[发明专利]经改进的3-D血管树表面重构在审
| 申请号： | 201880059648.2 | 申请日： | 2018-07-10 |
| 公开（公告）号： | CN111095354A | 公开（公告）日： | 2020-05-01 |
| 发明（设计）人： | T.陈;G.劳里希;Y.刘;孙善辉;A.图伊苏佐卢 | 申请（专利权）人： | 西门子医疗有限公司 |
| 主分类号： | G06T7/55 | 分类号： | G06T7/55;G06T7/50 |
| 代理公司： | 中国专利代理(香港)有限公司 72001 | 代理人： | 孙鹏;陈岚 |
| 地址： | 德国*** | 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： | 重构血管的3‑D血管几何结构包括：接收血管的多个2‑D旋转X‑射线图像；为所述多个2‑D图像中的每一个的正截面提取血管中心线点；根据中心线点与计算机断层扫描（CT）3‑D中心线的配准来建立中心线点的对应性，所述配准是仿射或可变形的变换；根据2‑D图像的中心线点来构造血管的3‑D中心线血管树骨架；构造初始的3‑D血管表面，其具有与3‑D中心线血管树骨架正交的统一半径；在对于初始3‑D血管表面的3‑D中心线血管树骨架的中值半径上限定基于样本点的采样；以及构造目标3‑D血管表面，其通过使用样本点来使初始血管表面变形以提供血管的经重构的3‑D血管几何结构。 | ||
| 搜索关键词： | 改进 血管 表面 | ||
【主权项】：
暂无信息
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西门子医疗有限公司，未经西门子医疗有限公司许可，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/patent/201880059648.2/，转载请声明来源钻瓜专利网。
- 上一篇：经涂覆的外科针
- 下一篇：在抗体药物缀合物偶联后的未结合药物的除去
- 同类专利
- 用于估计相机与其环境的至少一个点之间的度量距离估计的可靠性的量度的方法-202280015284.4
- 艾哈迈德·纳斯尔丁·本奈丘切;西尔万·皮卡德 - 赛峰集团
- 2022-02-10 - 2023-10-03 - G06T7/55
- 本发明的一个方面涉及一种用于估计移动相机与由该相机所成像的环境的每个点之间的度量距离估计的可靠性的量度的方法，包括以下步骤：‑通过相机获取环境的的图像序列，包括参考图像；‑对参考图像使用深度推断算法以获得将第一深度估计与参考图像的每个像素相关联的密集深度图，深度对应于相机与像素上表示的点之间的距离；‑对图像序列使用同步地图构建和定位算法，以获得将第二深度估计与参考图像的多个像素中的每个像素相关联的稀疏深度图；‑对于参考图像的每个像素，基于密集深度图和稀疏深度图来计算与该像素相关联的第一深度估计的可靠性的量度。
- 用于处理深度图的装置和方法-202180083175.1
- C·韦雷坎普 - 皇家飞利浦有限公司
- 2021-12-07 - 2023-08-08 - G06T7/55
- 深度图的处理包括针对深度图的至少第一像素执行以下步骤：确定包括深度图的其他深度值的候选深度值的集合(105)，响应于代价函数而确定(107)针对候选深度值中的每个深度值的代价值；响应于针对所述候选深度值的集合的所述代价值而选择(109)第一深度值；并且响应于所述第一深度值而确定(111)所述第一像素的更新深度值。所述候选深度值的集合包括：沿着第一方向的第一候选深度值，所述第一候选深度值比沿着所述第一方向的至少一个像素更远离所述第一像素，所述至少一个像素不被包括在所述候选深度值的集合中或者具有比所述第一候选深度值更高的代价函数。
- 确定介入设备形状-202180078019.6
- A·辛哈;G·A·托波雷克;M·L·弗莱克斯曼;J·克吕克尔;A·S·潘斯 - 皇家飞利浦有限公司
- 2021-11-16 - 2023-07-21 - G06T7/55
- 一种提供用于预测被设置在血管区域内的介入设备的三维形状的神经网络的计算机实施的方法，包括：训练(S140)神经网络(140)，以根据接收到的X射线图像数据(120)和接收到的体积图像数据(110)来预测由所述血管区域(150)约束的所述介入设备的三维形状。所述训练包括约束所述神经网络的参数的调节，使得由所述神经网络(150)预测的所述介入设备的三维形状适合于在由接收到的体积图像数据(110)表示的血管区域的三维形状内。
- 三维画像产生装置以及三维画像产生方法-202180073161.1
- 金城隆也 - 雅马哈智能机器控股株式会社
- 2021-07-29 - 2023-07-18 - G06T7/55
- 包括：多个照相机(10、20、30)，使用了拍摄元件(11、21、31)；及控制部(40)，处理由照相机(10、20、30)拍摄的各画像，控制部(40)在包含对象物的空间内设定多个体素(V)，从多个方向拍摄多个体素(V)，(a)检测与多个体素(V)中的一个体素(V)对应的各拍摄元件(11、21、31)的各亮度，(b)将检测出的各亮度中最小的亮度特定为一个体素(V)的最小亮度，(c)在特定的最小亮度为规定的阈值以上的情况下，将一个体素(V)特定为包含对象物的特定体素，针对多个体素(V)全部反复执行(a)～(c)的动作，将(c)中特定的多个特定体素(V)连接而产生对象物的三维画像。
- 使用视点相关的点云再现的技术-202180075974.4
- P·安德里文;C·盖德;J·里卡德;J-E·马维 - 交互数字CE专利控股有限公司
- 2021-10-12 - 2023-07-14 - G06T7/55
- 本公开提供了一种用于渲染图像的方法和设备。该方法包括从至少两个不同的相机位置接收图像，以及确定与位置中的每个位置相关联的相机取向和至少一个图像属性。然后，基于与所接收的图像的相机位置相关联的属性和相机取向来生成图像的模型。模型能够在多个观看取向提供图像的虚拟渲染，并且选择性地提供与观看取向相关联的适当属性。
- 使用多向相机评估封闭空间的尺寸-201780045574.2
- 罗伯特·卢凯尔斯基;斯特凡·莱乌特尼格尔;安德鲁·戴维森 - 帝国理工学院创新有限公司
- 2017-07-12 - 2023-06-06 - G06T7/55
- 本文描述的特定实例涉及使用单目多向相机设备对诸如房间等封闭空间的尺寸进行估算。在实例中，通过诸如机器人设备执行相机设备在移动平面内围绕某点的移动。在移动过程中，使用单目多向相机设备在多个不同的角度位置获得图像序列(610)。根据图像序列确定姿势数据(620)。使用在图像序列内检测出的一组特征确定姿势数据。然后，通过评估图像序列与姿势数据的体积函数对深度值进行估算(630)。围绕相机设备的参考位置限定三维体积(640)，其中，三维体积在移动平面内具有二维多边形横截面。然后，将三维体积拟合成深度值(650)，以确定多边形横截面的尺寸。然后，这些尺寸提供对封闭空间的形状的估算。
- 三维模型生成装置以及三维模型生成方法-201780055313.9
- 小山达也;杉尾敏康;松延徹;吉川哲史;P·拉桑;C·王 - 松下知识产权经营株式会社
- 2017-08-30 - 2023-05-30 - G06T7/55
- 一种三维模型生成装置(200)，具有：转换图像生成部(202)，根据1个以上的影像数据(111)中包含的、视点相互不同的多个输入图像(211)的每一个，生成与该输入图像(211)相比像素数少的转换图像(212)；相机参数估计部(203)，检测多个转换图像(212)的特征点，基于多个转换图像(212)之间特征点类似的特征点对，估计分别拍摄多个输入图像(211)时的相机参数(213)；以及三维模型生成部(204)，使用多个输入图像(211)和相机参数(213)生成三维模型(214)。
- 基于部分的跟踪的方法、设备和系统-201780090056.2
- 张庆 - 索尼公司
- 2017-08-23 - 2023-04-11 - G06T7/55
- 用于自由视点视频内容的网格跟踪实现方式采用基于部分的关键帧，这使得能够更高效且更准确地实现对自由视点视频的处理。
- 用相机阵列生成和/或使用3维信息的系统和方法-202080090311.5
- S.李;R.A.纽曼 - 前瞻机械私人有限公司
- 2020-10-30 - 2022-11-01 - G06T7/55
