场景目标的稀疏序列融合三维扫描重建

针对场景扫描深度图数据量大、匹配误差累积导致重建结果漂移以及耗时高的问题,提出一种场景级目标的稀疏序列融合三维扫描重建方法.首先,对深度图序列采样以筛选支撑深度图;其次,在支撑深度图子集上划分扫描片段,各扫描片段内执行深度图匹配融合生成表面片段;再次,利用表面片段几何特征执行局部多片段间的连续迭代配准,优化各扫描片段的相机位姿;最后,融合支撑深度图序列生成场景目标三维表面.在消费级深度相机采集的深度图序列和SceneNN与Stanford 3D Scene这2个公开数据集上进行测试,将稀疏序列融合与稠密序列融合方法进行比较.实验结果表明,该方法可将配准过程的均方根误差降低16%~28%,使用8%~54%的数据量即可完成稀疏序列融合,运行时间平均缩短56%;同时,增强了扫描过程的有效性和鲁棒性,显著地提高了扫描场景的重建质量.

基于多路径优化的视频稳像方法

为了对日常生活中手持设备拍摄的视频进行稳像处理,提出了一种基于多路径优化的稳像方法.首先,进行运动估计,将输入视频的每一帧划分成均匀的网格,通过估计网格顶点的运动矢量得到帧间的运动;接着,进行运动平滑,将上一步的运动累加起来得到相机的运动轨迹,然后利用设计的多路径优化模型进行平滑处理;最后,进行运动补偿,对视频的每一帧进行补偿,得到稳像后的视频.将该方法和最近一些较好的方法进行处理时间和稳像结果的对比实验,结果表明,该方法耗时少,能取得令人满意的稳像效果.