三维视频的处理方法、设备及存储介质

技术领域

本公开实施例涉及三维立体视频处理技术领域，尤其涉及一种三维视频的处理方法、设备及存储介质。

背景技术

随着增强现实(Augmented Reality，AR)技术及虚拟现实技术(Virtual Reality，VR)技术的不断成熟以及在互联网视频中的应用，提供了独特的沉浸式体验，使观看者感到更自由，更具有沉浸感。

三维(3D)视频可以支持观看者任一改变观察位置和角度进行观看。由于3D视频具有与传统2D视频完全不同的数据结构，因此对3D视频的处理仍面临着极大的技术挑战。

发明内容

本公开实施例提供一种三维视频的处理方法、设备及存储介质，以实现对三维立体视频的处理。

第一方面，本公开实施例提供了一种三维视频的处理方法，包括：

获取同一场景的至少两个相机视角的深度视频流；

根据预设配准信息对所述至少两个相机视角的深度视频流进行配准；

根据配准后的所述至少两个相机视角的深度视频流进行三维重建，获得3D视频。

第二方面，本公开实施例还提供了一种三维视频的处理方法，包括：

获取同一场景的至少两个相机视角的深度视频流；所述深度视频流包括颜色RGB流和和深度信息流；

对于每个相机视角的深度视频流，将所述RGB流通过RGB通道发送至云服务端；将所述深度信息流均匀分配至所述RGB通道，通过所述RGB通道将所述深度信息流发送至所述云服务端。

第三方面，本公开实施例还提供了一种电子设备，所述电子设备包括：

一个或多个处理装置；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理装置执行，使得所述一个或多个处理装置实现如本公开实施例所述的三维视频的处理方法。

第四方面，本公开实施例还提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现如本公开实施例所述的三维视频的处理方法。

本公开实施例公开了一种三维视频的处理方法、设备及存储介质。获取同一场景的至少两个相机视角的深度视频流；根据预设配准信息对至少两个相机视角的深度视频流进行配准；根据配准后的至少两个相机视角的深度视频流进行三维重建，获得3D视频。本公开实施例提供的三维视频的处理方法，由配准后的至少两个相机视角的深度视频流重建3D视频，以实现对三维视频的处理，提高用户观看三维视频的体验。

附图说明

图1是本公开实施例中的一种三维视频的处理方法的流程图；

图2是本公开实施例中的一种三维视频的处理方法的流程图；

图3是本公开实施例中的一种电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

图1为本公开实施例一提供的一种三维视频的处理方法的流程图，本实施例可适用于对三维视频进行处理的情况，该方法可以由三维视频的处理装置来执行，该装置可由硬件和/或软件组成，并一般可集成在具有三维视频的处理功能的设备中，该设备可以是服务器、移动终端或服务器集群等电子设备。如图1所示，该方法具体包括如下步骤：

步骤110，获取同一场景的至少两个相机视角的深度视频流。

其中，深度视频流包括RGB流和深度信息流。至少两个相机视角的深度视频流可以是由放置于同一场景中不同角度的深度相机拍摄获得的。具体的，至少两个深度相机拍摄获得深度视频流后，对深度视频流编码后发送至云服务端。

本实施例中，编码后的RGB流通过RGB通道发送至云服务端。对于深度信息流，需要将深度信息流先均匀分配至RGB通道，然后再进行编码，最后将编码后的深度信息流发送至云服务端。其中，深度信息流由16bit表示，RGB三个通道传输的数据由8bit表示，为了降低编码量化对精度的损失，需要将16bit的深度信息流均匀分配至RGB3个通道的高位上。对深度视频流的编码可以采用现有的支持YUV444像素格式的编码器，如高效率视频编码(HighEfficiency Video Coding，HEVC)。

步骤120，根据预设配准信息对至少两个相机视角的深度视频流进行配准。

其中，至少两个相机包括一个主相机和多个从相机。对至少两个相机视角的深度视频流进行配准可以理解为将多个从相机视角的深度视频流与主相机对齐。预设配准信息可以理解为多个从相机与主相机间的位姿转换矩阵。

本实施例中，获取多个从相机与主相机间的位姿转换矩阵的方式可以是：控制多个从相机和主相机对标定物体进行拍摄，获得多张包含标定物体的图片；对多张包含标定物体的图片进行特征检测，获得标定物体在各图片中的位姿信息；根据位姿信息确定多个从相机分别与主相机间的位姿转换矩阵。或者，采用设定算法获取至少两个相机视角对应的相机与主相机间的位姿转换矩阵。

其中，位姿信息包括空间位置及方向。标定物体可以是具有设定图案的标定板或者人体。

若标定物体是具有设定图案的标定板，获取多个从相机分别与主相机间的位姿转换矩阵的过程可以是：将具有设定图案的标定板放置于被拍摄场景中，控制设置于不同角度的相机拍摄该标定板，对拍摄的图片进行采用特征检测算法进行检测，获得标定板在各拍摄图片中的初始位姿信息，对获得的位姿信息求逆，获得标定板在各相机坐标系下的目标位姿信息，根据各相机坐标系的目标位姿信息计算从相机与主相机间的位姿转换矩阵。

