-
公开(公告)号：CN105229411B
公开(公告)日：2019-09-03
申请号：CN201480021460.0
申请日：2014-04-14
Applicant: 微软技术许可有限责任公司
IPC: G01B11/22 , G01B11/25 , H04N5/225 , H04N5/33 , H04N9/04 , H04N17/00 , H04N13/254 , H04N13/271 , H04N13/25 , H04N13/239
Abstract: 本公开针对高分辨率、高帧率、稳健的立体深度系统。所述系统基于图像的立体匹配在各种条件下提供深度数据，在一些实现方式中包括主动照明的IR图像。在一些实现方式中，干净的IR或RGB图像可以被捕捉并与任何其他捕捉的图像一起使用。干净的IR图像可以通过使用陷波滤波器来滤出主动照明图案来获得。IR立体照相机、投影仪、宽谱IR LED以及一个或多个其他照相机可以被结合到单个设备中，所述单个设备还可以包括图像处理组件来在所述设备中内部地计算深度数据用于后续输出。
-
公开(公告)号：CN105378796B
公开(公告)日：2018-12-18
申请号：CN201480033727.8
申请日：2014-06-09
Applicant: 微软技术许可有限责任公司
IPC: G06T17/00
Abstract: 描述了可伸缩体重构，由此来自移动环境捕捉设备的数据被用来形成现实世界环境的3D模型。在各示例中，分层结构被用来存储3D模型，其中该结构包括根层节点、多个中间层节点以及多个叶节点，节点中的每一个具有表示现实世界环境的一部分的相关联的体素网格，体素网格在叶节点处比在根节点处具有更精细的分辨率。在各示例中，并行处理被用来使捕捉到的数据能够被集成到3D模型中和/或使各图像能够从3D模型渲染。在一示例中，元数据被计算并存储在分层结构中并被用来使得能够进行分层结构的空间跳过和/或修剪。
-
公开(公告)号：CN104756045B
公开(公告)日：2018-06-08
申请号：CN201380052133.7
申请日：2013-09-18
Applicant: 微软技术许可有限责任公司
CPC classification number: G06F3/017 , G06F3/014 , G06F3/0304
Abstract: 描述了用于跟踪由关节连接的身体部位的可佩戴传感器，诸如允许对手指进行3D跟踪(并且可任选地还允许对手臂和手进行3D跟踪)的腕带式设备，而不需要在手上佩戴手套或标记。在一实施例中，相机捕捉设备的佩戴者的身体的由关节连接的部位的图像，并且该身体部分的由关节连接的模型被实时地跟踪以允许对分开的计算设备(诸如，智能电话、膝上型计算机或其他计算设备)进行基于姿势的控制。在各示例中，该设备具有用于照明由关节连接的身体部位的结构化照明源和漫射照明源。在一些示例中，该传感器中还包括惯性测量单元以允许对手臂和手进行跟踪。
-
公开(公告)号：CN107077624A
公开(公告)日：2017-08-18
申请号：CN201580050962.0
申请日：2015-09-16
Applicant: 微软技术许可有限责任公司
CPC classification number: G06K9/00335 , G06F3/011 , G06F3/017 , G06F3/0304 , G06K9/00342 , G06K9/00355 , G06K9/52 , G06K9/6219 , G06K9/6263 , G06K9/6267 , G06K9/6282 , G06K9/66
Abstract: 描述了跟踪来自图像数据的手部或身体姿势，以例如控制游戏系统、自然用户接口或用于增强现实。在各种示例中，预测引擎取得图像数据的单个帧，并且预测图像数据中所描绘的手部或身体的姿势上的分布。在示例中，随机优化器具有其迭代地提炼的手部或身体的候选姿势池，并且来自所预测的分布的样本用于替换池中的一些候选姿势。在一些示例中，来自池的最佳候选姿势被选择作为当前跟踪的姿势并且选择过程使用手部或身体的3D模型。
-
公开(公告)号：CN106796656A
公开(公告)日：2017-05-31
申请号：CN201580055718.3
申请日：2015-10-07
Applicant: 微软技术许可有限责任公司
Abstract: 描述了原始飞行时间图像中的感兴趣区域检测。例如，计算设备接收由飞行时间相机针对单个帧捕获的至少一个原始图像。原始图像描绘飞行时间相机的环境中的一个或多个对象(例如，人的手、身体或任何其他对象)。将原始图像输入到经训练的区域检测器，并且作为响应，接收原始图像中的一个或多个感兴趣区域。接收的感兴趣区域包括原始图像的、被预测为描绘对象之一的至少部分的图像元素。深度计算逻辑从原始图像的一个或多个感兴趣区域计算深度。
-
Patent Agency Ranking
公开(公告)号：CN105556337A
公开(公告)日：2016-05-04
申请号：CN201480029917.2
申请日：2014-05-23
