CN113689493A - 镜头附着物检测方法、装置、电子设备和存储介质 - Google Patents
镜头附着物检测方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113689493A CN113689493A CN202010418103.5A CN202010418103A CN113689493A CN 113689493 A CN113689493 A CN 113689493A CN 202010418103 A CN202010418103 A CN 202010418103A CN 113689493 A CN113689493 A CN 113689493A
- Authority
- CN
- China
- Prior art keywords
- camera
- similarity
- sub
- areas
- video image
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30268—Vehicle interior
Abstract
本申请提出了一种镜头附着物检测方法、装置、电子设备和存储介质,其中,上述方法包括:获取第一摄像头拍摄的一张或多张第一视频图像及第二摄像头拍摄的对应的第二视频图像;在所述第一视频图像与所述第二视频图像中,根据预置图像坐标映射关系,得到每一张所述第一视频图像与所述第二视频图像之间的重叠区域;计算所述重叠区域的相似度,根据所述重叠区域的相似度确定所述第一摄像头及所述第二摄像头上是否存在镜头附着物。本申请可以有效提高移动设备相机上镜头附着物的检出效率以及镜头附着物检测的鲁棒性。
Description
【技术领域】
本申请涉及信息技术领域,尤其涉及一种镜头附着物检测方法、装置、电子设备和存储介质。
【背景技术】
目前,在车辆自动驾驶方案中,需要利用车载相机来感知汽车的周围环境;但在实际使用过程中,车载相机的镜头容易被泥土、雨水或树叶等遮挡,导致视频感知功能失效。因此,车载相机的镜头脏污检测对自动驾驶至关重要。
镜头脏污检测目前大致有两种方案:一种是基于传统图像的处理方法,该方法通过统计单帧图像亮度不变及弱纹理等特征集聚区域,并使用多帧投票的方式,判别图像中的区域是否有脏污,由此确定镜头是否脏污。另一种是通过深度学习的方式直接对图像进行检测及分类,得到初始脏污区域,然后再通过多帧投票的方式,确定镜头是否脏污。
然而,以上两种方式都存在以下缺点:无法区分画面中对比度低或模糊区域(例如,路面、天空、桥梁顶部或夜晚的路边树丛等场景),这些区域很容易被误检为镜头污渍。因此现有的镜头脏污检测方法不鲁棒,容易受对比度低画面的干扰,由此导致误检率较高。
【发明内容】
有鉴于此,本申请实施例提供了一种镜头附着物检测方法、装置、电子设备及存储介质,通过双目图像互校验的方式确定是否存在镜头附着物,由此可以提高镜头附着物检测的鲁棒性及镜头附着物的检出效率。
第一方面,本申请实施例提供一种镜头附着物检测方法,应用于移动相机,所述移动相机包括至少两个摄像头,包括:
获取第一摄像头拍摄的一张或多张第一视频图像及第二摄像头拍摄的对应的第二视频图像;其中,所述第一视频图像与所述第二视频图像为同一时刻拍摄的视频图像;
在所述第一视频图像与所述第二视频图像中,根据预置图像坐标映射关系,得到每一张所述第一视频图像与所述第二视频图像之间的重叠区域,其中,所述图像坐标映射关系用于表征所述第一摄像头中的图像坐标与所述第二摄像头中的图像坐标的映射关系;
计算所述重叠区域的相似度,根据所述重叠区域的相似度确定所述第一摄像头及所述第二摄像头上是否存在镜头附着物。
第二方面,本申请实施例提供一种镜头附着物检测装置,包括:
获取模块,用于获取第一摄像头拍摄的一张或多张第一视频图像及第二摄像头拍摄的对应的第二视频图像;其中,所述第一视频图像与所述第二视频图像为同一时刻拍摄的视频图像;
计算模块,用于在所述第一视频图像与所述第二视频图像中,根据预置图像坐标映射关系,得到每一张所述第一视频图像与所述第二视频图像之间的重叠区域,其中,所述图像坐标映射关系用于表征所述第一摄像头中的图像坐标与所述第二摄像头中的图像坐标的映射关系;
检测模块,用于计算所述重叠区域的相似度,根据所述重叠区域的相似度确定所述第一摄像头及所述第二摄像头上是否存在镜头附着物。
第三方面,本申请实施例提供一种电子设备,包括:至少一个处理器;以及与所述处理器通信连接的至少一个存储器,其中:所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如上第一方面所述的方法。
第四方面,本申请实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如上第一方面所述的方法。
【附图说明】
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本申请实施例提供的镜头附着物检测方法的应用场景示意图;
图2为本申请提供的镜头附着物检测方法一个实施例的流程图;
图3为本申请实施例提供的视频图像对应关系示意图;
图4为本申请实施例提供的重叠区域示意图;
图5为本申请实施例提供的重叠区域分割示意图;
图6为本申请提供的镜头附着物检测装置一个实施例的结构示意图;
图7为本申请电子设备的一个实施例的结构示意图。
【具体实施方式】
为了更好的理解本申请的技术方案,下面结合附图对本申请实施例进行详细描述。
应当明确,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
图1是本申请实施例提供的移动相机的镜头附着物检测方法所适用的场景示意图。
参考图1,镜头附着物检测方法所适用的可以是设置有移动相机的车辆。例如,图1中所示的车辆11的前车盖上设置有车载相机12,且该车载相机12上至少有两个摄像头(如图1中所示的摄像头121和摄像头122),即该车载相机12是双目相机或者多目相机。在车辆行驶过程中,通过该车载相机12上的摄像头121和摄像头122可以拍摄周围环境的视频,用以采集路况信息。由于该车载相机12设置在车辆的外部,所以在车辆行驶过程中,车载相机12的摄像头容易附着一些镜头附着物(例如、树叶、泥土或者雨水等污渍),从而影响车载相机拍摄的视频图像的清晰度。而通过本申请实施例提供的镜头附着物检测方法可以有效检测到车载相机的摄像头上是否存在镜头附着物,进而在确定车载相机上存在镜头附着物后,可以向用户发出提示信息,以提醒用户及时清洗脏污,保证行车安全。
需要说明的是,图1仅是示意图,车辆上的车载相机的具体安装位置、摄像头的数目(至少两个)及位置都不限于图1中所示的数目和位置。该移动相机也可以设置于飞行器上,例如,无人机,即本申请实施例提供的镜头附着物检测方法也适用于机载相机的检测。此外,本申请实施例提供的镜头附着物检测方法也适用于其它移动交通工具,本申请实施例对此不作限定。
图2为本申请镜头附着物检测方法一个实施例的流程图,如图2所示,上述镜头附着物检测方法可以包括:
步骤101,获取第一摄像头拍摄的一张或多张第一视频图像及第二摄像头拍摄的对应的第二视频图像;其中,该第一视频图像与该第二视频图像为同一时刻拍摄的视频图像。
具体地,该镜头附着物检测方法可以应用于移动相机,该移动相机可以包括至少两个摄像头;其中,该移动相机可以是车辆上的车载相机,该移动相机也可以是无人机上的机载相机,该移动相机也可以是其它移动交通工具上的相机,本申请实施例对此不作限定。为说明方便,下文仅以车载相机为例进行说明。
当车辆启动之后,车载相机可以通过摄像头获取周围环境的视频信息,该视频信息可以包括摄像头拍摄到的每一帧图像。其中,每一个摄像头都可以拍摄视频信息,由于每一个摄像头在车载相机中的位置和角度有所不同,因此,每一个摄像头获取的视频信息都可以不同。
在具体实现时,首先可以获取车载相机中任意一个摄像头拍摄到的一张或多张视频图像,即可以获取第一摄像头的第一视频图像;其中,该第一视频图像可以是该第一摄像头拍摄到的视频信息中的任意的一帧或多帧图像,也可以是连续的多帧图像,本申请实施例对此不作限定。
当获取到该第一摄像头的第一视频图像后,还可以获取该车载相机上另一个摄像头拍摄的视频图像,即第二摄像头的第二视频图像;其中,该第二视频图像与第一视频图像对应,例如,该第一视频图像中的一帧图像与第二视频图像中的一帧图像可以是在同一时刻拍摄获得;进一步地,在拍摄过程中,该第一摄像头的拍摄参数和第二摄像头的拍摄参数可以相同,其中,该拍摄参数可以包括焦点、曝光时间和感光度。示例性的,可以先从第一摄像头中获取拍摄的视频中的第1帧图像,然后从第二摄像头中获取同一时刻拍摄的视频中的第1帧图像;也可以先从第一摄像头中获取拍摄的视频中的第3帧图像,然后从第二摄像头中获取同一时刻拍摄的视频中的第3帧图像;由此可以得到两个摄像头同一时刻拍摄的视频中的相对应的视频帧图像,如图3所示。
步骤102,在第一视频图像与第二视频图像中,根据预置图像坐标映射关系,得到每一张第一视频图像与第二视频图像之间的重叠区域,其中,该图像坐标映射关系用于表征第一摄像头中的图像坐标与第二摄像头中的图像坐标的映射关系。