- 本公开针对可用于使用至少部分地从相机阵列获得的数据来确定场景信息(例如，3D场景信息)的系统和/或方法。某些实施例可用于使用相机阵列创建深度的场景测量(以及该深度的准确性概率)。某些实施例的一个目的可以是确定场景的元素的深度，其中从可能正在穿过场景的相机阵列观察场景。某些实施例可用于确定开放的可导航空间，并计算可能占用该空间的部分的对象的轨迹。在某些实施例中，场景信息可用于生成体素的虚拟空间，其中该方法然后通过比较包括光谱响应在内的各种测量来确定体素空间的占用。
- 使用深度提示对深度估计模型的自我监督训练-202080005441.4
- J·沃特森;M·菲尔曼;G·J·布罗斯托;D·图穆卡姆贝托弗 - 奈安蒂克公司
- 2020-05-02 - 2022-10-25 - G06T7/55
- 公开了一种用于使用深度提示训练深度估计模型的方法。针对每个图像对：针对第一图像，通过深度估计模型确定深度预测以及获取深度提示；将第二图像投影到第一图像上，以基于深度预测生成合成帧，以及再次基于深度提示生成提示合成帧；利用合成帧计算一次损失；利用提示合成帧计算提示损失；并且基于每像素确定，针对图像对计算总体损失，其中如果提示损失小于一次损失，则总体损失包括一次损失和在深度预测与深度提示之间的监督深度损失。通过使图像对的总体损失最小化来训练深度估计模型。
- 用于重建三维对象的系统和方法-202080091629.5
- Y·邓;M·A·萨尔基斯;齐英勇 - 高通股份有限公司
- 2020-12-14 - 2022-10-18 - G06T7/55
- 描述了一种由电子设备执行的方法。该方法包括接收对应于第一帧的第一光学数据和第一深度数据。该方法还包括将第一深度数据配准到第一规范模型。该方法还包括将三维(3D)形变模型拟合到第一光学数据。该方法还包括将3D形变模型配准到第二规范模型。该方法还包括基于所配准的第一深度数据和所配准的3D形变模型来生成3D对象重建。
- 图像修复装置、图像修复方法、以及图像修复程序-202080079006.6
- 关川雄介;时洋 - 电装波动株式会社;电装IT研究所
- 2020-11-13 - 2022-10-04 - G06T7/55
- 本发明的图像修复装置(3)具备初始化块(100)，所述初始化块(100)在将一对极性值以及中间值中任意的值作为每个像素坐标的亮度值保存的亮度排列列表(L)中，将各像素坐标的亮度值初始化为中间值。另外，图像修复装置(3)具备：更新块(120)，根据每个事件的像素坐标以及极性值更新初始化的该亮度排列列表(L)；以及输出块(160)，作为二进制图像(B)输出通过更新块(120)在整个拍摄期间更新的亮度排列列表(L)。通过由更新块(120)执行的更新，亮度排列列表(L)中的、事件触发的触发坐标的亮度值被事件的极性值覆写运算。此外，通过该更新，来保持亮度排列列表(L)中的、除了触发坐标之外的非触发坐标的亮度值。
- 利用虚拟场景进行真实社交的方法及系统-202180005307.9
- 吴耀州;张之峰;张一平;吴二勇;张彰;关泽尘;陈捷;王洁;石少辉;任柏源;段媛媛;栗海玉;黄涛;王勇;祖曦冉;石兰珂 - 郑州大学综合设计研究院有限公司;郑州泽正技术服务有限公司
- 2021-12-13 - 2022-09-20 - G06T7/55
- 一种利用虚拟场景进行真实社交的方法及系统，方法为：获取参与社交虚拟场景的直播间的数量，对每个直播间和虚拟场景分别建立三维坐标系；定义虚拟场景的地面为海平面，直播间的地面为海平面，定义虚拟场景中三维坐标系的原点位置，确定每个直播间的三维坐标系的原点；在直播间内分别采集每个人的位置信息和外形信息，将每个人的外形信息处理为真实的三维人像信息；每个人的三维人像信息根据位置信息放入虚拟场景中；系统包括云服务端（15）、摄像机（18）、VR头显（20）和定位设备（22），有利于被直播人与虚拟场景中的其他人之间准确建立联系，提高社交效率。
- 多个群的无人机捕获的系统-202180006348.X
- 刘正一 - 索尼集团公司
- 2021-06-25 - 2022-08-19 - G06T7/55
- 一种目标移动通过的环境的多视图成像的系统，该系统包括多个无人机，每个无人机具有无人机相机。第一多个无人机移动以跟踪目标移动，捕获目标的面部的对应的第一多个图像，从所捕获的图像实时确定目标的头部姿势和注视并将该确定传输到第二多个无人机。第二多个无人机移动以跟踪目标的目标移动，其中无人机相机姿势至少部分地由从第一多个无人机接收的头部姿势和注视确定来确定，以便捕获目标前方的环境的部分的第二多个图像。第二多个图像的后处理允许生成代表由目标看到的环境的视图的第一人称视图。
- 用于深度神经网络特征匹配的非对称归一化相关层-202080079531.8
- 罗谌持;李英茂;柳荣俊 - 三星电子株式会社
- 2020-11-04 - 2022-07-29 - G06T7/55
- 一种方法，包括使用电子设备的第一图像传感器获得场景的第一图像，并且使用电子设备的第二图像传感器获得场景的第二图像。所述方法也包括从第一图像生成第一特征图并且从第二图像生成第二特征图。所述方法还包括基于第一特征图、第二特征图以及非对称搜索窗口生成第三特征图。所述方法还包括通过对第三特征图恢复空间分辨率来生成深度图。
- 使用神经网络的深度估计-202080084212.6
- O·加洛;A·巴德基;A·特罗科利 - 辉达公司
- 2020-12-09 - 2022-07-15 - G06T7/55
- 用一个或更多个相机识别对象距离的装置、系统和技术。在至少一个实施例中，一个或更多个相机捕获至少两个图像，其中一个图像被转换为另一个图像，并且神经网络确定所述对象是在已知距离的前面还是后面，凭此可以在分析一组已知距离之后确定对象的距离。
- 三维模型生成方法及三维模型生成装置-202080080638.4
- 寺西研翔;吉川哲史;松延彻;福田将贵 - 松下知识产权经营株式会社
- 2020-11-17 - 2022-07-12 - G06T7/55
- 三维模型生成方法包括：第1取得步骤(S101)，取得通过相机校正得到并且包含分别表示三维空间中的被摄体上的位置的多个三维点的地图信息，所述相机校正通过使1台以上的相机从多个视点将被摄体摄影而执行；第2取得步骤(S101)，取得第1视点的第1图像和第2视点的第2图像；决定步骤(S104)，基于地图信息，决定包含与第1图像的第1点对应的被摄体上的第1三维点的三维空间上的探索范围；匹配步骤(S105)，在第2图像上的与探索范围对应的范围中，探索与第1点类似的类似点；以及生成步骤(S106)，使用匹配步骤中的探索结果，生成三维模型。
- 用于确定交通障碍物的模型的方法-202080080822.9
- C·蒂洛;杨长鸿;余翊森;全冬兵 - 大陆汽车有限责任公司
- 2020-09-08 - 2022-07-08 - G06T7/55
- 根据用于确定交通障碍物的模型的方法，提供了多个车辆，每个车辆具有至少一个摄像机和用于计算机视觉处理的处理器。场景的相应的图像由所述多个车辆中的每个的相应的至少一个摄像机捕获。由所述车辆中的每个的相应的处理器评估所述相应的图像并且生成所述交通障碍物的相应的初步模型。将所述交通障碍物的相应的初步模型从所述车辆中的每个传输到服务器。由所述服务器的图像处理器评估从所述车辆中的每个接收的相应的初步模型，并且确定所述交通障碍物的模型。
- 使用光线投射和实时深度进行遮挡渲染的方法-201880089943.2
- D·G·莫利纳;F·T·施泰因布鲁克;吴仲乐;魏晓林;闵见源;张一夫 - 奇跃公司
- 2018-12-21 - 2022-04-29 - G06T7/55
- 一种提供更身临其境的用户体验的增强现实/混合现实系统。该体验通过使用以低级重建数据增强的深度传感器数据为遮挡数据增加更新速度来提供。在实时动态环境中运行时，物理世界的变化可被快速地反映在遮挡数据中。使用以低级3D重建数据(例如光线投射点云)增强的实时深度数据的遮挡渲染可大大减少视觉遮挡处理的延迟。以这种方式生成遮挡数据可使用较少的计算资源来提供XR系统的更快操作，并使该系统能够包装在电池供电的可穿戴设备中。
- 单目相机实时三维捕获和即时反馈的方法和系统-201680082863.5
- E·丰塞卡;A·伊利克 - ML 荷兰公司
- 2016-12-30 - 2022-04-12 - G06T7/55
- 使用具有相机的便携式电子设备形成对象的三维表示。可以处理利用相机捕获的一系列图像帧以生成关于该对象的三维信息。该三维信息可用于将作为实时反馈的对象的视觉表示呈现给用户，其指示对象的区域的三维信息的置信度。反馈可以是基于从图像帧导出的视觉特征而得到的三维信息所导出的三维模型中的表面的合成图像。三维信息可以以多种方式使用，包括作为三维打印机的输入或作为全部或部分地表示用于游戏或其他目的的化身的输入。为了能够在便携式设备上执行处理，可以选择一部分图像帧以更高的分辨率进行处理。