Applicant: 微软技术许可有限责任公司
CPC classification number: H04N13/271 , G01B11/22 , G01S7/4876 , G01S17/48 , G01S17/89 , H04N5/2226
Abstract: 一种用于飞行时间深度相机的深度感测方法包括用空间上交替的明暗特征的脉冲光照射主体，以及将从该主体反射回来的脉冲光接收到像素的阵列上。在该阵列的每一个像素处，给出取决于从深度相机到该像素上所成像的主体位点的距离的信号。在这个方法中，基于来自对由明亮特征直接照射的主体位点成像的像素的信号，同时忽略或负加权来自对暗特征下的主体位点成像的像素的信号，所述主体被映射。
-
公开(公告)号：CN105378796A
公开(公告)日：2016-03-02
申请号：CN201480033727.8
申请日：2014-06-09
Applicant: 微软技术许可有限责任公司
IPC: G06T17/00
CPC classification number: G06T17/005 , G06T2200/08
Abstract: 描述了可伸缩体重构，由此来自移动环境捕捉设备的数据被用来形成现实世界环境的3D模型。在各示例中，分层结构被用来存储3D模型，其中该结构包括根层节点、多个中间层节点以及多个叶节点，节点中的每一个具有表示现实世界环境的一部分的相关联的体素网格，体素网格在叶节点处比在根节点处具有更精细的分辨率。在各示例中，并行处理被用来使捕捉到的数据能够被集成到3D模型中和/或使各图像能够从3D模型渲染。在一示例中，元数据被计算并存储在分层结构中并被用来使得能够进行分层结构的空间跳过和/或修剪。
-
公开(公告)号：CN105308650A
公开(公告)日：2016-02-03
申请号：CN201480021422.5
申请日：2014-04-14
Applicant: 微软技术许可有限责任公司
Abstract: 本公开涉及基于主动照明的立体匹配，包括使用未主动照明的图像中的块来获得权重，该权重被用于被主动照明的立体图像中的块相似度确定。为了将被主动照明的立体图像中的像素相关联，自适应支持权重计算可被用于确定对应于各像素的块的相似度。为了获得对于自适应支持权重计算有意义的自适应支持权重，通过处理未主动照明的(“干净”)图像来获得权重。
-
公开(公告)号：CN105190703A
公开(公告)日：2015-12-23
申请号：CN201380068406.7
申请日：2013-12-26
Applicant: 微软技术许可有限责任公司
CPC classification number: G06T15/00 , G01S17/89 , G06T7/246 , G06T7/586 , G06T17/00 , G06T19/006 , G06T2207/10016 , G06T2207/10024 , G06T2207/10028 , G06T2207/30244 , H04N13/20
Abstract: 描述了在各示例中使用单一手持设备检测现实世界环境中的表面的诸如反射率、真实颜色和其他属性的材料属性。例如，使用光度立体系统来计算所检测的材料属性，所述光度立体系统利用光照条件、表面法线、真实颜色和图像亮度之间的已知关系。在各示例中，用户在环境中四处移动，在已知光照条件下从不同定向捕捉该场景中的表面的彩色图像。在各示例中，使用所捕捉的数据来计算表面的各小块的表面法线以允许建模精细细节，诸如人类毛发、结网、纹理化表面。在各示例中，所建模的数据被用来渲染用现实描绘该场景的图像或者以现实方式将虚拟图形叠加到现实世界上。
-
公开(公告)号：CN105164726A
公开(公告)日：2015-12-16
申请号：CN201480006047.7
申请日：2014-01-21
Applicant: 微软技术许可有限责任公司
IPC: G06T7/00
CPC classification number: G06T7/0075 , A63F13/00 , A63F13/213 , A63F2009/2435 , G06T7/50 , G06T7/521 , G06T7/593 , G06T7/74 , G06T7/75 , G06T7/80 , G06T19/006 , G06T2207/10024 , G06T2207/10028 , G06T2207/30244
Abstract: 描述了用于3D重构的相机姿态估计，例如使在环境中移动的深度相机的位置和定向能够被跟踪以用于机器人技术、游戏和其他应用。在各种实施例中，来自移动深度相机的深度观测将与环境的3D模型的表面进行对准，以找出促进该对准的移动深度相机的经更新位置和定向。例如，移动深度相机在环境中四处移动以构建可能被存储为3D模型的对该环境中各表面的3D重构。在各示例中，对移动深度相机的姿态的初始估计被获得且随后通过使用并行优化过程被实时更新。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.038 seconds)
