CN111540018A - 相机对称布局模式的得分计算方法及相关设备 - Google Patents
相机对称布局模式的得分计算方法及相关设备 Download PDFInfo
- Publication number
- CN111540018A CN111540018A CN202010345596.4A CN202010345596A CN111540018A CN 111540018 A CN111540018 A CN 111540018A CN 202010345596 A CN202010345596 A CN 202010345596A CN 111540018 A CN111540018 A CN 111540018A
- Authority
- CN
- China
- Prior art keywords
- camera
- score
- symmetrical
- visibility
- visual field
- 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
Images
Classifications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
Abstract
本发明涉及运动捕捉领域,公开了一种相机对称布局模式的得分计算方法及相关设备,用于提高运动区域的可见性得分的计算效率。相机对称布局模式的得分计算方法包括:获取光学运动捕捉场景,光学运动捕捉场景包括呈中心对称分布的桁架和目标运动区域,桁架上对称布局多个相机;对目标运动区域进行区域划分,得到四个对称区域和一个十字交叉线;基于每个相机的视野范围对任意一个对称区域进行得分计算,得到四个对称区域的可见性得分;基于每个相机的视野范围对十字交叉线进行得分计算,得到十字交叉线的可见性得分;对四个对称区域的可见性得分和十字交叉线的可见性得分进行求和计算,得到目标运动区域的总得分。
Description
技术领域
本发明涉及运动捕捉领域,尤其涉及一种相机对称布局模式的得分计算方法及相关设备。
背景技术
传统布局模式单一,只能在外围最上面一层桁架布局,如果场景增大,则需要开发更远距离的光学相机,不能利用已有的相机,而且开发本身就是一个耗时的工作。因此可以根据场景规模和相机类型,将场地划分不同区域、在中间增设新的桁架。
另外对于大型甚至超大型场景,通常需要安装上百台相机,如果为每一台相机都去计算最优位置,则将是一个旷日持久的计算过程。于是提出了一种对称布局模式,包括四相机对称模式和八相机对称模式。在这些模式下,每四台相机或八台相机为一簇,只有确定一台相机的位置,另外三台或七台的位置就确定了。在现有技术中,一般采用计算可见性得分来确定对称布局模式下相机安装位置是否为最优位置,但在对称布局模式下,通常将目标捕捉区域作为整体计算可见性得分,存在计算效率较低的问题。
发明内容
本发明的主要目的在于解决现有的相机对称布局模式计算可见性得分效率较低的问题。
本发明第一方面提供了一种相机对称布局模式的得分计算方法,包括:获取光学运动捕捉场景,所述光学运动捕捉场景包括呈中心对称分布的桁架和目标运动区域,所述桁架上对称布局多个相机;对所述目标运动区域进行区域划分,得到四个对称区域和一个十字交叉线;获取每个相机的视野范围,并采用每个相机的视野范围对任意一个对称区域进行得分计算,得到四个对称区域的可见性得分;按照每个相机的视野范围对所述十字交叉线进行得分计算,得到十字交叉线的可见性得分;对所述四个对称区域的可见性得分和所述十字交叉线的可见性得分进行求和计算,得到目标运动区域的总得分。
可选的,在本发明第一方面的第一种实现方式中,所述对所述目标运动区域进行区域划分,得到四个对称区域和一个十字交叉线,包括:从所述光学运动捕捉场景中确定中心对称点;基于所述中心对称点对所述目标运动区域进行四等分区域划分,得到四个对称区域和一个十字交叉线。
可选的,在本发明第一方面的第二种实现方式中,所述获取每个相机的视野范围,并采用每个相机的视野范围对任意一个对称区域进行得分计算,得到四个对称区域的可见性得分,包括:对任意一个对称区域按照预置网格精度进行离散化处理,得到多个离散点;获取每个相机的视野范围,并采用每个相机的视野范围对所述多个离散点进行筛选,得到多个采样点;根据所述多个采样点进行得分计算,得到四个对称区域的可见性得分。
可选的,在本发明第一方面的第三种实现方式中,所述获取每个相机的视野范围,并采用每个相机的视野范围对所述多个离散点进行筛选,得到多个采样点,包括:获取每个相机的视野范围和所述多个离散点中目标离散点的位置信息;判断所述目标离散点的位置信息是否位于至少两个相机的视野范围内;若所述目标离散点的位置信息位于至少两个相机的视野范围内,则保留所述目标离散点;若所述目标离散点的位置信息位于至多一个相机的视野范围内,则剔除所述目标离散点;当所述多个离散点全部被处理完时,将保留的多个目标离散点确定为多个采样点。
可选的,在本发明第一方面的第四种实现方式中,所述根据所述多个采样点进行得分计算,得到四个对称区域的可见性得分,包括:对所述多个采样点进行数量统计,得到采样点数目;对预设点分值和所述采样点数目进行乘法运算,得到任意一个对称区域的可见性得分;将所述任意一个对称区域的可见性得分乘以4,得到四个对称区域的可见性得分。
可选的,在本发明第一方面的第五种实现方式中,所述按照每个相机的视野范围对所述十字交叉线进行得分计算,得到十字交叉线的可见性得分,包括:对所述十字交叉线对应的区域进行离散化处理,得到多个划分点;按照每个相机的视野范围和所述多个划分点进行得分计算,得到十字交叉线的可见性得分。
本发明第二方面提供了一种相机对称布局模式的得分计算装置,包括:获取模块,用于获取光学运动捕捉场景,所述光学运动捕捉场景包括呈中心对称分布的桁架和目标运动区域,所述桁架上对称布局多个相机;划分模块,用于对所述目标运动区域进行区域划分,得到四个对称区域和一个十字交叉线;第一计算模块,用于获取每个相机的视野范围,并采用每个相机的视野范围对任意一个对称区域进行得分计算,得到四个对称区域的可见性得分;第二计算模块,用于按照每个相机的视野范围对所述十字交叉线进行得分计算,得到十字交叉线的可见性得分;第三计算模块,用于对所述四个对称区域的可见性得分和所述十字交叉线的可见性得分进行求和计算,得到目标运动区域的总得分。
可选的,在本发明第二方面的第一种实现方式中,所述划分模块具体用于:从所述光学运动捕捉场景中确定中心对称点;基于所述中心对称点对所述目标运动区域进行四等分区域划分,得到四个对称区域和一个十字交叉线。
可选的,在本发明第二方面的第二种实现方式中,所述第一计算模块包括:处理单元,用于对任意一个对称区域按照预置网格精度进行离散化处理,得到多个离散点;筛选单元,用于获取每个相机的视野范围,并采用每个相机的视野范围对所述多个离散点进行筛选,得到多个采样点;计算单元,用于根据所述多个采样点进行得分计算,得到四个对称区域的可见性得分。
可选的,在本发明第二方面的第三种实现方式中,所述筛选单元具体用于:获取每个相机的视野范围和所述多个离散点中目标离散点的位置信息;判断所述目标离散点的位置信息是否位于至少两个相机的视野范围内;若所述目标离散点的位置信息位于至少两个相机的视野范围内,则保留所述目标离散点;若所述目标离散点的位置信息位于至多一个相机的视野范围内,则剔除所述目标离散点;当所述多个离散点全部被处理完时,将保留的多个目标离散点确定为多个采样点。
可选的,在本发明第二方面的第四种实现方式中,所述计算单元具体用于:对所述多个采样点进行数量统计,得到采样点数目:对预设点分值和所述采样点数目进行乘法运算,得到任意一个对称区域的可见性得分;将所述任意一个对称区域的可见性得分乘以4,得到四个对称区域的可见性得分。
可选的,在本发明第二方面的第五种实现方式中,所述第二计算模块具体用于:对所述十字交叉线对应的区域进行离散化处理,得到多个划分点;按照每个相机的视野范围和所述多个划分点进行得分计算,得到十字交叉线的可见性得分。
本发明第三方面提供了一种相机对称布局模式的得分计算设备,包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;所述至少一个处理器调用所述存储器中的所述指令,以使得所述相机对称布局模式的得分计算设备执行上述的相机对称布局模式的得分计算方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的相机对称布局模式的得分计算方法。
本发明提供的技术方案中,获取光学运动捕捉场景,所述光学运动捕捉场景包括呈中心对称分布的桁架和目标运动区域,所述桁架上对称布局多个相机;对所述目标运动区域进行区域划分,得到四个对称区域和一个十字交叉线;获取每个相机的视野范围,并采用每个相机的视野范围对任意一个对称区域进行得分计算,得到四个对称区域的可见性得分;按照每个相机的视野范围对所述十字交叉线进行得分计算,得到十字交叉线的可见性得分;对所述四个对称区域的可见性得分和所述十字交叉线的可见性得分进行求和计算,得到目标运动区域的总得分。本发明实施例中,通过对目标运动区域进行四等分划分,得到四个对称区域和一个十字交叉线,基于对称布局的相机视野范围确定任意一个对称区域的可见性得分和十字交叉线的可见性得分,从而获得四个对称区域的可见性得分和目标运动区域的可见性得分,采用对称特性减少计算目标函数的计算量,提高可见性得分的计算效率。
附图说明
图1为本发明实施例中相机对称布局模式的得分计算方法的一个实施例示意图;
图2为本发明实施例中光学运动捕捉场景下区域划分的示意图;
图3为本发明实施例中相机对称布局模式的得分计算方法的另一个实施例示意图;
图4为本发明实施例中相机对称布局模式的得分计算装置的一个实施例示意图;
图5为本发明实施例中相机对称布局模式的得分计算装置的另一个实施例示意图;
图6为本发明实施例中相机对称布局模式的得分计算设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种相机对称布局模式的得分计算方法及相关设备,用于通过对目标运动区域进行四等分划分,得到四个对称区域和一个十字交叉线,基于对称布局的相机视野范围确定任意一个对称区域的可见性得分和十字交叉线的可见性得分,从而获得四个对称区域的可见性得分和目标运动区域的可见性得分,提高可见性得分的计算效率。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中相机对称布局模式的得分计算方法的一个实施例包括:
101、获取光学运动捕捉场景,光学运动捕捉场景包括呈中心对称分布的桁架和目标运动区域,桁架上对称布局多个相机。
其中,光学式运动捕捉场景通过预先部署在桁架上的相机对目标运动区域中的目标对象进行监视和跟踪,进而完成运动捕捉的任务。目前常见的光学运动捕捉大多数居于计算机视觉原理。如图2所示,其中,目标运动区域 202和桁架201为两个同心对称区域,桁架201高于目标运动区域202,多个相机等间距对称分布在桁架上,例如,对称分布的四相机或者八相机。
需要说明的是,桁架可以为单层桁架、两层桁架或者多层桁架,每层桁架的高度不同,例如,两层桁架的长度和宽度分别为8米和6米第一层桁架的高度为10米,第二层桁架的高度为5米。
可以理解的是,本发明的执行主体可以为相机对称布局模式的得分计算装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
102、对目标运动区域进行区域划分,得到四个对称区域和一个十字交叉线。
具体的,服务器基于目标运动区域和桁架建立三维空间坐标系,其中,坐标原点可以设置为桁架的任意一个顶点,也可以设置为目标运动区域的任意一个顶点;服务器三维空间坐标系确定获取目标运动区域的四个顶点的位置信息;服务器根据目标运动区域的四个顶点的位置信息进行区域划分。进一步地,服务器根据各相邻顶点的坐标确定各连接边的中心点的位置信息,并基于各连接边的中心点的位置信息将目标运动区域划分为四个对称区域和一个十字交叉线,也就是,四个对称区域为采用十字交叉线分割的彼此隔离区域。例如,如图2所示,a1、a2、a3、a4为对称布局模式的相机,服务器采用预设图形函数对目标运动区域202进行区域划分以后,得到四个对称区域B、C、D和E,和一个十字交叉线F,其中,B、C、D和E的大小和形状一致,B、C、D和E可以为正方形,也可以为长方形,具体此处不做限定,十字交叉线对应的区域F采用具有预设尺寸的两个长方形交叉构成。
需要说明的是,服务器对目标运动区域进行区域划分,也就是对按照目标运动区域为基准的整个立体空间区域划分,立体空间可以是正方体,也可以是长方体,具体此处不做限定。
103、获取每个相机的视野范围,并采用每个相机的视野范围对任意一个对称区域进行得分计算,得到四个对称区域的可见性得分。
其中,每个相机的视野范围是指相机的水平视场角FOVX,任意一个对称区域为一个立体空间区域。进一步地,服务器对任意一个对称区域进行离散处理,得到离散点云,离散点云包括多个离散点,例如,服务器对A、B、 C和D四个对称区域中的A进行离散处理,如图2所示,服务器对按照斜线标记的左上角对称区域进行离散处理,也可以为其他三个对称区域进行离散处理,具体此处不做限定;服务器遍历离散点云中的每个离散点,并判断每个离散点是否至少能被2个相机检测到,也就是,每个离散点是否在至少2 个相机的视野范围FOVX内;若每个离散点在至少2个相机的视野范围FOVX 内,则标记1分,直到将多个离散点统计完成后,累加所有已标记得分,得到任意一个对称区域的可见性得分,例如,任意一个对称区域的可见性得分为50分;并将该任意一个对称区域的可见性得分与4相乘,得到四个对称区域的可见性得分,例如,四个对称区域的可见性得分为200分。
需要说明的是,由于相机是对称的,四个对称区域也是对称的,所以在任意一个对称区域中的多个离散点,例如,左上区域的多个离散点,等同对称到其他三个区域中,其得分也相同,因此其他三个区域的可见性得分等于左上区域的可见性得分,也就是四个对称区域的可见性得分为任意一个对称区域的可见性得分乘以4。
104、按照每个相机的视野范围对十字交叉线进行得分计算,得到十字交叉线的可见性得分。
具体的,服务器对十字交叉线对应的区域也进行网格划分,得到多个划分点,然后服务器按照每个相机的视野范围对每个划分点进行遍历筛选并进行计分,当每个划分点在至少2个相机的视野范围FOVX内时,标记为1分,当多个划分点全部统计完成时,得到十字交叉线的可见性得分。例如,十字交叉线对应的区域一共有20个划分点,服务器按照每个相机的视野范围遍历筛选20个划分点以后,得到10个筛选点,服务器确定得到十字交叉线的可见性得分为10分。
需要说明的是,服务器在进行离散化处理时,需要考虑离散化处理与计算目标的匹配程度,决定了可见性得分计算的质量,计算目标包括任意一个对称区域和十字交叉线。
105、对四个对称区域的可见性得分和十字交叉线的可见性得分进行求和计算,得到目标运动区域的总得分。
也就是,目标运动区域的总得分为四个对称区域的可见性得分和十字交叉线的可见性得分的总和。例如,四个对称区域的可见性得分为80,十字交叉线的可见性得分为5,则目标运动区域的总得分为85。
对于像四相机和八相机这类的对称模式,由于簇内的相机是对称,例如,如图2所示,对称布局的簇内相机a1、a2、a3、a4,因此,服务器可以将目标运动区域划分为四个对称区域,和一个十字交叉线。服务器确定其中任意一个对称区域的可见性得分(目标函数的值),其他三个对称区域的可见性得分就可确定,也就是,四个对称区域等同的,然后与十字交叉线的可见性得分进行加法计算,便可计算出整个目标运动区域的总得分。可以理解的是,服务器利用对称的特性优化计算可见性得分,减少了计算目标函数的计算量。
本发明实施例中,通过对目标运动区域进行四等分划分,得到四个对称区域和一个十字交叉线,基于对称布局的相机视野范围确定任意一个对称区域的可见性得分和十字交叉线的可见性得分,从而获得四个对称区域的可见性得分和目标运动区域的可见性得分,采用对称特性减少计算目标函数的计算量,提高可见性得分的计算效率。
请参阅图3,本发明实施例中相机对称布局模式的得分计算方法的另一个实施例包括:
301、获取光学运动捕捉场景,光学运动捕捉场景包括呈中心对称分布的桁架和目标运动区域,桁架上对称布局多个相机。
该步骤301与步骤101描述相似,具体此处不再赘述。
302、对目标运动区域进行区域划分,得到四个对称区域和一个十字交叉线。
具体的,服务器从俯视图中获取中心对称点;服务器基于所述中心对称点对目标运动区域进行四等分区域划分,得到四个对称区域和一个十字交叉线,十字交叉线为水平和垂直方向的相交区域,四个对称区域按照十字交叉线等间距分布并对称。进一步地,服务器将中心对称点设置为坐标原点,将目标运动区域作为需要划分网格的部分,完成网格的划分,并显示网格划分的结果,得到四个对称区域和一个十字交叉线。进一步地,服务器对四个对称区域进行有序编号,例如,将已划分的目标运动区域(四个对称区域)中的左上区域标记为001,顺时针标注其他三个区域为002、003和004。
303、对任意一个对称区域按照预置网格精度进行离散化处理,得到多个离散点。
其中,任意一个对称区域对应的立体空间为正方体或者长方体,具体的,服务器将中心对称点设置为坐标原点O;服务器从四个对称区域中任意一个的对称区域,并获取任意一个对称区域的长度信息、宽度信息和高度信息,例如,服务器选取编号为003的对称区域;从坐标原点O开始,以预置网格精度作为采样间距,分别沿着x轴、y轴和z轴方向在任意一个对称区域内进行点云采样,得到多个离散点,例如,预置网格精度为0.5米,则多个离散点包括(0,0,0)、(0,0,0.5)、(0,0.5,0)、(0.5,0,0)和(1,1.5,1)、(0.5, 1.5,0.5)、(0.5,2,1)......。进一步地,服务器对任意一个对称区域中离散点云进行等间距采样,并将多个离散点按照采样顺序进行排列。
需要说明的是,预置网格精度将影响计算结果的精度和计算规模的大小。一般来讲,预置网格精度增加,计算精度会有所提高,但同时计算规模也会增加,所以在确定预置网格精度时应权衡两个因数综合考虑,因此,预置网格精度需要根据实际的光学运动捕捉场景进行选取。
304、获取每个相机的视野范围,并采用每个相机的视野范围对多个离散点进行筛选,得到多个采样点。
具体的,服务器获取每个相机的视野范围FOVX和多个离散点中目标离散点的位置信息;服务器判断每个离散点的位置信息是否位于至少两个相机的视野范围内;服务器若目标离散点的位置信息位于至少两个相机的视野范围内,则保留目标离散点;若目标离散点的位置信息位于至多一个相机的视野范围内,则服务器剔除目标离散点;当多个离散点全部被处理完时,服务器将保留的多个目标离散点确定为多个采样点。例如,获取目标离散点A的位置信息,对于对称模式的四相机B、C、D和E,其中,相机B和相机C相邻,相机D和相机E相邻,若目标离散点A的位置信息位于相机B和相机D 的视野范围,则保留目标离散点A;若目标离散点A的位置信息仅位于相机 E的视野范围,则剔除目标离散点A。进一步地,服务器还可以对已处理的离散点进行标记,以防重复处理,提高统计效率。
需要说明的是,相机的视野范围也是指相机的水平视角范围,例如,视屏视角50度,是指从相机的中间线开始左右各25度,构成了相机的视野范围。
305、根据多个采样点进行得分计算,得到四个对称区域的可见性得分。
具体的,服务器对多个采样点进行数量统计,得到采样点数目;服务器对预设点分值和采样点数目进行乘法运算,得到任意一个对称区域的可见性得分OneBlockScore,其中预设分值可以为1分,也可以为2分,具体此处不做限定;服务器将任意一个对称区域的可见性得分乘以4,得到四个对称区域的可见性得分,由于多个相机是对称布局的,任意一个区域中的离散点,对称到其他区域,其得分也必然相同,因此,其他三个区域的可见性得分与任意一个区域的可见性得分可以等同,也就是四个对称区域的可见性得分为OneBlockScore*4。例如,任意一个对称区域的可见性得分为10分,则四个对称区域的可见性得分为40分。
可选的,服务器还可以获取离散点数目;服务器对预设点分值和采样点数目进行乘法运算,得到运算结果;服务器将运算结果与离散点数目进行除法运算,得到任意一个对称区域的可见性得分,其中,任意一个对称区域的可见性得分为归一化分值;服务器根据任意一个对称区域的可见性得分乘以4 确定四个对称区域的可见性得分。例如,服务器获取离散点数目为80个,服务器得到运算结果为60,则服务器获取任意一个对称区域的可见性得分为 0.75,服务器得到四个对称区域的可见性得分为0.75*4=3分。
306、按照每个相机的视野范围对十字交叉线进行得分计算,得到十字交叉线的可见性得分。
由于十字交叉线对应的区域中存在是非对称的点,所以需要另外计算。具体的,服务器对十字交叉线对应的区域进行离散化处理,得到多个划分点,可以采用预置网格精度进行离散化处理,也可以采用不同的网格精度进行离散化处理,具体此处不做限定;服务器按照每个相机的视野范围和多个划分点进行得分计算,得到十字交叉线的可见性得分。进一步地,服务器获取多个划分点中目标划分点对应的位置信息;当目标划分点对应的位置信息位于至少两个相机的视野范围内时,则保留目标划分点;当目标划分点对应的位置信息位于至多一个相机的视野范围内时,则删除目标划分点。服务器对已保留的多个目标划分点进行数据统计,得到已筛选点数目;服务器按照已筛选数目与预设点分值相乘,得到十字交叉线的可见性得分,记为CrossScore。
可选的,服务器也可以采用归一化处理的方式计算得到十字交叉线的可见性得分,具体的,服务器得到划分点数目,服务器按照已筛选数目与预设点分值相乘,得到待处理分值;服务器根据待处理分值除以划分点数目,得到十字交叉线的可见性得分。
307、对四个对称区域的可见性得分和十字交叉线的可见性得分进行求和计算,得到目标运动区域的总得分。
进一步地,服务器设置目标运动区域的总得分Score,十字交叉线的可见性得分为CrossScore,四个对称区域的可见性得分为BlockScore,那么 Score=BlcokScore+CrossScore。进一步地,Score=OneBlockScore*4+CrossScore, OneBlockScore为任意一个对称区域的可见性得分,其中,Score、CrossScore、 BlockScore以及OneBlockScore的取值范围为大于或者等于0。例如,任意一个对称区域的可见性得分OneBlockScore为80,则四个对称区域的可见性得分 BlockScore为320,十字交叉线的可见性得分CrossScore为30,则目标运动区域的总得分Score为350。
进一步地,服务器还可以对任意一个对称区域和十字交叉线分别设置第一加权系数和第二加权系数,例如,第一加权系数为0.22,第二加权系数为 0.18;服务器对采样点数目、预设点分值和第二加权系数进行相乘,得到任意一个对称区域的可见性得分,并将任意一个对称区域的可见性得分乘以4,得到四个对称区域的可见性得分;服务器将已筛选数目、预设点分值相乘和第二加权系数进行相乘,得到十字交叉线的可见性得分。
可以理解的是,在大空间甚至超大空间下,对称布局模式通常比单相机布局模式更好,因为单相机布局模式下,大量的变量一起优化很容易陷入局部最优解,而对称模式则减少了需要优化的变量数量,而且大大缩小了优化时长。
本发明实施例中,通过对目标运动区域进行四等分划分,得到四个对称区域和一个十字交叉线,基于对称布局的相机视野范围确定任意一个对称区域的可见性得分和十字交叉线的可见性得分,从而获得四个对称区域的可见性得分和目标运动区域的可见性得分,采用对称特性减少计算目标函数的计算量,提高可见性得分的计算效率。
上面对本发明实施例中相机对称布局模式的得分计算方法进行了描述,下面对本发明实施例中相机对称布局模式的得分计算装置进行描述,请参阅图4,本发明实施例中相机对称布局模式的得分计算装置一个实施例包括:
获取模块401,获取光学运动捕捉场景,光学运动捕捉场景包括呈中心对称分布的桁架和目标运动区域,桁架上对称布局多个相机;
划分模块402,用于对目标运动区域进行区域划分,得到四个对称区域和一个十字交叉线;
第一计算模块403,用于获取每个相机的视野范围,并采用每个相机的视野范围对任意一个对称区域进行得分计算,得到四个对称区域的可见性得分;
第二计算模块404,用于按照每个相机的视野范围对十字交叉线进行得分计算,得到十字交叉线的可见性得分;
第三计算模块405,用于对四个对称区域的可见性得分和十字交叉线的可见性得分进行求和计算,得到目标运动区域的总得分。
本发明实施例中,通过对目标运动区域进行四等分划分,得到四个对称区域和一个十字交叉线,基于对称布局的相机视野范围确定任意一个对称区域的可见性得分和十字交叉线的可见性得分,从而获得四个对称区域的可见性得分和目标运动区域的可见性得分,采用对称特性减少计算目标函数的计算量,提高可见性得分的计算效率。
请参阅图5,本发明实施例中相机对称布局模式的得分计算装置的另一个实施例包括:
获取模块401,获取光学运动捕捉场景,光学运动捕捉场景包括呈中心对称分布的桁架和目标运动区域,桁架上对称布局多个相机;
划分模块402,用于对目标运动区域进行区域划分,得到四个对称区域和一个十字交叉线;
第一计算模块403,用于获取每个相机的视野范围,并采用每个相机的视野范围对任意一个对称区域进行得分计算,得到四个对称区域的可见性得分;
第二计算模块404,用于按照每个相机的视野范围对十字交叉线进行得分计算,得到十字交叉线的可见性得分;
第三计算模块405,用于对四个对称区域的可见性得分和十字交叉线的可见性得分进行求和计算,得到目标运动区域的总得分。
可选的,划分模块402还可以具体用于:
从俯视图中获取中心对称点;
基于中心对称点对目标运动区域进行四等分区域划分,得到四个对称区域和一个十字交叉线。
可选的,第一计算模块403还包括:
处理单元4031,用于对任意一个对称区域按照预置网格精度进行离散化处理,得到多个离散点;
筛选单元4032,用于获取每个相机的视野范围,并采用每个相机的视野范围对多个离散点进行筛选,得到多个采样点;
计算单元4033,用于根据多个采样点进行得分计算,得到四个对称区域的可见性得分。
可选的,筛选单元4032还可以具体用于:
获取每个相机的视野范围和每个离散点的位置信息;
判断每个离散点的位置信息是否位于至少两个相机的视野范围内;
若每个离散点的位置信息位于至少两个相机的视野范围内,则保留每个离散点;
若每个离散点的位置信息位于至多一个相机的视野范围内,则剔除每个离散点;
当多个离散点全部被处理完成时,确定多个采样点。
可选的,计算单元4033还可以具体用于:
对多个采样点进行数量统计,得到采样点数目;
对预设点分值和采样点数目进行乘法运算,得到任意一个对称区域的可见性得分;
将任意一个对称区域的可见性得分乘以4,得到四个对称区域的可见性得分。
可选的,第二计算模块404还可以具体用于:
对十字交叉线对应的区域进行离散化处理,得到多个划分点;
按照每个相机的视野范围和多个划分点进行得分计算,得到十字交叉线的可见性得分。
本发明实施例中,通过对目标运动区域进行四等分划分,得到四个对称区域和一个十字交叉线,基于对称布局的相机视野范围确定任意一个对称区域的可见性得分和十字交叉线的可见性得分,从而获得四个对称区域的可见性得分和目标运动区域的可见性得分,采用对称特性减少计算目标函数的计算量,提高可见性得分的计算效率。
上面图4和图5从模块化功能实体的角度对本发明实施例中的相机对称布局模式的得分计算装置进行详细描述,下面从硬件处理的角度对本发明实施例中相机对称布局模式的得分计算设备进行详细描述。
图6是本发明实施例提供的一种相机对称布局模式的得分计算设备的结构示意图,该相机对称布局模式的得分计算设备600可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units, CPU)610(例如,一个或一个以上处理器)和存储器620,一个或一个以上存储应用程序633或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中,存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对相机对称布局模式的得分计算设备600中的一系列指令操作。更进一步地,处理器610可以设置为与存储介质630通信,在相机对称布局模式的得分计算设备600上执行存储介质630中的一系列指令操作。
相机对称布局模式的得分计算设备600还可以包括一个或一个以上电源 640,一个或一个以上有线或无线网络接口650,一个或一个以上输入输出接口660,和/或,一个或一个以上操作系统631,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图6示出的相机对称布局模式的得分计算设备结构并不构成对相机对称布局模式的得分计算设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述相机对称布局模式的得分计算方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种相机对称布局模式的得分计算方法,其特征在于,所述相机对称布局模式的得分计算方法包括:
获取光学运动捕捉场景,所述光学运动捕捉场景包括呈中心对称分布的桁架和目标运动区域,所述桁架上对称布局多个相机;
对所述目标运动区域进行区域划分,得到四个对称区域和一个十字交叉线;
获取每个相机的视野范围,并采用每个相机的视野范围对任意一个对称区域进行得分计算,得到四个对称区域的可见性得分;
按照每个相机的视野范围对所述十字交叉线进行得分计算,得到十字交叉线的可见性得分;
对所述四个对称区域的可见性得分和所述十字交叉线的可见性得分进行求和计算,得到目标运动区域的总得分。
2.根据权利要求1所述的相机对称布局模式的得分计算方法,其特征在于,所述对所述目标运动区域进行区域划分,得到四个对称区域和一个十字交叉线,包括:
从所述光学运动捕捉场景中确定中心对称点;
基于所述中心对称点对所述目标运动区域进行四等分区域划分,得到四个对称区域和一个十字交叉线。
3.根据权利要求1所述的相机对称布局模式的得分计算方法,其特征在于,所述获取每个相机的视野范围,并采用每个相机的视野范围对任意一个对称区域进行得分计算,得到四个对称区域的可见性得分,包括:
对任意一个对称区域按照预置网格精度进行离散化处理,得到多个离散点;
获取每个相机的视野范围,并采用每个相机的视野范围对所述多个离散点进行筛选,得到多个采样点;
根据所述多个采样点进行得分计算,得到四个对称区域的可见性得分。
4.根据权利要求3所述的相机对称布局模式的得分计算方法,其特征在于,所述获取每个相机的视野范围,并采用每个相机的视野范围对所述多个离散点进行筛选,得到多个采样点,包括:
获取每个相机的视野范围和所述多个离散点中目标离散点的位置信息;
判断所述目标离散点的位置信息是否位于至少两个相机的视野范围内;
若所述目标离散点的位置信息位于至少两个相机的视野范围内,则保留所述目标离散点;
若所述目标离散点的位置信息位于至多一个相机的视野范围内,则剔除所述目标离散点;
当所述多个离散点全部被处理完时,将保留的多个目标离散点确定为多个采样点。
5.根据权利要求3所述的相机对称布局模式的得分计算方法,其特征在于,所述根据所述多个采样点进行得分计算,得到四个对称区域的可见性得分,包括:
对所述多个采样点进行数量统计,得到采样点数目;
对预设点分值和所述采样点数目进行乘法运算,得到任意一个对称区域的可见性得分;
将所述任意一个对称区域的可见性得分乘以4,得到四个对称区域的可见性得分。
6.根据权利要求1-5中任一项所述的相机对称布局模式的得分计算方法,其特征在于,所述按照每个相机的视野范围对所述十字交叉线进行得分计算,得到十字交叉线的可见性得分,包括:
对所述十字交叉线对应的区域进行离散化处理,得到多个划分点;
按照每个相机的视野范围和所述多个划分点进行得分计算,得到十字交叉线的可见性得分。
7.一种相机对称布局模式的得分计算装置,其特征在于,所述相机对称布局模式的得分计算装置包括:
获取模块,用于获取光学运动捕捉场景,所述光学运动捕捉场景包括呈中心对称分布的桁架和目标运动区域,所述桁架上对称布局多个相机;
划分模块,用于对所述目标运动区域进行区域划分,得到四个对称区域和一个十字交叉线;
第一计算模块,用于获取每个相机的视野范围,并采用每个相机的视野范围对任意一个对称区域进行得分计算,得到四个对称区域的可见性得分;
第二计算模块,用于按照每个相机的视野范围对所述十字交叉线进行得分计算,得到十字交叉线的可见性得分;
第三计算模块,用于对所述四个对称区域的可见性得分和所述十字交叉线的可见性得分进行求和计算,得到目标运动区域的总得分。
8.一种相机对称布局模式的得分计算装置,其特征在于,所述划分模块具体用于:
从所述光学运动捕捉场景中确定中心对称点;
基于所述中心对称点对所述目标运动区域进行四等分区域划分,得到四个对称区域和一个十字交叉线。
9.一种相机对称布局模式的得分计算设备,其特征在于,所述相机对称布局模式的得分计算设备包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述相机对称布局模式的得分计算设备执行如权利要求1-6中任意一项所述的相机对称布局模式的得分计算方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述相机对称布局模式的得分计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010345596.4A CN111540018B (zh) | 2020-04-27 | 2020-04-27 | 相机对称布局模式的得分计算方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010345596.4A CN111540018B (zh) | 2020-04-27 | 2020-04-27 | 相机对称布局模式的得分计算方法及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111540018A true CN111540018A (zh) | 2020-08-14 |
CN111540018B CN111540018B (zh) | 2023-06-30 |
Family
ID=71977398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010345596.4A Active CN111540018B (zh) | 2020-04-27 | 2020-04-27 | 相机对称布局模式的得分计算方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111540018B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101982838A (zh) * | 2010-11-02 | 2011-03-02 | 长春理工大学 | 一种加速被面光源照射的3d虚拟场景的光线跟踪的方法 |
CN102017807A (zh) * | 2008-05-06 | 2011-04-13 | 皇家飞利浦电子股份有限公司 | 用于处理光的照明系统和方法 |
US20150235410A1 (en) * | 2014-02-20 | 2015-08-20 | Samsung Electronics Co., Ltd. | Image processing apparatus and method |
CN105808672A (zh) * | 2016-03-01 | 2016-07-27 | 重庆市勘测院 | 基于浏览器的海量三维点云数据的发布方法 |
-
2020
- 2020-04-27 CN CN202010345596.4A patent/CN111540018B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102017807A (zh) * | 2008-05-06 | 2011-04-13 | 皇家飞利浦电子股份有限公司 | 用于处理光的照明系统和方法 |
CN101982838A (zh) * | 2010-11-02 | 2011-03-02 | 长春理工大学 | 一种加速被面光源照射的3d虚拟场景的光线跟踪的方法 |
US20150235410A1 (en) * | 2014-02-20 | 2015-08-20 | Samsung Electronics Co., Ltd. | Image processing apparatus and method |
CN105808672A (zh) * | 2016-03-01 | 2016-07-27 | 重庆市勘测院 | 基于浏览器的海量三维点云数据的发布方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111540018B (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6230213B2 (ja) | ナビゲーション装置、高度座標を決定する方法、並びに、デーベースを生成する方法 | |
CN105825493B (zh) | 图像配准方法和装置 | |
US10885662B2 (en) | Depth-map-based ground detection method and apparatus | |
US11495026B2 (en) | Aerial line extraction system and method | |
CN111474443B (zh) | 测量输电线路的方法及装置 | |
CN114998536A (zh) | 基于新型基础测绘的模型生成方法、装置及存储介质 | |
US5319743A (en) | Intelligent and compact bucketing method for region queries in two-dimensional space | |
CN112288807A (zh) | 一种高精度地图中路口数据生成方法及装置 | |
CN114519712A (zh) | 一种点云数据处理方法、装置、终端设备及存储介质 | |
JP6686262B2 (ja) | 地形変化点抽出システム、及び地形変化点抽出方法 | |
CN111540018A (zh) | 相机对称布局模式的得分计算方法及相关设备 | |
CN114897965B (zh) | 一种三维场景开敞度分析的方法及系统 | |
JP7093680B2 (ja) | 構造物差分抽出装置、構造物差分抽出方法およびプログラム | |
CN116680588A (zh) | 基于改进Agent的终端区扇区划设方法、装置、设备和介质 | |
CN113379826A (zh) | 物流件的体积测量方法以及装置 | |
CN112692833B (zh) | 一种标定块、机器人标定方法、标定装置以及存储介质 | |
CN111460735B (zh) | 基于基因遗传的相机布局函数优化方法及相关设备 | |
CN111540019A (zh) | 相机安装位置的确定方法、装置、设备及存储介质 | |
CN108320324A (zh) | 一种城市变化监测方法及系统 | |
JP2021068290A (ja) | 三角形要素分割方法、モデル化装置、プログラム、及び二次元平面図形を定義するデータ | |
KR20160010721A (ko) | 정점과 구조물이 위치하는 지점 간의 수평거리를 산출하는 장치 및 방법 | |
CN111540017B (zh) | 优化相机位置变量的方法、装置、设备及存储介质 | |
CN115146340B (zh) | 次梁结构重置方法、装置、设备及存储介质 | |
CN115294485B (zh) | 一种市政工程测量定位方法及系统 | |
JP7267380B2 (ja) | レーザー点群と高精度地図を重ね合わせる方法、装置及び電子機器 |
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 |