CN107465855A - 图像的拍摄方法及装置、无人机 - Google Patents
图像的拍摄方法及装置、无人机 Download PDFInfo
- Publication number
- CN107465855A CN107465855A CN201710726305.4A CN201710726305A CN107465855A CN 107465855 A CN107465855 A CN 107465855A CN 201710726305 A CN201710726305 A CN 201710726305A CN 107465855 A CN107465855 A CN 107465855A
- Authority
- CN
- China
- Prior art keywords
- information
- scene
- unmanned plane
- degree
- image
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000005375 photometry Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 230000005055 memory storage Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/57—Mechanical or electrical details of cameras or camera modules specially adapted for being embedded in other devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/48—Matching video sequences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/67—Focus control based on electronic image sensor signals
Abstract
本发明公开了一种图像的拍摄方法及装置、无人机，该方法包括：从无人机采集的视频图像数据中获取特征图片；从所述特征图片中提取出至少一个场景对应的场景信息；将所述场景信息与在所述无人机的特征数据库中预存的目标物体信息进行匹配运算，得到匹配结果；根据所述匹配结果，确定所述特征图片的对焦区域和/或曝光区域；基于确定出的所述特征图片的对焦区域和/或曝光区域进行拍摄操作。根据本发明的一个实施例，实现了对满足用户需求的目标物体的自动对焦和/或曝光，提升了用户的体验。
Description
技术领域
本发明涉及无人机技术领域，更具体地，涉及一种图像的拍摄方法及装置、无人机。
背景技术
目前，无人机集成有摄像装置，可用于图像拍摄、勘测等技术领域。
在相关技术中，无人机配置的图像采集模块，主要是针对拍摄场景的整体区域进行自动对焦和自动曝光，或者，针对拍摄场景的中心区域进行自动对焦和自动曝光。当目标物体较小时，无人机可能会对焦到拍摄场景的其他区域，即目标物体不在对焦的区域内，这样会造成拍摄的目标物体比较模糊。另外，当目标物体与拍摄场景的背景的光线条件相差较大时，拍摄得到的目标物体会出现过亮或者过暗的情况，进而导致拍摄的目标物体不清晰。
因此，需要提供一种新的技术方案，针对上述现有技术中的技术问题进行改进。
发明内容
本发明的一个目的是提供一种图像的拍摄方法的新技术方案。
根据本发明的第一方面，提供了一种图像的拍摄方法，包括：
从无人机采集的视频图像数据中获取特征图片；
从所述特征图片中提取出至少一个场景对应的场景信息；
将所述场景信息与在所述无人机的特征数据库中预存的目标物体信息进行匹配运算，得到匹配结果；
根据所述匹配结果，确定所述特征图片的对焦区域和/或曝光区域；
基于确定出的所述特征图片的对焦区域和/或曝光区域进行拍摄操作。
可选地，从无人机采集的视频图像数据中获取特征图片，包括：
从所述无人机采集的每秒对应的视频图像数据中选取至少一个帧对应的图片作为特征图片。
可选地，所述匹配结果为所述场景信息与在所述无人机的特征数据库中预存的目标物体信息的相关性程度值，
根据所述匹配结果，确定所述特征图片的对焦区域和/或曝光区域，包括：
在所述匹配结果超过预设的所述场景信息与在所述无人机的特征数据库中预存的目标物体信息的相关性程度阈值的情况下，将所述特征图片的对焦区域和/或曝光区域设置为所述场景信息对应的场景区域。
可选地，所述场景信息至少包括场景的颜色特征信息、场景的纹理特征信息和场景的形状特征信息；
所述目标物体信息至少包括目标物体的颜色特征信息、目标物体的纹理特征信息和目标物体的形状特征信息。
