CN114723788A - 图像配准方法、装置、终端及存储介质 - Google Patents

图像配准方法、装置、终端及存储介质 Download PDF

Info

Publication number
CN114723788A
CN114723788A CN202110001686.6A CN202110001686A CN114723788A CN 114723788 A CN114723788 A CN 114723788A CN 202110001686 A CN202110001686 A CN 202110001686A CN 114723788 A CN114723788 A CN 114723788A
Authority
CN
China
Prior art keywords
image
target
information
camera module
coordinate system
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
Application number
CN202110001686.6A
Other languages
English (en)
Inventor
陈沭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Xiaomi Mobile Software Co Ltd
Original Assignee
Beijing Xiaomi Mobile Software Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Xiaomi Mobile Software Co Ltd filed Critical Beijing Xiaomi Mobile Software Co Ltd
Priority to CN202110001686.6A priority Critical patent/CN114723788A/zh
Publication of CN114723788A publication Critical patent/CN114723788A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/50Depth or shape recovery
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/30Determination of transform parameters for the alignment of images, i.e. image registration
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/80Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/90Determination of colour characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Studio Devices (AREA)

Abstract

本公开是关于一种图像配准方法、装置、终端及存储介质,该方法包括:获取拍摄对象的参照图像以及多个目标图像;其中,目标图像和参照图像为终端在同一拍摄位置拍摄同一拍摄对象生成的图像,且参照图像包括深度信息;根据参照图像的深度信息,对多个目标图像进行图像配准。该方法的算法简单,计算量较小,并且适用于多种极端场景(例如光线非常暗的场景、拍摄对象的重复特征较多的场景、拍摄对象的特征不明显的场景或者多个相机模组获取的多个图像的信息差异较大的场景等),可以很好地完成多个目标图像的配准,便于多个目标图像的后续处理,进而提升拍摄效果。

Description

图像配准方法、装置、终端及存储介质
技术领域
本公开涉及终端技术领域,尤其涉及一种图像配准方法、装置、终端及存储介质。
背景技术
目前,很多终端中都设置了双相机模组或更多相机模组,利用设置有多个相机模组的终端拍摄图像时,常常会对多个相机模组拍摄得到的多个图像进行配准,以便于多个图像的融合或其他处理。
相关技术中,主要是利用特征匹配的方法完成配准。例如利用ISS特征点检测方法和FPFH特征描述子提取方法,提取特征点和特征点相应的特征描述子,然后利用基于特征点以及特征点描述子完成多个图像的配准。
但是,上述方法的算法完全依赖于图像的特征信息,算法比较复杂,计算量较大,而且在某些极端场景(例如光线非常暗的场景、拍摄对象的重复特征较多的场景、拍摄对象的特征不明显的场景或者多个相机模组获取的多个图像的信息差异较大的场景等)下,很难完成多个图像的配准,影响对多个图像的后续处理,进而影响拍摄效果。
发明内容
为克服相关技术中存在的问题,本公开提供一种图像配准方法、装置、终端及存储介质。
根据本公开实施例的第一方面,提供一种图像配准方法,应用于终端,所述方法包括:
获取拍摄对象的参照图像以及多个目标图像;其中,所述目标图像和所述参照图像为终端在同一拍摄位置拍摄同一所述拍摄对象生成的图像,且所述参照图像包括深度信息;
根据所述参照图像的深度信息,对所述多个目标图像进行图像配准。
可选地,所述根据所述参照图像的深度信息,对所述多个目标图像进行图像配准,包括:
根据参照相机模组的内参信息和外参信息,以及所述参照图像的深度信息,确定所述参照图像基于世界坐标系的点云图像;其中,所述参照相机模组为生成所述参照图像的相机模组;
根据所述点云图像,对所述多个目标图像进行图像配准。
可选地,所述根据所述点云图像,对所述多个目标图像进行图像配准,包括:
根据所述参照相机模组的外参信息以及所述参照图像的深度信息,确定单位采样点在所述世界坐标系中的坐标信息与其在所述参照相机坐标系中的位置信息的第一映射关系;
根据目标相机模组与所述参照相机模组的相对位置信息、所述目标相机模组的内参信息和外参信息、所述参照相机模组的内参信息和外参信息,确定单位采样点在所述参照相机坐标系中的坐标信息与其在目标坐标系中的坐标信息的第二映射关系;其中,所述目标相机模组为生成所述目标图像的相机模组,所述目标坐标系为所述目标相机模组的相机坐标系;
根据所述点云图像、所述第一映射关系和所述第二映射关系,对所述多个目标图像进行图像配准。
可选地,所述目标图像为RGB图像或IR图像。
可选地,所述单位采样点为像素点或特征点。
根据本公开实施例的第二方面,提供一种图像配准装置,应用于终端,所述装置包括:
获取模块,用于获取拍摄对象的参照图像以及多个目标图像;其中,所述目标图像和所述参照图像为终端在同一拍摄位置拍摄同一所述拍摄对象生成的图像,且所述参照图像包括深度信息;
配准模块,用于根据所述参照图像的深度信息,对所述多个目标图像进行图像配准。
可选地,所述配准模块,还用于:
根据参照相机模组的内参信息和外参信息,以及所述参照图像的深度信息,确定所述参照图像基于世界坐标系的点云图像;其中,所述参照相机模组为生成所述参照图像的相机模组;
根据所述点云图像,对所述多个目标图像进行图像配准。
可选地,所述配准模块,还用于:
根据所述参照相机模组的外参信息以及所述参照图像的深度信息,确定单位采样点在所述世界坐标系中的坐标信息与其在所述参照相机坐标系中的位置信息的第一映射关系;
根据目标相机模组与所述参照相机模组的相对位置信息、所述目标相机模组的内参信息和外参信息、所述参照相机模组的内参信息和外参信息,确定单位采样点在所述参照相机坐标系中的坐标信息与其在目标坐标系中的坐标信息的第二映射关系;其中,所述目标相机模组为生成所述目标图像的相机模组,所述目标坐标系为所述目标相机模组的相机坐标系;
根据所述点云图像、所述第一映射关系和所述第二映射关系,对所述多个目标图像进行图像配准。
可选地,所述目标图像为RGB图像或IR图像。
可选地,所述单位采样点为像素点或特征点。
根据本公开实施例的第三方面,提供一种终端,所述终端包括多个相机模组,其中所述多个相机模组包括至少一个深度相机模组,所述终端还包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行如第一方面所述的方法。
根据本公开实施例的第四方面,提供一种非临时性计算机可读存储介质,当所述存储介质中的指令由终端的处理器执行时,使得终端能够执行如第一方面所述的方法。
本公开的实施例提供的技术方案可以包括以下有益效果:该方法中,通过引入了具有深度信息的参照图像,根据该参照图像完成多个目标图像的配准,该方法的算法简单,计算量较小,并且适用于多种极端场景(例如光线非常暗的场景、拍摄对象的重复特征较多的场景、拍摄对象的特征不明显的场景或者多个相机模组获取的多个图像的信息差异较大的场景等),可以很好地完成多个图像的配准,便于多个图像的后续处理,进而提升拍摄效果。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的图像配准方法的流程图。
图2是根据一示例性实施例示出的图像配准方法的流程图。
图3是根据一示例性实施例示出的图像配准方法的流程图。
图4是根据一示例性实施例示出的图像配准方法的流程图。
图5是根据一示例性实施例示出的图像配准装置的框图。
图6是根据一示例性实施例示出的终端的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
本公开提供了一种图像配准方法,应用于终端。该方法中,通过引入了具有深度信息的参照图像,根据该参照图像完成多个目标图像的配准,该方法的算法简单,计算量较小,并且适用于多种极端场景(例如光线非常暗的场景、拍摄对象的重复特征较多的场景、拍摄对象的特征不明显的场景或者多个相机模组获取的多个图像的信息差异较大的场景等),可以很好地完成多个图像的配准,便于多个图像的后续处理,进而提升拍摄效果。
在一个示例性实施例中,提供了一种图像配准方法,应用于终端,该终端包括多个相机模组。参考图1所示,该方法包括:
S110、获取拍摄对象的参照图像以及多个目标图像。
其中,目标图像和参照图像为终端在同一拍摄位置拍摄同一拍摄对象生成的图像,且参照图像包括深度信息。
例如参照图像为深度相机模组生成的深度图像,目标图像是RGB相机模组生成的RGB图像(彩色图像),或者目标图像是IR相机模组(红外相机模组)拍摄得到的IR图像(灰度图像)。该方法中,多个目标图像,可以是多个RGB图像,也可以是多个IR图像,还可以部分是RGB图像、另一部分是IR图像。当然,目标图像还可以是其它不包括深度信息的图像,在此不作赘述。
在一个实施方式中,终端设置有两个RGB相机模组和一个Depth相机模组(深度相机模组),其中,Depth相机模组包括ToF传感器(激光测距传感器)。用户使用该终端拍摄某个拍摄对象时,两个RGB相机模组生成两个RGB图像,Depth相机模组生成Depth图像。将该Depth图像作为参照图像,将两个RGB图像作为目标图像。
在一个实施方式中,终端设置有一个RGB相机模组、一个IR相机模组和一个Depth相机模组。用户使用该终端拍摄某个拍摄对象时,RGB相机模组生成RGB图像,IR相机模组生成IR图像,Depth相机模组生成Depth图像。将该Depth图像作为参照图像,将RGB图像和IR图像作为目标图像。
S120、根据参照图像的深度信息,对多个目标图像进行图像配准。
其中,配准是指同一区域内以不同成像手段所获得的不同图像图形的地理坐标的匹配。该实施例中,通过参照图像作为参照基准,实现多个目标图像之间的图像配准。
这里,若某个相机模组生成的图像中包括深度信息,则该相机模组可称为深度相机模组。示例地,生成该参照图像的相机模组可以为深度相机模组。
在深度相机模组中,由于其生成的深度图像中包括深度信息(拍摄对象与深度相机模组的距离信息),因此,根据深度相机模组的内参信息和外参信息,可以很准确地完成深度图像中的任意一点在该深度相机模组对应的相机坐标系、图像坐标系、像素坐标系以及世界坐标系中坐标转换。其中,内参信息可以包括内参矩阵和畸变参数矩阵,内参矩阵和畸变参数矩阵用于描述将点在像素坐标系、图像坐标系与相机坐标系之间进行转换的转换方式,外参信息包括旋转矩阵和平移矩阵,旋转矩阵和平移矩阵用于描述将点从世界坐标系转换到摄像机坐标系的转换方式。
在其他相机模组(非深度相机模组)中,由于其生成的图像中不包括深度信息,因此,仅仅能够完成其生成的图像中的任意一点在该相机模组对应的相机坐标系、图像坐标系和像素坐标系的坐标转换,而很难准确完成任意一点在上述三个坐标系与世界坐标系的坐标转换。
在设置有深度相机模组和多个其他相机模组的终端中,每个相机模组的相对距离信息是可以获取的。根据其他相机模组与深度相机模组的相对距离信息,以及其他相机模组的内参信息和外参信息、深度相机模组的内参信息和外参信息,便可确定任意一点在其他相机模组的相机坐标系的坐标和其在深度相机模组的相机坐标系中的坐标的映射关系。
基于上述原理,可以首先确定参照图像中每个单位采样点在参照相机模组的参照相机坐标系、参照图像坐标系、参照像素坐标系以及世界坐标系任意坐标系中的坐标信息,然后确定目标图像中每个单位采样点在目标相机的目标相机坐标系、目标图像坐标系和目标像素坐标系中的坐标信息,然后根据单位采样点在目标相机坐标系中的坐标信息与其在参照相机坐标系中的坐标信息的映射关系,便可确定多个目标图像中对应于同一地理坐标的单位采样点,完成多个目标图像的配准。
其中,单位采样点可以为像素点或特征点,其中,特征点可根据现有技术中根据特征匹配完成配准时确定特征点的方法确定,在此不做赘述。该方法中,根据像素点完成多个目标图像的配准与根据特征点完成多个目标图像的配准的原理基本相同,下文中主要以像素点作为单位采样点进行详细介绍。
在一个实施方式中,终端设置有两个RGB相机模组和一个Depth相机模组;两个RGB相机模组分别为目标相机模组,Depth相机模组为参照相机模组。用户使用该终端拍摄某个拍摄对象时,两个RGB相机模组生成两个RGB图像,Depth相机模组生成Depth图像,将Depth图像作为参照图像,将RGB图像作为目标图像。然后根据参照图像的深度信息,对上述两个RGB图像进行图像配准,也就是说,Depth图像作为两个RGB图像之间图像配准的参照基准。
在一个实施方式中,终端设置有一个RGB相机模组、一个IR相机模组(红外相机模组)和一个Depth相机模组。用户使用该终端拍摄某个拍摄对象时,RGB相机模组生成RGB图像,IR相机模组生成IR图像(灰度图像),Depth相机模组生成Depth图像。将该Depth图像作为参照图像,然后根据参照图像的深度信息,对上述RGB图像与IR图像进行图像配准,也就是说,Depth图像作为RGB图像与IR图像两者之间图像配准的参照基准。
该方法中,通过引入了具有深度信息的参照图像,根据该参照图像完成多个目标图像的配准,该方法的算法简单,计算量较小,并且适用于多种极端场景(例如光线非常暗的场景、拍摄对象的重复特征较多的场景、拍摄对象的特征不明显的场景或者多个相机模组获取的多个图像的信息差异较大的场景等),可以很好地完成多个图像的配准,便于多个图像的后续处理,进而提升拍摄效果。
在一个示例性实施例中,提供了一种图像配准方法,该方法是对上述方法中步骤S120的改进,示例地,参考图2所示,该方法中,根据参照图像的深度信息,对多个目标图像进行图像配准,包括:
S210、根据参照相机模组的内参信息和外参信息,以及参照图像的深度信息,确定参照图像基于世界坐标系的点云图像;
S220、根据点云图像,对多个目标图像进行图像配准。
在步骤S210中,将生成参照图像的相机模组记为参照相机模组。
点云指在同一空间参考系下表达目标空间分布和目标表面特性的海量点集合,在获取物体表面每个单位采样点的空间坐标后,得到的是点的集合,称之为点云。该点云形成的图像即点云图像。
在一个实施方式中,可以先确定参照图像中每个像素点在参照相机模组的参照像素坐标系中的第一坐标信息,然后根据第一坐标信息以及参照相机模组的内参信息,确定上述每个像素点在参照相机模组的参照图像坐标系中的第二坐标信息,然后根据第二坐标信息以及参照相机模组的内参信息,确定上述每个像素点在参照相机坐标系中的第三坐标信息,最后根据第三坐标信息以及参照相机模组的外参信息,确定上述每个像素点在世界坐标系中的第四坐标信息,从而确定参照图像基于世界坐标系的点云图像。该点云图像中,每个点都表示一个像素点,每个像素点的第四坐标信息即为地理坐标,因此,可根据点云图像中同一点在多个目标图像中对应的像素点,对多个目标图像进行图像配准。
需要注意的是,该方法中,也可根据参照相机模组的内参信息,确定参照图像基于参照相机坐标系的点云图像,然后根据点云图像以及参照图像的深度信息,对多个目标图像进行图像配准。但是,在“根据点云图像以及参照图像的深度信息,对多个目标图像进行图像配准”时,仍然需要根据点云图像、参照相机模组的外参信息以及参照图像的深度信息,确定点云图像中每个单位采样点在世界坐标系中的坐标信息,然后再根据上述坐标信息、第一映射关系和第二映射关系,对多个目标图像进行配准。
该方法中,针对某一深度相机模组生成的图像,该图像中每个像素点在该深度相机模组对应的相机坐标系、图像坐标系、像素坐标系以及世界坐标系中的坐标信息的转换方法,可通过现有技术实现,因此未作赘述。
在一个示例性实施例中,提供了一种图像配准方法,该方法是对上述方法中步骤S220的改进,示例地,参考图4所示,该方法中,根据所述点云图像,对所述多个目标图像进行图像配准,包括:
S310、根据参照相机模组的外参信息以及参照图像的深度信息,确定单位采样点在世界坐标系中的坐标信息与其在参照相机坐标系中的位置信息的第一映射关系;
S320、根据目标相机模组与参照相机模组的相对位置信息、目标相机模组的内参信息和外参信息、参照相机模组的内参信息和外参信息,确定单位采样点在参照相机坐标系中的坐标信息与其在目标坐标系中的坐标信息的第二映射关系;
S330、根据点云图像、第一映射关系和第二映射关系,对多个目标图像进行图像配准。
该方法中,目标相机模组可以为生成目标图像的相机模组,目标相机坐标系为目标相机模组的相机坐标系。
该方法中,步骤S310和S320没有执行上先后顺序,即,二者可同时进行,也可以顺序进行,还可以倒序执行。该方法中,在确定了第一映射关系和第二映射关系后,即可确定采样点在世界坐标系中的坐标信息与其在目标坐标系中的坐标信息的目标映射关系,基于上述目标映射关系,即可确定点云图像中任意单位采样点在目标坐标系中对应的坐标信息,而目标坐标系中的单位采样点与目标图像的单位采样点为一一对应关系,因此也就可以确定点云图像中任意单位采样点在多个目标图像中分别对应的单位采样点,也就完成了多个目标图像的图像配准。
在一个实施方式中,单位采样点可以为像素点。
第一步:先确定目标图像的每个像素点目标坐标系中的坐标信息。该过程可根据现有技术实现。
例如:在目标相机模组的目标像素坐标系中的第五坐标信息,然后根据第五坐标信息以及目标相机模组的内参信息确定上述每个像素点在目标相机模组的目标图像坐标系中的第六坐标信息,最后根据第六坐标信息以及目标相机模组的内参信息确定上述每个像素点在目标相机坐标系中的第七坐标信息,第七坐标信息即为目标图像的每个像素点目标坐标系中的坐标信息。
再例如:可先根据目标相机模组的内参信息,确定任意像素点在目标像素坐标系的第五坐标信息与其在目标图像坐标系中的第六坐标信息的第三映射关系,然后再确定任意像素点在目标图像坐标系的第六坐标信息与其在目标相机坐标系中的第七坐标信息的第四映射关系,然后根据上述第三映射关系和第四映射关系,确定目标图像中每个像素点在目标相机坐标系中的第七坐标信息,第七坐标信息即为目标图像的每个像素点目标坐标系中的坐标信息。
第二步:根据目标相机模组与参照相机模组的相对位置信息、目标相机模组的内参信息和外参信息、参照相机模组的内参信息和外参信息,确定像素点在参照相机坐标系中的坐标信息与其在目标坐标系中的坐标信息的第二映射关系。
第三步:根据参照相机模组的外参信息以及参照图像的深度信息,确定像素点在世界坐标系中的坐标信息与其在参照相机坐标系中的位置信息的第一映射关系。
第四步:根据第一映射关系和第二映射关系,确定像素点在世界坐标系中的坐标信息与其在目标坐标系中的位置信息的目标映射关系。基于此,便可确定目标图像中的像素点在世界坐标系中的坐标信息,也就可以确定目标图像中每个像素点的地理坐标,将多个目标图像中对应于世界坐标系中同一坐标信息的像素点进行配准,以完成对多个目标图像的图像配准。
该方法的算法简单,计算量较小,并且适用于多种极端场景(例如光线非常暗的场景、拍摄对象的重复特征较多的场景、拍摄对象的特征不明显的场景或者多个相机模组获取的多个图像的信息差异较大的场景等),可以很好地完成多个目标图像的配准,便于多个目标图像的后续处理,进而提升拍摄效果。
在一个示例性实施例中,提供了一种图像配准方法,参考图4所示,该方法包括:
S410、获取拍摄对象的参照图像以及多个目标图像。
S420、根据参照相机模组的内参信息和外参信息,以及参照图像的深度信息,确定参照图像基于世界坐标系的点云图像;其中,参照相机模组可以为生成参照图像的相机模组;
S430、确定目标图像的每个像素点在目标坐标系中的坐标信息;其中,目标相机模组可以为生成目标图像的相机模组,目标坐标系可以为目标相机模组的相机坐标系;
S440、根据目标相机模组与参照相机模组的相对距离信息、目标相机模组的内参信息和外参信息、参照相机模组的内参信息和外参信息,确定任意像素点在参照相机坐标系中的坐标信息与其在目标坐标系中的坐标信息的目标第二映射关系;
S450、根据参照相机模组的外参信息以及参照图像的深度信息,确定任意像素点在世界坐标系中的坐标信息与其在参照相机坐标系中的位置信息的第一映射关系;
S460、根据第一映射关系和第二映射关系,确定任意像素点在世界坐标系中的坐标信息与其在目标坐标系中的位置信息的目标映射关系;
S470、根据目标映射关系以及目标图像的每个像素点在目标坐标系中的坐标信息,对多个目标图像进行图像配准。
该方法中,通过引入了具有深度信息的参照图像,直接根据像素点以及该参照图像实现多个目标图像的配准,无需使用特征信息进行图像匹配,使得该方法的算法更加简单,计算量更小,并且适用于多种极端场景(例如光线非常暗的场景、拍摄对象的重复特征较多的场景、拍摄对象的特征不明显的场景或者多个相机模组获取的多个图像的信息差异较大的场景等),可以很好地完成多个目标图像的配准,便于多个目标图像的后续处理,进而提升拍摄效果。
例如,由于该方法中根据像素点以及参照图像完成了多个目标图像的精准配准,因此,多个目标图像融合后,可以获得更加清晰的融合图像,提高图像质量。
再例如,由于该方法无需根据特征匹配实现多个目标图像的配准,而是根据像素点和参照图像实现多个目标图像的配准,因此,即使在光线非常暗的拍摄环境下,也可对多个目标图像进行效果更好地去噪处理,得到图像质量更高的去噪图像。
再例如,由于该方法中根据像素点以及参照图像实现多个目标图像的精准配准,因此,根据多个目标图像进行建模贴图时,可以获得更准确、更清晰的图像信息,使得建模贴图的效果更好。
本公开还提出了一种图像配准装置,该装置应用于终端。该装置用于实施上述的图像配准方法。该装置中,在进行多个目标图像的配准时,算法简单,计算量较小,并且适用于多种极端场景(例如光线非常暗的场景、拍摄对象的重复特征较多的场景、拍摄对象的特征不明显的场景或者多个相机模组获取的多个图像的信息差异较大的场景等),可以很好地完成多个目标图像的配准,便于多个目标图像的后续处理,进而提升拍摄效果。
在一个示例性实施例中,提供了一种图像配准装置,参考图5所示,该装置包括获取模块101和配准模块102,该装置在实施上述图像配准方法的过程中:
获取模块101,用于获取拍摄对象的参照图像以及多个目标图像;其中,目标图像和参照图像为终端在同一拍摄位置拍摄同一拍摄对象生成的图像,且参照图像包括深度信息;
配准模块102,用于根据参照图像的深度信息,对多个目标图像进行图像配准。
在一个示例性实施例中,提供了一种图像配准装置,该装置是对上述装置的改进,示例地,参考图5所示,该装置中,配准模块102,还用于:
根据参照相机模组的内参信息和外参信息,以及参照图像的深度信息,确定参照图像基于世界坐标系的点云图像;其中,参照相机模组可以为生成参照图像的相机模组;
根据点云图像,对多个目标图像进行图像配准。
在一个示例性实施例中,提供了一种图像配准装置,该装置是对上述装置的改进,示例地,参考图5所示,该装置中,配准模块102,还用于:
根据参照相机模组的外参信息以及参照图像的深度信息,确定单位采样点在世界坐标系中的坐标信息与其在参照相机坐标系中的位置信息的第一映射关系;
根据目标相机模组与参照相机模组的相对位置信息、目标相机模组的内参信息和外参信息、参照相机模组的内参信息和外参信息,确定单位采样点在参照相机坐标系中的坐标信息与其在目标坐标系中的坐标信息的第二映射关系;其中,目标相机模组可以为生成目标图像的相机模组,目标坐标系可以为目标相机模组的相机坐标系;
根据点云图像、第一映射关系和第二映射关系,对多个目标图像进行图像配准。
在一个示例性实施例中,提供了一种图像配准装置,该装置是对上述装置的改进,示例地,该装置中,目标图像可以为RGB图像或IR图像。
在一个示例性实施例中,提供了一种图像配准装置,该装置是对上述装置的改进,示例地,该装置中,单位采样点可以为像素点或特征点。
在一个示例性实施例中,提供了一种终端,例如,终端可以是手机、平板电脑、笔记本电脑、摄像机、照相机等具有多个(即两个或大于两个)相机模组的终端,其中,多个相机模组包括深度相机模组。
参考图6所示,终端400可以包括以下一个或多个组件:处理组件402,存储器404,电力组件406,多媒体组件408,音频组件410,输入/输出(I/O)的接口412,传感器组件414,以及通信组件416。
处理组件402通常控制终端400的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件402可以包括一个或多个处理器420来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件402可以包括一个或多个模块,便于处理组件402和其他组件之间的交互。例如,处理组件402可以包括多媒体模块,以方便多媒体组件408和处理组件402之间的交互。
存储器404被配置为存储各种类型的数据以支持在终端400的操作。这些数据的示例包括用于在终端400上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器404可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电力组件406为终端400的各种组件提供电力。电力组件406可以包括电源管理系统,一个或多个电源,及其他与为终端400生成、管理和分配电力相关联的组件。
多媒体组件408包括在终端400和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件408包括一个前置相机模组和/或后置相机模组。当终端400处于操作模式,如拍摄模式或视频模式时,前置相机模组和/或后置相机模组可以接收外部的多媒体数据。每个前置相机模组和后置相机模组可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件410被配置为输出和/或输入音频信号。例如,音频组件410包括一个麦克风(MIC),当终端400处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器404或经由通信组件416发送。在一些实施例中,音频组件410还包括一个扬声器,用于输出音频信号。
I/O接口412为处理组件402和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件414包括一个或多个传感器,用于为终端400提供各个方面的状态评估。例如,传感器组件414可以检测到终端400的打开/关闭状态,组件的相对定位,例如组件为终端400的显示器和小键盘,传感器组件414还可以检测终端400或终端400一个组件的位置改变,用户与终端400接触的存在或不存在,终端400方位或加速/减速和终端400的温度变化。传感器组件414可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件414还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件414还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件416被配置为便于终端400和其他设备之间有线或无线方式的通信。设备700可以接入基于通信标准的无线网络,如WiFi、2G、3G、4G、5G或它们的组合。在一个示例性实施例中,通信组件416经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,通信组件416还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,终端400可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在一个示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器404,上述指令可由终端400的处理器420执行以完成上述方法。例如,非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。当存储介质中的指令由终端的处理器执行时,使得终端能够执行上述实施例中示出的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (12)

1.一种图像配准方法,应用于终端,其特征在于,所述方法包括:
获取拍摄对象的参照图像以及多个目标图像;其中,所述目标图像和所述参照图像为终端在同一拍摄位置拍摄同一所述拍摄对象生成的图像,且所述参照图像包括深度信息;
根据所述参照图像的深度信息,对所述多个目标图像进行图像配准。
2.根据权利要求1所述的图像配准方法,其特征在于,所述根据所述参照图像的深度信息,对所述多个目标图像进行图像配准,包括:
根据参照相机模组的内参信息和外参信息,以及所述参照图像的深度信息,确定所述参照图像基于世界坐标系的点云图像;其中,所述参照相机模组为生成所述参照图像的相机模组;
根据所述点云图像,对所述多个目标图像进行图像配准。
3.根据权利要求2所述的图像配准方法,其特征在于,所述根据所述点云图像,对所述多个目标图像进行图像配准,包括:
根据所述参照相机模组的外参信息以及所述参照图像的深度信息,确定单位采样点在所述世界坐标系中的坐标信息与其在所述参照相机坐标系中的位置信息的第一映射关系;
根据目标相机模组与所述参照相机模组的相对位置信息、所述目标相机模组的内参信息和外参信息、所述参照相机模组的内参信息和外参信息,确定单位采样点在所述参照相机坐标系中的坐标信息与其在目标坐标系中的坐标信息的第二映射关系;其中,所述目标相机模组为生成所述目标图像的相机模组,所述目标坐标系为所述目标相机模组的相机坐标系;
根据所述点云图像、所述第一映射关系和所述第二映射关系,对所述多个目标图像进行图像配准。
4.根据权利要求1-3任一项所述的图像配准方法,其特征在于,所述目标图像为RGB图像或IR图像。
5.根据权利要求1-3任一项所述的图像配准方法,其特征在于,所述单位采样点为像素点或特征点。
6.一种图像配准装置,应用于终端,其特征在于,所述装置包括:
获取模块,用于获取拍摄对象的参照图像以及多个目标图像;其中,所述目标图像和所述参照图像为终端在同一拍摄位置拍摄同一所述拍摄对象生成的图像,且所述参照图像包括深度信息;
配准模块,用于根据所述参照图像的深度信息,对所述多个目标图像进行图像配准。
7.根据权利要求6所述的图像配准装置,其特征在于,所述配准模块,还用于:
根据参照相机模组的内参信息和外参信息,以及所述参照图像的深度信息,确定所述参照图像基于世界坐标系的点云图像;其中,所述参照相机模组为生成所述参照图像的相机模组;
根据所述点云图像,对所述多个目标图像进行图像配准。
8.根据权利要求7所述的图像配准装置,其特征在于,所述配准模块,还用于:
根据所述参照相机模组的外参信息以及所述参照图像的深度信息,确定单位采样点在所述世界坐标系中的坐标信息与其在所述参照相机坐标系中的位置信息的第一映射关系;
根据目标相机模组与所述参照相机模组的相对位置信息、所述目标相机模组的内参信息和外参信息、所述参照相机模组的内参信息和外参信息,确定单位采样点在所述参照相机坐标系中的坐标信息与其在目标坐标系中的坐标信息的第二映射关系;其中,所述目标相机模组为生成所述目标图像的相机模组,所述目标坐标系为所述目标相机模组的相机坐标系;
根据所述点云图像、所述第一映射关系和所述第二映射关系,对所述多个目标图像进行图像配准。
9.根据权利要求6-8任一项所述的图像配准装置,其特征在于,所述目标图像为RGB图像或IR图像。
10.根据权利要求6-8任一项所述的图像配准装置,其特征在于,所述单位采样点为像素点或特征点。
11.一种终端,其特征在于,所述终端包括多个相机模组,其中所述多个相机模组包括至少一个深度相机模组,所述终端还包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行如权利要求1至5任一项所述的图像配准方法。
12.一种非临时性计算机可读存储介质,其特征在于,当所述存储介质中的指令由终端的处理器执行时,使得终端能够执行如权利要求1至5任一项所述的图像配准方法。
CN202110001686.6A 2021-01-04 2021-01-04 图像配准方法、装置、终端及存储介质 Pending CN114723788A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110001686.6A CN114723788A (zh) 2021-01-04 2021-01-04 图像配准方法、装置、终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110001686.6A CN114723788A (zh) 2021-01-04 2021-01-04 图像配准方法、装置、终端及存储介质

Publications (1)

Publication Number Publication Date
CN114723788A true CN114723788A (zh) 2022-07-08

Family

ID=82233891

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110001686.6A Pending CN114723788A (zh) 2021-01-04 2021-01-04 图像配准方法、装置、终端及存储介质

Country Status (1)

Country Link
CN (1) CN114723788A (zh)

Similar Documents

Publication Publication Date Title
CN106651955B (zh) 图片中目标物的定位方法及装置
CN106778773B (zh) 图片中目标物的定位方法及装置
CN110503689B (zh) 位姿预测方法、模型训练方法及装置
CN110557547B (zh) 镜头位置调整方法及装置
CN112001321A (zh) 网络训练、行人重识别方法及装置、电子设备和存储介质
CN107992848B (zh) 获取深度图像的方法、装置及计算机可读存储介质
CN109584362B (zh) 三维模型构建方法及装置、电子设备和存储介质
CN107967459B (zh) 卷积处理方法、装置及存储介质
US20220222831A1 (en) Method for processing images and electronic device therefor
CN112927122A (zh) 水印去除方法、装置及存储介质
CN112200040A (zh) 遮挡图像检测方法、装置及介质
CN105678296B (zh) 确定字符倾斜角度的方法及装置
CN110930351A (zh) 一种光斑检测方法、装置及电子设备
CN110876014B (zh) 图像处理方法及装置、电子设备及存储介质
CN107292901B (zh) 边缘检测方法及装置
CN107992894B (zh) 图像识别方法、装置及计算机可读存储介质
CN114066856A (zh) 模型训练方法及装置、电子设备和存储介质
CN115861741B (zh) 目标标定方法、装置、电子设备、存储介质及车辆
CN106469446B (zh) 深度图像的分割方法和分割装置
CN110751223B (zh) 一种图像匹配方法、装置、电子设备及存储介质
CN114519794A (zh) 特征点匹配方法及装置、电子设备和存储介质
CN114723788A (zh) 图像配准方法、装置、终端及存储介质
CN113204443A (zh) 基于联邦学习框架的数据处理方法、设备、介质及产品
CN113506324A (zh) 图像处理方法及装置、电子设备和存储介质
CN108647594B (zh) 信息处理方法及设备

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