CN115689922A - 畸变检测方法、装置、设备及存储介质 - Google Patents
畸变检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115689922A CN115689922A CN202211329067.0A CN202211329067A CN115689922A CN 115689922 A CN115689922 A CN 115689922A CN 202211329067 A CN202211329067 A CN 202211329067A CN 115689922 A CN115689922 A CN 115689922A
- Authority
- CN
- China
- Prior art keywords
- detection area
- horizontal
- vertical
- contour detection
- distortion
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种畸变检测方法、装置、设备及存储介质。该方法包括:获取待测增强现实AR眼镜的畸变成像图;对所述畸变成像图中的各特征检测区域进行轮廓提取,得到各所述特征检测区域对应的轮廓检测区域;根据各所述轮廓检测区域之间的区域距离,检测所述待测AR眼镜是否产生畸变。本发明实施例实现了对AR眼镜畸变的自动化检测。
Description
技术领域
本发明涉及成像质量检测技术领域,尤其涉及一种畸变检测方法、装置、设备及存储介质。
背景技术
随着信息技术的高速发展,人类获取、处理信息的方式从以往的单一化向多元化过度。AR(Augmented Reality,增强现实)眼镜作为人机信息传递和交互的媒介在过去几年里迅速发展。
AR眼镜作为一款视觉辅助产品,其成像质量往往直接关系到用户的体验效果。其中,“畸变”是评估光学系统优良的重要指标。随着AR眼镜的不断升级,为了提供更好的沉浸感,AR眼镜的视场角也逐渐增大,进而导致像面发生严重变形,影响观察效果。在某些基于AR眼镜的测量应用中,畸变的影响更加重要。
当前针对畸变检测的方案大多采用定制化的开发,且检测设备体积较大。因此,采用一种简单通用的方案对AR眼镜的畸变做出自动化且有效的检测,成为亟待解决的问题。
发明内容
本发明提供了一种畸变检测方法、装置、设备及存储介质,以实现对AR眼镜畸变的自动化检测。
根据本发明的一方面,提供了一种畸变检测方法,所述方法包括:
获取待测增强现实AR眼镜的畸变成像图;
对所述畸变成像图中的各特征检测区域进行轮廓提取,得到各所述特征检测区域对应的轮廓检测区域;
根据各所述轮廓检测区域之间的区域距离,检测所述待测AR眼镜是否产生畸变。
根据本发明的另一方面,提供了一种畸变检测装置,所述装置包括:
畸变成像图获取模块,用于获取待测增强现实AR眼镜的畸变成像图;
轮廓检测区域确定模块,用于对所述畸变成像图中的各特征检测区域进行轮廓提取,得到各所述特征检测区域对应的轮廓检测区域;
畸变检测模块,用于根据各所述轮廓检测区域之间的区域距离,检测所述待测AR眼镜是否产生畸变。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的畸变检测方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的畸变检测方法。
本发明实施例方案通过对获取的待测AR眼镜的畸变成像图中的各特征检测区域进行轮廓提取,得到各特征检测区域对应的轮廓检测区域,并根据各轮廓检测区域之间的区域距离,检测待测AR眼镜是否产生畸变,实现了对待测AR眼镜畸变的自动化检测。在本方案的对待测AR眼镜的畸变检测过程中,无需采用体积较大的定制化开发的畸变检测设备,即可实现对待测AR眼镜的畸变的有效检测,提高了对待测AR眼镜的检测效率,节约了检测过程中的大量人力和物力资源,且本发明的畸变检测方案具有通用性,能够适用于对各种类型的AR眼镜的畸变检测。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述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发明的一些实施例,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1A是根据本发明实施例一提供的一种畸变检测方法的流程图;
图1B是根据本发明实施例一提供的一种畸变成像图获取装置的结构示意图;
图1C是根据本发明实施例一提供的一种畸变检测图片;
图1D是根据本发明实施例一提供的一种二值化畸变成像图的轮廓检测区域示意图;
图2A是根据本发明实施例二提供的一种畸变检测方法的流程图;
图2B是根据本发明实施例二提供的一种畸变成像图的轮廓检测区域示意图;
图3A是根据本发明实施例三提供的一种畸变检测方法的流程图;
图3B是根据本发明实施例三提供的一种待测AR眼镜的畸变示意图;
图4是根据本发明实施例四提供的一种畸变检测装置的结构示意图;
图5是实现本发明实施例的畸变检测方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是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。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1A为本发明实施例一提供的一种畸变检测方法的流程图,本实施例可适用于对AR眼镜进行畸变检测的情况,该方法可以由畸变检测装置来执行,该畸变检测装置可以采用硬件和/或软件的形式实现,该畸变检测装置可配置于电子设备中。如图1A所示,该方法包括:
S110、获取待测增强现实AR眼镜的畸变成像图。
其中,畸变成像图可以通过图像采集设备采集投影有畸变检测图片的待测AR眼镜得到。例如,图像采集设备可以是相机。其中,畸变检测图片可以是带有至少一个特征检测点的标版图片。特征检测点的位置和数量可以由相关技术人员根据实际需求预先在畸变检测图片中设定。
需要说明的是,在图像采集设备采集待测AR眼镜的畸变成像图的过程中,待测AR眼镜的待测量一端的波导片中心需要与视轴中线重合。其中,视轴中线也即人眼与待测AR眼镜相对位置的中心线。
在采集畸变成像图的过程中,可以由相关技术人员手持图像采集设备,对待测AR眼镜的畸变成像图进行采集。然而,该方式可能存在人为采集过程中的相机抖动现象,从而导致采集得到的畸变成像图的准确度较低。为进一步提高对畸变成像图的采集准确度,从而进一步提高后续对待测AR眼镜的畸变检测的准确度,可以采用如下装置对畸变成像图进行采集。
如图1B所示的一种畸变成像图获取装置的结构示意图。其中,该畸变成像图获取装置包括镜头1、相机2、相机固定支架3、待测AR眼镜4、眼镜固定支架5。其中,镜头1正对待测AR眼镜4的视场中心。具体的,相机2通过上平台6的空位与相机固定支架3连接。下平台7用于将相机固定支架3固定在光学平台上。将待测AR眼镜4的一侧承靠面紧贴橡胶垫10,将待测AR眼镜4的另一侧承靠面紧贴加固块8的橡胶垫9。将加固块8的T型滑轨插入眼镜固定支架5的T形滑槽中。通过加固块8上的固定螺栓将加固块8与眼镜固定支架5压紧。调整眼镜固定支架5,使得待测AR眼镜4的待测一侧的波导片中心与视轴中线11重合。在固定好待测AR眼镜4之后,即可通过相机2的镜头1对投影有畸变检测图片的待测AR眼镜4进行图像采集,得到待测AR眼镜4的畸变成像图。
S120、对畸变成像图中的各特征检测区域进行轮廓提取,得到各特征检测区域对应的轮廓检测区域。
其中,特征检测区域与畸变检测图片上的特征检测点具有对应关系,具体可以是一个特征检测点对应有相应的特征检测区域。如图1C所示的一种畸变检测图片。图中的灰色方格区域即为特征检测区域。图1C中的畸变检测图片中存在9个特征检测区域。
示例性的,可以采用预设的二值化分割算法,对畸变成像图进行动态二值化分割,得到畸变成像图的二值化畸变成像图。其中,二值化分割算法可以由相关技术人员预先设定,例如,二值化分割算法可以是OTSU(大津阈值分割)算法。采用预设的轮廓定位方法,对二值化畸变成像图进行轮廓提取,得到各特征检测区域对应的轮廓检测区域。如图1D所示的一种二值化畸变成像图的轮廓检测区域示意图。例如,可以采用OpenCV机器学习软件库中的findContours函数进行轮廓提取。
S130、根据各轮廓检测区域之间的区域距离,检测待测AR眼镜是否产生畸变。
示例性的,可以确定各轮廓检测区域对应的区域中心坐标,根据各区域中心坐标,确定各轮廓检测区域之间的区域距离,从而根据区域距离,检测待测AR眼镜是否产生畸变。
示例性的,各轮廓检测区域的区域中心坐标的确定方式如下:
其中,(xi,yi)表示第i个轮廓检测区域的区域中心坐标;表示第i个轮廓检测区域的第j个像素点的横坐标;表示第i个轮廓检测区域的第j个像素点纵坐标。M表示轮廓检测区域的数量;N表示第i个轮廓上像素点的数量。
在一个可选实施例中,根据各轮廓检测区域之间的区域距离,检测待测AR眼镜是否产生畸变,包括:确定在相同预设参考方向的至少一个参考轮廓检测区域;根据各参考轮廓检测区域之间的区域距离,检测待测AR眼镜是否在预设参考方向产生畸变。
其中,预设参考方向可以包括水平方向和垂直方向。相应的,在水平方向上的参考轮廓检测区域为水平轮廓检测区域,在垂直方向上的参考轮廓检测区域为垂直轮廓检测区域。其中,水平方向上的水平轮廓检测区域用于检测待测AR眼镜是否在水平方向上产生垂直畸变;垂直方向上的垂直轮廓检测区域用于检测待测AR眼镜是否在垂直方向上产生水平畸变。
示例性的,确定在水平方向上的至少一个水平轮廓检测区域,并确定至少一个水平方向上的水平轮廓检测区域的水平区域距离。若各水平区域距离相同,则确定待测AR眼镜在水平方向上不存在垂直畸变;若各水平区域距离不同,则确定待测AR眼镜在水平方向上存在垂直畸变。
示例性的,确定在垂直方向上的至少一个垂直轮廓检测区域,并确定至少一个垂直方向上的垂直轮廓检测区域的垂直区域距离。若各垂直区域距离相同,则确定待测AR眼镜在垂直方向上不存在水平畸变;若各垂直区域距离不同,则确定待测AR眼镜在垂直方向上存在水平畸变。
本可选实施例通过根据各参考轮廓检测区域之间的区域距离,检测待测AR眼镜是否在预设参考方向产生畸变,实现了对待测AR眼镜在水平方向上是否产生垂直畸变的准确检测,以及实现了对待测AR眼镜在垂直方向上是否产生水平畸变的准确检测。
本发明实施例方案通过对获取的待测AR眼镜的畸变成像图中的各特征检测区域进行轮廓提取,得到各特征检测区域对应的轮廓检测区域,并根据各轮廓检测区域之间的区域距离,检测待测AR眼镜是否产生畸变,实现了对待测AR眼镜畸变的自动化检测。在本方案的对待测AR眼镜的畸变检测过程中,无需采用体积较大的定制化开发的畸变检测设备,即可实现对待测AR眼镜的畸变的有效检测,提高了对待测AR眼镜的检测效率,节约了检测过程中的大量人力和物力资源,且本发明的畸变检测方案具有通用性,能够适用于对各种类型的AR眼镜的畸变检测。
实施例二
图2A为本发明实施例二提供的一种畸变检测方法的流程图,本实施例在上述各技术方案的基础上,进行了优化改进。
进一步的,将步骤“根据各轮廓检测区域之间的区域距离,检测待测AR眼镜是否产生畸变”细化为“确定在相同预设参考方向的至少一个参考轮廓检测区域;根据各参考轮廓检测区域之间的区域距离,检测待测AR眼镜是否在所述预设参考方向产生畸变。”
进一步的,预设参考方向包括水平方向;参考轮廓检测区域包括水平轮廓检测区域;相应的,将步骤“确定在相同预设参考方向的至少一个参考轮廓检测区域”细化为“确定水平方向上具有水平关联关系的至少一个水平轮廓检测区域”。相应的,将步骤“根据各参考轮廓检测区域之间的区域距离,检测待测AR眼镜是否在预设参考方向产生畸变”细化为“根据各水平轮廓检测区域之间的区域距离,检测待测AR眼镜是否在水平方向上产生垂直畸变。”以完善对待测AR眼镜是否产生垂直畸变的检测方式。
如图2A所示,该方法包括以下具体步骤:
S210、获取待测增强现实AR眼镜的畸变成像图。
S220、对畸变成像图中的各特征检测区域进行轮廓提取,得到各特征检测区域对应的轮廓检测区域。
S230、确定水平方向上具有水平关联关系的至少一个水平轮廓检测区域。
在水平方向上具有水平关联关系的水平轮廓检测区域,可以是畸变成像图中,在同一水平轴上的至少一个水平轮廓检测区域。
在一个可选实施例中,确定水平方向上具有水平关联关系的至少一个水平轮廓检测区域,包括:将畸变成像图中,位于同一水平线上的最左侧轮廓检测区域与最右侧轮廓检测区域,作为一个水平轮廓检测区域组,得到至少一个水平轮廓检测组;其中,各水平轮廓检测组中的各水平轮廓检测区域具有水平关联关系。
示例性的,如图2B所示的一种畸变成像图的轮廓检测区域示意图。该畸变成像图对应的轮廓检测区域示意图中存在9个轮廓检测区域。其中,轮廓检测区域A、轮廓检测区域B和轮廓检测区域C位于同一水平线;轮廓检测区域D、轮廓检测区域E和轮廓检测区域F位于同一水平线;轮廓检测区域G、轮廓检测区域H和轮廓检测区域I位于同一水平线。
其中,位于同一水平线上的轮廓检测区域A、轮廓检测区域B和轮廓检测区域C中,轮廓检测区域A为该水平线上的最左侧的轮廓检测区域;轮廓检测区域C为该水平线上的最右侧的轮廓检测区域,因此,可以将轮廓检测区域A和轮廓检测区域C作为一个水平轮廓检测区域组。位于同一水平线上的轮廓检测区域D、轮廓检测区域E和轮廓检测区域F中,轮廓检测区域D为该水平线上的最左侧的轮廓检测区域;轮廓检测区域F为该水平线上的最右侧的轮廓检测区域,因此,可以将轮廓检测区域D和轮廓检测区域F作为一个水平轮廓检测区域组。位于同一水平线上的轮廓检测区域G、轮廓检测区域H和轮廓检测区域I中,轮廓检测区域G为该水平线上的最左侧的轮廓检测区域;轮廓检测区域I为该水平线上的最右侧的轮廓检测区域,因此,可以将轮廓检测区域G和轮廓检测区域I作为一个水平轮廓检测区域组。因此,该畸变成像图可以对应得到三个水平轮廓检测区域组。
S240、根据各水平轮廓检测区域之间的区域距离,检测待测AR眼镜是否在水平方向上产生垂直畸变。
示例性的,可以确定各水平轮廓检测区域的区域中心点,根据各区域中心点,确定各水平轮廓区域之间的区域距离,从而进一步检测AR眼镜是否在水平方向上产生垂直畸变。
在一个可选实施例中,根据各水平轮廓检测区域之间的区域距离,检测待测AR眼镜是否在水平方向上产生垂直畸变,包括:将各水平轮廓检测区域组中,各水平轮廓检测区域位于畸变成像图的中心位置处的水平轮廓检测区域组,作为第一水平检测区域组;以及,将各水平轮廓检测区域组中,各水平轮廓检测区域位于畸变成像图的最下方位置处的水平轮廓检测区域组,作为第二水平检测区域组;确定第一水平检测区域组内,各水平轮廓检测区域之间的第一水平区域距离;以及,确定第二水平检测区域组内,各水平轮廓检测区域之间的第二水平区域距离;根据第一水平距离和第二水平距离,检测待测AR眼镜是否在水平方向上产生垂直畸变。
如图2B所示的一种畸变成像图的轮廓检测区域示意图。其中,位于畸变成像图的中心位置处的第一水平检测区域组,可以是包括轮廓检测区域A和轮廓检测区域C的水平轮廓检测区域组。位于畸变成像图的最下方位置处的第二水平检测区域组,可以是包括轮廓检测区域D和轮廓检测区域F的水平轮廓检测区域组。
确定第一水平检测区域组中的轮廓检测区域A和轮廓检测区域C之间第一水平区域距离;以及确定第二水平检测区域组中的轮廓检测区域D和轮廓检测区域F之间的第二水平区域距离。若第一水平区域距离与第二水平区域距离之间的区域距离差值小于预设的距离差值阈值,则可以认为待测AR眼镜在水平方向上未产生垂直畸变。若第一水平区域距离与第二水平区域距离之间的区域距离差值不小于预设的距离差值阈值,则可以认为待测AR眼镜在水平方向上产生垂直畸变。其中,距离差值阈值可以由相关技术人员预先设定,例如,距离差值阈值可以是0.5毫米。
其中,第一水平区域距离和第二水平区域距离可以通过各轮廓检测区域的区域中心点坐标进行确定。
若确定待测AR眼镜在水平方向上产生垂直畸变,则可以采用以下垂直畸变确定方式,确定待测AR眼镜所产生的垂直畸变。
其中,VDistortion为垂直畸变具体数值;X为第一水平区域距离;Xbottom为第二水平区域距离。
本实施例方案通过确定水平方向上具有水平关联关系的至少一个水平轮廓检测区域,根据各水平轮廓检测区域之间的区域距离,检测待测AR眼镜是否在水平方向上产生垂直畸变,实现了对待测AR眼镜是否存在垂直畸变的检测。通过根据确定的第一水平检测区域组内的第一水平距离和第二水平检测区域组内的第二水平距离,检测待测AR眼镜是否在水平方向上产生垂直畸变,提高了对待测AR眼镜的垂直畸变的检测准确度。
实施例三
图3A为本发明实施例三提供的一种畸变检测方法的流程图,本实施例在上述各技术方案的基础上,进行了优化改进。
进一步的,将步骤“根据各轮廓检测区域之间的区域距离,检测待测AR眼镜是否产生畸变”细化为“确定在相同预设参考方向的至少一个参考轮廓检测区域;根据各参考轮廓检测区域之间的区域距离,检测待测AR眼镜是否在所述预设参考方向产生畸变。”
进一步的,预设参考方向包括垂直方向;参考轮廓检测区域包括水平轮廓检测区域;相应的,将步骤“确定在相同预设参考方向的至少一个参考轮廓检测区域”细化为“确定垂直方向上具有垂直关联关系的至少一个垂直轮廓检测区域”。相应的,将步骤“根据各参考轮廓检测区域之间的区域距离,检测待测AR眼镜是否在预设参考方向产生畸变”细化为“根据各垂直轮廓检测区域之间的区域距离,检测待测AR眼镜是否在垂直方向上产生水平畸变。”以完善对待测AR眼镜是否产生水平畸变的检测方式。
如图3A所示,该方法包括以下具体步骤:
S310、获取待测增强现实AR眼镜的畸变成像图。
S320、对畸变成像图中的各特征检测区域进行轮廓提取,得到各特征检测区域对应的轮廓检测区域。
S330、确定垂直方向上具有垂直关联关系的至少一个垂直轮廓检测区域。
在垂直方向上具有垂直关联关系的垂直轮廓检测区域,可以是畸变成像图中,在同一垂直轴上的至少一个垂直轮廓检测区域。
在一个可选实施例中,确定垂直方向上具有垂直关联关系的至少一个垂直轮廓检测区域,包括:将畸变成像图中,位于同一垂直线上的最上方轮廓检测区域与最下方轮廓检测区域,作为一个垂直轮廓检测区域组,得到至少一个垂直轮廓检测组;其中,各垂直轮廓检测组中的各垂直轮廓检测区域具有垂直关联关系。
示例性的,如图2B所示的一种畸变成像图的轮廓检测区域示意图。该畸变成像图对应的轮廓检测区域示意图中存在9个轮廓检测区域。其中,轮廓检测区域H、轮廓检测区域B和轮廓检测区域E位于同一垂直线;轮廓检测区域G、轮廓检测区域A和轮廓检测区域D位于同一垂直线;轮廓检测区域I、轮廓检测区域C和轮廓检测区域F位于同一垂直线。
其中,位于同一垂直线上的轮廓检测区域H、轮廓检测区域B和轮廓检测区域E中,轮廓检测区域H为该垂直线上的最上方的轮廓检测区域;轮廓检测区域E为该垂直线上的最下方的轮廓检测区域,因此,可以将轮廓检测区域H和轮廓检测区域E作为一个垂直轮廓检测区域组。位于同一垂直线上的轮廓检测区域G、轮廓检测区域A和轮廓检测区域D中,轮廓检测区域G为该垂直线上的最上方的轮廓检测区域;轮廓检测区域D为该垂直线上的最下方的轮廓检测区域,因此,可以将轮廓检测区域G和轮廓检测区域D作为一个垂直轮廓检测区域组。位于同一垂直线上的轮廓检测区域I、轮廓检测区域C和轮廓检测区域F中,轮廓检测区域I为该垂直线上的最上方的轮廓检测区域;轮廓检测区域F为该垂直线上的最下方的轮廓检测区域,因此,可以将轮廓检测区域I和轮廓检测区域F作为一个垂直轮廓检测区域组。因此,该畸变成像图可以对应得到三个垂直轮廓检测区域组。
S340、根据各垂直轮廓检测区域之间的区域距离,检测待测AR眼镜是否在垂直方向上产生水平畸变。
示例性的,可以确定各垂直轮廓检测区域的区域中心点,根据各区域中心点,确定各垂直轮廓区域之间的区域距离,从而进一步检测AR眼镜是否在水平方向上产生水平畸变。
在一个可选实施例中,根据各垂直轮廓检测区域之间的区域距离,检测待测AR眼镜是否在垂直方向上产生水平畸变,包括:将各垂直轮廓检测区域组中,各垂直轮廓检测区域位于畸变成像图的中心位置处的垂直轮廓检测区域组,作为第一垂直检测区域组;以及,将各垂直轮廓检测区域组中,各垂直轮廓检测区域位于畸变成像图的最右侧位置处的垂直轮廓检测区域组,作为第二垂直检测区域组;确定第一垂直检测区域组内,各垂直轮廓检测区域之间的第一垂直区域距离;以及,确定第二垂直检测区域组内,各垂直轮廓检测区域之间的第二垂直区域距离;根据第一垂直距离和第二垂直距离,检测待测AR眼镜是否在垂直方向上产生水平畸变。
如图2B所示的一种畸变成像图的轮廓检测区域示意图。其中,位于畸变成像图的中心位置处的第一垂直检测区域组,可以是包括轮廓检测区域H和轮廓检测区域E的垂直轮廓检测区域组。位于畸变成像图的最右侧位置处的第二垂直检测区域组,可以是包括轮廓检测区域I和轮廓检测区域F的垂直轮廓检测区域组。
确定第一垂直检测区域组中的轮廓检测区域H和轮廓检测区域E之间第一垂直区域距离;以及确定第二垂直检测区域组中的轮廓检测区域I和轮廓检测区域F之间的第二垂直区域距离。若第一垂直区域距离与第二垂直区域距离之间的区域距离差值小于预设的距离差值阈值,则可以认为待测AR眼镜在垂直方向上未产生水平畸变。若第一垂直区域距离与第二垂直区域距离之间的区域距离差值不小于预设的距离差值阈值,则可以认为待测AR眼镜在垂直方向上产生水平畸变。其中,距离差值阈值可以由相关技术人员预先设定,例如,距离差值阈值可以是0.5毫米。
其中,第一垂直区域距离和第二垂直区域距离可以通过各轮廓检测区域的区域中心点坐标进行确定。
若确定待测AR眼镜在垂直方向上产生水平畸变,则可以采用以下水平畸变确定方式,确定待测AR眼镜所产生的水平畸变。
其中,HDistortion为水平畸变具体数值;Y为第一垂直区域距离;Yleft为第二垂直区域距离。
如图3B所示的一种待测AR眼镜的畸变示意图。其中,待测AR眼镜分别在水平方向上产生垂直畸变,以及在垂直方向上产生水平畸变。
本实施例方案通过确定垂直方向上具有垂直关联关系的至少一个垂直轮廓检测区域,根据各垂直轮廓检测区域之间的区域距离,检测待测AR眼镜是否在垂直方向上产生水平畸变,实现了对待测AR眼镜是否存在水平畸变的检测。通过根据确定的第一垂直检测区域组内的第一垂直距离和第二垂直检测区域组内的第二垂直距离,检测待测AR眼镜是否在垂直方向上产生水平畸变,提高了对待测AR眼镜的水平畸变的检测准确度。
实施例四
图4为本发明实施例四提供的一种畸变检测装置的结构示意图。本发明实施例所提供的一种畸变检测装置,该装置可适用于对AR眼镜进行畸变检测的情况,该畸变检测装置可以采用硬件和/或软件的形式实现,如图4所示,该装置具体包括:畸变成像图获取模块401、轮廓检测区域确定模块402和畸变检测模块403。其中,
畸变成像图获取模块401,用于获取待测增强现实AR眼镜的畸变成像图;
轮廓检测区域确定模块402,用于对所述畸变成像图中的各特征检测区域进行轮廓提取,得到各所述特征检测区域对应的轮廓检测区域;
畸变检测模块403,用于根据各所述轮廓检测区域之间的区域距离,检测所述待测AR眼镜是否产生畸变。
本发明实施例方案通过对获取的待测AR眼镜的畸变成像图中的各特征检测区域进行轮廓提取,得到各特征检测区域对应的轮廓检测区域,并根据各轮廓检测区域之间的区域距离,检测待测AR眼镜是否产生畸变,实现了对待测AR眼镜畸变的自动化检测。在本方案的对待测AR眼镜的畸变检测过程中,无需采用体积较大的定制化开发的畸变检测设备,即可实现对待测AR眼镜的畸变的有效检测,提高了对待测AR眼镜的检测效率,节约了检测过程中的大量人力和物力资源,且本发明的畸变检测方案具有通用性,能够适用于对各种类型的AR眼镜的畸变检测。
可选的,所述畸变检测模块403,包括:
参考检测区域确定单元,用于确定在相同预设参考方向的至少一个参考轮廓检测区域;
畸变检测单元,用于根据各所述参考轮廓检测区域之间的区域距离,检测所述待测AR眼镜是否在所述预设参考方向产生畸变。
可选的,所述预设参考方向包括水平方向;所述参考轮廓检测区域包括水平轮廓检测区域;
相应的,所述参考检测区域确定单元,包括:
水平检测区域确定子单元,用于确定水平方向上具有水平关联关系的至少一个水平轮廓检测区域;
相应的,所述畸变检测单元,包括:
垂直畸变检测子单元,用于根据各所述水平轮廓检测区域之间的区域距离,检测所述待测AR眼镜是否在所述水平方向上产生垂直畸变。
可选的,所述预设参考方向包括垂直方向;所述参考轮廓检测区域包括水平轮廓检测区域;
相应的,所述参考检测区域确定单元,包括:
垂直检测区域确定子单元,用于确定垂直方向上具有垂直关联关系的至少一个垂直轮廓检测区域;
相应的,所述畸变检测单元,包括:
水平畸变检测子单元,用于根据各所述垂直轮廓检测区域之间的区域距离,检测所述待测AR眼镜是否在所述垂直方向上产生水平畸变。
可选的,所述水平检测区域确定子单元,具体用于:
将所述畸变成像图中,位于同一水平线上的最左侧轮廓检测区域与最右侧轮廓检测区域,作为一个水平轮廓检测区域组,得到至少一个水平轮廓检测组;其中,各所述水平轮廓检测组中的各水平轮廓检测区域具有水平关联关系。
可选的,所述垂直畸变检测子单元,具体用于:
将各所述水平轮廓检测区域组中,各水平轮廓检测区域位于所述畸变成像图的中心位置处的水平轮廓检测区域组,作为第一水平检测区域组;以及,
将各所述水平轮廓检测区域组中,各水平轮廓检测区域位于所述畸变成像图的最下方位置处的水平轮廓检测区域组,作为第二水平检测区域组;
确定所述第一水平检测区域组内,各水平轮廓检测区域之间的第一水平区域距离;以及,
确定所述第二水平检测区域组内,各水平轮廓检测区域之间的第二水平区域距离;
根据所述第一水平距离和所述第二水平距离,检测所述待测AR眼镜是否在所述水平方向上产生垂直畸变。
可选的,所述垂直检测区域确定子单元,具体用于:
将所述畸变成像图中,位于同一垂直线上的最上方轮廓检测区域与最下方轮廓检测区域,作为一个垂直轮廓检测区域组,得到至少一个垂直轮廓检测组;其中,各所述垂直轮廓检测组中的各垂直轮廓检测区域具有垂直关联关系。
可选的,所述水平畸变检测子单元,具体用于:
将各所述垂直轮廓检测区域组中,各垂直轮廓检测区域位于所述畸变成像图的中心位置处的垂直轮廓检测区域组,作为第一垂直检测区域组;以及,
将各所述垂直轮廓检测区域组中,各垂直轮廓检测区域位于所述畸变成像图的最右侧位置处的垂直轮廓检测区域组,作为第二垂直检测区域组;
确定所述第一垂直检测区域组内,各垂直轮廓检测区域之间的第一垂直区域距离;以及,
确定所述第二垂直检测区域组内,各垂直轮廓检测区域之间的第二垂直区域距离;
根据所述第一垂直距离和所述第二垂直距离,检测所述待测AR眼镜是否在垂直方向上产生水平畸变。
本发明实施例所提供的畸变检测装置可执行本发明任意实施例所提供的畸变检测方法,具备执行方法相应的功能模块和有益效果。
实施例五
图5示出了可以用来实施本发明的实施例的电子设备50的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备50包括至少一个处理器51,以及与至少一个处理器51通信连接的存储器,如只读存储器(ROM)52、随机访问存储器(RAM)53等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器51可以根据存储在只读存储器(ROM)52中的计算机程序或者从存储单元58加载到随机访问存储器(RAM)53中的计算机程序,来执行各种适当的动作和处理。在RAM 53中,还可存储电子设备50操作所需的各种程序和数据。处理器51、ROM 52以及RAM 53通过总线54彼此相连。输入/输出(I/O)接口55也连接至总线54。
电子设备50中的多个部件连接至I/O接口55,包括:输入单元56,例如键盘、鼠标等;输出单元57,例如各种类型的显示器、扬声器等;存储单元58,例如磁盘、光盘等;以及通信单元59,例如网卡、调制解调器、无线通信收发机等。通信单元59允许电子设备50通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器51可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器51的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器51执行上文所描述的各个方法和处理,例如畸变检测方法。
在一些实施例中,畸变检测方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元58。在一些实施例中,计算机程序的部分或者全部可以经由ROM 52和/或通信单元59而被载入和/或安装到电子设备50上。当计算机程序加载到RAM 53并由处理器51执行时,可以执行上文描述的畸变检测方法的一个或多个步骤。备选地,在其他实施例中,处理器51可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行畸变检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (11)
1.一种畸变检测方法,其特征在于,包括:
获取待测增强现实AR眼镜的畸变成像图;
对所述畸变成像图中的各特征检测区域进行轮廓提取,得到各所述特征检测区域对应的轮廓检测区域;
根据各所述轮廓检测区域之间的区域距离,检测所述待测AR眼镜是否产生畸变。
2.根据权利要求1所述的方法,其特征在于,所述根据各所述轮廓检测区域之间的区域距离,检测所述待测AR眼镜是否产生畸变,包括:
确定在相同预设参考方向的至少一个参考轮廓检测区域;
根据各所述参考轮廓检测区域之间的区域距离,检测所述待测AR眼镜是否在所述预设参考方向产生畸变。
3.根据权利要求2所述的方法,其特征在于,所述预设参考方向包括水平方向;所述参考轮廓检测区域包括水平轮廓检测区域;
相应的,所述确定在相同预设参考方向的至少一个参考轮廓检测区域,包括:
确定水平方向上具有水平关联关系的至少一个水平轮廓检测区域;
相应的,所述根据各所述参考轮廓检测区域之间的区域距离,检测所述待测AR眼镜是否在所述预设参考方向产生畸变,包括:
根据各所述水平轮廓检测区域之间的区域距离,检测所述待测AR眼镜是否在所述水平方向上产生垂直畸变。
4.根据权利要求2所述的方法,其特征在于,所述预设参考方向包括垂直方向;所述参考轮廓检测区域包括水平轮廓检测区域;
相应的,所述确定在相同预设参考方向的至少一个参考轮廓检测区域,包括:
确定垂直方向上具有垂直关联关系的至少一个垂直轮廓检测区域;
相应的,所述根据各所述参考轮廓检测区域之间的区域距离,检测所述待测AR眼镜是否在所述预设参考方向产生畸变,包括:
根据各所述垂直轮廓检测区域之间的区域距离,检测所述待测AR眼镜是否在所述垂直方向上产生水平畸变。
5.根据权利要求3所述的方法,其特征在于,所述确定水平方向上具有水平关联关系的至少一个水平轮廓检测区域,包括:
将所述畸变成像图中,位于同一水平线上的最左侧轮廓检测区域与最右侧轮廓检测区域,作为一个水平轮廓检测区域组,得到至少一个水平轮廓检测组;其中,各所述水平轮廓检测组中的各水平轮廓检测区域具有水平关联关系。
6.根据权利要求5所述的方法,其特征在于,所述根据各所述水平轮廓检测区域之间的区域距离,检测所述待测AR眼镜是否在所述水平方向上产生垂直畸变,包括:
将各所述水平轮廓检测区域组中,各水平轮廓检测区域位于所述畸变成像图的中心位置处的水平轮廓检测区域组,作为第一水平检测区域组;以及,
将各所述水平轮廓检测区域组中,各水平轮廓检测区域位于所述畸变成像图的最下方位置处的水平轮廓检测区域组,作为第二水平检测区域组;
确定所述第一水平检测区域组内,各水平轮廓检测区域之间的第一水平区域距离;以及,
确定所述第二水平检测区域组内,各水平轮廓检测区域之间的第二水平区域距离;
根据所述第一水平距离和所述第二水平距离,检测所述待测AR眼镜是否在所述水平方向上产生垂直畸变。
7.根据权利要求4所述的方法,其特征在于,所述确定垂直方向上具有垂直关联关系的至少一个垂直轮廓检测区域,包括:
将所述畸变成像图中,位于同一垂直线上的最上方轮廓检测区域与最下方轮廓检测区域,作为一个垂直轮廓检测区域组,得到至少一个垂直轮廓检测组;其中,各所述垂直轮廓检测组中的各垂直轮廓检测区域具有垂直关联关系。
8.根据权利要求7所述的方法,其特征在于,所述根据各所述垂直轮廓检测区域之间的区域距离,检测所述待测AR眼镜是否在所述垂直方向上产生水平畸变,包括:
将各所述垂直轮廓检测区域组中,各垂直轮廓检测区域位于所述畸变成像图的中心位置处的垂直轮廓检测区域组,作为第一垂直检测区域组;以及,
将各所述垂直轮廓检测区域组中,各垂直轮廓检测区域位于所述畸变成像图的最右侧位置处的垂直轮廓检测区域组,作为第二垂直检测区域组;
确定所述第一垂直检测区域组内,各垂直轮廓检测区域之间的第一垂直区域距离;以及,
确定所述第二垂直检测区域组内,各垂直轮廓检测区域之间的第二垂直区域距离;
根据所述第一垂直距离和所述第二垂直距离,检测所述待测AR眼镜是否在垂直方向上产生水平畸变。
9.一种畸变检测装置,其特征在于,包括:
畸变成像图获取模块,用于获取待测增强现实AR眼镜的畸变成像图;
轮廓检测区域确定模块,用于对所述畸变成像图中的各特征检测区域进行轮廓提取,得到各所述特征检测区域对应的轮廓检测区域;
畸变检测模块,用于根据各所述轮廓检测区域之间的区域距离,检测所述待测AR眼镜是否产生畸变。
10.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的畸变检测方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-8中任一项所述的畸变检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211329067.0A CN115689922A (zh) | 2022-10-27 | 2022-10-27 | 畸变检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211329067.0A CN115689922A (zh) | 2022-10-27 | 2022-10-27 | 畸变检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115689922A true CN115689922A (zh) | 2023-02-03 |
Family
ID=85100111
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211329067.0A Pending CN115689922A (zh) | 2022-10-27 | 2022-10-27 | 畸变检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115689922A (zh) |
-
2022
- 2022-10-27 CN CN202211329067.0A patent/CN115689922A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112597837A (zh) | 图像检测方法、装置、设备、存储介质和计算机程序产品 | |
CN116952958B (zh) | 缺陷检测方法、装置、电子设备及存储介质 | |
CN112014413A (zh) | 一种基于机器视觉的手机玻璃盖板视窗区缺陷检测方法 | |
CN113436100A (zh) | 用于修复视频的方法、装置、设备、介质和产品 | |
CN115937101A (zh) | 质量检测方法、装置、设备及存储介质 | |
CN115272291A (zh) | 一种贴膜的缺陷检测方法、装置、设备及存储介质 | |
CN116385430A (zh) | 一种机器视觉瑕疵检测方法、装置、介质及设备 | |
CN115272290A (zh) | 一种缺陷检测方法、装置、电子设备及存储介质 | |
CN115471476A (zh) | 一种部件缺陷检测方法、装置、设备及介质 | |
CN117392042A (zh) | 缺陷检测方法、缺陷检测设备及存储介质 | |
CN116051558B (zh) | 一种缺陷图像标注方法、装置、设备及介质 | |
CN117333443A (zh) | 一种缺陷检测方法、装置、电子设备及存储介质 | |
CN115937324B (zh) | 一种装配质量评价方法、装置、设备及存储介质 | |
CN115689922A (zh) | 畸变检测方法、装置、设备及存储介质 | |
CN114581711A (zh) | 目标对象检测方法、装置、设备、存储介质以及程序产品 | |
CN113344064A (zh) | 事件处理方法和装置 | |
CN115542100B (zh) | 绝缘子故障检测方法、装置、设备及介质 | |
CN116258714B (zh) | 一种缺陷识别方法、装置、电子设备和存储介质 | |
CN116503407B (zh) | 图像中异物区域的检测方法、装置及电子设备 | |
CN117689660B (zh) | 基于机器视觉的保温杯温度质检方法 | |
CN114092739B (zh) | 图像处理方法、装置、设备、存储介质和程序产品 | |
CN114943769B (zh) | 一种定位方法、装置、电子设备及介质 | |
CN114120126A (zh) | 事件检测方法、装置、设备、存储介质以及程序产品 | |
CN117350995A (zh) | 一种产品缺陷检测方法、装置、设备及存储介质 | |
CN117593751A (zh) | 一种文本图像识别方法、装置、电子设备及存储介质 |
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 |