CN113518212A - 投影画面的梯形校正方法、装置、投影设备及存储介质 - Google Patents

Abstract

本发明涉及投影技术领域，公开了一种投影画面的梯形校正方法、装置、投影设备及计算机存储介质。该投影画面的梯形校正方法通过采集投影画面中各预设点位与投影设备之间的连线距离，并根据各所述连线距离确定所述投影画面是否发生梯形畸变；在确定所述投影画面发生所述梯形畸变时，将各所述连线距离输入预设的梯形校正模型中，以供所述梯形校正模型根据各所述连线距离进行模型计算后输出梯形校正参数；按照所述梯形校正参数控制投影设备进行针对所述投影画面发生的所述梯形畸变进行梯形校正。相比于传统梯形校正方式，本发明提升了针对投影画面进行梯形校正的智能性，并且，极大程度上简化了梯形校正的操作，提升了梯形校正效率。

Description

投影画面的梯形校正方法、装置、投影设备及存储介质

技术领域

本发明涉及投影技术领域，尤其涉及一种投影画面的梯形校正方法、装置、投影设备以及计算机存储介质。

背景技术

随着计算机技术的发展，投影设备在人们日常工作或者生活当中的应用已经越来越广泛。投影设备在日常的使用过程当中，为了保证设备的投影画面是正常的矩形，需要令设备自身位置与展示该投影画面的投影面之间形成较为标准的直角关系，否则，该投影画面将会产生变形，如，投影画面变成不规则的梯形。

针对投影画面容易产生梯形变化的现象，众多的投影设备研发或者生产厂商都设计有对应的梯形校正方法，例如，光学梯形校正方法或者数码梯形校正方法。然而，现有的光学梯形校正方法需要通过专业技术人员手动的调整投影设备镜头的物理位置来进行梯形的校正，操作复杂且不适用于人们日常的应用场景，而数码梯形校正方式需要投影设备输出特定画面进行相关数据检测，然后基于检测结果来实现梯形校正，如此，会中断用户对于投影内容正常使用。

综上，现有针对投影设备产生的梯形的校正方式，梯形校正效率低下且智能性差。

发明内容

本发明的主要目的在于提供一种投影画面的梯形校正方法、装置、投影设备以及计算机存储介质，旨在解决现有针对投影设备产生的梯形的校正方式，梯形校正效率低下且智能性差的技术问题。

为实现上述目的，本发明提供一种投影画面的梯形校正方法，所述投影画面的梯形校正方法包括：

采集投影画面中各预设点位与投影设备之间的连线距离，并根据各所述连线距离确定所述投影画面是否发生梯形畸变；

在确定所述投影画面发生所述梯形畸变时，将各所述连线距离输入预设的梯形校正模型中，以供所述梯形校正模型根据各所述连线距离进行模型计算后输出梯形校正参数；

按照所述梯形校正参数控制投影设备进行针对所述投影画面发生的所述梯形畸变进行梯形校正。

可选地，所述投影画面的梯形校正方法，还包括：

根据预设的连线距离样本数据进行机器学习训练得到所述梯形校正模型，其中，所述连线距离样本数据包括所述投影画面为标准矩形状态下的标准中心点连线距离、所述标准中心点连线距离对应的标准角点连线距离，和所述投影画面梯形畸变状态下的非标准中心点连线距离、所述非标准中心点连线距离对应的非标准角点连线距离。

可选地，所述根据预设的连线距离样本数据进行机器学习训练得到所述梯形校正模型的步骤，包括：

在所述连线距离样本数据中，将所述标准中心点连线距离、所述标准角点连线距离，和所述非标准中心点连线距离、所述非标准角点连线距离关联形成连线距离样本数据对；

将所述连线距离样本数据对输入初始的机器学习模型进行模型训练直至所述机器学习模型收敛；

将训练收敛的所述机器学习模型确定为所述梯形校正模型。

可选地，所述预设点位包括：所述投影画面的中心点和角点，所述采集投影画面中各预设点位与投影设备之间的连线距离，并根据各所述连线距离确定所述投影画面是否发生梯形畸变的步骤，包括：

检测所述投影画面中的所述中心点和所述角点，并采集所述中心点与所述投影设备之间的第一连线距离，和所述角点与所述投影设备之间的第二连线距离；

根据所述第一连线距离确定预设标准第二连线距离，其中，所述预设标准第二连线距离为所述投影画面为标准矩形状态下，所述角点与所述投影设备之间的连线距离；

在检测到所述第二连线距离与所述预设标准第二连线距离相同时，确定所述投影画面未发生梯形畸变；或者，

在检测到所述第二连线距离与所述预设标准第二连线距离不相同时，确定所述投影画面发生梯形畸变。

可选地，所述根据所述第一连线距离确定预设标准第二连线距离的步骤，包括：

检测所述第一连线距离与初始第一连线距离之间的距离比值，其中，所述初始第一连线距离为所述投影画面为标准矩形状态下，所述中心点与所述投影设备之间的连线距离；

按照所述距离比值针对所述初始第一连线距离对应的初始第二连线距离进行计算得到所述预设标准第二连线距离。

可选地，所述梯形校正参数包括：校正方向和校正角度，所述按照所述梯形校正参数控制投影设备进行针对所述投影画面发生的所述梯形畸变进行梯形校正的步骤，包括：

在检测到所述校正方向为垂直方向或者竖直方向时，控制所述投影设备向所述垂直方向或者所述竖直方向,旋转所述校正角度；或者，

在检测到所述校正方向为垂直方向和竖直方向时，控制所述投影设备向所述垂直方向旋转所述校正角度中的垂直校正角度，和向所述竖直方向旋转所述校正角度中的竖直校正角度。

可选地，在所述按照所述梯形校正参数控制投影设备进行针对所述投影画面发生的所述梯形畸变进行梯形校正的步骤之前，还包括：

检测所述校正角度是否超过预设最大可校正角度；

若是，则输出预设的手动梯形校正提示；

若否，则执行所述按照所述梯形校正参数控制投影设备进行针对所述投影画面发生的所述梯形畸变进行梯形校正的步骤。

此外，为实现上述目的，本发明还提供一种投影画面的梯形校正装置，所述投影画面的梯形校正装置包括：

确定模块，用于采集投影画面中各预设点位与投影设备之间的连线距离，并根据各所述连线距离确定所述投影画面是否发生梯形畸变；

模型计算模块，用于在确定所述投影画面发生所述梯形畸变时，将各所述连线距离输入预设的梯形校正模型中，以供所述梯形校正模型根据各所述连线距离进行模型计算后输出梯形校正参数；

梯形校正模块，用于按照所述梯形校正参数控制投影设备进行针对所述投影画面发生的所述梯形畸变进行梯形校正。

此外，为实现上述目的，本发明还提供一种投影设备，所述投影设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的投影画面的梯形校正程序，所述投影画面的梯形校正程序被所述处理器执行时实现如上所述的投影画面的梯形校正方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机存储介质，所述计算机存储介质上存储有投影画面的梯形校正程序，所述投影画面的梯形校正程序被处理器执行时实现如上所述的投影画面的梯形校正方法的步骤。

本发明提供一种投影画面的梯形校正方法、装置、投影设备以及计算机存储介质，通过采集投影画面中各预设点位与投影设备之间的连线距离，并根据各所述连线距离确定所述投影画面是否发生梯形畸变；在确定所述投影画面发生所述梯形畸变时，将各所述连线距离输入预设的梯形校正模型中，以供所述梯形校正模型根据各所述连线距离进行模型计算后输出梯形校正参数；按照所述梯形校正参数控制投影设备进行针对所述投影画面发生的所述梯形畸变进行梯形校正。

本发明在针对投影设备的投影画面进行梯形校正的过程当中，首先直接在该投影画面当中的各个预设点位上采集该个预设点位各自与投影设备之间的连线距离，并根据该各个连线距离来确定该投影画面在当前时刻是否发生了梯形畸变，然后，在确定到该投影画面发生了梯形畸变时，即进一步将该各个连线距离输入到预先基于机器学习训练得到的梯形校正模型当中，从而由该梯形校正模型基于该各个连线距离进行模型计算并输出梯形校正参数，最后，按照该梯形校正参数控制该投影设备针对当前时刻投影画面发生的梯形畸变进行梯形校正。

本发明相比于传统梯形校正方式，能够直接根据投影画面来确定是否发生梯形畸变，无需投影设备中断投影并输出特定画面，提升了针对投影画面进行梯形校正的智能性，并且，本发明基于预先进行机器学习训练得到的梯形校正模型来确定针对梯形畸变进行校正参数，然后自动控制投影设备按照该校正参数完成对投影画面的梯形校正过程，极大程度上简化了梯形校正的操作，提升了梯形校正效率。

附图说明

图1为本发明实施例方案涉及的硬件运行环境的设备结构示意图；

图2为本发明投影画面的梯形校正方法第一实施例的流程示意图；

图3为本发明投影画面的梯形校正方法一实施例所涉及的应用流程示意图；

图4为本发明投影画面的梯形校正方法一实施例所涉及的应用流程示意图；

图5为本发明投影画面的梯形校正装置一实施例的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的设备结构示意图。

本发明实施例投影设备可以是任意类型的投影设备。

如图1所示，该投影设备可以包括：处理器1001，例如CPU，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如Wi-Fi接口）。存储器1005可以是高速RAM存储器，也可以是稳定的存储器（non-volatile memory），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的投影设备结构并不构成对投影设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及投影画面的梯形校正程序。

在图1所示的投影设备中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的投影画面的梯形校正程序，并执行以下操作：

采集投影画面中各预设点位与投影设备之间的连线距离，并根据各所述连线距离确定所述投影画面是否发生梯形畸变；

在确定所述投影画面发生所述梯形畸变时，将各所述连线距离输入预设的梯形校正模型中，以供所述梯形校正模型根据各所述连线距离进行模型计算后输出梯形校正参数；

按照所述梯形校正参数控制投影设备进行针对所述投影画面发生的所述梯形畸变进行梯形校正。

进一步地，处理器1001可以调用存储器1005中存储的投影画面的梯形校正程序，还执行以下操作：

根据预设的连线距离样本数据进行机器学习训练得到所述梯形校正模型，其中，所述连线距离样本数据包括所述投影画面为标准矩形状态下的标准中心点连线距离、所述标准中心点连线距离对应的标准角点连线距离，和所述投影画面梯形畸变状态下的非标准中心点连线距离、所述非标准中心点连线距离对应的非标准角点连线距离。

进一步地，处理器1001可以调用存储器1005中存储的投影画面的梯形校正程序，还执行以下操作：

在所述连线距离样本数据中，将所述标准中心点连线距离、所述标准角点连线距离，和所述非标准中心点连线距离、所述非标准角点连线距离关联形成连线距离样本数据对；

将所述连线距离样本数据对输入初始的机器学习模型进行模型训练直至所述机器学习模型收敛；

将训练收敛的所述机器学习模型确定为所述梯形校正模型。

进一步地，所述预设点位包括：所述投影画面的中心点和角点，处理器1001可以调用存储器1005中存储的投影画面的梯形校正程序，还执行以下操作：

检测所述投影画面中的所述中心点和所述角点，并采集所述中心点与所述投影设备之间的第一连线距离，和所述角点与所述投影设备之间的第二连线距离；

根据所述第一连线距离确定预设标准第二连线距离，其中，所述预设标准第二连线距离为所述投影画面为标准矩形状态下，所述角点与所述投影设备之间的连线距离；

在检测到所述第二连线距离与所述预设标准第二连线距离相同时，确定所述投影画面未发生梯形畸变；或者，

在检测到所述第二连线距离与所述预设标准第二连线距离不相同时，确定所述投影画面发生梯形畸变。

进一步地，处理器1001可以调用存储器1005中存储的投影画面的梯形校正程序，还执行以下操作：

检测所述第一连线距离与初始第一连线距离之间的距离比值，其中，所述初始第一连线距离为所述投影画面为标准矩形状态下，所述中心点与所述投影设备之间的连线距离；

按照所述距离比值针对所述初始第一连线距离对应的初始第二连线距离进行计算得到所述预设标准第二连线距离。

进一步地，所述梯形校正参数包括：校正方向和校正角度，处理器1001可以调用存储器1005中存储的投影画面的梯形校正程序，还执行以下操作：

在检测到所述校正方向为垂直方向或者竖直方向时，控制所述投影设备向所述垂直方向或者所述竖直方向,旋转所述校正角度；或者，

在检测到所述校正方向为垂直方向和竖直方向时，控制所述投影设备向所述垂直方向旋转所述校正角度中的垂直校正角度，和向所述竖直方向旋转所述校正角度中的竖直校正角度。

进一步地，处理器1001可以调用存储器1005中存储的投影画面的梯形校正程序，在执行按照所述梯形校正参数控制投影设备进行针对所述投影画面发生的所述梯形畸变进行梯形校正的步骤之前，还执行以下操作：