若标定物体是人体，获取多个从相机与主相机间的位姿转换矩阵的过程可以是：场景中站立一个人，保持静止。多个相机从各自角度获取深度图片信息，并利用深度学习算法估计人体骨骼信息，可以包括身体主要器官、关节(头、眼、手、胯、膝等)的位姿信息。对多个相机得到的同一个人的骨骼信息做基于最小二乘法的配准，就可以得到从相机与主相机间的位姿转换矩阵。

本实施例中，设定算法可以是迭代最近点(Iterative Closest Points，ICP)算法。可选的，在某些场景，ICP算法比较难得到较好的结果，此时以图形用户界面(GraphicalUser Interface，GUI)程序加人工操作的方式手动配准。

具体的，根据预设配准信息对至少两个相机视角的深度视频流进行配准的方式可以是：提取多个相机视角的深度视频流分别对应的点云流；根据位姿转换矩阵对多个从相机视角的点云流分别进行位姿转换，使得转换后的点云流的位姿与主相机对齐。

其中，深度视频流包括多个深度视频帧，每个深度视频帧中包含各像素点的RGB信息及深度信息。提取深度视频流对应的点云流的过程可以理解为提取每个深度视频帧包含的各像素点的RGB信息及深度信息，获得点云流。获取点云流后，根据位姿转换矩阵对至少连个相机视角的点云流分别进行位姿转换，使得转换后的点云流的位姿与主相机对齐。

步骤130，根据配准后的至少两个相机视角的深度视频流进行三维重建，获得3D视频。

其中，根据配准后的至少两个相机视角的深度视频流进行三维重建，获得3D视频的方式可以是：采用设定三维重建算法对至少两个相机视角的点云流进行融合及表面估计，获得3D视频。

其中，设定三维重建算法可以是基于截断的带符号距离函数(truncated signeddistance function，TSDF)算法。TSDF算法的原理可以理解为：将点云数据映射到一个预先定义的三维立体空间中，并用截断符号距离函数表示真实场景表面附近的区域，以建立表面模型，即3D网格+表面贴图以形成完整的3D模型。

可选的，在获得3D视频之后，还包括如下步骤：获取视角信息，并根据视角信息确定目标画面；将目标画面发送至播放设备进行播放。

其中，视角信息可以理解为用户观看的视角。视角信息可以是用户通过播放设备或者控制设备发送，播放设备可以包括电视、台式电脑或者移动终端，控制设备可以包括遥控器等。具体的，根据视角信息确定目标画面，包括：：根视角信息设置虚拟相机；将虚拟相机拍摄的画面确定为目标画面。

其中，虚拟相机的拍摄角度即为客户端发送的视角。

本实施例中，将虚拟相机拍摄的画面确定为目标画面的过程可以是：将虚拟相机出射的光线与最近物体的交点确定为虚拟相机拍摄的画面中的像素点；确定交点在最近物体表面构成的贴图中的二维坐标；根据二维坐标采用设定差值方法确定交点的像素值。

其中，物体表面构成的贴图可以理解为将物体的表面展开的二维图。设定差值方法可以是双线性差值方法。具体的，根据交点在最近物体表面构成的贴图中的二维坐标对该交点周围像素点的像素值采用设定差值方法进行计算，获得交点的像素值。

本公开实施例的技术方案，获取同一场景的至少两个相机视角的深度视频流；根据预设配准信息对至少两个相机视角的深度视频流进行配准；根据配准后的至少两个相机视角的深度视频流进行三维重建，获得3D视频。本公开实施例提供的三维视频的处理方法，由配准后的至少两个相机视角的深度视频流重建3D视频，以实现对三维视频的处理，提高用户观看三维视频的体验。

图2是本公开实施例提供的一种三维视频的处理方法的流程图。如图2所示，该方法包括如下步骤：

步骤210，获取同一场景的至少两个相机视角的深度视频流。

其中，深度视频流包括颜色RGB流和和深度信息流。至少两个相机视角的深度视频流可以是由放置于同一场景中不同角度的深度相机拍摄获得的。

步骤220，对于每个相机视角的深度视频流，将RGB流通过RGB通道发送至云服务端；将深度信息流均匀分配至RGB通道，通过RGB通道将深度信息流发送至云服务端。

具体的，至少两个深度相机拍摄获得深度视频流后，对深度视频流编码后发送至云服务端。本实施例中，编码后的RGB流通过RGB通道发送至云服务端。对于深度信息流，需要将深度信息流先均匀分配至RGB通道，然后再进行编码，最后将编码后的深度信息流发送至云服务端。其中，深度信息流由16bit表示，RGB三个通道传输的数据由8bit表示，为了降低编码量化对精度的损失，需要将16bit的深度信息流均匀分配至RGB通道的高位上。示例性的，深度信息的第一个bit分配至R通道的第一高位上，深度信息的第二个bit分配至G通道的第一高位上，深度信息的第三个bit分配至B通道的第一高位上，深度信息的第四个bit分配至R通道的第二高位上，以此类推，直到16bit的深度信息都分配至RGB通道上。最终的结果是：R通道的前6个高位填深度信息，G通道的前5个高位填深度信息，B通道的前5个高位填深度信息，3个通道剩下的bit位填充为0。对深度视频流的编码可以采用现有的支持YUV444像素格式的编码器，如HEVC编码。

