-
公开(公告)号：CN108139204B
公开(公告)日：2020-11-03
申请号：CN201680058662.1
申请日：2016-10-03
Applicant: 索尼株式会社 , 索尼互动娱乐股份有限公司
IPC: G01B11/00 , A63F13/211 , A63F13/212 , A63F13/213 , A63F13/40 , A63F13/428 , A63F13/655 , G01B11/26 , G06T19/00
Abstract: 本发明提供一种信息处理装置，其具备：第一估计单元(44)，其基于从拍摄装置取得的规定的对象的周围的图像，估计上述对象的位置和姿态的至少一方，且生成不含蓄积误差的估计结果；第二估计单元(46)，其基于上述图像，估计上述对象的位置和姿态的至少一方，且生成包含蓄积误差的估计结果；修正单元(50)，其比较第一估计单元(44)的估计结果和第二估计单元(46)的估计结果，基于比较结果，修正比用于比较的第二估计单元(46)的估计结果靠后的第二估计单元(46)的估计结果；以及App执行单元(38)，其基于通过修正单元(50)修正的第二估计单元(46)的估计结果，执行规定的数据处理。
-
公开(公告)号：CN108139204A
公开(公告)日：2018-06-08
申请号：CN201680058662.1
申请日：2016-10-03
Applicant: 索尼株式会社 , 索尼互动娱乐股份有限公司
IPC: G01B11/00 , A63F13/211 , A63F13/212 , A63F13/213 , A63F13/40 , A63F13/428 , A63F13/655 , G01B11/26 , G06T19/00
Abstract: 本发明提供一种信息处理装置，其具备：第一估计单元(44)，其基于从拍摄装置取得的规定的对象的周围的图像，估计上述对象的位置和姿态的至少一方，且生成不含蓄积误差的估计结果；第二估计单元(46)，其基于上述图像，估计上述对象的位置和姿态的至少一方，且生成包含蓄积误差的估计结果；修正单元(50)，其比较第一估计单元(44)的估计结果和第二估计单元(46)的估计结果，基于比较结果，修正比用于比较的第二估计单元(46)的估计结果靠后的第二估计单元(46)的估计结果；以及App执行单元(38)，其基于通过修正单元(50)修正的第二估计单元(46)的估计结果，执行规定的数据处理。
-
公开(公告)号：CN114041284B
公开(公告)日：2024-08-20
申请号：CN201980097631.0
申请日：2019-06-26
Applicant: 索尼互动娱乐股份有限公司
Inventor： 稻田彻悟
IPC: H04N23/11 , H04N23/12 , H04N23/60 , H04N25/13 , H04N25/131 , H04N25/133 , H04N25/50 , H04N25/702 , H04N25/77 , G02B5/20
Abstract: 本发明提供一种包括事件驱动的视觉传感器和信息处理设备的系统，事件驱动的视觉传感器包括传感器阵列，其中第一传感器和第二传感器根据预定模式布置，当检测到通过第一滤波器入射的光的强度的变化时，第一传感器生成第一事件信号，第一滤波器选择性地通过第一波长带中的光，当检测到通过第二滤波器入射的光的强度的变化时，第二传感器生成第二事件信号，第二滤波器选择性地通过与第一波长带不同的第二波长带中的光，信息处理设备包括第一处理部分和第二处理部分，第一处理部分基于第一事件信号执行第一处理，第二处理部分基于第二事件信号执行与第一处理不同的第二处理。
-
公开(公告)号：CN118489122A
公开(公告)日：2024-08-13
申请号：CN202280086427.0
申请日：2022-12-23
Applicant: 索尼互动娱乐股份有限公司 , 意大利技术研究基金会
IPC: G06T7/70
Abstract: 提高估计所拍摄的对象的姿态的精度。目标区域获取单元(21)通过向基于包含拍摄有目标对象的图像的多个训练图像和表示所述训练图像的每一个是否包含目标对象的标签数据而进行了学习的识别模型，输入输入图像的至少一部分，从而判定所述输入图像是否包含所述目标对象的图像，获取从所述输入图像提取的包含所述目标对象的图像的目标区域。姿态估计单元(25)基于在向机器学习模型输入了获取到的所述目标区域时输出的信息，估计目标对象的姿态，所述机器学习模型是通过由所述目标对象的三维形状模型渲染的多个学习图像、和与学习图像中的所述目标对象的姿态相关的信息即正确数据而进行了学习的机器学习模型。
-
公开(公告)号：CN108292437B
公开(公告)日：2022-04-26
申请号：CN201680065962.2
申请日：2016-09-29
Applicant: 索尼公司 , 索尼互动娱乐股份有限公司
Abstract: [问题]为了以更大的稳定性和更高度的精度估计姿势。[解决方案]姿势优化单元通过多种优化技术来优化作为人模型(树结构)的姿势参数的关节位置、角度、关节数量等，从而使得这些参数匹配人体可能存在的区域，所述多种优化技术被切换到最优技术以供使用。优化技术包括1：初始值，2：算法和3：限制，并通过切换这三者中的每个来实现优化。例如，能够将本公开应用于优化人体模型的关节位置和角度的图像处理装置。
-
Patent Agency Ranking
公开(公告)号：CN114073070A
公开(公告)日：2022-02-18
申请号：CN201980097641.4
申请日：2019-06-25
Applicant: 索尼互动娱乐股份有限公司
Inventor： 稻田彻悟
Abstract: 提供了一种系统，包括：事件驱动的视觉传感器，具有传感器阵列，在传感器阵列中，第一传感器和第二传感器以预定模式排列，其中第一传感器当检测到大于第一阈值的光强度的变化时生成第一事件信号，第二传感器当检测到大于第二阈值的光强度的变化时生成第二事件信号，第二阈值大于第一阈值；以及信息处理设备，具有第一处理单元和第二处理单元，第一处理单元被配置为当接收到第一事件信号并且没有接收到第二事件信号时执行第一处理，第二处理单元被配置为当接收到第二事件信号时执行与第一处理不同的第二处理。
-
公开(公告)号：CN113994168A
公开(公告)日：2022-01-28
申请号：CN201980097517.8
申请日：2019-06-21
Applicant: 索尼互动娱乐股份有限公司
Inventor： 稻田彻悟
Abstract: 根据本发明的一个方面，提供了一种位置检测系统，包括事件驱动视觉传感器、微透镜阵列和终端设备，该事件驱动视觉传感器包括传感器阵列，该传感器阵列包括传感器，传感器用于在检测到入射光的强度变化时生成事件信号，该微透镜阵列至少包括用于将光分别引导到传感器阵列的第一区域和第二区域的第一微透镜和第二微透镜，该终端设备具有用于从视觉传感器接收事件信号的接收单元和用于从由第一区域和第二区域中的每个传感器生成的事件信号检测光的强度变化的三维位置的位置检测单元。
-
公开(公告)号：CN114073070B
公开(公告)日：2024-09-13
申请号：CN201980097641.4
申请日：2019-06-25
Applicant: 索尼互动娱乐股份有限公司
Inventor： 稻田彻悟
IPC: H04N25/77 , H04N25/40 , H04N25/50 , H04N25/70 , H04N25/702
Abstract: 提供了一种系统，包括：事件驱动的视觉传感器，具有传感器阵列，在传感器阵列中，第一传感器和第二传感器以预定模式排列，其中第一传感器当检测到大于第一阈值的光强度的变化时生成第一事件信号，第二传感器当检测到大于第二阈值的光强度的变化时生成第二事件信号，第二阈值大于第一阈值；以及信息处理设备，具有第一处理单元和第二处理单元，第一处理单元被配置为当接收到第一事件信号并且没有接收到第二事件信号时执行第一处理，第二处理单元被配置为当接收到第二事件信号时执行与第一处理不同的第二处理。
-
公开(公告)号：CN110809786B
公开(公告)日：2023-10-27
申请号：CN201780092018.0
申请日：2017-06-20
Applicant: 索尼互动娱乐股份有限公司
IPC: H04N13/246 , G06T7/80
Abstract: 该校准设备使用图表200的捕获图像来执行校准，图表200包括它们之间形成预定角度θ的多个平面。图像捕获设备12同时捕获在图表200的每个平面上形成的图表图案。在图表200的每个平面上形成的图表图案的尺寸随着距图像捕获平面的距离而增大，如(a)中所示，使得图案的特征点在捕获图像内均匀分布，如(b)中所示。
-
公开(公告)号：CN108463839B
公开(公告)日：2023-05-09
申请号：CN201780006705.6
申请日：2017-01-13
Applicant: 索尼互动娱乐股份有限公司
Abstract: 显示包含成像设备和用户的真实空间的俯视图且参照成像设备的位置捕获的图像(a)，或者参照用户的面对方向捕获的图像(b)，被呈现为用户指南。在两个图像中，表示成像设备的矩形130和表示用户的圆圈132被以这种方式显示来反映其间的真实位置关系和其方向。此外，由相机视角等定义的表示在水平方向上的游戏区域的区域134和表示用户应该移动的方向的箭头136也被显示。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.046 seconds)
