基于OMAP3530的2D到3D视频自动转换系统

研究和实现了一个基于OMAP3530的2D到3D视频自动转换系统,重点研究深度图获取和深度信息渲染等主要核心技术及其实现。该系统利用OMAP3530其特有的双核结构,进行系统优化:由其ARM处理器完成系统界面的设置及控制、显示等功能,其DSP处理器实现图像分割和渲染等核心算法,实现了1个高效的2D到3D视频的视频转换系统。2D转3D技术可把现有的大量传统2D视频转换成3D视频,简化和节省了用摄像机直接捕捉3D场景的复杂性和高成本,可以极大解决3D片源不足的问题。

基于RGB-D图像的移动端点云分割方法研究

近年来,深度传感器和三维激光扫描仪的普及推动了三维点云处理方法的快速发展。针对传统的前后端分离的点云分割模式,提出了一种使用移动端设备进行三维数据采集与处理的一体化技术方案。基于谷歌的AR Core开发平台,进行了安卓设备上的深度图获取实验,深度图可进一步转换为点云数据;通过对模型轻量化方法的研究,改进了PointNet网络,使模型参数量减少为原来的1/5,同时具有约73%的分割精度;最后利用TensorFlow Lite移动端深度学习框架,将改进的PointNet网络成功部署到了安卓智能手机上,量化后的tflite模型仅268 kB大小,在启用GPU加速后,对单幅场景点云数据的推断速度约为0.7 s。实验结果表明了提出方法的可行性。