可选地，将所述场景信息与在所述无人机的特征数据库中预存的目标物体信息进行匹配运算，得到匹配结果，包括：
将所述场景信息中的颜色特征信息与所述目标物体的颜色特征信息进行匹配运算，得到第一相关性程度值；
将所述场景信息中的纹理特征信息与所述目标物体的纹理特征信息进行匹配运算，得到第二相关性程度值；
将所述场景信息中的形状特征信息与所述目标物体的形状特征信息进行匹配运算，得到第三相关性程度值。
可选地，根据所述匹配结果，确定所述特征图片的对焦区域和/或曝光区域，包括：
在所述第一相关性程度值超过预设的所述场景信息中的颜色特征信息与所述目标物体的颜色特征信息的相关性程度阈值，所述第二相关性程度值超过预设的所述场景信息中的纹理特征信息与所述目标物体的纹理特征信息的相关性程度阈值，且所述第三相关性程度值超过预设的所述场景信息中的形状特征信息与所述目标物体的形状特征信息的相关性程度阈值时，将所述特征图片的对焦区域和/或曝光区域设置为所述场景信息对应的场景区域；或者，
在所述第一相关性程度值、所述第二相关性程度值和所述第三相关性程度值进行相加运算得到的相关性程度值超过所述预设的所述场景信息与在所述无人机的特征数据库中预存的目标物体信息的相关性程度阈值的情况下，将所述特征图片的对焦区域和/或曝光区域设置为所述场景信息对应的场景区域。
可选地，基于确定出的所述特征图片的曝光区域进行拍摄操作，包括：
对所述曝光区域进行测光，得到测光结果；
根据所述测光结果，确定所述无人机进行拍摄操作时的曝光方式。
根据本发明的第二方面，提供了一种图像的拍摄装置，包括：
获取模块，用于从无人机采集的视频图像数据中获取特征图片；
提取模块，用于从所述特征图片中提取出至少一个场景对应的场景信息；
匹配运算模块，用于将所述场景信息与在所述无人机的特征数据库中预存的目标物体信息进行匹配运算，得到匹配结果；
确定模块，用于根据所述匹配结果，确定所述特征图片的对焦区域和/或曝光区域；
拍摄模块，用于基于确定出的所述特征图片的对焦区域和/或曝光区域进行拍摄操作。
根据本发明的第三方面，提供了一种图像的拍摄装置，包括存储器和处理器，其中，所述存储器存储可执行指令，当无人机运行时，所述可执行指令控制所述处理器进行操作以执行上述任何一项所述的图像的拍摄方法。
根据本发明的第四方面，提供了一种无人机，包括如上述任一所述的图像的拍摄装置。
本发明提供的图像的拍摄方法及装置、无人机，通过从无人机拍摄的视频图像数据中提取特征图片，从特征图片中识别出至少一个场景对应的场景信息，将场景信息与在无人机的特征数据库中预存的目标物体信息进行匹配运算，得到匹配结果，根据匹配结果确定特征图片的对焦区域和/或曝光区域，实现了对满足用户需求的目标物体的自动对焦和/或曝光，对满足用户需求的目标物体的自动对焦，可提高目标物体的成像清晰度，对满足用户需求的目标物体的曝光，避免了拍摄的目标物体曝光过度或者曝光不足的问题，提升了用户的体验。
通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。
图1示出了根据本发明一个实施例的图像的拍摄方法的处理流程图。
图2示出了根据本发明一个实施例的图像的拍摄方法的另一种处理流程图。
图3示出了根据本发明一个实施例的图像的拍摄装置的结构示意图。
图4示出了根据本发明一个实施例的图像的拍摄装置的另一种结构示意图。
图5示出了根据本发明一个实施例的无人机的结构示意图。
图6示出了根据本发明一个实施例的无人机机的另一种结构示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
本发明的一个实施例提供了一种图像的拍摄方法。图1示出了根据本发明一个实施例的图像的拍摄方法的处理流程图。参见图1，该方法至少包括以下步骤S101至步骤S105。
步骤S101，从无人机采集的视频图像数据中提取特征图片；
步骤S102，从特征图片中识别出至少一个场景对应的场景信息；
步骤S103，将场景信息与在无人机的特征数据库中预存的目标物体信息进行匹配运算，得到匹配结果；
步骤S104，根据匹配结果，确定特征图片的对焦区域和/或曝光区域；
步骤S105，基于确定出的特征图片的对焦区域和/或曝光区域进行拍摄操作。
本发明提供的图像的拍摄方法中，通过从无人机拍摄的视频图像数据中提取特征图片，从特征图片中识别出至少一个场景对应的场景信息，将场景信息与在无人机的特征数据库中预存的目标物体信息进行匹配运算，得到匹配结果，根据匹配结果确定特征图片的对焦区域和/或曝光区域，实现了对满足用户需求的目标物体的自动对焦和/或曝光，对满足用户需求的目标物体的自动对焦，可提高目标物体的成像清晰度，对满足用户需求的目标物体的曝光，避免了拍摄的目标物体曝光过度或者曝光不足的问题，提升了用户的体验。
