CN111540019B - 相机安装位置的确定方法、装置、设备及存储介质 - Google Patents

相机安装位置的确定方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111540019B
CN111540019B CN202010346434.2A CN202010346434A CN111540019B CN 111540019 B CN111540019 B CN 111540019B CN 202010346434 A CN202010346434 A CN 202010346434A CN 111540019 B CN111540019 B CN 111540019B
Authority
CN
China
Prior art keywords
camera
information
angle
position information
value
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.)
Active
Application number
CN202010346434.2A
Other languages
English (en)
Other versions
CN111540019A (zh
Inventor
洪智慧
许秋子
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Realis Multimedia Technology Co Ltd
Original Assignee
Shenzhen Realis Multimedia Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Realis Multimedia Technology Co Ltd filed Critical Shenzhen Realis Multimedia Technology Co Ltd
Priority to CN202010346434.2A priority Critical patent/CN111540019B/zh
Publication of CN111540019A publication Critical patent/CN111540019A/zh
Application granted granted Critical
Publication of CN111540019B publication Critical patent/CN111540019B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Evolutionary Biology (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Genetics & Genomics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Physiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Studio Devices (AREA)

Abstract

本发明涉及运动捕捉领域，公开了一种相机安装位置的确定方法、装置、设备及存储介质，用于提高筛选优秀种群和确定相机安装位置的准确性。相机安装位置的确定方法包括：获取多个种群，每个种群包括相机位置信息归一化值、相机水平角归一化值和相机俯仰角归一化值；按照场景信息和相机位置信息归一化值确定实际相机位置信息；根据实际相机位置信息、相机水平角归一化值和相机的水平视场角计算实际相机水平角；根据相机的垂直视场角和相机俯仰角归一化值计算实际相机俯仰角；将实际相机位置信息、实际相机水平角和实际相机俯仰角输入到预设遗传算法的目标函数中，得到各种群的可见性得分，基于可见性得分筛选优秀种群并确定最终的相机安装位置信息。

Description

相机安装位置的确定方法、装置、设备及存储介质
技术领域
本发明涉及运动捕捉领域，尤其涉及一种相机安装位置的确定方法、装置、设备及存储介质。
背景技术
光学运动捕捉系统是基于一系列安装在不同位置和角度的光学摄像头，并依靠计算机视觉原理技术，高速而精密地对光学定位mark点进行跟踪，从而来完成对人体全身动作的捕捉。在早期多为小型的光学运动捕捉场景中，通常使用4～10个相机在最上面一层桁架上环绕表演场地排列分布，用于跟踪捕捉单个表演者。但随着时代的发展，小型光学运动捕捉场景已经不再占主导，业界对运动捕捉系统提出了更多的要求，希望能够在中、大型运动捕捉空间中实现多个表演者的运动捕捉。
由于传统布局模式单一，若场景增大，则需要采用更远距离的光学相机，不能利用已有的相机。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，分成多个可以捕捉的高度增设桁架，从而利用已有的相机进行光学捕捉。
在现有的光学运动捕捉场景中，假设给定目标是在光学运动捕捉场景中安装n台相机，安装相机其实就是确定每个相机的位姿信息，每个相机位姿信息包含相机X坐标、相机Y坐标、相机Z坐标、相机水平角、相机俯仰角5个参数，这里分别记为CameraX、CameraY、CameraZ、CameraH、CameraV。这些相机的位姿参数主要是使用基因遗传算法进行不断迭代优化出来的。但是随着布局模式的增多，例如，采用多个桁架部署相机，若每种模式都采用不同的相机布局逻辑，则采用基因遗传算法(预设遗传算法)按照光学运动捕捉场景对每个相机的位姿信息进行迭代优化，存在计算量较大、计算效率较低以及相机布局效率降低的问题。
发明内容
本发明的主要目的在于解决使用基因遗传算法对多个桁架部署相机，存在计算量较大、计算效率较低以及相机布局效率降低的问题。
本发明第一方面提供了一种相机安装位置的确定方法，包括：获取多个种群，每个种群包括在预设场景中多个相机的归一化位姿信息，每个相机的归一化位姿信息包括对应的相机位置信息归一化值、对应的相机水平角归一化值和对应的相机俯仰角归一化值；获取所述预设场景对应的场景信息，并按照所述对应的场景信息和所述对应的相机位置信息归一化值确定对应的实际相机位置信息；获取每个相机的水平视场角，并根据所述对应的实际相机位置信息、所述对应的相机水平角归一化值和每个相机的水平视场角计算对应的实际相机水平角；获取每个相机的垂直视场角，并根据每个相机的垂直视场角和所述对应的相机俯仰角归一化值计算对应的实际相机俯仰角；将所述对应的实际相机位置信息、所述对应的实际相机水平角和所述对应的实际相机俯仰角输入到预设遗传算法的目标函数中，得到各种群的可见性得分，基于所述各种群的可见性得分筛选优秀种群并确定最终的相机安装位置信息。
可选的，在本发明第一方面的第一种实现方式中，所述获取所述预设场景对应的场景信息，并按照所述对应的场景信息和所述对应的相机位置信息归一化值确定对应的实际相机位置信息，包括：获取所述预设场景对应的场景信息，按照所述对应的场景信息建立x-y平面坐标系；按照所述对应的场景信息和所述对应的相机位置信息归一化值查询预置映射关系表，得到查询结果；当所述查询结果不为空值时，从所述查询结果中读取对应的实际相机位置信息；当所述查询结果为空值时，基于所述x-y平面坐标系对所述对应的相机位置信息归一化值进行坐标转换，得到所述对应的实际相机位置信息。
可选的，在本发明第一方面的第二种实现方式中，所述获取所述预设场景对应的场景信息，按照所述对应的场景信息建立x-y平面坐标系，包括：获取所述预设场景对应的场景信息，从所述对应的场景信息中获取桁架信息和目标运动区域信息，所述桁架信息包括桁架的周长信息和桁架总层数；基于所述桁架信息和所述目标运动区域信息绘制预设场景的俯视图，并基于所述俯视图建立x-y平面坐标系，所述俯视图包括呈中心对称的外方框和内方框，所述外方框和内方框分别用于指示桁架和目标运动区域，所述目标运动区域位于所述桁架内。
可选的，在本发明第一方面的第三种实现方式中，所述当所述查询结果为空值时，基于所述x-y平面坐标系对所述对应的相机位置信息归一化值进行坐标转换，得到所述对应的实际相机位置信息，包括：当所述查询结果为空值时，将所述对应的相机位置信息归一化值、所述桁架的周长信息和所述桁架总层数进行相乘，得到每个相机的路径长度；采用每个相机的路径长度与所述桁架的周长信息确定对应的桁架层数，并根据所述对应的桁架层数确定每个相机的z坐标；从所述x-y平面坐标系中获取坐标原点，并根据每个相机的路径长度和所述坐标原点确定每个相机的x坐标和y坐标；将所述x坐标、所述y坐标和所述z坐标设置为所述对应的相机实际位置信息。
可选的，在本发明第一方面的第四种实现方式中，所述获取每个相机的水平视场角，并根据所述对应的实际相机位置信息、所述对应的相机水平角归一化值和每个相机的水平视场角计算对应的实际相机水平角，包括：在所述x-y平面坐标系中的外方框上确定对应的相机位置点，并从所述内方框上获取两个顶点；获取每个相机的水平视场角，基于所述对应的相机位置点、所述两个顶点和每个相机的水平视场角计算每个相机的搜索范围，并根据每个相机的搜索范围和所述对应的相机水平角归一化值计算对应的实际相机水平角。
可选的，在本发明第一方面的第五种实现方式中，所述获取每个相机的水平视场角，基于所述对应的相机位置点、所述两个顶点和每个相机的水平视场角计算每个相机的搜索范围，并根据每个相机的搜索范围和所述对应的相机水平角归一化值计算对应的实际相机水平角，包括：将所述对应的相机位置点分别与所述两个顶点进行连接，得到两个连接线段，每个连接线段与所述目标运动区域有且仅有一个交点；将所述x-y平面坐标系中的x轴正向设置为基准线，并按照余弦函数公式对所述两个连接线段分别与所述基准线进行夹角计算，得到第一夹角值和第二夹角值，所述第一夹角值大于所述第二夹角值；获取每个相机的水平视场角，并按照每个相机的水平视场角、所述第一夹角值和所述第二夹角值确定每个相机的搜索范围，并根据每个相机的搜索范围和所述对应的相机水平角归一化值进行计算，得到对应的实际相机水平角。
可选的，在本发明第一方面的第六种实现方式中，所述获取每个相机的垂直视场角，并根据每个相机的垂直视场角和所述对应的相机俯仰角归一化值计算对应的实际相机俯仰角，包括：获取每个相机的垂直视场角，所述垂直视场角对应的取值范围为大于或者等于-90度，并且小于或者等于90度；按照预置公式对每个相机的垂直视场角和所述对应的相机俯仰角归一化值v进行计算，得到对应的实际相机俯仰角CaremaV，所述预置公式为：
CaremaV＝-90+180*v，其中，所述CaremaV的单位为度。
本发明第二方面提供了一种相机安装位置的确定装置，包括：获取模块，用于获取多个种群，每个种群包括在预设场景中多个相机的归一化位姿信息，每个相机的归一化位姿信息包括对应的相机位置信息归一化值、对应的相机水平角归一化值和对应的相机俯仰角归一化值；确定模块，用于获取所述预设场景对应的场景信息，并按照所述对应的场景信息和所述对应的相机位置信息归一化值确定对应的实际相机位置信息；第一计算模块，用于获取每个相机的水平视场角，并根据所述对应的实际相机位置信息、所述对应的相机水平角归一化值和每个相机的水平视场角计算对应的实际相机水平角；第二计算模块，用于获取每个相机的垂直视场角，并根据每个相机的垂直视场角和所述对应的相机俯仰角归一化值计算对应的实际相机俯仰角；筛选模块，用于将所述对应的实际相机位置信息、所述对应的实际相机水平角和所述对应的实际相机俯仰角输入到预设遗传算法的目标函数中，得到各种群的可见性得分，基于所述各种群的可见性得分筛选优秀种群并确定最终的相机安装位置信息。
可选的，在本发明第二方面的第一种实现方式中，所述确定模块包括：建立单元，用于获取所述预设场景对应的场景信息，按照所述对应的场景信息建立x-y平面坐标系；查询单元，用于按照所述对应的场景信息和所述对应的相机位置信息归一化值查询预置映射关系表，得到查询结果；读取单元，当所述查询结果不为空值时，用于从所述查询结果中读取对应的实际相机位置信息；转换单元，当所述查询结果为空值时，用于基于所述x-y平面坐标系对所述对应的相机位置信息归一化值进行坐标转换，得到所述对应的实际相机位置信息。
可选的，在本发明第二方面的第二种实现方式中，所述建立单元具体用于：获取所述预设场景对应的场景信息，从所述对应的场景信息中获取桁架信息和目标运动区域信息，所述桁架信息包括桁架的周长信息和桁架总层数；基于所述桁架信息和所述目标运动区域信息绘制预设场景的俯视图，并基于所述俯视图建立x-y平面坐标系，所述俯视图包括呈中心对称的外方框和内方框，所述外方框和内方框分别用于指示桁架和目标运动区域，所述目标运动区域位于所述桁架内。
可选的，在本发明第二方面的第三种实现方式中，所述转换单元具体用于：当所述查询结果为空值时，将所述对应的相机位置信息归一化值、所述桁架的周长信息和所述桁架总层数进行相乘，得到每个相机的路径长度；采用每个相机的路径长度与所述桁架的周长信息确定对应的桁架层数，并根据所述对应的桁架层数确定每个相机的z坐标；从所述x-y平面坐标系中获取坐标原点，并根据每个相机的路径长度和所述坐标原点确定每个相机的x坐标和y坐标；将所述x坐标、所述y坐标和所述z坐标设置为所述对应的相机实际位置信息。
可选的，在本发明第二方面的第四种实现方式中，所述第一计算模块包括：获取单元，用于在所述x-y平面坐标系中的外方框上确定对应的相机位置点，并从所述内方框上获取两个顶点；计算单元，用于获取每个相机的水平视场角，基于所述对应的相机位置点、所述两个顶点和每个相机的水平视场角计算每个相机的搜索范围，并根据每个相机的搜索范围和所述对应的相机水平角归一化值计算对应的实际相机水平角。
可选的，在本发明第二方面的第五种实现方式中，所述计算单元具体用于：将所述对应的相机位置点分别与所述两个顶点进行连接，得到两个连接线段，每个连接线段与所述目标运动区域有且仅有一个交点；将所述x-y平面坐标系中的x轴正向设置为基准线，并按照余弦函数公式对所述两个连接线段分别与所述基准线进行夹角计算，得到第一夹角值和第二夹角值，所述第一夹角值大于所述第二夹角值；获取每个相机的水平视场角，并按照每个相机的水平视场角、所述第一夹角值和所述第二夹角值确定每个相机的搜索范围，并根据每个相机的搜索范围和所述对应的相机水平角归一化值进行计算，得到对应的实际相机水平角。
可选的，在本发明第二方面的第六种实现方式中，所述第二计算模块具体用于：获取每个相机的垂直视场角，所述垂直视场角对应的取值范围为大于或者等于-90度，并且小于或者等于90度；按照预置公式对每个相机的垂直视场角和所述对应的相机俯仰角归一化值v进行计算，得到对应的实际相机俯仰角CaremaV，所述预置公式为：
CaremaV＝-90+180*v，其中，所述CaremaV的单位为度。
本发明第三方面提供了一种相机安装位置的确定设备，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，以使得所述相机安装位置的确定设备执行上述的相机安装位置的确定方法。
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安装位置的确定方法。
本发明提供的技术方案中，获取多个种群，每个种群包括在预设场景中多个相机的归一化位姿信息，每个相机的归一化位姿信息包括对应的相机位置信息归一化值、对应的相机水平角归一化值和对应的相机俯仰角归一化值；获取所述预设场景对应的场景信息，并按照所述对应的场景信息和所述对应的相机位置信息归一化值确定对应的实际相机位置信息；获取每个相机的水平视场角，并根据所述对应的实际相机位置信息、所述对应的相机水平角归一化值和每个相机的水平视场角计算对应的实际相机水平角；获取每个相机的垂直视场角，并根据每个相机的垂直视场角和所述对应的相机俯仰角归一化值计算对应的实际相机俯仰角；将所述对应的实际相机位置信息、所述对应的实际相机水平角和所述对应的实际相机俯仰角输入到预设遗传算法的目标函数中，得到各种群的可见性得分，基于所述各种群的可见性得分筛选优秀种群并确定最终的相机安装位置信息。本发明实施例中，通过采用归一化参数变量以及减少参数变量确定相机安装位置的实际位姿信息，避免修改预设遗传算法的内部结构，确保预设遗传算法计算方式的统一，提高遗传算法的执行效率；并采用相机位置信息归一化值和预设映射关系表确定实际相机位置信息，减少计算的复杂度，提高了计算效率；同时采用实际相机位置信息、实际相机水平角和实际相机俯仰角进行各种群可见性得分计算，提高筛选优秀种群的准确性以及相机安装位置的准确性。
附图说明
图1为本发明实施例中相机安装位置的确定方法的一个实施例示意图；
图2为本发明实施例中预设场景下确定相机安装位置的示意图；
图3为本发明实施例中相机安装位置的确定方法的另一个实施例示意图；
图4为本发明实施例中相机安装位置的确定装置的一个实施例示意图；
图5为本发明实施例中相机安装位置的确定装置的另一个实施例示意图；
图6为本发明实施例中相机安装位置的确定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安装位置的确定方法、装置、设备及存储介质，通过采用归一化参数变量以及减少参数变量确定相机安装位置的实际位姿信息，避免修改预设遗传算法的内部结构，确保预设遗传算法计算方式的统一，提高遗传算法的执行效率；并采用相机位置信息归一化值和预设映射关系表确定实际相机位置信息，减少计算的复杂度，提高了计算效率；同时采用实际相机位置信息、实际相机水平角和实际相机俯仰角进行各种群可见性得分计算，提高筛选优秀种群的准确性以及相机安装位置的准确性。
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安装位置的确定方法的一个实施例包括：
101、获取多个种群，每个种群包括在预设场景中多个相机的归一化位姿信息，每个相机的归一化位姿信息包括对应的相机位置信息归一化值、对应的相机水平角归一化值和对应的相机俯仰角归一化值。
其中，多个种群可以采用随机初始化方式进行确定，也可以从预先建立的样本数据库中进行读取，具体此处不做限定，预设场景为实际的光学运动捕捉场景，预设场景包括桁架和目标运动区域，目标运动区域与桁架为中心对称。每个种群属于一个预设场景，每个相机的归一化位姿信息包括对应的相机位置信息归一化值、对应的相机水平角归一化值和对应的相机俯仰角归一化值，也就是对应的相机位置信息归一化值、对应的相机水平角归一化值和对应的相机俯仰角归一化值的取值范围均为[0，1]，使用归一化的值作为输入参数，不仅减少了相机的位姿变量，而且避免了修改遗传算法的内部结构，提高了遗传算法执行效率，使得不同预设场景的数据均可以输入到遗传算法中，提高计算模式的统一性。例如，服务器随机初始化m个种群，m为正整数，每个种群包括n个相机，n为正整数。种群1中相机1的归一化位姿信息为(0.1，0.5，0.2)，种群1中相机2的归一化位姿信息为(0.4，0.5，0.1)、……、种群1中相机n的归一化位姿信息为(0.1，0.5，0.2)；种群2中相机1的归一化位姿信息为(0.2，0.8，0.3)，种群2中相机2的归一化位姿信息为(0.4，0.6，0.1)、……、种群2中相机n的归一化位姿信息为(0.4，0.9，0.1)；种群m中相机1的归一化位姿信息为(1.0，0.4，0.2)，种群m中相机2的归一化位姿信息为(0.4，0.3，0.1)、……、种群m中相机n的归一化位姿信息为(0.4，0.6，0.1)。需要说明的是，每个种群中的每个相机各自对应的归一化位姿信息均为0至1之间。
可以理解的是，本发明的执行主体可以为相机安装位置的确定装置，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、获取预设场景对应的场景信息，并按照对应的场景信息和对应的相机位置信息归一化值确定对应的实际相机位置信息。
可选的，服务器从对应的场景信息中确定桁架总层数，例如，两层桁架；服务器将对应的相机位置信息归一化值进行层数划分，对应的相机位置信息归一化值为[0，1]，例如，对于两层桁架。进一步地，当对应的相机位置信息归一化值为0至0.5之间时，服务器确定相机位置点在第一层桁架上，则将对应的z坐标赋值为第一层桁架的高度信息，例如，12米；当对应的相机位置信息归一化值为0.5至1.0之间时，服务器确定相机位置点在在第二层桁架上，则将对应的z坐标赋值为第二层桁架的高度信息，例如，8米，对应的z坐标为CameraZ。然后服务器基于对应的场景信息设置俯视图，如图2所示，俯视图包括外方框201和内方框202，服务器基于俯视图建立x-y平面坐标系，服务器设置俯视图的中心对称点为坐标原点O，服务器基于坐标原点O建立x-y平面坐标系。以单层桁架为例，以A为起时点，逆时针分别确定A、B、C和D四个顶点的归一化值为0、0.3、0.5、0.8确定在当a为0.1时，服务器从A点开始采用逆时针方式，根据a到A的距离(a的路径长度)与整个外方框周长的比例，便可以确定a点的x坐标和y坐标，也就是CameraX和CameraY。进一步地，服务器将x坐标、y坐标和z坐标设置为对应的实际相机位置信息(x，y，z)。
103、获取每个相机的水平视场角，并根据对应的实际相机位置信息、对应的相机水平角归一化值和每个相机的水平视场角计算对应的实际相机水平角。
具体的，服务器从x-y平面坐标系中的内方框上获取两个顶点，两个顶点为相邻顶点或者相对顶点。服务器对两个顶点分别与相机位置点进行连接，得到扇形区域，扇形区域用于指示相机水平方向的捕捉范围，也就是，每个相机能够拍摄覆盖表演者运动区域，因此，扇形区域限制了每个相机的左、右边界线不能超过运动区域。例如，如图2所示，目标相机的位置点a与内方框上的两个相对顶点E和F进行连接，得到连接线段L1和连接线段L2，其中，两个相对顶点E和F分别为内方框的左下角顶点和内方框的右下角顶点，连接线段L1和连接线段L2构成扇形区域，目标相机的运动捕捉范围的左边界线不能超过连接线段L1，目标相机的运动捕捉范围的右边界线不能超过连接线段L2。进一步地，服务器计算扇形区域地两条边分别与x轴的正向夹角，得到第一夹角值和第二夹角值，第一夹角值大于第二夹角值，例如，第一夹角值为119.6度，第二夹角值为65.7度。然后服务器根据获取每个相机的水平视场角和第一夹角值和第二夹角值确定每个相机的搜索范围，每个相机的搜索范围为第一相机水平角至第二相机水平角之间的角度值，第一相机水平角和第二相机水平角为每个相机的搜索范围的两个边界值，第一相机水平角大于第二相机水平角。进一步地，服务器对每个相机的水平视场角除以2，得到每个相机的半视场角，例如，每个相机的水平视场角为40度，则每个相机的半视场角为20度，服务器将第一夹角值减去每个相机的半视场角，得到第一相机水平角，例如，119.6减去20，得到第一相机水平角为99.6度；服务器将第二夹角值加上每个相机的半视场角，得到第二相机水平角，例如，65.7加上20，得到第一相机水平角为85.6度，则每个相机的搜索范围为85.6度至99.6度之间；服务器根据对应的相机水平角归一化值和每个相机的搜索范围确定对应的实际相机水平角。需要说明的是，对应的相机水平角归一化值均为0至1之间，服务器需要先将0至1进行角度还原处理至每个相机的搜索范围，其中，0对应每个相机的搜索范围中的第二相机水平角，1对应每个相机的搜索范围的第一相机水平角。例如，若搜索范围为55度至96度之间，其中，搜索范围的最小值为55度，搜索范围的最大值为96度，则服务器对对应的相机水平角归一化值进行归一化还原处理，服务器将0还原至55度，1还原至96度。那么当对应的相机水平角归一化值为0.5时，服务器获取对应的实际相机水平角为55+(96-55)*0.5，也就是75.5度，当对应的相机水平角归一化值为0.7时，服务器获取对应的实际相机水平角为55+(96-55)*0.7，也就是83.7度。其中，对应的实际相机水平角用于指示对应的相机中心线的实际角度，而对应的相机中心线在每个相机的搜索范围之内可以动态旋转移动，因此，每个相机对应的相机水平角归一化值均为[0，1]区间的任意一个值，而对应的实际相机水平角则受限于对应的相机位置点和每个相机的搜索范围。
104、获取每个相机的垂直视场角，并根据每个相机的垂直视场角和对应的相机俯仰角归一化值计算对应的实际相机俯仰角。
可以理解的是，每个相机的垂直视场角均为-90度至90度之间，每个种群中每个相机对应的相机俯仰角归一化值均为0至1之间，则服务器将0至1还原到为-90度至90度，其中，0对应-90度，1对应90度，例如，当对应的相机俯仰角归一化值为0.5时，对应的实际相机俯仰角为0度。
105、将对应的实际相机位置信息、对应的实际相机水平角和对应的实际相机俯仰角输入到预设遗传算法的目标函数中，得到各种群的可见性得分，基于各种群的可见性得分筛选优秀种群并确定最终的相机安装位置信息。
其中，预设遗传算法的目标函数用于计算各种群的可见性得分，因此，服务器将对应的实际相机位置信息(CameraX、CameraY和CameraZ)、对应的实际相机水平角CameraH和对应的实际相机俯仰角CameraV输入到预设遗传算法的目标函数中，得到各种群的可见性得分，例如，对于5个种群K1、K2、K3、K4和K5，通过目标函数计算得的可见性得分分别为50、30、60、70和36，因此，服务器确定优秀种群为K3和K4。进一步地，服务器还可以按照预设的迭代次数对已筛选的优秀种群进行交叉变异处理，当达到预设的迭代次数或者优秀种群的偏差值趋于稳定时，服务器从优秀种群中确定目标种群，并将目标种群中的多个相机的实际位置信息设置为最终的相机安装位置信息。
需要说明的是，当对应的相机位置信息归一化值为按照预设间距采集的数据，而桁架和目标运动区域为中心对称的布局方式时，服务器确定最终的相机安装位置信息属于对称布局模式。服务器在进行可见性得分计算时，可以将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对应的区域，根据每个相机对应的视野范围确定四个对称区域的可见性得分和一个十字交叉线的可见性得分，并根据四个对称区域的可见性得分和一个十字交叉线的可见性得分确定各种群的可见性得分。
本发明实施例中，通过采用归一化参数变量以及减少参数变量确定相机安装位置的实际位姿信息，避免修改预设遗传算法的内部结构，确保预设遗传算法计算方式的统一，提高遗传算法的执行效率；并采用相机位置信息归一化值和预设映射关系表确定实际相机位置信息，减少计算的复杂度，提高了计算效率；同时采用实际相机位置信息、实际相机水平角和实际相机俯仰角进行各种群可见性得分计算，提高筛选优秀种群的准确性以及确定相机安装位置的准确性。
请参阅图3，本发明实施例中相机安装位置的确定方法的另一个实施例包括：
301、获取多个种群，每个种群包括在预设场景中多个相机的归一化位姿信息，每个相机的归一化位姿信息包括对应的相机位置信息归一化值、对应的相机水平角归一化值和对应的相机俯仰角归一化值。
该步骤301与步骤101描述相似，具体此处不再赘述。
302、获取预设场景对应的场景信息，并按照对应的场景信息和对应的相机位置信息归一化值确定对应的实际相机位置信息。
其中，目标运动区域与桁架在俯视图中成中心对称，目标运动区域位于桁架内。具体的，服务器获取预设场景对应的场景信息，从对应的场景信息中获取桁架信息和目标运动区域信息，桁架信息包括桁架的周长信息和桁架总层数，还可以包括桁架的长度信息和桁架的宽度信息，目标运动区域信息包括目标运动区域的长度信息和目标运动区域的宽度信息；服务器基于桁架信息和目标运动区域信息绘制预设场景的俯视图，并基于俯视图建立x-y平面坐标系，俯视图包括呈中心对称的外方框和内方框，外方框和内方框分别用于指示桁架和目标运动区域，目标运动区域位于桁架内。进一步地，服务器获取预设场景的俯视图；服务器基于俯视图设置坐标原点，并基于坐标原点建立x-y平面坐标系。例如，设置俯视图中的中心对称点为坐标原点O。
303、按照对应的场景信息和对应的相机位置信息归一化值查询预置映射关系表，得到查询结果。
其中，预设场景对应的场景信息包括场景标识，预置映射关系表为预先采集相机作为样本数据时，构建的数据表。进一步地，服务器按照结构化查询语言语法规则对场景标识、对应的相机位置信息归一化值和预置映射关系表进行语句生成处理，得到查询语句；服务器执行查询语句，得到查询结果；服务器判断查询结果是否为空值，空值可以为0或者空字符串，具体此处不做限定；若查询结果不为空值，则服务器执行步骤304；若查询结果为空值，则服务器执行步骤305。
304、当查询结果不为空值时，从查询结果中读取对应的实际相机位置信息。
具体的，当查询结果不为空值时，服务器对查询结果进行数据解析，得到解析结果；并按照预设字段从解析结果中读取对应的实际相机位置信息。例如，对应的相机位置信息归一化值为0，对应的实际相机位置信息为(0，2.5，8)。进一步地，服务器执行步骤306。
可以理解的是，由于预先构建的预置映射关系表中的数据均为从预设场景中各层桁架上预先采集的相机安装信息，因此不需要相机位置计算就可以读取对应的实际相机位置信息，提高了计算效率。
305、当查询结果为空值时，基于x-y平面坐标系对对应的相机位置信息归一化值进行坐标转换，得到对应的实际相机位置信息。
具体的，当查询结果为空值时，服务器将对应的相机位置信息归一化值、桁架的周长信息和桁架总层数进行相乘，得到每个相机的路径长度，以两层框架为例，桁架的周长信息为20，桁架总层数为2，若对应的相机位置信息归一化值为0.1，则路径长度为4；若应的相机位置信息归一化值为0.8，则路径长度为32；服务器采用每个相机的路径长度与桁架的周长信息确定对应的桁架层数，并根据对应的桁架层数确定每个相机的z坐标，例如，服务器确定对应的桁架层数为1，则z坐标为8；服务器从x-y平面坐标系中获取坐标原点，并根据每个相机的路径长度和坐标原点确定每个相机的x坐标和y坐标；服务器将x坐标、y坐标和z坐标设置为对应的相机实际位置信息，例如，服务器得到(3，0，8)为对应的相机实际位置信息。进一步地，服务器执行步骤306。
306、获取每个相机的水平视场角，并根据对应的实际相机位置信息、对应的相机水平角归一化值和每个相机的水平视场角计算对应的实际相机水平角。
具体的，服务器在x-y平面坐标系中的外方框上确定对应的相机位置点，并从内方框上获取两个顶点；服务器获取每个相机的水平视场角，基于对应的相机位置点、两个顶点和每个相机的水平视场角计算每个相机的搜索范围，并根据每个相机的搜索范围和对应的相机水平角归一化值计算对应的实际相机水平角。进一步地，服务器将对应的相机位置点分别与两个顶点进行连接，得到两个连接线段，每个连接线段与目标运动区域有且仅有一个交点；服务器将x-y平面坐标系中的x轴正向设置为基准线，并按照余弦函数公式对两个连接线段分别与基准线进行夹角计算，得到第一夹角值和第二夹角值，第一夹角值大于第二夹角值；服务器获取每个相机的水平视场角，并按照每个相机的水平视场角、第一夹角值和第二夹角值确定每个相机的搜索范围，并根据每个相机的搜索范围和对应的相机水平角归一化值进行计算，得到对应的实际相机水平角。其中，每个相机的搜索范围包括从第一相机水平角至第二相机水平角之间的角度值，第一相机水平角大于第一相机水平角，设置第一相机水平角为θ1，设置第一相机水平角为θ2因此，对应的实际相机水平角CaremaH，对应的相机水平角归一化值为h，则CaremaH＝θ2+(θ1-θ2)*h。
例如，对应的相机水平角归一化值为0.2，A相机的搜索范围为60度到90度之间，则CaremaH对应的实际相机水平角为60+(90-60)*0.2，也就是66度。
307、获取每个相机的垂直视场角，并根据每个相机的垂直视场角和对应的相机俯仰角归一化值计算对应的实际相机俯仰角。
具体的，服务器获取每个相机的垂直视场角，垂直视场角对应的取值范围为大于或者等于-90度，并且小于或者等于90度；服务器按照预置公式对每个相机的垂直视场角和对应的相机俯仰角归一化值v进行计算，得到对应的实际相机俯仰角CaremaV，预置公式为：
CaremaV＝-90+180*v，其中，CaremaV的单位为度。
举例说明，当对应的相机俯仰角归一化值v为0.1时，对应的实际相机俯仰角CaremaV为-90+180*0.1，也就是-72度；当相机俯仰角v＝0时，对应的实际相机俯仰角CaremaV为-90度，相机俯仰角v＝1时，对应的实际相机俯仰角CaremaV为90度。
308、将对应的实际相机位置信息、对应的实际相机水平角和对应的实际相机俯仰角输入到预设遗传算法的目标函数中，得到各种群的可见性得分，基于各种群的可见性得分筛选优秀种群并确定最终的相机安装位置信息。
该步骤308与步骤105描述相似，具体此处不再赘述。
本发明实施例中，通过采用归一化参数变量以及减少参数变量确定相机安装位置的实际位姿信息，避免修改预设遗传算法的内部结构，确保预设遗传算法计算方式的统一，提高遗传算法的执行效率；并采用相机位置信息归一化值和预设映射关系表确定实际相机位置信息，减少计算的复杂度，提高了计算效率；同时采用实际相机位置信息、实际相机水平角和实际相机俯仰角进行各种群可见性得分计算，提高筛选优秀种群的准确性以及确定相机安装位置的准确性。
上面对本发明实施例中相机安装位置的确定方法进行了描述，下面对本发明实施例中相机安装位置的确定装置进行描述，请参阅图4，本发明实施例中相机安装位置的确定装置一个实施例包括：
获取模块401，用于获取多个种群，每个种群包括在预设场景中多个相机的归一化位姿信息，每个相机的归一化位姿信息包括对应的相机位置信息归一化值、对应的相机水平角归一化值和对应的相机俯仰角归一化值；
确定模块402，用于获取预设场景对应的场景信息，并按照对应的场景信息和对应的相机位置信息归一化值确定对应的实际相机位置信息；
第一计算模块403，用于获取每个相机的水平视场角，并根据对应的实际相机位置信息、对应的相机水平角归一化值和每个相机的水平视场角计算对应的实际相机水平角；
第二计算模块404，用于获取每个相机的垂直视场角，并根据每个相机的垂直视场角和对应的相机俯仰角归一化值计算对应的实际相机俯仰角；
筛选模块405，用于将对应的实际相机位置信息、对应的实际相机水平角和对应的实际相机俯仰角输入到预设遗传算法的目标函数中，得到各种群的可见性得分，基于各种群的可见性得分筛选优秀种群并确定最终的相机安装位置信息。
本发明实施例中，通过采用归一化参数变量以及减少参数变量确定相机安装位置的实际位姿信息，避免修改预设遗传算法的内部结构，确保预设遗传算法计算方式的统一，提高遗传算法的执行效率；并采用相机位置信息归一化值和预设映射关系表确定实际相机位置信息，减少计算的复杂度，提高了计算效率；同时采用实际相机位置信息、实际相机水平角和实际相机俯仰角进行各种群可见性得分计算，提高筛选优秀种群的准确性以及确定相机安装位置的准确性。
请参阅图5，本发明实施例中相机安装位置的确定装置的另一个实施例包括：
获取模块401，用于获取多个种群，每个种群包括在预设场景中多个相机的归一化位姿信息，每个相机的归一化位姿信息包括对应的相机位置信息归一化值、对应的相机水平角归一化值和对应的相机俯仰角归一化值；
确定模块402，用于获取预设场景对应的场景信息，并按照对应的场景信息和对应的相机位置信息归一化值确定对应的实际相机位置信息；
第一计算模块403，用于获取每个相机的水平视场角，并根据对应的实际相机位置信息、对应的相机水平角归一化值和每个相机的水平视场角计算对应的实际相机水平角；
第二计算模块404，用于获取每个相机的垂直视场角，并根据每个相机的垂直视场角和对应的相机俯仰角归一化值计算对应的实际相机俯仰角；
筛选模块405，用于将对应的实际相机位置信息、对应的实际相机水平角和对应的实际相机俯仰角输入到预设遗传算法的目标函数中，得到各种群的可见性得分，基于各种群的可见性得分筛选优秀种群并确定最终的相机安装位置信息。
可选的，确定模块402还包括：
建立单元4021，用于获取预设场景对应的场景信息，按照对应的场景信息建立x-y平面坐标系；
查询单元4022，用于按照对应的场景信息和对应的相机位置信息归一化值查询预置映射关系表，得到查询结果；
读取单元4023，当查询结果不为空值时，用于从查询结果中读取对应的实际相机位置信息；
转换单元4024，当查询结果为空值时，用于基于x-y平面坐标系对对应的相机位置信息归一化值进行坐标转换，得到对应的实际相机位置信息。
可选的，建立单元4021还可以具体用于：
获取预设场景对应的场景信息，从对应的场景信息中获取桁架信息和目标运动区域信息，桁架信息包括桁架的周长信息和桁架总层数；
基于桁架信息和目标运动区域信息绘制预设场景的俯视图，并基于俯视图建立x-y平面坐标系，俯视图包括呈中心对称的外方框和内方框，外方框和内方框分别用于指示桁架和目标运动区域，目标运动区域位于桁架内。
可选的，转换单元4024还可以具体用于：
当查询结果为空值时，将对应的相机位置信息归一化值、桁架的周长信息和桁架总层数进行相乘，得到每个相机的路径长度；
采用每个相机的路径长度与桁架的周长信息确定对应的桁架层数，并根据对应的桁架层数确定每个相机的z坐标；
从x-y平面坐标系中获取坐标原点，并根据每个相机的路径长度和坐标原点确定每个相机的x坐标和y坐标；
将x坐标、y坐标和z坐标设置为对应的相机实际位置信息。
可选的，第一计算模块403还包括：
获取单元4031，用于在x-y平面坐标系中的外方框上确定对应的相机位置点，并从内方框上获取两个顶点；
计算单元4032，用于获取每个相机的水平视场角，基于对应的相机位置点、两个顶点和每个相机的水平视场角计算每个相机的搜索范围，并根据每个相机的搜索范围和对应的相机水平角归一化值计算对应的实际相机水平角。
可选的，计算单元4032还可以具体用于：
将对应的相机位置点分别与两个顶点进行连接，得到两个连接线段，每个连接线段与目标运动区域有且仅有一个交点；
将x-y平面坐标系中的x轴正向设置为基准线，并按照余弦函数公式对两个连接线段分别与基准线进行夹角计算，得到第一夹角值和第二夹角值，第一夹角值大于第二夹角值；
获取每个相机的水平视场角，并按照每个相机的水平视场角、第一夹角值和第二夹角值确定每个相机的搜索范围，并根据每个相机的搜索范围和对应的相机水平角归一化值进行计算，得到对应的实际相机水平角。
可选的，第二计算模块404具体用于：
获取每个相机的垂直视场角，垂直视场角对应的取值范围为大于或者等于-90度，并且小于或者等于90度；
按照预置公式对每个相机的垂直视场角和对应的相机俯仰角归一化值v进行计算，得到对应的实际相机俯仰角CaremaV，预置公式为：
CaremaV＝-90+180*v，
其中，所述CaremaV的单位为度。
本发明实施例中，通过采用归一化参数变量以及减少参数变量确定相机安装位置的实际位姿信息，避免修改预设遗传算法的内部结构，确保预设遗传算法计算方式的统一，提高遗传算法的执行效率；并采用相机位置信息归一化值和预设映射关系表确定实际相机位置信息，减少计算的复杂度，提高了计算效率；同时采用实际相机位置信息、实际相机水平角和实际相机俯仰角进行各种群可见性得分计算，提高筛选优秀种群的准确性以及确定相机安装位置的准确性。
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安装位置的确定装置进行详细描述，下面从硬件处理的角度对本发明实施例中相机安装位置的确定设备进行详细描述。
图6是本发明实施例提供的一种相机安装位置的确定设备的结构示意图，该相机安装位置的确定设备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安装位置的确定设备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，在相机安装位置的确定设备600上执行存储介质630中的一系列指令操作。
相机安装位置的确定设备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示出的相机安装位置的确定设备结构并不构成对相机安装位置的确定设备的限定，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安装位置的确定方法的步骤。
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 (7)

1.一种相机安装位置的确定方法，其特征在于，所述相机安装位置的确定方法包括：
获取多个种群，每个种群包括在预设场景中多个相机的归一化位姿信息，每个相机的归一化位姿信息包括对应的相机位置信息归一化值、对应的相机水平角归一化值和对应的相机俯仰角归一化值；
获取所述预设场景对应的场景信息，并按照所述对应的场景信息和所述对应的相机位置信息归一化值确定对应的实际相机位置信息；
获取每个相机的水平视场角，并根据所述对应的实际相机位置信息、所述对应的相机水平角归一化值和每个相机的水平视场角计算对应的实际相机水平角；
获取每个相机的垂直视场角，并根据每个相机的垂直视场角和所述对应的相机俯仰角归一化值计算对应的实际相机俯仰角；
将所述对应的实际相机位置信息、所述对应的实际相机水平角和所述对应的实际相机俯仰角输入到预设遗传算法的目标函数中，得到各种群的可见性得分，基于所述各种群的可见性得分筛选优秀种群并确定最终的相机安装位置信息；
所述获取所述预设场景对应的场景信息，并按照所述对应的场景信息和所述对应的相机位置信息归一化值确定对应的实际相机位置信息包括：获取所述预设场景对应的场景信息，按照所述对应的场景信息建立x-y平面坐标系；按照所述对应的场景信息和所述对应的相机位置信息归一化值查询预置映射关系表，得到查询结果；当所述查询结果不为空值时，从所述查询结果中读取对应的实际相机位置信息；当所述查询结果为空值时，基于所述x-y平面坐标系对所述对应的相机位置信息归一化值进行坐标转换，得到所述对应的实际相机位置信息；
所述获取所述预设场景对应的场景信息，按照所述对应的场景信息建立x-y平面坐标系包括：获取所述预设场景对应的场景信息，从所述对应的场景信息中获取桁架信息和目标运动区域信息，所述桁架信息包括桁架的周长信息和桁架总层数；基于所述桁架信息和所述目标运动区域信息绘制预设场景的俯视图，并基于所述俯视图建立x-y平面坐标系，所述俯视图包括呈中心对称的外方框和内方框，所述外方框和内方框分别用于指示桁架和目标运动区域，所述目标运动区域位于所述桁架内；
所述当所述查询结果为空值时，基于所述x-y平面坐标系对所述对应的相机位置信息归一化值进行坐标转换，得到所述对应的实际相机位置信息包括：当所述查询结果为空值时，将所述对应的相机位置信息归一化值、所述桁架的周长信息和所述桁架总层数进行相乘，得到每个相机的路径长度；采用每个相机的路径长度与所述桁架的周长信息确定对应的桁架层数，并根据所述对应的桁架层数确定每个相机的z坐标；从所述x-y平面坐标系中获取坐标原点，并根据每个相机的路径长度和所述坐标原点确定每个相机的x坐标和y坐标；将所述x坐标、所述y坐标和所述z坐标设置为所述对应的相机实际位置信息。
2.根据权利要求1所述的相机安装位置的确定方法，其特征在于，所述获取每个相机的水平视场角，并根据所述对应的实际相机位置信息、所述对应的相机水平角归一化值和每个相机的水平视场角计算对应的实际相机水平角，包括：
在所述x-y平面坐标系中的外方框上确定对应的相机位置点，并从所述内方框上获取两个顶点；
获取每个相机的水平视场角，基于所述对应的相机位置点、所述两个顶点和每个相机的水平视场角计算每个相机的搜索范围，并根据每个相机的搜索范围和所述对应的相机水平角归一化值计算对应的实际相机水平角。
3.根据权利要求2所述的相机安装位置的确定方法，其特征在于，所述获取每个相机的水平视场角，基于所述对应的相机位置点、所述两个顶点和每个相机的水平视场角计算每个相机的搜索范围，并根据每个相机的搜索范围和所述对应的相机水平角归一化值计算对应的实际相机水平角，包括：
将所述对应的相机位置点分别与所述两个顶点进行连接，得到两个连接线段，每个连接线段与所述目标运动区域有且仅有一个交点；
将所述x-y平面坐标系中的x轴正向设置为基准线，并按照余弦函数公式对所述两个连接线段分别与所述基准线进行夹角计算，得到第一夹角值和第二夹角值，所述第一夹角值大于所述第二夹角值；
获取每个相机的水平视场角，并按照每个相机的水平视场角、所述第一夹角值和所述第二夹角值确定每个相机的搜索范围，并根据每个相机的搜索范围和所述对应的相机水平角归一化值进行计算，得到对应的实际相机水平角。
4.根据权利要求1-3中任一项所述的相机安装位置的确定方法，其特征在于，所述获取每个相机的垂直视场角，并根据每个相机的垂直视场角和所述对应的相机俯仰角归一化值计算对应的实际相机俯仰角，包括：
获取每个相机的垂直视场角，所述垂直视场角对应的取值范围为大于或者等于-90度，并且小于或者等于90度；
按照预置公式对每个相机的垂直视场角和所述对应的相机俯仰角归一化值v进行计算，得到对应的实际相机俯仰角CaremaV，所述预置公式为：
CaremaV＝-90+180*v，
其中，所述CaremaV的单位为度。
5.一种相机安装位置的确定装置，其特征在于，所述相机安装位置的确定装置包括：
获取模块，用于获取多个种群，每个种群包括在预设场景中多个相机的归一化位姿信息，每个相机的归一化位姿信息包括对应的相机位置信息归一化值、对应的相机水平角归一化值和对应的相机俯仰角归一化值；
确定模块，用于获取所述预设场景对应的场景信息，并按照所述对应的场景信息和所述对应的相机位置信息归一化值确定对应的实际相机位置信息；
第一计算模块，用于获取每个相机的水平视场角，并根据所述对应的实际相机位置信息、所述对应的相机水平角归一化值和每个相机的水平视场角计算对应的实际相机水平角；
第二计算模块，用于获取每个相机的垂直视场角，并根据每个相机的垂直视场角和所述对应的相机俯仰角归一化值计算对应的实际相机俯仰角；
筛选模块，用于将所述对应的实际相机位置信息、所述对应的实际相机水平角和所述对应的实际相机俯仰角输入到预设遗传算法的目标函数中，得到各种群的可见性得分，基于所述各种群的可见性得分筛选优秀种群并确定最终的相机安装位置信息；
所述确定模块包括：建立单元，用于获取所述预设场景对应的场景信息，按照所述对应的场景信息建立x-y平面坐标系；查询单元，用于按照所述对应的场景信息和所述对应的相机位置信息归一化值查询预置映射关系表，得到查询结果；读取单元，当所述查询结果不为空值时，用于从所述查询结果中读取对应的实际相机位置信息；转换单元，当所述查询结果为空值时，用于基于所述x-y平面坐标系对所述对应的相机位置信息归一化值进行坐标转换，得到所述对应的实际相机位置信息；
所述建立单元具体用于：获取所述预设场景对应的场景信息，从所述对应的场景信息中获取桁架信息和目标运动区域信息，所述桁架信息包括桁架的周长信息和桁架总层数；基于所述桁架信息和所述目标运动区域信息绘制预设场景的俯视图，并基于所述俯视图建立x-y平面坐标系，所述俯视图包括呈中心对称的外方框和内方框，所述外方框和内方框分别用于指示桁架和目标运动区域，所述目标运动区域位于所述桁架内；
所述转换单元具体用于：当所述查询结果为空值时，将所述对应的相机位置信息归一化值、所述桁架的周长信息和所述桁架总层数进行相乘，得到每个相机的路径长度；采用每个相机的路径长度与所述桁架的周长信息确定对应的桁架层数，并根据所述对应的桁架层数确定每个相机的z坐标；从所述x-y平面坐标系中获取坐标原点，并根据每个相机的路径长度和所述坐标原点确定每个相机的x坐标和y坐标；将所述x坐标、所述y坐标和所述z坐标设置为所述对应的相机实际位置信息。
6.一种相机安装位置的确定设备，其特征在于，所述相机安装位置的确定设备包括：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，以使得所述相机安装位置的确定设备执行如权利要求1-4中任意一项所述的相机安装位置的确定方法。
7.一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1-4中任一项所述相机安装位置的确定方法。
CN202010346434.2A 2020-04-27 2020-04-27 相机安装位置的确定方法、装置、设备及存储介质 Active CN111540019B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010346434.2A CN111540019B (zh) 2020-04-27 2020-04-27 相机安装位置的确定方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010346434.2A CN111540019B (zh) 2020-04-27 2020-04-27 相机安装位置的确定方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111540019A CN111540019A (zh) 2020-08-14
CN111540019B true CN111540019B (zh) 2023-06-30

Family

ID=71970157

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010346434.2A Active CN111540019B (zh) 2020-04-27 2020-04-27 相机安装位置的确定方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111540019B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115529437A (zh) * 2021-06-25 2022-12-27 青岛海信智慧生活科技股份有限公司 一种监控设备布置信息确定方法、装置、设备及介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101419055B (zh) * 2008-10-30 2010-08-25 北京航空航天大学 基于视觉的空间目标位姿测量装置和方法
CN103268610A (zh) * 2013-05-23 2013-08-28 浙江大学 一种折反射全向相机的统一模型及其标定方法
CN105678785B (zh) * 2016-02-01 2018-03-02 西安交通大学 一种激光与相机相对位姿关系的标定方法
CA2961921C (en) * 2016-03-29 2020-05-12 Institut National D'optique Camera calibration method using a calibration target

Also Published As

Publication number Publication date
CN111540019A (zh) 2020-08-14

Similar Documents

Publication Publication Date Title
Zhou et al. 2.5 d dual contouring: A robust approach to creating building models from aerial lidar point clouds
US7750905B2 (en) Method for constructing a triangular mesh surface of a point cloud
CN112099627B (zh) 一种基于人工智能的城市设计虚拟现实即时交互平台
US6292190B1 (en) Automatic identification of geometric relationships between elements of a computer-generated drawing
US8874375B2 (en) Digital map projection
CN112446301B (zh) 一种遥感图像多类别目标检测方法和系统
CN107193923B (zh) 一种二维地理空间快速矢量叠加的方法及系统
CN113192174B (zh) 建图方法、装置及计算机存储介质
CN111540019B (zh) 相机安装位置的确定方法、装置、设备及存储介质
CN112632683A (zh) 基于虚幻引擎的数字孪生城市空间定位方法、装置及存储介质
CN1569558A (zh) 基于图像表现特征的移动机器人视觉导航方法
CN114565842A (zh) 基于Nvidia Jetson嵌入式硬件的无人机实时目标检测方法及系统
Jin et al. Computing tëichmuller shape space
JP3112372B2 (ja) 地図合成方法及び装置
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
JP2920195B2 (ja) 形状変換方法及び装置
CN111416942B (zh) 限制相机搜索范围的方法、装置、设备及存储介质
JP2006286019A (ja) 三次元構造物形状の自動生成装置、自動生成方法、そのプログラム、及びそのプログラムを記録した記録媒体
CN116310194A (zh) 一种配电站房三维模型重建方法、系统、设备和存储介质
CN111460735A (zh) 基于基因遗传的相机布局函数优化方法及相关设备
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
CN111540018A (zh) 相机对称布局模式的得分计算方法及相关设备
CN117058358B (zh) 一种场景边界检测方法和移动平台
KR101648371B1 (ko) 평면도형 대표폭 산출 장치 및 방법, 그리고 그를 이용한 구조물 대표폭 산출 장치 및 방법
CN113853632B (zh) 用于3d扫描之间全局配准的方法和系统

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