具体地,当获取到第一视频图像和第二视频图像后,还可以获取该第一视频图像与该第二视频图像之间的重叠区域。由于该第一摄像头与该第二摄像头都可以位于同一个车载相机,因此该第一摄像头的取景范围和第二摄像头的取景范围通常会有部分重叠,而该部分重叠的取景范围可以根据车载相机的标定信息确定;其中,该车载相机的标定过程可以包括从世界坐标系到图像坐标系的转换过程,该转换过程涉及到三种坐标系,分别为世界坐标系(world coordinate system)、相机坐标系(camera coordinate system)以及图像坐标系(image coordinate system);首先可以将世界坐标系转换为相机坐标系,然后可以将相机坐标系转换为图像坐标系,由此可以将周围环境的三维信息转换为平面图像的二维信息。
需要说明的是,上述车载相机标定的具体实现过程可以采用现有的相机标定方法实现,在此不再赘述。而车载相机确定之后,该车载相机的标定参数也可以随之确定,即三维信息转换成二维信息的映射关系就可以确定。
在具体实现时,由于该车载相机可以具有至少两个摄像头,因此每个摄像头在经过标定后都可以包含各自的图像坐标系,而通过对任意两个摄像头的图像坐标进行平移,可以得到两个摄像头之间的图像的映射关系,进而可以得到两个图像之间的重叠区域;如图4所示,第一图像区域410为第一摄像头121拍摄的第一视频图像的显示区域,该第一图像区域410位于第一摄像头121的坐标系中,第二图像区域420为第二摄像头122拍摄的第二视频图像的显示区域,该第二图像区域420位于第二摄像头122的坐标系中,其中,重叠区域430为第一视频图像和第二视频图像的显示区域的重叠部分。由于该重叠部分分别位于不同的坐标系中,因此可以通过坐标系的平移获得第一视频图像坐标和第二视频图像坐标之间的映射关系;示例性的,假设重叠部分在第一摄像头坐标系的范围是A(4,4)至B(8,0),其中,A(4,4)为左上角A点的XY轴平面坐标,B(8,0)为右下角B点的XY轴平面坐标,而重叠部分在第二摄像头坐标系的范围是C(0,4)至D(4,0),则可以根据上述坐标范围得到平移关系,例如,在上述坐标系中,将第二摄像头坐标系沿X轴负值方向平移4,则可以将两个坐标系对齐。
需要说明的是,车载相机确定之后,由于该车载相机中摄像头的位置是固定的,因此任意两个摄像头之间的映射关系经过标定之后,可以计算出任意两个摄像头坐标系之间的映射关系以及重叠范围,并可以将该映射关系及重叠范围预先存储起来。
进一步地,当在检测过程中获取到第一视频图像和第二视频图像后,可以根据预先存储的映射关系及重叠范围确定重叠区域;示例性的,假设首先获取到第一摄像头的一张第一视频图像,根据预置的重叠范围对应的坐标位置可以得到该第一视频图像的重叠范围,然后根据预置的映射关系可以得到对应的第二摄像头的第二视频图像的重叠范围的坐标位置,而该第一视频图像中的重叠范围和该第二视频图像中的重叠范围即为两个摄像头的重叠区域。
步骤103,计算重叠区域的相似度,根据重叠区域的相似度确定第一摄像头及第二摄像头上是否存在镜头附着物。
具体地,当确定两个摄像头的重叠区域后,可以进一步计算两个摄像头对应的重叠区域的相似度,由此可以确定第一摄像头及第二摄像头上是否存在镜头附着物。
需要说明的是,通过相似度的比较,可以确定该两个摄像头上是否存在镜头附着物。
在具体实现时,可以任意获取一张第一视频图像和对应的一张第二视频图像,然后可以将两张视频图像的重叠区域进行相似度比较;其中,相似度比较可以通过结构相似性度量(structural similarity index,以下简称SSIM)、余弦相似度算法、基于直方图算法以及基于互信息(Mutual Information)算法等实现;示例性的,SSIM可以通过分别从亮度、对比度、结构三个方面来度量两张图像的相似度,SSIM取值范围[0,1],数值越大,表示两张图像之间相似度越高;而余弦相似度算法是将图像表示成一个向量,通过计算向量之间的余弦距离来表征两张图像之间的相似度;基于互信息算法是通过计算两张图片的互信息来表征他们之间的相似度。若两张视频图像的重叠区域的相似度小于预置的相似度阈值,则可以认为第一摄像头和第二摄像头上存在镜头附着物。
应理解,上述各种相似度算法的具体算法均为现有算法,在此不再详细描述计算过程。在本实施例中,可以采用上述任一种相似度算法或者结合其中两种或两种以上的相似度算法来确定两张视频图像的重叠区域的相似度。
可选地,在计算重叠区域的相似度之前,还可以对该重叠区域进行分割,并可以分别计算每个分割块的相似度;在具体实现时,如图5所示,可以将该重叠区域分割成N块,其中,N的数目可以预先设置,由此可以得到N个子区域,每个子区域的大小可以相同,例如,每个子区域的大小都可以是M*M;然后可以分别计算每个子区域的相似度,并可以将该每个子区域的相似度与预置的相似度阈值进行比较,接着可以将小于该相似度阈值的子区域记录下来,当该重叠区域中所有的子区域比较完成后,可以统计小于该相似度阈值的子区域的总数,若该总数大于预置的阈值,则可以认为第一摄像头和第二摄像头上存在镜头附着物。
可选地,在计算重叠区域的相似度之前,还可以获取多张第一视频图像及对应的第二视频图像,并可以分别计算每一张视频图像对应的重叠区域中的相似度;在具体实现时,可以依次将每张视频图像的重叠区域进行分割,由此得到大小相同的多个子区域,计算每个子区域的相似度,并可以将该子区域的相似度与预置的相似度阈值进行比较,若该子区域的相似度小于预置的相似度阈值,则可以将该子区域标识为脏污区域,并累计脏污区域的个数,当所有视频图像的重叠区域都比较完成后,可以统计脏污区域的总数,若该脏污区域的总数大于预置脏污区域阈值,则可以认为第一摄像头和第二摄像头上存在镜头附着物。
进一步地,在确定摄像头上存在镜头附着物后,还可以发出告警信息,该告警信息可以用于通知用户车载相机的镜头上存在附着物,需要进行清理;示例性的,该告警信息可以发送至车载终端,并可以显示在车载终端的显示界面上,用以通知用户。
图6为本申请镜头附着物检测装置一个实施例的结构示意图,本实施例中的镜头附着物检测装置60可以单独作为电子设备,或者电子设备的一部分。
如图6所示,上述镜头附着物检测装置60可以包括:获取模块61、计算模块62和检测模块63;
获取模块61,用于获取第一摄像头拍摄的一张或多张第一视频图像及第二摄像头拍摄的对应的第二视频图像;其中,第一视频图像与第二视频图像为同一时刻拍摄的视频图像;
计算模块62,用于在第一视频图像与第二视频图像中,根据预置图像坐标映射关系,得到每一张第一视频图像与第二视频图像之间的重叠区域,其中,图像坐标映射关系用于表征第一摄像头中的图像坐标与第二摄像头中的图像坐标的映射关系;
检测模块63,用于计算重叠区域的相似度,根据重叠区域的相似度确定第一摄像头及第二摄像头上是否存在镜头附着物。
在一种可能的实现方式中,上述检测模块63还可以用于将重叠区域划分成多个子区域,计算每个子区域的相似度。
在一种可能的实现方式中,上述检测模块63可以包括:比较单元631及检测单元632;
比较单元631,用于获取任意一张所述第一视频图像与所述第二视频图像的重叠区域,依次将所述重叠区域中每个所述子区域的相似度与预置第一阈值进行比较;若所述子区域的相似度小于所述预置第一阈值,将所述子区域标识为脏污区域;
检测单元632,用于当所述重叠区域中所有子区域都比较完成后,统计所述脏污区域的个数,若所述脏污区域个数大于预置第二阈值,确定所述第一摄像头及所述第二摄像头上存在镜头附着物。
在一种可能的实现方式中,上述检测模块63可以包括:比较单元633及检测单元634;
比较单元633,用于获取目标时间段内的多张所述第一视频图像与所述第二视频图像的重叠区域,依次将所述重叠区域中每个所述子区域的相似度与预置第一阈值进行比较;若所述子区域的相似度小于所述预置第一阈值,将所述子区域标识为脏污区域;
检测单元634,用于当所有重叠区域中所有子区域都比较完成后,统计所述脏污区域的个数,若所述脏污区域个数大于预置第二阈值,确定所述第一摄像头及所述第二摄像头上存在镜头附着物。
在一种可能的实现方式中,上述装置60还可以包括:告警模块64;
告警模块64,用于若确定所述第一摄像头及所述第二摄像头上存在镜头附着物,发送告警信息。
图6所示实施例提供的镜头附着物检测装置可用于执行本申请图1-图5所示方法实施例的技术方案,其实现原理和技术效果可以进一步参考方法实施例中的相关描述。
应理解以上图6所示的镜头附着物检测装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块以软件通过处理元件调用的形式实现,部分模块通过硬件的形式实现。例如,模块可以为单独设立的处理元件,也可以集成在电子设备的某一个芯片中实现。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit;以下简称:ASIC),或,一个或多个微处理器(Digital Singnal Processor;以下简称:DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array;以下简称:FPGA)等。再如,这些模块可以集成在一起,以片上系统(System-On-a-Chip;以下简称:SOC)的形式实现。
图7为本申请电子设备700一个实施例的结构示意图,上述电子设备可以包括:至少一个处理器;以及与上述处理器通信连接的至少一个存储器,其中:上述存储器存储有可被上述处理器执行的程序指令,处理器调用上述程序指令能够执行本申请图1-图5所示实施例提供的镜头附着物检测方法。
其中,上述电子设备可以为移动相机,例如:车载相机或机载相机。
图7示出了适用于实现本申请实施方式的示例性电子设备700的框图。图7显示的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示,电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于:一个或者多个处理器710,存储器720,连接不同系统组件(包括存储器720和处理器710)的通信总线740。
通信总线740表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture;以下简称:ISA)总线,微通道体系结构(Micro Channel Architecture;以下简称:MAC)总线,增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation;以下简称:VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection;以下简称:PCI)总线。
电子设备典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器720可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(Random Access Memory;以下简称:RAM)和/或高速缓存存储器。电子设备可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。尽管图7中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如:光盘只读存储器(Compact Disc Read Only Memory;以下简称:CD-ROM)、数字多功能只读光盘(Digital Video Disc Read Only Memory;以下简称:DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与通信总线740相连。存储器720可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块的程序/实用工具,可以存储在存储器720中,这样的程序模块包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块通常执行本申请所描述的实施例中的功能和/或方法。
电子设备也可以与一个或多个外部设备(例如键盘、指向设备、显示器等)通信,还可与一个或者多个使得用户能与该电子设备交互的设备通信,和/或与使得该电子设备能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过通信接口730进行。并且,电子设备还可以通过网络适配器(图7中未示出)与一个或者多个网络(例如局域网(Local Area Network;以下简称:LAN),广域网(Wide AreaNetwork;以下简称:WAN)和/或公共网络,例如因特网)通信,上述网络适配器可以通过通信总线740与电子设备的其它模块通信。应当明白,尽管图7中未示出,可以结合电子设备使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Drives;以下简称:RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器710通过运行存储在存储器720中的程序,从而执行各种功能应用以及数据处理,例如实现本申请实施例提供的镜头附着物检测方法。
本申请实施例还提供一种非暂态计算机可读存储介质,上述非暂态计算机可读存储介质存储计算机指令,上述计算机指令使上述计算机执行本申请实施例提供的镜头附着物检测方法。
上述非暂态计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(Read Only Memory;以下简称:ROM)、可擦式可编程只读存储器(Erasable ProgrammableRead Only Memory;以下简称:EPROM)或闪存、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LocalArea Network;以下简称:LAN)或广域网(Wide Area Network;以下简称:WAN)连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机装置(可以是个人计算机,服务器,或者网络装置等)或处理器(Processor)执行本申请各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory;以下简称:ROM)、随机存取存储器(Random Access Memory;以下简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
Claims (12)
1.一种镜头附着物检测方法,应用于移动相机,所述移动相机包括至少两个摄像头,其特征在于,包括:
获取第一摄像头拍摄的一张或多张第一视频图像及第二摄像头拍摄的对应的第二视频图像;其中,所述第一视频图像与所述第二视频图像为同一时刻拍摄的视频图像;
在所述第一视频图像与所述第二视频图像中,根据预置图像坐标映射关系,得到每一张所述第一视频图像与所述第二视频图像之间的重叠区域,其中,所述图像坐标映射关系用于表征所述第一摄像头中的图像坐标与所述第二摄像头中的图像坐标的映射关系;
计算所述重叠区域的相似度,根据所述重叠区域的相似度确定所述第一摄像头及所述第二摄像头上是否存在镜头附着物。
2.根据权利要求1所述的方法,其特征在于,所述计算所述重叠区域的相似度包括:
将所述重叠区域划分成多个子区域,计算每个所述子区域的相似度。
3.根据权利要求2所述的方法,其特征在于,所述根据所述重叠区域的相似度确定所述第一摄像头及所述第二摄像头上是否存在镜头附着物包括:
获取任意一张所述第一视频图像与所述第二视频图像的重叠区域,依次将所述重叠区域中每个所述子区域的相似度与预置第一阈值进行比较;
若所述子区域的相似度小于所述预置第一阈值,将所述子区域标识为脏污区域;
当所述重叠区域中所有子区域都比较完成后,统计所述脏污区域的个数,若所述脏污区域个数大于预置第二阈值,确定所述第一摄像头及所述第二摄像头上存在镜头附着物。
4.根据权利要求2所述的方法,其特征在于,所述根据所述重叠区域的相似度确定所述第一摄像头及所述第二摄像头上是否存在镜头附着物包括:
获取目标时间段内的多张所述第一视频图像与所述第二视频图像的重叠区域,依次将所述重叠区域中每个所述子区域的相似度与预置第一阈值进行比较;
若所述子区域的相似度小于所述预置第一阈值,将所述子区域标识为脏污区域;
当所有重叠区域中所有子区域都比较完成后,统计所述脏污区域的个数,若所述脏污区域个数大于预置第二阈值,确定所述第一摄像头及所述第二摄像头上存在镜头附着物。
5.根据权利要求1所述的方法,其特征在于,所述根据所述重叠区域的相似度确定所述第一摄像头及所述第二摄像头上是否存在镜头附着物之后,还包括:
若确定所述第一摄像头及所述第二摄像头上存在镜头附着物,发送告警信息。
6.一种镜头附着物检测装置,其特征在于,包括:
获取模块,用于获取第一摄像头拍摄的一张或多张第一视频图像及第二摄像头拍摄的对应的第二视频图像;其中,所述第一视频图像与所述第二视频图像为同一时刻拍摄的视频图像;
计算模块,用于在所述第一视频图像与所述第二视频图像中,根据预置图像坐标映射关系,得到每一张所述第一视频图像与所述第二视频图像之间的重叠区域,其中,所述图像坐标映射关系用于表征所述第一摄像头中的图像坐标与所述第二摄像头中的图像坐标的映射关系;
检测模块,用于计算所述重叠区域的相似度,根据所述重叠区域的相似度确定所述第一摄像头及所述第二摄像头上是否存在镜头附着物。
7.根据权利要求6所述的装置,其特征在于,所述检测模块还用于将所述重叠区域划分成多个子区域,计算每个所述子区域的相似度。
8.根据权利要求7所述的装置,其特征在于,所述检测模块包括:
比较单元,用于获取任意一张所述第一视频图像与所述第二视频图像的重叠区域,依次将所述重叠区域中每个所述子区域的相似度与预置第一阈值进行比较;若所述子区域的相似度小于所述预置第一阈值,将所述子区域标识为脏污区域;
检测单元,用于当所述重叠区域中所有子区域都比较完成后,统计所述脏污区域的个数,若所述脏污区域个数大于预置第二阈值,确定所述第一摄像头及所述第二摄像头上存在镜头附着物。
9.根据权利要求7所述的装置,其特征在于,所述检测模块包括:
比较单元,用于获取目标时间段内的多张所述第一视频图像与所述第二视频图像的重叠区域,依次将所述重叠区域中每个所述子区域的相似度与预置第一阈值进行比较;若所述子区域的相似度小于所述预置第一阈值,将所述子区域标识为脏污区域;
检测单元,用于当所有重叠区域中所有子区域都比较完成后,统计所述脏污区域的个数,若所述脏污区域个数大于预置第二阈值,确定所述第一摄像头及所述第二摄像头上存在镜头附着物。
10.根据权利要求6所述的装置,其特征在于,所述装置还包括:
告警模块,用于若确定所述第一摄像头及所述第二摄像头上存在镜头附着物,发送告警信息。
11.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1至5任一所述的方法。
12.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至5任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010418103.5A CN113689493A (zh) | 2020-05-18 | 2020-05-18 | 镜头附着物检测方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010418103.5A CN113689493A (zh) | 2020-05-18 | 2020-05-18 | 镜头附着物检测方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113689493A true CN113689493A (zh) | 2021-11-23 |
Family
ID=78575703
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010418103.5A Pending CN113689493A (zh) | 2020-05-18 | 2020-05-18 | 镜头附着物检测方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113689493A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114170226A (zh) * | 2022-01-24 | 2022-03-11 | 谱为科技(常州)有限公司 | 基于图像增强和卷积神经网络的布草检测方法、装置 |
CN114441543A (zh) * | 2022-02-22 | 2022-05-06 | 江苏新亚勘测设计有限公司 | 一种建筑物状态的实时监测装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106231297A (zh) * | 2016-08-29 | 2016-12-14 | 深圳天珑无线科技有限公司 | 摄像头的检测方法及装置 |
CN106575366A (zh) * | 2014-07-04 | 2017-04-19 | 光实验室股份有限公司 | 关于检测和/或指示脏镜头状况的方法和装置 |
CN106791804A (zh) * | 2016-11-23 | 2017-05-31 | 歌尔股份有限公司 | 用于摄像头模组的污点检测方法及装置 |
JP2018142756A (ja) * | 2017-02-24 | 2018-09-13 | 京セラ株式会社 | カメラ装置、検出装置、検出システムおよび移動体 |
CN110572636A (zh) * | 2019-07-23 | 2019-12-13 | RealMe重庆移动通信有限公司 | 摄像头脏污检测方法、装置、存储介质及电子设备 |
-
2020
- 2020-05-18 CN CN202010418103.5A patent/CN113689493A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106575366A (zh) * | 2014-07-04 | 2017-04-19 | 光实验室股份有限公司 | 关于检测和/或指示脏镜头状况的方法和装置 |
CN106231297A (zh) * | 2016-08-29 | 2016-12-14 | 深圳天珑无线科技有限公司 | 摄像头的检测方法及装置 |
CN106791804A (zh) * | 2016-11-23 | 2017-05-31 | 歌尔股份有限公司 | 用于摄像头模组的污点检测方法及装置 |
JP2018142756A (ja) * | 2017-02-24 | 2018-09-13 | 京セラ株式会社 | カメラ装置、検出装置、検出システムおよび移動体 |
CN110572636A (zh) * | 2019-07-23 | 2019-12-13 | RealMe重庆移动通信有限公司 | 摄像头脏污检测方法、装置、存储介质及电子设备 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114170226A (zh) * | 2022-01-24 | 2022-03-11 | 谱为科技(常州)有限公司 | 基于图像增强和卷积神经网络的布草检测方法、装置 |
CN114170226B (zh) * | 2022-01-24 | 2022-08-19 | 谱为科技(常州)有限公司 | 基于图像增强和卷积神经网络的布草检测方法、装置 |
CN114441543A (zh) * | 2022-02-22 | 2022-05-06 | 江苏新亚勘测设计有限公司 | 一种建筑物状态的实时监测装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10261574B2 (en) | Real-time detection system for parked vehicles | |
US10388008B2 (en) | Detection of lens contamination using expected edge trajectories | |
JP5297078B2 (ja) | 車両の死角における移動物体を検知するための方法、および死角検知装置 | |
US8797417B2 (en) | Image restoration method in computer vision system, including method and apparatus for identifying raindrops on a windshield | |
US11205284B2 (en) | Vehicle-mounted camera pose estimation method, apparatus, and system, and electronic device | |
CN107016329B (zh) | 图像处理方法 | |
CN110619674B (zh) | 用于事故和警情场景还原的三维增强现实设备及方法 | |
US10832428B2 (en) | Method and apparatus for estimating a range of a moving object | |
CN111976601B (zh) | 自动泊车方法、装置、设备和存储介质 | |
CN113689493A (zh) | 镜头附着物检测方法、装置、电子设备和存储介质 | |
CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
CN115187941A (zh) | 目标检测定位方法、系统、设备及存储介质 | |
CN114267041A (zh) | 场景中对象的识别方法及装置 | |
CN113838125A (zh) | 目标位置确定方法、装置、电子设备以及存储介质 | |
CN113408454A (zh) | 一种交通目标检测方法、装置、电子设备及检测系统 | |
CN115761668A (zh) | 摄像头的污渍识别方法、装置、车辆及存储介质 | |
CN115965636A (zh) | 车辆侧面图的生成方法、装置及终端设备 | |
CN114694066A (zh) | 一种图像处理方法、装置、电子设备和存储介质 | |
CN108416305B (zh) | 连续型道路分割物的位姿估计方法、装置及终端 | |
JP2019197359A (ja) | 一般物体認識システム | |
CN115690767B (zh) | 车牌识别方法、装置、无人机及存储介质 | |
CN116912517B (zh) | 相机视野边界的检测方法及装置 | |
WO2022188077A1 (zh) | 测距方法及装置 | |
EP4304191A2 (en) | Camera system, method for controlling the same, and computer program | |
CN115100626A (zh) | 一种泊车位检测方法、终端设备及存储介质 |
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 |