CN112102378A - 图像配准方法、装置、终端设备及计算机可读存储介质 - Google Patents

图像配准方法、装置、终端设备及计算机可读存储介质 Download PDF

Info

Publication number
CN112102378A
CN112102378A CN202010785655.XA CN202010785655A CN112102378A CN 112102378 A CN112102378 A CN 112102378A CN 202010785655 A CN202010785655 A CN 202010785655A CN 112102378 A CN112102378 A CN 112102378A
Authority
CN
China
Prior art keywords
target
image
point
shooting
thermal infrared
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
Application number
CN202010785655.XA
Other languages
English (en)
Other versions
CN112102378B (zh
Inventor
张惊涛
程骏
胡淑萍
顾在旺
王东
郭渺辰
庞建新
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 Ubtech Technology Co ltd
Original Assignee
Shenzhen Ubtech 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 Ubtech Technology Co ltd filed Critical Shenzhen Ubtech Technology Co ltd
Priority to CN202010785655.XA priority Critical patent/CN112102378B/zh
Publication of CN112102378A publication Critical patent/CN112102378A/zh
Application granted granted Critical
Publication of CN112102378B publication Critical patent/CN112102378B/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
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/0022—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation of moving bodies
    • G01J5/0025—Living bodies
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker
    • G06T2207/30208—Marker matrix

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Studio Devices (AREA)

Abstract

本申请适用于图像处理技术领域，提供了一种图像配准方法、图像配准装置、终端设备及计算机可读存储介质，包括：通过拍摄装置获取第一拍摄目标的目标RGB图像和目标热红外图像；获取所述拍摄装置的仿射变换模型；确定所述目标RGB图像中所述第一拍摄目标的第一检测框，并分别根据每个所述单应性矩阵将所述第一检测框映射到所述目标热红外图像中，获得所述目标热红外图像中与所述第一检测框对应的多个第二检测框；将所述多个第二检测框融合为一个第三检测框，并将所述第三检测框记为图像配准结果。通过上述方法，能够节约图像配准的时间，并提高图像配准方法的鲁棒性，进而提高图像配准结果的准确性。

Description

图像配准方法、装置、终端设备及计算机可读存储介质
技术领域
本申请属于图像处理技术领域，尤其涉及图像配准方法、图像配准装置、终端设备及计算机可读存储介质。
背景技术
目前在公共场所中，主要是通过非接触式测温装置对人群进行快速测温的。通过非接触式测温装置可以获取人体的RGB图像和热红外图像，然后通过将RGB图像和热红外图像进行信息融合，获得人体的测量体温。
在对RGB图像和热红外图像进行信息融合时，常用的方法是对RGB图像和热红外图像进行图像配准。现有的图像配准方法通常是基于特征的配准算法，即在RGB图像和热红外图像中分别提取特征(如SIFT特征或ORB特征等)，然后根据提取的特征计算两幅图像中的匹配点，最后通过匹配点计算两图像之间的映射矩阵。但是，现有的图像配准方法计算出的映射矩阵通常仅对应一个拍摄距离，当拍摄装置与拍摄目标之间的拍摄距离发生变化时，需要重新计算映射矩阵。因此，现有的图像配准方法耗时较长，鲁棒性较差。
发明内容
本申请实施例提供了一种图像配准方法、图像配准装置、终端设备及计算机可读存储介质，可以解决现有的图像配准方法耗时较长、鲁棒性较差的问题。
第一方面，本申请实施例提供了一种图像配准方法，包括：
通过拍摄装置获取包括第一拍摄目标的目标RGB图像和目标热红外图像；
获取所述拍摄装置的仿射变换模型，其中，所述仿射变换模型中包括所述拍摄装置的拍摄范围内的多个拍摄距离各自对应的单应性矩阵，所述单应性矩阵用于表示当所述拍摄装置与所述第一拍摄目标间隔所述拍摄距离时、所述目标RGB图像与所述目标热红外图像之间的坐标映射关系；
确定所述目标RGB图像中所述第一拍摄目标的第一检测框，并分别根据每个所述单应性矩阵将所述第一检测框映射到所述目标热红外图像中，获得所述目标热红外图像中与所述第一检测框对应的多个第二检测框；
将所述多个第二检测框融合为一个第三检测框，并将所述第三检测框记为图像配准结果。
在第一方面的一种可能的实现方式中，所述获取所述拍摄装置的仿射变换模型，包括：
对于每个目标距离，当所述拍摄装置与第二拍摄目标间隔所述目标距离时，通过所述拍摄装置获取包括所述第二拍摄目标的样本RGB图像和样本热红外图像，其中，所述目标距离为所述拍摄装置的拍摄范围内的任意一个所述拍摄距离；
获取所述样本RGB图像中的第一目标点，并获取所述样本热红外图像中与所述第一目标点匹配的第二目标点，其中，所述第一目标点为所述样本RGB图像中所述第二拍摄目标对应的图像区域内的任意一个像素点；
根据所述第一目标点与所述第二目标点计算所述目标距离对应的单应性矩阵。
在第一方面的一种可能的实现方式中，所述第一目标点的个数至少为3，相应的，所述第二目标点的个数与所述第一目标点的个数相同；
所述根据所述第一目标点与所述第二目标点计算所述目标距离对应的单应性矩阵，包括：
对于每个所述第一目标点以及与所述第一目标点对应的第二目标点，通过公式
Figure BDA0002621865080000021
计算所述目标距离对应的单应性矩阵；
其中，(x，y)为所述第一目标点的坐标，(x′，y′)为与所述第一目标点对应的所述第二目标点的坐标，H为所述目标距离对应的单应性矩阵。
在第一方面的一种可能的实现方式中，在所述分别根据每个所述单应性矩阵将所述第一检测框映射到所述目标热红外图像中，获得所述目标热红外图像中与所述第一检测框对应的多个第二检测框的步骤中，根据任意一个所述单应性矩阵将所述第一检测框映射到所述目标热红外图像中的方法包括：
对于每个第三目标点，通过公式
Figure BDA0002621865080000031
将所述第三目标点映射到所述目标热红外图像中，获得所述目标热红外图像中的第四目标点；
其中，所述第三目标点为所述第一检测框上的任意一个点，所述第四目标点为所述第二检测框上与所述第三目标点对应的点，(x″′，y″′)为所述第三目标点的坐标，(x″，y″)为所述第四目标点的坐标，H为所述单应性矩阵。
在第一方面的一种可能的实现方式中，所述将所述多个第二检测框融合为一个第三检测框，包括：
确定包含所述多个第二检测框的最大边界框，并将所述最大边界框记为所述第三检测框。
在第一方面的一种可能的实现方式中，所述确定包含所述多个第二检测框的最大边界框，包括：
计算所述多个第二检测框的中心点的坐标；
统计每个所述第二检测框的边界点的坐标；
根据所述边界点的坐标和所述中心点的坐标，从所述边界点中确定出与所述中心点距离最大的边界点，得到最大边界点；
根据所述中心点的坐标和所述最大边界点的坐标确定所述最大边界框。
第二方面，本申请实施例提供了一种图像配准装置，包括：
图像获取单元，用于通过拍摄装置获取包括第一拍摄目标的目标RGB图像和目标热红外图像；
模型获取单元，用于获取所述拍摄装置的仿射变换模型，其中，所述仿射变换模型中包括所述拍摄装置的拍摄范围内的多个拍摄距离各自对应的单应性矩阵，所述单应性矩阵用于表示当所述拍摄装置与所述第一拍摄目标间隔所述拍摄距离时、所述目标RGB图像与所述目标热红外图像之间的坐标映射关系；
映射单元，用于确定所述目标RGB图像中所述第一拍摄目标的第一检测框，并分别根据每个所述单应性矩阵将所述第一检测框映射到所述目标热红外图像中，获得所述目标热红外图像中与所述第一检测框对应的多个第二检测框；
配准单元，用于将所述多个第二检测框融合为一个第三检测框，并将所述第三检测框记为图像配准结果。
第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述的图像配准方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，本申请实施例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上述第一方面中任一项所述的图像配准方法。
第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的图像配准方法。
可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
本申请实施例与现有技术相比存在的有益效果是：
本申请实施例通过拍摄装置获取第一拍摄目标的目标RGB图像和目标热红外图像；然后获取拍摄装置的仿射变换模型，其中，仿射变换模型中包括拍摄装置的拍摄范围内的多个拍摄距离各自对应的单应性矩阵，单应性矩阵用于表示当拍摄装置与第一拍摄目标间隔拍摄距离时、目标RGB图像与目标热红外图像之间的坐标映射关系；分别根据每个单应性矩阵将目标RGB图像中第一拍摄目标的第一检测框映射到目标热红外图像中，获得目标热红外图像中与第一检测框对应的多个第二检测框；由于每个单应性矩阵对应一个拍摄距离，因此，获得的多个第二检测框为不同拍摄距离下第一检测框在目标热红外图像中的配准图像；最后将多个第二检测框融合为一个第三检测框，并将第三检测框记为图像配准结果。通过上述方法，无论拍摄装置与拍摄目标间隔的拍摄距离是多少，都可以直接根据预先建立好的仿射变换模型将第一检测框映射到目标热红外图像中，节约了图像配准的时间；另外，最后得到的图像配准结果是将多个拍摄距离对应的单应性矩阵映射得到的多个第二检测框进行融合得到的，避免了由于拍摄距离造成的映射坐标的漂移现象，提高了图像配准方法的鲁棒性以及图像配准结果的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的图像配准方法的流程示意图；
图2是本申请实施例提供的匹配点示意图；
图3是本申请实施例提供的检测框映射示意图；
图4是本申请实施例提供的最大边界框的示意图；
图5是本申请实施例提供的图像配准装置的结构框图；
图6是本申请实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。
参见图1，是本申请实施例提供的图像配准方法的流程示意图，作为示例而非限定，所述方法可以包括以下步骤：
S101，通过拍摄装置获取包括第一拍摄目标的目标RGB图像和目标热红外图像。
在本申请实施例中，拍摄装置可以是非接触式测温装置。在一个应用场景中，利用非接触式测温装置对人体表面进行测温的流程为：通过非接触式测温装置获取人体表面(如面部)的RGB图像和热红外图像，然后对RGB图像和热红外图像进行图像配准，之后获取RGB图像中的测温点(如眉心位置)、并将该测温点通过图像配准结果映射到热红外图像中，获得热红外图像中与该测温点对应的点(即眉心位置在热红外图像中对应的点)，最后将热红外图像中的与测温点对应的点的温度值记为人体的温度值。
非接触式测温装置可以看成是一对由RGB相机和热红外相机组成的双目相机。两个相机采集的图像(即RGB图像和热红外图像)之间具有尺度、旋转和平移关系。本申请实施例提供的图像配准方法，实质上是对上述双目相机采集的两个图像进行配准。
图像配准是指，将不同时间、不同成像设备或不同条件下(天候、照度、摄像位置和角度等)获取的两幅或多幅图像进行匹配、叠加的过程。通常，图像配准流程为：首先对两幅图像进行特征提取得到特征点，通过相似性度量找到匹配的特征点，然后通过匹配特征点得到图像空间坐标变换参数，最后由坐标变换参数进行图像配准。换言之，图像配准的实质是找到两个图像之间的坐标映射关系。但是由上述描述可知，现有的图像配准方法需要实时计算坐标映射关系，这导致图像配准的时间较长。
为了解决上述问题，在本申请实施例中，采用下述步骤进行图像配准。
S102，获取所述拍摄装置的仿射变换模型。
其中，仿射变换模型中包括拍摄装置的拍摄范围内的多个拍摄距离各自对应的单应性矩阵，单应性矩阵用于表示当拍摄装置与第一拍摄目标间隔拍摄距离时、目标RGB图像与目标热红外图像之间的坐标映射关系。
由于两个图像之间的坐标映射关系满足单应性关系，即一个拍摄距离对应一种坐标映射关系。因此，需要标定不同拍摄距离各自对应的单应性矩阵。本申请实施例中的拍摄距离可以是具体的某个距离值，也可以是某个距离段。
示例性的，假设拍摄装置的拍摄范围是3m-5m，可以以50cm为间隔划分距离段(例如3m-3.5m为一个距离段，3.5m-4m为一个距离段等)，然后分别计算每个距离段各自对应的单应性矩阵。
在本申请实施例中，预先建立仿射变换模型，当需要进行图像配准时，直接根据预先建立的仿射变换模型进行图像配准即可，无需重新计算，大大节约了图像配准的时间。
可选的，获取仿射变换模型的一种方式为：
1)对于每个目标距离，当拍摄装置与第二拍摄目标间隔所述目标距离时，通过拍摄装置获取包括第二拍摄目标的样本RGB图像和样本热红外图像，其中，目标距离为拍摄装置的拍摄范围内的任意一个拍摄距离。
本申请实施例中，第一拍摄目标指在实际测温过程中的拍摄目标，而第二拍摄目标指在预先建立仿射变换模型的阶段用于标定的拍摄目标。不论拍摄目标是否相同，对于同一个拍摄装置，仿射变换模型是固定的。换言之，同一拍摄装置对不同拍摄目标进行拍摄时，均可以使用该拍摄装置的仿射变换模型进行图像配准。因此，在预先建立仿射变换模型的阶段，可以任意选取第二拍摄目标。
其中，拍摄目标可以是整体目标，如人体表面；也可以是局部目标，如人脸部位。样本RGB图像和样本热红外图像中只要包括拍摄目标即可，不一定仅包括拍摄目标。例如，假设拍摄目标为人脸部位，可以对人体的上半身进行拍摄，获得的样本RGB图像和样本热红外图像中不仅包括人脸部位，还包括人体上半身的其他部位。
为了保证仿射变换模型更加精确，通常，在实际测温过程中对哪类对象进行拍摄，在建立仿射变换模型的过程中就对哪类对象进行拍摄。例如，实际测温过程中需要对人体表面进行测温，相应的建立仿射变换模型的过程中第二拍摄目标为人体表面；实际测温过程中需要对人脸部位进行测温，相应的建立仿射变换模型的过程中第二拍摄目标为人脸部位。
参见图2，是本申请实施例提供的匹配点示意图。图2中的(a)为样本RGB图像，图2中的(b)为样本热红外图像。
2)获取样本RGB图像中的第一目标点，并获取样本热红外图像中与第一目标点匹配的第二目标点，其中，第一目标点为样本RGB图像中第二拍摄目标对应的图像区域内的任意一个像素点。
可以人为选取第一目标点，并人为查找第二目标点。然后对第一目标点和第二目标点进行人工标记。这里的获取第一目标点和第二目标点是指，获取第一目标点在样本RGB图像中的坐标、以及第二目标点在样本热红外图像中的坐标。
如图2中所示，用虚线线段连接起来的两个点即为一对匹配点。
3)根据第一目标点与第二目标点计算目标距离对应的单应性矩阵。
相应的，步骤3)中计算目标距离对应的单应性矩阵的方式为：
对于每个所述第一目标点以及与所述第一目标点对应的第二目标点，通过公式
Figure BDA0002621865080000091
计算所述目标距离对应的单应性矩阵。
其中，(x，y)为所述第一目标点的坐标，(x′，y′)为与所述第一目标点对应的所述第二目标点的坐标，H为所述目标距离对应的单应性矩阵。
Figure BDA0002621865080000092
ai和bj均为所述单应性矩阵中的参数，1≤i≤4，1≤j≤2，i和j均为整数。其中，a1～a4表示旋转和尺度参数，b1～b2表示平移参数。
由于一对匹配点可以提供两个方程，而H中有6个未知数，因此，至少需要三对匹配点求解上述方程。
进一步的，所述第一目标点的个数至少为3，相应的，所述第二目标点的个数与所述第一目标点的个数相同。
在选取第一目标点的过程中，应尽量保证第一目标点均匀分布在第二拍摄目标对应的图像区域中。
S103，确定所述目标RGB图像中所述第一拍摄目标的第一检测框，并分别根据每个所述单应性矩阵将所述第一检测框映射到所述目标热红外图像中，获得所述目标热红外图像中与所述第一检测框对应的多个第二检测框。
第一拍摄目标的第一检测框是指，目标RGB图像中第一拍摄目标所占图像区域对应的标记框，如矩形框、圆形框等。参见图3，是本申请实施例提供的检测框映射示意图。图3中的(a)为目标RGB图像，图3中的(b)为目标热红外图像。如图3中的(a)所示，第一拍摄目标为人脸部位，第一拍摄目标对应的第一检测框为检测框301。如图3中的(b)所示，第一检测框在目标热红外图像中对应的多个第二检测框为检测框302、303和304(本示例中以3个单应性矩阵为例，对应的映射出3个第二检测框)。
基于步骤S102中单应性矩阵的计算方式，步骤S103中根据单应性矩阵将第一检测框映射到目标热红外图像中的方式包括：
对于每个第三目标点，通过公式
Figure BDA0002621865080000101
将所述第三目标点映射到所述目标热红外图像中，获得所述目标热红外图像中的第四目标点。
其中，所述第三目标点为所述第一检测框上的任意一个点，所述第四目标点为所述第二检测框上与所述第三目标点对应的点，(x″′，y″′)为所述第三目标点的坐标，(x″，y″)为所述第四目标点的坐标，H为所述单应性矩阵。
由于H是已知，第三目标点的坐标也是已知的，因此可以直接通过上述公式计算出第四目标点的坐标，即得到目标热红外图像中的映射点。通过上述方法，避免了每次图像配准过程中单应性矩阵的计算步骤，节约了图像配准的时间。
S104，将所述多个第二检测框融合为一个第三检测框，并将所述第三检测框记为图像配准结果。
每个第二检测框对应一个拍摄距离，因此，不论第一拍摄目标距离拍摄装置的拍摄距离是多少，都可以根据上述方法获得目标热红外图像中可能的映射检测框(即第二检测框)。换言之，多个第二检测框所覆盖的图像区域即为，第一拍摄目标在目标热红外图像中对应的可能区域。由于这个可能区域的范围相对较大，为了保证图像配准结果的准确性，还需要在这个可能区域内确定出更精确的映射区域，即将所述多个第二检测框融合为一个第三检测框。
可选的，将所述多个第二检测框融合为一个第三检测框的一种实现方式为：确定多个第二检测框的交集框，并将交集框记为第三检测框。
由于每个第二检测框中都包括交集框所占的区域，因此，交集框所占的区域肯定属于映射区域，那么将交集框作为第三检测框，可以得到更精确的映射区域。但是，只取交集可能会丢失部分映射区域。
为了解决上述问题呢，可选的，将多个第二检测框融合为一个第三检测框的另一种实现方式包括：
确定包含所述多个第二检测框的最大边界框，并将所述最大边界框记为所述第三检测框。
最大边界框所占区域内包括了每个第二检测框所占的区域，因此，最大边界框所占区域不会丢失任何映射区域。
进一步的，确定最大边界框的方式为：
计算所述多个第二检测框的中心点的坐标；统计每个所述第二检测框的边界点的坐标；根据所述边界点的坐标和所述中心点的坐标，从所述边界点中确定出与所述中心点距离最大的边界点，得到最大边界点；根据所述中心点的坐标和所述最大边界点的坐标确定所述最大边界框。
其中，计算中心点的坐标的一种实现方式可以为：分别计算每个第二检测框的中心点的坐标，然后计算这些中心点的坐标的平均值，得到多个第二检测框的中心点的坐标。
第二检测框的边界点即为第二检测框上的点。实际应用中，可以通过采样的方法获取。例如：当第二检测框为矩形框时，可以将第二检测框的四个顶点作为边界点。
分别计算每个边界点与中心点之间的距离，然后取最大距离对应的边界点作为最大边界点。
当确定出最大边界点和中心点之后，以矩形框为例，以中心点为矩形中心，以最大边界点为矩形的顶点，确定出一个矩形框，并将该矩形框记为最大边界框。以圆形框为例，以中心点为圆心，以最大边界点与中心点之间的距离为半径，确定出一个圆形框，并将该圆形框记为最大边界框。
参见图4，是本申请实施例提供的最大边界框的示意图。如图4所示，以2个第二检测框为例，图中第二检测框401的中心点为O1，第二检测框402的中心点为O2，根据O1和O2确定出两个第二检测框的中心点为O3。分别取每个第二检测框的四个顶点作为边界点，然后计算每个边界点与O3之间的距离，确定出最大边界点为A点。根据A点和O3点确定出最大边界框403。
在一个应用场景中，在获得图像配准结果、即第三检测框之后，获取目标热红外图像中第三检测框对应的温度，并将该温度记为第一拍摄目标的测量温度。
通过上述方法，无论拍摄装置与拍摄目标间隔的拍摄距离是多少，都可以直接根据预先建立好的仿射变换模型将第一检测框映射到目标热红外图像中，节约了图像配准的时间；另外，最后得到的图像配准结果是将多个拍摄距离对应的单应性矩阵映射得到的多个第二检测框进行融合得到的，避免了由于拍摄距离造成的映射坐标的漂移现象，提高了图像配准方法的鲁棒性以及图像配准结果的准确性。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的图像配准方法，图5是本申请实施例提供的图像配准装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。
参照图5，该装置包括：
图像获取单元51，用于通过拍摄装置获取包括第一拍摄目标的目标RGB图像和目标热红外图像。
模型获取单元52，用于获取所述拍摄装置的仿射变换模型，其中，所述仿射变换模型中包括所述拍摄装置的拍摄范围内的多个拍摄距离各自对应的单应性矩阵，所述单应性矩阵用于表示当所述拍摄装置与所述第一拍摄目标间隔所述拍摄距离时、所述目标RGB图像与所述目标热红外图像之间的坐标映射关系。
映射单元53，用于确定所述目标RGB图像中所述第一拍摄目标的第一检测框，并分别根据每个所述单应性矩阵将所述第一检测框映射到所述目标热红外图像中，获得所述目标热红外图像中与所述第一检测框对应的多个第二检测框。
配准单元54，用于将所述多个第二检测框融合为一个第三检测框，并将所述第三检测框记为图像配准结果。
可选的，所述模型获取单元52包括：
图像获取模块，用于对于每个目标距离，当所述拍摄装置与第二拍摄目标间隔所述目标距离时，通过所述拍摄装置获取包括所述第二拍摄目标的样本RGB图像和样本热红外图像，其中，所述目标距离为所述拍摄装置的拍摄范围内的任意一个所述拍摄距离。
目标点获取模块，用于获取所述样本RGB图像中的第一目标点，并获取所述样本热红外图像中与所述第一目标点匹配的第二目标点，其中，所述第一目标点为所述样本RGB图像中所述第二拍摄目标对应的图像区域内的任意一个像素点。
矩阵计算模块，用于根据所述第一目标点与所述第二目标点计算所述目标距离对应的单应性矩阵。
可选的，所述第一目标点的个数至少为3，相应的，所述第二目标点的个数与所述第一目标点的个数相同。
可选的，矩阵计算模块还用于：
对于每个所述第一目标点以及与所述第一目标点对应的第二目标点，通过公式
Figure BDA0002621865080000131
计算所述目标距离对应的单应性矩阵；其中，(x，y)为所述第一目标点的坐标，(x′，y′)为与所述第一目标点对应的所述第二目标点的坐标，H为所述目标距离对应的单应性矩阵。
可选的，映射单元53还用于：
对于每个第三目标点，通过公式
Figure BDA0002621865080000141
将所述第三目标点映射到所述目标热红外图像中，获得所述目标热红外图像中的第四目标点；其中，所述第三目标点为所述第一检测框上的任意一个点，所述第四目标点为所述第二检测框上与所述第三目标点对应的点，(x″′，y″′)为所述第三目标点的坐标，(x″，y″)为所述第四目标点的坐标，H为所述单应性矩阵。
可选的，配准单元54还用于：
确定包含所述多个第二检测框的最大边界框，并将所述最大边界框记为所述第三检测框。
可选的，配准单元54还用于：
计算所述多个第二检测框的中心点的坐标；统计每个所述第二检测框的边界点的坐标；根据所述边界点的坐标和所述中心点的坐标，从所述边界点中确定出与所述中心点距离最大的边界点，得到最大边界点；根据所述中心点的坐标和所述最大边界点的坐标确定所述最大边界框。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
另外，图5所示的图像配准装置可以是内置于现有的终端设备内的软件单元、硬件单元、或软硬结合的单元，也可以作为独立的挂件集成到所述终端设备中，还可以作为独立的终端设备存在。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
图6是本申请实施例提供的终端设备的结构示意图。如图6所示，该实施例的终端设备6包括：至少一个处理器60(图6中仅示出一个)处理器、存储器61以及存储在所述存储器61中并可在所述至少一个处理器60上运行的计算机程序62，所述处理器60执行所述计算机程序62时实现上述任意各个图像配准方法实施例中的步骤。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，图6仅仅是终端设备6的举例，并不构成对终端设备6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，例如还可以包括输入输出设备、网络接入设备等。
所称处理器60可以是中央处理单元(Central Processing Unit，CPU)，该处理器60还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61在一些实施例中可以是所述终端设备6的内部存储单元，例如终端设备6的硬盘或内存。所述存储器61在另一些实施例中也可以是所述终端设备6的外部存储设备，例如所述终端设备6上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器61还可以既包括所述终端设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储操作系统、应用程序、引导装载程序(Boot Loader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还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存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行时实现可实现上述各个方法实施例中的步骤。
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，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种图像配准方法，其特征在于，包括：
通过拍摄装置获取包括第一拍摄目标的目标RGB图像和目标热红外图像；
获取所述拍摄装置的仿射变换模型，其中，所述仿射变换模型中包括所述拍摄装置的拍摄范围内的多个拍摄距离各自对应的单应性矩阵，所述单应性矩阵用于表示当所述拍摄装置与所述第一拍摄目标间隔所述拍摄距离时、所述目标RGB图像与所述目标热红外图像之间的坐标映射关系；
确定所述目标RGB图像中所述第一拍摄目标的第一检测框，并分别根据每个所述单应性矩阵将所述第一检测框映射到所述目标热红外图像中，获得所述目标热红外图像中与所述第一检测框对应的多个第二检测框；
将所述多个第二检测框融合为一个第三检测框，并将所述第三检测框记为图像配准结果。
2.如权利要求1所述的图像配准方法，其特征在于，所述获取所述拍摄装置的仿射变换模型，包括：
对于每个目标距离，当所述拍摄装置与第二拍摄目标间隔所述目标距离时，通过所述拍摄装置获取包括所述第二拍摄目标的样本RGB图像和样本热红外图像，其中，所述目标距离为所述拍摄装置的拍摄范围内的任意一个所述拍摄距离；
获取所述样本RGB图像中的第一目标点，并获取所述样本热红外图像中与所述第一目标点匹配的第二目标点，其中，所述第一目标点为所述样本RGB图像中所述第二拍摄目标对应的图像区域内的任意一个像素点；
根据所述第一目标点与所述第二目标点计算所述目标距离对应的单应性矩阵。
3.如权利要求2所述的图像配准方法，其特征在于，所述第一目标点的个数至少为3，相应的，所述第二目标点的个数与所述第一目标点的个数相同；
所述根据所述第一目标点与所述第二目标点计算所述目标距离对应的单应性矩阵，包括：
对于每个所述第一目标点以及与所述第一目标点对应的第二目标点，通过公式
Figure FDA0002621865070000021
计算所述目标距离对应的单应性矩阵；
其中，(x，y)为所述第一目标点的坐标，(x′，y′)为与所述第一目标点对应的所述第二目标点的坐标，H为所述目标距离对应的单应性矩阵。
4.如权利要求1所述的图像配准方法，其特征在于，在所述分别根据每个所述单应性矩阵将所述第一检测框映射到所述目标热红外图像中，获得所述目标热红外图像中与所述第一检测框对应的多个第二检测框的步骤中，根据任意一个所述单应性矩阵将所述第一检测框映射到所述目标热红外图像中的方法包括：
对于每个第三目标点，通过公式
Figure FDA0002621865070000022
将所述第三目标点映射到所述目标热红外图像中，获得所述目标热红外图像中的第四目标点；
其中，所述第三目标点为所述第一检测框上的任意一个点，所述第四目标点为所述第二检测框上与所述第三目标点对应的点，(x″′，y″′)为所述第三目标点的坐标，(x″，y″)为所述第四目标点的坐标，H为所述单应性矩阵。
5.如权利要求1所述的图像配准方法，其特征在于，所述将所述多个第二检测框融合为一个第三检测框，包括：
确定包含所述多个第二检测框的最大边界框，并将所述最大边界框记为所述第三检测框。
6.如权利要求5所述的图像配准方法，其特征在于，所述确定包含所述多个第二检测框的最大边界框，包括：
计算所述多个第二检测框的中心点的坐标；
统计每个所述第二检测框的边界点的坐标；
根据所述边界点的坐标和所述中心点的坐标，从所述边界点中确定出与所述中心点距离最大的边界点，得到最大边界点；
根据所述中心点的坐标和所述最大边界点的坐标确定所述最大边界框。
7.一种图像配准装置，其特征在于，包括：
图像获取单元，用于通过拍摄装置获取包括第一拍摄目标的目标RGB图像和目标热红外图像；
模型获取单元，用于获取所述拍摄装置的仿射变换模型，其中，所述仿射变换模型中包括所述拍摄装置的拍摄范围内的多个拍摄距离各自对应的单应性矩阵，所述单应性矩阵用于表示当所述拍摄装置与所述第一拍摄目标间隔所述拍摄距离时、所述目标RGB图像与所述目标热红外图像之间的坐标映射关系；
映射单元，用于确定所述目标RGB图像中所述第一拍摄目标的第一检测框，并分别根据每个所述单应性矩阵将所述第一检测框映射到所述目标热红外图像中，获得所述目标热红外图像中与所述第一检测框对应的多个第二检测框；
配准单元，用于将所述多个第二检测框融合为一个第三检测框，并将所述第三检测框记为图像配准结果。
8.如权利要求7所述的图像配准装置，其特征在于，所述模型获取单元包括：
图像获取模块，用于对于每个目标距离，当所述拍摄装置与第二拍摄目标间隔所述目标距离时，通过所述拍摄装置获取包括所述第二拍摄目标的样本RGB图像和样本热红外图像，其中，所述目标距离为所述拍摄装置的拍摄范围内的任意一个所述拍摄距离；
目标点获取模块，用于获取所述样本RGB图像中的第一目标点，并获取所述样本热红外图像中与所述第一目标点匹配的第二目标点，其中，所述第一目标点为所述样本RGB图像中所述第二拍摄目标对应的图像区域内的任意一个像素点；
矩阵计算模块，用于根据所述第一目标点与所述第二目标点计算所述目标距离对应的单应性矩阵。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的方法。
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至6任一项所述的方法。
CN202010785655.XA 2020-08-06 2020-08-06 图像配准方法、装置、终端设备及计算机可读存储介质 Active CN112102378B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010785655.XA CN112102378B (zh) 2020-08-06 2020-08-06 图像配准方法、装置、终端设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010785655.XA CN112102378B (zh) 2020-08-06 2020-08-06 图像配准方法、装置、终端设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN112102378A true CN112102378A (zh) 2020-12-18
CN112102378B CN112102378B (zh) 2024-06-11

Family

ID=73750585

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010785655.XA Active CN112102378B (zh) 2020-08-06 2020-08-06 图像配准方法、装置、终端设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN112102378B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115526881A (zh) * 2022-10-18 2022-12-27 深圳市安仕新能源科技有限公司 一种基于图像建模的电芯极性检测方法及装置
CN116895094A (zh) * 2023-09-11 2023-10-17 杭州魔点科技有限公司 一种基于双目融合的暗环境成像方法、系统、装置及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106485245A (zh) * 2015-08-24 2017-03-08 南京理工大学 一种基于可见光和红外图像的全天候目标实时跟踪方法
CN106981077A (zh) * 2017-03-24 2017-07-25 中国人民解放军国防科学技术大学 基于dce和lss的红外图像和可见光图像配准方法
CN109192302A (zh) * 2018-08-24 2019-01-11 杭州体光医学科技有限公司 一种脸部多模态图像采集处理装置及方法
CN111126251A (zh) * 2019-12-20 2020-05-08 深圳市商汤科技有限公司 图像处理方法、装置、设备和存储介质
CN111161356A (zh) * 2019-12-17 2020-05-15 大连理工大学 一种基于双层优化的红外和可见光融合方法
CN111383264A (zh) * 2018-12-29 2020-07-07 深圳市优必选科技有限公司 一种定位方法、装置、终端及计算机存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106485245A (zh) * 2015-08-24 2017-03-08 南京理工大学 一种基于可见光和红外图像的全天候目标实时跟踪方法
CN106981077A (zh) * 2017-03-24 2017-07-25 中国人民解放军国防科学技术大学 基于dce和lss的红外图像和可见光图像配准方法
CN109192302A (zh) * 2018-08-24 2019-01-11 杭州体光医学科技有限公司 一种脸部多模态图像采集处理装置及方法
CN111383264A (zh) * 2018-12-29 2020-07-07 深圳市优必选科技有限公司 一种定位方法、装置、终端及计算机存储介质
CN111161356A (zh) * 2019-12-17 2020-05-15 大连理工大学 一种基于双层优化的红外和可见光融合方法
CN111126251A (zh) * 2019-12-20 2020-05-08 深圳市商汤科技有限公司 图像处理方法、装置、设备和存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HAO GAN ETAL.: "" A Photogrammetry-based image registration method for multi-camera systems-With applications in images of a tree crop"", 《ELSEVIER》, 31 October 2018 (2018-10-31), pages 89 - 106 *
张松松: ""多模态视频流的配准算法设计与实现"", 《信息科技辑》, 15 February 2020 (2020-02-15), pages 1 - 6 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115526881A (zh) * 2022-10-18 2022-12-27 深圳市安仕新能源科技有限公司 一种基于图像建模的电芯极性检测方法及装置
CN115526881B (zh) * 2022-10-18 2023-07-18 深圳市安仕新能源科技有限公司 一种基于图像建模的电芯极性检测方法及装置
CN116895094A (zh) * 2023-09-11 2023-10-17 杭州魔点科技有限公司 一种基于双目融合的暗环境成像方法、系统、装置及介质
CN116895094B (zh) * 2023-09-11 2024-01-30 杭州魔点科技有限公司 一种基于双目融合的暗环境成像方法、系统、装置及介质

Also Published As

Publication number Publication date
CN112102378B (zh) 2024-06-11

Similar Documents

Publication Publication Date Title
CN111145238B (zh) 单目内窥镜图像的三维重建方法、装置及终端设备
CN109559349B (zh) 一种用于标定的方法和装置
WO2019200837A1 (zh) 一种包裹体积的测量方法、系统、储存介质及移动终端
CN112085771B (zh) 图像配准方法、装置、终端设备及计算机可读存储介质
CN111080526B (zh) 航拍图像的农田面积的测算方法、装置、设备及介质
CN112348863B (zh) 图像对齐方法、图像对齐装置及终端设备
CN112927306B (zh) 拍摄装置的标定方法、装置及终端设备
CN112686950B (zh) 位姿估计方法、装置、终端设备及计算机可读存储介质
CN112102378B (zh) 图像配准方法、装置、终端设备及计算机可读存储介质
CN112270719A (zh) 相机标定方法、装置及系统
CN114862929A (zh) 三维目标检测方法、装置、计算机可读存储介质及机器人
CN111383254A (zh) 一种深度信息获取方法、系统及终端设备
CN111383264A (zh) 一种定位方法、装置、终端及计算机存储介质
CN113362445B (zh) 基于点云数据重建对象的方法及装置
Santana-Cedrés et al. Estimation of the lens distortion model by minimizing a line reprojection error
CN112200842B (zh) 一种图像配准方法、装置、终端设备及存储介质
CN113379815A (zh) 基于rgb相机与激光传感器的三维重建方法、装置及服务器
CN111062984B (zh) 视频图像区域面积的测量方法、装置、设备及存储介质
CN107734324B (zh) 一种闪光灯照度均匀性的测量方法、系统及终端设备
CN114415129A (zh) 基于多项式模型的视觉与毫米波雷达联合标定方法及装置
CN110674817B (zh) 一种基于双目摄像头的车牌防伪的方法及装置
CN110930455B (zh) 定位方法、装置、终端设备及存储介质
CN111223139B (zh) 目标定位方法及终端设备
CN111462309B (zh) 三维人头的建模方法、装置、终端设备及存储介质
CN112711965B (zh) 一种绘本识别方法、装置及设备

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