CN114885095A - 图像采集控制方法及设备、图像采集系统和可读存储介质 - Google Patents

图像采集控制方法及设备、图像采集系统和可读存储介质 Download PDF

Info

Publication number
CN114885095A
CN114885095A CN202210318818.2A CN202210318818A CN114885095A CN 114885095 A CN114885095 A CN 114885095A CN 202210318818 A CN202210318818 A CN 202210318818A CN 114885095 A CN114885095 A CN 114885095A
Authority
CN
China
Prior art keywords
image
image acquisition
change information
imaging
determining
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
CN202210318818.2A
Other languages
English (en)
Inventor
温任华
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.)
Meijie Photoelectric Technology Shanghai Co ltd
Original Assignee
Meijie Photoelectric Technology Shanghai 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 Meijie Photoelectric Technology Shanghai Co ltd filed Critical Meijie Photoelectric Technology Shanghai Co ltd
Priority to CN202210318818.2A priority Critical patent/CN114885095A/zh
Publication of CN114885095A publication Critical patent/CN114885095A/zh
Pending legal-status Critical Current

Links

Images

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • 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
    • 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
    • H04N23/61—Control of cameras or camera modules based on recognised objects
    • 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
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/30168—Image quality inspection
    • 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
    • G06T2207/30244—Camera pose

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Probability & Statistics with Applications (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本说明书实施例提供了图像采集控制方法及设备、图像采集系统和可读存储介质，其中，所述方法包括：在图像采集设备与采集对象之间的相对位姿连续变化时，获取所述图像采集设备分别在多个所述相对位姿处采集到的图像，并确定成像变化信息；基于所述成像变化信息，对所述图像采集设备在各所述相对位姿处的成像质量进行评估，并基于成像质量评估结果，确定所述图像采集设备聚焦于所述采集对象的相对位姿。采用上述方案，能够保障所述图像采集设备在图像采集时聚焦清晰，并能够保障图像采集时的聚焦情况一致性，有效提高成像质量、成像稳定性和普适性。

Description

图像采集控制方法及设备、图像采集系统和可读存储介质
技术领域
本说明书实施例涉及图像采集技术领域，尤其涉及一种图像采集控制方法及设备、图像采集系统和可读存储介质。
背景技术
图像采集技术可以将真实空间的信息转化为图像类型的数据，然后，根据不同的应用场景，对图像执行相应的图像处理操作，并通过图像处理结果来满足相关应用场景的需求。例如，在缺陷检测场景中，可以对图像进行缺陷检测相关的图像处理操作，从而通过图像处理结果，确定被采集的采集对象是否存在缺陷。
在采集图像时，采集对象的物理属性(如位置、角度等)和工艺属性(如结构、尺寸、材质等)会影响图像采集时的聚焦情况，从而降低成像质量和成像稳定性，导致图像处理结果不佳。
因此，图像采集时的聚焦情况不理想的问题，有待本领域技术人员解决。
发明内容
有鉴于此，本说明书实施例提供一种图像采集控制方法及设备、图像采集系统和可读存储介质，能够保障所述图像采集设备在图像采集时聚焦清晰，并能够保障图像采集时的聚焦情况一致性，有效提高成像质量、成像稳定性和普适性。
具体地，本说明书实施例提供了一种图像采集控制方法，包括：
在图像采集设备与采集对象之间的相对位姿连续变化时，获取所述图像采集设备分别在多个所述相对位姿处采集到的图像；
基于采集到的多个图像，确定成像变化信息；
基于所述成像变化信息，对所述图像采集设备在各所述相对位姿处的成像质量进行评估，得到成像质量评估结果；
基于所述成像质量评估结果，确定所述图像采集设备聚焦于所述采集对象的相对位姿。
可选地，所述图像采集设备与采集对象之间的相对位姿连续变化，包括：
控制所述图像采集设备和所述采集对象中至少一个进行连续运动，以使所述相对位姿连续变化。
可选地，所述基于采集到的多个图像，确定成像变化信息，包括以下至少一种：
确定各所述图像的梯度变化信息；
从多个所述图像中分别确定基准图像和对应的历史图像，并确定各所述基准图像相对于所述历史图像的纹理变化信息。
可选地，所述确定各所述图像的梯度变化信息，包括：
提取各所述图像的梯度特征，并确定所述梯度变化信息。
可选地，所述提取各所述图像的梯度特征，包括：
基于相邻矩阵多点梯度算子，提取各所述图像的梯度特征。
可选地，所述确定各所述图像的梯度变化信息，包括：
基于各所述图像中的指定区域，确定所述梯度变化信息。
可选地，所述确定各所述基准图像相对于所述历史图像的纹理变化信息，包括：
分别将各所述基准图像和各所述历史图像作为待处理图像，以提取所述待处理图像的轮廓特征；
基于提取到的轮廓特征，确定所述纹理变化信息。
可选地，所述提取所述待处理图像的轮廓特征，包括：
按照指定方向，在所述待处理图像的指定像素点周围选取多个像素组，并确定所述指定像素点的各所述像素组的梯度，以及基于所述指定像素点的各所述像素组的梯度，确定所述待处理图像的轮廓特征。
可选地，所述按照指定方向，在所述待处理图像的指定像素点周围选取多个像素组，并确定所述指定像素点的各所述像素组的梯度，以及基于所述指定像素点的各所述像素组的梯度，确定所述待处理图像的轮廓特征，包括：
按照第一方向，在所述待处理图像的指定像素点周围选取多个第一像素组，并在计算得到所述指定像素点对应的各所述第一像素组的梯度后，基于所述指定像素点的各所述第一像素组的梯度，确定所述待处理图像在所述第一方向上的轮廓特征；
按照第二方向，在所述待处理图像的指定像素点周围选取多个第二像素组，并在计算得到所述指定像素点对应的各所述第二像素组的梯度后，基于所述指定像素点的各所述第二像素组的梯度，确定所述待处理图像在所述第二方向上的轮廓特征；
基于所述待处理图像在所述第一方向上的轮廓特征和在所述第二方向上的轮廓特征，确定所述待处理图像的轮廓特征。
可选地，在对所述指定像素点的各所述像素组的梯度进行加权运算前，还包括：
基于所述指定像素点的多个所述像素组之间的梯度变化率，为各所述像素组的梯度分配轮廓权重。
可选地，所述确定各所述基准图像相对于所述历史图像的纹理变化信息，包括：
基于各所述基准图像中的指定区域以及各所述历史图像中的指定区域，确定纹理变化信息。
可选地，所述基于所述成像变化信息，对所述图像采集设备在各所述相对位姿处的成像质量进行评估，得到成像质量评估结果，包括：
将各所述相对位姿对应的梯度变化信息和纹理变化信息进行加权运算，得到对应的成像质量评估信息；
基于各所述相对位姿和对应的成像质量评估信息，确定所述成像质量评估结果。
可选地，所述基于采集到的多个图像，确定成像变化信息，包括：
基于采集到的多个图像，多次确定成像变化信息，得到多个成像变化信息；
所述基于所述成像变化信息，对所述图像采集设备在各所述相对位姿处的成像质量进行评估，得到成像质量评估结果，包括：
基于各所述成像变化信息，分别对所述图像采集设备在各所述相对位姿处的成像质量进行评估，得到相应的候选质量评估结果；
对多个所述候选质量评估结果进行匹配；
在匹配结果符合可信度条件后，基于多个所述候选质量评估结果，确定所述成像质量评估结果。
本说明书实施例还提供了一种图像采集控制设备，与图像采集设备连接，包括：
图像获取单元，适于在图像采集设备与采集对象之间的相对位姿连续变化时，获取所述图像采集设备分别在多个所述相对位姿处采集到的图像；
信息获取单元，适于基于采集到的多个图像，确定成像变化信息；
评估单元，适于基于所述成像变化信息，对所述图像采集设备在各所述相对位姿处的成像质量进行评估，得到成像质量评估结果，并基于所述成像质量评估结果，确定所述图像采集设备聚焦于所述采集对象的相对位姿。
本说明书实施例还提供了一种图像采集控制设备，包括存储器和处理器，所述存储器上存储有能在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行以上任一实施例所述方法的步骤。
本说明书实施例还提供了一种图像采集系统，包括：
装载设备，适于装载采集对象；
图像采集设备，适于对所述采集对象进行图像采集；
图像采集控制设备，与图像采集设备连接；适于在图像采集设备与采集对象之间的相对位姿连续变化时，获取所述图像采集设备分别在多个所述相对位姿处采集到的图像；基于采集到的多个图像，确定成像变化信息；基于所述成像变化信息，对所述图像采集设备在各所述相对位姿处的成像质量进行评估，得到成像质量评估结果；基于所述成像质量评估结果，确定所述图像采集设备聚焦于所述采集对象的相对位姿。
本说明书实施例还提供了一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令运行时执行以上任一实施例所述方法的步骤。
采用本说明书实施例提供的图像采集控制方法，在图像采集设备与采集对象之间的相对位姿连续变化时，获取所述图像采集设备分别在多个所述相对位姿处采集到的图像，以此确定成像变化信息；再基于所述成像变化信息，对所述图像采集设备在各所述相对位姿处的成像质量进行评估，并基于成像质量评估结果，确定所述图像采集设备聚焦于所述采集对象的相对位姿。由上可知，由于多个图像为所述图像采集设备在相对位姿连续变化过程中采集得到，因而可以降低周围环境对图像采集的影响，提高图像采集的时效性；通过成像变化信息对所述图像采集设备进行成像质量评估，可以使得到的成像质量评估结果能够准确反映所述图像采集设备的真实聚焦情况，而根据成像质量评估结果，可以得到图像采集设备的真实聚焦情况的变化趋势，因而可以根据实际情况，自适应地确定符合预期聚焦效果的相对位姿，故本说明书实施例提供的图像采集控制方法，能够保障所述图像采集设备在图像采集时聚焦清晰，并能够保障图像采集时的聚焦情况一致性，有效提高成像质量和成像稳定性，进而可以提高图像处理结果的精确性和可靠性。此外，本说明书实施例提供的图像采集控制方法可适用于存在采集对象多变和批量图像采集中至少一种情况的应用场景，具有更高的普适性。
附图说明
为了更清楚地说明本说明书实施例的技术方案，下面将对本说明书实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本说明书的一些实施例，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他的附图。
图1为本说明书实施例提供的一种图像采集控制方法的流程图。
图2为本说明书实施例提供的一种像素组选取示意图。
图3a为本说明书实施例提供的一种图像采集设备在当前位姿下采集到的电路板的图像的示意图。
图3b为图3a相关的相对位姿和成像质量评估信息之间的抛物线的示意图。
图3c为图像采集设备在图3b所示抛物线顶端对应的相对位姿下采集到的电路板的图像。
图4为本说明书实施例提供的一种图像采集控制设备的结构框图
图5为本说明书实施例提供的另一种图像采集控制设备的结构框图。
图6为本说明书实施例提供的一种图像采集系统的结构框图。
具体实施方式
如背景技术所述，采集对象的物理属性(如位置、角度等)和工艺属性(如结构、颜色、纹理、材质等)，会影响图像采集时的聚焦情况，从而降低成像质量和成像稳定性，导致图像处理结果不佳。
例如，对于同一采集对象A1，若采集对象A1的位置、角度等发生偏移，聚焦情况也会随之改变，可能采集得到模糊的图像，从而降低成像质量，并且，若对采集对象A1进行多次图像采集，可能会得到多个不同成像效果的图像。基于此，若进行图像处理操作，根据图像采集时机的不同，可能会得到不同的图像处理结果，从而降低了图像处理结果的精确性和可靠性。
又例如，在将采集对象A2更换为采集对象A3时，由于采集对象A2的表面和采集对象A3的表面呈现不同的细节，聚焦情况也会随之改变，可能造成采集对象A3的图像模糊，从而降低成像质量。基于此，在对采集对象A3的图像进行图像处理操作时，图像处理结果的错误率提升，从而降低了图像处理结果的精确性和可靠性。
由上可知，即使是同一采集对象，其位置、角度等发生改变后，聚焦情况也会发生改变，容易影响成像质量和成像稳定性，导致图像处理结果不佳；对于多种采集对象，聚焦情况更加复杂多变，也容易影响成像质量和成像稳定性，导致图像处理结果不佳。
为了解决图像采集时聚焦情况不理想的问题，本说明书提供了一种图像采集控制方法，在图像采集设备与采集对象之间的相对位姿连续变化时，获取所述图像采集设备分别在多个所述相对位姿处采集到的图像，以此确定成像变化信息；再基于所述成像变化信息，对所述图像采集设备在各所述相对位姿处的成像质量进行评估，并基于成像质量评估结果，确定所述图像采集设备聚焦于所述采集对象的相对位姿。由此，能够保障所述图像采集设备在图像采集时聚焦清晰，并能够保障图像采集时的聚焦情况一致性，有效提高成像质量、成像稳定性和普适性。
为使本领域技术人员更加清楚地了解及实施本发明的构思、方案及优点，以下结合附图和具体实施例详细说明技术方案。
参照图1，为本说明书实施例提供的一种图像采集控制方法的流程图。在本说明书实施例中，所述图像采集控制方法可以包括：
S01，在图像采集设备与采集对象之间的相对位姿连续变化时，获取所述图像采集设备分别在多个所述相对位姿处采集到的图像。
其中，所述图像可以为：彩色图像和灰度图像中至少一种。所述相对位姿可以包括以下至少一种：所述图像采集设备与所述采集对象之间的相对位置；所述图像采集设备与所述采集对象之间的相对角度。
在具体实施中，所述相对位姿可以根据坐标系进行描述。例如，在建立XYZ三维坐标系后，所述图像采集设备与所述采集对象之间的相对位姿可以包括以下至少一种：所述图像采集设备与所述采集对象之间沿X轴方向的相对位置；所述图像采集设备与所述采集对象之间沿Y轴方向的相对位置；所述图像采集设备与所述采集对象之间沿Z轴方向的相对位置；所述图像采集设备与所述采集对象之间绕X轴旋转的相对角度；所述图像采集设备与所述采集对象之间绕Y轴旋转的相对角度；所述图像采集设备与所述采集对象之间绕Z轴旋转的相对角度。
S02，基于采集到的多个图像，确定成像变化信息。
在具体实施中，当所述图像采集设备分别在多个所述相对位姿处采集图像时，可以同步记录各图像对应的相对位姿，因而所述图像和所述相对位姿之间存在对应关系，且基于所述图像获得的成像变化信息可适于表征：在相对位姿连续变化时，图像采集设备的成像变化情况。所述成像变化信息可以通过相应的计算机可识别字符表示。本说明书实施例对于所述图像的成像变化信息的表示方式均不做限制。
S03，基于所述成像变化信息，对所述图像采集设备在各所述相对位姿处的成像质量进行评估，得到成像质量评估结果。
在具体实施中，所述成像质量评估结果可适于表征：在相对位姿连续变化时，图像采集设备在各相对位姿处的成像质量情况。所述成像质量评估结果可以通过相应的计算机可识别字符表示。本说明书实施例对于所述成像质量评估结果的具体表示方式不做限制。
在具体实施中，所述成像质量评估结果可以包括：各相对位姿对应的成像质量评估信息，所述成像质量评估信息可以通过文字或数值表征成像质量情况。例如，可以通过文字“合格”表征该相对位姿处的成像质量情况为合格；或者，可以通过文字“不合格”以表征该相对位姿处的成像质量情况为不合格；又例如，可以通过数值表征该相对位姿处的成像质量情况。
在具体实施中，可根据具体的成像质量需求，进行相关的成像质量评估。例如，若存在清晰度需求，则可以进行清晰度方面的成像质量评估；相应地，所述成像质量评估结果包括的计算机可识别字符可以表征清晰度方面的成像质量评估结果。
S04，基于所述成像质量评估结果，确定所述图像采集设备聚焦于所述采集对象的相对位姿。
在具体实施中，当图像采集设备与采集对象之间的相对位姿连续变化的过程中，会存在使所述图像采集设备聚焦于所述采集对象的相对位姿，在该相对位姿处时，可以认为所述图像采集设备聚焦清晰，而在其他相对位姿处时，所述图像采集设备未聚焦于所述采集对象，即所述图像采集设备聚焦模糊。而基于所述成像质量评估结果，确定符合预设选取条件的成像质量评估信息后，可选取对应的相对位姿作为所述图像采集设备聚焦于所述采集对象的相对位姿。
基于此，控制所述图像采集设备在选取的相对位姿处进行图像采集时，所述图像采集设备聚焦清晰，可以得到成像质量较好的图像。
此外，由于可以保障所述图像采集设备在图像采集时聚焦清晰，因而在应用场景存在图像批量采集和采集对象多变中至少一种情况时，不但能够提高成像质量，还能够提高聚焦情况的一致性。
例如，对于工艺属性相同的多个采集对象，即使这些采集对象的物理属性发生改变(如位置发生改变、角度发生改变等)，在基于成像质量评估结果确定相对位姿后，所述图像采集设备在面对不同物理属性下的多个采集对象时，其聚焦情况均可以符合统一的聚焦要求，使得采集各采集对象的图像时的聚焦情况保持一致，由此可以兼顾确保成像质量和成像稳定性。
对于物理属性相同而工艺属性不同的多个采集对象，以及，对于物理属性和工艺属性均不同的多个采集对象，在基于成像质量评估结果确定相对位姿后，所述图像采集设备在面对这些采集对象时，其聚焦情况均可以符合统一的聚焦要求，使得采集各采集对象的图像时的聚焦情况保持一致，由此可以兼顾确保成像质量和成像稳定性。
在具体实施中，可以根据成像质量评估信息的表示方式，设定选取条件，从而对多个相对位姿进行选取。可以理解的是，本说明书实施例对于所述选取条件的具体内容不做限制。
例如，在所述成像质量评估信息通过文字“合格”和“不合格”表征成像质量情况时，所述选取条件可以设定为：选取第一个文字“合格”的成像质量评估信息对应的相对位姿。又例如，在所述成像质量评估信息通过数值方式表征成像质量情况时，所述选取条件可以设定为：选取最高数值对应的相对位姿。
由上可知，由于多个图像为所述图像采集设备在相对位姿连续变化过程中采集得到，因而可以降低周围环境对图像采集的影响，提高图像采集的时效性；通过成像变化信息对所述图像采集设备进行成像质量评估，可以使得到的成像质量评估结果能够准确反映所述图像采集设备的真实聚焦情况，而根据成像质量评估结果，可以得到图像采集设备的真实聚焦情况的变化趋势，因而可以根据实际情况，自适应地确定符合预期聚焦效果的相对位姿，故本说明书实施例提供的图像采集控制方法，能够保障所述图像采集设备在图像采集时聚焦清晰，并能够保障图像采集时的聚焦情况一致性，有效提高成像质量和成像稳定性，进而可以提高图像处理结果的精确性和可靠性。
此外，本说明书实施例提供的图像采集控制方法可适用于存在采集对象多变和批量图像采集中至少一种情况的应用场景，具有更高的普适性。
在具体实施中，在确定成像变化信息和进行成像质量评估时，所述图像采集设备与所述采集对象之间的相对位姿还可以进行连续变化，并且所述图像采集设备进行采集图像。
由于本说明书实施例提供的图像采集控制方法中需要采集多个图像，且方法步骤存在同步执行的可能，为了便于描述和理解，可根据获取顺序进行排序，并且在执行相关处理步骤(如执行图1中的步骤S2或步骤S3等)时，可以确定作为基准的特征，即基准特征，在基准特征之前的特征可以称为历史特征。例如，可以确定作为基准的图像，即基准图像，在基准图像之前获取的图像可以称为历史图像。
可以理解的是，根据实际处理效率，确定基准特征和历史特征的选取方式。例如，可以按照排序，依次选取已存储的图像作为基准图像，也可以将实时获取到的最近一个图像作为基准图像。
此外，在基准图像之前的相对位姿可以是一个或多个，即历史图像可以是一个或多个，对于第一个相对位姿(即初始的相对位姿)，可不执行相关方法步骤(如图1中的步骤S2或步骤S3等)，或者，也可以为初始的相对位姿预设成像变化信息和成像质量评估信息。
需要说明的是，上述示例仅为示意说明，在实际应用中，可以将图像替换为本说明书实施例中的其他具有时序特征的特征(如相对位姿)，本说明书对此不做具体限制。
在具体实施中，在图像采集设备与采集对象之间的相对位姿连续变化的过程中，会存在所述图像采集设备聚焦于所述采集对象的相对位姿，此时的成像质量最佳，而在其他相对位姿处，成像质量并未达到最佳。
基于此，可以通过比较基准相对位姿对应的成像质量评估信息和历史相对位姿对应的成像质量评估信息，确定最佳的成像质量评估信息，进而将最佳的成像质量评估信息对应的相对位姿，作为所述图像采集设备聚焦于所述采集对象的相对位姿。
在一可选示例中，为了得到更加精确所述图像采集设备聚焦于所述采集对象的相对位姿，可基于所述成像质量评估结果包括的各相对位姿对应的成像质量评估信息，进行曲线拟合，得到关于相对位姿和成像质量评估信息的抛物线，并将抛物线顶端对应的相对位姿作为所述图像采集设备聚焦于所述采集对象的相对位姿。
在具体实施中，可以根据具体情况和需求，控制所述图像采集设备和所述采集对象中至少一个进行连续运动，以使所述相对位姿连续变化，并在所述相对位姿连续变化的过程中，控制所述图像采集设备对所述采集对象进行多次图像采集，以得到多个所述图像。
在控制所述图像采集设备和所述采集对象中的一个进行连续运动时，可以通过运动主体(即所述图像采集设备和所述采集对象中的一个)的位置和/或角度，来表示所述相对位姿。
在具体实施中，可以根据具体应用场景和需求，控制所述图像采集设备和所述采集对象中至少一个的运动速度。例如，可以控制所述图像采集设备和所述采集对象中至少一个进行匀速连续运动。又例如，可以控制所述图像采集设备和所述采集对象中至少一个进行变速连续运动。
在具体实施中，可以根据具体应用场景和需求，控制所述图像采集设备和所述采集对象中至少一个的连续运动方式。例如，可以控制所述图像采集设备和所述采集对象中至少一个进行单一方向的连续运动。又例如，可以控制所述图像采集设备和所述采集对象中至少一个进行往复连续运动。
在具体实施中，由于多个所述相对位姿对应的成像质量评估信息，可以反映图像采集设备的真实聚焦情况的变化趋势，因而，可以通过基准相对位姿对应的成像质量评估信息和历史相对位姿对应的成像质量评估信息的比较结果，调整相对位姿的变化方向。例如，在相对位姿连续增大时，通过基准相对位姿对应的成像质量评估信息和历史相对位姿对应的成像质量评估信息的比较结果，确定图像采集设备的真实聚焦情况越来越模糊，则可以调整相对位姿连续变小。由此，可以提高处理效率，更加快速地找到所述图像采集设备聚焦于所述采集对象的相对位姿。
在具体实施中，所述成像变化信息可根据多个图像包含的与可视化层面相关的信息确定。例如，在进行基于采集到的多个图像，确定成像变化信息的过程中，可以包括以下至少一种：
1)确定各所述图像的梯度变化信息；其中，所述梯度变化信息适于表征：图像自身灰度变化的变化情况。
2)从多个所述图像中分别确定基准图像和对应的历史图像，并确定各所述基准图像相对于所述历史图像的纹理变化信息；其中，所述纹理变化信息适于表征纹理变化情况。
可以理解的是，对于图像采集设备在相对位姿变化过程中获得的第一张图像，其在作为基准图像时，实际上并不存在对应的历史图像，此时，可以通过先验条件、实验室数据等方式，为第一张图像预设相应的纹理变化信息(如将第一张图像的纹理变化信息设置为0)，或者，考虑到第一张图像为最清晰的图像的概率较小，可以设定不选取第一张图像作为基准图像。本说明书实施例对此不做具体限制。
在具体实施中，在确定梯度变化信息的过程中，可先提取各所述图像的梯度特征，并确定梯度变化信息。其中，所述梯度特征适于表征：图像自身的灰度变化情况。
需要说明的是，可以根据具体应用场景和需求，确定梯度特征的具体提取方法。
在具体实施中，在提取各图像的梯度特征的过程中，可以包括：基于相邻矩阵多点梯度算子，提取各所述图像的梯度特征。其中，所述相邻矩阵多点梯度算子可以包括：罗伯茨(Roberts)算子、Prewitt算子(一种一阶微分算子)、索贝尔(Sobel)算子、拉普拉斯(Laplace)算子、自定义算子中一种或多种组合。
根据具体实施采用的相邻矩阵多点梯度算子，可以得到多种梯度特征；在得到多种梯度特征时，可根据具体应用场景，计算其中的一种或多种梯度特征，以得到所述梯度变化信息。
以Sobel算子为例，设定水平滤窗模板和垂直滤窗模板，水平滤窗模板在图像上移动，与图像进行领域卷积，得到多个图像水平方向的梯度，相应地，垂直滤窗模板也在图像上移动，与图像进行邻域卷积，得到多个图像垂直方向的梯度，其中，根据移动方向和移动步长，多个图像水平方向的梯度和多个图像垂直方向的梯度存在对应关系。
然后，基于图像水平方向的梯度和图像垂直方向的梯度，进行模运算，可以得到图像的梯度幅值，以及，进行反正切运算，可以得到图像的梯度方向。
由上可知，通过Sobel算子，可以得到四种梯度特征，即图像水平方向的梯度、图像垂直方向的梯度、图像的梯度幅值和图像的梯度方向。在一些采集对象的表面特征较为简单的应用场景(如线条测量场景)，可以设定仅计算图像水平方向的梯度和图像垂直方向的梯度，以得到所述梯度变化信息，由此，可以减少梯度变化信息的计算量，并保障本说明书实施例提供的图像采集控制方法的准确性。在一些采集对象的表面特征较为复杂的应用场景(如器件检测场景)，可以设定计算图像水平方向的梯度、图像垂直方向的梯度、图像的梯度幅值和图像的梯度方向，以得到所述梯度变化信息，由此，可以提高梯度变化信息的准确性和可靠性。
在具体实施中，为了能够有效降低计算量并兼顾保留较多的有用信息，在确定各所述图像的梯度变化信息的过程中，可以基于各所述图像中的指定区域，确定各所述图像对应的梯度变化信息。
其中，所述指定区域可以是通过预设的目标框获取的包含最多有用信息(或包含相对集中的有用信息)的区域。
在具体实施中，由于图像采集设备与采集对象之间的相对位姿连续变化会影响聚焦情况，因而图像采集设备会采集到的模糊的图像和清晰的图像，清晰的图像相比于模糊的图像，具有更多的细节信息，例如，从清晰的图像中可以识别出更加准确、丰富的轮廓。
图像中轮廓的组合可认为是图像的一种纹理，基于此，在确定纹理变化信息的过程中，可先分别将各所述基准图像和各所述历史图像作为待处理图像，以提取所述待处理图像的轮廓特征，再基于提取到的轮廓特征，确定所述纹理变化信息。
其中，所述轮廓特征适于表征：图像中轮廓的分布情况。需要说明的是，可以根据具体应用场景和需求，确定轮廓特征的具体提取方法。
在一可选示例中，在多个图像中确定图像WN为基准图像，在基准图像WN之前且相邻的图像WN-1为历史图像，则分别将基准图像WN和历史图像WN-1作为待处理图像，进行轮廓特征提取，可以得到基准图像WN的轮廓特征和历史图像WN-1的轮廓特征；然后，基于提取到的基准图像WN的轮廓特征和历史图像WN-1的轮廓特征，可以确定所述基准图像WN相对于所述历史图像WN-1的纹理变化信息。
在具体实施中，所述提取所述待处理图像的轮廓特征，具体可以包括：按照指定方向，在所述待处理图像的指定像素点周围选取多个像素组，并确定所述指定像素点的各所述像素组的梯度，以及基于所述指定像素点的各所述像素组的梯度，确定所述待处理图像的轮廓特征。
可以理解的是，根据具体情况，指定方向的数量可以为一个或多个。并且，为了便于方向选取，可以选取图像的水平方向和图像的垂直方向中的至少一个，作为指定方向。
在一可选示例中，按照第一方向，在所述待处理图像的指定像素点周围选取多个第一像素组，并在计算得到所述指定像素点对应的各所述第一像素组的梯度后，基于所述指定像素点的各所述第一像素组的梯度，确定所述待处理图像在所述第一方向上的轮廓特征。
按照第二方向，在所述待处理图像的指定像素点周围选取多个第二像素组，并在计算得到所述指定像素点对应的各所述第二像素组的梯度后，基于所述指定像素点的各所述第二像素组的梯度，确定所述待处理图像在所述第二方向上的轮廓特征。
然后，基于所述待处理图像在所述第一方向上的轮廓特征和在所述第二方向上的轮廓特征，确定所述待处理图像的轮廓特征。
在具体实施中，为了便于选取像素组，可按照指定方向，在所述指定像素点周围划分多个区域，并在各区域中选取像素点，得到相应的像素组。
在一可选示例中，如图2所示，为本说明书实施例提供的一种像素组选取示意图。在图2中，待处理图像P1包括m行n列个像素点，且待处理图像P1可以看做一个二维函数F(x，y)，待处理图像P1中的各像素点均可以通过二维函数Z＝F(x，y)表示，例如，Z1,1＝F(x1，y1)可以表示为第一行第一列的像素点。
在待处理图像P1中，可以将第i行第j列的像素点Zi,j作为指定像素点，其中，i和j为正整数，且i小于m，j小于n。按照指定方向(本示例中为水平方向)，在指定像素点Zi,j的周围划分多个区域(在图2中通过不同的填充线条区分)，即区域1、区域2和区域3。其中，区域1可以包括像素点Zi-1,j-1、Zi-1,j和Zi-1,j+1。区域2可以包括像素点Zi,j-1、Zi,j和Zi,j+1。区域3可以包括像素点Zi+1,j-1、Zi+1,j和Zi+1,j+1。
在区域1中选取像素点Zi-1,j-1和Zi-1,j+1，形成像素组1。在区域2中选取Zi,j-1和Zi,j+1，形成像素组2。在区域3中选取Zi+1,j-1和Zi+1,j+1，形成像素组3。
在具体实施中，在确定所述指定像素点的各所述像素组的梯度后，可对所述指定像素点的各所述像素组的梯度进行加权运算，以确定所述待处理图像的轮廓特征。
在一可选示例中，继续参考图2，在得到指定像素点Zi,j的像素组1至像素组3之后，分别计算像素组1至像素组3的梯度，并对像素组1至像素组3的梯度进行加权运算，得到指定像素点Zi,j对应的轮廓特征。
为了便于理解，上述内容可通过下述公式进行表示，即：
Ti,j＝k1×(Zi,j+1-Zi,j-1)+k2×(Zi-1,j+1-Zi-1,j-1)+k3×(Zi+1,j+1-Zi+1,j-1)；
其中，Ti,j表示指定像素点Zi,j对应的轮廓特征，(Zi,j+1-Zi,j-1)表示像素组2的梯度，(Zi-1,j+1-Zi-1,j-1)表示像素组1的梯度，(Zi+1,j+1-Zi+1,j-1)表示像素组3的梯度。k1、k2和k3分别为像素组2、像素组1和像素组3的轮廓权重，所述轮廓权重适于表征：对应像素组在获取指定像素点的轮廓特征过程中的重要程度。
根据待处理图像P1中选取的指定像素点的对应的轮廓特征，可以得到所述待处理图像P1的轮廓特征。具体地，所述待处理图像P1的轮廓特征
Figure BDA0003570705310000141
可以为：
Figure BDA0003570705310000142
其中，T2,2至Tm-1,n-1分别为：第2行第2列的像素点的轮廓特征至第m-1行第n-1列的像素点的轮廓特征。
在具体实施中，为了可以获得边缘像素(如待处理图像中的第一行的像素、第一列的像素、最后一行的像素、最后一列的像素等)对应的轮廓特征，在选取多个像素组之前，可以在边缘像素的外侧(即待处理图像的周围)进行像素填充，从而扩大图像，以便于获取边缘像素的轮廓特征。
在一可选示例中，结合参考图2，在选取多个像素组之前，可以在待处理图像P1的上侧和左侧进行像素填充，从而将m*n大小的待处理图像P1扩大为(m+2)*(n+2)的图像P1’，由此，所述待处理图像P1’的轮廓特征
Figure BDA0003570705310000143
可以为：
Figure BDA0003570705310000144
在具体实施中，为了便于填充像素，可以通过复制相应边缘像素的方式进行像素填充。
在具体实施中，为了提高轮廓特征获取过程的准确性和灵活性，可基于所述指定像素点的多个所述像素组之间的梯度变化率，为各所述像素组的梯度分配轮廓权重。
其中，所述轮廓变化率可以为：某一像素组与其前一个像素组的梯度差与某一像素组的梯度的比值。例如，参考图2所述示例，所述像素组2和像素组1之间的梯度变化率可以为：[(Zi,j+1-Zi,j-1)-(Zi-1,j+1-Zi-1,j-1)]/(Zi,j+1-Zi,j-1)。
可以理解的是，为了便于描述和理解，上述示例仅示意性地示出了根据一个指定方向获取待处理图像的轮廓特征的情况，但是，在实际应用中，可以存在多个指定方向的情况，并且，根据上述内容，可以推导出存在多个指定方向时的轮廓特征获取方式，本说明书对此不做具体限制。
可以理解的是，为了便于描述和理解，上述示例仅示意性地示出了指定像素点周围相邻像素点的区域，但是，在实际应用中，可以选取范围更大区域，并可以在区域中选取更多的像素点作为像素组，以及，根据上述内容，可以推导出像素组梯度的获取方式，本说明书对此不做具体限制。
在具体实施中，基于待处理图像中提取到的轮廓特征，确定所述待处理图像中的轮廓区域，并基于所述待处理图像中的轮廓区域，进行区域梯度特征提取得到所述待处理图像的纹理信息。然后，比较所述基准图像作为待处理图像得到的纹理信息和所述历史图像作为待处理图像得到的纹理信息，确定所述纹理变化信息。其中，所述区域梯度特征的提取过程可参考上述图像的梯度提取过程，在此不再赘述。可选地，所述区域梯度特征的提取粒度可以小于轮廓特征的提取粒度。
在一可选示例中，基于基准图像中提取到的轮廓特征，可确定所述基准图像中的轮廓区域，并基于所述基准图像中的轮廓区域，进行区域梯度特征提取，并将提取到的轮廓区域的梯度特征作为所述基准图像的纹理信息。相似地，基于历史图像中提取到的轮廓特征，可确定所述历史图像中的轮廓区域，并基于所述历史图像中的轮廓区域，进行区域梯度特征提取，并将提取到的轮廓区域的梯度特征作为所述历史图像的纹理信息。然后，基于所述基准图像的纹理信息和历史图像的纹理信息，可以确定所述纹理变化信息。
采用上述方案，通过提取到的轮廓特征，可以确定图像中的轮廓区域，在轮廓区域中存在较为明显的边缘信息，因而在轮廓区域中存在纹理信息的概率较大，因而可以准确判断和获取纹理信息，提高纹理信息的精确性；然后，通过对所述轮廓区域进行区域梯度特征提取，可以对轮廓区域进行更加精细的分析，从而提高纹理信息的准确定。
在具体实施中，为了能够有效降低图像大小并兼顾保留较多的有用信息，在确定纹理变化信息的过程中，可以基于各所述基准图像中的指定区域以及各所述历史图像中的指定区域，确定纹理变化信息。
其中，所述指定区域可以是通过预设的目标框获取的包含最多有用信息(或包含相对集中的有用信息)的区域。
在具体实施中，所述梯度变化信息和纹理变化信息均可以通过数值进行表示，基于此，在确定各所述相对位姿对应的梯度变化信息和纹理变化信息后，可以将各所述相对位姿对应的梯度变化信息和纹理变化信息进行加权运算，得到对应的成像质量评估信息，并基于各所述相对位姿和对应的成像质量评估信息，确定所述成像质量评估结果。其中，所述梯度变化信息的权重和所述纹理变化信息的权重可根据具体需求进行设定。
由此，通过加权运算，可以灵活控制所述梯度变化信息和所述纹理变化信息在成像质量评估结果中的重要程度，从而得到更具有参考价值的成像质量评估结果。
在具体实施中，为了提高成像质量评估过程的可靠性，通过多次获取同一组图像的成像变化信息，并进行成像质量评估和成像质量评估结果匹配，从而可以确定成像质量评估过程中是否存在异常(如乱码、数据包丢失等)。需要说明的是，为了便于描述和理解，将多次获取的同一组图像的成像质量评估结果称为候选质量评估结果。
具体而言，基于采集到的多个图像，多次确定成像变化信息，得到多个成像变化信息；并基于各所述成像变化信息，分别对所述图像采集设备在各所述相对位姿处的成像质量进行评估，得到相应的候选质量评估结果；然后，对多个所述候选质量评估结果进行匹配，并在匹配结果符合可信度条件后，基于多个所述候选质量评估结果，确定所述成像质量评估结果。
在具体实施中，可根据具体需求和应用场景设定多个候选质量评估结果的匹配过程。例如，可以将多个候选质量评估结果的均差、方差、标准差中至少一种作为所述匹配结果。又例如，可以将多个候选质量评估结果中的任意两个进行匹配，若该两个候选质量评估结果相同或在允许误差范围内，则该两个候选质量评估结果相互匹配，并可以将相互匹配的数量作为所述匹配结果。本说明书实施例对此不做具体限制。
以及，可根据具体的匹配过程，设定相应的可信度条件，从而判断是否符合所述可信度条件。例如，在多个候选质量评估结果的匹配过程中，将多个候选质量评估结果的均差、方差、标准差中至少一种作为所述匹配结果时，所述可信度条件可以为：在所述匹配结果超过可信度阈值时，所述匹配结果符合所述可信度条件，否则，所述匹配结果不符合所述可信度条件。又例如，在多个候选质量评估结果的匹配过程中，将相互匹配的候选质量评估结果数量作为所述匹配结果时，所述可信度条件可以为：在所述匹配结果超过匹配数量阈值时，所述匹配结果符合所述可信度条件，否则，所述匹配结果不符合所述可信度条件。
需要说明的是，根据实际应用场景，“超过”可以理解为“大于”，也可以理解为“大于或等于”。本说明书实施例对此不做具体限制。
在具体实施中，为了提高成像变化信息的准确性，在所述确定成像变化信息之前，还可以对各所述图像进行预处理，以将预处理后的图像用于确定成像变化信息
其中，所述预处理包括以下至少一种：对所述图像进行灰度化处理；对所述图像进行目标区域筛选处理。
在具体实施时，所述对所述图像进行目标区域筛选处理，可以包括：通过前景分割算法，筛选出各所述图像中的前景区域。在一可选示例中，所述前景分割方法可以包括：大律法、基于阈值的直方图分割算法，基于拓扑学的分水岭算法，基于聚类的分割算法，以及基于数学形态学的分割算法中的一种或多种。
在具体实施中，本说明书实施例提供的图像采集控制方法可广泛应用于各种涉及图像采集的应用场景，例如，拍摄场景、缺陷检测场景、关键尺寸检测场景、关键点检测场景、目标识别场景等。相应地，根据具体的应用场景，本说明书实施例中的图像可以是对人物、物体、环境等采集对象进行采集得到的。本说明书对应用场景和采集对象均不做具体限制。
例如，在电路板的关键尺寸检测场景中，如图3a所示，为图像采集设备在当前位姿下采集到的电路板的图像的示意图。参考图3a可知，图像采集设备在当前位姿下采集到的电路板图像较为模糊。
在图像采集设备与采集对象之间的相对位姿连续变化时，获取所述图像采集设备分别在多个所述相对位姿处采集到的电路板的图像。然后，基于采集到的多个电路板的图像，确定成像变化信息，并基于所述成像变化信息，对所述图像采集设备在各所述相对位姿处的成像质量进行评估，得到成像质量评估结果。再者，基于所述成像质量评估结果包括的各相对位姿对应的成像质量评估信息，进行曲线拟合，得到关于相对位姿和成像质量评估信息的抛物线，如图3b所示，并将抛物线顶端对应的相对位姿WZ作为所述图像采集设备聚焦于所述采集对象的相对位姿。如图3c，为图像采集设备在抛物线顶端对应的相对位姿(即相对位姿WZ)下采集到的电路板的图像。对比图3a和图3c可知，经过本说明书实施例提供的图像采集控制方法，可以使得图像采集设备聚焦于所述采集对象，从而保障所述图像采集设备在图像采集时聚焦清晰，并能够保障图像采集时的聚焦情况一致性，有效提高成像质量和成像稳定性，进而可以提高图像处理结果的精确性和可靠性。
在具体实施中，图像采集设备的成像质量除了与图像采集设备与采集对象之间的相对位姿相关，还与光学参数相关，例如，所述光学参数可以包括：图像采集设备的分辨率参数、图像采集设备的物镜参数、图像采集设备所处环境的光源类型(如明场光源、暗场光源等)、图像采集设备所处环境的光照情况等。其中，通过调整图像采集设备的分辨率参数，可以改变图像尺寸；通过调整物镜，可以改变图像的尺寸范围；通过调整图像采集设备所处环境的光源类型(如将明场光源切换为暗场光源)，可以改变图像的成像效果；通过调整图像采集设备所处环境的光照情况，可以改变图像的曝光效果。
在实际应用中，可以多次调整光学参数，并执行上述实施例所述的方法步骤，得到各光学参数相应的图像采集设备聚焦于所述采集对象的相对位姿。然后，可以根据实际情况和需求，选取光学参数，并获取相应的图像采集设备聚焦于所述采集对象的相对位姿，以进行图像采集。
可以理解的是，上文描述的实施例提供了多种实施方案，各实施方案可在不冲突的情况下相互结合、交叉引用，从而延伸出多种可能的实施方案，这些均可认为是本说明书实施例披露、公开的实施例方案。
本说明书还提供了与上述图像采集控制方法对应的图像采集控制设备，以下参照附图，通过具体实施例进行详细介绍。需要知道的是，下文描述的图像采集控制设备可以认为是为实现本说明书提供的图像采集控制方法所需设置的功能模块；下文描述的图像采集控制设备的内容，可与上文描述的图像采集控制方法的内容相互对应参照。
在具体实施中，如图4所示，为本说明书实施例提供的一种图像采集控制设备的结构框图。在图4中，所述图像采集控制设备M10至少可与图像采集设备(图中未示出)连接，其具体可以包括：
图像获取单元M11，适于在图像采集设备与采集对象之间的相对位姿连续变化时，获取所述图像采集设备分别在多个所述相对位姿处采集到的图像。
信息获取单元M12，适于基于采集到的多个图像，确定成像变化信息；
评估单元M13，适于基于所述成像变化信息，对所述图像采集设备在各所述相对位姿处的成像质量进行评估，得到成像质量评估结果，并基于所述成像质量评估结果，确定所述图像采集设备聚焦于所述采集对象的相对位姿。
采用上述方案，由于多个图像为所述图像采集设备在相对位姿连续变化过程中采集得到，因而可以降低周围环境对图像采集的影响，提高图像采集的时效性；通过成像变化信息对所述图像采集设备进行成像质量评估，可以使得到的成像质量评估结果能够准确反映所述图像采集设备的真实聚焦情况，而根据成像质量评估结果，可以得到图像采集设备的真实聚焦情况的变化趋势，因而可以根据实际情况，自适应地确定符合预期聚焦效果的相对位姿，故本说明书实施例提供的图像采集控制方法，能够保障所述图像采集设备在图像采集时聚焦清晰，并能够保障图像采集时的聚焦情况一致性，有效提高成像质量和成像稳定性，进而可以提高图像处理结果的精确性和可靠性。
此外，本说明书实施例提供的图像采集控制设备可适用于存在采集对象多变和批量图像采集中至少一种情况的应用场景，具有更高的普适性。
在具体实施中，所述图像采集设备与采集对象之间的相对位姿连续变化可以由所述图像采集控制设备控制实现，也可以由其他控制设备控制实现。
在所述图像采集控制设备控制所述图像采集设备与采集对象之间的相对位姿连续变化时，所述图像采集控制设备还可以包括：控制单元，适于控制所述图像采集设备与采集对象之间的相对位姿连续变化。
并且，可根据控制单元的实际连接关系，确定相对位姿变化的具体实现方式。作为一可选示例，控制单元可以与图像采集设备连接，因而在实现所述相对位姿连续变化时，所述控制单元可控制所述图像采集设备进行连续运动。作为另一可选示例，所述图像采集控制设备可以分别与图像采集设备和装载采集对象的装载设备连接，从而可以选择控制所述图像采集设备和所述采集对象中至少一个进行连续运动，以使所述相对位姿连续变化。
此外，在所述相对位姿连续变化的过程中，所述图像采集控制设备的控制设备还可以控制所述图像采集设备对所述采集对象进行多次图像采集，以得到多个所述图像。
可以理解的是，连续运动的速度和方向可以根据具体应用场景和需求进行设定，具体可参照上述相关部分的描述，在此不再赘述。
在具体实施中，所述成像变化信息可以包括以下至少一种：梯度变化信息；纹理变化信息。其中，所述梯度变化信息和纹理变化信息的获取方式可参照上述相关部分的描述，在此不再赘述。
在具体实施中，继续参考图4，所述评估单元M13适于在确定梯度变化信息和纹理变化信息后，将各所述相对位姿对应的梯度变化信息和纹理变化信息进行加权运算，得到对应的成像质量评估信息，并基于各所述相对位姿和对应的成像质量评估信息，确定所述成像质量评估结果。
由此，通过加权运算，可以灵活控制所述梯度变化信息和所述纹理变化信息在成像质量评估结果中的重要程度，从而得到更具有参考价值的成像质量评估结果。
在具体实施中，继续参考图4，所述评估单元M13适于基于采集到的多个图像，多次确定成像变化信息，得到多个成像变化信息；基于各所述成像变化信息，分别对所述图像采集设备在各所述相对位姿处的成像质量进行评估，得到相应的候选质量评估结果；基于各所述成像变化信息，分别对所述图像采集设备在各所述相对位姿处的成像质量进行评估，并将得到的多个候选质量评估结果进行匹配，以及，在匹配结果符合可信度条件后，基于多个所述候选质量评估结果，确定所述成像质量评估结果。
其中，多个候选质量评估结果的匹配过程和可信度条件的判断过程可参照上述相关部分的描述，在此不再赘述。
在具体实施中，如图5所示，为本说明书实施例提供的另一种图像采集控制设备的结构框图。在图5中，所述图像采集控制设备M20可以包括：存储器M21和处理器M22，所述存储器M21上存储有能在所述处理器M22上运行的计算机指令，所述处理器M22运行所述计算机指令时可执行本说明书实施例提供的所述图像采集控制方法的步骤。
其中，所述图像采集控制方法的具体内容和实现方式可参考上述相关部分的描述，在此不再赘述。
采用上述方案，由于多个图像为所述图像采集设备在相对位姿连续变化过程中采集得到，因而可以降低周围环境对图像采集的影响，提高图像采集的时效性；通过成像变化信息对所述图像采集设备进行成像质量评估，可以使得到的成像质量评估结果能够准确反映所述图像采集设备的真实聚焦情况，而根据成像质量评估结果，可以得到图像采集设备的真实聚焦情况的变化趋势，因而可以根据实际情况，自适应地确定符合预期聚焦效果的相对位姿，故本说明书实施例提供的图像采集控制方法，能够保障所述图像采集设备在图像采集时聚焦清晰，并能够保障图像采集时的聚焦情况一致性，有效提高成像质量和成像稳定性，进而可以提高图像处理结果的精确性和可靠性。此外，本说明书实施例提供的图像采集控制设备可适用于存在采集对象多变和批量图像采集中至少一种情况的应用场景，具有更高的普适性。
本说明书还提供了与上述图像采集控制方法相对应的图像采集系统，以下参照附图，通过具体实施例进行详细介绍。需要知道的是，下文描述的图像采集系统的内容，可与上文描述的图像采集控制设备和图像采集控制方法的内容相互对应参照。
在具体实施中，如图6所示，为本说明书实施例提供的一种图像采集系统的结构框图。在图6中，所述图像采集系统Z10可以包括：
装载设备Z11，适于装载采集对象；
图像采集设备Z12，适于对所述采集对象进行图像采集；
图像采集控制设备Z13，与图像采集设备Z12连接；在图像采集设备与采集对象之间的相对位姿连续变化时，获取所述图像采集设备分别在多个所述相对位姿处采集到的图像；基于采集到的多个图像，确定成像变化信息；基于所述成像变化信息，对所述图像采集设备在各所述相对位姿处的成像质量进行评估，得到成像质量评估结果；基于所述成像质量评估结果，确定所述图像采集设备聚焦于所述采集对象的相对位姿。
由上可知，通过图像采集控制设备获取所述图像采集设备在相对位姿连续变化过程中采集得到的多个图像，可以降低周围环境对图像采集的影响，提高图像采集的时效性；通过成像变化信息对所述图像采集设备进行成像质量评估，可以使得到的成像质量评估结果能够准确反映所述图像采集设备的真实聚焦情况，而根据成像质量评估结果，可以得到图像采集设备的真实聚焦情况的变化趋势，因而可以根据实际情况，自适应地确定符合预期聚焦效果的相对位姿，故本说明书实施例提供的图像采集控制方法，能够保障所述图像采集设备在图像采集时聚焦清晰，并能够保障图像采集时的聚焦情况一致性，有效提高成像质量和成像稳定性，进而可以提高图像处理结果的精确性和可靠性。。
在具体实施中，所述图像采集设备和装载设备之间的相对位姿变化可通过位姿调节装置实现。可以理解的是，所述位姿调节装置的具体组成部分可根据实际应用场景和需求决定，从而形成能够实现位置调节和角度调节中至少一种调节功能的机械结构。
又例如，所述位姿调节装置可以包括活塞组件和活塞控制器，所述图像采集设备与活塞组件的活动轴连接，通过活塞控制器控制活塞组件的运动速度和运动方向，可以使所述图像采集设备的进行直线运动。
又例如，所述位姿调节装置可以包括电机和电机控制器，所述图像采集设备与电机的转动轴连接，通过电机控制器控制电机的转速和转动方向，可以使所述图像采集设备的角度进行旋转。
在具体实施中，根据应用场景和需求，可以设定图像处理设备具体进行的图像处理步骤。例如，在缺陷检测场景、关键尺寸检测场景和关键点检测场景等检测场景中，可以设定图像处理设备进行缺陷检测、关键尺寸检测和关键点检测等检测相关的图像处理步骤；在目标识别场景中，可以设定图像处理设备进行目标识别相关的图像处理步骤。本说明书对图像处理设备进行的步骤不做具体限制。
本说明书实施例还提供了一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令运行时执行前述任一实施例所述的图像采集控制方法的步骤。具体步骤可以参照前述实施例中所述的方法步骤，此处不再赘述。
所述计算机可读存储介质可以包括存储器、可移除的或不可移除的介质、可擦除或不可擦除介质、可写或可重写介质、数字或模拟介质等。
计算机指令可以包括通过使用任何合适的高级、低级、面向对象的、可视化的、编译的和/或解释的编程语言来实现的任何合适类型的代码，例如，源代码、编译代码、解释代码、可执行代码、静态代码、动态代码、加密代码等。
虽然本说明书实施例披露如上，但本说明书实施例并非限定于此。任何本领域技术人员，在不脱离本说明书实施例的精神和范围内，均可作各种更动与修改，因此本说明书实施例的保护范围应当以权利要求所限定的范围为准。

Claims (17)

1.一种图像采集控制方法，其特征在于，包括：
在图像采集设备与采集对象之间的相对位姿连续变化时，获取所述图像采集设备分别在多个所述相对位姿处采集到的图像；
基于采集到的多个图像，确定成像变化信息；
基于所述成像变化信息，对所述图像采集设备在各所述相对位姿处的成像质量进行评估，得到成像质量评估结果；
基于所述成像质量评估结果，确定所述图像采集设备聚焦于所述采集对象的相对位姿。
2.根据权利要求1所述的图像采集控制方法，其特征在于，所述图像采集设备与采集对象之间的相对位姿连续变化，包括：
控制所述图像采集设备和所述采集对象中至少一个进行连续运动，以使所述相对位姿连续变化。
3.根据权利要求1所述的图像采集控制方法，其特征在于，所述基于采集到的多个图像，确定成像变化信息，包括以下至少一种：
确定各所述图像的梯度变化信息；
从多个所述图像中分别确定基准图像和对应的历史图像，并确定各所述基准图像相对于所述历史图像的纹理变化信息。
4.根据权利要求3所述的图像采集控制方法，其特征在于，所述确定各所述图像的梯度变化信息，包括：
提取各所述图像的梯度特征，并确定所述梯度变化信息。
5.根据权利要求4所述的图像采集控制方法，其特征在于，所述提取各所述图像的梯度特征，包括：
基于相邻矩阵多点梯度算子，提取各所述图像的梯度特征。
6.根据权利要求3所述的图像采集控制方法，其特征在于，所述确定各所述图像的梯度变化信息，包括：
基于各所述图像中的指定区域，确定所述梯度变化信息。
7.根据权利要求3所述的图像采集控制方法，其特征在于，所述确定各所述基准图像相对于所述历史图像的纹理变化信息，包括：
分别将各所述基准图像和各所述历史图像作为待处理图像，以提取所述待处理图像的轮廓特征；
基于提取到的轮廓特征，确定所述纹理变化信息。
8.根据权利要求7所述的图像采集控制方法，其特征在于，所述提取所述待处理图像的轮廓特征，包括：
按照指定方向，在所述待处理图像的指定像素点周围选取多个像素组，并确定所述指定像素点的各所述像素组的梯度，以及基于所述指定像素点的各所述像素组的梯度，确定所述待处理图像的轮廓特征。
9.根据权利要求8所述的图像采集控制方法，其特征在于，所述按照指定方向，在所述待处理图像的指定像素点周围选取多个像素组，并确定所述指定像素点的各所述像素组的梯度，以及基于所述指定像素点的各所述像素组的梯度，确定所述待处理图像的轮廓特征，包括：
按照第一方向，在所述待处理图像的指定像素点周围选取多个第一像素组，并在计算得到所述指定像素点对应的各所述第一像素组的梯度后，基于所述指定像素点的各所述第一像素组的梯度，确定所述待处理图像在所述第一方向上的轮廓特征；
按照第二方向，在所述待处理图像的指定像素点周围选取多个第二像素组，并在计算得到所述指定像素点对应的各所述第二像素组的梯度后，基于所述指定像素点的各所述第二像素组的梯度，确定所述待处理图像在所述第二方向上的轮廓特征；
基于所述待处理图像在所述第一方向上的轮廓特征和在所述第二方向上的轮廓特征，确定所述待处理图像的轮廓特征。
10.根据权利要求8或9所述的图像采集控制方法，其特征在于，在对所述指定像素点的各所述像素组的梯度进行加权运算前，还包括：
基于所述指定像素点的多个所述像素组之间的梯度变化率，为各所述像素组的梯度分配轮廓权重。
11.根据权利要求3所述的图像采集控制方法，其特征在于，所述确定各所述基准图像相对于所述历史图像的纹理变化信息，包括：
基于各所述基准图像中的指定区域以及各所述历史图像中的指定区域，确定纹理变化信息。
12.根据权利要求3所述的图像采集控制方法，其特征在于，所述基于所述成像变化信息，对所述图像采集设备在各所述相对位姿处的成像质量进行评估，得到成像质量评估结果，包括：
将各所述相对位姿对应的梯度变化信息和纹理变化信息进行加权运算，得到对应的成像质量评估信息；
基于各所述相对位姿和对应的成像质量评估信息，确定所述成像质量评估结果。
13.根据权利要求1所述的图像采集控制方法，其特征在于，所述基于采集到的多个图像，确定成像变化信息，包括：
基于采集到的多个图像，多次确定成像变化信息，得到多个成像变化信息；
所述基于所述成像变化信息，对所述图像采集设备在各所述相对位姿处的成像质量进行评估，得到成像质量评估结果，包括：
基于各所述成像变化信息，分别对所述图像采集设备在各所述相对位姿处的成像质量进行评估，得到相应的候选质量评估结果；
对多个所述候选质量评估结果进行匹配；
在匹配结果符合可信度条件后，基于多个所述候选质量评估结果，确定所述成像质量评估结果。
14.一种图像采集控制设备，其特征在于，与图像采集设备连接，包括：
图像获取单元，适于在图像采集设备与采集对象之间的相对位姿连续变化时，获取所述图像采集设备分别在多个所述相对位姿处采集到的图像；
信息获取单元，适于基于采集到的多个图像，确定成像变化信息；
评估单元，适于基于所述成像变化信息，对所述图像采集设备在各所述相对位姿处的成像质量进行评估，得到成像质量评估结果，并基于所述成像质量评估结果，确定所述图像采集设备聚焦于所述采集对象的相对位姿。
15.一种图像采集控制设备，包括存储器和处理器，所述存储器上存储有能在所述处理器上运行的计算机指令，其特征在于，所述处理器运行所述计算机指令时执行权利要求1至13任一项所述方法的步骤。
16.一种图像采集系统，其特征在于，包括：
装载设备，适于装载采集对象；
图像采集设备，适于对所述采集对象进行图像采集；
图像采集控制设备，与图像采集设备连接；适于在图像采集设备与采集对象之间的相对位姿连续变化时，获取所述图像采集设备分别在多个所述相对位姿处采集到的图像；基于采集到的多个图像，确定成像变化信息；基于所述成像变化信息，对所述图像采集设备在各所述相对位姿处的成像质量进行评估，得到成像质量评估结果；基于所述成像质量评估结果，确定所述图像采集设备聚焦于所述采集对象的相对位姿。
17.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述计算机指令运行时执行权利要求1至13任一项所述方法的步骤。
CN202210318818.2A 2022-03-29 2022-03-29 图像采集控制方法及设备、图像采集系统和可读存储介质 Pending CN114885095A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210318818.2A CN114885095A (zh) 2022-03-29 2022-03-29 图像采集控制方法及设备、图像采集系统和可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210318818.2A CN114885095A (zh) 2022-03-29 2022-03-29 图像采集控制方法及设备、图像采集系统和可读存储介质

Publications (1)

Publication Number Publication Date
CN114885095A true CN114885095A (zh) 2022-08-09

Family

ID=82669195

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210318818.2A Pending CN114885095A (zh) 2022-03-29 2022-03-29 图像采集控制方法及设备、图像采集系统和可读存储介质

Country Status (1)

Country Link
CN (1) CN114885095A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115484371A (zh) * 2022-09-13 2022-12-16 菲特（天津）检测技术有限公司 一种图像采集方法、图像采集装置及可读取存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115484371A (zh) * 2022-09-13 2022-12-16 菲特（天津）检测技术有限公司 一种图像采集方法、图像采集装置及可读取存储介质

Similar Documents

Publication Publication Date Title
CN109978839B (zh) 晶圆低纹理缺陷的检测方法
US9773302B2 (en) Three-dimensional object model tagging
DE102015005267B4 (de) Informationsverarbeitungsvorrichtung, Verfahren dafür und Messvorrichtung
CN111083365B (zh) 一种最佳焦平面位置快速检测方法及装置
CN110852997B (zh) 动态图像清晰度检测方法、装置、电子设备及存储介质
JP2005055443A (ja) 高度性状加工材料に埋込まれた線群の検査に用いられる画像測定機検査システムの操作方法および画像測定機検査システムのプログラミング方法
CN111833306A (zh) 缺陷检测方法和用于缺陷检测的模型训练方法
CN110596120A (zh) 玻璃边界缺陷检测方法、装置、终端及存储介质
CN110517213B (zh) 一种显微镜用的基于拉普拉斯金字塔的实时景深延拓方法
CN113327206B (zh) 基于人工智能的输电线智能巡检系统的图像模糊处理方法
CN113592868B (zh) 一种玻纤布面黑灰检测方法
CN114998314B (zh) 一种基于计算机视觉的pcb电路板缺陷检测方法
CN110838099A (zh) 一种异物检测方法、装置、系统及终端设备
CN113034474A (zh) 一种oled显示器晶圆图的测试方法
CN114764189A (zh) 用于评估图像处理结果的显微镜系统和方法
CN101315664A (zh) 用于文字识别的文本图像预处理方法
CN114885095A (zh) 图像采集控制方法及设备、图像采集系统和可读存储介质
CN113066088A (zh) 工业检测中的检测方法、检测装置和存储介质
KR101792564B1 (ko) 영상 처리 방법 및 이를 이용한 영상 처리 장치
CN115526854A (zh) 一种基于二进制条纹的镜面缺陷检测方法、设备及介质
CN115578291A (zh) 图像的亮度校正方法、存储介质及电子设备
US11631183B2 (en) Method and system for motion segmentation
CN114972084A (zh) 一种图像对焦准确度评价方法及系统
CN111091513B (zh) 图像处理方法、装置、计算机可读存储介质及电子设备
CN117456097B (zh) 一种三维模型构建方法及装置

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