本发明的一个实施例中，无人机采集场景对应的视频图像的过程是一个实时的过程。无人机采集的视频图像数据是由一张张连续的图片组成的。帧是指视频图像中最小单位的单幅影像画面。一帧就是一幅静止的影像画面，连续的帧就形成视频影像。帧率是指一秒钟时间里的影像画面的数量。通常地，帧率为25帧，或者30帧。本发明实施例中，从无人机拍摄的视频图像数据中提取特征图片，优选为从无人机采集的每秒对应的视频图像数据中选取至少一个帧对应的图片作为特征图片。例如，当帧率为25帧时，从每秒对应的25张图片中选取一张图片作为特征图片，或者，从每秒对应的25张图片中选取两张图片作为特征图片，或者，从每秒对应的25张图片中选取五张图片作为特征图片，对此，本发明并不做出任何限定。
本发明的一个实施例中，特征图片可仅包括有一个场景，或者，特征图片可包括有多个场景。在特征图片仅包括有一个场景的情况下，从该特征图片中提取该场景对应的场景信息。在特征图片包括有多个场景时，从该特征图片中分别提取出各场景对应的场景信息。例如，特征图片仅包括有树木这一个场景时，从该特征图片中提取出树木对应的场景信息。再例如，特征图片包括有树木、河流、白塔三个场景时，从该特征图片中提取出树木对应的场景信息、河流对应的场景信息和白塔对应的场景信息。
本发明实施例涉及的场景信息至少包括：场景的颜色特征信息、场景的纹理特征信息和场景的形状特征信息。目标物体为满足用户需求的拍摄对象。目标物体信息至少包括：目标物体的颜色特征信息、目标物体的纹理特征信息和目标物体的形状特征信息。
颜色特征是基于像素点的特征。颜色特征信息为该场景对应的像素点特征。具体地，场景对应的颜色特征信息和目标物体的颜色特征信息可采用下列任一种方式进行描述：颜色直方图、颜色集、颜色矩和颜色聚合向量。
纹理特征是在包含多个像素点的区域中进行统计计算。具体地，场景对应的纹理特征信息和目标物体对应的纹理特征信息可采用下列任一种方式进行描述：统计方法、几何法、模型法和信号处理法。
形状特征是针对物体的外边界的轮廓特征。具体地，场景对应的形状特征信息和目标物体对应的颜色特征信息可采用下列任一种方式进行描述：边界特征法、傅里叶形状描述法、几何参数法和形状不变矩法。
本发明的一个实施例中，上述匹配结果为某一场景信息与在无人机的特征数据库中预存的目标物体信息的相关性程度值。
在从特征图片中提取出至少一个场景对应的场景信息之后，本发明的一个实施例中，将场景信息中的颜色特征信息与无人机的特征数据库中预存的目标物体的颜色特征信息进行匹配运算，得到第一相关性程度值；将场景信息中的纹理特征信息与无人机的特征数据库中预存的目标物体的纹理特征信息进行匹配运算，得到第二相关性程度值；将场景信息中的形状特征信息与无人机的特征数据库中预存的目标物体的形状特征信息进行匹配运算，得到第三相关性程度值。需要说明地是，第一匹配结果是场景信息中的颜色特征信息与目标物体的颜色特征信息的相关性程度值，第二匹配结果是场景信息中的纹理特征信息与目标物体的纹理特征信息的相关性程度值，第三匹配结果是场景信息中的形状特征信息与目标物体的形状特征信息的相关性程度值。
本发明的一个实施例中，在上述步骤S103运算得到的匹配结果超过预设的场景信息与在无人机的特征数据库中预存的目标物体信息的相关性程度阈值的情况下，将特征图片的对焦区域和/或曝光区域设置为该匹配结果对应的场景信息对应的场景区域；在上述步骤S103运算得到的匹配结果未超过预设的场景信息与在无人机的特征数据库中预存的目标物体信息的相关性程度阈值的情况下，针对该特征图片的全局区域或者中心区域进行对焦和/或曝光。
以上述第一相关性程度值、第二相关性程度值和第三相关性程度值为例，无人机系统中设置有三个预设阈值，即场景信息中的颜色特征信息与目标物体的颜色特征信息的相关性程度阈值、场景信息中的纹理特征信息与目标物体的纹理特征信息的相关性程度阈值和场景信息中的形状特征信息与目标物体的形状特征信息的相关性程度阈值，在第一相关性程度值超过预设的场景信息中的颜色特征信息与目标物体的颜色特征信息的相关性程度阈值，第二相关性程度值超过预设的场景信息中的颜色特征信息与目标物体的颜色特征信息的相关性程度阈值，且第三相关性程度值超过预设的场景信息中的形状特征信息与目标物体的形状特征信息的相关性程度阈值的情况下，将特征图片的对焦区域和/或曝光区域设置为上述三个相关性程度值对应的场景信息对应的区域。或者，无人机系统中设置有一个预设阈值，即场景信息与在无人机的特征数据库中预存的目标物体信息的相关性程度阈值，首先，对第一相关性程度值、第二相关性程度值、第三相关性程度值进行相加运算，得到相加运算得到的相关性程度值，然后，将相加运算得到的相关性程度值与该预设阈值进行比对，在相加运算得到的相关性程度值超过该预设阈值的情况下，将特征图片的对焦区域和/或曝光区域设置为上述三个相关性程度值对应的场景对应的区域。
本发明的一个实施例中，对确定出的曝光区域进行测光，得到测光结果，然后，根据该测光结果，确定无人机进行拍摄操作的曝光方式，即确定无人机中的光圈和快门的组合方式，这样避免了对目标物体进行拍摄时曝光过度或曝光不足的问题。
下面以一个具体实施例对本发明提供的图像的拍摄方法进行进一步说明。本发明实施例中，用户设定的目标物体为白塔。无人机的特征数据库中预存有白塔对应的特征信息，具体包括白塔对应的颜色特征信息、白塔对应的纹理特征信息和白塔对应的形状特征信息。无人机还预存有一预设阈值，该预设阈值为从特征图片中提取出的场景信息与无人机的特征数据库中预存的白塔对应的特征信息的相关性程度阈值。
图2示出了根据本发明一个实施例的图像的拍摄方法的另一种处理流程图。参见图2，该方法至少包括以下步骤S201至步骤S207。
步骤S201，获取无人机采集的视频图像数据。
步骤S202，从无人机采集的每秒对应的视频图像数据中选取一个帧对应的图片作为特征图片。
步骤S203，从该特征图片中提取出其包括的各场景对应的场景信息。具体地，该特征图片包括有树木、河流和白塔三个场景，从该特征图片中提取树木对应的场景信息、河流对应的场景信息和白塔对应的场景信息。其中，树木对应的场景信息包括树木对应的颜色特征信息、树木对应的纹理特征信息和树木对应的形状特征信息；河流对应的场景信息包括河流对应的颜色特征信息、河流对应的纹理特征信息和河流对应的形状特征信息；白塔对应的场景信息包括白塔对应的颜色特征信息、白塔对应的纹理特征信息和白塔对应的形状特征信息。
步骤S204，将各场景对应的场景信息分别与无人机的特征数据库中白塔对应的特征信息进行匹配运算，得到多个匹配结果。
具体地，将树木对应的场景信息与无人机的特征数据库中的白塔对应的特征信息进行匹配运算，得到匹配结果A，其中，匹配结果A包括三个相关性程度值，即树木对应的颜色特征信息与无人机的特征数据库中的白塔对应的颜色特征信息进行匹配运算得到的第一相关性程度值，树木对应的纹理特征信息与无人机的特征数据库中的白塔对应的纹理特征信息进行匹配运算得到的第二相关性程度值，树木对应的形状特征信息与无人机的特征数据库中的白塔对应的形状特征信息进行匹配运算得到的第三相关性程度值。将河流对应的场景信息与无人机的特征数据库中的白塔对应的特征信息进行匹配运算，得到匹配结果B，其中，匹配结果B包括三个相关性程度值，即河流对应的颜色特征信息与无人机的特征数据库中的白塔对应的颜色特征信息进行匹配运算得到第四相关性程度值，河流对应的纹理特征信息与无人机的特征数据库中的白塔对应的纹理特征信息进行匹配运算得到的第五相关性程度值，河流对应的形状特征信息与无人机的特征数据库中的白塔对应的形状特征信息进行匹配运算得到的第六相关性程度值。将白塔对应的场景信息与无人机的特征数据库中的白塔对应的特征信息进行匹配运算，得到匹配结果C，其中，匹配结果C包括三个相关性程度值，即白塔对应的颜色特征信息与无人机的特征数据库中的白塔对应的颜色特征信息进行匹配运算得到第七相关性程度值，白塔对应的纹理特征信息与无人机的特征数据库中的白塔对应的纹理特征信息进行匹配运算得到的第八相关性程度值，白塔对应的形状特征信息与无人机的特征数据库中的白塔对应的形状特征信息进行匹配运算得到的第九相关性程度值。
步骤S205，判断多个匹配结果中是否存在超过在无人机中预存的预设阈值的匹配结果。
具体地，将匹配结果A包括的第一相关性程度值、第二相关性程度值和第三相关性程度值进行相加运算，将相加运算后的相关性程度值与无人机预存的预设阈值进行比对，比对结果是其并没有超过无人机预存的预设阈值。将匹配结果B包括的第四相关性程度值、第五相关性程度值和第六相关性程度值进行相加运算，将相加运算后的相关性程度值与无人机预存的预设阈值进行比对，比对结果是其并没有超过无人机预存的预设阈值。将匹配结果C包括的第七相关性程度值、第八相关性程度值和第九相关性程度值进行相加运算，将相加运算后的相关性程度值与无人机预存的预设阈值进行比对，比对结果是其超过无人机预存的预设阈值。
若步骤S205的执行结果为是，则执行步骤S206，将特征图片的对焦区域和/或曝光区域设置为超过预设阈值的匹配结果对应的区域。本发明实施例中，匹配结果C超过无人机预存的预设阈值，则将特征图片的对焦区域和/曝光区域设置为匹配结果C对应的场景区域。
若步骤S205的执行结果为否，则执行步骤S207，针对该特征图片的全局区域或者中心区域进行对焦和/或曝光。
步骤S208，基于确定出的对焦区域和/或曝光区域进行拍摄操作。
基于同一发明构思，本发明提供了一种图像的拍摄装置。图3示出了根据本发明一个实施例的图像的拍摄装置的结构示意图。参见图3，该装置至少包括：获取模块310，用于从无人机采集的视频图像数据中获取特征图片；提取模块320，用于从特征图片中提取出至少一个场景对应的场景信息；匹配运算模块330，用于将场景信息与在无人机的特征数据库中预存的目标物体信息进行匹配运算，得到匹配结果；确定模块340，用于根据匹配结果，确定特征图片的对焦区域和/或曝光区域；拍摄模块350，基于确定出的特征图片的对焦区域和/或曝光区域进行拍摄操作。
本发明实施例涉及的场景信息至少包括：场景的颜色特征信息、场景的纹理特征信息和场景的形状特征信息。目标物体为满足用户需求的拍摄对象。目标物体信息至少包括：目标物体的颜色特征信息、目标物体的纹理特征信息和目标物体的形状特征信息。
图4示出了根据本发明一个实施例的图像的拍摄装置的另一种结构示意图。参见图4，该装置至少包括：存储器420和处理器410，其中，存储器420存储可执行指令，当无人机运行时，可执行指令控制处理器410进行操作以执行上述任何一项的图像的拍摄方法。
基于同一发明构思，本发明提供了一种无人机。图5示出了根据本发明一个实施例的无人机的结构示意图。参见图5，无人机500至少包括上述任一实施例所述的图像的拍摄装置510。
图6示出了根据本发明一个实施例的无人机机的另一种结构示意图。参见图6，无人机600至少包括处理器610、存储器620、接口装置630、通信装置640、摄像装置650、定位装置660等等。
处理器610例如可以是中央处理器CPU、微处理器MCU等。
存储器620例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。
接口装置630例如包括USB接口等。
通信装置640例如能够进行有有线或无线通信。
图6所示的无人机仅是解释性的，并且决不是为了要限制本发明、其应用或用途。
在这个实施例中，所述存储器620用于存储指令，所述指令用于控制所述处理器610进行操作以上述任一实施例所示的图像的拍摄方法。
本领域技术人员应当理解，尽管在图6中示出了多个装置，但是，本发明可以仅涉及其中的部分装置，例如，处理器610和存储器620等。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、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、程序段或指令的一部分，所述模块、程序段或指令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。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，两个连续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动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。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。
Claims (10)
1.一种图像的拍摄方法，其特征在于，包括：
从无人机采集的视频图像数据中获取特征图片；
从所述特征图片中提取出至少一个场景对应的场景信息；
将所述场景信息与在所述无人机的特征数据库中预存的目标物体信息进行匹配运算，得到匹配结果；
根据所述匹配结果，确定所述特征图片的对焦区域和/或曝光区域；
基于确定出的所述特征图片的对焦区域和/或曝光区域进行拍摄操作。
2.根据权利要求1所述的方法，其特征在于，从无人机采集的视频图像数据中获取特征图片，包括：
从所述无人机采集的每秒对应的视频图像数据中选取至少一个帧对应的图片作为特征图片。
3.根据权利要求1所述的方法，其特征在于，所述匹配结果为所述场景信息与在所述无人机的特征数据库中预存的目标物体信息的相关性程度值，
根据所述匹配结果，确定所述特征图片的对焦区域和/或曝光区域，包括：
在所述匹配结果超过预设的所述场景信息与在所述无人机的特征数据库中预存的目标物体信息的相关性程度阈值的情况下，将所述特征图片的对焦区域和/或曝光区域设置为所述场景信息对应的场景区域。
4.根据权利要求1-3任一所述的方法，其特征在于，所述场景信息至少包括场景的颜色特征信息、场景的纹理特征信息和场景的形状特征信息；
所述目标物体信息至少包括目标物体的颜色特征信息、目标物体的纹理特征信息和目标物体的形状特征信息。
5.根据权利要求4所述的方法，其特征在于，
将所述场景信息与在所述无人机的特征数据库中预存的目标物体信息进行匹配运算，得到匹配结果，包括：
将所述场景信息中的颜色特征信息与所述目标物体的颜色特征信息进行匹配运算，得到第一相关性程度值；
将所述场景信息中的纹理特征信息与所述目标物体的纹理特征信息进行匹配运算，得到第二相关性程度值；
将所述场景信息中的形状特征信息与所述目标物体的形状特征信息进行匹配运算，得到第三相关性程度值。
6.根据权利要求5所述的方法，其特征在于，根据所述匹配结果，确定所述特征图片的对焦区域和/或曝光区域，包括：
在所述第一相关性程度值超过预设的所述场景信息中的颜色特征信息与所述目标物体的颜色特征信息的相关性程度阈值，所述第二相关性程度值超过预设的所述场景信息中的纹理特征信息与所述目标物体的纹理特征信息的相关性程度阈值，且所述第三相关性程度值超过预设的所述场景信息中的形状特征信息与所述目标物体的形状特征信息的相关性程度阈值时，将所述特征图片的对焦区域和/或曝光区域设置为所述场景信息对应的场景区域；或者，
在所述第一相关性程度值、所述第二相关性程度值和所述第三相关性程度值进行相加运算得到的相关性程度值超过预设的所述场景信息与在所述无人机的特征数据库中预存的目标物体信息的相关性程度阈值的情况下，将所述特征图片的对焦区域和/或曝光区域设置为所述场景信息对应的场景区域。
7.根据权利要求1所述的方法，其特征在于，基于确定出的所述特征图片的曝光区域进行拍摄操作，包括：
对所述曝光区域进行测光，得到测光结果；
根据所述测光结果，确定所述无人机进行拍摄操作时的曝光方式。
8.一种图像的拍摄装置，其特征在于，包括：
获取模块，用于从无人机采集的视频图像数据中获取特征图片；
提取模块，用于从所述特征图片中提取出至少一个场景对应的场景信息；
匹配运算模块，用于将所述场景信息与在所述无人机的特征数据库中预存的目标物体信息进行匹配运算，得到匹配结果；
确定模块，用于根据所述匹配结果，确定所述特征图片的对焦区域和/或曝光区域；
拍摄模块，用于基于确定出的所述特征图片的对焦区域和/或曝光区域进行拍摄操作。
9.一种图像的拍摄装置，其特征在于，包括存储器和处理器，其中，所述存储器存储可执行指令，当无人机运行时，所述可执行指令控制所述处理器进行操作以执行根据权利要求1-7中的任何一项所述的图像的拍摄方法。
10.一种无人机，其特征在于，包括如权利要求9所述的图像的拍摄装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710726305.4A CN107465855B (zh) | 2017-08-22 | 2017-08-22 | 图像的拍摄方法及装置、无人机 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710726305.4A CN107465855B (zh) | 2017-08-22 | 2017-08-22 | 图像的拍摄方法及装置、无人机 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107465855A true CN107465855A (zh) | 2017-12-12 |
| CN107465855B CN107465855B (zh) | 2020-05-29 |
Family
ID=60550390
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710726305.4A Active CN107465855B (zh) | 2017-08-22 | 2017-08-22 | 图像的拍摄方法及装置、无人机 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107465855B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109241820A (zh) * | 2018-07-10 | 2019-01-18 | 北京二郎神科技有限公司 | 基于空间探索的无人机自主拍摄方法 |
| CN110572573A (zh) * | 2019-09-17 | 2019-12-13 | Oppo广东移动通信有限公司 | 对焦方法和装置、电子设备、计算机可读存储介质 |
| WO2020019295A1 (zh) * | 2018-07-27 | 2020-01-30 | 深圳市大疆创新科技有限公司 | 图像获取方法、成像装置及拍摄系统 |
| WO2021026855A1 (zh) * | 2019-08-15 | 2021-02-18 | 深圳市大疆创新科技有限公司 | 基于机器视觉的图像处理方法和设备 |
| CN112585945A (zh) * | 2020-02-26 | 2021-03-30 | 深圳市大疆创新科技有限公司 | 对焦方法、装置及设备 |
| CN114666505A (zh) * | 2022-03-24 | 2022-06-24 | 臻迪科技股份有限公司 | 控制无人机拍摄的方法和系统以及无人机系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101789005A (zh) * | 2010-01-22 | 2010-07-28 | 深圳创维数字技术股份有限公司 | 一种基于感兴趣区域的图像检索方法 |
| CN101911670A (zh) * | 2008-01-07 | 2010-12-08 | 摩托罗拉公司 | 使用存储对象识别的数码相机对焦 |
| CN102509307A (zh) * | 2011-10-12 | 2012-06-20 | 西安理工大学 | 针对运动目标的基于经纬度定位和图像配准的查找方法 |
| CN103888655A (zh) * | 2012-12-21 | 2014-06-25 | 联想(北京)有限公司 | 一种拍照方法及电子设备 |
| CN104079812A (zh) * | 2013-03-25 | 2014-10-01 | 联想(北京)有限公司 | 一种图像信息获取方法及装置 |
| US20160004923A1 (en) * | 2014-07-01 | 2016-01-07 | Brain Corporation | Optical detection apparatus and methods |
-
2017
- 2017-08-22 CN CN201710726305.4A patent/CN107465855B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101911670A (zh) * | 2008-01-07 | 2010-12-08 | 摩托罗拉公司 | 使用存储对象识别的数码相机对焦 |
| CN101789005A (zh) * | 2010-01-22 | 2010-07-28 | 深圳创维数字技术股份有限公司 | 一种基于感兴趣区域的图像检索方法 |
| CN102509307A (zh) * | 2011-10-12 | 2012-06-20 | 西安理工大学 | 针对运动目标的基于经纬度定位和图像配准的查找方法 |
| CN103888655A (zh) * | 2012-12-21 | 2014-06-25 | 联想(北京)有限公司 | 一种拍照方法及电子设备 |
| CN104079812A (zh) * | 2013-03-25 | 2014-10-01 | 联想(北京)有限公司 | 一种图像信息获取方法及装置 |
| US20160004923A1 (en) * | 2014-07-01 | 2016-01-07 | Brain Corporation | Optical detection apparatus and methods |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109241820A (zh) * | 2018-07-10 | 2019-01-18 | 北京二郎神科技有限公司 | 基于空间探索的无人机自主拍摄方法 |
| CN109241820B (zh) * | 2018-07-10 | 2020-11-27 | 北京二郎神科技有限公司 | 基于空间探索的无人机自主拍摄方法 |
| WO2020019295A1 (zh) * | 2018-07-27 | 2020-01-30 | 深圳市大疆创新科技有限公司 | 图像获取方法、成像装置及拍摄系统 |
| CN110754080A (zh) * | 2018-07-27 | 2020-02-04 | 深圳市大疆创新科技有限公司 | 图像获取方法、成像装置及拍摄系统 |
| WO2021026855A1 (zh) * | 2019-08-15 | 2021-02-18 | 深圳市大疆创新科技有限公司 | 基于机器视觉的图像处理方法和设备 |
| CN110572573A (zh) * | 2019-09-17 | 2019-12-13 | Oppo广东移动通信有限公司 | 对焦方法和装置、电子设备、计算机可读存储介质 |
| CN112585945A (zh) * | 2020-02-26 | 2021-03-30 | 深圳市大疆创新科技有限公司 | 对焦方法、装置及设备 |
| CN114666505A (zh) * | 2022-03-24 | 2022-06-24 | 臻迪科技股份有限公司 | 控制无人机拍摄的方法和系统以及无人机系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107465855B (zh) | 2020-05-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107465855A (zh) | 图像的拍摄方法及装置、无人机 | |
| CN110428366A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| CN108280822A (zh) | 屏幕划痕的检测方法及装置 | |
| CN108288027A (zh) | 一种图像质量的检测方法、装置及设备 | |
| CN109791688A (zh) | 曝光相关的亮度变换 | |
| EP3631754A1 (en) | Image processing apparatus and method | |
| CN108198177A (zh) | 图像获取方法、装置、终端及存储介质 | |
| WO2014117568A1 (en) | Method and device for performing transition between street view images | |
| WO2021139494A1 (zh) | 基于单目摄像头的动物体在线核赔方法、装置及存储介质 | |
| CN109978805A (zh) | 拍照处理方法、装置、移动终端以及存储介质 | |
| AU2019309552B2 (en) | Method and data-processing system for synthesizing images | |
| CN111160261A (zh) | 用于自动售货柜的样本图像标注方法、装置及存储介质 | |
| CN109493297B (zh) | 低质量人脸图像增强方法、系统、设备及存储介质 | |
| CN109819176A (zh) | 一种拍摄方法、系统、装置、电子设备及存储介质 | |
| CN108182746A (zh) | 控制系统、方法和装置 | |
| CN110611768B (zh) | 多重曝光摄影方法及装置 | |
| CN110276831B (zh) | 三维模型的建构方法和装置、设备、计算机可读存储介质 | |
| CN113592726A (zh) | 高动态范围成像方法、装置、电子设备和存储介质 | |
| CN107959798A (zh) | 视频数据实时处理方法及装置、计算设备 | |
| Qiao et al. | Light source guided single-image flare removal from unpaired data | |
| Huang et al. | Temporally coherent video harmonization using adversarial networks | |
| CN109146798A (zh) | 图像细节增强方法 | |
| Ouyang et al. | Neural camera simulators | |
| CN115049675A (zh) | 生成区域确定及光斑生成方法、设备、介质及程序产品 | |
| CN112969032A (zh) | 光照模式识别方法、装置、计算机设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Image shooting method and device, UAV Effective date of registration: 20230223 Granted publication date: 20200529 Pledgee: Societe Generale Bank Co.,Ltd. Qingpu Branch of Shanghai Pledgor: Goertek Robotics Co.,Ltd. Registration number: Y2023980033342 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Granted publication date: 20200529 Pledgee: Societe Generale Bank Co.,Ltd. Qingpu Branch of Shanghai Pledgor: Goertek Robotics Co.,Ltd. Registration number: Y2023980033342 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Image shooting methods and devices, drones Granted publication date: 20200529 Pledgee: Societe Generale Bank Co.,Ltd. Qingpu Branch of Shanghai Pledgor: Goertek Robotics Co.,Ltd. Registration number: Y2024980006488 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |