CN112381894B - 一种自适应光场成像校准方法、设备及存储介质 - Google Patents
一种自适应光场成像校准方法、设备及存储介质 Download PDFInfo
- Publication number
- CN112381894B CN112381894B CN202110052768.3A CN202110052768A CN112381894B CN 112381894 B CN112381894 B CN 112381894B CN 202110052768 A CN202110052768 A CN 202110052768A CN 112381894 B CN112381894 B CN 112381894B
- Authority
- CN
- China
- Prior art keywords
- grid
- camera
- global
- determining
- local
- 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
Links
Images
Classifications
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/90—Arrangement of cameras or camera modules, e.g. multiple cameras in TV studios or sports stadiums
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种自适应光场成像校准方法、设备及存储介质。该方法包括:获取每个模块内的全局相机拍摄的全局视频数据,其中,所述模块包括:一个全局相机和至少一个局部相机;根据所述全局视频数据确定空间信息分布图;根据所述空间信息分布图确定模块内部的每个局部相机的参数信息,计算全局相机和局部相机的图像之间的映射网格,将局部相机校准到对应的全局相机上,通过本发明的技术方案,以实现新功能的实现可通过添加,修改,设计新的模块来实现。且所有模块内部采用分级的设计,在光场校准中,可先对每个模块内部进行校准,然后再对所有模块进行整体校准。通过两级校准的方式,降低了光场校准的复杂度,并提高鲁棒性和并行性。
Description
技术领域
本发明实施例涉及图像处理领域,尤其涉及一种自适应光场成像校准方法、设备及存储介质。
背景技术
随着高分辨率显示器和投影仪的普及,以及VR和AR的兴起,人们对图像的分辨率、视角及质量的要求越来越高,由于单个相机视角范围有限,这就需要利用多相机融合的技术获得高分辨率,宽视角,带深度的图像。其中,光场相机阵列作为核心技术之一,是国际上相关技术的研究热点,应用也非常广泛,包括生物医学工程研究、天文观测、公共安全、航空航天等方面。
传统的相机阵列采用固定相机的方式,通常存在以下难点及问题:一是标定。此类相机往往主要在使用前进行标定,而传统的利用标定板的标定算法,标定工序复杂,其难以标定设计复杂的相机阵列系统;二是固定的相机阵列系统灵活性差,不能对场景内容进行自适应采集,会浪费大量相机资源。
以上背景技术内容的公开仅用于辅助理解本发明的构思及技术方案,其并不必然属于本专利申请的现有技术,在没有明确的证据表明上述内容在本专利申请的申请日已经公开的情况下,上述背景技术不应当用于评价本申请的新颖性和创造性。
发明内容
本发明实施例提供一种自适应光场成像校准方法、设备及存储介质,以实现能够通过光场成像系统采用模块化的结构,光场成像系统的指标参数,新功能的实现可通过添加,修改,设计新的模块来实现。且所有模块内部采用分级的设计,在光场校准中,可先对每个模块内部进行自适应校准,然后再对所有模块进行整体校准。通过两级校准的方式,降低了光场校准的复杂度,并提高鲁棒性和并行性。光场成像系统在相机的连接上采用非结构化的设计(包括模块内和模块之间)。该设计提高了整个光场系统的灵活性,使得整个光场系统能够根据场景内容对各个模块和模块内的子系统进行在线调整。
第一方面,本发明实施例提供了一种自适应光场成像校准方法,包括:
获取每个模块内的全局相机拍摄的全局视频数据,其中,所述模块包括:一个全局相机和至少一个局部相机;
根据所述全局视频数据确定空间信息分布图;
根据所述空间信息分布图确定模块内部的每个局部相机的参数信息;
根据全局相机和局部相机的图像,计算图像映射网格,将局部相机校准到对应的全局相机上。
第二方面,本发明实施例还提供了一种自适应光场成像校准装置,该装置包括:
获取模块,用于获取每个模块内的全局相机拍摄的全局视频数据,其中,所述模块包括:一个全局相机和至少一个局部相机;
第一确定模块,用于根据所述全局视频数据确定空间信息分布图;
第二确定模块,用于根据所述空间信息分布图确定模块内部的每个局部相机的参数信息;
第三确定模块,用于计算全局相机和局部相机的图像之间的映射网格,将局部相机校准到对应的全局相机上。
第三方面,本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明实施例中任一所述的方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例中任一所述的方法。
本发明实施例通过获取每个模块内的全局相机拍摄的全局视频数据,其中,所述模块包括:一个全局相机和至少一个局部相机;根据所述全局视频数据确定空间信息分布图;根据所述空间信息分布图确定模块内部的每个局部相机的参数信息,计算全局相机和局部相机的图像之间的映射网格,将局部相机校准到对应的全局相机上,以实现能够通过光场成像系统采用模块化的结构,光场成像系统的指标参数,新功能的实现可通过添加、修改或者设计新的模块来实现。且所有模块内部采用分级的设计,在光场校准中,可先对每个模块内部进行校准,然后再对所有模块进行整体校准。通过两级校准的方式,降低了光场校准的复杂度,并提高鲁棒性和并行性,光场成像系统在相机的连接上采用非结构化的设计(包括模块内和模块之间)。该设计提高了整个光场系统的灵活性,使得整个光场系统能够根据场景内容对各个模块和模块内的子系统进行在线调整。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1是本发明实施例一中的一种自适应光场成像校准方法的流程图;
图1a是本发明实施例一中的分级模块化相机阵列示意图;
图1b是本发明实施例一中的分级模块化光场相机阵列校准流程图;
图1c是本发明实施例一中的4×4的网格的示意图;
图1d是本发明实施例一中的融合网格的示意图;
图1e是本发明实施例一中的网格融合结果的示意图;
图1f是本发明实施例一中的自适应光场校准图;
图2是本发明实施例二中的一种自适应光场成像校准装置的结构示意图;
图3是本发明实施例三中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
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定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例一
图1为本发明实施例一提供的一种自适应光场成像校准方法的流程图,本实施例可适用于自适应光场成像校准的情况,该方法可以由本发明实施例中的自适应光场成像校准装置来执行,该自适应光场成像校准装置可采用软件和/或硬件的方式实现,如图1所示,该方法具体包括如下步骤:
S110,获取每个模块内的全局相机拍摄的全局视频数据,其中,所述模块包括:一个全局相机和至少一个局部相机。
其中,每个模块中的全局相机和局部相机的数量可以根据用户需求进行设定,本发明实施例对此不进行限制。
S120,根据所述全局视频数据确定空间信息分布图。
示例性的,根据所述全局视频数据确定空间信息分布图的方式可以为:预先将全局视频数据转换为全局灰度视频数据,再根据全局灰度视频数据确定控件信息分布图。
S130,根据所述空间信息分布图确定模块内部的每个局部相机的参数信息。
其中,所述局部相机的参数信息包括:拍摄位置、焦距、分辨率以及帧率中的至少一种。
示例性的,根据所述空间信息分布图确定模块内部的每个局部相机的参数信息的方式可以,基于目标函数和空间信息分布图确定模块内部的每个局部相机的参数信息,其中,所述目标函数可以根据用户需求进行设定。
可选的,根据所述全局视频数据确定空间信息分布图包括:
根据所述全局视频数据确定每一个像素点的信息;
根据每一个像素点的信息确定空间信息分布图。
可选的,根据所述空间信息分布图确定模块内部的每个局部相机的参数信息包括:
基于如下目标函数确定模块内部的每个局部相机的参数信息:
可选的,计算全局相机和局部相机的图像之间的映射网格,将局部相机校准到对应的全局相机上包括:
获取每个局部相机拍摄的局部视频数据;
根据所述全局视频数据和所述局部视频数据进行特征匹配,得到特征匹配点;
根据所述特征匹配点,计算单应性矩阵;
用计算得到的单应性矩阵和网格数量计算网格中每个控制点的位置,确定目标表格;
根据所述目标表格确定目标图像。
可选的,用计算得到的单应性矩阵和网格数量计算网格中每个控制点的位置,确定目标表格,包括:
预先获取网格数量列表;
依次基于所述网格数量列表中的网格数量以及计算得到的单应性矩阵计算网格中每个控制点的位置,得到至少一个网格;
将绘制的所有网格进行融合,得到目标表格。
示例性的,根据实际图像的内容和大小,网格还可以继续精细,达到16×16,32×32甚至64×64等。
示例性的,所述网格数据表格可以为网格数量1×1、网格数量2×2和网格数量4×4,也可以为网格数量1×1、网格数量2×2、网格数量4×4和网格数量8×8,本发明实施例对此不进行限制。
可选的,所述网格数量列表包括:网格数量1×1、网格数量2×2、网格数量4×4和网格数量8×8;
相应的,依次基于所述网格数量列表中的网格数量以及所述特征匹配点确定控制点位置,并依次根据确定的控制点位置绘制网格,包括:
基于网格数量1×1和所述特征匹配点确定所有第一层网格控制点位置;
基于网格数量2×2和所述特征匹配点确定所有第二层网格控制点位置;
基于网格数量4×4和所述特征匹配点确定所有第三层网格控制点位置;
基于网格数量8×8和所述特征匹配点确定所有第四层网格控制点位置。
可选的,将绘制的所有网格进行融合,得到目标表格,包括:
将1×1网格和2×2网格进行融合,将融合后得到的2×2网格和4×4网格进行融合,将融合后得到的4×4网格和8×8网格进行融合,得到目标表格。
示例性的,将所述1×1网格和2×2网格进行融合,将融合后得到的2×2网格和4×4网格进行融合,将融合后得到的4×4网格和8×8网格进行融合。具体做法为,将所述1×1网格进行插值,即取1×1网格的4个顶点、4个边的中点,以及对边中点连线的交点得到9个点组成插值之后的1×1网格。插值之后的1×1网格有3×3=9个控制点,将图像分为2×2的4块。其中每个控制点都对应原本2×2网格中的控制点;以所述1×1网格的每个控制点为中心,生成至少每个控制点对应的置信区域;若所述2×2网格的控制点处于相应的置信区域内,则接收所述控制点,若所述2×2网格的控制点处于相应的置信区域外,则不接收所述控制点。所述1×1网格和2×2网格进行融合,将融合后得到的2×2网格和4×4网格进行融合,将融合后得到的4×4网格和8×8网格进行融合,此外,2×2的网格与4×4的网格融合时,可将2×2的网格看作4个1×1的网格,重复上述步骤。
可选的,将1×1网格和2×2网格进行融合包括:
将1×1网格的4个顶点、4个边的中点,以及对边中点连线的一共9个交点确定为1×1插值后网格的控制点;
以所述1×1插值后网格的每个控制点为中心,生成至少每个控制点对应的置信区域;
若2×2网格的控制点均处于相应的置信区域内,则接受所述2×2网格的控制点;
若所述2×2网格的控制点中控制点处于相应的置信区域外,则不接受所述2×2网格的控制点。
示例性的,将所述1×1网格的4个顶点、4个边的中点,以及对边中点连线的交点,共3×3=9个点确定为1×1网格插值后的控制点,以所述1×1网格插值后的每个控制点为中心,生成至少每个控制点对应的置信区域;若2×2网格的控制点均处于相应的置信区域内,则接受2×2网格的控制点;若2×2网格的控制点中至少一个控制点处于相应的置信区域外,则不接受2×2网格的控制点。对于2×2网格与4×4网格,可将2×2网格看作4个1×1网格,并对每个网格重复上述步骤来融合。
为了解决已有技术在标定上和灵活度上的局限性,本发明实施例提出分级模块化的光场相机阵列设计,如图1a所示。每个相机阵列由多个模块组成,每个模块包括一个全局相机和多个局部相机,全局相机配备宽视角镜头,用于采集全局信息。局部相机配备窄视场镜头和高分辨率相机,或者,局部相机配备窄视场镜头和红外相机,或者,局部相机配备窄视场镜头和多光谱相机,局部相机用于采集局部高清信息。本发明实施例提出的分级模块化光场成像系统的特点在于:
1.灵活模块化设计:整个光场成像系统采用模块化的结构,整个光场成像系统的指标参数,新功能的实现可通过添加,修改,设计新的模块来实现。
2.鲁棒低复杂度分级设计:所有模块内部采用分级的设计,在光场校准中,可先对每个模块内部进行校准,然后再对所有模块进行整体校准。通过两级校准的方式,降低了光场校准的复杂度,并提高鲁棒性和并行性。
3.非结构化场景自适应设计:光场相机阵列中,每个模块采用全局相机固定,局部相机通过云台灵活固定的方式。局部相机的焦距,分辨率,帧率,拍摄位置以及曝光等设置可以根据模块内的全局相机进行动态调整,保证能够采集到尽量多的信息。本发明实施例提出的非结构化设计利用了自然场景图像中信息非均与分布的特点,可实现非规则的视场与非均匀的分辨率,在采集同样信息的情况下,能够减少70%的相机数量,极大地降低了硬件成本。本成像系统在相机的连接上的非结构化设计提高了整个成像系统的灵活性,使得整个成像系统能够根据场景内容对各个模块和模块内的子系统进行在线调整。
在校准系统上,与现有的多相机校准系统相比,本发明实施例实现了分级校准,先对每个模块内部进行校准,然后再对所有模块进行整体校准。相比较而言,本发明的校准系统有以下优势:
与现有的校准系统相比,本发明实施例的系统减少了相机之间的连接数量,能够明显地降低校准算法的整体计算量。
在每个模块内部的校准中,所有的从相机可以单独与主相机进行独立校准,大大提高了校准系统的并行性。同时这一步的校准可以部署在相机端的嵌入性计算单元上,降低整体功耗和服务端压力的同时也提高了整体系统的便携性。
模块化设计实现了本发明的可扩展性。通过校准系统,可以将不同功能的模块校准到一起,可提升光场系统的指标参数并实现新功能。
与现有的多相机校准系统相比,本发明实施例实现了分级校准,先对每个模块内部进行校准,然后再对所有模块进行整体校准。相比较而言,本发明实施例的校准系统有以下优势:与现有的校准系统相比,本发明实施例的校准系统减少了相机之间的连接数量,能够明显地降低校准算法的整体计算量。在每个模块内部的校准中,所有的从相机可以单独与主相机进行独立校准,大大提高了校准系统的并行性。同时,校准可以部署在相机端的嵌入性计算单元上,降低整体功耗和服务端压力的同时也提高了整体系统的便携性。本发明实施例采用非结构化设计,实现了内容自适应的采集,可实现非规则的视场与非均匀的分辨率,在采集同样信息的情况下,能够减少2/3的相机数量,降低了硬件成本。模块化设计实现了本发明实施例的可扩展性。通过校准系统,可以将不同功能的模块校准到一起,可提升光场系统的指标参数并实现新功能。
如图1b所示,图1b展示了本发明实施例校准系统的工作流程。具体流程如下:
S1:对每个模块内的全局相机视频进行计算分析,得到空间信息分布图。具体的计
算公式为,将一段时间内的视频转换为灰度并看作的三维数据,对于每一个像素,可以看作是一个一维信号,每一个时间点为8bit的数据(256个灰阶)。对于每一个
像素点,可以计算其信息量可用信息熵公式进行计算:
S2:利用获得的空间信息分布图,对模块内的局部相机的焦距,分辨率,帧率等参数进行内容自适应调整,覆盖尽量多的信息。这一步通过优化以下目标函数来实现:
其中,(xi,yi)为局部相机拍摄的位置,fi为局部相机的焦距,H(xi,yi,fi,…)为第个局部相机对应的空间信息分布图,为局部相机的数量。该目标函数表示将所有局部
相机覆盖的范围求并集,并计算该范围内的信息量总和。最后,通过最大化该所有局部相机
覆盖的信息量总和,来调整每个局部相机的拍摄位置,焦距等参数。此方法也可用于调整每
个局部相机的帧率,曝光等其他参数。
S3:对每个模块内的局部相机和全局相机进行特征匹配,这一步不限制具体算法。可以用sift和surf等特征描述子算法,也可以采用块匹配等算法。
S4:利用S3中计算得到的特征匹配点,计算控制图像变形的网格,通过网格将局部相机映射到全局相机上。本发明实施例会根据图像的大小和场景的复杂度,采用不同大小的网格。最常采用的网格为8×8,16×16和32×32。具体的,本发明实施例采用了多层融合的网格估计算法。
对于16×16的网格,本发明实施例会估计4个从大到小不同尺度的网格:(1)1×1尺度(最大尺度),用所有的匹配点估计一个全局的homography(单应性矩阵)。(2)2×2尺度,将网格分为2×2个区域,每个区域估计一个homography矩阵。(3)4×4尺度。方法同(2)。(4)8×8尺度,方法同(2)。根据计算得到的homography矩阵,可以计算出每个尺度下的网格。估计网格的方法如图1c和图1d所示。图1c展示了一个4×4的网格(包含5×5个控制点),以及估计2×2的homography矩阵{H1,H2,H3,H4}。我们的目标是估计目标网格中控制点的位置。从图1c中可以看出,不同的控制点被不同的数量的homography矩阵覆盖。被一个homography矩阵覆盖的,直接用该homography矩阵计算目标网格坐标。被多个homography矩阵覆盖的,则先用各个homography矩阵计算目标网格坐标,然后再对坐标取平均得到最后的网格。在图1c中,本发明实施例计算得到了4种不同尺度的网格,在图1d中要将4个网格融合成一个,去除匹配点噪声。其原理是本发明在上一步中得到的4个网格是不同的。大尺度网格只有自由度少,计算结果稳定,鲁棒性好,图像变形结果不容易发生过度扭曲等问题。但是由于自由度太低,不能处理由于深度不同造成的视差等问题。而小尺度网格有更多的自由度,计算结果不稳定,容易产生过度扭曲,图像不正常变形等问题。但是这种更高的自由度可以解决深度不同造成的视差问题。因此,本发明实施例提出以大尺度网格(1×1网格为最大尺度网格)为基础,然后逐步将小尺度网格融合到大尺度网格中。在融合上一层大尺度网格和下一层小尺度网格的时候,采用图1d的策略。以大尺度网格的每一个控制点(网格交点)为中心,设置一个圆形置信区域(置信区域半径r=0.1*min(width,height),width和height为网格的大小)。当小尺度网格的控制点落在置信区域内时,接受小尺度网格的控制点,否则不接受小尺度网格的控制点。用此方法依次将2×2,4×4和8×8的网格都融合到全局尺度网格中之后,就得到了最后的网格。图1e展示了网格融合之后的结果,通过融合网络得到的图像相比全局网络更加精细,映射可以更精准,相比最小尺度网络来说能够避免由于匹配点噪声造成的图像过度变形。
S5:将局部相机映射到全局相机之后,每个模块可以看作是一个融合了局部相机的非常强大的全局相机。因此,可以用现有算法将不同模块的图像视频进行组合,实现更宽视场,深度估计,高动态范围,高光谱等更多的功能。
如图1f所示,局部相机采集到的图像为图像1、图像2和图像3,全局相机拍摄的图像包括:区域1、区域2和区域3,校准之后的图像,局部相机图像可以无缝嵌入到全局相机中。本发明实施例提出了一种针对分级模块化、非结构化智能光场的校准系统,能够实现自适应光场校准,且具有以下特点:模块化:整个光场采用模块化的结构、指标参数、新功能的实现可通过添加,修改,设计新的模块来实现;分级:所有模块内部采用分级设计,在光场校准中,可先对每个模块内部进行校准,然后再对所有模块进行整体校准。通过两级校准的方式,降低了光场校准的复杂度,并提高鲁棒性和并行性;非结构化:本光场系统在相机的连接上采用非结构化的设计。该设计提高了整个光场系统的灵活性,使得整个光场系统能够根据场景内容对各个模块和模块内的子系统进行在线调整。与现有的多相机校准系统相比,本发明实施例实现了分级校准,先对每个模块内部进行校准,然后再对所有模块进行整体校准。
本实施例的技术方案,通过获取每个模块内的全局相机拍摄的全局视频数据,其中,所述模块包括:一个全局相机和至少一个局部相机;根据所述全局视频数据确定空间信息分布图;根据所述空间信息分布图确定模块内部的每个局部相机的参数信息,计算全局相机和局部相机的图像之间的映射网格,将局部相机校准到对应的全局相机上,以实现能够通过光场成像系统采用模块化的结构,光场成像系统的指标参数,新功能的实现可通过添加,修改,设计新的模块来实现。且所有模块内部采用分级的设计,在光场校准中,可先对每个模块内部进行校准,然后再对所有模块进行整体校准。通过两级校准的方式,降低了光场校准的复杂度,并提高鲁棒性和并行性,光场成像系统在相机的连接上采用非结构化的设计(包括模块内和模块之间)。该设计提高了整个光场系统的灵活性,使得整个光场系统能够根据场景内容对各个模块和模块内的子系统进行在线调整。
实施例二
图2为本发明实施例二提供的一种自适应光场成像校准装置的结构示意图。本实施例可适用于自适应光场成像校准的情况,该装置可采用软件和/或硬件的方式实现,该装置可集成在任何提供自适应光场成像校准的功能的设备中,如图2所示,所述自适应光场成像校准装置具体包括:获取模块210、第一确定模块220、第二确定模块230和第三确定模块240。
其中,获取模块210,用于获取每个模块内的全局相机拍摄的全局视频数据,其中,所述模块包括:一个全局相机和至少一个局部相机;
第一确定模块220,用于根据所述全局视频数据确定空间信息分布图;
第二确定模块230,用于根据所述空间信息分布图确定模块内部的每个局部相机的参数信息;
第三确定模块240,用于计算全局相机和局部相机的图像之间的映射网格,将局部相机校准到对应的全局相机上。
上述产品可执行本发明任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。
本实施例的技术方案,通过获取每个模块内的全局相机拍摄的全局视频数据,其中,所述模块包括:一个全局相机和至少一个局部相机;根据所述全局视频数据确定空间信息分布图;根据所述空间信息分布图确定模块内部的每个局部相机的参数信息,计算全局相机和局部相机的图像之间的映射网格,将局部相机校准到对应的全局相机上,以实现能够通过光场成像系统采用模块化的结构,光场成像系统的指标参数,新功能的实现可通过添加,修改,设计新的模块来实现。且所有模块内部采用分级的设计,在光场校准中,可先对每个模块内部进行校准,然后再对所有模块进行整体校准。通过两级校准的方式,降低了光场校准的复杂度,并提高鲁棒性和并行性,光场成像系统在相机的连接上采用非结构化的设计(包括模块内和模块之间)。该设计提高了整个光场系统的灵活性,使得整个光场系统能够根据场景内容对各个模块和模块内的子系统进行在线调整。
实施例三
图3为本发明实施例三中的一种计算机设备的结构示意图。图3示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图3显示的计算机设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示,计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture,ISA)总线,微通道体系结构(Micro Channel Architecture,MCA)总线,增强型ISA总线、视频电子标准协会(Video Electronics Standards Association,VESA)局域总线以及外围组件互连(Peripheral Component Interconnect,PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(Random Access Memory,RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图3未显示,通常称为“硬盘驱动器”)。尽管图3中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(只读光盘(Compact Disc-Read Only Memory,CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory,DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如系统存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机设备12交互的设备通信,和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。另外,本实施例中的计算机设备12,显示器24不是作为独立个体存在,而是嵌入镜面中,在显示器24的显示面不予显示时,显示器24的显示面与镜面从视觉上融为一体。并且,计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network,LAN),广域网Wide AreaNetwork,WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白,尽管图中未示出,可以结合计算机设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks,RAID)系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的自适应光场成像校准方法:
获取每个模块内的全局相机拍摄的全局视频数据,其中,所述模块包括:一个全局相机和至少一个局部相机;
根据所述全局视频数据确定空间信息分布图;
根据所述空间信息分布图确定模块内部的每个局部相机的参数信息;
计算全局相机和局部相机的图像之间的映射网格,将局部相机校准到对应的全局相机上。
实施例四
本发明实施例四提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请所有发明实施例提供的自适应光场成像校准方法:
获取每个模块内的全局相机拍摄的全局视频数据,其中,所述模块包括:一个全局相机和至少一个局部相机;
根据所述全局视频数据确定空间信息分布图;
根据所述空间信息分布图确定模块内部的每个局部相机的参数信息;
计算全局相机和局部相机的图像之间的映射网格,将局部相机校准到对应的全局相机上。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、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)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码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)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、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、或代码的一部分,该模块、程序段、或代码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。也应当注意,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,两个接连地表示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操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。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (7)
1.一种自适应光场成像校准方法,其特征在于,包括:
获取每个模块内的全局相机拍摄的全局视频数据,其中,所述模块包括:一个全局相机和至少一个局部相机;
根据所述全局视频数据确定空间信息分布图;
根据所述空间信息分布图确定模块内部的每个局部相机的参数信息;
计算全局相机和局部相机的图像之间的映射网格,将局部相机校准到对应的全局相机上;
其中,计算全局相机和局部相机的图像之间的映射网格,将局部相机校准到对应的全局相机上包括:
获取每个局部相机拍摄的局部视频数据;
根据所述全局视频数据和所述局部视频数据进行特征匹配,得到特征匹配点;
根据所述特征匹配点,计算单应性矩阵;
用计算得到的单应性矩阵和网格数量计算网格中每个控制点的位置,确定目标表格;
根据所述目标表格确定目标图像;
其中,用计算得到的单应性矩阵和网格数量计算网格中每个控制点的位置,确定目标表格,包括:
预先获取网格数量列表;
依次基于所述网格数量列表中的网格数量以及计算得到的单应性矩阵计算网格中每个控制点的位置,得到至少一个网格;
将绘制的所有网格进行融合,得到目标表格;
其中,所述网格数量列表包括:网格数量1×1、网格数量2×2、网格数量4×4和网格数量8×8;
相应的,依次基于所述网格数量列表中的网格数量以及所述特征匹配点确定控制点位置,并依次根据确定的控制点位置绘制网格,包括:
基于网格数量1×1 和所述特征匹配点确定所有第一层网格控制点位置;
基于网格数量2×2和所述特征匹配点确定所有第二层网格控制点位置;
基于网格数量4×4和所述特征匹配点确定所有第三层网格控制点位置;
基于网格数量8×8和所述特征匹配点确定所有第四层网格控制点位置。
2.根据权利要求1所述的方法,其特征在于,根据所述全局视频数据确定空间信息分布图包括:
根据所述全局视频数据确定每一个像素点的信息;
根据每一个像素点的信息确定空间信息分布图。
4.根据权利要求1所述的方法,其特征在于,将绘制的所有网格进行融合,得到目标表格,包括:
将所述1×1网格和2×2网格进行融合,将融合后得到的2×2网格和4×4网格进行融合,将融合后得到的4×4网格和8×8网格进行融合,得到目标表格。
5.根据权利要求4所述的方法,其特征在于,将所述1×1网格和2×2网格进行融合包括:
将所述1×1网格的4个顶点、4个边的中点,以及对边中点连线的一共9个交点确定为1×1插值后网格的控制点;
以所述1×1插值后网格的每个控制点为中心,生成至少每个控制点对应的置信区域;
若所述2×2网格的控制点均处于相应的置信区域内,则接受所述2×2网格的控制点;
若所述2×2网格的控制点中至少一个控制点处于相应的置信区域外,则不接受所述2×2网格的控制点。
6.一种计算机设备,包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1-5中任一所述的方法。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110052768.3A CN112381894B (zh) | 2021-01-15 | 2021-01-15 | 一种自适应光场成像校准方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110052768.3A CN112381894B (zh) | 2021-01-15 | 2021-01-15 | 一种自适应光场成像校准方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112381894A CN112381894A (zh) | 2021-02-19 |
CN112381894B true CN112381894B (zh) | 2021-04-20 |
Family
ID=74581841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110052768.3A Active CN112381894B (zh) | 2021-01-15 | 2021-01-15 | 一种自适应光场成像校准方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112381894B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114666573A (zh) * | 2022-03-23 | 2022-06-24 | 北京拙河科技有限公司 | 一种光场相机校准方法及系统 |
CN114531554B (zh) * | 2022-04-24 | 2022-08-16 | 浙江华眼视觉科技有限公司 | 一种快件码识别机的视频融合合成方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102982548A (zh) * | 2012-12-11 | 2013-03-20 | 清华大学 | 多目立体视频采集系统及其相机参数标定方法 |
CN107959805A (zh) * | 2017-12-04 | 2018-04-24 | 深圳市未来媒体技术研究院 | 基于混合相机阵列的光场视频成像系统及视频处理方法 |
US20190108652A1 (en) * | 2017-10-09 | 2019-04-11 | Facebook Technologies, Llc | Calibration system for a head-mounted display tracking system |
CN110193849A (zh) * | 2018-02-27 | 2019-09-03 | 北京猎户星空科技有限公司 | 一种机器人手眼标定的方法及装置 |
CN111935417A (zh) * | 2020-07-02 | 2020-11-13 | 清华大学 | 基于多尺度相机阵列的分级视频拼接方法及装置 |
-
2021
- 2021-01-15 CN CN202110052768.3A patent/CN112381894B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102982548A (zh) * | 2012-12-11 | 2013-03-20 | 清华大学 | 多目立体视频采集系统及其相机参数标定方法 |
US20190108652A1 (en) * | 2017-10-09 | 2019-04-11 | Facebook Technologies, Llc | Calibration system for a head-mounted display tracking system |
CN107959805A (zh) * | 2017-12-04 | 2018-04-24 | 深圳市未来媒体技术研究院 | 基于混合相机阵列的光场视频成像系统及视频处理方法 |
CN110193849A (zh) * | 2018-02-27 | 2019-09-03 | 北京猎户星空科技有限公司 | 一种机器人手眼标定的方法及装置 |
CN111935417A (zh) * | 2020-07-02 | 2020-11-13 | 清华大学 | 基于多尺度相机阵列的分级视频拼接方法及装置 |
Non-Patent Citations (2)
Title |
---|
Microlens array calibration method for a light field camera;Piotr Suliga 等;《 2018 19th International Carpathian Control Conference (ICCC)》;20180628;第19-22页 * |
计算光场成像;方璐 等;《光学学报》;20200131;第40卷(第1期);第1-22页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112381894A (zh) | 2021-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5161087B2 (ja) | 深度マップを作成するための演算方法、機械読み取り可能な媒体、演算装置及び演算システム | |
CN108833785B (zh) | 多视角图像的融合方法、装置、计算机设备和存储介质 | |
CN110473159B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
US7961983B2 (en) | Generating gigapixel images | |
US20070019883A1 (en) | Method for creating a depth map for auto focus using an all-in-focus picture and two-dimensional scale space matching | |
JP4782899B2 (ja) | 視差検出装置、測距装置及び視差検出方法 | |
CN111343367B (zh) | 一种十亿像素虚拟现实视频采集装置、系统与方法 | |
CN112381894B (zh) | 一种自适应光场成像校准方法、设备及存储介质 | |
US20120170842A1 (en) | Tone mapping of very large aerial image mosaic | |
EP3016065B1 (en) | Coordinate computation device and method, and image processing device and method | |
US20100111440A1 (en) | Method and apparatus for transforming a non-linear lens-distorted image | |
GB2536904A (en) | Image filtering based on image gradients | |
CN110517211B (zh) | 一种基于梯度域映射的图像融合方法 | |
WO2020092051A1 (en) | Rolling shutter rectification in images/videos using convolutional neural networks with applications to sfm/slam with rolling shutter images/videos | |
KR101140953B1 (ko) | 영상 왜곡 보정 장치 및 방법 | |
CN115115516A (zh) | 基于Raw域的真实世界视频超分辨率算法 | |
CN111371987B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
JP2017103756A (ja) | 画像データ処理装置及び方法 | |
JP4686200B2 (ja) | 画像変換方法および装置 | |
CN111161148B (zh) | 一种全景图像生成方法、装置、设备和存储介质 | |
JP6310418B2 (ja) | 画像処理方法、画像処理装置及び画像処理プログラム | |
JP6310417B2 (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
KR102636767B1 (ko) | 디지털 파노라마 이미지를 캡처 및 처리하는 방법 | |
US6674922B1 (en) | Image processing method, image processing apparatus, and storage medium | |
CN115209044A (zh) | 形成对象的图像的方法、计算机程序产品和图像形成系统 |
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 |