CN113014904A - 一种无人机巡检图像处理的方法、装置、系统和存储介质 - Google Patents
一种无人机巡检图像处理的方法、装置、系统和存储介质 Download PDFInfo
- Publication number
- CN113014904A CN113014904A CN202110207543.0A CN202110207543A CN113014904A CN 113014904 A CN113014904 A CN 113014904A CN 202110207543 A CN202110207543 A CN 202110207543A CN 113014904 A CN113014904 A CN 113014904A
- Authority
- CN
- China
- Prior art keywords
- pixel points
- aerial vehicle
- unmanned aerial
- image
- interference
- 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 71
- 238000007689 inspection Methods 0.000 title claims abstract description 31
- 238000003384 imaging method Methods 0.000 claims description 23
- 230000003287 optical effect Effects 0.000 claims description 13
- 239000002131 composite material Substances 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 19
- 238000004364 calculation method Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/20—Image signal generators
- H04N13/204—Image signal generators using stereoscopic image cameras
- H04N13/239—Image signal generators using stereoscopic image cameras using two 2D image sensors having a relative position equal to or related to the interocular distance
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/20—Image signal generators
- H04N13/204—Image signal generators using stereoscopic image cameras
- H04N13/246—Calibration of cameras
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/20—Image signal generators
- H04N13/271—Image signal generators wherein the generated image signals comprise depth maps or disparity maps
Abstract
本申请提供了一种无人机巡检图像处理的方法、装置、系统和存储介质,该方法包括:获取无人机双目摄像头拍摄的两张图像,其中,所述两张图像是在同一时刻对目标对象进行拍摄得到的,所述目标对象在所述两张图像上对应N个像素点,N为大于1的整数;通过所述两张图像获取所述N个像素点中各像素点的景深距离;根据为所述双目摄像头预设的拍摄阈值和所述各像素点的景深距离,从所述N个像素点中确定干扰像素点;向图片识别装置提供所述干扰像素点和目标图像组成的合成文件,其中,所述目标图像是清除所述干扰像素点的像素值后得到的图像,能够实现对干扰像素点和目标图像组成的合成文件进行识别,从而能够提高识别系统的识别效率。
Description
技术领域
本申请实施例涉及图像处理领域,具体涉及一种无人机巡检图像处理的方法、装置、系统和存储介质。
背景技术
相关技术中,无人机巡检系统一般都使用单个摄像头的云台进行拍照,拍出的照片直接送到图像识别装置(例如,自动缺陷识别系统)中进行缺陷等识别,在目前的技术条件下,自动缺陷识别等识别结果很容易受背景图案的影响而发生大概率的误判,导致自动缺陷识别错误。
因此,如何提高识别系统的识别效率成为了亟待解决的问题。
发明内容
本申请实施例提供了一种无人机巡检图像处理的方法、装置、系统和存储介质,通过本申请的一些实施例至少能够实现对干扰像素点和目标图像组成的合成文件进行识别,从而能够提高识别系统的识别效率。
第一方面,一种无人机巡检图像处理的方法,所述方法包括:获取无人机双目摄像头拍摄的两张图像,其中,所述两张图像是在同一时刻对目标对象进行拍摄得到的,所述目标对象在所述两张图像上对应N个像素点,N为大于1的整数;通过所述两张图像获取所述N个像素点中各像素点的景深距离;根据为所述双目摄像头预设的拍摄阈值和所述各像素点的景深距离,从所述N个像素点中确定干扰像素点;向图片识别装置提供所述干扰像素点和目标图像组成的合成文件,其中,所述目标图像是清除所述干扰像素点的像素值后得到的图像。
因此,本申请实施例通过无人机巡检图像处理的方法,能够向图像识别装置提交由干扰像素和目标图像组成的合成文件,从而能够定义出图像的干扰像素,使图像识别装置可以根据提供的干扰像素点直接使用合成文件完成图像识别,减少了在图像识别装置侧再进行一次提取的过程,减轻了图像识别装置的计算量减轻,从而提高识别速度和识别正确率,同时还能够解决将背景识别成目标图像的问题。
结合第一方面,在一种实施例中,在所述获取无人机双目摄像头拍摄的两张图像之前,所述方法还包括:对所述无人机双目摄像头和由所述双目摄像头拍摄出的图像进行校准,获取通过所述双目摄像头拍摄的图片上的像素差与实际距离之间的函数关系式,其中,所述实际距离采用所述景深距离进行表征。
因此,本申请实施例通过校准无人机双目摄像头,能够使无人机摄像头在拍摄图像的过程中更加精准,通过确定对应的函数关系,能够使其应用于确定干扰像素计算景深的过程中。
结合第一方面,在一种实施例中,所述函数关系式由如下公式所示:
其中,Z表示拍摄的第一图片上的像素点的景深距离,f表示所述第一图片上成像点与所述双目摄像头光圈中心连线之间的距离,b表示所述双目摄像头中左侧摄像头与右侧摄像头的光圈中心之间的距离,uL表示左侧光心与左侧成像点的距离,uR表示右侧光心与右侧成像点的距离。
因此,本申请实施例通过确定具体的函数关系式,能够在确定干扰像素的过程中,精确的计算各像素点的景深距离,从而根据景深距离判断干扰像素点。
结合第一方面,在一种实施例中,所述根据为所述双目摄像头预设的拍摄阈值和所述各像素点的景深距离,从所述N个像素点中确定干扰像素点,包括:选择景深距离大于所述拍摄阈值的像素点作为所述干扰像素点。因此,本申请实施例通过将不符合拍摄阈值的确定为干扰像素点,能够准确的定义干扰像素点。
结合第一方面,在一种实施例中,在所述根据为所述双目摄像头预设的拍摄阈值和所述各像素点的景深距离,从所述N个像素点中确定干扰像素点之前,所述方法还包括:在所述无人机的航线中预设所述拍摄阈值。
因此,本申请实施例通过在无人机的航线中预设拍摄阈值,能够使无人机在飞行的过程中,随着双目摄像头的拍摄进行干扰像素点的判断。
第二方面,一种无人机巡检图像处理的方法,所述方法包括:接收采用权利要求1-5任一项方法得到的干扰像素点和扣除所述干扰像素点的像素值后得到的目标图像;根据所述干扰像素点和所述目标图像进行图像识别。
因此,本申请实施例通过对干扰像素点和目标图像组成的合成文件进行识别,能够直接使用目标图像进行识别,节省图像识别装置的边缘提取步骤,从而减少工作量,避免多余的计算,同时由于干扰像素点也被图像识别装置接收,因此在展现结果时又可以展示完整结果。
第三方面,一种无人机巡检图像处理的系统,所述系统包括:干扰像素图像识别装置,被配置为:获取无人机双目摄像头拍摄的两张图像,其中,所述两张图像是在同一时刻对目标对象进行拍摄得到的,所述目标对象在所述两张图像上对应N个像素点,N为大于1的整数;通过所述两张图像获取所述N个像素点中各像素点的景深距离;根据为所述双目摄像头预设的拍摄阈值和所述各像素点的景深距离,从所述N个像素点中确定干扰像素点;发送所述干扰像素点和目标图像,所述目标图像是清除所述干扰像素点的像素值后得到的图像;图像识别装置,被配置为:接收所述干扰像素点和目标图像组成的合成文件;根据所述合成文件进行图像识别。
第四方面,一种无人机巡检图像处理的装置,所述装置包括:获取模块,被配置为获取无人机双目摄像头拍摄的两张图像,其中,所述两张图像是在同一时刻对目标对象进行拍摄得到的,所述目标对象在所述两张图像上对应N个像素点,N为大于1的整数;获取模块,被配置为通过所述两张图像获取所述N个像素点中各像素点的景深距离;确定模块,被配置为根据为所述双目摄像头预设的拍摄阈值和所述各像素点的景深距离,从所述N个像素点中确定干扰像素点;提供模块,被配置为将所述干扰像素点和目标图像组成的合成文件提交到图像识别装置。
结合第四方面,在一种实施例中,获取模块被配置为,对所述无人机双目摄像头和由所述双目摄像头拍摄出的图像进行校准,获取通过所述双目摄像头拍摄的图片上的像素差与实际距离之间的函数关系式,其中,所述实际距离采用所述景深距离进行表征。
结合第四方面,在一种实施例中,所述函数关系式由如下公式所示:
其中,Z表示拍摄的第一图片上的像素点的景深距离,f表示所述第一图片上成像点与所述双目摄像头光圈中心连线之间的距离,b表示所述双目摄像头中左侧摄像头与右侧摄像头的光圈中心之间的距离,uL表示左侧光心与左侧成像点的距离,uR表示右侧光心与右侧成像点的距离。
结合第四方面,在一种实施例中,确定模块被配置为,选择景深距离大于所述拍摄阈值的像素点作为所述干扰像素点。
结合第四方面,在一种实施例中,确定模块还被配置为,在所述无人机的航线中预设所述拍摄阈值。
第五方面,一种无人机,所述无人机包括:双目摄像头、和处理器、存储器和总线;所述处理器通过所述总线与所述存储器和所述双目摄像头相连,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,用于实现第一方面和第二方面任一所述方法。
第六方面,一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被服务器执行时实现如第一方面和第二方面任一所述方法。
附图说明
图1是本申请实施例示出的无人机巡检图像处理的系统;
图2是本申请实施例示出的无人机巡检图像处理的方法流程图;
图3是本申请实施例示出的摄像头位置示意图;
图4是本申请实施例示出的无人机巡检图像处理的装置内部模块图;
图5是本申请实施例示出的一种无人机内部模块图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本申请的一部分实施例,而不是全部实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对附图中提供的本申请的实施例的详情描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护范围。
下文将结合附图详细描述本申请实施例中的方法步骤。
本申请实施可以应用于无人机巡检的场景,在对无人机的使用场景越来越多的情况下,巡检也成为了无人机重要用途之一。本申请的发明人发现,由于当前的无人机巡检一般都使用单个摄像头的云台进行拍照,拍摄完成的图像直接发送至图像识别装置进行识别,导致识别过程容易受到干扰像素点的影响而发生误判。因此,本申请一些实施例提供的无人机巡检图像处理的方法,能够实现对干扰像素点进行识别并基于识别的干扰像素点对拍摄图像进行抠图处理得到目标图像,使得图像识别装置可以根据干扰像素点和目标图像完成图像识别,从而能够提高识别系统的识别效率,对提高无人机巡检质量和效率有重要的意义。
鉴于上述问题,本申请提供了一种无人机巡检图像处理的方法、装置、系统和存储介质,该方法包括:获取无人机双目摄像头拍摄的两张图像,其中,所述两张图像是在同一时刻对目标对象进行拍摄得到的,所述目标对象在所述两张图像上对应N个像素点,N为大于1的整数;通过所述两张图像获取所述N个像素点中各像素点的景深距离;根据为所述双目摄像头预设的拍摄阈值和所述各像素点的景深距离,从所述N个像素点中确定干扰像素点;向图片识别装置提供所述干扰像素点和目标图像组成的合成文件,其中,所述目标图像是清除所述干扰像素点的像素值后得到的图像,能够实现对干扰像素点和目标图像组成的合成文件进行识别,从而能够提高识别系统的识别效率。
下文结合图1描述无人机巡检图像处理的系统,如图1所示,该系统包括:干扰像素图像识别装置110和图像识别装置120。
干扰像素图像识别装置用于从双目摄像头拍摄的图片上查找干扰像素点,并且将干扰像素点与扣除干扰像素点后得到的目标图像组成的合成文件提交到图像识别装置;图像识别装置用于获取干扰像素点和目标图像组成的合成文件;根据合成文件进行图像识别。
下文结合图2描述无人机巡检图像处理的方法实施步骤,如图2所示,包括:
S210,获取无人机双目摄像头拍摄的两张图像。
在一种实施方式中,对所述无人机双目摄像头和由所述双目摄像头拍摄出的图像进行校准,获取通过所述双目摄像头拍摄的图片上的像素差与实际距离之间的函数关系式,其中,所述实际距离采用所述景深距离进行表征。
在获取无人机双目摄像头拍摄的图像之前,需要对无人机双目摄像头和拍摄出的图像进行校准,拍摄的图像中各像素的景深距离,和同时拍摄出的两张图像上的同一物体上的同一点像素之间的成像像素位置差,做对应的计算,确定各像素点的景深距离之间的对应关系函数,在后续步骤中的景深距离使用该对应关系函数进行计算。
需要说明的是,无人机双目摄像头的两个镜头的间距可以是5-10cm,也可以根据实际情况进行设定,该间距的越远,识别景深距离的精度越高。
因此,本申请实施例通过校准无人机双目摄像头,能够使无人机摄像头在拍摄图像的过程中更加精准,通过确定对应的函数关系,能够使其应用于确定干扰像素计算景深的过程中。
在一种实施方式中,所述函数关系式由如下公式所示:
其中,Z表示拍摄的第一图片上的像素点的景深距离,f表示所述第一图片上成像点与所述双目摄像头光圈中心连线之间的距离,b表示所述双目摄像头中左侧摄像头与右侧摄像头的光圈中心之间的距离,uL表示左侧光心与左侧成像点的距离,uR表示右侧光心与右侧成像点的距离。
需要说明的是,第一图片是左侧或右侧摄像头拍摄的图像。
如图3所示,PL表示左侧摄像头的成像点,PR表示右侧摄像头的成像点,OL表示左侧摄像头的光圈中心,OR表示右侧摄像头的光圈中心,P表示拍摄的目标图像,b表示左侧摄像头与右侧摄像头的光圈中心之间的距离,uL表示左侧光心与左侧成像点的距离,-uR表示右侧光心与右侧成像点的距离,f表示成像点与所述双目摄像头之间的光圈中心的距离。
因此,本申请实施例通过确定具体的对应关系函数,能够在确定干扰像素的过程中,精确的计算各像素点的景深距离,从而根据景深距离判断干扰像素点。
在一种实施方式中,获取无人机双目摄像头拍摄的两张图像,其中,所述两张图像是在同一时刻对目标对象进行拍摄得到的,所述目标对象在所述两张图像上对应N个像素点,N为大于1的整数。
在拍照之前,还需要给无人机设定一个拍照距离范围,这个拍照距离是根据实际距离设定一个合理的拍摄阈值,例如,拍摄点与目标景物之间的距离为3米,那么拍摄阈值就设定为3.5米,将拍摄阈值直接存储在无人机的航线中,在巡检过程中可以直接读取到相应的实际距离和拍摄阈值。
无人机在巡检过程中,双目摄像头在同一时刻对目标对象进行拍照,获得两张图像,其中,目标图像在两张图像上对应N个像素点,也就是说两张图像由像素点组成。
上文描述了获取无人机双目摄像头拍摄的两张图像的过程,下文将描述通过两张图像获取N个像素点中各像素点的景深距离的过程。
S220,通过所述两张图像获取所述N个像素点中各像素点的景深距离。
在获取完成无人机双目摄像头拍摄的两张图像后,使用上述函数关系使计算两张图像中N个像素点中各像素点的景深距离。
作为上述计算方法的一个具体实施例,将成像点与双目摄像头之间的光圈中心的距离,与双目摄像头中左侧摄像头与右侧摄像头的光圈中心之间的距离相乘后,除以两张图像中左侧光心与左侧成像点的距离与右侧光心与右侧成像点的距离之间的差,获得的结果为各像素的景深距离。
上文描述里计算各像素的景深距离的过程,下文将描述根据为双目摄像头预设的拍摄阈值和各像素点的景深距离,从N个像素点中确定干扰像素点的过程。
S230,根据为所述双目摄像头预设的拍摄阈值和所述各像素点的景深距离,从所述N个像素点中确定干扰像素点。
在一种实施例中,对所述无人机双目摄像头和由所述双目摄像头拍摄出的图像进行校准,获取通过所述双目摄像头拍摄的图片上的像素差与实际距离之间的函数关系式,其中,所述实际距离采用所述景深距离进行表征。
在计算完成各像素的景深距离之后,将各像素的景深距离与上述预设的拍摄阈值进行比较,将景深距离大于拍摄阈值的像素点定义为干扰像素点,其中,干扰像素点为图像中有缺陷或有干扰的相似点,例如:地面上的杂物、人物背景等。
因此,本申请实施例通过将不符合拍摄阈值的确定为干扰像素点,能够准确的定义干扰像素点。
上文描述了确认干扰像素点的过程,下文将描述将所述干扰像素点和目标图像组成的合成文件提交到图像识别装置过程。
S240,将所述干扰像素点和目标图像组成的合成文件提交到图像识别装置。
在确定无人机拍摄的图像中的干扰像素点后,滤除干扰像素点就获得了目标图像,向图片识别装置提供所述干扰像素点和目标图像组成的合成文件。
由于识别过程中的图像越单纯,识别速度就越快,识别率就越高,因此将干扰像素点和目标图像定义完成后再向图像识别装置提交,图像识别装置能够直接使用目标图像进行识别,节省图像识别装置的边缘提取步骤,不需要再次读取数据在进行识别,从而减少工作量,避免多余的计算,同时由于干扰像素点也被图像识别装置接收,因此在展现结果时又可以展示完整结果。
需要说明的是,图像识别装置是一个标准的装置,是用深度学习算法训练的一个使用在某个领域,如电力设备的图像识别,可以识别特殊的物体和特征。
需要说明的是,本申请实施例提供的无人机巡检图像处理的方法可以用与可见光,也可以用于非可见光。
因此,本申请实施例通过一种无人机巡检图像处理的方法,能够向图像识别装置向图片识别装置提供所述干扰像素点和目标图像组成的合成文件,从而能够定义出图像的干扰像素,使图像识别装置直接使用合成文件识别,减少了再进行一次提取的过程,使图像识别装置的计算量减轻,从而提高识别速度和识别正确率,同时还能够解决将背景识别成目标图像的问题,同时,本申请实施例中方法中双目摄像头的快门可以设置的时间较短,不受抖动的影响。
上文描述了无人机巡检图像处理的方法,下文将描述另一无人机巡检图像处理的方法。
在一种实施例中,无人机巡检图像处理的方法,所述方法包括:接收干扰像素点和扣除所述干扰像素点的像素值后得到的目标图像;根据所述干扰像素点和所述目标图像进行图像识别。
图像识别装置在获取完成干扰像素点和目标图像组成的合成文件后,根据合成文件进行图像识别。
因此,本申请实施例通过对干扰像素点和目标图像组成的合成文件进行识别,能够直接使用目标图像进行识别,节省图像识别装置的边缘提取步骤,从而减少工作量,避免多余的计算,同时由于干扰像素点也被图像识别装置接收,因此在展现结果时又可以展示完整结果。
上文描述了无人机巡检图像处理的方法具体实施步骤,下文将描述无人机巡检图像处理的装置。
如图4所示,无人机巡检图像处理的装置300包括:获取模块310、确定模块320和提供模块330。
在一种实施方式中,一种无人机巡检图像处理的装置,所述装置包括:获取模块,被配置为获取无人机双目摄像头拍摄的两张图像,其中,所述两张图像是在同一时刻对目标对象进行拍摄得到的,所述目标对象在所述两张图像上对应N个像素点,N为大于1的整数;获取模块,被配置为通过所述两张图像获取所述N个像素点中各像素点的景深距离;确定模块,被配置为根据为所述双目摄像头预设的拍摄阈值和所述各像素点的景深距离,从所述N个像素点中确定干扰像素点;提供模块,被配置为将所述干扰像素点和目标图像组成的合成文件提交到图像识别装置。
在一种实施例中,获取模块被配置为,对所述无人机双目摄像头和由所述双目摄像头拍摄出的图像进行校准,获取通过所述双目摄像头拍摄的图片上的像素差与实际距离之间的函数关系式,其中,所述实际距离采用所述景深距离进行表征。
在一种实施例中,所述函数关系式由如下公式所示:
其中,Z表示拍摄的第一图片上的像素点的景深距离,f表示所述第一图片上成像点与所述双目摄像头光圈中心连线之间的距离,b表示所述双目摄像头中左侧摄像头与右侧摄像头的光圈中心之间的距离,uL表示左侧光心与左侧成像点的距离,uR表示右侧光心与右侧成像点的距离。
在一种实施例中,确定模块被配置为,选择景深距离大于所述拍摄阈值的像素点作为所述干扰像素点。
在一种实施例中,确定模块还被配置为,在所述无人机的航线中预设所述拍摄阈值。
在本申请实施例中,图4所示模块能够实现图1至图3方法实施例中的各个过程。图4中的各个模块的操作和/或功能,分别为了实现图1至图3中的方法实施例中的相应流程。具体可参见上述方法实施例中的描述,为避免重复,此处适当省略详细描述。
另一无人机巡检图像处理的装置,包括:获取文件模块和识别图像模块。
在一种实施方式中,无人机巡检图像处理的装置,所述装置包括:获取文件模块,被配置为接收干扰像素点和扣除所述干扰像素点的像素值后得到的目标图像;识别图像模块,被配置为根据所述干扰像素点和所述目标图像进行图像识别,具体可参见上述方法实施例中的描述,为避免重复,此处适当省略详细描述。
上文描述了无人机巡检图像处理的装置,下文将结合图5描述一种无人机400。
一种无人机,所述无人机包括:双目摄像头430、处理器410、存储器420和总线440;所述处理器通过所述总线与所述存储器和所述双目摄像头相连,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,用于实现上述方法,具体可参见上述方法实施例中的描述,为避免重复,此处适当省略详细描述。
其中,总线用于实现这些组件直接的连接通信。其中,本申请实施例中处理器可以是一种集成电路芯片,具有信号的处理能力。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。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。
存储器可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。存储器中存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,可以执行上述实施例中所述的方法。
可以理解,图5所示的结构仅为示意,还可包括比图5中所示更多或者更少的组件,或者具有与图5所示不同的配置。图5中所示的各组件可以采用硬件、软件或其组合实现。
本申请实施例还提供,一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被服务器执行时实现上述方法,具体可参见上述方法实施例中的描述,为避免重复,此处适当省略详细描述。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。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。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种无人机巡检图像处理的方法,其特征在于,所述方法包括:
获取无人机双目摄像头拍摄的两张图像,其中,所述两张图像是在同一时刻对目标对象进行拍摄得到的,所述目标对象在所述两张图像上对应N个像素点,N为大于1的整数;
通过所述两张图像获取所述N个像素点中各像素点的景深距离;
根据为所述双目摄像头预设的拍摄阈值和所述各像素点的景深距离,从所述N个像素点中确定干扰像素点;
向图片识别装置提供所述干扰像素点和目标图像组成的合成文件,其中,所述目标图像是清除所述干扰像素点的像素值后得到的图像。
2.根据权利要求1所述的方法,其特征在于,在所述获取无人机双目摄像头拍摄的两张图像之前,所述方法还包括:
对所述无人机双目摄像头和由所述双目摄像头拍摄出的图像进行校准,获取通过所述双目摄像头拍摄的图片上的像素差与实际距离之间的函数关系式,其中,所述实际距离采用所述景深距离进行表征。
4.根据权利要求1所述的方法,其特征在于,所述根据为所述双目摄像头预设的拍摄阈值和所述各像素点的景深距离,从所述N个像素点中确定干扰像素点,包括:
选择景深距离大于所述拍摄阈值的像素点作为所述干扰像素点。
5.根据权利要求1所述的方法,其特征在于,在所述根据为所述双目摄像头预设的拍摄阈值和所述各像素点的景深距离,从所述N个像素点中确定干扰像素点之前,所述方法还包括:
在所述无人机的航线中预设所述拍摄阈值。
6.一种无人机巡检图像处理的方法,其特征在于,所述方法包括:
接收采用权利要求1-5任一项方法得到的干扰像素点和扣除所述干扰像素点的像素值后得到的目标图像;
根据所述干扰像素点和所述目标图像进行图像识别。
7.一种无人机巡检图像处理的系统,其特征在于,所述系统包括:
干扰像素图像识别装置,被配置为:
获取无人机双目摄像头拍摄的两张图像,其中,所述两张图像是在同一时刻对目标对象进行拍摄得到的,所述目标对象在所述两张图像上对应N个像素点,N为大于1的整数;
通过所述两张图像获取所述N个像素点中各像素点的景深距离;
根据为所述双目摄像头预设的拍摄阈值和所述各像素点的景深距离,从所述N个像素点中确定干扰像素点;
发送所述干扰像素点和目标图像,所述目标图像是清除所述干扰像素点的像素值后得到的图像;
图像识别装置,被配置为:
接收所述干扰像素点和目标图像组成的合成文件;根据所述合成文件进行图像识别。
8.一种无人机巡检图像处理的装置,其特征在于,所述装置包括:
获取模块,被配置为获取无人机双目摄像头拍摄的两张图像,其中,所述两张图像是在同一时刻对目标对象进行拍摄得到的,所述目标对象在所述两张图像上对应N个像素点,N为大于1的整数;
获取模块,被配置为通过所述两张图像获取所述N个像素点中各像素点的景深距离;
确定模块,被配置为根据为所述双目摄像头预设的拍摄阈值和所述各像素点的景深距离,从所述N个像素点中确定干扰像素点;
提供模块,被配置为将所述干扰像素点和目标图像组成的合成文件提交到图像识别装置。
9.一种无人机,其特征在于,所述无人机包括:双目摄像头、处理器、存储器和总线;
其中,所述处理器通过所述总线与所述存储器和所述双目摄像头相连,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,用于实现如权利要求1-6任一项所述方法。
10.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被服务器执行时实现如权利要求1-6任一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110207543.0A CN113014904A (zh) | 2021-02-24 | 2021-02-24 | 一种无人机巡检图像处理的方法、装置、系统和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110207543.0A CN113014904A (zh) | 2021-02-24 | 2021-02-24 | 一种无人机巡检图像处理的方法、装置、系统和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113014904A true CN113014904A (zh) | 2021-06-22 |
Family
ID=76386154
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110207543.0A Pending CN113014904A (zh) | 2021-02-24 | 2021-02-24 | 一种无人机巡检图像处理的方法、装置、系统和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113014904A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108496129A (zh) * | 2017-04-28 | 2018-09-04 | 深圳市大疆创新科技有限公司 | 一种基于飞行器的设施检测方法及控制设备 |
CN109163928A (zh) * | 2018-08-27 | 2019-01-08 | 河海大学常州校区 | 一种基于双目视觉的无人机智能取水系统 |
CN109178329A (zh) * | 2018-08-28 | 2019-01-11 | 华南理工大学 | 一种第一视角巡线机器人 |
CN109297978A (zh) * | 2018-11-12 | 2019-02-01 | 西安交通大学 | 基于双目成像的电力线路无人机巡检及缺陷智能诊断系统 |
US20200191556A1 (en) * | 2017-05-19 | 2020-06-18 | Autel Robotics Co., Ltd. | Distance mesurement method by an unmanned aerial vehicle (uav) and uav |
-
2021
- 2021-02-24 CN CN202110207543.0A patent/CN113014904A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108496129A (zh) * | 2017-04-28 | 2018-09-04 | 深圳市大疆创新科技有限公司 | 一种基于飞行器的设施检测方法及控制设备 |
US20200191556A1 (en) * | 2017-05-19 | 2020-06-18 | Autel Robotics Co., Ltd. | Distance mesurement method by an unmanned aerial vehicle (uav) and uav |
CN109163928A (zh) * | 2018-08-27 | 2019-01-08 | 河海大学常州校区 | 一种基于双目视觉的无人机智能取水系统 |
CN109178329A (zh) * | 2018-08-28 | 2019-01-11 | 华南理工大学 | 一种第一视角巡线机器人 |
CN109297978A (zh) * | 2018-11-12 | 2019-02-01 | 西安交通大学 | 基于双目成像的电力线路无人机巡检及缺陷智能诊断系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105627932B (zh) | 一种基于双目视觉的测距方法及装置 | |
CN106529495A (zh) | 一种飞行器的障碍物检测方法和装置 | |
CN111222395A (zh) | 目标检测方法、装置与电子设备 | |
CN112150528A (zh) | 一种深度图像获取方法及终端、计算机可读存储介质 | |
CN111862180B (zh) | 一种相机组位姿获取方法、装置、存储介质及电子设备 | |
CN109741241B (zh) | 鱼眼图像的处理方法、装置、设备和存储介质 | |
WO2022183685A1 (zh) | 目标检测方法、电子介质和计算机存储介质 | |
CN111976601B (zh) | 自动泊车方法、装置、设备和存储介质 | |
CN115376109B (zh) | 障碍物检测方法、障碍物检测装置以及存储介质 | |
CN107101612A (zh) | 一种目标距离测量方法及系统 | |
CN110675442A (zh) | 一种结合目标识别技术的局部立体匹配方法及系统 | |
CN113408454A (zh) | 一种交通目标检测方法、装置、电子设备及检测系统 | |
CN114611635B (zh) | 一种对象的识别方法、装置、存储介质及电子装置 | |
CN111260538B (zh) | 基于长基线双目鱼眼相机的定位及车载终端 | |
CN113014904A (zh) | 一种无人机巡检图像处理的方法、装置、系统和存储介质 | |
CN116363628A (zh) | 标志检测方法、装置、非易失性存储介质及计算机设备 | |
CN112802112B (zh) | 视觉定位方法、装置、服务器及存储介质 | |
CN112233164B (zh) | 一种视差图错误点识别与校正方法 | |
CN114782496A (zh) | 一种对象的跟踪方法、装置、存储介质及电子装置 | |
CN113326715B (zh) | 一种目标关联方法及装置 | |
CN112115737B (zh) | 一种车辆朝向的确定方法、装置及车载终端 | |
CN106295563B (zh) | 一种基于多目视觉对飞行目标飞行性能评估的系统及方法 | |
CN111260698B (zh) | 双目图像特征匹配方法及车载终端 | |
CN111862211B (zh) | 定位方法、装置、系统、存储介质和计算机设备 | |
CN116580101A (zh) | 一种车载摄像头模组自动标定方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210622 |
|
RJ01 | Rejection of invention patent application after publication |