CN112562004B - 图像映射参数生成方法、装置和计算机可读介质 - Google Patents
图像映射参数生成方法、装置和计算机可读介质Info
- Publication number
- CN112562004B CN112562004B CN201910909804.6A CN201910909804A CN112562004B CN 112562004 B CN112562004 B CN 112562004B CN 201910909804 A CN201910909804 A CN 201910909804A CN 112562004 B CN112562004 B CN 112562004B
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- target monitoring
- points
- monitoring area
- 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
- 238000013507 mapping Methods 0.000 title claims abstract description 168
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000012544 monitoring process Methods 0.000 claims abstract description 201
- 238000012545 processing Methods 0.000 claims description 101
- 238000004088 simulation Methods 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000005192 partition Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims 1
- 239000000758 substrate Substances 0.000 claims 1
- 238000001514 detection method Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 13
- 230000033001 locomotion Effects 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000003672 processing method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 238000012550 audit Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000009182 swimming Effects 0.000 description 1
Abstract
本发明提供了图像映射参数生成方法、装置和计算机可读介质,该图像映射参数生成方法包括:获取由摄像机拍摄到的第一图像,其中,第一图像中包括有至少一个目标监测区域的图像;根据第一图像中各个像素点的灰度值,确定至少三个第一特征点,其中,且第一特征点用于标识目标监测区域的边缘轮廓;根据各个第一特征点和模拟图像生成规则,生成图像映射参数,其中,图像映射参数用于将第一图像中目标监测区域的图像映射为模拟目标监测区域,图像生成规则用于定义映射模拟目标监测区域的轮廓、位置和缩放比例,缩放比例为第一图像中目标监测区域的图像与模拟目标监测区域的尺寸比值。本方案能够提高图像映射参数生成的效率。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及图像映射参数生成方法、装置和计算机可读介质。
背景技术
随着物联网技术和图像处理技术的不断发展和进步,机器视觉被广泛应用于物联网领域,实现机器代替人工进行测量和判断。利用机器视觉可以对目标监测区域进行监测,以确定目标监测区域的状态改变,比如可以利用机器视觉监测停车位的占用情况。在利用机器视觉对目标监测区域进行监测时,需要通过图像映射参数将摄像机所拍摄图像中目标监测区域的图像映射到二维平面内,为此首先需要获取图像映射参数。
目前,通常将摄像机参数作为图像映射参数,摄像机参数包括内部参数、外部参数和失真参数,其中,内部参数是指摄像机的焦距以及摄像机内部光敏元件的尺寸等,外部参数是指摄像机坐标与时间坐标之间的转换参数,失真参数是指直线投影的偏移。在获取摄像机参数时,需要在真实的目标监测区域内放置黑白棋盘格,通过摄像机以不同角度拍摄多张包括黑白棋盘格的图像,所拍摄的多张图像如图1所示,之后分别在所拍摄的各张图像上标注黑白盘棋盘格的各个角点并绘制内角点连线,标注各个角点并绘制内角点连线后的图像如图2所示,之后根据各张图像上所标注的角点和所绘制的内角点连线确定摄像机参数。
针对目前获取图像映射参数的方法,将摄像机参数作为图像映射参数时,针对每一个安装完成的摄像机,均需要通过人工的方式将黑白棋盘格放置到相应目标监测区域内以拍摄包括黑白棋盘格的图像,还需要通过人工的方式在所拍摄的图像上标注黑白棋盘格的各个角点并绘制内角点连线,由于以上两个需要人工参与的过程均需要耗费较长的时间,从而导致图像映射参数生成的效率较低。
发明内容
有鉴于此,本发明提供的图像映射参数生成方法、装置和计算机可读介质,能够提高图像映射参数生成的效率。
第一方面,本发明实施例提供了一种图像映射参数生成方法,包括:
获取由摄像机拍摄到的第一图像,其中,所述第一图像中包括有至少一个目标监测区域的图像;
根据所述第一图像中各个像素点的灰度值,确定至少三个第一特征点,其中,所述至少三个第一特征点可组成至少一个三角形,且所述第一特征点用于标识所述目标监测区域的边缘轮廓;
根据各个所述第一特征点和模拟图像生成规则,生成图像映射参数,其中,所述图像映射参数用于将所述第一图像中所述目标监测区域的图像映射为模拟目标监测区域,所述图像生成规则用于定义映射所述模拟目标监测区域的轮廓、位置和缩放比例,所述缩放比例为所述第一图像中所述目标监测区域的图像与所述模拟目标监测区域的尺寸比值。
第二方面,本发明实施例还提供了一种图像映射参数生成装置,包括:
一个图像获取模块,用于获取由摄像机拍摄到的第一图像,其中,所述第一图像中包括有至少一个目标监测区域的图像;
一个特征点识别模块,用于根据所述图像获取模块获取到的所述第一图像中各个像素点的灰度值,确定至少三个第一特征点,其中,所述至少三个第一特征点可组成至少一个三角形,且所述第一特征点用于标识所述目标监测区域的边缘轮廓;
一个参数生成模块,用于根据模拟图像生成规则和所述特征点识别模块确定出的各个所述第一特征点,生成图像映射参数,其中,所述图像映射参数用于将所述第一图像中所述目标监测区域的图像映射为模拟目标监测区域,所述图像生成规则用于定义映射所述模拟目标监测区域的轮廓、位置和缩放比例,所述缩放比例为所述第一图像中所述目标监测区域的图像与所述模拟目标监测区域的尺寸比值。
第三方面,本发明实施例还提供了另一种图像映射参数生成装置,包括:至少一个存储器和至少一个处理器;
所述至少一个存储器,用于存储机器可读程序;
所述至少一个处理器,用于调用所述机器可读程序,执行上述第一方面所提供的方法。
第四方面,本发明实施例还提供了一种计算机可读介质,所述计算机可读介质上存储有计算机指令,所述计算机指令在被处理器执行时,使所述处理器执行上述第一方面所提供的方法。
根据上述第一方面至第四方面所提供的技术方案可知,获取到摄像机所拍摄的包括有目标监测区域图像的第一图像后,根据第一图像中各个像素点的灰度值确定用于标识目标监测区域边缘轮廓的多个第一特征点,之后根据各个第一特征点以及用于定义生成模拟目标监测区域的轮廓、位置和缩放比例的图像生成规则便可以生成图像映射参数。在从摄像机所拍摄到的第一图像中识别第一特征点后,根据可以第一特征点与模拟图像生成规则所定义的模拟目标监测区域上映射点的对应关系,并可以直接生成图像映射参数,获取图像映射参数过程无需人工参与,从而提高获取图像映射参数的效率。
在第一种可能的实现方式中,结合上述的任一方面,在根据第一图像中各个像素点的灰度值确定第一特征点时,可以从第一图像中识别目标监测区域的边缘轮廓线图像,进而获得仅包括目标监测区域的边缘轮廓线图像的第二图像,之后从第二图像中识别第一特征点,具体实现过程为:
从所述第一图像中识别各个所述目标监测区域的轮廓线图像,获得仅包括所述轮廓线图像的第二图像,其中,所述轮廓线图像为所述第一图像中所述目标监测区域的边缘轮廓线的图像;
根据所述第二图像中各个像素点的灰度值,从所述第二图像中识别至少三个所述第一特征点。
在本发明实施例中,由于第一图像中不仅包括有目标监测区域的图像,还包括有目标监测图像之外其他物体的图像,如果直接从第一图像中识别第一特征点,目标监测区域之外其他物体的图像上的部分点也会被识别为第一特征点,进而导致所识别出的第一特征点无法准确标识目标监测区域的边缘轮廓。为此,首先从第一图像中识别目标监测区域的轮廓线图像,获得仅包括有所识别出轮廓线图像的第二图像,而轮廓线图像上的点可以用于标识目标监测区域的边缘轮廓,继而可以从第二图像中识别第一特征点,保证了所识别出的第一特征点均位于目标监测区域的边缘轮廓线上,进而保证第一特征点可以准确标识目标监测区域的边缘轮廓,保证后续利用第一特征点生成图像映射参数的准确性。
在第二种可能的实现方式中,结合上述任一方面,在根据第一图像中各个像素点的灰度值确定第一特征点之前,可以先对第一图像进行灰度处理。
在本发明实施例中,摄像机拍摄到的第一图像通常为彩色图像,通过对第一图像进行灰度处理,可以将第一图像转换为色彩单一的灰度图像,从而可以方便地确定第一图像中各个像素点的灰度值,进而方便后续根据第一图像中各个像素点的灰度值来确定第一特征点。
在第三种可能的实现方式中,结合上述任一方面或第二种可能的实现方式,在根据第一图像中各个像素点的灰度值确定第一特征点之前,或者在对第一图像进行灰度处理之后,可以对第一图像进行高斯模糊处理。
在本发明实施例中,由于第一图像的噪点较高,如果直接从摄像机拍摄到的第一图像中识别第一特征点,则所识别出的第一特征点中会夹杂较多的干扰特征点。通过对摄像机拍摄到的第一图像或经过灰度处理后的第一图像进行高斯模糊处理,可以使处理后的第一图像变得更加柔和,之后从经过高斯模糊处理的第一图像中识别第一特征点时,可以减少所识别出第一特征点中夹杂的干扰特征点,提高所确定第一特征点的准确性。
在第四种可能的实现方式中,结合上述第三种可能的实现方式,在对第一图像进行高斯模糊处理时,可以先对第一图像中的像素点进行分块,进而基于分块所获得的像素块来对第一图像进行高斯模糊处理。具体可以通过如下方式对第一图像进行高斯模糊处理:
将所述第一图像中相邻的m行×m列个像素点确定为一个像素块,其中,所述m用于表征所述像素块所包括像素点的行数和列数,所述m为大于1的整数,不同所述像素块中的像素点不完全相同;
针对每一个所述像素块,计算该像素块所包括的各个像素点的灰度值的平均值,将计算出的所述平均值作为该像素块的第一灰度值;
针对每一个所述像素块,确定以该像素块为中心的像素区域,其中,所述像素区域包括n行×n列个所述像素块,所述n为大于1的奇数;
针对每一个所述像素块,对于每一对在所述像素区域和高斯核中位于相同行数和列数的所述像素块和内核,计算该像素块的所述第一灰度值与该内核的值的乘积,其中,所述高斯核包括有n行×n列个所述内核;
针对每一个所述像素块,将计算出的n2个所述乘积的平均值确定为该像素块的第二灰度值;
根据各个所述像素块的相对位置和各个所述像素块的所述第二灰度值,生成第三图像,其中,所述第三图像所包括像素点的个数与所述像素块的个数相等,且针对所述第三图像中的任意一个像素点,该像素点的灰度值等于所述第一图像中相对位置与该像素点相同的一个所述像素块的所述第二灰度值。
在本发明实施例中,将第一图像中像素点划分为多个像素块,每一个像素块包括有多个像素点,不同像素块包括不完全相同的像素点,从而所划分出的像素块的个数小于像素点的个数。在划分出像素块后,利用像素块的平均灰度值与高斯核进行加权平均运算以实现对第一图像进行高斯模糊处理,由于像素块的个数小于像素点的个数,相对于利用像素点的灰度值与高斯核进行加权平均运算实现高速模糊处理的方法,可以减少需要进行加权平均运算的次数,从而提高对第一图像进行高斯模糊处理的效率。
在第五种可能的实现方式中,结合上述第四种可能的实现方式,在将第一图像中的像素点划分为像素块时,所划分出的不同像素块可以包括完全不同的像素点。
在本发明实施例中,由于每一个像素块包括有多个像素点,而且不同像素块包括有不完全相同的像素点,因此所划分出的像素块的数量会小于第一图像中像素点的数量,进一步地,如果不同像素点中包括完全不相同的像素点,在每一个像素块中像素点数量一点的前提下,可以进一步减少像素块的数量,进而可以进一步减少需要进行加权平均运算的次数,从而进一步提高对第一图像进行高斯模糊处理的效率。
在第六种可能的实现方式中,结合上述任一方面、第一种可能的实现方式、第二种可能的实现方式、第三种可能的实现方式、第四种可能的实现方式或第五种可能的实现方式,在生成图像映射参数之后,根据利用所生成的图像映射参数生成模拟目标监测区域。具体可以通过如下方式来生成模拟目标监测区域:
利用所述图像映射参数,分别将每一个所述第一特征点的第一坐标映射为绘制平面上第二特征点的第二坐标,其中,所述第一坐标为所述第一特征点在其所在图像上的坐标;
针对每一个所述目标监测区域,从所述至少三个第一特征点中确定至少两个第三特征点,其中,所述至少两个第三特征点用于确定该目标监测区域的边缘轮廓,从各个所述第二特征点中确定与所述至少两个第三特征点相映射的至少两个第四特征点,根据所述至少两个第四特征点生成与该目标监测区域相对应的所述模拟目标监测区域。
在本发明实施例中,在生成图像映射参数之后,根据图像映射参数可以将确定出的各个第一特征点映射为绘制平面上相对应的第二特征点,进而根据目标监测区域的形状将各个第二特征点顺次相连,便可以生成与第一图像中各个目标监测区域相映射的模拟目标监测区域,后续根据模拟目标监测区域可以方便地监测各个目标监测区域的状态。
在第七种可能的实现方式中,结合上述任一方面、第一种可能的实现方式、第二种可能的实现方式、第三种可能的实现方式、第四种可能的实现方式、第五种可能的实现方式或第六种可能的实现方式,目标监测区域可以是停车位。
在本发明实施例中,目标监测区域可以是停车位,在获取到图相映射参数后,可以将第一图像中各个停车位的图像映射为绘制平面上的模拟车位,后续还可以利用图像映射参数将摄像机所拍摄图像中的汽车映射为绘制平面上的模拟汽车,进而可以根据模拟车位与模拟汽车的重叠情况来判断停车位的占用情况。
附图说明
图1是现有技术中包括黑白棋盘格的拍摄图像的示意图;
图2是现有技术中标注黑白棋盘格角点并绘制内角点连线后图像的示意图;
图3是本发明一个实施例提供的一种图像映射参数生成方法的流程图;
图4是本发明一个实施例提供的一种第一特征点识别方法的流程图;
图5是本发明一个实施例提供的一种第一特征点识别结果的示意图;
图6是本发明一个实施例提供的一种第一特征点识别过程的示意图;
图7是本发明一个实施例提供的一种高斯模糊处理方法的流程图;
图8是本发明一个实施例提供的一种高斯核的示意图;
图9是本发明一个实施例提供的另一种高斯模糊处理方法的流程图;
图10是本发明一个实施例提供的一种模拟目标监测区域生成方法的流程图;
图11是本发明一个实施例提供的一种模拟图像生成规则所定义图像映射规则的示意图;
图12是本发明一个实施例提供的另一种图像映射参数生成方法的流程图;
图13是本发明一个实施例提供的一种摄像机所拍摄第一图像的示意图;
图14是本发明一个实施例提供的一种图像映射参数生成装置的示意图;
图15是本发明一个实施例提供的另一种图像映射参数生成装置的示意图;
图16是本发明一个实施例提供的一种包括高斯模糊处理模块的图像映射参数生成装置的示意图;
图17是本发明一个实施例提供的又一种图像映射参数生成装置的示意图;
图18是本发明一个实施例提供的一种包括模拟图像生成模块的图像映射参数生成装置的示意图;
图19是本发明一个实施例提供的再一种图像映射才参数生成装置的示意图。
附图标记列表:
301:获取由摄像机拍摄到的第一图像
302:根据第一图像中各个像素点的灰度值,确定至少三个第一特征点
303:根据各个第一特征点和模拟图像生成规则,生成图像映射参数
401:识别第一图像中目标监测区域的轮廓线图像,获得仅包括轮廓线图像的第二图像
402:根据第二图像中各个像素点的灰度值,从第二图像中识别至少三个第一特征点
701:确定第一图像中各个像素点的灰度值的标准差
702:生成n行×n列的高斯核
703:利用高斯核对第一图像进行高斯模糊处理
901:将第一图像中相邻的m行×m列个像素点确定为一个像素块
902:计算像素块所包括的各个像素点的灰度值的平均值作为该像素块的第一灰度值
903:针对每一个像素块,确定以该像素块为中心的像素区域
904:计算对应相同行数和列数的像素块的第一灰度值和内核的数值的乘积
