CN114760415B - 一种镜头调焦方法、系统、设备及介质 - Google Patents
一种镜头调焦方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN114760415B CN114760415B CN202210405275.8A CN202210405275A CN114760415B CN 114760415 B CN114760415 B CN 114760415B CN 202210405275 A CN202210405275 A CN 202210405275A CN 114760415 B CN114760415 B CN 114760415B
- Authority
- CN
- China
- Prior art keywords
- image
- focal length
- focusing
- definition
- camera
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004364 calculation method Methods 0.000 claims abstract description 39
- 238000003384 imaging method Methods 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims abstract description 17
- 230000006870 function Effects 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 14
- 238000013136 deep learning model Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 8
- 125000004122 cyclic group Chemical group 0.000 claims description 7
- 238000012706 support-vector machine Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 abstract 1
- 238000013135 deep learning Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000026683 transduction Effects 0.000 description 1
- 238000010361 transduction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/67—Focus control based on electronic image sensor signals
- H04N23/671—Focus control based on electronic image sensor signals in combination with active ranging signals, e.g. using light or sound signals emitted toward objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/667—Camera operation mode switching, e.g. between still and video, sport and normal or high- and low-resolution modes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/67—Focus control based on electronic image sensor signals
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Studio Devices (AREA)
- Automatic Focus Adjustment (AREA)
Abstract
本发明提出了一种镜头调焦方法、系统、设备及介质,涉及相机的技术领域。包括利用相机采集多个不同距离被摄物达到预设清晰度的图像,保存至数据库;根据数据库建立成像公式;获得初始帧图像,进行逐点扫描,得到图像矩阵,并传输给图像处理设备;进行图像清晰度计算;若清晰度计算结果不满足预设阈值,对被摄物进行测距,得到被摄物的实际距离,带入成像公式后得到实时焦距;驱动马达沿着指向被摄物的轴线改变对焦点,使其焦距等于实时焦距;在焦点改变的过程中,在离实时焦距预设距离时,持续获得新的帧图像以及对应的焦点位置,并同时进行清晰度计算;直到找到最高清晰度的马达位置,对焦完成。其能够提高拍摄的质量,减小对焦的时间。
Description
技术领域
本发明涉及相机的技术领域,具体而言,涉及一种镜头调焦方法、系 统、设备及介质。
背景技术
镜头调焦过程是通过调节镜头与SENSOR(传感器)之间的距离,使成像 物体聚焦于SENSOR,达到成像清晰的目的,然后进行点胶固化。
目前镜头调焦分为两种,手动调焦和自动调焦。调焦判定方法也分为 两种,一种是人眼判定,另一种是软件判定。人眼判定根据人眼看到主观 图卡的清晰度来判断调焦是否合格,常用主观图卡有牛顿环、太阳图、标 有数字的线对图卡,此类图卡便于人眼观察,成像模糊与清晰会有明显差 异。软件判定为根据算法计算一个取值框线条或者方块的黑白对比度,判定调焦是否合格,常用图卡为CTF线对图卡和棋盘格的SFR图卡,但此类 方法焦距的判断依然无法满足高清图像的采集,其调焦时间较长,由此需 要一种镜头调焦方法。
发明内容
本发明的目的在于提供一种镜头调焦方法,其能够提高拍摄的质量, 减小对焦的时间。
本发明的实施例是这样实现的:
第一方面,本申请实施例提供一种镜头调焦方法,其包括利用相机采 集多个不同距离被摄物达到预设清晰度的图像,并记录任一图像拍摄时的 焦距以及相机与被摄物之间的实际距离,保存至数据库;根据数据库中的 焦距和实际距离建立相机的成像公式;获得初始帧图像,对初始帧图像进 行逐点扫描,得到图像矩阵,并传输给图像处理设备;图像处理设备利用基于统计特征的熵函数进行图像清晰度计算;若清晰度计算结果满足预设阈值,则不进行对焦操作;若清晰度计算结果不满足预设阈值,利用相机 自身的红外测距装置对被摄物进行测距,得到相机与被摄物之间的实际距 离,将实际距离带入成像公式,得到实时焦距;计算相机内马达位置以及 此时刻相机对应的焦距,驱动马达沿着指向被摄物的轴线改变对焦点,使 其焦距等于实时焦距;在焦点改变的过程中,在离所述实时焦距预设距离时,持续获得新的帧图像以及对应的焦点位置,并同时进行清晰度计算; 直到找到最高清晰度的马达位置,对焦完成。
在本发明的一些实施例中,直到找到最高清晰度的马达位置,对焦完 成后的步骤还包括:若最高清晰度的马达位置,其清晰度未能达到预设阈 值,设置以实时焦距为中心的微调范围,在微调范围内马达沿指向被摄物 的轴线进行循环往复运动,直到找到最高清晰度的马达位置,对焦完成。
在本发明的一些实施例中,对焦完成后的步骤还包括:若最高清晰度 的马达位置依然不符合预设阈值,将此时刻的焦距信息、被摄物实际距离、 以及成像公式得出的结果数据上传至后台终端,并将相机切换至手动模式。
在本发明的一些实施例中,根据焦距和实际距离建立相机的成像公式 的步骤包括:建立支持向量机分类深度学习模型,将不同的实际距离与其 对应的焦距带入向量机分类深度学习模型进行循环计算,得到成像公式。
在本发明的一些实施例中,在焦点改变的过程中,持续获得新的帧图 像以及对应的焦点位置后的步骤包括:将获得新的帧图像、新的帧图像对 应的焦点以及对应的实际距离保存至数据库中作为向量机分类深度学习模 型的训练数据。
在本发明的一些实施例中,在焦点改变的过程中,持续获得新的帧图 像以及对应的焦点位置的步骤包括:在焦点改变的过程中,根据马达移动 位置每隔预设距离获取预设数量新的帧图像以及对应的焦点位置。
在本发明的一些实施例中,马达采用闭环马达。
第二方面,本申请实施例提供一种镜头调焦系统,其包括预设模块, 用于利用相机采集多个不同距离被摄物达到预设清晰度的图像,并记录任 一图像拍摄时的焦距以及相机与被摄物之间的实际距离,保存至数据库; 根据数据库中的焦距和实际距离建立相机的成像公式;图像获取模块,用 于获得初始帧图像,对初始帧图像进行逐点扫描,得到图像矩阵,并传输给图像处理设备;清晰度计算模块,用于图像处理设备利用基于统计特征 的熵函数进行图像清晰度计算;若清晰度计算结果满足预设阈值,则不进 行对焦操作;若清晰度计算结果不满足预设阈值,利用相机自身的红外测 距装置对被摄物进行测距,得到相机与被摄物之间的实际距离,将实际距 离带入成像公式,得到实时焦距;马达控制模块,用于计算相机内马达位 置以及此时刻相机对应的焦距,驱动马达沿着指向被摄物的轴线改变对焦点,使其焦距等于实时焦距;焦点确定模块,用于在焦点改变的过程中, 在离所述实时焦距预设距离时,持续获得新的帧图像以及对应的焦点位置, 并同时进行清晰度计算;直到找到最高清晰度的马达位置,对焦完成。
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、 至少一个存储器和数据总线;其中:处理器与存储器通过数据总线完成相 互间的通信;存储器存储有可被处理器执行的程序指令,处理器调用程序 指令以执行一种镜头调焦方法。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有 计算机程序,该计算机程序被处理器执行时实现一种镜头调焦方法。
相对于现有技术,本发明的实施例至少具有如下优点或有益效果:
为了提高相机调焦的精度,从而使得图像拍摄的质量更好,本设计采 用基于统计特征的熵函数进行图像清晰度计算,并利用深度学习,进行焦 距和实际距离测算,从而使得在提高图像质量的同时无需在马达调动时持 续运算,从而进行直接调节焦距,提高了便捷性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需 要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些 实施例,因此不应被看作是对范围的限定,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他相关的附图。
图1为本发明中一种镜头调焦方法的流程图;
图2为本发明中一种镜头调焦方法的另一种流程图;
图3为本发明中一种镜头调焦方法的再一种流程图;
图4为本发明中一种镜头调焦系统结构示意图;
图5为本发明中一种电子设备的结构示意图。
图标:1、预设模块;2、图像获取模块;3、清晰度计算模块;4、马达控制模块;5、焦点确定模块;6、处理器;7、存储器;8、数据总线。
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 申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描 述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。 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,以下对在附图中提供的本申请的实施例的详细描述并非旨在限 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 得的所有其他实施例,都属于本申请保护的范围。
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。
而且,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、物品或者设备不仅包括 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、物品或者设备所固有的要素。在没有更多限制的情况下,由语 句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
在本申请的描述中,需要说明的是,术语“上”、“下”、“内”、“外” 等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该申 请产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本申请和简 化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特 定的方位构造和操作,因此不能理解为对本申请的限制。
在本申请的描述中,还需要说明的是,除非另有明确的规定和限定, 术语“设置”、“连接”应做广义理解,例如,可以是固定连接,也可以是 可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是 直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。 对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情 况下,下述的各个实施例及实施例中的各个特征可以相互组合。
实施例1
请参阅图1,为本申请实施例提供的一种镜头调焦方法,为了提高相机 调焦的精度,从而使得图像拍摄的质量更好,本设计采用基于统计特征的 熵函数进行图像清晰度计算,并利用深度学习,进行焦距和实际距离测算, 从而使得在提高图像质量的同时无需在马达调动时持续运算,从而进行直接调节焦距,提高了便捷性。
S1:利用相机采集多个不同距离被摄物达到预设清晰度的图像,并记 录任一图像拍摄时的焦距以及相机与被摄物之间的实际距离,保存至数据 库;
而在进行深度学习之前,需要采集大量被摄物距离,以及对应的清晰 度的图像作为训练数据。
S2:根据数据库中的焦距和实际距离建立相机的成像公式;
对训练数据利用深度学习进行训练,并配合单个凸透镜的成像公式的 原理,得到适配不同相机的成像公式。
S3:获得初始帧图像,对初始帧图像进行逐点扫描,得到图像矩阵, 并传输给图像处理设备;
而对拍摄时的数据需要让处理设备进行识别,由此将初始帧图像转换 为图像矩阵,从而使得图像处理设备可以对数据更为适配的进行运算。
S4:图像处理设备利用基于统计特征的熵函数进行图像清晰度计算;
其中熵函数公式为:
Pi是图像中灰度值为I的像素出现的概率,L为灰度级总数(通常取值 256)。根据SHANNON信息论,熵最大时信息量最多。将此原理应用到对焦 过程,D(f)越大则图像越清晰。
S5:若清晰度计算结果满足预设阈值,则不进行对焦操作;若清晰度 计算结果不满足预设阈值,利用相机自身的红外测距装置对被摄物进行测 距,得到相机与被摄物之间的实际距离,将实际距离带入成像公式,得到 实时焦距;
而对于相机镜头的调焦需要对镜头进行调节,而如果采用现有技术一 遍伸长一遍计算的方式,会使得调焦时间太长,故而利用成像公式后,可 以有效的计算出最合适的焦点的位置,从而提高了便捷性。
S6:计算相机内马达位置以及此时刻相机对应的焦距,驱动马达沿着 指向被摄物的轴线改变对焦点,使其焦距等于实时焦距;
根据成像公式计算的结果,控制马达进行镜头的调节,省去了中间持 续计算所浪费的调节时间。
S7:在焦点改变的过程中,在离实时焦距预设距离时,持续获得新的 帧图像以及对应的焦点位置,并同时进行清晰度计算;直到找到最高清晰 度的马达位置,对焦完成。
在离实时焦距预设距离时,即相当于在计算出的实时焦距附近时,再 进行持续获得新的帧图像以及对应的焦点位置,其中预设距离可以根据不 同相机进行自定义设置。由此避免了因计算的误差导致对焦不清晰。
请参阅图2,在本发明的一些实施例中,直到找到最高清晰度的马达位 置,对焦完成后的步骤还包括:S8:若最高清晰度的马达位置,其清晰度 未能达到预设阈值,设置以实时焦距为中心的微调范围,在微调范围内马达沿指向被摄物的轴线进行循环往复运动,直到找到最高清晰度的马达位 置,对焦完成。
对于由深度学习公式所计算结果以及马达的运动过程均会出现一定的 误差,由此在实时焦点预设一个微调范围,从而使得其可以在该范围内去 清晰度最大的值,进而保证对焦的精度。
请参阅图3,在本发明的一些实施例中,对焦完成后的步骤还包括:S9: 若最高清晰度的马达位置依然不符合预设阈值,将此时刻的焦距信息、被 摄物实际距离、以及成像公式得出的结果数据上传至后台终端,并将相机 切换至手动模式。
在本发明的一些实施例中,该步骤主要针对相机出厂检验,利用该步 骤可以有效的进行手动调整,并在初始化后进行重新验证,提高了检验的 便捷性。
在本发明的一些实施例中,根据焦距和实际距离建立相机的成像公式 的步骤包括:建立支持向量机分类深度学习模型,将不同的实际距离与其对应的焦距带入向量机分类深度学习模型进行循环计算,得到成像公式。
在本发明的一些实施例中,而对于深度学习模型选用,采用支撑向量 机,支持向量机作为一种有坚实理论基础的新颖的小样本学习方法。它基 本上不涉及概率测度及大数定律等,因此不同于现有的统计方法。从本质 上看,它避开了从归纳到演绎的传统过程,实现了高效的从训练样本到预 报样本的“转导推理”,大大简化了通常的分类和回归等问题。为相机取样带来了极大的便捷性。
在本发明的一些实施例中,在焦点改变的过程中,持续获得新的帧图 像以及对应的焦点位置后的步骤包括:将获得新的帧图像、新的帧图像对 应的焦点以及对应的实际距离保存至数据库中作为向量机分类深度学习模 型的训练数据。
在本发明的一些实施例中,为了尽可能地让深度学习模型的所得出的 成像公式精确,由此对新的拍摄图像作为新样本的方式增加训练样本,从 而提高对焦的精度。
在本发明的一些实施例中,在焦点改变的过程中,持续获得新的帧图 像以及对应的焦点位置的步骤包括:在焦点改变的过程中,根据马达移动 位置每隔预设距离获取预设数量新的帧图像以及对应的焦点位置。
在本发明的一些实施例中,对于马达的移动可以采用时间或距离两种 方式的间隔来进行数据采集,但由于采用时间的话,对于电机移动不能准 确把握,故而采用距离控制的方式,从而提高精度。
在本发明的一些实施例中,马达采用闭环马达。闭环电机的采用可以 把每一歩的执行过程,反馈给控制器,控制器可以掌握命令下达后,每一 歩动作完成情况。从而进行高精密执行移动精度。
实施例2
请参阅图4,为本发明提供的一种镜头调焦系统,包括预设模块1,用 于利用相机采集多个不同距离被摄物达到预设清晰度的图像,并记录任一 图像拍摄时的焦距以及相机与被摄物之间的实际距离,保存至数据库;根 据数据库中的焦距和实际距离建立相机的成像公式;
图像获取模块2,用于获得初始帧图像,对初始帧图像进行逐点扫描, 得到图像矩阵,并传输给图像处理设备;
清晰度计算模块3,用于图像处理设备利用基于统计特征的熵函数进行 图像清晰度计算;若清晰度计算结果满足预设阈值,则不进行对焦操作; 若清晰度计算结果不满足预设阈值,利用相机自身的红外测距装置对被摄 物进行测距,得到相机与被摄物之间的实际距离,将实际距离带入成像公式,得到实时焦距;
马达控制模块4,用于计算相机内马达位置以及此时刻相机对应的焦距, 驱动马达沿着指向被摄物的轴线改变对焦点,使其焦距等于实时焦距;
焦点确定模块5,用于在焦点改变的过程中,在离实时焦距预设距离时, 持续获得新的帧图像以及对应的焦点位置,并同时进行清晰度计算;直到 找到最高清晰度的马达位置,对焦完成。
实施例3
请参阅图5,为本发明提供的一种电子设备,包括至少一个处理器6、 至少一个存储器7和数据总线8;其中:处理器6与存储器7通过数据总线 8完成相互间的通信;存储器7存储有可被处理器6执行的程序指令,处理 器6调用程序指令以执行一种镜头调焦方法。例如实现:
利用相机采集多个不同距离被摄物达到预设清晰度的图像,并记录任 一图像拍摄时的焦距以及相机与被摄物之间的实际距离,保存至数据库; 根据数据库中的焦距和实际距离建立相机的成像公式;获得初始帧图像, 对初始帧图像进行逐点扫描,得到图像矩阵,并传输给图像处理设备;图 像处理设备利用基于统计特征的熵函数进行图像清晰度计算;若清晰度计算结果满足预设阈值,则不进行对焦操作;若清晰度计算结果不满足预设阈值,利用相机自身的红外测距装置对被摄物进行测距,得到相机与被摄 物之间的实际距离,将实际距离带入成像公式,得到实时焦距;计算相机 内马达位置以及此时刻相机对应的焦距,驱动马达沿着指向被摄物的轴线 改变对焦点,使其焦距等于实时焦距;在焦点改变的过程中,在离实时焦 距预设距离时,持续获得新的帧图像以及对应的焦点位置,并同时进行清晰度计算;直到找到最高清晰度的马达位置,对焦完成。
实施例4
本发明提供一种计算机可读存储介质,其上存储有计算机程序,该计 算机程序被处理器6执行时实现一种镜头调焦方法。例如实现:
利用相机采集多个不同距离被摄物达到预设清晰度的图像,并记录任 一图像拍摄时的焦距以及相机与被摄物之间的实际距离,保存至数据库; 根据数据库中的焦距和实际距离建立相机的成像公式;获得初始帧图像, 对初始帧图像进行逐点扫描,得到图像矩阵,并传输给图像处理设备;图 像处理设备利用基于统计特征的熵函数进行图像清晰度计算;若清晰度计算结果满足预设阈值,则不进行对焦操作;若清晰度计算结果不满足预设阈值,利用相机自身的红外测距装置对被摄物进行测距,得到相机与被摄 物之间的实际距离,将实际距离带入成像公式,得到实时焦距;计算相机 内马达位置以及此时刻相机对应的焦距,驱动马达沿着指向被摄物的轴线 改变对焦点,使其焦距等于实时焦距;在焦点改变的过程中,在离实时焦 距预设距离时,持续获得新的帧图像以及对应的焦点位置,并同时进行清晰度计算;直到找到最高清晰度的马达位置,对焦完成。
其中,存储器7可以是但不限于,随机存取存储器 (RANDOM ACCESS MEMORY,RAM),只读存储器(READONLYMEMORY,ROM), 可编程只读存储器(PROGRAMMABLEREAD-ONLYMEMORY,PROM),可擦除只读 存储器(ERASABLEPROGRAMMABLEREAD-ONLYMEMORY,EPROM),电可擦除只读 存储器(ELECTRICERASABLEPROGRAMMABLEREAD-ONLYMEMORY,EEPROM)等。
处理器6可以是一种集成电路芯片,具有信号处理能力。该处理器6 可以是通用处理器,包括中央处理器(CENTRAL PROCESSING UNIT,CPU)、 网络处理器(NETWORKPROCESSOR,NP)等;还可以是数字信号处理器 (DIGITALSIGNALPROCESSING,DSP)、专用集成电路 (APPLICATIONSPECIFICINTEGRATEDCIRCUIT,ASIC)、现场可编程门阵列 (FIELD-PROGRAMMABLEGATEARRAY,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。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,也 可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例 如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法 和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程 图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述 模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注 的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所 涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框 图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基 于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
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。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细 节,而且在不背离本申请的精神或基本特征的情况下,能够以其它的具体 形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性 的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限 定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括 在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (9)
1.一种镜头调焦方法,其特征在于,包括
利用相机采集多个不同距离被摄物达到预设清晰度的图像,并记录任一图像拍摄时的焦距以及所述相机与被摄物之间的实际距离,保存至数据库;
根据所述数据库中的所述焦距和所述实际距离建立所述相机的成像公式;其具体步骤包括:建立支持向量机分类深度学习模型,将不同的所述实际距离与其对应的所述焦距带入所述向量机分类深度学习模型进行循环计算,得到成像公式;
获得初始帧图像,对所述初始帧图像进行逐点扫描,得到图像矩阵,并传输给图像处理设备;
所述图像处理设备利用基于统计特征的熵函数进行图像清晰度计算;
其中熵函数公式为:
Pi是图像中灰度值为I的像素出现的概率,L为灰度级总数,取值256;根据SHANNON信息论,熵最大时信息量最多,将此原理应用到对焦过程,D(f)越大则图像越清晰;
若清晰度计算结果满足预设阈值,则不进行对焦操作;
若清晰度计算结果不满足预设阈值,利用所述相机自身的红外测距装置对被摄物进行测距,得到所述相机与被摄物之间的实际距离,将所述实际距离带入所述成像公式,得到实时焦距;
计算所述相机内马达位置以及此时刻所述相机对应的焦距,驱动马达沿着指向所述被摄物的轴线改变对焦点,使其焦距等于实时焦距;
在焦点改变的过程中,在离所述实时焦距预设距离时,持续获得新的帧图像以及对应的焦点位置,并同时进行清晰度计算;直到找到最高清晰度的马达位置,对焦完成。
2.如权利要求1所述的一种镜头调焦方法,其特征在于,直到找到最高清晰度的马达位置,对焦完成后的步骤还包括:
若所述最高清晰度的马达位置,其清晰度未能达到预设阈值,设置以所述实时焦距为中心的微调范围,在所述微调范围内所述马达沿指向所述被摄物的轴线进行循环往复运动,直到找到最高清晰度的马达位置,对焦完成。
3.如权利要求2所述的一种镜头调焦方法,其特征在于,对焦完成后的步骤还包括:
若最高清晰度的马达位置依然不符合预设阈值,将此时刻的焦距信息、被摄物实际距离、以及成像公式得出的结果数据上传至后台终端,并将所述相机切换至手动模式。
4.如权利要求3所述的一种镜头调焦方法,其特征在于,在焦点改变的过程中,持续获得新的帧图像以及对应的焦点位置后的步骤包括:
将获得新的帧图像、所述新的帧图像对应的焦点以及对应的实际距离保存至数据库中作为向量机分类深度学习模型的训练数据。
5.如权利要求1所述的一种镜头调焦方法,其特征在于,在焦点改变的过程中,持续获得新的帧图像以及对应的焦点位置的步骤包括:
在焦点改变的过程中,根据马达移动位置每隔预设距离获取预设数量新的帧图像以及对应的焦点位置。
6.如权利要求1所述的一种镜头调焦方法,其特征在于,所述马达采用闭环马达。
7.一种镜头调焦系统,其特征在于,包括:
预设模块,用于利用相机采集多个不同距离被摄物达到预设清晰度的图像,并记录任一图像拍摄时的焦距以及所述相机与被摄物之间的实际距离,保存至数据库;根据所述数据库中的所述焦距和所述实际距离建立所述相机的成像公式;其具体步骤包括:建立支持向量机分类深度学习模型,将不同的所述实际距离与其对应的所述焦距带入所述向量机分类深度学习模型进行循环计算,得到成像公式;
图像获取模块,用于获得初始帧图像,对所述初始帧图像进行逐点扫描,得到图像矩阵,并传输给图像处理设备;
清晰度计算模块,用于所述图像处理设备利用基于统计特征的熵函数进行图像清晰度计算;若清晰度计算结果满足预设阈值,则不进行对焦操作;若清晰度计算结果不满足预设阈值,利用所述相机自身的红外测距装置对被摄物进行测距,得到所述相机与被摄物之间的实际距离,将所述实际距离带入所述成像公式,得到实时焦距;其中熵函数公式为:Pi是图像中灰度值为I的像素出现的概率,L为灰度级总数,取值256;根据SHANNON信息论,熵最大时信息量最多,将此原理应用到对焦过程,D(f)越大则图像越清晰;
马达控制模块,用于计算所述相机内马达位置以及此时刻所述相机对应的焦距,驱动马达沿着指向所述被摄物的轴线改变对焦点,使其焦距等于实时焦距;
焦点确定模块,用于在焦点改变的过程中,在离所述实时焦距预设距离时,持续获得新的帧图像以及对应的焦点位置,并同时进行清晰度计算;直到找到最高清晰度的马达位置,对焦完成。
8.一种电子设备,其特征在于,包括至少一个处理器、至少一个存储器和数据总线;其中:所述处理器与所述存储器通过所述数据总线完成相互间的通信;所述存储器存储有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以执行如权利要求1-6任一项所述的方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210405275.8A CN114760415B (zh) | 2022-04-18 | 2022-04-18 | 一种镜头调焦方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210405275.8A CN114760415B (zh) | 2022-04-18 | 2022-04-18 | 一种镜头调焦方法、系统、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114760415A CN114760415A (zh) | 2022-07-15 |
CN114760415B true CN114760415B (zh) | 2024-02-02 |
Family
ID=82330445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210405275.8A Active CN114760415B (zh) | 2022-04-18 | 2022-04-18 | 一种镜头调焦方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114760415B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115297239B (zh) * | 2022-08-01 | 2024-05-28 | 苏州中科行智智能科技有限公司 | 一种基于光斑跟踪的相机调焦方法 |
CN115835016B (zh) * | 2022-11-16 | 2024-04-23 | 中国科学院新疆理化技术研究所 | 抗辐射摄像机开环式自动对焦方法、装置、设备及介质 |
CN115661158B (zh) * | 2022-12-28 | 2023-04-25 | 歌尔光学科技有限公司 | 光机镜头组件的检测方法、装置、电子设备及存储介质 |
CN116403284B (zh) * | 2023-04-07 | 2023-09-12 | 北京奥康达体育产业股份有限公司 | 一种基于蓝牙传输技术的智慧跑步考核训练系统 |
CN117073988B (zh) * | 2023-08-18 | 2024-06-04 | 交通运输部公路科学研究所 | 抬头显示虚像距离测量系统及方法、电子设备 |
CN117970737B (zh) * | 2024-04-01 | 2024-06-04 | 广州芯特智能装备有限公司 | 一种基于双视觉相机的目标焦距点获取方法、系统及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002072074A (ja) * | 2000-08-31 | 2002-03-12 | Fuji Photo Film Co Ltd | 自動焦点調節装置及び方法 |
KR20070016000A (ko) * | 2005-08-02 | 2007-02-07 | 삼성전기주식회사 | Psf를 이용하여 이미지를 처리하는 광학 시스템 및이미지 처리방법 |
CN107087113A (zh) * | 2017-06-19 | 2017-08-22 | 信利光电股份有限公司 | 一种摄像模组的调焦方法和系统 |
CN108076278A (zh) * | 2016-11-10 | 2018-05-25 | 阿里巴巴集团控股有限公司 | 一种自动对焦方法、装置及电子设备 |
CN110557547A (zh) * | 2018-05-30 | 2019-12-10 | 北京小米移动软件有限公司 | 镜头位置调整方法及装置 |
CN111277758A (zh) * | 2020-02-25 | 2020-06-12 | 深圳传音控股股份有限公司 | 拍摄方法、终端及计算机可读存储介质 |
WO2020200093A1 (zh) * | 2019-03-29 | 2020-10-08 | 深圳市道通智能航空技术有限公司 | 对焦方法、装置、拍摄设备及飞行器 |
WO2021136050A1 (zh) * | 2019-12-31 | 2021-07-08 | 华为技术有限公司 | 一种图像拍摄方法及相关装置 |
CN113645406A (zh) * | 2021-08-09 | 2021-11-12 | 福州鑫图光电有限公司 | 一种扫描对焦方法及终端 |
CN114286064A (zh) * | 2020-09-17 | 2022-04-05 | 深圳光峰科技股份有限公司 | 一种实时对焦方法、装置、系统和计算机可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2775349B1 (en) * | 2007-03-08 | 2021-08-11 | Cellavision AB | A method for determining an in-focus position and a vision inspection system |
-
2022
- 2022-04-18 CN CN202210405275.8A patent/CN114760415B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002072074A (ja) * | 2000-08-31 | 2002-03-12 | Fuji Photo Film Co Ltd | 自動焦点調節装置及び方法 |
KR20070016000A (ko) * | 2005-08-02 | 2007-02-07 | 삼성전기주식회사 | Psf를 이용하여 이미지를 처리하는 광학 시스템 및이미지 처리방법 |
CN108076278A (zh) * | 2016-11-10 | 2018-05-25 | 阿里巴巴集团控股有限公司 | 一种自动对焦方法、装置及电子设备 |
CN107087113A (zh) * | 2017-06-19 | 2017-08-22 | 信利光电股份有限公司 | 一种摄像模组的调焦方法和系统 |
CN110557547A (zh) * | 2018-05-30 | 2019-12-10 | 北京小米移动软件有限公司 | 镜头位置调整方法及装置 |
WO2020200093A1 (zh) * | 2019-03-29 | 2020-10-08 | 深圳市道通智能航空技术有限公司 | 对焦方法、装置、拍摄设备及飞行器 |
WO2021136050A1 (zh) * | 2019-12-31 | 2021-07-08 | 华为技术有限公司 | 一种图像拍摄方法及相关装置 |
CN111277758A (zh) * | 2020-02-25 | 2020-06-12 | 深圳传音控股股份有限公司 | 拍摄方法、终端及计算机可读存储介质 |
CN114286064A (zh) * | 2020-09-17 | 2022-04-05 | 深圳光峰科技股份有限公司 | 一种实时对焦方法、装置、系统和计算机可读存储介质 |
CN113645406A (zh) * | 2021-08-09 | 2021-11-12 | 福州鑫图光电有限公司 | 一种扫描对焦方法及终端 |
Non-Patent Citations (1)
Title |
---|
基于图像清晰度的自动聚焦算法;王蔚, 宁新宝, 张胜;计算机应用与软件(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114760415A (zh) | 2022-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114760415B (zh) | 一种镜头调焦方法、系统、设备及介质 | |
CN109712192B (zh) | 摄像模组标定方法、装置、电子设备及计算机可读存储介质 | |
US10129455B2 (en) | Auto-focus method and apparatus and electronic device | |
WO2020259474A1 (zh) | 追焦方法、装置、终端设备、计算机可读存储介质 | |
CN110689581A (zh) | 结构光模组标定方法、电子设备、计算机可读存储介质 | |
US20230370577A1 (en) | Calibration method and apparatus for binocular camera, image correction method and apparatus for binocular camera, storage medium, terminal and intelligent device | |
CN108076278A (zh) | 一种自动对焦方法、装置及电子设备 | |
KR101784787B1 (ko) | 이미징 기기 및 이미징 기기에서의 자동 초점맞춤 방법과 대응하는 컴퓨터 프로그램 | |
CN108648147B (zh) | 一种人眼视网膜机理的超分辨率图像获取方法及系统 | |
CN110033461B (zh) | 一种基于目标位移量估计的手机防抖功能评估方法 | |
CN111028205A (zh) | 一种基于双目测距的眼睛瞳孔定位方法及装置 | |
CN109559353A (zh) | 摄像模组标定方法、装置、电子设备及计算机可读存储介质 | |
CN112470192A (zh) | 双摄像头标定方法、电子设备、计算机可读存储介质 | |
CN113538545B (zh) | 一种基于电液可调焦镜头的单目深度估计方法及相应的相机和存储介质 | |
DE102016118192A1 (de) | Fokuserfassungsvorrichtung, Prädiktionsverfahren und zugehöriges Speichermedium | |
WO2016161734A1 (zh) | 一种自动对焦的方法及装置 | |
CN116182786B (zh) | 单目视觉测距方法、相机及介质 | |
CN108431660B (zh) | 范围优化的全光变焦 | |
CN217508854U (zh) | 全聚焦图像采集装置和自动化检测系统 | |
CN104811688B (zh) | 图像获取装置及其图像形变检测方法 | |
CN115242979A (zh) | 应用于血液拍摄的对焦方法及系统、智能设备及存储介质 | |
CN109379521B (zh) | 摄像头标定方法、装置、计算机设备和存储介质 | |
CN116684721B (zh) | 一种基于运动目标的液态镜头快速对焦方法、装置和设备 | |
CN114427954B (zh) | 一种近眼显示系统的视度测试装置、方法及存储介质 | |
CN114845043B (zh) | 自动对焦方法、系统、电子设备和计算机可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |