3D图像分割装 置包括局部特征确定构件，用于确定所述3D图像的第一视图的局部特征，以及用于确定所 述3D图像的第二视图的局部特征；对应关系确定构件，用于确定所述3D图像的所述第一视 图和所述第二视图的所述局部特征之间的局部特征对应关系；以及分割构件，用于基于所 述3D图像的所述确定的局部特征对应关系和深度图将所述3D图像数据分割为多个深度区 域。
[0032] 根据如上所述第二方面的所述装置的可能实施形式，所述3D图像数据包括所述 图像的两个以上视图，例如，三个、四个或更多视图。每个视图涉及一个场景的单个图像并 且从不同角度捕获。当所述图像数据包括两个以上视图时，所述对应构件相应地用于处理 所述两个以上视图。例如，所述局部特征确定构件可以用于确定所述两个以上视图中每个 视图的局部特征，所述对应关系确定构件可以相应地用于确定所述两个以上视图之间的局 部特征对应关系。
[0033] 根据如上所述第二方面或根据所述第二方面的任意前述实施形式的所述装置的 另一实施形式，所述分割构件还可以包括子构件，用于执行根据所述第一方面的所述第一 至第十实施形式中的任意一种实施形式所述的步骤。
[0034] 根据第三方面，一种用于执行3D图像的3D图像数据分割装置包括处理器，用于执 行根据所述第一方面或根据所述第一方面的任意实施形式所述的方法。所述装置还可以包 括接收器，用于接收所述3D图像数据，用于确定所述图像的所述至少两个视图，以及用于 确定所述3D图像数据的深度图110。所述接收器还可以用于接收所述深度图110。
[0035] 根据如上所述第二或第三方面或根据所述第二或第三方面的任意前述实施形式 所述的装置还可以包括提供所述3D图像数据的3D图像数据源。
[0036] 根据第四方面，本发明可以在数字电子电路中，或在计算机硬件、固件、计算机软 件中或在它们的组合中实施。所述计算机软件包括程序代码，用于执行根据如上所述第一 方面或根据所述第一方面的任意前述实施形式所述的方法。
[0037] 本发明的基本观点在于，基于所述图像数据的局部特征执行所述图像分割。一个 局部特征是一个围绕图像的某个点的块的简洁描述。通常一个图像中的局部特征的数目比 像素的数目小得多。因此，可以相当快速地并且利用比基于图像的每个单独像素的图像分 割少的计算资源执行基于局部特征的分割。
[0038] 本发明的这些和其它方面将从下文描述的实施例显而易见。
[0039] 下面将参考附图通过示例的方式对本发明实施例进行描述，在附图中：
[0040] 图1示意性地示出了根据本发明方法的一实施例使用的图像数据集；
[0041] 图2示意性地示出了根据本发明一实施例的3D图像数据分割方法的流程图；
[0042] 图3示意性地示出了根据本发明一实施例的将3D图像数据分割为多个深度区域 的流程图；
[0043] 图4示意性地示出了根据本发明一实施例的3D图像分割装置；
[0044] 图5示意性地示出了根据本发明另一实施例的3D图像分割装置；
[0045] 图6示意性地示出了根据本发明一实施例的3D图像数据分割方法的流程图；
[0046] 图7示意性地示出了根据本发明另一实施例的3D图像分割装置。
[0047] 在下文中，描述方向的术语，例如"上方"、"下方"、"左侧"、"右侦『等只是为了更好 地理解附图，并且不限制本发明。相同参考标号与相同部件有关。附图尺寸仅出于说明目 的而不是以任意方式限制本发明。
[0048] 根据本发明所述的方法使用的3D图像数据涉及可以用于生成图像的3D表示的所 有图像数据。3D图像数据可能涉及单独图像、图像序列内的单个图像，或者视频序列内的多 个连续图像。图像数据可以以非压缩格式提供或者可以根据任意压缩标准进行压缩。如果 图像数据以压缩格式提供，则数据可以在执行根据本发明的分割之前进行解压缩。
[0049] 图1示出了示例性的3D图像数据集。图像数据至少包括3D图像的第一视图101 和3D图像的第二视图102。例如，第一视图101可能关于左眼的图像数据，而视图102可能 关于右眼的图像数据。尽管本发明仅参照3D图像的两个视图进行描述，但是同样有可能使 本发明适应包括两个以上视图，例如三个、四个或更多视图的3D图像数据。
[0050] 除了多个视图101和102, 3D图像或3D图像数据还可以包括深度图110。深度图 110可以通过从外部设备，例如从飞行摄像机等距离摄像机中接收而直接获得或确定。或 者，深度图110可以通过计算获得或确定。例如，深度图110可以从3D图像数据计算而来。
[0051] 图2所示为根据本发明一实施例的图示分割方法的流程图。在第一步骤10中，接 收3D图像数据。3D图像数据包括至少两个视图，本实施例以两种视图为例，即第一视图101 和第二视图102。可以确定图像数据的第一视图101和第二视图102,以及深度图110。图 像数据可以从摄像机、摄像机系统中获得，或数据可以从存储3D图像数据的存储器或从提 供3D图像数据的传输接口接收。用于提供3D图像数据的替代性3D图像数据源同样是可 能的。
[0052] 深度图110可以，例如通过基于接收到的3D图像数据在额外子步骤中计算来获得 或确定。或者，还有可能通过接收已经存在的深度图110来获得或确定深度图110。例如， 可以提前计算深度图110,或者可以从如上已经描述的距离摄像机中获得深度图。
[0053] 在另一步骤20中，确定第一视图101和第二视图102的局部特征。通常使用电脑 视觉中的局部特征，例如，进行对象识别或图像配准。通常，局部特征对旋转、照明或透视失 真具有不变性。
[0054] 为了在步骤20中确定局部特征，可以使用任意已知的确定局部特征的方法。例 如，可以基于尺度不变特征转换算法（SIFT)或快速鲁棒性特征算法（SURF)确定局部特征。 用于确定局部特征的其它算法或者上述算法的修改也是有可能的。
[0055] -个局部特征是一个围绕图像的某个点的块的简洁描述。为了计算局部特征，基 于一个点的环境中的主要梯度分量计算这个点的主要方向。从这个方向开始，提取一个面 向主方向的周围路径。在这之后，该块被分为长方形或径向网格。对于网格的每个元素，计 算局部梯度的直方图。在网格元素上计算得来的直方图表示局部特征的分量。
[0056] 通常，为场景的关键点计算局部特征。具体而言，这些关键点都与该场景的特殊元 素有关，例如角、特定模式等。为了改善3D图像数据的分割，可以优选提供清楚描述周围纹 理区的局部特征。为此，可以使用SIFT或SURF描述子，例如Kanade-Lucas-Tomasi(KLT) 特征，深度区域的重心，或者甚至使用随机点。然而，角或边缘检测子可能不太适合，因为它 们倾向于识别通常占用正确分割中的纹理区的边界的点。
[0057] 参照图1，四个局部特征201a、202a、203a和204a在第一视图101中指示。第二视 图102还包括四个局部特征，即201b、202b、203b和204b。
[0058] 在完成确定各个图像视图101和102的局部特征之后，在步骤30中确定第一视图 101和第二视图102中的局部特征之间的