905:将计算出的n2个乘积的平均值确定为相对应像素块的第二灰度值
906:根据各个像素块的相对位置和各个像素块的第二灰度值,生成第三图像
1001:将每一个第一特征点的第一坐标映射为绘制平面上第二特征点的第二坐标
1002:针对每一个目标监测区域,从各个第一特征点中确定至少两个第三特征点
1003:确定与至少两个第三特征点相映射的至少两个第四特征点
1004:根据目标监测区域所对应的至少两个第四特征点生成相应的模拟目标监测区域
1201:获取由摄像机拍摄到的第一图像
1202:对第一图像进行灰度处理
1203:对经过灰度处理的第一图像进行高斯模糊处理
1204:从第一图像中识别车位线图像,获得仅包括车位线图像的第二图像
1205:从第二图像中识别停车位的角点
1206:根据所识别出的角点和模拟车位生成规则,获得图像映射参数
1207:利用图像映射参数,将识别出的各个角点映射为绘制平面上的模拟角点
1208:将各个模拟角点顺次相连,生成模拟车位
201:图像获取模块 202:特征点识别模块 203:参数生成模块
2021:轮廓识别单元 2022:点提取单元 204:灰度处理模块
205:模糊处理模块 2051:像素分块单元 2052:第一计算单元
2053:像素分区单元 2054:第二计算单元 2055:第三计算单元
2056:第一图像生成单元 206:特征点映射模块 207:特征点分组模块
208:特征点选取模块 209:模拟图像生成模块 210:存储器
211:处理器
具体实施方式
如前所述,获取摄像机参数作为图像映射参数时,针对每一个摄像机均需要通过人工方式将黑白棋盘格放置到相应目标监测区域内,以使摄像机能够拍摄到包括有黑白棋盘格的图像,并且还需要通过人工方式在摄像机所拍摄的图像上标注黑白棋盘格的各个角点并绘制内角点连线,人工参与程度较高。而且通过人工方式将黑白棋盘格放置到目标监测区域以及在图像上标注黑白棋盘格的各个角点并绘制内角点连线均需要耗费较长的时间,针对每一个摄像机均需要较长的时间才能够获取到相应的摄像机参数,从而导致获取图像映射参数的效率较低。
本发明实施例中,通过摄像机拍摄到包括有目标监测区域的图像的第一图像后,根据第一图像中各个像素点的灰度值确定最少三个用于标识目标监测区域的边缘轮廓的第一特征点,之后根据所确定出的各个第一特征点以及定义了生成模拟目标监测区域的轮廓、位置和缩放比例的模拟图像生成规则,便可以生成用于将第一图像中目标监测区域的图像映射为模拟目标监测区域的图像映射参数。由此可见,直接从摄像机拍摄都的图像中识别用于标识目标监测区域轮廓的第一特征点,根据所识别出第一特征点与模拟图像生成规则所定义模拟目标监测区域上映射点的对应关系,便可以直接生成图像映射参数,获取图像映射参数过程无需人工参与,从而提高获取图像映射参数的效率。
需要说明的是,图像映射参数用于将摄像机所拍摄图像中的目标监测区域映射为模拟目标监测区域,模拟目标监测区域为绘制平面内目标监测区域的模拟图像,模拟图像生成规则定义了对所生成的模拟目标监测区域的要求,具体模拟图像生成规则定义了模拟目标监测区域在绘制平面上的位置、形状以及相对于摄像机所拍摄图像中目标监测区域图像的缩放比例。在生成图像映射参数时,可以从摄像机所拍摄图像中识别目标监测区域轮廓上的特征点,并从模拟目标监测区域的轮廓上确定与所识别出的特征点相匹配的映射点,进而根据相匹配的特征点和映射点便可以确定出图像映射参数。
下面结合附图对本发明实施例提供的图像映射参数生成方法和装置进行详细说明。
如图3所示,本发明实施例提供了一种图像映射参数生成方法,该方法可以包括如下步骤:
步骤301:获取由摄像机拍摄到的第一图像,其中,第一图像中包括有至少一个目标监测区域的图像;
步骤302:根据第一图像中各个像素点的灰度值,确定至少三个第一特征点,其中,至少三个第一特征点可组成至少一个三角形,且第一特征点用于标识目标监测区域的边缘轮廓;
步骤303:根据各个第一特征点和模拟图像生成规则,生成图像映射参数,其中,图像映射参数用于将第一图像中目标监测区域的图像映射为模拟目标监测区域,图像生成规则用于定义映射模拟目标监测区域的轮廓、位置和缩放比例,缩放比例为第一图像中目标监测区域的图像与模拟目标监测区域的尺寸比值。
在本发明实施例中,获取到摄像机所拍摄的包括有目标监测区域图像的第一图像后,根据第一图像中各个像素点的灰度值确定用于标识目标监测区域边缘轮廓的多个第一特征点,之后根据各个第一特征点以及用于定义生成模拟目标监测区域的轮廓、位置和缩放比例的图像生成规则便可以生成图像映射参数。由此可见,从摄像机所拍摄到的第一图像中识别第一特征点后,根据可以第一特征点与模拟图像生成规则所定义的模拟目标监测区域上映射点的对应关系,并可以直接生成图像映射参数,获取图像映射参数过程无需人工参与,从而提高获取图像映射参数的效率。
在本发明实施例中,图像生成规则定义了生成模拟目标监测区域的轮廓、位置和缩放比例,虽然图像生成规则没有明确给出模拟目标监测区域的大小和形状,但是在获取到第一图像上部分用于标识目标监测区域边缘轮廓的第一特征点后,基于图像生成规则定义的各项内容可以确定出模拟目标监测区域上与各个第一特征点相对应的映射点,进而可以各个相对应的第一特征点和映射点便可以确定将第一图像上目标监测区域的图像映射为模拟目标监测区域的规则,即确定出图像映射参数。
可选地,在图1所示图像映射参数生成规则的基础上,在步骤302根据第一图像中各个像素点的灰度值确定第一特征点之前,可以首先对第一图像进行灰度处理,还可以对第一图像进行高斯模糊处理。
在本发明实施例中,通过对第一图像进行灰度处理,可以将彩色的第一图像转换为颜色单一的灰度图像,从而可以方便地确定第一图像中每一个像素点的灰度值,进而便于根据第一图像中各个第一像素点的灰度值来确定第一特征点。
在本发明实施例中,由于第一图像的噪点较高,如果直接从第一图像中识别第一特征点,所识别出的第一特征点中会夹杂较多的干扰,后续还需要耗费较长的时间将第一特征点中夹杂的干扰去除。通过对第一图像进行高斯模糊处理,可以使第一图像变得更加柔和,之后从第一图像中识别第一特征点时可以减少所识别出第一特征点中夹杂的干扰。
需要说明的是,在根据第一图像中各个像素点的灰度值确定第一特征点之后,可以对第一图像只进行灰度处理,也可以对第一图像只进行高斯模糊处理,还可以对第一图像既进行灰度处理又进行高斯模糊处理。在对第一图像既进行灰度处理又进行高斯模糊处理时,可以先对第一图像进行灰度处理,之后再对经过灰度处理的第一图像进行高斯模糊处理,还可以先对第一图像进行高斯模糊处理,之后再对经过高斯模糊处理的第一图像进行灰度处理。
可选地,在图3所示图像映射参数生成方法的基础上,可以从第一图像中识别目标监测区域的轮廓线图像,进而获得仅包括有目标监测区域的轮廓线图像的第二图像,之后从第二图像中识别第一特征点。如图4所示,具体可以通过如下方式来确定第一特征点:
步骤401:从第一图像中识别各个目标监测区域的轮廓线图像,获得仅包括有轮廓线图像的第二图像,其中,轮廓线图像为第一图像中目标监测区域的边缘轮廓线的图像;
步骤402:根据第二图像中各个像素点的灰度值,从第二图像中识别至少三个第一特征点。
在本发明实施例中,由于第一特征点用于在第一图像中标识目标监测区域的边缘轮廓,因此可以将第一图像中位于目标监测区域的轮廓线图像上的点确定为第一特征点。但是,由于第一图像中不仅包括有目标监测区域的图像,还包括有目标监测区域之外其他物体的图像,如果直接从第一图像中识别第一特征点,目标监测区域之外其他物体的图像上的部分点也会被确定为第一特征点,而且难以将从目标监测区域之外其他物体的图像上识别到的第一特征点分离出来,从而后续利用识别出的第一特征点生成图像映射参数时,将导致所生成的图像映射参数不准确。
如图5所示,以目标监测区域为停车位,第一特征点为停车位的角点为例,如果直接从第一图像中识别停车位的角点,除停车位的角点被识别出来之外,第一图像中汽车、树木、花草等物体上的角点也会被识别出来。其中,所识别出来的角点如图5中实心三角所示。
在本发明实施例中,从第一图像中识别出各个目标监测区域的轮廓线图像后,获得仅包括有目标监测区域的轮廓线图像的第二图像,进而从第二图像中识别第一特征点,此时所识别出的第一特征点均位于目标监测区域的轮廓线上,保证第一特征点能够准确标识目标监测区域的边缘轮廓,进而保证后续利用识别出的第一特征点生成图像映射参数的准确性。
如图6所示,仍以目标监测区域为停车位,第一特征点为停车位的角点为例,首先从第一图像中识别出各个车位的车位线,之后将第一图像中除所识别出的车位线之外的其他图像均删除,获得第二图像,之后从第二图像中识别停车位的角点。其中,在图6中,第一幅图像为识别出车位线后的第一图像,第二幅图像为第二图像,第三幅图像为标记出停车位的角点的第二图像,所识别出的角点如第三幅图像中实心三角所示。