- 从图像中确定深度的方法和相关系统-202080049258.4
- 达维德·帕洛蒂;马泰奥·波吉;法比奥·托西;斯特凡诺·马托恰 - 大学之母博洛尼亚大学
- 2020-05-05 - 2022-02-18 - G06T7/55
- 本发明涉及一种用于从与场景(I)相关的数字图像(R，T)中确定深度的方法，包括以下步骤：A.获取(51，61)场景(I)的至少一个数字图像(R，T)，所述数字图像(51，61)由像素矩阵(p
- 深度图生成方法、电子设备、计算处理设备及存储介质-202080044087.6
- 周游;刘洁;徐彪 - 深圳市大疆创新科技有限公司
- 2020-04-28 - 2022-01-28 - G06T7/55
- 一种深度图生成方法、电子设备、设备和存储介质。所述方法包括：获取至少三个拍摄装置所拍摄的至少三个图像(101)，计算目标图像上的目标像素点与其他图像上匹配的像素点之间的至少两个匹配度(102)，将至少两个匹配度进行融合，基于各个目标像素点的融合后的匹配度，生成第一深度图；或，根据至少两个匹配度分别确定深度值，得到各个像素点对应的至少两个深度值，根据各个像素点所对应的至少两个深度值，生成第二深度图(103)，使得至少两个匹配度不仅是基于基线方向进行匹配得到的结果，或者结合至少两个深度值来生成深度图，实现了对计算结果的结合，解决了两个拍摄装置之间在基线方向有时会匹配错误的问题，从而提高了深度图的准确度。
- 环绕视图图像的增强渲染-202080037626.3
- 马丁·弗里茨·米勒;沙尚克·达布拉尔 - 德州仪器公司
- 2020-06-08 - 2021-12-28 - G06T7/55
- 提供一种包括存储器和一或多个处理电路的设备。所述存储器存储具有混合权重的混合表。对于所述混合表的分区，所述处理电路确定与所述分区相关联的所述像素的子集是否包含与在所述场景的三维表面表示中定义的接缝线相关联的像素(222)。如果所述像素的所述子集中的全部像素均不与所述接缝线相关联，则所述处理电路利用由所述多个图像捕获装置中的一个图像捕获装置捕获的图像的像素值填充所述虚拟图像的与所述分区对应的区域(224)。如果所述像素的所述子集中的一或多个像素与所述接缝线相关联，则所述处理电路利用由所述多个图像捕获装置中的两或更多个图像捕获装置捕获的两或更多个图像的混合像素值填充所述虚拟图像的与所述分区相关联的区域(226)。
- 尺度感知单目定位和地图构建-201980095498.5
- 本杰明·布萨姆;格雷戈里·斯拉堡 - 华为技术有限公司
- 2019-04-30 - 2021-11-26 - G06T7/55
- 公开了一种图像处理设备，包括处理器，该处理器用于通过以下步骤估计图像特征的尺度：通过第一训练模型处理场景的多个图像，以识别图像中的特征并估计图像中这些特征的深度；通过第二训练模型处理多个图像，以估计图像的缩放比例；以及通过根据估计的缩放比例对估计的深度进行调整来估计特征的尺度。还公开了一种用于训练图像处理模型的方法。
- 利用稀疏RGB-D SLAM和交互感知对对象进行检测、跟踪和三维建模-202080022809.8
- R·I·科尔科德尔;D·R·M·德阿尔梅达 - 三菱电机株式会社
- 2020-02-14 - 2021-11-05 - G06T7/55
- 一种用于检测和操纵工作区上的对象的对象检测系统包括：三维(3D)传感器，其被配置为获取并发送场景的点云，每个点云包括工作区中的一个或更多个对象；操纵器，其被配置为移动或抓取一个或更多个对象中的每一个；存储器，其用于存储图像和计算机可执行程序，所述计算机可执行程序包括对象检测‑定位程序、分段程序、抓取‑移动程序和几何重建程序；处理器，其用于结合3D传感器、存储器和操纵器，使用所述图像来执行计算机可执行程序。计算机可执行程序被配置为使得处理器执行以下步骤：生成包括点云和测量值的帧；从第一帧生成初始地图；通过使用操纵器使用第一帧来移动一个或更多个对象的一部分；在移动步骤之后，获取第二帧；使用第二帧从初始地图生成第一动态地图和静态地图；基于第一动态地图来移动一个或更多个对象的另一部分；当第一动态地图和第二动态地图当中的至少一个动态地图包括相对于一个或更多个对象离群的分段时，分割至少一个动态地图；从分割地图重建一个或更多个对象的3D几何形状；以及确定一个或更多个对象何时彼此分离。
- 深度估计-202080010503.0
- 特里斯坦·威廉·莱德洛;简·恰诺夫斯基;斯特凡·卢特内格尔 - 帝国理工学院创新有限公司
- 2020-01-15 - 2021-08-31 - G06T7/55
- 一种估计场景的深度的图像处理系统。所述图像处理系统包括融合引擎，用于接收来自几何重建引擎的第一深度估计和来自神经网络架构的第二深度估计。所述融合引擎被配置为概率地融合所述第一深度估计和所述第二深度估计以输出所述场景的融合深度估计。所述融合引擎被配置为接收来自所述几何重建引擎的所述第一深度估计的不确定性测量和来自所述神经网络架构的所述第二深度估计的不确定性测量，并且使用所述不确定性测量来概率地融合所述第一深度估计和所述第二深度估计。
- 信息处理装置、程序和信息处理方法-201980087882.0
- 宫本健;白神健瑠 - 三菱电机株式会社
- 2019-01-22 - 2021-08-20 - G06T7/55
- 信息处理装置具有：三维信息取得部(110)，其取得包含多个图像的三维信息；前景图像生成部(120)，其从三维信息中选择识别对象，从多个图像中分别切取与选择出的识别对象对应的范围即识别对象范围的图像，由此根据多个图像生成多个前景图像；背景图像DB(130)，其存储多个背景图像；以及图像合成部(140)，其在多个背景图像中的各个背景图像中合成多个前景图像中的各个前景图像，由此生成多个合成图像。
- 估计食品的特性-201980085839.0
- D·鲍尔温 - 布瑞威利美国公司
- 2019-11-15 - 2021-08-17 - G06T7/55
- 公开了用于估计食品的一个或多个特性的计算机化设备、烹饪器具、烹饪系统、方法和一种计算机可读介质。在一个方面，烹饪系统包括：计算设备，其被配置为：接收指示食品上或周围的标记的图像数据；处理图像数据以确定标记在三维(3D)空间中的位置或变形；和至少部分地基于标记的位置或变形确定食品的一个或多个特性；以及烹饪器具，其包括：一个或多个烹饪部件；和至少一个处理器，其被配置为：从计算设备接收烹饪程序；以及根据烹饪程序控制一个或多个烹饪部件。
- 三维模型的生成装置、生成方法和程序-201880028645.2
- 森泽圭辅;小林究 - 佳能株式会社
- 2018-12-03 - 2021-07-23 - G06T7/55
- 即使在在拍摄场景中存在阻挡目标对象的一部分的构造物等的情况下、也防止在要生成的三维模型中出现缺陷。一种三维模型的生成装置，包括：获取部件，用于获取第一掩模图像和第二掩模图像，第一掩模图像表示作为从多个视点拍摄到的各图像内静止的对象的构造物的区域，以及第二掩模图像表示作为从多个视点拍摄到的各图像内的移动物体的前景的区域；合成部件，用于通过将所获取到的第一掩模图像和第二掩模图像进行合成，来生成对从多个视点拍摄到的图像内的构造物的区域和前景的区域进行了整合的第三掩模图像；以及生成部件，用于使用第三掩模图像通过视体交叉法来生成包括构造物和前景的三维模型。
- 纵深取得装置、纵深取得方法以及程序-201980049530.6
- 吾妻健夫;佐藤智;若井信彦;吉冈康介;清水规贵;河合良直;天田高明;川合阳子;村井猛;竹内宏树 - 松下知识产权经营株式会社
- 2019-07-18 - 2021-03-16 - G06T7/55
- 提供能正确取得到被摄体的纵深的纵深取得装置。该纵深取得装置(1)具备存储器(200)和处理器(110a)。处理器(110a)：取得红外光的强度，该红外光的强度通过基于被摄体的红外光的摄像而被测量并被保存在存储器(200)，通过基于该红外光的强度算出到被摄体的距离作为纵深来生成纵深图像，取得BW图像，该BW图像通过与基于红外光的强度的IR图像实质相同的场景、相同视点以及相同时刻的摄像而生成并被保持在存储器(200)，基于IR图像和BW图像来检测被摄体当中低反射物体在IR图像内所映出的区域即低反射区域，基于可见光图像来补正纵深图像的低反射区域，输出补正后的纵深图像。
- 专利分类
