CN112784656A - 图像获取系统、方法、存储介质以及车辆 - Google Patents
图像获取系统、方法、存储介质以及车辆 Download PDFInfo
- Publication number
- CN112784656A CN112784656A CN201911097012.XA CN201911097012A CN112784656A CN 112784656 A CN112784656 A CN 112784656A CN 201911097012 A CN201911097012 A CN 201911097012A CN 112784656 A CN112784656 A CN 112784656A
- Authority
- CN
- China
- Prior art keywords
- displacement
- information
- compensation
- image
- camera
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000006073 displacement reaction Methods 0.000 claims abstract description 307
- 238000013519 translation Methods 0.000 claims description 61
- 238000000605 extraction Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 7
- 239000011435 rock Substances 0.000 abstract description 2
- 238000003062 neural network model Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 241000593989 Scardinius erythrophthalmus Species 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 229910044991 metal oxide Inorganic materials 0.000 description 2
- 150000004706 metal oxides Chemical class 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 201000005111 ocular hyperemia Diseases 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D3/00—Control of position or direction
- G05D3/10—Control of position or direction without using feedback
Abstract
本公开涉及一种图像获取系统、方法、存储介质以及车辆,该系统包括:云台、设置在云台上的摄像头、陀螺仪以及车身控制器,其中,陀螺仪分别与云台和车身控制器连接,车身控制器还与云台连接;陀螺仪用于采集该云台的位移信息;车身控制器用于获取该云台的第一位移信息,并在间隔预设时长后,获取该云台的第二位移信息,并根据第一位移信息和第二位移信息确定摄像头的位移补偿信息,并将位移补偿信息发送给云台;云台用于根据位移补偿信息控制摄像头进行位移补偿;摄像头用于在位移补偿后获取图像,保持了图像的一致性,可以避免在车辆行驶过程出现路面不平、坑洼时,会带动车载摄像头晃动,导致根据车载摄像头获取的图像出现局部模糊的问题。
Description
技术领域
本公开涉及车载视频监控领域,具体地,涉及一种图像获取系统、方法、存储介质以及车辆。
背景技术
随着智能网联车辆技术的发展,车载摄像头将不仅仅是汽车的零部件,更将成为智能车辆感知传感器。
现有的车载摄像头主要有镜头、(Complementary Metal Oxide Semiconductor,CMOS)互补金属氧化物半导体光电传感器、图像信号处理器等组成。镜头用于接收来自车辆前方的环境光,将来自车辆前方的环境光传送给CMOS光电传感器;CMOS光电传感器用于将来自镜头的光信号传换为数字信号,并传送给图像处理器;图像处理器接收来自光电传感器的数字信号后,进行去除噪点,修正广角畸变,提高对比度,消除红眼等操作,将来自光电传感器的数字信号转换成稳定的制式图像,再发送给车身控制器,以便车身控制器对图像进行识别处理,识别车辆前方的道路信息以及障碍物信息。
但是,在车辆行驶过程出现路面不平、坑洼时,会带动车载摄像头晃动,导致根据车载摄像头获取的图像出现局部模糊。
发明内容
本公开的目的是提供一种图像获取系统、方法、存储介质以及车辆,以克服在车辆行驶过程出现路面不平、坑洼时,会带动车载摄像头晃动,导致根据车载摄像头获取的图像出现局部模糊的问题。
为了实现上述目的,本公开第一方面,提供一种图像获取系统,包括:
云台、设置在云台上的摄像头、陀螺仪以及车身控制器,其中,所述陀螺仪分别与所述云台和所述车身控制器连接,所述车身控制器还与所述云台连接;
所述陀螺仪用于采集所述云台的位移信息,并将所述位移信息发送给所述车身控制器;
所述车身控制器用于获取所述云台的第一位移信息,并在间隔预设时长后,获取所述云台的第二位移信息,并根据所述第一位移信息和所述第二位移信息确定所述摄像头的位移补偿信息,并将所述位移补偿信息发送至所述云台;
所述云台,用于控制所述摄像头进行位移补偿;
所述摄像头,用于在位移补偿后获取图像。
可选地,所述位移补偿信息包括平移补偿量,所述车身控制器,用于根据所述第一位移信息和所述第二位移信息的差值确定所述云台在所述间隔时长的平移量,在所述平移量大于预设平移阈值时根据所述平移量确定所述云台的平移补偿量。
可选地,所述位移补偿信息包括角位移补偿量,所述车身控制器,用于根据所述第一位移信息和所述第二位移信息的差值确定所述云台在所述间隔时长的角位移量,在所述角位移量大于预设角位移阈值时根据所述角位移量确定所述云台的角位移补偿量。
可选地,所述车身控制器还用于,接收所述摄像头获取的图像,对所述图像进行特征提取,得到所述图像的特征数据,并将所述特征数据输入预先训练的图像识别模型,得到所述图像的识别结果。
本公开第二方面,提供一种图像获取方法,包括:
获取云台的第一位移信息,并在间隔预设时长后,获取所述云台的第二位移信息;
根据所述第一位移信息和所述第二位移信息确定摄像头的位移补偿信息,并将所述位移补偿信息发送至所述云台,以便所述云台控制所述摄像头进行位移补偿;
控制所述摄像头在位移补偿后获取图像。
可选地,所述位移补偿信息包括平移补偿量,所述根据所述第一位移信息和所述第二位移信息确定所述摄像头的位移补偿信息包括:
根据所述第一位移信息和所述第二位移信息的差值确定所述云台在所述间隔时长的平移量;
在所述平移量大于预设平移阈值时根据所述平移量确定所述云台的平移补偿量。
可选地,所述位移补偿信息包括角位移补偿量,所述根据所述第一位移信息和所述第二位移信息确定所述摄像头的位移补偿信息包括:
根据所述第一位移信息和所述第二位移信息的差值确定所述云台在所述间隔时长的角位移量;
在所述角位移量大于预设角位移阈值时根据所述角位移量确定所述云台的角位移补偿量。
可选地,所述控制所述摄像头获取图像后,所述方法还包括:
接收所述摄像头获取的图像,并对所述图像进行特征提取,得到所述图像的特征数据;
将所述特征数据输入预先训练的图像识别模型,得到所述图像的识别结果。
本公开第三方面,提供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第二方面中任一项所述方法的步骤。
本公开第四方面,提供一种车辆,包括第一方面任一项所述的图像获取系统。
通过上述技术方案,通过车身控制器获取该云台的第一位移信息,并在间隔预设时长后,获取该云台的第二位移信息,并根据该第一位移信息和该第二位移信息确定该摄像头的位移补偿信息,并将该位移补偿信息发送至该云台;再通过该云台控制该摄像头进行位移补偿;该摄像头在位移补偿后获取图像,保持了图像的一致性,可以避免在车辆行驶过程出现路面不平、坑洼时,会带动车载摄像头晃动,导致根据车载摄像头获取的图像出现局部模糊的问题。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1为根据本公开的实施例示出的一种图像获取系统的结构示意图;
图2为根据本公开的实施例示出的另一种图像获取系统的结构示意图;
图3为根据本公开的实施例示出的一种图像获取方法的流程图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
现在的车载摄像头主要有镜头、CMOS光电传感器、图像信号处理器,其中,CMOS光电传感器分别与镜头和图像处理器连接。其中,
镜头用于采集来自车辆前方不同景物的环境光,将来自不同景物的环境光传送给CMOS感光芯片进行模数转换,将自不同景物的环境光的光信号转化为数字信号;
CMOS光电传感器将来自镜头的光信号传换为数字信号,并传送给图像处理器进行后期的图像处理;
图像处理器接收来自光电传感器的信号后,进行去除噪点,修正数码照片的广角畸变,提高图像对比度,消除红眼等等操作转换成稳定的制式图像给车身控制器,以便车身控制器对图像进行识别处理,识别车辆前方的道路信息以及障碍物信息。
为了保持摄像头的稳定,摄像头是固定安装在车上,但是,如果在车辆行驶过程出现路面不平、坑洼时,会带动车载摄像头晃动,导致根据车载摄像头获取的图像出现局部模糊。
发明人注意到这一问题,提出了一种图像获取系统,具体如下:
图1为根据本公开的实施例示出的一种图像获取系统的结构示意图,该系统可应用于车辆。如图1所示,该系统包括:
云台11、设置在云台上的摄像头12、陀螺仪13以及车身控制器14。其中,该陀螺仪13分别与该云台11和该车身控制器14连接,该车身控制器14还与该云台11连接,该摄像头12还与车身控制器14连接。
示例性地,该陀螺仪13用于采集云台11的位移信息,并将该位移信息发送给该车身控制器14。该位移信息也是设置在云台11上的摄像头12的位移信息。可选的,该陀螺仪13可以为3轴陀螺仪,可以采集云台11在横轴、竖轴及纵轴上的位移信息。
示例性地,车身控制器14用于获取陀螺仪13采集的云台11的第一位移信息,并在间隔预设时长后,获取云台11的第二位移信息,并根据第一位移信息和第二位移信息确定摄像头12的位移补偿信息,并将该位移补偿信息发送至云台11。
本实施例通过该陀螺仪采集云台的位移信息,再通过车身控制器获取陀螺仪采集的云台的第一位移信息,并在间隔预设时长后,获取云台的第二位移信息,再根据第一位移信息和第二位移信息确定摄像头的位移补偿信息,只需一个陀螺仪就可以确定摄像头的位移补偿信息,减少了陀螺仪的使用数量,有效的节约了成本。
在本实施例中,车身控制器按照预设频率获取云台的位移信息,即车身控制器获取云台的第一位移信息,并在间隔预设频率对应的周期时长(预设间隔时长)后,获取云台的第二位移信息。例如车身控制器可以按照1000-10000Hz的频率获取云台的位移信息。优选的,车身控制器按照2000Hz的频率获取云台的位移信息,即车身控制器先获取云台的第一位移信息,并在0.5ms后获取第二位移信息,再根据第一位移信息和第二位移信息确定摄像头的位移补偿信息,并将该位移补偿信息发送给云台。
云台用于根据该位移补偿信息控制摄像头进行位移补偿。在实施例中,云台通过控制云台的马达带动摄像头进行位移补偿。
在本实施例中,该位移信息包括平移信息和角位移信息。当位移信息为平移信息时,位移补偿信息包括平移补偿量,该车身控制器,用于根据第一位移信息和第二位移信息的差值确定云台在该间隔时长的平移量,在该平移量大于预设平移阈值时根据该平移量确定该云台的平移补偿量,根据该平移补偿量向云台发送控制指令,并且将该平移补偿量发送给云台。
此处以云台在横轴上发生平移为例进行说明。该车身控制器根据第一位移信息为和第二位移信息的差值确定云台在横轴上负向移动0.5mm,则确定云台在该间隔时长的平移量0.5mm,且方向为横轴的负方向。若预设平移阈值为0.1mm,则确定该云台的平移补偿量0.5mm,且方向为横轴的正方向,根据该平移补偿量向云台发送控制指令,并将该平移补偿量发送给云台。
进一步地,云台根据该控制指令控制云台的马达带动摄像头根据该平移补偿量进行平移补偿,即云台根据该控制指令控制云台的马达带动摄像头在横轴的正方向移动0.5mm。
示例性的,摄像头用于在位移补偿后,即在横轴的正方向移动0.5mm后,获取图像,并将获取的图像发送给车身控制器,以便车身控制器对该图像进行识别处理。
可选地,当位移信息为角位移信息时,位移补偿信息包括角位移补偿量。该车身控制器,用于根据该第一位移信息和该第二位移信息的差值确定该云台在该间隔时长的角位移量,在该角位移量大于预设角位移阈值时根据该角位移量确定该云台的角位移补偿量,根据该角位移补偿量向云台发送控制指令,并将该角位移补偿量发送给云台。
此处以云台在顺时针上发生角位移为例进行说明。例如,根据第一位移信息为和第二位移信息的差值确定云台在顺时针上转动0.05°,则确定云台在该间隔时长的角位移量0.05°,且方向为顺时针方向。若预设角位移阈值为0.01°,则确定该云台的角位移补偿量0.05°,且方向为逆时针。
进一步地,云台根据该控制指令控制云台的马达带动摄像头根据该角位移补偿量进行角位移补偿,即云台根据该控制指令控制云台的马达带动摄像头在逆时针转动0.05°。
示例性的,摄像头用于在位移补偿后,即在逆时针旋转0.05°后,获取图像,并将获取的图像发送给车身控制器,以便车身控制器对该图像进行识别处理。
采用上述方案,通过车身控制器获取该云台的第一位移信息,并在间隔预设时长后,获取该云台的第二位移信息,并根据该第一位移信息和该第二位移信息确定该摄像头的位移补偿信息,并将该位移补偿信息发送至该云台;再通过该云台控制该摄像头进行位移补偿;该摄像头在位移补偿后获取图像,保持了图像的一致性,可以避免在车辆行驶过程出现路面不平、坑洼时,会带动车载摄像头晃动,导致根据车载摄像头获取的图像出现局部模糊的问题。
为了减少车身控制器的数据处理量,本实施例提供的图像获取系统还可以包括高级驾驶辅助系统(Advanced Driving Assistant System,ADAS)控制器,通过ADAS控制器来减少车身控制器的数据处理量,提高运算效率。下面结合图2实施例,对本实施例提供的图像获取系统做进一步详细说明。
图2为根据图1实施例示出的另一种图像获取系统的结构示意图,如图2所示,该图像获取系统还包括:
ADAS控制器15,该ADAS控制器15分别与云台11、陀螺仪13以及车身控制器14连接。
示例性地,该ADAS控制器15用于获取云台11的第一位移信息,并在间隔预设时长后,获取云台11的第二位移信息,并将该第一位移信息和该第二位移信息发送给车身控制器14。
在本实施例中,ADAS控制器按照预设频率获取云台的位移信息,即ADAS控制器获取云台的第一位移信息,并在间隔预设频率对应的周期时长(预设间隔时长)后,获取云台的第二位移信息。例如ADAS控制器可以按照1000-10000Hz的频率获取云台的位移信息。优选的,ADAS控制器按照2000Hz的频率获取云台的位移信息,即ADAS控制器先获取云台的第一位移信息,并在0.5ms后获取第二位移信息。
示例性地,该车身控制器用于接收该ADAS控制器发送的该第一位移信息和该第二位移信息,并根据该第一位移信息和该第二位移信息的差值确定位移补偿信息,并将该位移补偿信息发送给ADAS控制器。
在本实施例中,该位移信息包括平移信息和角位移信息。当位移信息为平移信息时,位移补偿信息包括平移补偿量,该车身控制器用于根据第一位移信息和第二位移信息的差值确定云台在该间隔时长的平移量,在该平移量大于预设平移阈值时根据该平移量确定该云台的平移补偿量,并将该平移补偿量发送给ADAS控制器。
此处以云台在横轴上发生平移为例进行说明。例如,该车身控制器根据第一位移信息为和第二位移信息的差值确定云台在横轴上负向移动0.5mm,则确定云台在该间隔时长的平移量0.5mm,且方向为横轴的负方向。若预设平移阈值为0.1mm,则确定该云台的平移补偿量0.5mm,且方向为横轴的正方向,并将该平移补偿量发送给ADAS控制器。
可选地,当位移信息为角位移信息时,位移补偿信息包括角位移补偿量,该车身控制器用于根据该第一位移信息和该第二位移信息的差值确定该云台在该间隔时长的角位移量,在该角位移量大于预设角位移阈值时根据该角位移量确定该云台的角位移补偿量,并将该角位移补偿量发送给ADAS控制器。
此处以云台在顺时针上发生角位移为例进行说明。例如,该车身控制器根据第一位移信息为和第二位移信息的差值确定云台在顺时针上转动0.05°,则确定云台在该间隔时长的角位移量0.05°,且方向为顺时针方向。若预设平移阈值为0.01°,则确定该云台的角位移补偿量0.05°,且方向为逆时针,并将该角位移补偿量发送给ADAS控制器。
示例性地,ADAS控制器接收该位移补偿信息后,根据该位移补偿信息向云台发送控制指令,并将该位移补偿信息发送给云台,以便云台根据该控制指令控制云台的马达带动摄像头根据该位移补偿信息进行位移补偿。
例如,该位移补偿信息为平移补偿量,该平移补偿量为0.5mm,且方向为横轴的正方向时,ADAS控制器根据该平移补偿量向云台发送控制指令,并将该平移补偿量发送给云台,以便云台根据该控制指令控制云台的马达带动摄像头按照该平移补偿量进行平移补偿,即云台根据该控制指令控制云台的马达带动摄像头在横轴的正方向移动0.5mm。
例如,该位移补偿信息为角位移补偿量,该角位移补偿量为0.05°,且方向为逆时针方向时,ADAS控制器根据该角位移补偿量向云台发送控制指令,并将该角位移补偿量发送给云台,以便云台根据该控制指令控制云台的马达带动摄像头按照该角位移补偿量进行角位移补偿,即云台根据该控制指令控制云台的马达带动摄像头在逆时针转动0.05°。
在本实施例中,车身控制器还用于,接收摄像头在位移补偿后获取的图像,并对该图像进行特征提取,得到该图像的特征数据。
示例性地,在对该图像进行特征提取前,可以先对该图像进行预处理。对图像进行预处理,主要是对图像进行去噪、平滑、变换等的操作,从而加强图像的重要特征。
示例性地,对图像进行特征提取可以分别提取基于分形维数的特征、基于Hurst指数的分形特征、基于缝隙的分形特征。例如,对一幅64x64像素的图像进行特征提取,可以得到4096个特征数据。
进一步地,得到该图像的特征数据后,车身控制器还用于,将该特征数据输入预先训练的图像识别模型,得到该图像的识别结果。示例性地,该图像识别模型是对神经网络模型进行训练后得到的,其中,该神经网络模型可以为遗传算法与反向传播(backpropagation,BP)神经网络相融合的神经网络模型。
采用上述方案,通过ADAS控制器获取云台的第一位移信息,并在间隔预设时长后,获取云台的第二位移信息,并将该第一位移信息和该第二位移信息发送给车身控制器,ADAS控制器再接收车身控制器发送的位移补偿信息,并根据该位移补偿信息向云台发送控制指令,并将该位移补偿信息发送给云台,有效的减少了车身控制器的数据处理量,提高了运算效率。云台控制摄像头根据该位移补偿信息进行位移补偿,摄像头在位移补偿后获取图像,保持了图像输出的一致性,可以避免在车辆行驶过程出现路面不平、坑洼时,会带动车载摄像头晃动,导致根据车载摄像头获取的图像出现局部模糊的问题。
下面结合图3实施例,对本实施例提供的图像获取系统如何获取图像进行说明。
图3是根据一示例性实施例示出的一种图像获取方法的流程图,该方法应用于图1和图2实施例提供的图像获取系统,如图3所示,该方法包括:
S301、获取该云台的第一位移信息,并在间隔预设时长后,获取该云台的第二位移信息。
在本实施例中,可以按照预设频率获取云台的位移信息,即先获取云台的第一位移信息,并在间隔预设频率对应的周期时长(预设间隔时长)后,获取云台的第二位移信息。例如可以按照1000-10000Hz的频率获取云台的位移信息。优选的,按照2000Hz的频率获取云台的位移信息,即车身控制器先获取云台的第一位移信息,并在0.5ms后获取第二位移信息。
S302、根据该第一位移信息和该第二位移信息确定该摄像头的位移补偿信息,并将该位移补偿信息发送至该云台,以便该云台控制摄像头进行位移补偿。
在本实施例中,该位移信息包括平移信息和角位移信息。当位移信息为平移信息时,位移补偿信息包括平移补偿量。示例性地,根据第一位移信息和第二位移信息的差值确定云台在该间隔时长的平移量,在该平移量大于预设平移阈值时根据该平移量确定该云台的平移补偿量。
此处以云台在横轴上发生平移为例进行说明。例如,根据第一位移信息为和第二位移信息的差值确定云台在横轴上负向移动0.5mm,则确定云台在该间隔时长的平移量0.5mm,且方向为横轴的负方向。若预设平移阈值为0.1mm,则确定该云台的平移补偿量0.5mm,且方向为横轴的正方向。
可选地,当位移信息为角位移信息时,位移补偿信息包括角位移补偿量。示例性地,根据该第一位移信息和该第二位移信息的差值可确定该云台在该间隔时长的角位移量,在该角位移量大于预设角位移阈值时根据该角位移量确定该云台的角位移补偿量。
此处以云台在顺时针上发生角位移为例进行说明。例如,根据第一位移信息为和第二位移信息的差值确定云台在顺时针上转动0.05°,则确定云台在该间隔时长的角位移量0.05°,且方向为顺时针方向。若预设角位移阈值为0.01°,则确定该云台的角位移补偿量0.05°,且方向为逆时针。
进一步地,将该位移补偿信息发送至该云台,以便该云台控制摄像头进行位移补偿。
例如,该位移补偿信息为平移补偿量,该平移补偿量为0.5mm,且方向为横轴的正方向时,根据该平移补偿量向云台发送控制指令,并将该平移补偿量发送给云台,以便云台根据该控制指令控制云台的马达带动摄像头根据该平移补偿量进行平移补偿,即云台根据该控制指令控制云台的马达带动摄像头在横轴的正方向移动0.5mm。
例如,该位移补偿信息为角位移补偿量,该角位移补偿量为0.05°,且方向为逆时针方向时,根据该角位移补偿量向云台发送控制指令,并将该角位移补偿量发送给云台,以便云台根据该控制指令控制云台的马达带动摄像头根据该角位移补偿量进行角位移移补偿,即云台根据该控制指令控制云台的马达带动摄像头在逆时针转动0.05°。
S303、控制该摄像头在位移补偿后获取图像;
S304、接收该摄像头获取的图像,并对该图像进行特征提取,得到该图像的特征数据。
示例性地,对该图像进行特征提取前,可以先对该图像进行预处理。对图像进行预处理,主要是对图像进行去噪、平滑、变换等的操作,从而加强图像的重要特征。
示例性地,对图像进行特征提取可以分别提取基于分形维数的特征、基于Hurst指数的分形特征、基于缝隙的分形特征。例如,对一幅64x64像素的图像进行特征提取,可以得到4096个特征数据。
S305、将该特征数据输入预先训练的图像识别模型,得到该图像的识别结果。
在本步骤中,在得到该图像的特征数据后,将该特征数据输入预先训练的图像识别模型,得到该图像的识别结果。示例性地,该图像识别模型是对神经网络模型进行训练后得到的,其中,该神经网络模型可以为遗传算法与BP神经网络相融合的神经网络模型。
采用上述方案,能够获取该云台的第一位移信息,并在间隔预设时长后,获取该云台的第二位移信息;根据该第一位移信息和该第二位移信息确定该摄像头的位移补偿信息,并将该位移补偿信息发送至该云台,以便该云台控制摄像头进行位移补偿,并控制该摄像头在位移补偿后获取图像,保持了图像的一致性,可以避免在车辆行驶过程出现路面不平、坑洼时,会带动车载摄像头晃动,导致根据车载摄像头获取的图像出现局部模糊的问题。
在一示例性实施例中,还提供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上述的图像获取方法的步骤。
本公开还提供一种车辆,包括图1和图2实施例所述的图像获取系统。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本公开对各种可能的组合方式不再另行说明。
此外,本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。
Claims (10)
1.一种图像获取系统,其特征在于,包括:
云台、设置在云台上的摄像头、陀螺仪以及车身控制器,其中,所述陀螺仪分别与所述云台和所述车身控制器连接,所述车身控制器还与所述云台连接;
所述陀螺仪用于采集所述云台的位移信息,并将所述位移信息发送给所述车身控制器;
所述车身控制器用于获取所述云台的第一位移信息,并在间隔预设时长后,获取所述云台的第二位移信息,并根据所述第一位移信息和所述第二位移信息确定所述摄像头的位移补偿信息,并将所述位移补偿信息发送至所述云台;
所述云台,用于控制所述摄像头进行位移补偿;
所述摄像头,用于在位移补偿后获取图像。
2.根据权利要求1所述的系统,其特征在于,所述位移补偿信息包括平移补偿量,所述车身控制器,用于根据所述第一位移信息和所述第二位移信息的差值确定所述云台在所述间隔时长的平移量,在所述平移量大于预设平移阈值时根据所述平移量确定所述云台的平移补偿量。
3.根据权利要求2所述的系统,其特征在于,所述位移补偿信息包括角位移补偿量,所述车身控制器,用于根据所述第一位移信息和所述第二位移信息的差值确定所述云台在所述间隔时长的角位移量,在所述角位移量大于预设角位移阈值时根据所述角位移量确定所述云台的角位移补偿量。
4.根据权利要求1所述的系统,其特征在于,所述车身控制器,还用于接收所述摄像头获取的图像,对所述图像进行特征提取,得到所述图像的特征数据,并将所述特征数据输入预先训练的图像识别模型,得到所述图像的识别结果。
5.一种图像获取方法,其特征在于,包括:
获取云台的第一位移信息,并在间隔预设时长后,获取所述云台的第二位移信息;
根据所述第一位移信息和所述第二位移信息确定摄像头的位移补偿信息,并将所述位移补偿信息发送至所述云台,以便所述云台控制所述摄像头进行位移补偿;
控制所述摄像头在位移补偿后获取图像。
6.根据权利要求5所述的方法,其特征在于,所述位移补偿信息包括平移补偿量,所述根据所述第一位移信息和所述第二位移信息确定所述摄像头的位移补偿信息包括:
根据所述第一位移信息和所述第二位移信息的差值确定所述云台在所述间隔时长的平移量;
在所述平移量大于预设平移阈值时根据所述平移量确定所述云台的平移补偿量。
7.根据权利要求6所述的方法,其特征在于,所述位移补偿信息包括角位移补偿量,所述根据所述第一位移信息和所述第二位移信息确定所述摄像头的位移补偿信息包括:
根据所述第一位移信息和所述第二位移信息的差值确定所述云台在所述间隔时长的角位移量;
在所述角位移量大于预设角位移阈值时根据所述角位移量确定所述云台的角位移补偿量。
8.根据权利要求5所述的方法,其特征在于,控制所述摄像头获取图像后,所述方法还包括:
接收所述摄像头获取的图像,并对所述图像进行特征提取,得到所述图像的特征数据;
将所述特征数据输入预先训练的图像识别模型,得到所述图像的识别结果。
9.一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权利要求6至8中任一项所述方法的步骤。
10.一种车辆,其特征在于,包括权利要求1至4任一项所述的图像获取系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911097012.XA CN112784656A (zh) | 2019-11-11 | 2019-11-11 | 图像获取系统、方法、存储介质以及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911097012.XA CN112784656A (zh) | 2019-11-11 | 2019-11-11 | 图像获取系统、方法、存储介质以及车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112784656A true CN112784656A (zh) | 2021-05-11 |
Family
ID=75749861
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911097012.XA Pending CN112784656A (zh) | 2019-11-11 | 2019-11-11 | 图像获取系统、方法、存储介质以及车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112784656A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116674205A (zh) * | 2023-08-01 | 2023-09-01 | 易加三维增材技术(杭州)有限公司 | 位移控制方法、装置、非易失性存储介质及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102355574A (zh) * | 2011-10-17 | 2012-02-15 | 上海大学 | 机载云台运动目标自主跟踪系统的图像稳定方法 |
KR20120121479A (ko) * | 2011-04-27 | 2012-11-06 | 손인규 | 하나 이상의 표적 영상촬영을 통하여 수평 및 수직의 변위를 측정하는 시스템 장치 |
CN105045276A (zh) * | 2015-07-03 | 2015-11-11 | 深圳一电科技有限公司 | 无人机飞行控制方法及装置 |
CN107741748A (zh) * | 2017-10-13 | 2018-02-27 | 杭州数尔安防科技股份有限公司 | 一种双轴位置自动矫正的装置 |
CN108361513A (zh) * | 2018-01-08 | 2018-08-03 | 深圳市道通智能航空技术有限公司 | 云台系统及其控制方法 |
CN109000612A (zh) * | 2018-06-19 | 2018-12-14 | 深圳市道通智能航空技术有限公司 | 设备的角度估算方法、装置、摄像组件及飞行器 |
-
2019
- 2019-11-11 CN CN201911097012.XA patent/CN112784656A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120121479A (ko) * | 2011-04-27 | 2012-11-06 | 손인규 | 하나 이상의 표적 영상촬영을 통하여 수평 및 수직의 변위를 측정하는 시스템 장치 |
CN102355574A (zh) * | 2011-10-17 | 2012-02-15 | 上海大学 | 机载云台运动目标自主跟踪系统的图像稳定方法 |
CN105045276A (zh) * | 2015-07-03 | 2015-11-11 | 深圳一电科技有限公司 | 无人机飞行控制方法及装置 |
CN107741748A (zh) * | 2017-10-13 | 2018-02-27 | 杭州数尔安防科技股份有限公司 | 一种双轴位置自动矫正的装置 |
CN108361513A (zh) * | 2018-01-08 | 2018-08-03 | 深圳市道通智能航空技术有限公司 | 云台系统及其控制方法 |
CN109000612A (zh) * | 2018-06-19 | 2018-12-14 | 深圳市道通智能航空技术有限公司 | 设备的角度估算方法、装置、摄像组件及飞行器 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116674205A (zh) * | 2023-08-01 | 2023-09-01 | 易加三维增材技术(杭州)有限公司 | 位移控制方法、装置、非易失性存储介质及电子设备 |
CN116674205B (zh) * | 2023-08-01 | 2023-12-15 | 易加三维增材技术(杭州)有限公司 | 位移控制方法、装置、非易失性存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112585943B (zh) | 成像设备、成像系统、成像方法和存储介质 | |
CN109842753B (zh) | 摄像头防抖系统、方法、电子设备和存储介质 | |
CN113271400B (zh) | 成像装置和电子设备 | |
EP2717571B1 (en) | Vehicle monitoring device and method of monitoring vehicle | |
CN107483529B (zh) | 车辆的多方泊车控制方法、系统、服务平台、泊车控制器 | |
EP2833618A2 (en) | Method for activating and deactivating an image correction function, camera system and motor vehicle | |
EP1983397A3 (en) | Landmark navigation for vehicles using blinking optical beacons | |
KR101367637B1 (ko) | 감시장치 | |
CN110853185A (zh) | 一种车辆全景环视记录系统及方法 | |
CN113276774B (zh) | 无人车远程驾驶过程中视频画面的处理方法、装置及设备 | |
JP6081034B2 (ja) | 車載カメラ制御装置 | |
CN107172352B (zh) | 对焦控制方法、装置、计算机可存储介质和移动终端 | |
CN109792492B (zh) | 摄像控制装置及方法、记录有程序的记录介质 | |
KR101561626B1 (ko) | 주행차량의 번호판 인식이 실시간으로 가능한 차량용 블랙박스 | |
CN110798655A (zh) | 消除移动载具a柱盲区的行车图像系统及其图像处理方法 | |
CN112784656A (zh) | 图像获取系统、方法、存储介质以及车辆 | |
CN112956183A (zh) | 图像拍摄设备、控制方法和程序 | |
US20150215522A1 (en) | Imaging apparatus | |
US20170364765A1 (en) | Image processing apparatus, image processing system, vehicle, imaging apparatus and image processing method | |
US20180069998A1 (en) | Imaging apparatus, imaging system, and vehicle | |
CN112995529A (zh) | 一种基于光流预测的成像方法和装置 | |
US11070714B2 (en) | Information processing apparatus and information processing method | |
CN114084068A (zh) | 车辆盲区的视频显示方法、装置和设备 | |
JP7018561B2 (ja) | 表示制御装置、表示制御システム、表示制御方法、及び表示制御プログラム | |
JPWO2020121758A1 (ja) | 撮像部制御装置 |
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 |