检测所述校正角度是否超过预设最大可校正角度；

若是，则输出预设的手动梯形校正提示；

若否，则执行所述按照所述梯形校正参数控制投影设备进行针对所述投影画面发生的所述梯形畸变进行梯形校正的步骤。

基于上述硬件结构，提出本发明投影画面的梯形校正方法的各实施例。

需要说明的是，随着计算机技术的发展，投影设备在人们日常工作或者生活当中的应用已经越来越广泛。投影设备在日常的使用过程当中，为了保证设备的投影画面是正常的矩形，需要令设备自身位置与展示该投影画面的投影面之间形成较为标准的直角关系，否则，该投影画面将会产生变形，如，投影画面变成不规则的梯形。

针对投影画面容易产生梯形变化的现象，众多的投影设备研发或者生产厂商都设计有对应的梯形校正方法，例如，光学梯形校正方法或者数码梯形校正方法。然而，现有的光学梯形校正方法需要通过专业技术人员手动的调整投影设备镜头的物理位置来进行梯形的校正，操作复杂且不适用于人们日常的应用场景，而数码梯形校正方式需要投影设备输出特定画面进行相关数据检测，然后基于检测结果来实现梯形校正，如此，会中断用户对于投影内容正常使用。

综上，现有针对投影设备产生的梯形的校正方式，梯形校正效率低下且智能性差。

针对上述现象，本发明提供一种投影画面的梯形校正方法。请参照图2，图2为本发明投影画面的梯形校正方法第一实施例的流程示意图。

在本实施例中，该投影画面的梯形校正方法包括：

步骤S10，采集投影画面中各预设点位与投影设备之间的连线距离，并根据各所述连线距离确定所述投影画面是否发生梯形畸变；

投影设备或者与该投影设备相连接的控制设备（为便于理解和描述，后文中直接以终端设备替代该投影设备或者该控制设备进行阐述）通过采集当前时刻输出展示的投影设备所输出的投影画面中，各个预设点位各自与该投影设备之间的连线距离，并根据采集到的该各个连线距离来检测确定当前时刻输出展示的该投影画面是否发生了梯形畸变。

需要说明的是，在本实施例中，预设点位包括但不限于展示投影设备所输出投影画面的幕布或者墙面上，该投影画面的几何中心所在位置的中心点，和该投影画面所在范围内与该中心点保持有一定距离的角点。应当理解的是，基于实际应用的不同需要，在不同可行的实施例中，当然可以在该投影画面所在范围内选择不同的角点，本发明投影画面的梯形校正方法并不针对该角点在该投影画面所在范围内的具体位置以及数量进行限定。

具体地，例如，终端设备基于研发或者生产投影设备的工作人员的配置，周期性的针对该投影设备所输出并显示在幕布或者墙面上的投影画面中，中心点和角点分别与该投影设备上设定的同一固定点位之间连线距离进行监测并采集该连线距离。

需要说明的是，在本实施例中，终端设备还可以基于检测到的、用户在发现幕布或者墙面上的投影画面发生梯形畸变时所触发的梯形校正指令，开始检测并采集该投影画面中，中心点和角点分别与该投影设备上设定的同一固定点位之间的连线距离。

进一步地，在一种可行的实施例中，上述步骤S10，采集投影画面中各预设点位与投影设备之间的连线距离，并根据各所述连线距离确定所述投影画面是否发生梯形畸变，可以包括：

步骤S101，检测所述投影画面中的所述中心点和所述角点，并采集所述中心点与所述投影设备之间的第一连线距离，和所述角点与所述投影设备之间的第二连线距离；

终端设备先在幕布或者墙面上展示的投影画面中检测出该投影画面的中心点以及与该中心点之间具有一定距离的角点，并同步采集该中心点到投影设备上设定的固定点位之间的第一连线距离，和采集该角点到该投影设备上相同的固定点位之间的第二连线距离。

具体地，例如，请参数如图3所示的应用场景，终端设备在开始采集连线距离时，先从展示投影设备所输出投影画面的幕布或者墙面上，确定出该投影画面的几何中心点o和四个边角点当中的任意一个角点a，然后采集该中心点o与该投影设备面对幕布或者墙面的表面上所设置的固定点位e之间的第一连线距离oe，以及采集该角点a与该投影设备上所设置的固定点位e之间的二连线距离ae。

需要说明的是，在本实施例中，终端设备具体可以通过预先装配在投影设备上基于计时功能的距离测量装置，来检测和采集投影画面中中心点和角点分别与该投影设备上设定的同一固定点位之间的连线距离。应当理解的是，基于实际应用的不同设计需要，在不同可行的实施方式当中，终端设备当然也可以采用其它方式来采投影画面当中中心点和角点各自与投影设备之间的连线距离，本发明投影画面的梯形校正方法并不针对采集中心点和角点分别与该投影设备之间连线距离的具体方式进行限定。

步骤S102，根据所述第一连线距离确定预设标准第二连线距离，其中，所述预设标准第二连线距离为所述投影画面为标准矩形状态下，所述角点与所述投影设备之间的连线距离；

需要说明的是，在本实施例中，预设标准第二连线距离为投影设备输出的投影画面在幕布或者墙面上呈现标准矩形状态下，该投影画面中相同的角点到相同的固定点位之间的连线距离。

终端设备在采集得到投影画面的中心点到投影设备上设定的固定点位之间的第一连线距离，和采集该角点到该投影设备上相同的固定点位之间的第二连线距离之后，进一步利用该第一连线距离确定出该投影设备输出的投影画面在幕布或者墙面上呈现标准矩形状态下，该投影画面中相同的角点到相同的固定点位之间的连线距离。

进一步地，在一种可行的实施例中，上述步骤S102中，“根据所述第一连线距离确定预设标准第二连线距离”的步骤，可以包括：

步骤S1021，检测所述第一连线距离与初始第一连线距离之间的距离比值，其中，所述初始第一连线距离为所述投影画面为标准矩形状态下，所述中心点与所述投影设备之间的连线距离；

需要说明的是，在本实施例中，终端设备可以预先采集并存储投影设备输出的投影画面在幕布或者墙面上呈现标准矩形状态下，该投影画面中中心点和四个角点各自到该投影设备上设定的固定点位之间的连线距离。

终端设备在采集得到投影画面的中心点到投影设备上设定的固定点位之间的第一连线距离，和采集该角点到该投影设备上相同的固定点位之间的第二连线距离之后，先提取出预先存储的投影设备输出的投影画面在幕布或者墙面上呈现标准矩形状态下，该投影画面中中心点到该投影设备上设定的固定点位之间的连线距离，即初始第一连线距离，并利用该第一连线距离除以该初始第一连线距离从而得到该第一连线距离与该初始第一连线距离之间的距离比值。

具体地，例如，请参数如图4所示的应用场景，终端设备预先采集并存储投影设备输出的投影画面在幕布或者墙面上呈现标准矩形状态下，该投影画面中中心点o’到该投影设备上设定的固定点位e之间的连线距离为初始第一连线距离o’e，从而，终端设备在采集得到第一连线距离oe之后，直接利用该第一连线距离oe除以该初始第一连线距离o’e得距离比值o/o’。

步骤S1022，按照所述距离比值针对所述初始第一连线距离对应的初始第二连线距离进行计算得到所述预设标准第二连线距离。

终端设备在计算得到第一连线距离与初始第一连线距离之间的距离比值之后，进一步提取出预先存储的投影设备输出的投影画面在幕布或者墙面上呈现标准矩形状态下，该投影画面中角点到该投影设备上设定的固定点位之间的连线距离，即初始第二连线距离，并利用该距离比值乘以该初始第二连线距离，进而得到该投影设备输出的投影画面在幕布或者墙面上呈现标准矩形状态下，投影画面的角点与该固定点位之间的连线距离，即预设标准第二连线距离。

具体地，例如，请参数如图4所示的应用场景，终端设备预先采集并存储投影设备输出的投影画面在幕布或者墙面上呈现标准矩形状态下，该投影画面中四个角点a’、b’、c’和d’各自到该投影设备上设定的固定点位e之间的连线距离分别为初始第二连线距离a’e、初始第二连线距离b’e、初始第二连线距离c’e以及初始第二连线距离d’e，从而，终端设备在利用第一连线距离oe除以该初始第一连线距离o’e得距离比值o/o’之后，先提取出该初始第二连线距离a’e，并利用该距离比值o/o’乘以该初始第二连线距离a’e，从而得到投影设备在幕布或者墙面上展示的投影画面，中心点距离固定点位的连线距离为第一连线距离oe、且该投影画面呈现标准矩形状态时，该投影画面的角点a与该固定点位之间的连线距离-预设标准第二连线距离a’e*o/o’。

步骤S103，在检测到所述第二连线距离与所述预设标准第二连线距离相同时，确定所述投影画面未发生梯形畸变；

终端设备利用该第一连线距离确定出该投影设备输出的投影画面在幕布或者墙面上呈现标准矩形状态下，该投影画面中相同的角点到相同的固定点位之间的连线距离，即预设标准第二连线距离之后，立即检测采集得到的投影画面的角点到该投影设备上相同的固定点位之间的第二连线距离是否与该预设标准第二连线距离相同，从而，在检测到该第二连线距离与该预设标准第二连线距离相同时，确定出该投影画面在当前时刻并未发生梯形畸变。

具体地，例如，终端设备在计算得到投影设备在幕布或者墙面上展示的投影画面，中心点距离固定点位的连线距离为第一连线距离oe、且该投影画面呈现标准矩形状态时，该投影画面的角点a与该固定点位之间的连线距离-预设标准第二连线距离a’e*o/o’之后，立即将采集到的第二连线距离ae与该预设标准第二连线距离a’e*o/o’进行比对检测， 并在检测到该第二连线距离ae等于该预设标准第二连线距离a’e*o/o’时，确定投影设备在当前时刻输出并在幕布或者墙面上展示的投影画面并未发生梯形畸变。

步骤S104，在检测到所述第二连线距离与所述预设标准第二连线距离不相同时，确定所述投影画面发生梯形畸变。

终端设备在检测采集得到的投影画面的角点到该投影设备上相同的固定点位之间的第二连线距离是否与该预设标准第二连线距离相同时，若终端设备检测到该第二连线距离与该预设标准第二连线距离不相同，则终端设备即可确定出该投影画面在当前时刻发生了梯形畸变。

具体地，例如，终端设备在将采集到的第二连线距离ae与该预设标准第二连线距离a’e*o/o’进行比对检测时，若检测到该第二连线距离ae不等于该预设标准第二连线距离a’e*o/o’，则确定投影设备在当前时刻输出并在幕布或者墙面上展示的投影画面已经发生了梯形畸变。

步骤S20，在确定所述投影画面发生所述梯形畸变时，将各所述连线距离输入预设的梯形校正模型中，以供所述梯形校正模型根据各所述连线距离进行模型计算后输出梯形校正参数；

终端设备在通过采集当前时刻输出展示的投影设备所输出的投影画面中，各个预设点位各自与该投影设备之间的连线距离，并根据该各个连线距离来检测确定当前时刻该投影画面发生了梯形畸变时，终端设备立即将该各个连线距离输入到预先经过机器学习训练得到的梯形校正模型当中，从而由该梯形校正模型基于该各个连线距离进行模型计算并输出针对该梯形畸变进行校正的梯形校正参数。

具体地，例如，终端设备在将采集到的第二连线距离ae与该预设标准第二连线距离a’e*o/o’进行比对检测，并检测到该第二连线距离ae不等于该预设标准第二连线距离a’e*o/o’，从而确定投影设备在当前时刻输出并在幕布或者墙面上展示的投影画面已经发生了梯形畸变之后，进一步将采集到的第一连线距离oe和该第二连线距离ae一起输入到预先经过机器学习训练得到梯形校正模型当中，由该梯形校正模型基于该第一连线距离oe和该第二连线距离ae进行模型计算并输出针对该投影画面发生的梯形畸变进行校正的梯形校正参数。

步骤S30，按照所述梯形校正参数控制投影设备进行针对所述投影画面发生的所述梯形畸变进行梯形校正。

终端设备将各个连线距离输入到梯形校正模型当中，从而由该梯形校正模型基于各个连线距离进行模型计算并输出梯形校正模型参数之后，进一步直接按照该梯形校正参数控制投影设备上用于输出投影画面的镜头或者该投影设备本身进行相应调整以针对该投影画面在当前时刻发生的梯形畸变进行自动的梯形校正。

具体地，例如，终端设备在经由梯形校正模型基于第一连线距离oe和第二连线距离ae进行模型计算并输出针对该投影画面发生的梯形畸变进行校正的梯形校正参数之后，按照该梯形校正参数控制投影设备中预先设定的步进电机运行以使该投影设备上输出投影画面的镜头或者该投影设备本身进行对应方向和/或者角度的调整，从而自动的完成针对该投影画面在当前时刻发生的梯形畸变的梯形校正。

本发明实施例提供一种投影画面的梯形校正方法，通过投影设备或者与该投影设备相连接的控制设备（为便于理解和描述，后文中直接以终端设备替代该投影设备或者该控制设备进行阐述）通过采集当前时刻输出展示的投影设备所输出的投影画面中，各个预设点位各自与该投影设备之间的连线距离，并根据采集到的该各个连线距离来检测确定当前时刻输出展示的该投影画面是否发生了梯形畸变；终端设备在通过采集当前时刻输出展示的投影设备所输出的投影画面中，各个预设点位各自与该投影设备之间的连线距离，并根据该各个连线距离来检测确定当前时刻该投影画面发生了梯形畸变时，终端设备立即将该各个连线距离输入到预先经过机器学习训练得到的梯形校正模型当中，从而由该梯形校正模型基于该各个连线距离进行模型计算并输出针对该梯形畸变进行校正的梯形校正参数；终端设备将各个连线距离输入到梯形校正模型当中，从而由该梯形校正模型基于各个连线距离进行模型计算并输出梯形校正模型参数之后，进一步直接按照该梯形校正参数控制投影设备上用于输出投影画面的镜头或者该投影设备本身进行相应调整以针对该投影画面在当前时刻发生的梯形畸变进行自动的梯形校正。

本发明相比于传统梯形校正方式，能够直接根据投影画面来确定是否发生梯形畸变，无需投影设备中断投影并输出特定画面，提升了针对投影画面进行梯形校正的智能性，并且，本发明基于预先进行机器学习训练得到的梯形校正模型来确定针对梯形畸变进行校正参数，然后自动控制投影设备按照该校正参数完成对投影画面的梯形校正过程，极大程度上简化了梯形校正的操作，提升了梯形校正效率。

进一步地，基于上述第一实施例，提出本发明投影画面的梯形校正方法的第二实施例，在本实施例中，本发明投影画面的梯形校正方法，还可以包括：

步骤S40，根据预设的连线距离样本数据进行机器学习训练得到所述梯形校正模型，其中，所述连线距离样本数据包括所述投影画面为标准矩形状态下的标准中心点连线距离、所述标准中心点连线距离对应的标准角点连线距离，和所述投影画面梯形畸变状态下的非标准中心点连线距离、所述非标准中心点连线距离对应的非标准角点连线距离。

需要说明的是，在本实施例中，终端设备通过分别在多个投影设备各自输出投影画面呈现标准矩形状态时，采集中心点与固定点位之间的标准中心点连线距离和角点与该固定点位之间的标准角点连线距离，并构建该标准中心点连线距离与该标准角点连线距离之间的对应关系，以及，分别在该多个投影设备各自输出投影画面呈现非标准矩形状态（投影画面发生梯形畸变）时，采集中心点与固定点位之间的非标准中心点连线距离和角点与该固定点位之间的非标准角点连线距离，并构建该非标准中心点连线距离与该非标准角点连线距离之间的对应关系，最后，终端设备将标准中心点连线距离与该标准中心点连线距离对应的标准角点连线距离，和非标准中心点连线距离与该非标准中心点连线距离对应的非标准角点连线距离，一起组建作为连线距离样本数据。

终端设备通过采集标准中心点连线距离、与该标准中心点连线距离对应的标准角点连线距离、非标准中心点连线距离和与该非标准中心点连线距离对应的非标准角点连线距离组建连线距离样本数据，然后利用该连线距离样本数据进行机器学习模型训练得到，能够基于发生梯形畸变的投影画面中，预设点位与投影设备上固定点位之间的连线距离，计算输出针对该梯形畸变进行校正的梯形校正参数的梯形校正模型。

进一步地，在一种可行的实施例中，上述步骤S40中，“根据预设的连线距离样本数据进行机器学习训练得到所述梯形校正模型”的步骤，可以包括：

步骤S401，在所述连线距离样本数据中，将所述标准中心点连线距离、所述标准角点连线距离，和所述非标准中心点连线距离、所述非标准角点连线距离关联形成连线距离样本数据对；

终端设备在利用机器学习训练得到梯形校正模型时，先在采集得到的连线距离样本数据中，依次将标准中心点连线距离、该标准中心点连线距离对应的标准角点连线距离，和非标准中心点连线距离、该非标准中心点连线距离对应的非标准角点连线距离建立关联关系以形成各个连线距离样本数据对。

具体地，例如，终端设备在采集得到的连线距离样本数据当中，依次将标准中心点连线距离O₁’E，该标准中心点连线距离O₁’E对应的标准角点连线距离A₁’E，与非标准中心点连线距离O₁E，该非标准中心点连线距离O₁E对应的非标准角点连线距离A₁E，关联在一起形成连线距离样本数据对1；将标准中心点连线距离O₂’E，该标准中心点连线距离O₂’E对应的标准角点连线距离A₂’E，与非标准中心点连线距离O₂E，该非标准中心点连线距离O₂E对应的非标准角点连线距离A₂E，关联在一起形成连线距离样本数据对2；并依此类推构建得到多个连线距离样本数据对。

步骤S402，将所述连线距离样本数据对输入初始的机器学习模型进行模型训练直至所述机器学习模型收敛；

需要说明的是，在本实施例中，初始的机器学习模型具体可以为任意成熟的神经网络模型、二分类模型等，应当理解的是，基于实际应用的不同设计需要，在不同可行的实施方式当中，终端设备采用的初始的机器学习模型当然可以是不同的，本发明投影画面的梯形校正方法，并不针对该机器学习模型的具体种类进行限定。

终端设备在采集得到的连线距离样本数据中，构建得到多个连线距离样本数据对之后，依次将该连线距离样本数据对输入到预先设定的初始的机器学习模型当中，以令该机器学习模型学习训练将投影画面从非标准中心点连线距离和非标准角点连线距离，进行梯形校正到标准中心点连线距离和标准角点连线距离的过程中，需要控制投影设备进行调整的梯形校正参数，并在该机器学习模型基于该连线距离样本数据对进行机器学习模型训练收敛时，立即将该收敛的机器学习模型，确定成为能够基于发生梯形畸变的投影画面中，预设点位与投影设备上固定点位之间的连线距离，计算输出针对该梯形畸变进行校正的梯形校正参数的梯形校正模型。

需要说明的是，在本实施例中，终端设备可以根据所采用的机器学习模型的具体种类，采取对应成熟的机器学习模型训练方式以利用构建的多个连线距离样本数据对该机器学习模型进行训练，本发明投影画面的梯形校正方法并不针对该机器学习模型训练方式进行具体的限定。

在本实施例中，通过终端设备在利用机器学习训练得到梯形校正模型时，先在采集得到的连线距离样本数据中，依次将标准中心点连线距离、该标准中心点连线距离对应的标准角点连线距离，和非标准中心点连线距离、该非标准中心点连线距离对应的非标准角点连线距离建立关联关系以形成各个连线距离样本数据对，终端设备在采集得到的连线距离样本数据中，构建得到多个连线距离样本数据对之后，依次将该连线距离样本数据对输入到预先设定的初始的机器学习模型当中，以令该机器学习模型学习训练将投影画面从非标准中心点连线距离和非标准角点连线距离，进行梯形校正到标准中心点连线距离和标准角点连线距离的过程中，需要控制投影设备进行调整的梯形校正参数，并在该机器学习模型基于该连线距离样本数据对进行机器学习模型训练收敛时，立即将该收敛的机器学习模型，确定成为能够基于发生梯形畸变的投影画面中，预设点位与投影设备上固定点位之间的连线距离，计算输出针对该梯形畸变进行校正的梯形校正参数的梯形校正模型。

本发明相比于传统的梯形校正方式，基于预先进行机器学习训练得到的梯形校正模型来确定针对梯形畸变进行校正参数，然后自动控制投影设备按照该校正参数完成对投影画面的梯形校正过程，极大程度上简化了梯形校正的操作，提升了梯形校正效率。

进一步地，基于上述第一实施例和第二实施例，提出本发明投影画面的梯形校正方法的第三实施例，在本实施例中，所述梯形校正参数包括：校正方向和校正角度，上述本发明投影画面的梯形校正方法的步骤S30，按照所述梯形校正参数控制投影设备进行针对所述投影画面发生的所述梯形畸变进行梯形校正，可以包括：

步骤S301，在检测到所述校正方向为垂直方向或者竖直方向时，控制所述投影设备向所述垂直方向或者所述竖直方向,旋转所述校正角度；

需要说明的是，在本实施例中，经由梯形校正模型基于各连线距离进行模型计算输出的梯形校正参数当中包括但不限于校正方向和校正角度，且，该校正方向包括垂直方向和/或者竖直方向。

终端设备在将各个连线距离输入到梯形校正模型，从而由该梯形校正模型进行模型计算以输出梯形校正参数之后，终端设备先检测到梯形校正参数当中，针对投影画面进行校正的校正方向是仅有垂直方向还是仅有竖直方向还是即有垂直方向也有竖直方向，从而，在终端设备检测到针对投影画面进行校正的校正方向仅有垂直方向或者仅有竖直方向时，终端设备即立刻控制投影设备输出投影画面的镜头或者该投影设备本身，按照该垂直方向或者竖直方向，对应旋转该梯形校正参数当中的校正角度。

步骤S302，在检测到所述校正方向为垂直方向和竖直方向时，控制所述投影设备向所述垂直方向旋转所述校正角度中的垂直校正角度，和向所述竖直方向旋转所述校正角度中的竖直校正角度。

终端设备在将各个连线距离输入到梯形校正模型，从而由该梯形校正模型进行模型计算以输出梯形校正参数之后，终端设备先检测到梯形校正参数当中，针对投影画面进行校正的校正方向是仅有垂直方向还是仅有竖直方向还是即有垂直方向也有竖直方向，从而，在终端设备检测到针对投影画面进行校正的校正方向既有垂直方向也有竖直方向时，终端设备即立刻控制投影设备输出投影画面的镜头或者该投影设备本身，按照该垂直方向对应旋转该梯形校正参数当中的校正角度所标识的垂直校正角度，并同步或者异步控制投影设备输出投影画面的镜头或者该投影设备本身，按照该竖直方向对应旋转该梯形校正参数当中的校正角度所标识的竖直校正角度。

进一步地，在一种可行的实施例中，在上述步骤S30，按照所述梯形校正参数控制投影设备进行针对所述投影画面发生的所述梯形畸变进行梯形校正之前，本发明投影画面的梯形校正方法，还包括：

步骤A，检测所述校正角度是否超过预设最大可校正角度；

需要说明的是，在本实施例中，预设最大可校正角度为终端设备控制投影设备输出投影画面的镜头或者该投影设备本身，按照垂直方向或者竖直方向所能够旋转的最大旋转角度。

终端设备在将各个连线距离输入到梯形校正模型，从而由该梯形校正模型进行模型计算以输出梯形校正参数之后，首先针对该梯形校正参数当中的校正角度进行检测，即，检测该校正角度中标识的垂直校正角度是否已经超过了终端设备控制投影设备输出投影画面的镜头或者该投影设备本身，按照垂直方向所能够旋转的最大旋转角度，以及检测该校正角度中标识的竖直校正角度是否已经超过了终端设备控制投影设备输出投影画面的镜头或者该投影设备本身，按照竖直直方向所能够旋转的最大旋转角度。

步骤B，若是，则输出预设的手动梯形校正提示；

需要说明的是，在本实施例中，手动梯形校正提示可以为终端设备面向用户输出以提示用户手动针对投影设备输出投影画面的镜头或者该投影设备本身进行调整的文本或者语音，应当理解的是，基于实际应用的不同设计需要，在不同可行的实施方式当中，该手动梯形校正提示当然可以被设计成为不同的内容以用于提示用户手动调整投影设备输出投影画面的镜头或者该投影设备本身，本发明投影画面的梯形校正方法并不针对该手动梯形校正提示的具体内容进行限定。

终端设备在针对梯形校正参数当中的校正角度进行检测，从而检测到测该校正角度中标识的垂直校正角度已经超过了终端设备控制投影设备输出投影画面的镜头或者该投影设备本身，按照垂直方向所能够旋转的最大旋转角度，或者检测到该校正角度中标识的竖直校正角度已经超过了终端设备控制投影设备输出投影画面的镜头或者该投影设备本身，按照竖直直方向所能够旋转的最大旋转角度，则，终端设备立即通过前端屏幕或者扬声器输出手动梯形校正提示，以提示用户自主的手动针对投影设备输出投影画面的镜头或者该投影设备本身进行调整。

步骤C，若否，则执行所述按照所述梯形校正参数控制投影设备进行针对所述投影画面发生的所述梯形畸变进行梯形校正的步骤。

终端设备在针对梯形校正参数当中的校正角度进行检测，从而检测到测该校正角度中标识的垂直校正角度没有超过终端设备控制投影设备输出投影画面的镜头或者该投影设备本身，按照垂直方向所能够旋转的最大旋转角度，并且，检测到该校正角度中标识的竖直校正角度也没有超过终端设备控制投影设备输出投影画面的镜头或者该投影设备本身，按照竖直直方向所能够旋转的最大旋转角度，则，终端设备开始执行上述步骤S301和步骤S302所记载的技术操作。

进一步地，本发明还提供一种投影画面的梯形校正装置。请参照图5，图5为本发明投影画面的梯形校正装置一实施例的功能模块示意图。如图5所示，本发明投影画面的梯形校正装置包括：

确定模块10，用于采集投影画面中各预设点位与投影设备之间的连线距离，并根据各所述连线距离确定所述投影画面是否发生梯形畸变；

模型计算模块20，用于在确定所述投影画面发生所述梯形畸变时，将各所述连线距离输入预设的梯形校正模型中，以供所述梯形校正模型根据各所述连线距离进行模型计算后输出梯形校正参数；

梯形校正模块30，用于按照所述梯形校正参数控制投影设备进行针对所述投影画面发生的所述梯形畸变进行梯形校正。

进一步地，本发明投影画面的梯形校正装置，还包括：

模型训练模块，用于根据预设的连线距离样本数据进行机器学习训练得到所述梯形校正模型，其中，所述连线距离样本数据包括所述投影画面为标准矩形状态下的标准中心点连线距离、所述标准中心点连线距离对应的标准角点连线距离，和所述投影画面梯形畸变状态下的非标准中心点连线距离、所述非标准中心点连线距离对应的非标准角点连线距离。

进一步地，模型训练模块，包括：

样本数据处理单元，用于在所述连线距离样本数据中，将所述标准中心点连线距离、所述标准角点连线距离，和所述非标准中心点连线距离、所述非标准角点连线距离关联形成连线距离样本数据对；

模型训练单元，用于将所述连线距离样本数据对输入初始的机器学习模型进行模型训练直至所述机器学习模型收敛；

第一确定单元，用于将训练收敛的所述机器学习模型确定为所述梯形校正模型。

进一步地，所述预设点位包括：所述投影画面的中心点和角点，确定模块10，包括：

采集单元，用于检测所述投影画面中的所述中心点和所述角点，并采集所述中心点与所述投影设备之间的第一连线距离，和所述角点与所述投影设备之间的第二连线距离；

第二确定单元，用于根据所述第一连线距离确定预设标准第二连线距离，其中，所述预设标准第二连线距离为所述投影画面为标准矩形状态下，所述角点与所述投影设备之间的连线距离；

第三确定单元，用于在检测到所述第二连线距离与所述预设标准第二连线距离相同时，确定所述投影画面未发生梯形畸变；

第四确定单元，用于在检测到所述第二连线距离与所述预设标准第二连线距离不相同时，确定所述投影画面发生梯形畸变。

进一步地，第二确定单元，包括：

检测子单元，用于检测所述第一连线距离与初始第一连线距离之间的距离比值，其中，所述初始第一连线距离为所述投影画面为标准矩形状态下，所述中心点与所述投影设备之间的连线距离；

计算子单元，用于按照所述距离比值针对所述初始第一连线距离对应的初始第二连线距离进行计算得到所述预设标准第二连线距离。

进一步地，所述梯形校正参数包括：校正方向和校正角度，梯形校正模块30，包括：

第一校正控制单元，用于在检测到所述校正方向为垂直方向或者竖直方向时，控制所述投影设备向所述垂直方向或者所述竖直方向,旋转所述校正角度；或者，

第二校正控制单元，用于在检测到所述校正方向为垂直方向和竖直方向时，控制所述投影设备向所述垂直方向旋转所述校正角度中的垂直校正角度，和向所述竖直方向旋转所述校正角度中的竖直校正角度。

进一步地，本发明投影画面的梯形校正装置，还包括：

校正角度检测模块，用于检测所述校正角度是否超过预设最大可校正角度；

输出模块，用于输出预设的手动梯形校正提示；

执行模块，用于执行所述按照所述梯形校正参数控制投影设备进行针对所述投影画面发生的所述梯形畸变进行梯形校正的步骤。

其中，上述投影画面的梯形校正装置中各个模块的功能实现与上述投影画面的梯形校正方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。

本发明还提供一种计算机存储介质，该计算机存储介质上存储有投影画面的梯形校正程序，所述投影画面的梯形校正程序被处理器执行时实现如以上任一项实施例所述的投影画面的梯形校正方法的步骤。

本发明计算机存储介质的具体实施例与上述投影画面的梯形校正方法各实施例基本相同，在此不作赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种投影画面的梯形校正方法，其特征在于，所述投影画面的梯形校正方法包括：

采集投影画面中各预设点位与投影设备之间的连线距离，并根据各所述连线距离确定所述投影画面是否发生梯形畸变；

在确定所述投影画面发生所述梯形畸变时，将各所述连线距离输入预设的梯形校正模型中，以供所述梯形校正模型根据各所述连线距离进行模型计算后输出梯形校正参数；

按照所述梯形校正参数控制投影设备进行针对所述投影画面发生的所述梯形畸变进行梯形校正。

2.如权利要求1所述的投影画面的梯形校正方法，其特征在于，所述投影画面的梯形校正方法，还包括：

根据预设的连线距离样本数据进行机器学习训练得到所述梯形校正模型，其中，所述连线距离样本数据包括所述投影画面为标准矩形状态下的标准中心点连线距离、所述标准中心点连线距离对应的标准角点连线距离，和所述投影画面梯形畸变状态下的非标准中心点连线距离、所述非标准中心点连线距离对应的非标准角点连线距离。

3.如权利要求2所述的投影画面的梯形校正方法，其特征在于，所述根据预设的连线距离样本数据进行机器学习训练得到所述梯形校正模型的步骤，包括：

在所述连线距离样本数据中，将所述标准中心点连线距离、所述标准角点连线距离，和所述非标准中心点连线距离、所述非标准角点连线距离关联形成连线距离样本数据对；

将所述连线距离样本数据对输入初始的机器学习模型进行模型训练直至所述机器学习模型收敛；

将训练收敛的所述机器学习模型确定为所述梯形校正模型。

4.如权利要求1所述的投影画面的梯形校正方法，其特征在于，所述预设点位包括：所述投影画面的中心点和角点，所述采集投影画面中各预设点位与投影设备之间的连线距离，并根据各所述连线距离确定所述投影画面是否发生梯形畸变的步骤，包括：

检测所述投影画面中的所述中心点和所述角点，并采集所述中心点与所述投影设备之间的第一连线距离，和所述角点与所述投影设备之间的第二连线距离；

根据所述第一连线距离确定预设标准第二连线距离，其中，所述预设标准第二连线距离为所述投影画面为标准矩形状态下，所述角点与所述投影设备之间的连线距离；

在检测到所述第二连线距离与所述预设标准第二连线距离相同时，确定所述投影画面未发生梯形畸变；或者，

在检测到所述第二连线距离与所述预设标准第二连线距离不相同时，确定所述投影画面发生梯形畸变。

5.如权利要求4所述的投影画面的梯形校正方法，其特征在于，所述根据所述第一连线距离确定预设标准第二连线距离的步骤，包括：

检测所述第一连线距离与初始第一连线距离之间的距离比值，其中，所述初始第一连线距离为所述投影画面为标准矩形状态下，所述中心点与所述投影设备之间的连线距离；

按照所述距离比值针对所述初始第一连线距离对应的初始第二连线距离进行计算得到所述预设标准第二连线距离。

6.如权利要求1所述的投影画面的梯形校正方法，其特征在于，所述梯形校正参数包括：校正方向和校正角度，所述按照所述梯形校正参数控制投影设备进行针对所述投影画面发生的所述梯形畸变进行梯形校正的步骤，包括：

在检测到所述校正方向为垂直方向或者竖直方向时，控制所述投影设备向所述垂直方向或者所述竖直方向,旋转所述校正角度；或者，

在检测到所述校正方向为垂直方向和竖直方向时，控制所述投影设备向所述垂直方向旋转所述校正角度中的垂直校正角度，和向所述竖直方向旋转所述校正角度中的竖直校正角度。

7.如权利要求6所述的投影画面的梯形校正方法，其特征在于，在所述按照所述梯形校正参数控制投影设备进行针对所述投影画面发生的所述梯形畸变进行梯形校正的步骤之前，还包括：

检测所述校正角度是否超过预设最大可校正角度；

若是，则输出预设的手动梯形校正提示；

若否，则执行所述按照所述梯形校正参数控制投影设备进行针对所述投影画面发生的所述梯形畸变进行梯形校正的步骤。

8.一种投影画面的梯形校正装置，其特征在于，所述投影画面的梯形校正装置包括：

确定模块，用于采集投影画面中各预设点位与投影设备之间的连线距离，并根据各所述连线距离确定所述投影画面是否发生梯形畸变；

模型计算模块，用于在确定所述投影画面发生所述梯形畸变时，将各所述连线距离输入预设的梯形校正模型中，以供所述梯形校正模型根据各所述连线距离进行模型计算后输出梯形校正参数；

梯形校正模块，用于按照所述梯形校正参数控制投影设备进行针对所述投影画面发生的所述梯形畸变进行梯形校正。

9.一种投影设备，其特征在于，所述投影设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的投影画面的梯形校正程序，所述投影画面的梯形校正程序被所述处理器执行时实现如权利要求1至7中任一项所述的投影画面的梯形校正方法的步骤。

10.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有投影画面的梯形校正程序，所述投影画面的梯形校正程序被处理器执行时实现如权利要求1至7中任一项所述的投影画面的梯形校正方法的步骤。

Images