贴图和第二法线贴图合并为第三法线贴图,基于第三法线贴图对遮罩图进行纹理恢复,将纹理恢复后的遮罩图替换到待消除区域。本申请中不仅消除了待处理图像中待消除区域的图案,还保留了待消除区域的图像质感纹理。
  • 图像获取系统及方法-201810312837.8
  • 王兆民;许星 - 奥比中光科技集团股份有限公司
  • 2018-04-09 - 2021-07-06 - G06T7/529
  • 本发明提供一种图像获取系统及方法,所述系统包括:光场相机以及2D相机;处理器,与所述光场相机和所述2D相机连接,用于:接收并处理所述光场相机的原始数据以获取第一2D图像和深度图像;接收并处理所述2D相机的原始数据以获取第二2D图像;处理所述第一2D图像、所述深度图像和所述第二2D图像以获取深度纹理图像。本发明基于光场相机和2D相机组成的双摄相机获取高分辨率的二维图像、深度图像并进一步获取高分辨率的深度纹理图像;系统功耗低,对处理器的要求低。
  • 深度图生成方法、计算节点及计算节点集群、存储介质-201911033628.0
  • 盛骁杰 - 阿里巴巴集团控股有限公司
  • 2019-10-28 - 2021-04-30 - G06T7/529
  • 深度图生成方法、计算节点及计算节点集群、存储介质,所述方法包括:接收纹理数据;计算节点集群中第一计算节点根据第一纹理数据和第二纹理数据,进行第一深度计算,得到第一粗略深度图;所述第一计算节点将所述第一粗略深度图同步至其余计算节点,得到粗略深度图集;所述第一计算节点对于所述粗略深度图集中的第二粗略深度图,采用第三粗略深度图进行验证,得到所述第二粗略深度图中的不稳定区域;所述第一计算节点根据所述第二粗略深度图中的不稳定区域、所述第二粗略深度图对应的纹理数据以及所述第三粗略深度图对应的纹理数据,进行第二深度计算,得到对应的精细深度图,作为最终生成的深度图。上述方案可以提高深度图生成速率。
  • 基于纹理信息引导的光场深度图优化算法-202011062412.X
  • 武迎春;赵志浩;王玉梅;张彧龙;王安红 - 太原科技大学
  • 2020-09-30 - 2021-01-01 - G06T7/529
  • 本发明一种基于纹理信息引导的光场深度图优化算法属于光场深度估计领域,解决了大多深度估计算法获得的深度图存在边缘模糊、精度有限的问题,结合引导滤波器边缘保持局部平滑特性,提出基于纹理信息引导的光场深度图优化算法,该算法以纹理信息丰富的光场中心孔径图像作为引导图像,建立了基于多评价函数的混合引导滤波参数寻优模型,以获得合理滤波器参数实现深度图引导滤波优化,最终使得优化后的深度图边缘的视觉效果更好,与标准深度图更为接近。
  • 渲染方法及装置-202010489956.8
  • 姜明余 - 完美世界(北京)软件科技发展有限公司
  • 2020-06-02 - 2020-10-20 - G06T7/529
  • 本申请实施例提供一种渲染方法方法及装置,涉及计算机应用技术领域。其中,收集视野内与目标物体产生交互的交互物体;从所述目标物体底部对所述交互物体进行拍摄,获得所述交互物体的深度纹理;利用所述目标物体的高度图对所述深度纹理进行裁剪,获得相对所述目标物体可变形区域的高度偏移纹理;利用所述高度偏移纹理,渲染获得所述交互物体与所述目标物体的交互效果画面。本申请实施例提供的技术方案解决了现有技术中得到的高度偏移纹理只支持平面上的目标物体渲染,而无法支持复杂表面上的目标物体渲染的问题。
  • 基于深度图像采集设备的实时三维建模方法及系统-201611121814.6
  • 胡伟 - 北京物语科技有限公司
  • 2016-12-08 - 2020-06-30 - G06T7/529
  • 本发明属于三维建模技术领域,具体涉及一种基于深度图像采集设备的实时三维建模方法及系统,通过多台深度图像采集设备从多个角度获取物体的图像数据和深度数据,通过空间几何关系确定三维模型的三维空间坐标,通过空间相邻的三点快速重建模型表面,并通过图像数据对模型表面进行贴图,还原物体表面的真实颜色和纹理。本发明提供的基于深度图像采集设备的实时三维建模方法及系统,建模过程高效简单,可以实时完成三维建模;通过深度图像采集设备可以实现高精度建模,同时,可以真实还原物体表面颜色和纹理;实现的设备结构简单,大大降低了三维建模的成本。
  • 从单个传感器生成的深度图-201910609181.0
  • D·哈尔 - 意法半导体(R&D)有限公司
  • 2016-04-26 - 2019-10-15 - G06T7/529
  • 本公开涉及从单个传感器生成的深度图。用于生成深度图的装置包括:单个相机模块,具有固定近场焦距,被配置为捕获单个图像;图像分割器,被配置为将该图像分区成多个区域;焦距度量确定器,被配置为确定针对多个区域中的每个区域的焦距度量;以及深度图生成器,被配置为针对多个区域中的每个区域将焦距度量映射成深度值并且将多个深度值组合以生成针对单个相机的深度图。
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top