CN106484140A - 一种在虚拟现实系统中识别编码信息的方法及装置 - Google Patents
一种在虚拟现实系统中识别编码信息的方法及装置 Download PDFInfo
- Publication number
- CN106484140A CN106484140A CN201610900594.0A CN201610900594A CN106484140A CN 106484140 A CN106484140 A CN 106484140A CN 201610900594 A CN201610900594 A CN 201610900594A CN 106484140 A CN106484140 A CN 106484140A
- Authority
- CN
- China
- Prior art keywords
- luminous point
- image
- state
- signal sequence
- coding information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
- G06F3/0304—Detection arrangements using opto-electronic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
- G06F2203/01—Indexing scheme relating to G06F3/01
- G06F2203/012—Walk-in-place systems for allowing a user to walk in a virtual environment while constraining him to a given position in the physical environment
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
Abstract
本发明实施方式提供一种在虚拟现实系统中识别编码信息的方法及装置,所述编码信息由所述虚拟现实系统中手柄上闪烁的发光点产生,其中,所述方法包括:按照预设频率采集所述闪烁的发光点的图像,所述预设频率至少为所述发光点最大闪烁频率的2倍;按照采集图像的顺序,识别采集的所述图像中发光点的状态,所述发光点的状态包括亮和暗;根据识别的所述发光点的状态,确定所述发光点闪烁的信号序列;按照预设规则将确定的所述信号序列转换为编码信息。本发明实施方式提供的一种在虚拟现实系统中识别编码信息的方法及装置,可以简化VR系统的复杂程度,并且能够精确地识别手柄向头盔传输的编码信息。
Description
技术领域
本发明实施方式涉及信号处理技术领域,尤其涉及一种虚拟现实系统中识别编码信息的方法及装置。
背景技术
随着虚拟现实(Virtual Reality,VR)设备的不断开发,越来越多的VR设备被应用到各个领域中。例如在比较热门的游戏领域,玩家可以头戴VR系统中的头盔,手上可以握住VR系统中的手柄,通过手柄可以向头盔下达控制指令,从而实现游戏的操作或者观赏。
在目前的VR系统中,手柄与头盔之间往往通过数据线相连,从而可以同步手柄与头盔内部的采样时钟,并且手柄和头盔之间可以通过该数据线进行信息的互通。所述手柄与头盔之间传输的信息往往具备一定的编码方式,例如可以按照汉明码的编码方式进行编码。这样,现有技术中便可以通过所述数据线来识别手柄与头盔之间传输的编码信息。
然而在实现本发明的过程中,发明人发现现有技术中通过数据线来识别编码信息的方法比较繁琐,在推崇无线传输技术的当下,依托于有线技术来识别编码信息显然会使得VR系统更加复杂,也会降低用户的操作体验。
发明内容
针对上述问题,本发明实施方式的目的在于提供一种在虚拟现实系统中识别编码信息的方法及装置,可以简化VR系统的复杂程度,并且能够精确地识别手柄向头盔传输的编码信息。
为实现上述目的,本发明实施方式提供一种在虚拟现实系统中识别编码信息的方法,所述编码信息由所述虚拟现实系统中手柄上闪烁的发光点产生,所述方法包括:按照预设频率采集所述闪烁的发光点的图像,所述预设频率至少为所述发光点最大闪烁频率的2倍;按照采集图像的顺序,识别采集的所述图像中发光点的状态,所述发光点的状态包括亮和暗;根据识别的所述发光点的状态,确定所述发光点闪烁的信号序列;以及按照预设规则将确定的所述信号序列转换为编码信息。