本公开实施例的技术方案，获取同一场景的至少两个相机视角的深度视频流；对于每个相机视角的深度视频流，将RGB流通过RGB通道发送至云服务端；将深度信息流均匀分配至RGB通道，通过RGB通道将深度信息流发送至云服务端。通过将深度信息流均匀分配至RGB通道实现深度视频流的传输，可以提高对深度信息编码的精度。

下面参考图3，其示出了适于用来实现本公开实施例的电子设备300的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端，或者各种形式的服务器，如独立服务器或者服务器集群。图3示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图3所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储装置(ROM)302中的程序或者从存储装置305加载到随机访问存储装置(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。

通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行词语的推荐方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置305被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取同一场景的至少两个相机视角的深度视频流；根据预设配准信息对所述至少两个相机视角的深度视频流进行配准；根据配准后的所述至少两个相机视角的深度视频流进行三维重建，获得3D视频。或者，获取同一场景的至少两个相机视角的深度视频流；所述深度视频流包括颜色RGB流和和深度信息流；对于每个相机视角的深度视频流，将所述RGB流通过RGB通道发送至云服务端；将所述深度信息流均匀分配至所述RGB通道，通过所述RGB通道将所述深度信息流发送至所述云服务端。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

根据本公开实施例的一个或多个实施例，本公开实施例公开了一种三维视频的处理方法，包括：

获取同一场景的至少两个相机视角的深度视频流；

根据预设配准信息对所述至少两个相机视角的深度视频流进行配准；

根据配准后的所述至少两个相机视角的深度视频流进行三维重建，获得3D视频。

进一步地，所述至少两个相机包括一个主相机和多个从相机；所述预设配准信息为所述多个从相机与所述主相机间的位姿转换矩阵；根据预设配准信息对所述至少两个相机视角的深度视频流进行配准，包括：

提取所述多个从相机视角的深度视频流分别对应的点云流；

根据所述位姿转换矩阵对所述多个从相机视角的点云流分别进行位姿转换，使得转换后的点云流的位姿与所述主相机对齐。

进一步地，获取所述多个从相机与所述主相机间的位姿转换矩阵的方式为：

控制所述多个从相机和所述主相机对标定物体进行拍摄，获得多张包含所述标定物体的图片；

对所述多张包含所述标定物体的图片进行特征检测，获得所述标定物体在各图片中的位姿信息；

根据所述位姿信息确定所述多个从相机分别与主相机间的位姿转换矩阵；或者，

采用设定算法获取所述多个从相机分别与主相机间的位姿转换矩阵。

进一步地，根据配准后的所述至少两个相机视角的深度视频流进行三维重建，获得3D视频，包括：

采用设定三维重建算法对所述至少两个相机视角的点云流进行融合及表面估计，获得3D视频。

进一步地，在获得3D视频之后，还包括：

获取视角信息，并根据所述视角信息确定目标画面；

将所述目标画面发送至播放设备进行播放。

进一步地，根据所述视角信息确定目标画面，包括：

根据所述视角信息设置虚拟相机；

将所述虚拟相机拍摄的画面确定为目标画面。

进一步地，将所述虚拟相机拍摄的画面确定为目标画面，包括：

将所述虚拟相机出射的光线与最近物体的交点确定为所述虚拟相机拍摄的画面中的像素点；

确定所述交点在所述最近物体表面构成的贴图中的二维坐标；

根据所述二维坐标采用设定差值方法确定所述交点的像素值。

本公开实施例还公开了一种三维视频的处理方法，包括：

获取同一场景的至少两个相机视角的深度视频流；所述深度视频流包括颜色RGB流和和深度信息流；

对于每个相机视角的深度视频流，将所述RGB流通过RGB通道发送至云服务端；将所述深度信息流均匀分配至所述RGB通道，通过所述RGB通道将所述深度信息流发送至所述云服务端。

进一步地，将所述深度信息流均匀分配至所述RGB通道，包括：

将所述深度信息流对应的比特数据均匀的分配至所述RGB通道的比特高位。

上述装置可执行本公开前述所有实施例所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本公开前述所有实施例所提供的方法。

注意，上述仅为本公开的较佳实施例及所运用技术原理。本领域技术人员会理解，本公开不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本公开的保护范围。因此，虽然通过以上实施例对本公开进行了较为详细的说明，但是本公开不仅仅限于以上实施例，在不脱离本公开构思的情况下，还可以包括更多其他等效实施例，而本公开的范围由所附的权利要求范围决定。