CN114998441B - 无人机云台灯自适应调节方法、装置、电子设备及存储介质 - Google Patents

无人机云台灯自适应调节方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114998441B
CN114998441B CN202210941734.4A CN202210941734A CN114998441B CN 114998441 B CN114998441 B CN 114998441B CN 202210941734 A CN202210941734 A CN 202210941734A CN 114998441 B CN114998441 B CN 114998441B
Authority
CN
China
Prior art keywords
image
light beam
acquiring
binary image
beam profile
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
Application number
CN202210941734.4A
Other languages
English (en)
Other versions
CN114998441A (zh
Inventor
陈翔
张田
廖科文
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.)
Guangzhou Chengzhi Intelligent Machine Technology Co ltd
Original Assignee
Guangzhou Chengzhi Intelligent Machine Technology 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 Guangzhou Chengzhi Intelligent Machine Technology Co ltd filed Critical Guangzhou Chengzhi Intelligent Machine Technology Co ltd
Priority to CN202210941734.4A priority Critical patent/CN114998441B/zh
Publication of CN114998441A publication Critical patent/CN114998441A/zh
Application granted granted Critical
Publication of CN114998441B publication Critical patent/CN114998441B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D3/00—Control of position or direction
    • G05D3/12—Control of position or direction using feedback
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • 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
    • G06T7/13—Edge 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
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
    • Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Automation & Control Theory (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明涉及一种无人机云台灯自适应调节方法，包括步骤：获取环境图像和光束图像，对所述环境图像和所述光束图像做图像差分，得到差分图像，其中，所述光束图像为与所述环境图像在同一环境背景下带有云台灯投射光束的图像；将所述差分图像转换为二值图像，根据所述二值图像进行轮廓检测，得到光束轮廓；获取所述光束轮廓沿光束入射的方向的中心线；获取所述中心线与所述光束轮廓的交点，沿光束入射方向的反方向，选取与该交点距离为所述光束轮廓最大内接圆的半径的点为光斑圆心位置；获取目标位置，根据所述光斑圆心位置和所述目标位置调整云台灯的照射方向。相对于现有技术，能够准确检测云台灯的光斑位置。

Description

无人机云台灯自适应调节方法、装置、电子设备及存储介质
技术领域
本发明涉及无人机的技术领域，尤其是涉及一种无人机云台灯自适应调节方法、装置、电子设备及存储介质。
背景技术
无人机在夜间拍摄场景下，需要借助云台灯补光，以使摄像中心所拍摄的画面有足够的亮度。传统的分体式云台灯，在使用时需要通过手动调节，使云台灯的照射方向与摄像头的拍摄方向一致，这种云台灯的使用费时费力，效率低下，而且以人眼作为判断标准无法保证调节精度。另外一种云台灯自适应方法则通过检测云台灯所照射的激光光斑的位置，根据光斑的位置来调节云台灯的照射方向，从而使云台灯的光斑处于摄像中心。然而，这种方法在进行光斑位置检测时，要求激光光斑图像均匀分布且边缘清晰，否则会导致较大的误差，而实际工况下光柱与光斑亮度接近，环境光照可能会与光柱亮度接近，因而难以准确分割出光斑轮廓，导致光斑位置检测误差大，使得不能准确调节云台灯的照射方向。
发明内容
本发明的目的在于克服现有技术的缺点与不足，提供一种无人机云台灯自适应调节方法，能够准确检测云台灯的光斑位置。
本发明是通过以下技术方案实现的：一种无人机云台灯自适应调节方法，包括步骤：
获取环境图像和光束图像，对所述环境图像和所述光束图像做图像差分，得到差分图像，其中，所述光束图像为与所述环境图像在同一环境背景下带有云台灯投射光束的图像；
将所述差分图像转换为二值图像，根据所述二值图像进行轮廓检测，得到光束轮廓；
获取所述光束轮廓沿光束入射的方向的中心线；
获取所述中心线与所述光束轮廓的交点，沿光束入射方向的反方向，选取与该交点距离为所述光束轮廓最大内接圆的半径的点为光斑圆心位置；
获取目标位置，根据所述光斑圆心位置和所述目标位置调整云台灯的照射方向。
相对于现有技术，本发明提供一种无人机云台灯自适应调节方法在获取光束轮廓时通过环境图像对光束图像进行差分处理，滤除了环境光的干扰，能够获得准确的光束轮廓。同时，直接通过光束位置计算获取光斑位置，不会受到光斑与光柱亮度相近而造成的干扰，可以准确获得光斑位置。而且，本发明的方法实现难度小，减少了实施成本。
进一步地，获取所述光束轮廓的沿光束入射方向的中心线，包括步骤：获取所述光束轮廓的最大内接圆的圆心，以及获取所述光束轮廓与所述二值图像边缘的两交点的中点，确定经过该圆心与该中点的直线为沿光束入射方向的所述中心线。
进一步地，获取所述光束轮廓的最大内接圆的圆心，包括步骤：计算所述光束轮廓内所有点到最近的光束轮廓边界的边界距离，确定其中最大边界距离对应的点为最大内接圆的圆心。
进一步地，将所述差分图像转换为二值图像，包括步骤：
将所述差分图像转换为灰度图像，并计算该灰度图像的灰度直方图；
根据所述灰度直方图计算二值化阈值，根据所述二值化阈值将灰度图像转换为二值图像。
进一步地，根据所述灰度直方图计算二值化阈值，包括步骤：获取所述灰度直方图中第一波峰的峰值点和第二波峰的峰值点的中点，确定该中点对应的灰度值为二值化阈值。
进一步地，根据所述二值图像进行轮廓检测前，还包括步骤：对所述二值图像进行形态学操作后，对所述二值图像进行中值滤波。
进一步地，根据所述二值图像进行轮廓检测，得到光束轮廓，包括步骤：根据所述二值图像进行轮廓检测得到若干封闭轮廓，计算所有所述封闭轮廓的面积，确定其中面积最大的所述封闭轮廓为光束轮廓。
基于同一发明构思，本申请还提供一种无人机云台灯自适应调节装置，包括：
图像差分模块，用于获取环境图像和光束图像，所述光束图像为与所述环境图像在同一环境背景下带有云台灯投射光束的图像，对所述环境图像和所述光束图像做图像差分，得到差分图像；
轮廓检测模块，用于将所述差分图像转换为二值图像，根据所述二值图像进行轮廓检测，得到光束轮廓；
光束入射获取模块，用于获取所述光束轮廓沿光束入射的方向的中心线；
光斑圆心获取模块，用于获取所述中心线与所述光束轮廓的交点，沿光束入射方向的反方向，选取与该交点距离为所述光束轮廓最大内接圆的半径的点为光斑圆心位置；
调整模块，用于获取目标位置，根据所述光斑圆心位置和所述目标位置调整云台灯的照射方向。
基于同一发明构思，本申请还提供一种电子设备，包括：
处理器；
存储器，用于存储由所述处理器执行的计算机程序；
其中，所述处理器执行所述计算机程序时实现上述方法的步骤。
基于同一发明构思，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现上述方法的步骤。
为了更好地理解和实施，下面结合附图详细说明本发明。
附图说明
图1为无人机云台灯自适应调节方法的一个示例性应用环境示意图；
图2为一个实施例中的无人机云台灯自适应调节方法的流程示意图；
图3为一个示例性的环境图像示意图；
图4为一个示例性的光束图像示意图；
图5为一个示例性的差分图像示意图；
图6为将光束图像跳过步骤S1直接转换得到的二值图像；
图7为一个示例性的灰度直方图；
图8为一个示例性的二值图像示意图；
图9为一个示例性的经过形态学操作的二值图像示意图；
图10为一个示例性的经过中值滤波的二值图像示意图；
图11为一个示例性的光束轮廓检测结果图；
图12为一个示例性的光束轮廓的最大内接圆的示意图；
图13为一个示例性的光束入射直线的示意图；
图14为一个示例性的光斑位置的检测结果图；
图15为一个实施例的无人机云台灯自适应调节装置的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施例方式作进一步地详细描述。
应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
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申请相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请的描述中，需要理解的是，术语“第一”、“第二”、“第三”等仅用于区别类似的对象，而不必用于描述特定的顺序或先后次序，也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
请参阅图1，其为本申请的无人机云台灯自适应调节方法的一个示例性应用环境示意图。包括无人机摄像头11、云台灯12、无人机控制器13和远程控制器14，无人机摄像头11为搭载于无人机上的具有摄像和传输功能的设备；云台灯12可搭载于无人机上的用于投射光束的设备，云台灯12所投射的光束包括光斑和光柱两部分；无人机控制器13是搭载于无人机上的可控制无人机及无人机所搭载设备的设备，可运行和存储计算机程序，可以是处理器，可运行MSDK程序；远程控制器14是用于向无人机控制器13发送控制指令以远程遥控无人机的设备，可以是任何具有运行和存储计算机程序的设备，可以是处理器，还可以是云端服务器，可运行PSDK程序。工作时，无人机摄像头11拍摄带有云台灯12所投射的光束的图像，并传输至远程控制器14，远程控制器14根据本申请的无人机云台灯自适应调节方法对接收到光束图像进行处理得到光斑位置信息，并将该光斑位置信息传输至无人机控制器13，无人机控制器13根据光斑位置和一目标位置调节和云台灯12的光束投射方向，以使云台灯12投射的光束的光斑位置位于使用者期望的位置。
请参阅图2，其为一个实施例中的无人机云台灯自适应调节方法的流程示意图，该方法包括步骤：
S1：获取环境图像和光束图像，对环境图像和光束图像做图像差分，得到差分图像；
S2：将差分图像转换为二值图像，并根据二值图像进行轮廓检测，得到光束轮廓；
S3：获取光束轮廓的沿光束入射方向的中心线，确定该中心线为光束入射直线；
S4：获取光束入射直线与光束轮廓的交点，在光束入射直线上，沿光束入射方向的反方向，选取与该交点距离为光束轮廓最大内接圆的半径的点为光斑圆心位置；
S5：获取目标位置，根据光斑圆心位置和目标位置调整云台灯的照射方向。
在步骤S1中，如图3所示，环境图像为无人机摄像头在无云台灯照射的情况下拍摄的图像；如图4所示，光束图像为与环境图像在同一背景下带有云台灯照射光束的图像。
对环境图像和光束图像做图像差分，具体为将环境图像和光束图像在相同位置的像素点的像素值做差，将得到的差值作为像素点的新的像素值，得到差分图像。如图5所示，对环境图像和光束图像做图像差分，所得到的差分图像减少或消除了环境图像和光束图像的相似部分，而突出了不同的部分，从而可以过滤掉光束图像的背景中的环境光，而保留了光束。请参阅图6，其为将光束图像跳过步骤S1直接转换得到的二值图像，可见，由于天空部分的环境光亮度与光束的光柱亮度十分接近，转换为二值图像后，难以得到准确的光束轮廓，而且存在大量无关的环境光轮廓，将影响后续光束轮廓的获取效率。
在步骤S2中，将差分图像转换为二值图像，具体包括步骤：
S21：将差分图像转换为灰度图像，并计算该灰度图像的灰度直方图；
S22：根据灰度直方图计算二值化阈值，根据二值化阈值将灰度图像转换为二值图像。
灰度图像是将差分图像的每个像素点通过灰度表示。灰度图像的灰度直方图是对灰度图像中灰度级分布的统计，将灰度图像中的所有像素点按照灰度值的大小分布，统计每一灰度值对应的像素点的个数。请参阅图7，其为一个示例性的灰度直方图，灰度直方图的横坐标为连续的灰度值，纵坐标为像素点个数。从灰度直方图可以看到图像背景和光束的亮度分布情况，在灰度直方图的灰度值趋近于0的区间存在一个波峰，为第一波峰，该第一波峰为接近黑色的像素点分布，即图像背景的像素分布；在灰度直方图中存在的另一个波峰，为第二波峰，该第二波峰为亮度更高的像素点分布，即光束的像素分布。
根据灰度直方图计算二值化阈值时，获取灰度直方图中第一波峰的峰值点和第二波峰的峰值点的中点，确定该中点对应的灰度值为二值化阈值。
请参阅图8，其为一个示例性的二值图像，二值图像是每个像素只有两个可能值的数字图像。在本实施例中，根据二值化阈值将灰度图像转换为二值图像，具体为：将灰度图像中灰度值大于二值化阈值的像素点的灰度值设置为255；将灰度图像中灰度值小于二值化阈值的像素点的灰度值设置为0。
在一个优选实施例中，为了减少计算量，加快运算速度，在步骤S2中，将差分图像转换为二值图像前，还包括步骤：将差分图像的长宽分别以一预设比例进行缩小。在一个具体实施中，该预设比例可设置为1/4。
在一个优选实施例中，为了使二值图像中的光束轮廓更加清晰，在根据二值图像进行轮廓检测前，还包括步骤：对二值图像进行形态学操作。在具体实施中，对二值图像进行的形态学操作可以是开运算或闭运算。请参阅图9，其为一个示例性的经过形态学操作的二值图像，可见经过形态学操作后，该二值图像的背景中的白色像素点得到减少，使光束轮廓更加清晰。
在另一个优选实施例中，为了使经过形态学操作的二值图像中的光束轮廓更加圆滑，对二值图像进行形态学操作后，还包括步骤：对二值图像进行中值滤波。请参阅图10，其为一个示例性的经过中值滤波的二值图像，可见经过中值滤波后，得到的二值图像中的光束轮廓更为圆滑。
在一个优选实施例中，为了获取更为准确的光束轮廓，根据二值图像进行轮廓检测时，将可能得到若干个封闭轮廓，则需要从所检测得的所有封闭轮廓中筛选出光束轮廓，具体为：计算所检测得的所有封闭轮廓的面积，确定其中面积最大的封闭轮廓为光束轮廓。如图11所示，其为一个示例性的光束轮廓检测结果图，经过筛选，可以滤除步骤S1中没有被过滤掉的环境光所形成的轮廓，从而可以准确获取光束轮廓。
在步骤S3中，获取光束轮廓的沿光束入射方向的中心线的具体步骤，可以是：获取所述光束轮廓的最大内接圆的圆心，以及所述光束轮廓与所述二值图像边缘的两交点的中点，确定经过该圆心与该中点的直线为沿光束入射方向的中心线。其中，光束轮廓的最大内接圆的圆心的获取方式为，计算光束轮廓内所有点到与其最近的光束轮廓边界的边界距离，并将光束轮廓内所有点按照该边界距离进行排序，确定其中边界距离最大的点为最大内接圆的圆心，该最大边界距离则为最大内接圆的半径。如图12所示，其为一个示例性的光束轮廓的最大内接圆的示意图。
请参阅图13，其为一个示例性的光束入射直线的示意图。其中，点A和点B为光束轮廓与二值图像边缘的两交点，点C为点A和点B的中点，点D为光束轮廓的最大内接圆的圆心，经过点C和点D的直线L则为光束入射直线。以二值图像中的某一点为原点建立坐标系，可通过直线方程表示该光束入射直线。
在步骤S4中，光束入射直线与光束轮廓的交点的获取方式为，滤除光束轮廓在二值图像边缘的点，计算过滤后的光束轮廓边缘上的所有点到光束入射直线的距离，确定其中最小距离对应的点为光束入射直线与光束轮廓的交点。
光束入射直线与光束轮廓的交点即为光斑的拟合圆上的点，则在光束入射直线的入射方向的反方向上，与该交点距离最大内接圆半径的点即可视为光斑的拟合圆的圆心，以该最大内接圆半径在圆心上作圆即为光斑的位置。如图14所示，其为一个示例性的光斑位置的检测结果图。
在步骤S5中，目标位置为期望调整的云台灯投射的光斑在无人机摄像画面中的位置，该目标位置可根据需求设置为无人机摄像画面的中心，或者无人机使用者通过遥控设置无人机摄像画面中的任意点。根据光斑的圆心位置和目标位置调整云台灯的照射方向，具体可通过计算光斑的圆心位置和目标位置的差值，调整云台灯的投射方向以缩小光斑的圆心位置和目标位置的差值，直到该差值为0或者小于一预设阈值为止。在一具体实施中，可通过PID控制算法控制云台灯的投射方向。
相对于现有技术，本发明的无人机云台灯自适应调节方法在获取光束轮廓时通过环境图像对光束图像进行差分处理，滤除了环境光的干扰，能够获得准确的光束轮廓。同时，直接通过光束位置计算获取光斑位置，不会受到光斑与光柱亮度相近而造成的干扰，可以准确获得光斑位置。而且，本发明的方法实现难度小，减少了实施成本。
此外，在用于检测光束轮廓的二值图像的二值化中，通过灰度直方图来确定二值化阈值，缩短了二值化的处理时间，加快了光斑检测的速度，在本发明的无人机云台灯自适应调节方法的一个实施中，仅耗时0.035秒即可获取光束图像中的光斑位置，提高了自适应效率。
基于同一发明构思，本发明还提供一种无人机云台灯自适应调节装置，请参阅图15，其为一个实施例中的无人机云台灯自适应调节装置的结构示意图，该装置包括图像差分模块21、轮廓检测模块22、光束入射获取模块23、光斑圆心获取模块24和调整模块25，其中，图像差分模块21用于获取环境图像和光束图像，对环境图像和光束图像做图像差分，得到差分图像；轮廓检测模块22用于将差分图像转换为二值图像，并根据二值图像进行轮廓检测，得到光束轮廓；光束入射获取模块23用于获取光束轮廓的沿光束入射方向的中心线，确定该中心线为光束入射直线；光斑圆心获取模块24用于获取光束入射直线与光束轮廓的交点，在光束入射直线上，沿光束入射方向的反方向，选取与该交点距离为光束轮廓最大内接圆的半径的点为光斑圆心位置；调整模块25用于获取目标位置，根据光斑圆心位置和目标位置调整云台灯的照射方向。
在一优选实施例中，轮廓检测模块22包括灰度直方图子模块和二值化子模块，其中，灰度直方图子模块用于将差分图像转换为灰度图像，并计算该灰度图像的灰度直方图；二值化子模块用于根据灰度直方图计算二值化阈值，根据二值化阈值将灰度图像转换为二值图像。
在一个优选实施例中，轮廓检测模块22还包括尺寸处理子模块，该尺寸处理子模块用于将差分图像的长宽分别以一预设比例进行缩小。
在一个优选实施例中，轮廓检测模块22还包括形态学处理子模块，该形态学处理子模块用于对二值图像进行形态学操作。
在另一个优选实施例中，轮廓检测模块22还包括中值滤波子模块，该中值滤波子模块用于对二值图像进行中值滤波。
在一个优选实施例中，轮廓检测模块22还包括筛选子模块，该筛选子模块用于计算二值图像进行轮廓检测所检测得的所有封闭轮廓的面积，确定其中面积最大的封闭轮廓为光束轮廓。
在一个实施例中，光束入射获取模块23用于获取所述光束轮廓的最大内接圆的圆心，以及所述光束轮廓与所述二值图像边缘的两交点的中点，确定经过该圆心与该中点的直线为沿光束入射方向的中心线。进一步，光束入射获取模块23包括最大内接圆计算子模块，该最大内接圆计算子模块用于计算光束轮廓内所有点到与其最近的光束轮廓边界的边界距离，并将光束轮廓内所有点按照该边界距离进行排序，确定其中边界距离最大的点为最大内接圆的圆心，该最大边界距离则为最大内接圆的半径。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关细节之处请参见方法实施例的说明。
基于同一发明构思，本发明还提供一种电子设备，所述电子设备可以是服务器、台式计算设备或移动计算设备(例如，膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备。该电子设备包括一个或多个处理器和存储器，其中处理器用于执行程序实现方法实施例的无人机云台灯自适应调节方法；存储器用于存储可由所述处理器执行的计算机程序。
基于同一发明构思，本发明还提供一种计算机可读存储介质，与前述无人机云台灯自适应调节方法的实施例相对应，所述计算机可读存储介质其上存储有计算机程序，该程序被处理器执行时实现上述任一实施例所记载的无人机云台灯自适应调节方法的步骤。
本申请可采用在一个或多个其中包含有程序代码的存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机可用存储介质包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括但不限于：相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，则本发明也意图包含这些改动和变形。

Claims (8)

1.一种无人机云台灯自适应调节方法，其特征在于，包括步骤：
获取环境图像和光束图像，对所述环境图像和所述光束图像做图像差分，得到差分图像，其中，所述光束图像为与所述环境图像在同一环境背景下带有云台灯投射光束的图像；
将所述差分图像转换为二值图像，根据所述二值图像进行轮廓检测，得到光束轮廓；
计算所述光束轮廓内所有点到最近的光束轮廓边界的边界距离，确定其中最大边界距离对应的点为最大内接圆的圆心，获取所述光束轮廓与所述二值图像边缘的两交点的中点，确定经过所述最大内接圆的圆心与该中点的直线为沿光束入射方向的中心线；
获取所述中心线与所述光束轮廓的交点，沿光束入射方向的反方向，选取与该交点距离为所述光束轮廓最大内接圆的半径的点为光斑圆心位置；
获取目标位置，根据所述光斑圆心位置和所述目标位置调整云台灯的照射方向。
2.根据权利要求1所述的方法，其特征在于，将所述差分图像转换为二值图像，包括步骤：
将所述差分图像转换为灰度图像，并计算该灰度图像的灰度直方图；
根据所述灰度直方图计算二值化阈值，根据所述二值化阈值将灰度图像转换为二值图像。
3.根据权利要求2所述的方法，其特征在于，根据所述灰度直方图计算二值化阈值，包括步骤：获取所述灰度直方图中第一波峰的峰值点和第二波峰的峰值点的中点，确定该中点对应的灰度值为二值化阈值。
4.根据权利要求1-3中任一项所述的方法，其特征在于，根据所述二值图像进行轮廓检测前，还包括步骤：对所述二值图像进行形态学操作后，对所述二值图像进行中值滤波。
5.根据权利要求1所述的方法，其特征在于，根据所述二值图像进行轮廓检测，得到光束轮廓，包括步骤：根据所述二值图像进行轮廓检测得到若干封闭轮廓，计算所有所述封闭轮廓的面积，确定其中面积最大的所述封闭轮廓为光束轮廓。
6.一种无人机云台灯自适应调节装置，其特征在于，包括：
图像差分模块，用于获取环境图像和光束图像，所述光束图像为与所述环境图像在同一环境背景下带有云台灯投射光束的图像，对所述环境图像和所述光束图像做图像差分，得到差分图像；
轮廓检测模块，用于将所述差分图像转换为二值图像，根据所述二值图像进行轮廓检测，得到光束轮廓；
光束入射获取模块，用于计算所述光束轮廓内所有点到最近的光束轮廓边界的边界距离，确定其中最大边界距离对应的点为最大内接圆的圆心，获取所述光束轮廓与所述二值图像边缘的两交点的中点，确定经过所述最大内接圆的圆心与该中点的直线为沿光束入射方向的中心线；
光斑圆心获取模块，用于获取所述中心线与所述光束轮廓的交点，沿光束入射方向的反方向，选取与该交点距离为所述光束轮廓最大内接圆的半径的点为光斑圆心位置；
调整模块，用于获取目标位置，根据所述光斑圆心位置和所述目标位置调整云台灯的照射方向。
7.一种电子设备，其特征在于，包括：
处理器；
存储器，用于存储由所述处理器执行的计算机程序；
其中，所述处理器执行所述计算机程序时实现权利要求1-5中任一项所述方法的步骤。
8.一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，所述计算机程序被执行时实现权利要求1-5中任一项所述方法的步骤。
CN202210941734.4A 2022-08-08 2022-08-08 无人机云台灯自适应调节方法、装置、电子设备及存储介质 Active CN114998441B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210941734.4A CN114998441B (zh) 2022-08-08 2022-08-08 无人机云台灯自适应调节方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210941734.4A CN114998441B (zh) 2022-08-08 2022-08-08 无人机云台灯自适应调节方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN114998441A CN114998441A (zh) 2022-09-02
CN114998441B true CN114998441B (zh) 2022-11-29

Family

ID=83023312

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210941734.4A Active CN114998441B (zh) 2022-08-08 2022-08-08 无人机云台灯自适应调节方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114998441B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115884480B (zh) * 2023-02-16 2023-04-28 广州成至智能机器科技有限公司 基于图像处理的多光轴云台灯控制方法、设备及存储介质
CN117830592B (zh) * 2023-12-04 2024-07-12 广州成至智能机器科技有限公司 一种基于图像的无人机夜间照明方法、系统、设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104966308A (zh) * 2015-06-12 2015-10-07 深圳大学 一种计算激光光束光斑大小的方法
CN107472547A (zh) * 2017-08-07 2017-12-15 浙江航匠创新科技有限公司 带可调节灯光的无人机
CN109945082A (zh) * 2019-03-27 2019-06-28 广州成至智能机器科技有限公司 一种变焦云台灯
CN110673655A (zh) * 2018-07-02 2020-01-10 广州彩熠灯光有限公司 基于图像识别和空间逼近进行控制的自动定光方法及系统
CN114772468A (zh) * 2022-05-25 2022-07-22 湖南三一中型起重机械有限公司 指示灯的控制方法、装置及起吊机械

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100476364C (zh) * 2007-11-13 2009-04-08 长春理工大学 全数字化的四象限探测器检测激光光束偏转角的装置及方法
US11644298B2 (en) * 2018-11-01 2023-05-09 Mitutoyo Corporation Inductive position detection configuration for indicating a measurement device stylus position
KR102107468B1 (ko) * 2019-11-06 2020-05-07 주식회사 프로텍타코리아 가공 송전선로의 항공장애등

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104966308A (zh) * 2015-06-12 2015-10-07 深圳大学 一种计算激光光束光斑大小的方法
CN107472547A (zh) * 2017-08-07 2017-12-15 浙江航匠创新科技有限公司 带可调节灯光的无人机
CN110673655A (zh) * 2018-07-02 2020-01-10 广州彩熠灯光有限公司 基于图像识别和空间逼近进行控制的自动定光方法及系统
CN109945082A (zh) * 2019-03-27 2019-06-28 广州成至智能机器科技有限公司 一种变焦云台灯
CN114772468A (zh) * 2022-05-25 2022-07-22 湖南三一中型起重机械有限公司 指示灯的控制方法、装置及起吊机械

Also Published As

Publication number Publication date
CN114998441A (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
CN114998441B (zh) 无人机云台灯自适应调节方法、装置、电子设备及存储介质
CN108288027B (zh) 一种图像质量的检测方法、装置及设备
CN112308095A (zh) 图片预处理及模型训练方法、装置、服务器及存储介质
US9838595B2 (en) Video generating method and apparatus of video generating system
CN107864342B (zh) 图像亮度调节方法及装置
CN103646392B (zh) 逆光检测方法及设备
CN106231201B (zh) 自动对焦方法及装置
CN107862235B (zh) 二维码的位置定位方法、装置及终端设备
CN111917991B (zh) 图像的质量控制方法、装置、设备及存储介质
CN110231018B (zh) 一种结构光测距方法、装置及计算机可读存储介质
CN106791353B (zh) 自动对焦的方法、装置和系统
WO2021056501A1 (zh) 提取特征点的方法、可移动平台及存储介质
CN113570639A (zh) 一种基于条纹修正相关的运动目标纹影检测系统
CN113176270A (zh) 一种调光方法、装置及设备
US11699303B2 (en) System and method of acquiring coordinates of pupil center point
CN117615252A (zh) 一种高度自适的aoi相机清晰度校准方法及系统
CN110031471B (zh) 大口径光学元件表面缺陷增长分析方法、系统、装置
CN107705302A (zh) 一种圆形及类圆形视觉检测方法及系统
CN111491103A (zh) 一种图像亮度的调节方法、监控设备及存储介质
CN109598195B (zh) 一种基于监控视频的清晰人脸图像处理方法与装置
CN113630559B (zh) 图像传感器的曝光参数调节方法、系统及计算机可读介质
CN113259580B (zh) 光电监控系统拍摄参数自校正方法、装置、设备和介质
CN116437203A (zh) 一种自动聚焦方法、装置、存储介质及监控设备
CN114022367A (zh) 一种图像质量调优方法、装置、电子设备和介质
CN110958394A (zh) 摄像机拍摄方法、装置、存储介质及摄像机

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
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Method, device, electronic device, and storage medium for adaptive adjustment of drone cloud desk lamp

Effective date of registration: 20230526

Granted publication date: 20221129

Pledgee: Guangdong Development Bank Limited by Share Ltd. Guangzhou branch

Pledgor: GUANGZHOU CHENGZHI INTELLIGENT MACHINE TECHNOLOGY Co.,Ltd.

Registration number: Y2023980041994

PE01 Entry into force of the registration of the contract for pledge of patent right