为实现上述目的,本发明实施方式还提供一种在虚拟现实系统中识别编码信息的装置,所述编码信息由所述手柄上闪烁的发光点产生,所述装置包括:图像采集单元,用于按照预设频率采集所述手柄上的发光点的图像,所述预设频率至少为所述发光点最大闪烁频率的2倍;状态记录单元,用于按照采集的图像顺序,识别采集的所述图像中发光点的状态,所述发光点的状态包括亮和暗;信号序列确定单元,用于根据识别的所述发光点的状态,确定所述发光点闪烁的信号序列;以及;编码信息转换单元,用于按照预设规则将确定的所述信号序列转换为编码信息的图像。
由以上本发明实施方式可见,本发明通过设置于VR系统头盔上的编码信息装置,可以采集手柄上闪烁的发光点的图像。在采集图像时,使得采集图像的频率至少为所述发光点最大闪烁频率的2倍,从而可以根据奈奎斯特采样定理对发光点闪烁的频率进行恢复。通过对采集的图像进行识别,可以准确记录发光点的不同状态,从而可以将图像中发光点闪烁的信号序列最终转换为手柄上发光点闪烁时实际传输的编码信息。本发明提供的在虚拟现实系统中识别编码信息的方法及装置,通过无线通信的方式可以识别手柄向头盔传输的编码信息,从而简化了VR系统的复杂程度,并且能够精确地识别手柄向头盔传输的编码信息。
附图说明
为了更清楚地说明本发明实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图逐一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施方式提供的一种在虚拟现实系统中识别编码信息的方法流程图;
图2为本申请实施方式一个例子中以线性分类为例解释通过支持向量机算法进行二维分类的基本原理示意图;
图3为本申请实施方式提供的一种在虚拟现实系统中识别编码信息的装置功能模块图;
图4是本申请实施方式执行虚拟现实系统中识别编码信息的方法的一些电子设备的硬件结构示意图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚,下面将结合本发明实施方式中的附图,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。
本申请实施方式提供一种在虚拟现实系统中识别编码信息的方法。在本实施方式中,所述编码信息可以由所述VR系统中手柄上闪烁的发光点产生。所述发光点可以为红外线发光点,所述红外线发光点闪烁的光线可以被VR系统中的头盔捕捉,从而通过无线通信的方式向所述头盔传输编码信息。
图1为本申请实施方式提供的一种在虚拟现实系统中识别编码信息的方法流程图。虽然下文描述流程包括以特定顺序出现的多个操作,但是应该清楚了解,这些过程可以包括更多或更少的操作,这些操作可以顺序执行或并行执行(例如使用并行处理器或多线程环境)。如图1所示,所述方法可以包括以下步骤:
步骤S1:按照预设频率采集所述闪烁的发光点的图像,所述预设频率至少为所述发光点最大闪烁频率的2倍。
在本实施方式中,采集所述闪烁的发光点的图像可以是位于VR系统头盔上的红外相机或者是贴有红外滤片的普通相机,从而在采集手柄上发光点闪烁的图像时,可以辨别当前是否有红外线光点在闪烁。
在本实施方式中,所述手柄上的发光点可以按照固有频率在闪烁,不同发光点可能具有不同的闪烁频率。发光点在闪烁时可以具备两个状态,一个是亮的状态,一个是暗的状态。每个状态均可以用两个比特的二进制数来表示,例如,亮的状态可以为10,暗的状态则可以为00。当然,每个状态也可以仅用一个比特的二进制数来表示,例如,亮的状态可以为1,暗的状态可以为0。这样,在所述发光点闪烁时,实际上就是在不断地发出由0和1构成的二进制序列。
在本实施方式中,在采集闪烁的发光点的图像时,其实相当于按照所述预设频率对所述二进制序列进行采样。为了能够根据采样数据正确地还原出二进制序列,根据奈奎斯特采样定理可知,所述预设频率需要至少为所述发光点最大闪烁频率的2倍,优选为2倍,也可以是2.5倍等其他倍数,从而可以识别出所有发光点的明暗状态,进而便可以从所述采样数据中正确地还原出发光点闪烁时传达的二进制序列。
步骤S2:按照采集图像的顺序,识别采集的所述图像中发光点的状态,所述发光点的状态包括亮和暗。
在本实施方式中,发光点处于亮和暗状态时,图像是具有明显差别的。基于此,在本实施方式中可以通过机器学习的方法,来自动辨别采集的图像中发光点是处于亮还是暗状态。
具体地,可以预先获取发光点状态的识别训练样本,所述训练样本中包括预设数量的发光点状态为亮的图像和发光点状态为暗的图像。然后可以提取所述训练样本中图像的特征值。在本实施方式中,所述特征值可以为采集的图像的像素值向量或者局部特征值。以像素值向量为例,所述像素值向量中可包括采集的所述图像中各个像素点的像素值,所述像素值例如可以为RGB值或者可以为灰度值。由于亮和暗这两个状态在像素值上具有明显的差别,因此提取出的特征值也具备明显的差别。在本实施方式中,可以通过支持向量机的方法,基于提取的所述训练样本中图像的特征值,计算所述训练样本中图像的归类条件。
另外,可以根据相邻帧之间发光点的特征值之差与预先设定的阈值,识别采集的所述图像中发光点的状态。特征值为平均灰度值,例如某个发光点上一帧的平均灰度值为200,当前帧的平均灰度值为100,二者的差值为100,超过了预设的值50,则当前帧此发光点的一定是暗的状态;如果上一帧的平均灰度值是100,而当前帧的平均灰度值是200,则按照同样的方法,可以判断出此发光点在当前帧是亮的状态。
请参阅图2,本实施方式中利用线性分类的例子来解释通过支持向量机算法进行分类的基本原理。在图2中,左侧坐标图中的点表示输入的训练样本,右侧坐标图中的叉代表的点表示计算得到的C1类训练样本,圆圈代表的点表示计算得到的C2类训练样本。如图2所示,将训练样本通过支持向量机算法计算后,可以获得分类后的C1和C2两类训练样本,并且可以得到划分C1和C2两类的归类条件。
对于图2的线性分类来说,所述归类条件(图中的vv’线,也称为超平面)可以用一个线性函数来表示,例如表示为:
f(x)=wx+b
其中,w和b为支持向量机对特征值集合进行计算(支持向量机中称为“训练”)后得到的参数,x代表图像的特征值。
f(x)表示支持向量机中的映射关系。对于f(x)=0的情况,此时的特征值x即位于所述超平面上。对于f(x)大于0的情况,对应图2右侧坐标图中超平面右上侧的特征值;对于f(x)小于0的情况,对应图2右侧坐标图中超平面左下侧的特征值。
输入的特征值例如均为二维,即对应图2中坐标上的每个点。支持向量机算法,即不断搜索输入的特征值范围内的直线,通过尝试计算每一个搜索到的这种直线与每一特征值(图中的点)的距离,得到一个这样的直线:该直线距离两侧最近特征值的距离最大且相等。如图2中右侧坐标图所示,计算得到的直线vv’即超平面。从图2中右侧坐标图可以看出,二维情况下超平面vv’为一直线,该直线距离两侧最近特征值的距离最大且相等,该距离均为L。
这样,对于输入的多个特征值,可以计算得到这些特征值的两种训练样本类型,以及这两种训练样本类型的归类条件。也就是说,通过所述归类条件,可以识别采集的图像中发光点对应的状态是亮还是暗。因此,在本实施方式中,在得到划分亮和暗这两种状态的归类条件之后,可以提取采集的所述图像对应的目标特征值,并基于所述归类条件计算所述目标特征值的归类值。具体的计算过程可以通过将图像的目标特征值代入上述的公式中,从而确定出f(x)的值,也就是所述归类值。这样,基于计算得到的归类值就可以判断并识别采集的所述图像中发光点的状态。
步骤S3:根据识别的所述发光点的状态,确定所述发光点闪烁的信号序列。
在本实施方式中,由于发光点的状态是根据图像采集的顺序进行记录的,那么将所有发光点的状态连接起来就可以得到采样后的信号序列。在本实施方式中,在得到采样的信号序列后,还需要将所述采样的信号序列还原为发光点真实传达的信号序列。
具体地,在本实施方式中,可以根据识别的所述发光点的状态,确定采集的所述图像中所述发光点闪烁的第一信号序列。由于采集图像的频率高于所述发光点最大闪烁的频率,因此所述第一信号序列中往往会出现大量重复的二进制数。例如,假设发光点闪烁时真实传输的信号序列为1001001,那么如果图像采集的频率是发光点闪烁频率的3倍,那么所述第一信号序列便可以为111000000111000000111,其中,每三位二进制数可以对应着真实传输的信号序列中的一位二进制数。这样,根据所述预设频率与所述发光点闪烁频率之间的倍数关系,可以将所述第一信号序列转换为第二信号序列,并将所述第二信号序列确定为所述发光点闪烁的信号序列。
步骤S4:按照预设规则将确定的所述信号序列转换为编码信息。
在本实施方式中,所述VR系统中的手柄在传输编码信息时,为了保证信息的准确性,往往会按照预设的编码规则,在所述编码信息中添加纠错码。例如,在汉明码的编码规则中,可以在序号为2的幂次方的码元处设置纠错码。在本实施方式中,所述手柄上发光点传输的编码信息就可以按照汉明码的编码方式进行编码。这样,在确定了所述信号序列后,可以根据预先设置的汉明码的编码规则,从所述信号序列中确定纠错码的序列号。所述纠错码的序列号例如可以为1,2,4,8等等。在确定出纠错码的序列号之后,可以将位于确定的所述序列号处的纠错码从所述信号序列中剔除,并将剔除纠错码之后的信号序列确定为所述编码信息。这样,剔除纠错码之后的信号序列中包含的二进制数即可以对应着手柄向头盔传输的控制指令。
由以上本发明实施方式可见,本发明通过设置于VR系统头盔上的编码信息装置,可以采集手柄上闪烁的发光点的图像。在采集图像时,使得采集图像的频率至少为所述发光点最大闪烁频率的2倍,从而可以根据奈奎斯特采样定理对发光点闪烁的频率进行恢复。通过对采集的图像进行识别,可以准确记录发光点的不同状态,从而可以将图像中发光点闪烁的信号序列最终转换为手柄上发光点闪烁时实际传输的编码信息。本发明提供的在虚拟现实系统中识别编码信息的方法,通过无线通信的方式可以识别手柄向头盔传输的编码信息,从而简化了VR系统的复杂程度,并且能够精确地识别手柄向头盔传输的编码信息。
本发明还提供一种在虚拟现实系统中识别编码信息的装置。图3为本申请实施方式提供的一种在虚拟现实系统中识别编码信息的装置功能模块图。在本实施方式中,所述虚拟现实系统包括头盔和手柄,所述装置设置于所述头盔上,所述编码信息由所述手柄上闪烁的发光点产生。如图3所示,所述装置可以包括:
图像采集单元100,用于按照预设频率采集所述手柄上的发光点的图像,所述预设频率至少为所述发光点最大闪烁频率的2倍;
状态记录单元200,用于按照采集的图像顺序,识别采集的所述图像中发光点的状态,所述发光点的状态包括亮和暗;
信号序列确定单元300,用于根据识别的所述发光点的状态,确定所述发光点闪烁的信号序列;
编码信息转换单元400,用于按照预设规则将确定的所述信号序列转换为编码信息。
在本申请一优选实施方式中,所述状态记录单元200具体用于提取采集的图像的特征值,以及基于归类条件计算采集的图像的特征值的归类值,并将计算得到的归类值和预先设定的阈值比对,根据比对结果确定采集的图像中发光点的状态。
其中,所述归类条件采用如下方式确定:
获取发光点状态的识别训练样本,提取所述训练样本中样本图像的特征值;所述训练样本中包括发光点状态为亮的样本图像和发光点状态为暗的样本图像;基于提取的所述训练样本中样本图像的特征值,确定归类条件。
所述状态记录单元200可以具体包括:
训练样本获取模块,用于获取发光点状态的识别训练样本,所述训练样本中包括预设数量的发光点状态为亮的图像的样本图像和发光点状态为暗的图像的样本图像;
特征值提取模块,用于提取所述训练样本中图像样本图像的特征值;
归类条件计算模块,用于基于提取的所述训练样本中图像样本图像的特征值,确定归类条件;
目标特征值提取模块,用于提取采集的所述图像的特征值;
判断记录模块,用于基于所述归类条件计算采集的图像的特征值的归类值,并将计算得到的归类值和预先设定的阈值比对,根据比对结果确定采集的图像中发光点的状态。
其中,所述特征值包括平均灰度值。
在本发明的另外一实施例中,所述状态记录单元200进一步用于根据相邻帧之间发光点的特征值之差与预先设定的阈值,识别采集的所述图像中发光点的状态。详细请参见上述相关实施例记载。
在本申请一优选实施方式中,所述信号序列确定单元300具体包括:
第一信号序列确定模块,用于将识别的所述发光点的状态利用二进制数进行表示,作为所述发光点闪烁的第一信号序列;
转换模块,用于将所述第一信号序列中每N位二进制数转换为1位二进制数,生成第二信号序列作为所述发光点闪烁的信号序列。
在本申请一优选实施方式中,所述编码信息转换单元400具体包括:
纠错码确定模块,用于根据预先设置的汉明码的编码规则,从所述信号序列中确定纠错码的序列号;
编码信息确定模块,用于将位于确定的所述序列号处的纠错码从所述信号序列中剔除,并将剔除纠错码之后的信号序列确定为所述编码信息。
需要说明的是,上述各个功能模块的具体实现方式均与步骤S1至S4中的实施方式中的描述一致,这里便不再赘述。
由以上本发明实施方式可见,本发明实施例通过设置于VR系统头盔上的编码信息装置,可以采集手柄上闪烁的发光点的图像。在采集图像时,使得采集图像的频率至少为所述发光点最大闪烁频率的2倍,从而可以根据奈奎斯特采样定理对发光点闪烁的频率进行恢复。通过对采集的图像进行识别,可以准确记录发光点的不同状态,从而可以将图像中发光点闪烁的信号序列最终转换为手柄上发光点闪烁时实际传输的编码信息。本发明提供的在虚拟现实系统中识别编码信息的装置,通过无线通信的方式可以识别手柄向头盔传输的编码信息,从而简化了VR系统的复杂程度,并且能够精确地识别手柄向头盔传输的编码信息。
图4是本申请实施方式执行虚拟现实系统中识别编码信息的方法的一些电子设备的硬件结构示意图。根据图4所示,该设备包括:
一个或多个处理器410以及存储器420,图4中以一个处理器410为例。
执行虚拟现实系统中识别编码信息的方法的设备还可以包括:输入装置430和输出装置440。
处理器410、存储器420、输入装置430和输出装置440可以通过总线或者其他方式连接,图4中以通过总线连接为例。
存储器420作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本申请实施例中的执行虚拟现实系统中识别编码信息的方法对应的程序指令/模块。处理器410通过运行存储在存储器420中的非易失性软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中虚拟现实系统中识别编码信息的方法。
存储器420可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据虚拟现实系统中识别编码信息的装置的使用所创建的数据等。此外,存储器420可以包括高速随机存取存储器420,还可以包括非易失性存储器420,例如至少一个磁盘存储器420件、闪存器件、或其他非易失性固态存储器420件。在一些实施例中,存储器420可选包括相对于处理器410远程设置的存储器420,这些远程存储器420可以通过网络连接至虚拟现实系统中识别编码信息的装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可接收输入的数字或字符信息,以及产生与虚拟现实系统中识别编码信息的装置的用户设置以及功能控制有关的键信号输入。输入装置430可包括按压模组等设备。
所述一个或者多个模块存储在所述存储器420中,当被所述一个或者多个处理器410执行时,执行上述任意方法实施例中的虚拟现实系统中识别编码信息的方法。
上述产品可执行本申请实施例所提供的方法,具备执行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,可参见本申请实施例所提供的方法。
本申请实施例的电子设备以多种形式存在,包括但不限于:
(1)移动通信设备:这类设备的特点是具备移动通信功能,并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iPhone)、多媒体手机、功能性手机,以及低端手机等。
(2)超移动个人计算机设备:这类设备属于个人计算机的范畴,有计算和处理功能,一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC设备等,例如iPad。
(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod),掌上游戏机,电子书,以及智能玩具和便携式车载导航设备。
(4)服务器:提供计算服务的设备,服务器的构成包括处理器410、硬盘、内存、系统总线等,服务器和通用的计算机架构类似,但是由于需要提供高可靠的服务,因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
(5)其他具有数据交互功能的电子装置。
本说明书中的各个实施方式均采用递进的方式描述,各个实施方式之间相同相似的部分互相参见即可,每个实施方式重点说明的都是与其他实施方式的不同之处。尤其,对于装置实施方式而言,由于其基本相似于方法实施方式,所以描述的比较简单,相关之处参见方法实施方式的部分说明即可。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,所述计算机可读记录介质包括用于以计算机(例如计算机)可读的形式存储或传送信息的任何机制。例如,机器可读介质包括只读存储器(ROM)、随机存取存储器(RAM)、磁盘存储介质、光存储介质、闪速存储介质、电、光、声或其他形式的传播信号(例如,载波、红外信号、数字信号等)等,该计算机软件产品包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:上面对本申请的各种实施方式的描述以描述的目的提供给本领域技术人员。其不旨在是穷举的、或者不旨在将本发明限制于单个公开的实施方式。如上所述,本申请的各种替代和变化对于上述技术所属领域技术人员而言将是显而易见的。因此,虽然已经具体讨论了一些另选的实施方式,但是其它实施方式将是显而易见的,或者本领域技术人员相对容易得出。本申请旨在包括在此已经讨论过的本发明的所有替代、修改、和变化,以及落在上述申请的精神和范围内的其它实施方式。
Claims (10)
1.一种在虚拟现实系统中识别编码信息的方法,所述编码信息由所述虚拟现实系统中手柄上的发光点产生,其特征在于,所述方法包括:
按照预设频率采集所述手柄上的发光点的图像,所述预设频率至少为所述发光点的最大闪烁频率的2倍;
按照采集的图像顺序,识别采集的图像中发光点的状态,所述发光点的状态包括亮和暗;
根据识别的所述发光点的状态,确定所述发光点闪烁的信号序列;
按照预设规则将确定的所述信号序列转换为编码信息。
2.根据权利要求1所述的方法,其特征在于,识别采集的图像中发光点的状态具体包括:
提取采集的图像的特征值;
基于归类条件计算采集的图像的特征值的归类值,并将计算得到的归类值和预先设定的阈值比对,根据比对结果确定采集的图像中发光点的状态;
其中,所述归类条件采用如下方式确定:
获取发光点状态的识别训练样本,提取所述训练样本中样本图像的特征值;所述训练样本中包括发光点状态为亮的样本图像和发光点状态为暗的样本图像;
基于提取的所述训练样本中样本图像的特征值,确定归类条件。
3.根据权利要求2所述的方法,其特征在于,所述特征值包括平均灰度值。
4.根据权利要求1所述的方法,其特征在于,所述根据识别的所述发光点的状态,确定所述发光点闪烁的信号序列具体包括:
将识别的所述发光点的状态利用二进制数进行表示,作为所述发光点闪烁的第一信号序列;
将所述第一信号序列中每N位二进制数转换为1位二进制数,生成第二信号序列作为所述发光点闪烁的信号序列。
5.根据权利要求1所述的方法,其特征在于,所述按照预设规则将确定的所述信号序列转换为编码信息具体包括:
根据预先设置的汉明码的编码规则,从所述信号序列中确定纠错码的序列号;
将位于确定的所述序列号处的纠错码从所述信号序列中剔除,并将剔除纠错码之后的信号序列确定为所述编码信息。
6.一种在虚拟现实系统中识别编码信息的装置,所述编码信息由所述手柄上闪烁的发光点产生,其特征在于,所述装置包括:
图像采集单元,用于按照预设频率采集所述手柄上的发光点的图像,所述预设频率至少为所述发光点最大闪烁频率的2倍;
状态记录单元,用于按照采集的图像顺序,识别采集的所述图像中发光点的状态,所述发光点的状态包括亮和暗;
信号序列确定单元,用于根据识别的所述发光点的状态,确定所述发光点闪烁的信号序列;
编码信息转换单元,用于按照预设规则将确定的所述信号序列转换为编码信息。
7.根据权利要求6所述的装置,其特征在于,所述状态记录单元具体用于提取采集的图像的特征值,以及基于归类条件计算采集的图像的特征值的归类值,并将计算得到的归类值和预先设定的阈值比对,根据比对结果确定采集的图像中发光点的状态;
其中,所述归类条件采用如下方式确定:
获取发光点状态的识别训练样本,提取所述训练样本中样本图像的特征值;所述训练样本中包括发光点状态为亮的样本图像和发光点状态为暗的样本图像;
基于提取的所述训练样本中样本图像的特征值,确定归类条件。
8.根据权利要求7所述的装置,其特征在于,所述状态记录单元具体包括:
训练样本获取模块,用于获取发光点状态的识别训练样本,所述训练样本中包括预设数量的发光点状态为亮的样本图像和发光点状态为暗的样本图像;
特征值提取模块,用于提取所述训练样本中样本图像的特征值;
归类条件计算模块,用于基于提取的所述训练样本中样本图像的特征值,确定归类条件;
目标特征值提取模块,用于提取采集的所述图像的特征值;
判断记录模块,用于基于所述归类条件计算采集的图像的特征值的归类值,并将计算得到的归类值和预先设定的阈值比对,根据比对结果确定采集的图像中发光点的状态。
9.根据权利要求6所述的装置,其特征在于,所述信号序列确定单元具体包括:
第一信号序列确定模块,用于将识别的所述发光点的状态利用二进制数进行表示,作为所述发光点闪烁的第一信号序列;
转换模块,用于将所述第一信号序列中每N位二进制数转换为1位二进制数,生成第二信号序列作为所述发光点闪烁的信号序列。
10.根据权利要求6所述的装置,其特征在于,所述编码信息转换单元具体包括:
纠错码确定模块,用于根据预先设置的汉明码的编码规则,从所述信号序列中确定纠错码的序列号;
编码信息确定模块,用于将位于确定的所述序列号处的纠错码从所述信号序列中剔除,并将剔除纠错码之后的信号序列确定为所述编码信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610900594.0A CN106484140A (zh) | 2016-10-14 | 2016-10-14 | 一种在虚拟现实系统中识别编码信息的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610900594.0A CN106484140A (zh) | 2016-10-14 | 2016-10-14 | 一种在虚拟现实系统中识别编码信息的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106484140A true CN106484140A (zh) | 2017-03-08 |
Family
ID=58270896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610900594.0A Pending CN106484140A (zh) | 2016-10-14 | 2016-10-14 | 一种在虚拟现实系统中识别编码信息的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106484140A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107300378A (zh) * | 2017-05-23 | 2017-10-27 | 北京小鸟看看科技有限公司 | 一种定位物体的身份识别方法、装置和系统 |
CN114489310A (zh) * | 2020-11-12 | 2022-05-13 | 海信视像科技股份有限公司 | 虚拟现实设备以及手柄定位方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110109628A1 (en) * | 2008-06-24 | 2011-05-12 | Rurin Oleg Stanislavovich | Method for producing an effect on virtual objects |
CN105718840A (zh) * | 2016-01-27 | 2016-06-29 | 西安小光子网络科技有限公司 | 一种基于光标签的信息交互系统及方法 |
CN105868768A (zh) * | 2015-01-20 | 2016-08-17 | 阿里巴巴集团控股有限公司 | 一种识别图片是否带有特定标记的方法及系统 |
-
2016
- 2016-10-14 CN CN201610900594.0A patent/CN106484140A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110109628A1 (en) * | 2008-06-24 | 2011-05-12 | Rurin Oleg Stanislavovich | Method for producing an effect on virtual objects |
CN105868768A (zh) * | 2015-01-20 | 2016-08-17 | 阿里巴巴集团控股有限公司 | 一种识别图片是否带有特定标记的方法及系统 |
CN105718840A (zh) * | 2016-01-27 | 2016-06-29 | 西安小光子网络科技有限公司 | 一种基于光标签的信息交互系统及方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107300378A (zh) * | 2017-05-23 | 2017-10-27 | 北京小鸟看看科技有限公司 | 一种定位物体的身份识别方法、装置和系统 |
CN114489310A (zh) * | 2020-11-12 | 2022-05-13 | 海信视像科技股份有限公司 | 虚拟现实设备以及手柄定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112818257B (zh) | 基于图神经网络的账户检测方法、装置和设备 | |
CN109639481A (zh) | 一种基于深度学习的网络流量分类方法、系统及电子设备 | |
CN110147710A (zh) | 人脸特征的处理方法、装置和存储介质 | |
CN109002820A (zh) | 一种车牌识别方法、装置及相关设备 | |
CN106484837A (zh) | 相似视频文件的检测方法和装置 | |
CN107766643B (zh) | 数据处理方法及相关装置 | |
KR20180004898A (ko) | 딥러닝 기반의 이미지 처리 기술 및 그 방법 | |
CN110378247A (zh) | 虚拟对象识别方法和装置、存储介质及电子装置 | |
CN107291675B (zh) | 一种行业信息分类编码管理系统和方法 | |
CN115941112B (zh) | 一种便携式隐蔽通信方法、计算机设备及存储介质 | |
Yang et al. | Semantic communications with artificial intelligence tasks: Reducing bandwidth requirements and improving artificial intelligence task performance | |
CN108334895A (zh) | 目标数据的分类方法、装置、存储介质及电子装置 | |
CN116992299B (zh) | 区块链交易异常检测模型的训练方法、检测方法及装置 | |
CN113516102B (zh) | 基于视频的深度学习抛物行为检测方法 | |
CN116245962B (zh) | 用于无线传输到区块链服务器的数据提取系统及方法 | |
CN106484140A (zh) | 一种在虚拟现实系统中识别编码信息的方法及装置 | |
CN111597411B (zh) | 一种电力规约数据帧的区分识别方法及系统 | |
CN111954209A (zh) | 一种提高无线传感器节点安全性的信息处理方法及装置 | |
CN115964653A (zh) | 一种水声信号分类方法、系统、设备及存储介质 | |
CN111222558A (zh) | 图像处理方法及存储介质 | |
CN111091102A (zh) | 一种视频分析装置、服务器、系统及保护身份隐私的方法 | |
CN110399344A (zh) | 选取重复图像的方法及装置 | |
CN109656810A (zh) | 一种图像算法的调试方法、调试系统及终端设备 | |
US11842527B1 (en) | Industrial internet of things based on platform linkage, control method, and storage medium thereof | |
CN116361642A (zh) | 全局模型的训练方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170308 |
|
WD01 | Invention patent application deemed withdrawn after publication |