CN113014800B - 一种用于通讯行业查勘作业的智能拍照方法 - Google Patents

Abstract

本发明提供了一种用于通讯行业查勘作业的智能拍照方法，包括：步骤1，统一规划查勘站点或查勘物体的拍照属性，形成预置的拍照公式模型；步骤2，下载拍照公式模型到拍照装置；步骤3，拍照装置进行查勘物识别；步骤4，拍照装置自动进行查勘物拍照；步骤5，拍照装置自动进行查勘物周边多角度拍照；步骤6，拍照装置自动筛选出清晰度最高的照片；如果有不合格的照片，提醒查勘人员重拍照片；步骤7，拍照装置自动添加水印和拍照人签名；步骤8，拍照装置自动将查勘信息写入照片数据；步骤9，拍照装置自动对照片进行加密处理；步骤10，拍照装置自动将照片进行备份；步骤11，查勘人员将照片传输到云服务器。

Description

一种用于通讯行业查勘作业的智能拍照方法

技术领域

本发明涉及一种用于通讯行业查勘作业的智能拍照方法。

背景技术

目前通讯行业的查勘作业中涉及到拍照环节，一般是查勘人员到现场进行查勘，使用查勘人员的手机等移动终端设备的相机功能进行拍照。

图片拍摄质量取决于查勘人员的人工操作过程。拍照的清晰度、准确性都无法保证。

图片存储在移动终端中，并无特殊的筛选或处理过程以及加密、备份等保护措施。易造成图片损坏和丢失。

现有技术的缺点主要包括以下几个方面：

1、人工操作影响成像质量：人工拍照无法准确对焦，距离较远时或因为人工手持拍摄时抖动引起的成像模糊现象一致无法避免。查勘照片较多时，要一张一张拍摄或者利用仅部分相机提供的连拍功能完成。拍照的清晰度、准确性都无法保证。拍照数量和角度等都由查勘人个人决定，往往会因为查勘人员个人疏忽而造成漏拍、多拍、拍错的情况。

2、图像缺乏必要的信息录入：照片存储后仅为原数据格式，没有注入必要的查勘信息或者防伪信息(如：方位角、经纬度、拍照人签名、查勘单位的水印等数据信息)。通常是传输到服务器端再由查勘人员或设计人员手工处理，极大地影响了作业效率。

3、缺乏保护措施造成数据损坏：照片数据没有经过加密，存储在移动设备里容易发生数据外泄，尤其是照片中含有敏感或保密数据时。同时也没有做数据冗余备份措施，也会造成数据一旦损坏或丢失，则照片数据无法挽救的问题，也极大地会影响查勘作业的质量。

发明内容

发明目的：为解决背景技术中存在的如下技术问题：

1、提高现场拍照的准确性。

2、提高成像质量。

3、注入必要的查勘信息、防伪信息。

4、加强数据安全性和冗余性；

本发明提出一种用于通讯行业查勘作业的智能拍照方法，包括如下步骤：

步骤1，统一规划查勘站点或查勘物体的拍照属性，形成预置的拍照公式模型；

步骤2，下载拍照公式模型到拍照装置；

步骤3，拍照装置进行查勘物识别；

步骤4，拍照装置自动进行查勘物拍照；

步骤5，拍照装置自动对查勘物周边多个方位角的角度进行拍照；

步骤6，拍照装置自动筛选出清晰度最高的照片；如果有不合格的照片，重拍照片；

步骤7，拍照装置自动添加水印和拍照人签名；

步骤8，拍照装置自动将查勘信息写入照片数据；

步骤9，拍照装置自动对照片进行加密处理；

步骤10，拍照装置自动将照片进行备份；

步骤11，查勘人员将照片传输到云服务器。

步骤1包括：

步骤1-1，所述拍照公式模型是由查勘管理员通过excel表格，按照预定好的格式，编写查勘拍照时需要设定的属性，表格中每一页(excel中的一个sheet)代表一种具体的查勘物；

查勘物包括有：基站、管井、电杆、标石、光缆、光纤箱、分光器、拉线；

表格每一页的每一行标识拍照模型的元素，包括：

拍照物体的几何形状、标准参考照片、运营商标识，名称、编号标识、拍摄尺寸、分辨率、拍摄点位数、每个拍摄点位用于清晰度筛选的照片张数、清晰度筛选的阈值、横屏或竖屏成像、是否需要水印、水印的格式、加密方式和密钥长度、照片需要写入的数据信息、是否需要拍摄人签名、经度、纬度、高度、地理位置；

表格每一页的每一列标识每个元素对应的属性，包含：编号ID、显示在客户端的行名称、填写值的数据类型(数字、文本、单选、复选、自动经度、自动纬度、自动城镇、自动高度)、默认值、可选值(适用于单选、复选的数据类型)；

步骤1-2，查勘管理员将excel表格上传至服务器端，经服务器程序写入到数据库中，形成结构化数据即系统的拍照公式模型；

步骤1-3，查勘人员使用拍照装置时，先从服务器端程序中获取到查勘物的拍照公式模型存储在拍照装置的存储介质中以备查勘时使用。

步骤3包括：

步骤3-1，将摄像装置对准查勘物，摄像装置从当前镜头图像中识别出物体的形状，和拍照公式模型中的物体形状数据做对比，初步判断出查勘物的类别；

步骤3-2，根据镜头图像捕捉到的文字或数字，和拍照公式模型中的运营商数据以及标识数据作对比，进一步确认查勘物属性，包括归属运营商和编号，如果未能识别出查勘物的归属运营商和编号，需要查勘人员手动记录查勘物的信息。

步骤4包括：拍照装置按照预置的当前查勘物的拍照公式模型，进行查勘物的拍照。

步骤5包括：拍照装置继续按照预置的当前查勘物体的拍照公式模型执行周边多角度拍摄：根据指令，转动摄像装置，同时监听和计算当前的摄像装置方位角，一旦检测到方位角符合拍照公式模型里要求的条件时，就会继续按照要求拍摄照片，然后重复转动摄像装置、完成拍照的过程，当完成所有的预置的当前查勘物体的拍照公式模型中的拍摄方位角度后，停止拍照工作。

步骤5中，所述监听和计算当前的摄像装置方位角，具体包括：

步骤5-1，监听传感器(属于拍照装置上的传感器，主要有磁力计、加速度计、陀螺仪、方向传感器)传回的数据，获取加速计数据和磁场数据；

步骤5-2，根据方向传感器传回的数据，区分是水平放置、竖屏、横屏3个摄像装置指向，并计算拍照时拍照装置的方向值。

查勘作业中以查勘者的位置为中心，将水平面上正北方向作为y轴正方向，正东方向作为x轴正方向；与水平面垂直且指向天空的方向为z轴正方向；

拍照装置竖直放置，垂直于水平面，则水平面为x轴和y轴组成的平面，拍照装置指向天空的方向为z轴正方向；

在拍照过程中，摄像装置通过转动装置是可以支持转动的。在计算过程中会使用到关于摄像装置拍照方向的描述，可以用摄像装置所处的平面和水平面(即上述xy轴组成的平面)的夹角和摄像装置指向来定义摄像装置拍照方向的描述。

摄像装置所处的平面和水平面的夹角，范围从0度到90度，以下称为平面夹角a。摄像装置指向是指摄像装置放置时的指向，例如在开始查勘时拍照装置竖直放置时，摄像装置也是竖直放置的，摄像装置指向是指向天空的。

查勘作业中的方位角就是摄像装置指向和z轴正方向的夹角，平面夹角a也可以称为俯仰角，摄像装置指向和y轴正方向的夹角称为横滚角。

在以下情况中定义摄像装置拍照方向：

如果平面夹角a在0度到15度之间，无论摄像装置指向如何，摄像装置拍照方向都是水平放置。

如果平面夹角a在75度到90度之间，摄像装置指向和z轴的夹角在0度到15度之间，即指向天空或指向地面，则摄像装置拍照方向是竖屏。

如果平面夹角a在75度到90度之间，摄像装置指向和z轴的夹角在75度到90度之间。摄像装置拍照方向是横屏。

步骤5-3，根据加速计数据和磁场数据以及方向数据得到翻转矩阵；

步骤5-4，通过remapCoordinateSystem方法计算方位角的初始值；

步骤5-5，对方位角的值按照360度取余；

步骤5-6，按照摄像装置拍照方向对方位角的值微调：

如果摄像装置拍照方向为横屏时，初始方位角大于0度且小于270度，则初始方位角加90度，否则初始方位角减去270度；

如果摄像装置拍照方向为竖屏时，初始方位角大于0度且小于90度，则初始方位角加270度，否则初始方位角减去90度；

步骤5-7，每隔N个数据监听后，再取方位角的平均值作为这个阶段的方位角的值。

步骤5-4包括：

步骤5-4-1，将传感器获取的x轴的数据和y方向轴的数据分别赋值给变量x和y。

变量x,y,z分别用来记录x,y,z轴上的方向值分量，变量Ori用来记录摄像装置拍照方向的描述(包括横屏、竖屏、水平放置3个值)，以下同名变量同样适用，这些变量后续会用于计算方位角的值。

步骤5-4-2，将传感器获取的方向值初始数据先存储到Ori变量中。

步骤5-4-3，进行如下修正：

如果Ori变量值在75度和105度之间，x,y互换，z取x值，Ori为横屏；

如果Ori变量值在165度和195度之间，Ori为竖屏，其他值不变；

如果Ori变量值在255度和285度之间，Ori为横屏，其他值不变；

如果Ori变量值为其他情况时，Ori为竖屏，其他值不变。特别指定，在查勘作业中如果出现摄像装置拍照方向是水平放置的情况，也归入了Ori为竖屏的场景。

步骤5-4-4，使用google提供的getRotationMatrix、remapCoordinateSystem、getOrientation 3个java方法，获取到一个方向值的数组，数组下标0对应的值就是初始方位角。

步骤6包括：

查勘物和周边每一个方位角的拍摄称为一个拍摄点，遍历所有的拍摄点，先获取到每个拍摄点拍摄的照片，照片张数由预置的拍照公式模型决定，每个拍摄点的照片逐张计算清晰度，计算清晰度的方法包括：

步骤6-1，利用opencv库将照片转化为opencv的位图格式；

步骤6-2，将位图灰度化；

步骤6-3，使用3x3拉普拉斯算子做卷积滤波，得到的值对256取余；

步骤6-4，利用opencv库方法计算方差，方差是各个数据与平均数之差的平方和的平均数；

步骤6-5，找出方差最大也就是清晰度最高的照片，如果清晰度小于预置的拍照公式模型中的经验阈值(在通讯类查勘中，结合近两年的实际使用过程统计，经验阈值一般是50)，提示查勘人员重拍该张照片；

步骤6-6，遍历完成照片清晰度的筛选。

步骤9包括：

步骤9-1，从拍照装置的存储介质中读取图片数据；

步骤9-2，获取图片的宽、高、色值深度的数据；

步骤9-3，根据图片的宽、高、色值深度的数据产生一个随机数秘钥，公式为：

key＝random(0,256,size,uint8)

其中key为秘钥，random是随机数算法，size是图片宽、高、色值深度的最大值，unit8是一种数据类型，表示无符号的8位二进制整数；

步骤9-4，使用步骤9-3生成的秘钥对图片数据进行加密，使用python的bitwise_xor方法进行二进制异或操作，得到加密数据。

步骤9-5，使用python的imwrite方法将加密后的数据再存储为图片；

步骤9-6，服务器端获取到加密的图片数据，以及步骤9-3生成的秘钥，并使用python的imread方法读取出图片数据；

步骤9-7，使用python的bitwise_xor方法，用步骤9-3生成的秘钥再次对加密的数据采用二进制异或操作来解密；

步骤9-8，使用python的imwrite方法将解密后的数据存储为新的图片格式。步骤11中，照片传输到云服务器端后，再次进行步骤9-4同样的循环的异或操作进行照片还原。

本发明具有如下有益效果：

1、拍照模型的建立使得拍照过程可以标准化，防止查勘人员漏拍、误拍。

2、自动识别查勘物和自动拍照提高了查勘作业的效率和速度，也提高了作业的准确度。

3、每个点位会拍摄多张照片进行筛选，以避免抖动、光照、风向的影响，获取到最清晰的照片。

4、照片加密存储，增强了照片信息的安全度。

附图说明

下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。

图1是本发明方法系统架构图。

图2是原始图。

图3是加密图。

图4是还原图。

图5是坐标示意图。

具体实施方式

本发明提供了一种用于通讯行业查勘作业的智能拍照方法，包括：

统一规划查勘站点或查勘物体的拍照属性，形成预置的拍照公式模型。

拍照公式模型应该包括但不限于以下特征：

拍照物体的：几何形状(以方形、圆形为主)、标准参考照片、运营商标识，名称和编号标识等。

拍照物体的：拍摄尺寸、分辨率、拍摄点位数、每个拍摄点位用于清晰度筛选的照片张数、清晰度筛选的阈值、横屏或竖屏成像、是否需要水印、水印的格式、加密方式和密钥长度、照片需要写入的数据信息、是否需要拍摄人签名等。

拍照公式模型应可用于但不限于以下查勘物：

基站、管井、电杆、标石、光缆、光纤箱、分光器、拉线等。

本发明还包括一种辅助的拍照装置，包含以下模块和系统特征：

摄像装置、转动装置、伸缩装置、固定装置、传感装置、定位装置、控制面板、存储介质、图像处理的硬件或软件系统、以及可联网的通讯及天线装置，以及电源。

所述查勘装置的系统架构图如图1所示；

摄像装置主要用于拍摄照片和视频。

伸缩装置用于微调摄像装置的位置，辅助调节照片的对焦。

转动装置可以支持摄像装置最少120度，到360度的旋转。

传感装置提供陀螺仪、加速器和磁力计等多种传感器(主要用于测量方位角)。

GPS定位装置主要用于获取GPS经纬度信息。

图像处理包含硬件设备和软件系统，硬件芯片可进行一般的数据运算即可，软件系统支持生成jpg或jpeg的数据格式，能修改照片extif信息。

存储介质主要是内存、硬盘等可存放照片、存放预置拍照公式模型数据等的硬件设备。

通讯模块可以4G以上的移动通讯传输。

电源提供以上装置的供电。

固定装置用于固定以上装置，防止拍照时抖动。

控制面板属于人机交互界面，用于人工控制整个装置系统，装置可根据预置或人工指令进行工作。

查勘拍照的方法过程主要包含：

1)查勘管理员制定拍照公式模型并上传到服务器端。

2)查勘人员通过无线网络从服务器端下载拍照公式模型到拍照装置的存储介质中。

3)拍照装置进行查勘物识别，可能需要人工辅助。

4)拍照装置自动进行查勘物拍照。

5)拍照装置自动进行查勘物周边多角度拍照。

6)拍照装置自动筛选出清晰度最高的照片。如有不合格的提醒查勘人员重拍照片。

7)拍照装置自动添加水印和拍照人签名。

8)拍照装置自动将查勘信息写入照片数据。

9)拍照装置自动对照片进行加密处理。

10)拍照装置自动将照片进行备份。

11)查勘人员将照片传输到服务器

查勘人员通过无线网络从服务器端下载更新查勘物体的拍照公式模型到拍照装置的存储介质中。以便于在现场查看时不依赖于无线网络，避免在移动信号差的地区无法进行查勘作业的情况。

进行查勘物识别：人工初步识别所要查勘的物体，将摄像装置对准查勘物，摄像装置从当前镜头图像中识别出物体的形状，和预置的拍照公式模型中的物体形状数据做对比，初步判断出是哪个查勘物。比如当前查勘物是管井。

根据镜头中图像捕捉到的文字或数字，比如中国电信，或者001等，和预置的公式模型中的运营商数据以及标识数据作对比，进一步确认查勘物的归属运营商和编号，以便自动记录到查勘信息。

以上图像识别的方法可采用google提供的Tesseract-OCR光学识别方法或者其他的光学识别方法。

如果未能识别出查勘物的归属运营商和编号，需要查勘人员手动记录查勘物的信息，完善查勘信息以便于照片加工时录入以上信息。

确定查勘物体后，固定装置进行拍照。

调节伸缩装置和转动装置进行微调。

操作控制面板，发出拍照指令。

拍照装置会按照预置的当前查勘物体的拍照公式模型，先进行查勘物的拍照，拍照次数和每次成像拍照张数、分辨率、尺寸等都会严格遵守预置的公式模型执行，不会出现漏拍、拍错的情况。拍摄的照片暂时存储起来以待加工处理。

拍照同时获取到拍照点的经纬度，记录在查勘信息中备用。

根据经纬度可以查询出当地的地理位置信息(百度、高德等地图厂商均提供地址反向解析的服务)，将地理位置信息也记录到在查勘信息中备用。

将查勘人员、日期、查勘次数、当天查勘序号等信息也记录到在查勘信息中备用。

查勘物体拍摄完后，拍照装置会继续按照预置的公式模型执行周边多角度拍摄。根据指令，转动装置，同时监听和计算当前的摄像装置方位角，一旦检测到方位角符合拍照公式模型里要求的条件时，就会继续按照要求拍摄照片(拍照次数和每次成像拍照张数、分辨率、尺寸等)，然后重复转动-拍照的过程，当完成所有的预置的公式模型中的拍摄方位角度后，停止拍照工作，并通过控制面板提醒查勘人员。

方位角测量方法：

1)监听传感器传回的数据，获取加速计数据和磁场数据；

2)根据方向传感器传回的数据，区分是水平放置、竖屏、横屏3个摄像装置指向，并计算拍照时拍照装置的方向值，如图5所示。

3)根据加速计数据和磁场数据以及方向数据得到翻转矩阵；

4)通过google提供的remapCoordinateSystem方法计算方位角的初始值；

5)对方位角的值按照360度取余；

6)按照摄像装置拍照方向对方位角的值微调：

摄像装置拍照方向为横屏时，在0度到270度，加正90度；否则加负270度。

摄像装置拍照方向为竖屏时，在0度到90度，加正270度；否则加负90度。

7)防止检测过快，造成数据抖动，每隔10～15个数据监听后，每隔10个数据监听后(时间间隔取决于传感器在拍照地区的灵敏度，按照经验数值一般一秒钟可以获取5到15个数据，取中间值就是采集10个数据执行一次计算)，再取这些值的平均值作为这个阶段的方位角的值。

方位角测量的实现过程包括：

1.将传感器获取的x方向轴的数据和y方向轴的数据分别赋值给变量x和y。

变量x,y,z用来记录上述x,y,z轴上的方向值分量，变量Ori用来记录摄像装置拍照方向的描述(包括横屏、竖屏、水平放置3个方向)，以下同名变量同样适用，这些变量后续会用于计算方位角的值。

2.将传感器获取的方向值初始数据先存储到Ori变量中

3.根据Ori的值进行x,y,z,Ori的值的修正：

如果Ori方向值在75度和105度之间，x,y互换，z取x值，Ori为横屏；

如果Ori方向值在165度和195度之间，Ori为竖屏，其他值不变；

如果Ori方向值在255度和285度之间，Ori为横屏，其他值不变；

如果Ori方向值为其他情况时，Ori为竖屏，其他值不变。特别指定，在查勘作业中如果出现摄像装置拍照方向是水平放置的情况，也归入了Ori为竖屏的场景。

4.计算方位角。使用google提供的getRotationMatrix、remapCoordinateSystem、getOrientation 3个java方法，获取到一个方向值的数组，数组下标0对应的值就是初始方位角。

5.初始方位角对360取余。公式为：

初始方位角＝初始方位角％360

6.修正方位角：

如果Ori为横屏时，初始方位角大于0度且小于270度，则初始方位角加90度。否则初始方位角减去270度。

如果Ori为竖屏时，初始方位角大于0度且小于90度，则初始方位角加270度。否则初始方位角减去90度。

查勘照片拍摄完成后，进行照片的筛选。

查勘物和周边每一个方位角的拍摄称为一个拍摄点，遍历所有的拍摄点，先获取到每个拍摄点拍摄的照片(照片张数由预置的拍照公式模型决定)。

每个拍摄点的照片逐张计算清晰度。

计算清晰度的方法如下:

1)利用opencv库将图片转化为opencv的位图格式

2)将位图灰度化，公式如下。其中，Gray为位图灰化值，R、G、B分别表示红、绿、蓝通道的像素值，如红色值是RGB(255,0,0)：

当alpha通道不等于1时，Gray＝0.391×R+0.522×G+0.113×B

3)使用3x3拉普拉斯算子做卷积滤波，得到的值对256取余；

4)利用opencv库方法计算方差：

方差是各个数据与平均数之差的平方和的平均数。方差越大，表示清晰度越好。方差既可用于表示清晰度。

找出方差最大也就是清晰度最高的照片，如果清晰度小于预置的公式模型中的经验阈值，提示查勘人员重拍该张照片。

遍历完成照片清晰度的筛选。

对处理后的每张照片按照预置的公式模型的要求打上水印以及查勘人员签名进行防伪。

处理水印可以利用opencv库的方法，水印信息科包括以下特征：

经纬度、地理位置、查勘人员、日期等。

按照预置的公式模型的要求将方位角、经纬度、查勘人员等信息写入到照片的extif信息中，并重新保存图片格式。

注入extif数据可以采用opencv库的方法。

照片数据加密：完成信息注入之后，对图片进行安全加密。

加密方法包含以下过程：

1)利用opencv库读取照片；

2)计算出宽、高和深度的值；

3)利用random随机算法生成256位秘钥；

4)按照宽、高、深度对照片每个像素的二进制值进行循环的“异或”操作，按照1^1＝0,1^0＝1,0^1＝1,0^0＝0转换数据；

5)将加密后的照片存储在介质中；

6)提交到云服务器端再次进行同样的循环的“异或”操作进行照片还原。

照片数据加解密的实现过程包括：

1.使用python的imread方法从拍照装置的存储介质中读取图片数据；

2.使用python的shape方法获取图片的宽、高、色值深度的数据；

3.根据图片的宽、高、色值深度的数据产生一个随机数秘钥，公式为：

key＝random(0,256,size,uint8)

其中key为秘钥，random是随机数算法，size是图片宽、高、色值深度的最大值，unit8是一种数据类型，表示无符号的8位二进制整数。

4.使用第3步生成的秘钥对图片数据进行加密(使用python的bitwise_xor方法进行二进制异或操作)，得到加密数据。

5.使用python的imwrite方法将加密后的数据再存储为图片

6.服务器端在获取到加密的图片数据，以及第3步生成的秘钥。并使用python的imread方法读取出图片数据。

7.和第4部类似，使用python的bitwise_xor方法，用第3步生成的秘钥再次对加密的数据采用二进制异或操作来解密。

8.使用python的imwrite方法将解密后的数据存储为新的图片格式。

如图2所示是原始图像，图3是加密图像，图4是还原图像(敏感信息数据已经移除或遮挡)；

将加工后的照片备份到另一块存储介质中，防止主介质损坏，在传输到云服务器端后删除备份照片以防止对外泄漏。

拍照任务完成后，查勘人员在网络条件允许的情况下将本次查勘的拍摄照片传输会云服务器归档。

本发明提供了一种用于通讯行业查勘作业的智能拍照方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

Claims (6)

1.一种用于通讯行业查勘作业的智能拍照方法，其特征在于，包括如下步骤：

步骤1，统一规划查勘站点或查勘物体的拍照属性，形成预置的拍照公式模型；

步骤2，下载拍照公式模型到拍照装置；

步骤3，拍照装置进行查勘物识别；

步骤4，拍照装置自动进行查勘物拍照；

步骤5，拍照装置自动对查勘物周边多个方位角的角度进行拍照；

步骤6，拍照装置自动筛选出清晰度最高的照片；如果有不合格的照片，重拍照片；

步骤7，拍照装置自动添加水印和拍照人签名；

步骤8，拍照装置自动将查勘信息写入照片数据；

步骤9，拍照装置自动对照片进行加密处理；

步骤10，拍照装置自动将照片进行备份；

步骤11，查勘人员将照片传输到云服务器；

步骤1包括：

步骤1-1，查勘管理员通过excel表格，按照预定好的格式，编写查勘拍照时需要设定的属性，表格中每一页代表一种具体的查勘物；

表格每一页的每一行标识拍照模型的元素；

表格每一页的每一列标识每个元素对应的属性；

步骤1-2，查勘管理员将excel表格上传至服务器端，经服务器程序写入到数据库中，形成结构化数据即拍照公式模型；

步骤1-3，查勘人员使用拍照装置时，先从服务器端程序中获取到查勘物的拍照公式模型存储在拍照装置的存储介质中以备查勘时使用；

步骤3包括：

步骤3-1，将摄像装置对准查勘物，摄像装置从当前镜头图像中识别出物体的形状，和拍照公式模型中的物体形状数据做对比，初步判断出查勘物的类别；

步骤3-2，根据镜头图像捕捉到的文字或数字，和拍照公式模型中的运营商数据以及标识数据作对比，进一步确认查勘物属性，包括归属运营商和编号，如果未能识别出查勘物的归属运营商和编号，需要查勘人员手动记录查勘物的信息；

步骤4包括：拍照装置按照预置的当前查勘物的拍照公式模型，进行查勘物的拍照；

步骤5包括：拍照装置继续按照预置的当前查勘物体的拍照公式模型执行周边多角度拍摄：根据指令，转动摄像装置，同时监听和计算当前的摄像装置方位角，一旦检测到方位角符合拍照公式模型里要求的条件时，就会继续按照要求拍摄照片，然后重复转动摄像装置、完成拍照的过程，当完成所有的预置的当前查勘物体的拍照公式模型中的拍摄方位角度后，停止拍照工作。

2.根据权利要求1所述的方法，其特征在于，步骤5中，所述监听和计算当前的摄像装置方位角，具体包括：

步骤5-1，监听传感器传回的数据，获取加速计数据和磁场数据；

步骤5-2，根据方向传感器传回的数据，区分是水平放置、竖屏、横屏3个摄像装置指向，并计算拍照时拍照装置的方向值；

查勘作业中以查勘者的位置为中心，将水平面上正北方向作为y轴正方向，正东方向作为x轴正方向；与水平面垂直且指向天空的方向为z轴正方向；

拍照装置竖直放置，垂直于水平面，则水平面为x轴和y轴组成的平面，拍照装置指向天空的方向为z轴正方向；

摄像装置所处的平面和水平面的夹角，范围从0度到90度，称为平面夹角a，摄像装置指向是指摄像装置放置时的指向；

查勘作业中的方位角就是摄像装置指向和z轴正方向的夹角，平面夹角a又称为俯仰角，摄像装置指向和y轴正方向的夹角称为横滚角；

在以下情况中定义摄像装置拍照方向：

如果平面夹角a在0度到15度之间，无论摄像装置指向如何，摄像装置拍照方向都是水平放置；

如果平面夹角a在75度到90度之间，摄像装置指向和z轴的夹角在0度到15度之间，即指向天空或指向地面，则摄像装置拍照方向是竖屏；

如果平面夹角a在75度到90度之间，摄像装置指向和z轴的夹角在75度到90度之间，摄像装置拍照方向是横屏；

步骤5-3，根据加速计数据和磁场数据以及方向数据得到翻转矩阵；

步骤5-4，通过remapCoordinateSystem方法计算方位角的初始值；

步骤5-5，对方位角的值按照360度取余；

步骤5-6，按照摄像装置拍照方向对方位角的值微调：

如果摄像装置拍照方向为横屏时，初始方位角大于0度且小于270度，则初始方位角加90度，否则初始方位角减去270度；

如果摄像装置拍照方向为竖屏时，初始方位角大于0度且小于90度，则初始方位角加270度，否则初始方位角减去90度；

步骤5-7，每隔N个数据监听后，再取方位角的平均值作为这个阶段的方位角的值。

3.根据权利要求2所述的方法，其特征在于，步骤5-4包括：

步骤5-4-1，将传感器获取的x轴的数据和y方向轴的数据分别赋值给变量x和y；

变量x,y,z分别用来记录x,y,z轴上的方向值分量，变量Ori用来记录摄像装置拍照方向的描述，包括横屏、竖屏、水平放置3个值；

步骤5-4-2，将传感器获取的方向值初始数据先存储到Ori变量中；

步骤5-4-3，进行如下修正：

如果Ori变量值在75度和105度之间，x,y互换，z取x值，Ori为横屏；

如果Ori变量值在165度和195度之间，Ori为竖屏，其他值不变；

如果Ori变量值在255度和285度之间，Ori为横屏，其他值不变；

如果Ori变量值为其他情况时，Ori为竖屏，其他值不变；在查勘作业中如果出现摄像装置拍照方向是水平放置的情况，也归入了Ori为竖屏的场景；

步骤5-4-4，使用google提供的getRotationMatrix、remapCoordinateSystem、getOrientation 3个java方法，获取到一个方向值的数组，数组下标0对应的值就是初始方位角。

4.根据权利要求3所述的方法，其特征在于，步骤6包括：

查勘物和周边每一个方位角的拍摄称为一个拍摄点，遍历所有的拍摄点，先获取到每个拍摄点拍摄的照片，照片张数由预置的拍照公式模型决定，每个拍摄点的照片逐张计算清晰度，计算清晰度的方法包括：

步骤6-1，利用opencv库将照片转化为opencv的位图格式；

步骤6-2，将位图灰度化；

步骤6-3，使用3x3拉普拉斯算子做卷积滤波，得到的值对256取余；

步骤6-4，利用opencv库方法计算方差，方差是各个数据与平均数之差的平方和的平均数；

步骤6-5，找出方差最大也就是清晰度最高的照片，如果清晰度小于预置的拍照公式模型中的经验阈值，提示查勘人员重拍该张照片；

步骤6-6，遍历完成照片清晰度的筛选。

5.根据权利要求4所述的方法，其特征在于，步骤9包括：

步骤9-1，从拍照装置的存储介质中读取图片数据；

步骤9-2，获取图片的宽、高、色值深度的数据；

步骤9-3，根据图片的宽、高、色值深度的数据产生一个随机数秘钥，公式为：

key＝random(0,256,size,uint8)

其中key为秘钥，random是随机数算法，size是图片宽、高、色值深度的最大值，unit8是一种数据类型，表示无符号的8位二进制整数；

步骤9-4，使用步骤9-3生成的秘钥对图片数据进行加密，使用python的bitwise_xor方法进行二进制异或操作，得到加密数据；

步骤9-5，使用python的imwrite方法将加密后的数据再存储为图片；

步骤9-6，服务器端获取到加密的图片数据，以及步骤9-3生成的秘钥，并使用python的imread方法读取出图片数据；

步骤9-7，使用python的bitwise_xor方法，用步骤9-3生成的秘钥再次对加密的数据采用二进制异或操作来解密；

步骤9-8，使用python的imwrite方法将解密后的数据存储为新的图片格式。

6.根据权利要求5所述的方法，其特征在于，步骤11中，照片传输到云服务器端后，再次进行步骤9-4同样的循环的异或操作进行照片还原。

Images