需要说明的是,在从第一图像中识别各个目标监测区域的轮廓线图像之前,可以先对第一图像进行灰度处理,或者可以先对第一图像进行高斯模糊处理,抑或可以依次对第一图像进行灰度处理和高斯模糊处理。比如,首先对第一图像进行灰度处理,之后对经过灰度处理的第一图像进行高斯模糊处理,之后从经过灰度处理和高斯模糊处理的第一图像中识别各个目标监测区域的轮廓线图像,获得仅包括轮廓线图像的第二图像。
可选地,如果选择在确定第一特征点之前对第一图像进行高斯模糊处理的技术方案,则可以利用高斯滤波器来对第一图像进行高斯模糊处理。如图7所示,对第一图像进行高斯模糊处理的方法可以包括如下步骤:
步骤701:确定第一图像中各个像素点的灰度值的标准差;
步骤702:生成n行×n列的高斯核,其中,n为大于1的奇数,高斯核包括有n2个内核,每一个内核的值根据该内核所在的行数和列数以及标准差确定;
步骤703:利用高斯核对第一图像进行高斯模糊处理。
在本发明实施例中,在获取到第一图像中每一个像素点的灰度值后,计算第一图像中各个像素点的灰度值的标准差。需要说明的是,如果此前已经对第一图像进行了灰度处理,则可以直接获取到第一图像中每一个像素点的灰度值,如果此前没有对第一图像进行灰度处理,则可以根据每一个像素点的色值来确定该像素点的灰度值。
在本发明实施例中,为了获得用于高斯模糊处理的高斯核,首先需要确定高斯核的行数和列数,而高斯核的行数和列数具体可以根据第一图像所包括像素点的个数和对图像映射参数的精度要求来确定,通常情况下确定高斯核的行数和列数为相等数值的奇数。比如,确定3×3的高斯核、5×5的高斯核或7×7的高斯核,其中,3×3的高斯核即为高斯核的行数和列数均为3,此时高斯核包括有9个内核,5×5的高斯核即为高斯核的行数和列数均为5,此时高斯核包括有25个内核,7×7的高斯核即为高斯核的行数和列数均为7,此时高斯核包括有49个内核。
在本发明实施例中,在确定出高斯核的行数和列数后,针对高斯核所包括的每一个内核,可以根据该内核所在的行数、列数以及已经确定出的灰度值的标准差,通过如下公式来计算该内核的数值:
其中,G(x,y)表征高斯核中位于第x行第y列的内核的数值;π表征圆周率,可取值3.14;σ表征第一图像中各个像素点的灰度值的标准差;e表征自然对数的底数。
由于高斯核中各个内核的数值之和等于1,因此每一个内核的数值均为小于1的小数,为了方便利用高斯核对第一图像进行高斯模糊处理,可以将高斯核中各个内核的数值同时扩大一定倍数,使得高斯核中各个内核的数值均为整数,之后再对高斯核整体除以该扩大的倍数。如图8所示,左侧为3×3的高斯核,右侧为5×5的高斯核。
可选地,在图7所示高斯模糊处理方法的基础上,根据与高斯核进行加权平均运算的灰度值的来源不同,可以采用如下两种不同的方式对第一图像进行高斯模糊处理:
方式一:直接将第一图像中每一个像素点的灰度值与高斯核进行加权平均运算,实现对第一图像的高斯模糊处理;
方式二:将第一图像中相邻的至少两个像素点的平均灰度值与高斯核进行加权平均运算,实现对第一图像的高斯模糊处理。
下面对上述两个不同的高斯模糊处理方法进行分别说明。
针对方式一实现高斯模糊处理的方法,该方法可以包括如下步骤:
A1:针对第一图像中的每一个像素点,确定以该像素点为中心且所包括像素点的行数和列数与高斯核中内核的行数和列数相等的像素区块,其中,如果该像素点位于第一图像的边缘,则设定该像素区块中位于第一图像之外的各个像素点的灰度值为0或255;
A2:针对所确定出的每一个像素区块,计算该像素区块中位于第i行第j列的像素点的灰度值与高斯核中位于第i行第j列的内核的数值的乘积,共计获得n2个乘积;
A3:针对所确定出的每一个像素区块,计算针对该像素区块获得的n2个乘积的平均值,利用计算出的平均值替换位于该像素区块中心的像素点的灰度值。
在本发明实施例中,针对第一图像中的每一个像素点,可以确定出一个以该像素点为中心的像素区块,在计算该像素区块和高斯核中位于相同行数和列数的像素点与内核所对应灰度值与内核数值的乘积后,可以获取到n2个乘积,之后将所获得的n2个乘积的平均值替换该像素点原有的灰度值。按照上述方式对第一图像中所有像素点的灰度值进行替换后,完成对第一图像的高斯模糊处理。
在本发明实施例中,直接将第一图像中每一个像素点的灰度值与高斯核中内核的数值进行加权平均运算,而无需对第一图像中各个像素点的灰度值进行其他计算,保证了高斯模糊处理算法的简便性。
针对方式二实现高斯模糊处理的方法,如图9所示,该方法可以包括如下步骤:
步骤901:将第一图像中相邻的m行×m列个像素点确定为一个像素块,其中,m用于表征像素块所包括像素点的行数和列数,m为大于1的整数;不同像素块中的像素点不完全相同;
步骤902:针对每一个像素块,计算该像素块所包括的各个像素点的灰度值的平均值,将计算出的平均值作为该像素块的第一灰度值;
步骤903:针对每一个像素块,确定以该像素块为中心的像素区域,其中,像素区域包括n行×n列个像素块;
步骤904:针对每一个像素区域,对于每一对在该像素区域和高斯核中位于相同行数和列数的像素块和内核,计算该像素块的第一灰度值与该内核的数值的乘积;
步骤905:针对每一个像素块,将针对该像素块所对应的像素区域计算出的n2个乘积的平均值确定为该像素块的第二灰度值;
步骤906:根据各个像素块的相对位置和各个像素块的第二灰度值,生成第三图像,其中,第三图像所包括像素点的个数与像素块的个数相等,且针对第三图像中的任意一个像素点,该像素点的灰度值等于第一图像中相对位置与该像素点相同的一个像素块的第二灰度值。
在本发明实施例中,将第一图像中相邻的m行×m列个像素点确定为一个像素块,而不同像素块所包括的像素点不完全相同,从而可以将第一图像划分为多个像素块,且所划分出的像素块的个数小于像素点的个数。针对每一个像素块,计算该像素块内各个像素点的灰度平均值作为该像素块的第一灰度值,之后划分出以该像素块为中心的像素区域,计算像素区域和高斯核中位于相同行数和列数的像素块与内核所对应第一灰度值与内核数值的乘积,可以获取到n2个乘积,之后将所获得的n2个乘积的平均值作为该像素块的第二灰度值。在确定出每一个像素块的第二灰度值后,根据各个像素块之间的相对位置和第二灰度值生成第三图像,第三图像即为对第一图像进行高斯模糊处理后所获得的图像。
在本发明实施例中,将第一图像中相邻的m行×m列个像素点确定为一个像素块,所获得像素块的个数小于像素点的个数,利用像素块的平均灰度值与高斯核中内核的数值进行加权平均运算,可以减少需要进行加权平均运算的次数,从而提高对第一图像进行高斯模糊处理的效率。
在本发明实施例中,由于每一个像素块包括有m行×m列个像素点,而且不同像素块包括有不完全相同的像素点,因此第一图像中位于同一行或同一列相邻的m个像素点可能同时属于不同的像素块,两个相邻像素块最多可以包括m-1列或m-1行的相同像素点。
可选地,在图9所示高斯模糊处理方法的基础上,在第一图像中不同像素块可以包括完全不同的像素点
在本发明实施例中,通过将第一图像划分为多个像素块,每一个像素块包括有多个相邻的像素点,由于像素块的个数小于像素点的个数,利用像素块平均灰度值与高斯核中内核的数值进行加权平均运算,可以减少需要进行加权平均运算的次数,从而提高对第一图像进行高斯模糊处理的效率。在像素块所包括固定个数像素点的前提下,不同像素块包括完全不同的像素点时像素块的个数最少,而像素块个数减少可以进一步减少需要进行加权平均运算的次数,从而可以进一步提升对第一图像进行高斯模糊处理的效率。
可选地,在图3所示图相映射参数生成方法的基础上,步骤303根据各个第一特征点和模拟图像生成规则生成图像映射参数时,具体可以按照如下方式来生成图像映射参数:
C1:从各个第一特征点中选择不在同一直线上的三个目标第一特征点;
C2:针对每一个目标第一特征点,获取该目标第一特征点在第一图像上的坐标值;
C3:针对每一个目标第一特征点,根据模拟图像生成规则,确定在绘制平面上与该目标第一特征点相对应的第五特征点,并获取第五特征点在绘制平面上的坐标值;
C4:根据模拟图像生成规则所定义的缩放比例,以及各个目标第一特征点在第一图像上的坐标值和各个第五特征点中绘制平面上的坐标值,获得如下方程组:
在上述方程组中,s表征模拟图像生成规则所定义的缩放比例,(u1,v1)表征第一个目标第一特征点在第一图像上坐标,(u2,v2)表征第二个目标第一特征点在第一图像上坐标,(u3,v3)表征第三个目标第一特征点在第一图像上坐标,(X1,Y1)表征与第一个目标第一特征点相对应的第五特征点在绘制平面上的坐标,(X2,Y2)表征与第二个目标第一特征点相对应的第五特征点在绘制平面上的坐标,(X3,Y3)表征与第三个目标第一特征点相对应的第五特征点在绘制平面上的坐标,A[r1 r2 t]表征投影矩阵,r1表征X方向旋转量,r2表征Y方向旋转量,t表征平移量;
C5:对上述方程组进行求解,获得投影矩阵;
C6:将投影矩阵作为图像映射参数。
在本发明实施例中,投影矩阵包括X方向旋转量、Y方向旋转量和平移量三个参数,通过这三个参数完全可以实现将第一图像上的图像映射到绘制平面内,从而仅需要从各个第一特征点中选择不在同一直线上的三个目标第一特征点,并根据模拟图像生成规则确定模拟目标监测区域上与三个目标第一特征点相对应的三个第五特征点,之后根据三个目标第一特征点和三个第五特征点的坐标生成包括有三个三元一次方程的方程组,通过对该方程组进行求解便可以获得投影矩阵,进而便可以将投影矩阵确定为图像映射参数。
在本发明实施例中,利用三个第一特征点和模拟图像生成规则构建方程组,通过对方程组求解便可以确定获得图像映射参数,整个过程中无需人工操作和人工干预,在提升图像映射参数获取效率的同时,还能够降低图像映射参数获取过程中人员的劳动强度。
可选地,在图3所示图像映射参数生成方法的基础上,在获取到图像映射参数之后,可以利用所生成的图像映射参数将第一图像中的目标监测区域的图像映射为模拟目标监测区域,以便于根据模拟目标监测区域来确定目标监测区域的状态变化。如图10所示,生成模拟目标监测区域的方法可以包括如下步骤:
步骤1001:利用图像映射参数,分别将每一个第一特征点的第一坐标映射为绘制平面上第二特征点的第二坐标,其中,第一坐标为第一特征点在其所在图像上的坐标;
步骤1002:针对每一个目标监测区域,从各个第一特征点中确定至少两个第三特征点,其中,所确定出的至少两个第三特征点用于确定该目标监测区域的边缘轮廓;
步骤1003:针对每一个目标监测区域,从各个第二特征点中确定与该目标监测区域所对应的至少两个第三特征点相映射的至少两个第四特征点;
步骤1004:针对每一个目标监测区域,根据该目标监测区域所对应的至少两个第四特征点,生成与该目标监测区域相对应的模拟目标监测区域。
在本发明实施例中,在生成图像映射参数后,针对每一个目标监测区域,确定至少两个用于对该目标监测区域的边缘轮廓进行标识的第三特征点,之后利用图像映射参数将所确定出第三特征点的坐标映射为绘制平面上的坐标,从而获取到绘制平面上与第三特征点相映射的第四特征点,进而根据至少两个第四特征点生成与该目标监测区域相对应的模拟目标监测区域。
在本发明实施例中,针对每一个第一特征点,该第一特征点的第一坐标为该第一特征点在其所在图像上的坐标。如果第一特征点是从第一图像上识别出来的,则第一坐标为相应第一特征点在第一图像上的坐标,如果第一特征点是从第二图像上识别出来的,则第一坐标为相应第一特征点在第二图像上的坐标。
可选地,在上述各个实施例所提供的图像映射参数生成方法中,目标监测区域可以是停车位,在获取到图相映射参数后,可以将第一图像中各个停车位的图像映射为绘制平面上的模拟车位,后续还可以利用图像映射参数将摄像机所拍摄图像中的汽车映射为绘制平面上的模拟汽车,进而可以根据模拟车位与模拟汽车的重叠情况来判断停车位的占用情况。
在本发明实施例中,目标监测区域除了可以是停车位外,还可以是各种三维或二维的物体,比如可以是楼房、游泳池、足球场、跑道等。另外,目标监测区域的形状也不局限于矩形,可以是圆形、三角形、椭圆形等规则形状,还可以是不规则形状。
需要说明的是,在上述各个实施例所提供的图像映射参数生成方法中,模拟图像生成规则定义了将摄像机所拍摄图像中的目标监测区域映射为绘制平面上模拟监测区域的规则,具体包括有拟监测区域的轮廓、位置和缩放比例等,模拟图像生成规则通常根据客户的需求而制定,比如可以是客户所提供的草图、需求图等。当目标监测区域为停车位时,模拟图像生成规则定义了将摄像机所拍摄图像中停车位的图像映射为绘制平面上相应矩形区域的规则,如图11所示。
下面以目标监测区域为停车位为例,对本发明实施例所提供的图像映射参数生成方法作进一步详细说明,如图12所示,该方法可以包括如下步骤:
步骤1201:获取由摄像机拍摄到的第一图像。
在本发明实施例中,在一个用于监测停车位占用情况的摄像机安装调试完成后,利用该摄像机拍摄第一图像,并保证所拍摄的第一图像中包括有需要进行监测的停车位的图像。
例如,摄像机所拍摄到的第一图像如图13所示。
步骤1202:对第一图像进行灰度处理。
在本发明实施例中,通过对第一图像进行灰度处理,将第一图像转换为灰度模式。
步骤1203:对经过灰度处理的第一图像进行高斯模糊处理。
在本发明实施例中,在完成对第一图像的灰度处理后,获取第一图像中各个像素点的灰度值,进而根据第一图像中各个像素点的灰度值来生成高斯核,之后利用高斯核对经过灰度处理的第一图像进行高斯模糊处理。具体对第一图像进行高斯模糊处理的方法可以参见图7所示高斯模糊处理方法中的方式一或方式二,此处不再赘述。
步骤1204:从经过高斯模糊处理的第一图像中识别车位线图像,获得仅包括车位线图像的第二图像。
在本发明实施例中,在对第一图像进行灰度处理和高斯模糊处理后,第一图像中车位线图像与其他图像具有较明显的差别,进而基于车位线为交叉线段的特点,可以从第一图像中提取出车位线图像,如图6中第一幅图像所示。在从第一图像中提取出车位线图像后,可以将第一图像中除所识别出的车位线图像之外的其他图像均删除,获得仅包括车位线图像的第二图像,所获得第二图像如图6中第二幅图像所示。
步骤1205:从第二图像中识别停车位的角点。
在本发明实施例中,控制预先设定的检测窗口在第二图像上以像素为运动单位进行横向和纵向运动,其中,检测窗口可以容纳至少两个像素点。针对检测窗口所进行的每一次运动,根据该次运动之前检测窗口内各个像素点的灰度值和该次运动之后检测窗口内各个像素点的灰度值,判断该次运动之前和之后检测窗口内像素灰度的强度改变量是否大于预先设定的临界阈值,如果是,则将该次运动之后第二图像上位于检测窗口的中心的像素点确定为停车位的一个角点。
具体地,针对检测窗口所进行的每一个运动,可以构建如下函数:
其中,E(u,v)表征像素灰度的强度该变量;ω(x,y)表征加权函数,可以为常数或为高斯加权函数G(x,y);I(x,y)表征检测窗口运动之前检测窗口内像素灰度的强度;I(x+u,y+v)表征检测窗口运动之后检测窗口内像素灰度的强度;u表征检测窗口在X方向的运动量,v表征检测窗口在Y方向的运动量;
根据泰勒展开式,可以将上述函数变形为如下形式:
之后可以获取到特征值M在X方向和Y方向的一阶导数λ1和λ2,之后可以根据获取到的λ1和λ2以及预设的比例系数k(0≤k≤0.04),通过如下公式计算参考系数R:
R=λ1λ2-k(λ1+λ2)2
当计算出的参考系数R大于预设的阈值后,将检测窗口运动后位于检测窗口中心的像素确定为停车位的一个角点。
例如,所识别出的角点如图6中第三幅图像中的实心三角所示。
步骤1206:根据所识别出的角点和模拟车位生成规则,获得图像映射参数。
在本发明实施例中,从所识别出的各个角点中确定三个角点,获取这三个角点在第二图像上的坐标,根据预先定义的模拟车位生成规则确定位于绘制平面上的与这个三个角点相对应的三个模拟角点的坐标,并根据模拟车位生成规则确定缩放比例,之后根据三个角点的坐标、三个模拟角点的坐标和缩放比例,通过如下方程组获得投影矩阵,并将所获得的投影矩阵确定为图像映射参数。
在上述方程组中,s表征模拟车位生成规则所定义的缩放比例,(u1,v1)表征第一个角点在第二图像上坐标,(u2,v2)表征第二个角点在第二图像上坐标,(u3,v3)表征第三个角点在第二图像上坐标,(X1,Y1)表征与第一个角点相对应的模拟角点在绘制平面上的坐标,(X2,Y2)表征与第二个角点相对应的模拟角点在绘制平面上的坐标,(X3,Y3)表征与第三个角点相对应的模拟角点在绘制平面上的坐标,A[r1 r2 t]表征投影矩阵,r1表征X方向旋转量,r2表征Y方向旋转量,t表征平移量。
步骤1207:利用图像映射参数,将识别出的各个角点映射为绘制平面上的模拟角点。
在本发明实施例中,针对从第二图像上所识别出的每一个角点,根据该角点在第二图像上的坐标和图像映射参数,通过如下公式计算绘制平面上与该角点相映射的模拟角点的坐标,进而根据模拟角点的坐标在绘制平面上绘制该模拟角点。
其中,(u,v)表征一个角点在第二图像上的坐标,(X,Y)表征与该角点相映射的模拟角点在绘制平面上的坐标,s表征缩放比例,A[r1 r2 t]表征图像映射参数。
步骤1208:将各个模拟角点顺次相连,生成模拟车位。
在本发明实施例中,在将识别出的各个角点映射为绘制平面上的各个模拟角点后,将各个模拟角点顺次连接,生成与第一图像上停车位相对应的模拟车位。其中,模拟角点之间的连线用于表征车位线。
如图14所示,本发明一个实施例提供了一种图像映射参数生成装置,包括:
一个图像获取模块201,用于获取由摄像机拍摄到的第一图像,其中,第一图像中包括有至少一个目标监测区域的图像;
一个特征点识别模块202,用于根据图像获取模块201获取到的第一图像中各个像素点的灰度值,确定至少三个第一特征点,其中,至少三个第一特征点可组成至少一个三角形,且第一特征点用于标识目标监测区域的边缘轮廓;
一个参数生成模块203,用于根据模拟图像生成规则和特征点识别模块202确定出的各个第一特征点,生成图像映射参数,其中,图像映射参数用于将第一图像中目标监测区域的图像映射为模拟目标监测区域,图像生成规则用于定义映射模拟目标监测区域的轮廓、位置和缩放比例,缩放比例为第一图像中目标监测区域的图像与模拟目标监测区域的尺寸比值。
在本发明实施例中,图像获取模块201可用于执行上述方法实施例中的步骤301,特征点识别模块202可用于执行上述方法实施例中的步骤302,参数生成模块203可用于执行上述方法实施例中的步骤303。
可选地,在图14所示图像映射参数生成装置的基础上,如图15所示,特征点识别模块202包括:
一个轮廓识别单元2021,用于从第一图像中识别各个目标监测区域的轮廓线图像,获得仅包括轮廓线图像的第二图像,其中,轮廓线图像为第一图像中目标监测区域的边缘轮廓线的图像;
一个点提取单元2022,用于根据轮廓识别单元2021获得的第二图像中各个像素点的灰度值,从第二图像中识别至少三个第一特征点。
在本发明实施例中,轮廓识别单元2021可用于执行上述方法实施例中的步骤401,点提取单元2022可用于执行上述方法实施例中的步骤402。
可选地,在图14所示图像映射参数生成装置的基础上,如图16所示,该图像映射参数生成装置进一步包括:一个灰度处理模块204和/或一个模糊处理模块205;
灰度处理模块204,用于对图像获取模块201获取到的第一图像进行灰度处理;
模糊处理模块205,用于对图像获取模块201获取到的第一图像进行高斯模糊处理。
在本发明实施例中,模糊处理模块205可用于直接对图像获取模块2001所获取的第一图像进行高斯模糊处理,模糊处理模块205还可用于对进行灰度处理模块204进行灰度处理后的第一图像进行高斯模糊处理。
可选地,在图16所示图像映射参数生成装置的基础上,如图17所示,模糊处理模块205包括:一个像素分块单元2051、一个第一计算单元2052、一个像素分区单元2053、一个第二计算单元2054、一个第三计算单元2055和一个第一图像生成单元2056;
像素分块单元2051,用于将第一图像中相邻的m行×m列个像素点确定为一个像素块,其中,m用于表征像素块所包括像素点的行数和列数,m为大于1的整数,不同像素块中的像素点不完全相同;
第一计算单元2052,用于针对像素分块单元2051确定出的每一个像素块,计算该像素块所包括的各个像素点的灰度值的平均值,将计算出的平均值作为该像素块的第一灰度值;
像素分区单元2053,用于针对像素分块单元2051确定出的每一个像素块,确定以该像素块为中心的像素区域,像素区域包括n行×n列个像素块,其中,n为大于1的奇数;
第二计算单元2054,用于针对每一对在像素分区单元2053确定出的像素区域和高斯核中位于相同行数和列数的像素块和内核,计算第一计算单元2052计算出的该像素块的第一灰度值与该内核的值的乘积,其中,高斯核包括有n行×n列个内核;
第三计算单元2055,用于将第二计算单元2054针对一个像素块计算出的n2个乘积的平均值确定为该像素块的第二灰度值;
第一图像生成单元2056,用于根据各个像素块的相对位置和第三计算单元2055计算出的各个像素块的第二灰度值,生成第三图像,其中,第三图像所包括像素点的个数与像素块的个数相等,且针对第三图像中的任意一个像素点,该像素点的灰度值等于第一图像中相对位置与该像素点相同的一个像素块的第二灰度值;
特征点识别模块202,用于根据第一图像生成单元2056所生成的第三图像中各个像素点的灰度值,从第三图像中识别至少三个第一特征点。
在本发明实施例中,像素分块单元2051可用于执行上述方法实施例中的步骤901,第一计算单元2052可用于执行上述方法实施例中的步骤902,像素分区单元2053可用于执行上述方法实施例中的步骤903,第二计算单元2054可用于执行上述方法实施例中的步骤904,第三计算单元2055可用于执行上述方法实施例中的步骤905,第一图像生成单元2056可用于执行上述方法实施例中的步骤906。
可选地,在图14所示图像映射参数生成装置的基础上,如图18所示,该图像映射参数生成装置进一步包括:
一个特征点映射模块206,用于根据参数生成模块203生成的图像映射参数,分别将每一个第一特征点的第一坐标映射为绘制平面上第二特征点的第二坐标,其中,第一坐标为第一特征点在其所在图像上的坐标;
一个特征点分组模块207,用于针对每一个目标监测区域,从至少三个第一特征点中确定至少两个第三特征点,其中,至少两个第三特征点用于确定该目标监测区域的边缘轮廓;
一个特征点选取模块208,用于针对每一个目标监测区域,从特征点映射模块206映射出的各个第二特征点中确定与特征点分组模块207获取到的与该目标监测区域所对应的至少两个第三特征点相映射的至少两个第四特征点;
一个模拟图像生成模块209,用于针对每一个目标监测区域,根据特征点选取模块208确定出的与该目标监测区域相对应的至少两个第四特征点,生成与该目标监测区域相对应的模拟目标监测区域。
在本发明实施例中,特征点映射模块206可用于执行上述方法实施例中的步骤1001,特征点分组模块207可用于执行上述方法实施例中的步骤1002,特征点选取模块208可用于执行上述方法实施例中的步骤1003,模拟图像生成模块209可用于执行上述方法实施例中的步骤1004。
如图19所示,本发明一个实施例提供了一种图像映射参数生成装置,包括:至少一个存储器210和至少一个处理器211;
所述至少一个存储器210,被配置为存储可执行指令;
所述至少一个处理器211,与所述至少一个存储器210耦合,当执行所述可执行指令时,被配置为:
获取由摄像机拍摄到的第一图像,其中,所述第一图像中包括有至少一个目标监测区域的图像;
根据所述第一图像中各个像素点的灰度值,确定至少三个第一特征点,其中,所述至少三个第一特征点可组成至少一个三角形,且所述第一特征点用于标识所述目标监测区域的边缘轮廓;
根据各个所述第一特征点和模拟图像生成规则,生成图像映射参数,其中,所述图像映射参数用于将所述第一图像中所述目标监测区域的图像映射为模拟目标监测区域,所述图像生成规则用于定义映射所述模拟目标监测区域的轮廓、位置和缩放比例,所述缩放比例为所述第一图像中所述目标监测区域的图像与所述模拟目标监测区域的尺寸比值。
可选地,在图19所示图像映射参数生成装置的基础上,所述至少一个处理器211进一步在执行所述可执行指令时,被配置为:
从所述第一图像中识别各个所述目标监测区域的轮廓线图像,获得仅包括所述轮廓线图像的第二图像,其中,所述轮廓线图像为所述第一图像中所述目标监测区域的边缘轮廓线的图像;
根据所述第二图像中各个像素点的灰度值,从所述第二图像中识别至少三个所述第一特征点。
可选地,在图19所示图像映射参数生成装置的基础上,所述至少一个处理器211进一步在执行所述可执行指令时,被配置为:
将所述第一图像中相邻的m行×m列个像素点确定为一个像素块,其中,所述m用于表征所述像素块所包括像素点的行数和列数,所述m为大于1的整数,不同所述像素块中的像素点不完全相同;
针对每一个所述像素块,计算该像素块所包括的各个像素点的灰度值的平均值,将计算出的所述平均值作为该像素块的第一灰度值;
针对每一个所述像素块,确定以该像素块为中心的像素区域,其中,所述像素区域包括n行×n列个所述像素块,所述n为大于1的奇数;
针对每一个所述像素块,对于每一对在所述像素区域和高斯核中位于相同行数和列数的所述像素块和内核,计算该像素块的所述第一灰度值与该内核的值的乘积,其中,所述高斯核包括有n行×n列个所述内核;
针对每一个所述像素块,将计算出的n2个所述乘积的平均值确定为该像素块的第二灰度值;
根据各个所述像素块的相对位置和各个所述像素块的所述第二灰度值,生成第三图像,其中,所述第三图像所包括像素点的个数与所述像素块的个数相等,且针对所述第三图像中的任意一个像素点,该像素点的灰度值等于所述第一图像中相对位置与该像素点相同的一个所述像素块的所述第二灰度值;
以及,
根据所述第三图像中各个像素点的灰度值,从所述第三图像中识别至少三个所述第一特征点。
可选地,在图19所示图像映射参数生成装置的基础上,所述至少一个处理器211进一步在执行所述可执行指令时,被配置为:
利用所述图像映射参数,分别将每一个所述第一特征点的第一坐标映射为绘制平面上第二特征点的第二坐标,其中,所述第一坐标为所述第一特征点在其所在图像上的坐标;
针对每一个所述目标监测区域,从所述至少三个第一特征点中确定至少两个第三特征点,其中,所述至少两个第三特征点用于确定该目标监测区域的边缘轮廓;
针对每一个所述目标监测区域,从各个所述第二特征点中确定与所述至少两个第三特征点相映射的至少两个第四特征点;
针对每一个所述目标监测区域,根据所述至少两个第四特征点生成与该目标监测区域相对应的所述模拟目标监测区域。
本发明还提供了一种计算机可读介质,存储用于使一机器执行如本文所述的图像映射参数生成方法的指令。具体地,可以提供配有存储介质的系统或者装置,在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码,且使该系统或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。
在这种情况下,从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能,因此程序代码和存储程序代码的存储介质构成了本发明的一部分。
用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地,可以由通信网络从服务器计算机上下载程序代码。
此外,应该清楚的是,不仅可以通过执行计算机所读出的程序代码,而且可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作,从而实现上述实施例中任意一项实施例的功能。
此外,可以理解的是,将由存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展模块中设置的存储器中,随后基于程序代码的指令使安装在扩展板或者扩展模块上的CPU等来执行部分和全部实际操作,从而实现上述实施例中任一实施例的功能。
需要说明的是,上述各流程和各系统结构图中不是所有的步骤和模块都是必须的,可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的,可以根据需要进行调整。上述各实施例中描述的系统结构可以是物理结构,也可以是逻辑结构,即,有些模块可能由同一物理实体实现,或者,有些模块可能分由多个物理实体实现,或者,可以由多个独立设备中的某些部件共同实现。
以上各实施例中,硬件模块可以通过机械方式或电气方式实现。例如,一个硬件模块可以包括永久性专用的电路或逻辑(如专门的处理器,FPGA或ASIC)来完成相应操作。硬件模块还可以包括可编程逻辑或电路(如通用处理器或其它可编程处理器),可以由软件进行临时的设置以完成相应操作。具体的实现方式(机械方式、或专用的永久性电路、或者临时设置的电路)可以基于成本和时间上的考虑来确定。
上文通过附图和优选实施例对本发明进行了详细展示和说明,然而本发明不限于这些已揭示的实施例,基与上述多个实施例本领域技术人员可以知晓,可以组合上述不同实施例中的代码审核手段得到本发明更多的实施例,这些实施例也在本发明的保护范围之内。
Claims (14)
1.图像映射参数生成方法,其特征在于,包括:
获取由摄像机拍摄到的第一图像,其中,所述第一图像中包括有至少一个目标监测区域的图像;
根据所述第一图像中各个像素点的灰度值,确定至少三个第一特征点,其中,所述至少三个第一特征点可组成至少一个三角形,且所述第一特征点用于标识所述目标监测区域的边缘轮廓;
根据各个所述第一特征点和用户定义的模拟图像生成规则确定所述第一特征点相匹配的映射点,根据所述第一特征点和与所述第一特征点相匹配的映射点生成图像映射参数,其中,所述图像映射参数用于将所述第一图像中所述目标监测区域的图像映射为模拟目标监测区域,所述图像生成规则用于定义映射所述模拟目标监测区域的轮廓、位置和缩放比例,所述缩放比例为所述第一图像中所述目标监测区域的图像与所述模拟目标监测区域的尺寸比值。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一图像中各个像素点的灰度值确定至少三个第一特征点,包括:
从所述第一图像中识别各个所述目标监测区域的轮廓线图像,获得仅包括所述轮廓线图像的第二图像,其中,所述轮廓线图像为所述第一图像中所述目标监测区域的边缘轮廓线的图像;
根据所述第二图像中各个像素点的灰度值,从所述第二图像中识别至少三个所述第一特征点。
3.根据权利要求1所述的方法,其特征在于,在所述根据所述第一图像中各个像素点的灰度值确定至少三个第一特征点之前,进一步包括:
对所述第一图像进行灰度处理;
和/或,
对所述第一图像进行高斯模糊处理。
4.根据权利要求3所述的方法,其特征在于,
所述对所述第一图像进行高斯模糊处理,包括:
将所述第一图像中相邻的m行×m列个像素点确定为一个像素块,其中,所述m用于表征所述像素块所包括像素点的行数和列数,所述m为大于1的整数,不同所述像素块中的像素点不完全相同;
针对每一个所述像素块,计算该像素块所包括的各个像素点的灰度值的平均值,将计算出的所述平均值作为该像素块的第一灰度值;
针对每一个所述像素块,执行如下操作:
确定以该像素块为中心的像素区域,其中,所述像素区域包括n行×n列个所述像素块,所述n为大于1的奇数;
针对每一对在所述像素区域和高斯核中位于相同行数和列数的所述像素块和内核,计算该像素块的所述第一灰度值与该内核的值的乘积,其中,所述高斯核包括有n行×n列个所述内核;
将计算出的个所述乘积的平均值确定为该像素块的第二灰度值;
根据各个所述像素块的相对位置和各个所述像素块的所述第二灰度值,生成第三图像,其中,所述第三图像所包括像素点的个数与所述像素块的个数相等,且针对所述第三图像中的任意一个像素点,该像素点的灰度值等于所述第一图像中相对位置与该像素点相同的一个所述像素块的所述第二灰度值;
所述根据所述第一图像中各个像素点的灰度值确定至少三个第一特征点,包括:
根据所述第三图像中各个像素点的灰度值,从所述第三图像中识别至少三个所述第一特征点。
5.根据权利要求4所述的方法,其特征在于,
在所述第一图像中,不同所述像素块包括完全不同的像素点。
6.根据权利要求1至5中任一所述的方法,其特征在于,在确定所述第一特征点相匹配的映射点,根据所述第一特征点和与所述第一特征点相匹配的映射点生成图像映射参数之后,进一步包括:
利用所述图像映射参数,分别将每一个所述第一特征点的第一坐标映射为绘制平面上第二特征点的第二坐标,其中,所述第一坐标为所述第一特征点在其所在图像上的坐标;
针对每一个所述目标监测区域,执行如下操作:
从所述至少三个第一特征点中确定至少两个第三特征点,其中,所述至少两个第三特征点用于确定该目标监测区域的边缘轮廓;
从各个所述第二特征点中确定与所述至少两个第三特征点相映射的至少两个第四特征点;
根据所述至少两个第四特征点生成与该目标监测区域相对应的所述模拟目标监测区域。
7.根据权利要求1所述的方法,其特征在于,
所述目标监测区域包括停车位。
8.图像映射参数生成装置,其特征在于,包括:
一个图像获取模块(201),用于获取由摄像机拍摄到的第一图像,其中,所述第一图像中包括有至少一个目标监测区域的图像;
一个特征点识别模块(202),用于根据所述图像获取模块(201)获取到的所述第一图像中各个像素点的灰度值,确定至少三个第一特征点,其中,所述至少三个第一特征点可组成至少一个三角形,且所述第一特征点用于标识所述目标监测区域的边缘轮廓;
一个参数生成模块(203),用于根据用户定义的模拟图像生成规则和所述特征点识别模块(202)确定出的各个所述第一特征点,确定所述第一特征点相匹配的映射点,根据所述第一特征点和与所述第一特征点相匹配的映射点生成图像映射参数,其中,所述图像映射参数用于将所述第一图像中所述目标监测区域的图像映射为模拟目标监测区域,所述图像生成规则用于定义映射所述模拟目标监测区域的轮廓、位置和缩放比例,所述缩放比例为所述第一图像中所述目标监测区域的图像与所述模拟目标监测区域的尺寸比值。
9.根据权利要求8所述的装置,其特征在于,所述特征点识别模块(202)包括:
一个轮廓识别单元(2021),用于从所述第一图像中识别各个所述目标监测区域的轮廓线图像,获得仅包括所述轮廓线图像的第二图像,其中,所述轮廓线图像为所述第一图像中所述目标监测区域的边缘轮廓线的图像;
一个点提取单元(2022),用于根据所述轮廓识别单元(2021)获得的所述第二图像中各个像素点的灰度值,从所述第二图像中识别至少三个所述第一特征点。
10.根据权利要求8所述的装置,其特征在于,进一步包括:一个灰度处理模块(204)和/或一个模糊处理模块(205);
所述灰度处理模块(204),用于对所述图像获取模块(201)获取到的所述第一图像进行灰度处理;
所述模糊处理模块(205),用于对所述图像获取模块(201)获取到的所述第一图像进行高斯模糊处理。
11.根据权利要求10所述的装置,其特征在于,所述模糊处理模块(205)包括:一个像素分块单元(2051)、一个第一计算单元(2052)、一个像素分区单元(2053)、一个第二计算单元(2054)、一个第三计算单元(2055)和一个第一图像生成单元(2056);
所述像素分块单元(2051),用于将所述第一图像中相邻的m行×m列个像素点确定为一个像素块,其中,所述m用于表征所述像素块所包括像素点的行数和列数,所述m为大于1的整数,不同所述像素块中的像素点不完全相同;
所述第一计算单元(2052),用于针对所述像素分块单元(2051)确定出的每一个所述像素块,计算该像素块所包括的各个像素点的灰度值的平均值,将计算出的所述平均值作为该像素块的第一灰度值;
所述像素分区单元(2053),用于针对所述像素分块单元(2051)确定出的每一个所述像素块,确定以该像素块为中心的像素区域,所述像素区域包括n行×n列个所述像素块,其中,所述n为大于1的奇数;
所述第二计算单元(2054),用于针对每一对在所述像素分区单元(2053)确定出的所述像素区域和高斯核中位于相同行数和列数的所述像素块和内核,计算所述第一计算单元(2052)计算出的该像素块的所述第一灰度值与该内核的值的乘积,其中,所述高斯核包括有n行×n列个所述内核;
所述第三计算单元(2055),用于将所述第二计算单元(2054)针对一个所述像素块计算出的个所述乘积的平均值确定为该像素块的第二灰度值;
所述第一图像生成单元(2056),用于根据各个所述像素块的相对位置和所述第三计算单元(2055)计算出的各个所述像素块的所述第二灰度值,生成第三图像,其中,所述第三图像所包括像素点的个数与所述像素块的个数相等,且针对所述第三图像中的任意一个像素点,该像素点的灰度值等于所述第一图像中相对位置与该像素点相同的一个所述像素块的所述第二灰度值;
所述特征点识别模块(202),用于根据所述第一图像生成单元(2056)所生成的所述第三图像中各个像素点的灰度值,从所述第三图像中识别至少三个所述第一特征点。
12.根据权利要求8至11中任一所述的装置,其特征在于,进一步包括:
一个特征点映射模块(206),用于根据所述参数生成模块(203)生成的所述图像映射参数,分别将每一个所述第一特征点的第一坐标映射为绘制平面上第二特征点的第二坐标,其中,所述第一坐标为所述第一特征点在其所在图像上的坐标;
一个特征点分组模块(207),用于针对每一个所述目标监测区域,从所述至少三个第一特征点中确定至少两个第三特征点,其中,所述至少两个第三特征点用于确定该目标监测区域的边缘轮廓;
一个特征点选取模块(208),用于针对每一个所述目标监测区域,从所述特征点映射模块(206)映射出的各个所述第二特征点中确定与所述特征点分组模块(207)获取到的与该目标监测区域所对应的至少两个第三特征点相映射的至少两个第四特征点;
一个模拟图像生成模块(209),用于针对每一个所述目标监测区域,根据所述特征点选取模块(208)确定出的与该目标监测区域相对应的所述至少两个第四特征点,生成与该目标监测区域相对应的所述模拟目标监测区域。
13.图像映射参数生成装置,其特征在于,包括:至少一个存储器(210)和至少一个处理器(211);
所述至少一个存储器(210),用于存储机器可读程序;
所述至少一个处理器(211),用于调用所述机器可读程序,执行权利要求1至7中任一所述的方法。
14.计算机可读介质,其特征在于,所述计算机可读介质上存储有计算机指令,所述计算机指令在被处理器执行时,使所述处理器执行权利要求1至7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910909804.6A CN112562004B (zh) | 2019-09-25 | 图像映射参数生成方法、装置和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910909804.6A CN112562004B (zh) | 2019-09-25 | 图像映射参数生成方法、装置和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112562004A CN112562004A (zh) | 2021-03-26 |
CN112562004B true CN112562004B (zh) | 2024-07-09 |
Family
ID=
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846411A (zh) * | 2016-12-24 | 2017-06-13 | 大连日佳电子有限公司 | 基于混合畸变模型的高精度摄像机标定装置 |
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846411A (zh) * | 2016-12-24 | 2017-06-13 | 大连日佳电子有限公司 | 基于混合畸变模型的高精度摄像机标定装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110414507B (zh) | 车牌识别方法、装置、计算机设备和存储介质 | |
CN109978839B (zh) | 晶圆低纹理缺陷的检测方法 | |
CN109615611B (zh) | 一种基于巡检影像的绝缘子自爆缺陷检测方法 | |
CN110866924B (zh) | 一种线结构光中心线提取方法及存储介质 | |
CN108986152B (zh) | 一种基于差分图像的异物检测方法及装置 | |
CN109977997B (zh) | 基于卷积神经网络快速鲁棒的图像目标检测与分割方法 | |
CN110473221B (zh) | 一种目标物体自动扫描系统及方法 | |
CN108961180B (zh) | 红外图像增强方法及系统 | |
CN112991374B (zh) | 基于Canny算法的边缘增强方法、装置、设备及存储介质 | |
CN113012157B (zh) | 一种设备缺陷视觉检测方法及系统 | |
US20210158081A1 (en) | System and method for correspondence map determination | |
CN113780110A (zh) | 一种图像序列中弱小目标实时检测方法及设备 | |
CN113971669A (zh) | 应用于管道损伤识别的三维检测系统 | |
CN113688846A (zh) | 物体尺寸识别方法、可读存储介质及物体尺寸识别系统 | |
CN112200848A (zh) | 低光照弱对比复杂环境下的深度相机视觉增强方法及系统 | |
CN114155285B (zh) | 基于灰度直方图的图像配准方法 | |
CN114612412A (zh) | 三维点云数据的处理方法及其用途、电子设备、存储介质 | |
CN110599588A (zh) | 三维流场内粒子重构方法及装置、电子设备及存储介质 | |
CN109523570B (zh) | 运动参数计算方法及装置 | |
CN112562004B (zh) | 图像映射参数生成方法、装置和计算机可读介质 | |
CN116612272A (zh) | 一种图像处理智能数字化的检测系统及其检测方法 | |
JP4747293B2 (ja) | 画像処理装置および画像処理方法並びにこれらに用いるプログラム | |
CN113284158B (zh) | 一种基于结构约束聚类的图像边缘提取方法及系统 | |
CN110751163A (zh) | 目标定位方法及其装置、计算机可读存储介质和电子设备 | |
CN111210456B (zh) | 一种基于点云的高精度方向箭头提取方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |