CN116246085B - 用于ar望远镜的方位角生成方法和装置 - Google Patents
用于ar望远镜的方位角生成方法和装置 Download PDFInfo
- Publication number
- CN116246085B CN116246085B CN202310246319.1A CN202310246319A CN116246085B CN 116246085 B CN116246085 B CN 116246085B CN 202310246319 A CN202310246319 A CN 202310246319A CN 116246085 B CN116246085 B CN 116246085B
- Authority
- CN
- China
- Prior art keywords
- image
- panoramic
- telescope
- thumbnail
- generated
- 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 54
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 239000013598 vector Substances 0.000 claims description 18
- 238000013507 mapping Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000005286 illumination Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 7
- 238000005259 measurement Methods 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 239000013078 crystal Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
-
- 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
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种用于AR望远镜的方位角生成方法和装置，所述方法包括：获取目标望远镜采集到的当前图像；将所述当前图像与预先生成的全景缩略图进行特征匹配，以得到所述当前图像在预先生成的全景图中的起始位置；基于预先生成的角度模板，将所述起始位置转换为水平方位角；其中，所述全景缩略图是所述全景图的缩略图像，所述角度模板是通过所述全景图生成的，所述全景图是通过所述目标望远镜采集的多个单张图像样本合成的。其根据AR望远镜的实际应用场景，利用基于图像测量水平方位角的方法，较低成本的实现AR望远镜实时获取当前的方位姿态，有效支撑AR望远镜的虚实体验效果，从而解决了现有技术中望远镜方位角测量成本较高的技术问题。
Description
技术领域
本发明涉及图像处理技术领域，具体涉及一种用于AR望远镜的方位角生成方法和装置。
背景技术
随着AR技术的不断发展，AR望远镜产品在人们的生活中越来越普及，AR望远镜在使用过程中需要实时获取自己的空间位置和姿态，其中包括AR望远镜的水平方位信息，传统水平方位信息是通过方位角度传感器、陀螺仪等获取，成本较高。
具体地，在一个已有技术中，提供了一种基于双经纬仪的原子陀螺轴向方位角测量装置及方法，包括原子陀螺上的反射镜和倾斜仪,反射镜法线上的第一经纬仪,平晶的法线上的第二经纬仪；检测反射镜-第一经纬仪-第二经纬仪的水平角度值α和平晶-第二经纬仪-第一经纬仪的水平角度值β,根据α和β计算原子陀螺轴向与平晶法向的水平夹角Φ；旋转原子陀螺并对其倾角校正,调整第一经纬仪；检测旋转后反射镜-第一经纬仪-第二经纬仪的水平角度值α’和平晶-第二经纬仪-第一经纬仪的水平角度值β’,根据α’和β’计算旋转后原子陀螺轴向与平晶法向的水平夹角Φ’；根据Φ与Φ’计算原子陀螺轴向方位角水平方向变化值θ。但是，该种技术需要用到高精度的测量仪器，成本昂贵，对于日常AR望远镜不太适用。
因此，如何较低成本地实时获取满足AR望远镜应用的水平方位信息，就成为本领域技术人员亟待解决的问题。
发明内容
为此，本发明实施例提供一种用于AR望远镜的方位角生成方法和装置，以至少部分解决现有技术中望远镜方位角测量成本较高的技术问题。
为了实现上述目的，本发明实施例提供如下技术方案：
本发明提供了一种用于AR望远镜的方位角生成方法，所述方法包括：
获取目标望远镜采集到的当前图像；
将所述当前图像与预先生成的全景缩略图进行特征匹配，以得到所述当前图像在预先生成的全景图中的起始位置；
基于预先生成的角度模板，将所述起始位置转换为水平方位角；
其中，所述全景缩略图是所述全景图的缩略图像，所述角度模板是通过所述全景图生成的，所述全景图是通过所述目标望远镜采集的多个单张图像样本合成的。
在一些实施例中，通过所述目标望远镜采集的多个单张图像样本合成所述全景图，具体包括：
利用所述目标望远镜采集目标角度区域内的多个单张图像样本，且各单张图像样本之间的采集角度不同，且相邻两张图像重合度大于预设重合度；
AR望远镜全景图生成功能利用SIFT算法对该望远镜采集的多张符合标准的序列图像进行多尺度关键点位的检测，提取对尺度缩放、旋转、亮度变化无关的特征向量，然后利用关键点特征向量的欧氏距离判定相邻两张图像样本关键点的相似性，当相似性符合设定的阈值范围，进行特征点的匹配，建立相邻两张图像样本中景物的对应关系，再利用RANSAC算法剔除特征点中的噪声点，实现高精度的图像映射变换和匹配拼接，最后利用相机的光照模型和相邻两张图像样本的直方图映射表实现图像的融合，从而获得了高精度、色彩均匀的全景图。
在一些实施例中，利用所述目标望远镜采集目标角度区域内的多个单张图像样本，具体包括：
在所述目标角度区域内，按水平方向由一端至另一端以预设角度采集多个单张图像样本，相邻两张图像样本之间的重叠度大于预设值。
在一些实施例中，通过所述全景图生成所述角度模板，具体包括：
基于所述全景图，按照图像像数列和水平旋转角度对应规则，生成角度模板。具体方法为：根据获取的全景图尺寸(h*w)和出厂已知的AR望远镜相机水平视角V，以全景图最左端0°为基准，AR望远镜相机每次向右水平旋转V°，则能获取全景图w1像素列、w2像素列、w3像素列等对应的水平旋转角度V°、2V°、3V°等，由于像素列数和水平旋转角度不是均匀对应的，因此，需要利用三次样条插值获取全景图每一列像素对应的水平旋转角度，即角度模板([(1,V1),(2,V2),(3,V3)…(w,Vw)])。
在一些实施例中，基于所述全景图生成所述全景缩略图，具体包括：
对所述全景图进行处理，生成全景缩略图Pt，即通过图像下采样技术，把原全景图缩放到原来尺寸的k倍(1/4-1/2)。
在一些实施例中，将所述当前图像与预先生成的全景缩略图进行特征匹配，以得到所述当前图像在预先生成的全景图中的起始位置，具体包括：
利用SIFT算法对AR望远镜获取的当前图像F1和全景缩略图Pt进行多尺度关键点位的检测，提取对尺度缩放、旋转、亮度变化无关的特征向量。
利用关键点特征向量的欧氏距离判定当前图像F1和全景缩略图Pt关键点的相似性，当相似性符合设定的阈值范围，进行特征点的匹配，建立它们的对应关系。
利用RANSAC算法剔除特征点中的噪声点，实现当前图像F1和全景缩略图Pt高精度的图像映射，从而获得当前采集图像F在全景缩略图Pt中的位置。
由于全景缩略图Pt是由全景图缩放到k倍，所以通过把图像F在全景缩略图Pt中的位置放大到原来的1/k倍就可以获取像在预先生成的全景图中的起始位置。在一些实施例中，基于预先生成的角度模板，将所述起始位置转换为水平方位角，具体包括：
基于(4)生成角度模板F2，把(7)中获取的当前图像在全景图P中起始位置转换为水平方位角，即根据当前图像在全景图P中起始位置即像素列数，通过已建立的角度模板[(1,V1),(2,V2),(3,V3)…(w,Vw)])直接获取对应的水平方位角。
本发明还提供一种用于AR望远镜的方位角生成装置，所述装置包括：
图像采集单元，用于获取目标望远镜采集到的当前图像；
图像处理单元，用于将所述当前图像与预先生成的全景缩略图进行特征匹配，以得到所述当前图像在预先生成的全景图中的起始位置；
角度生成单元，用于基于预先生成的角度模板，将所述起始位置转换为水平方位角；
其中，所述全景缩略图是所述全景图的缩略图像，所述角度模板是通过所述全景图生成的，所述全景图是通过所述目标望远镜采集的多个单张图像样本合成的。
本发明还提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述方法的步骤。
本发明所提供的用于AR望远镜的方位角生成方法和装置，通过获取目标望远镜采集到的当前图像；将所述当前图像与预先生成的全景缩略图进行特征匹配，以得到所述当前图像在预先生成的全景图中的起始位置；即可基于预先生成的角度模板，将所述起始位置转换为水平方位角；其中，所述全景缩略图是所述全景图的缩略图像，所述角度模板是通过所述全景图生成的，所述全景图是通过所述目标望远镜采集的多个单张图像样本合成的。这样，本发明根据AR望远镜的实际应用场景，利用基于图像测量水平方位角的方法，较低成本的实现AR望远镜实时获取当前的方位姿态，有效支撑AR望远镜的虚实体验效果，从而解决了现有技术中望远镜方位角测量成本较高的技术问题。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式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，下面描述中的附图仅仅是示例性的，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，还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明所提供的用于AR望远镜的方位角生成方法的流程图之一；
图2为本发明所提供的用于AR望远镜的方位角生成方法的流程图之二；
图3为本发明所提供的用于AR望远镜的方位角生成装置的结构示意图；
图4为本发明所提供的电子设备的实体结构示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了解决现有技术中方位角测量成本较高的问题，本发明提供了一种用于AR望远镜的方位角生成方法，该方法首先利用SIFT和RANSAC算法把AR望远镜基于周围景象拍摄的单个图片拼接成全景图，建立全部的场景图，然后根据全景图的范围，按照一定的精度，生成角度模板，同时为了提高计算速度，全景图的匹配模板转换为全景图缩略图；然后，AR望远镜把当前采集的图像和全景图缩略图进行特征匹配，计算在全景图中的起始位置；最后，根据起始位置和角度模板获取AR望远镜当前的水平方位角。从而利用预先生成的角度模板快速准确地生成水平方位角，无需使用陀螺仪等精密设备，显著降低了设备成本。
请参考图1，图1为本发明所提供的用于AR望远镜的方位角生成方法的流程图之一。
在一种具体实施方式中，本发明提供的用于AR望远镜的方位角生成方法包括以下步骤：
S110：获取目标望远镜采集到的当前图像，当前图像为需要生成方位角的原始图像。例如，AR望远镜在实际使用中会根据水平旋转的位置，实时获取当前摄像头采集的原始图像，即当前图像。
S120：将所述当前图像与预先生成的全景缩略图进行特征匹配，以得到所述当前图像在预先生成的全景图中的起始位置；该起始位置即为当前图像起始像素列距离全景图第一列数素的跨度。
在一些实施例中，将所述当前图像与预先生成的全景缩略图进行特征匹配，以得到所述当前图像在预先生成的全景图中的起始位置，具体包括：
利用SIFT算法对AR望远镜获取的当前图像F1和全景缩略图Pt进行多尺度关键点位的检测，提取对尺度缩放、旋转、亮度变化无关的特征向量。
利用关键点特征向量的欧氏距离判定当前图像F1和全景缩略图Pt关键点的相似性，当相似性符合设定的阈值范围，进行特征点的匹配，建立它们的对应关系。
利用RANSAC算法剔除特征点中的噪声点，实现当前图像F1和全景缩略图Pt高精度的图像映射，从而获得当前图像F在全景缩略图Pt中的位置。由于全景缩略图Pt是由全景图缩放到k倍，所以通过把当前图像F1在全景缩略图Pt中的位置放大到原来的1/k倍就可以获取像在预先生成的全景图中的起始位置。
S130：基于预先生成的角度模板，将所述起始位置转换为水平方位角；具体地，基于生成的角度模板F2，将获取的当前图像F1在全景图P中起始位置转换为水平方位角。即根据当前图像在全景图P中起始位置即像素列数，通过已建立的角度模板[(1,V1),(2,V2),(3,V3)…(w,Vw)])直接获取对应的水平方位角。
其中，所述全景缩略图是所述全景图的缩略图像，所述角度模板是通过所述全景图生成的，所述全景图是通过所述目标望远镜采集的多个单张图像样本合成的。
在通过所述目标望远镜采集的多个单张图像样本合成所述全景图时，首先利用所述目标望远镜采集目标角度区域内的多个单张图像样本，且各单张图像样本之间的采集角度不同。AR望远镜全景图生成功能利用SIFT算法对该望远镜采集的多张符合标准的序列图像进行多尺度关键点位的检测，提取对尺度缩放、旋转、亮度变化无关的特征向量，然后利用关键点特征向量的欧氏距离判定相邻两张图像样本关键点的相似性，当相似性符合设定的阈值范围，进行特征点的匹配，建立相邻两张图像样本中景物的对应关系，再利用RANSAC算法剔除特征点中的噪声点，实现高精度的图像映射变换和匹配拼接，最后利用相机的光照模型和相邻两张图像样本的直方图映射表实现图像的融合，从而获得了高精度、色彩均匀的全景图。
在利用所述目标望远镜采集目标角度区域内的多个单张图像样本时，在所述目标角度区域内，按水平方向由一端至另一端以预设角度采集多个单张图像样本，相邻两张图像样本之间的重叠度大于预设值。例如，在120°的目标角度区域内，可以从左至右拍摄200张图片，每张图片之间的重叠度可以在10％-60％，例如重叠度可以为30％或45％等。
在通过所述全景图生成所述角度模板时，基于所述全景图，按照全景图图像像素列数和水平旋转角度对应规则，生成角度模板。具体方法为：根据获取的全景图尺寸(h*w)和出厂已知的AR望远镜相机水平视角V，以全景图最左端0°为基准，AR望远镜相机每次向右水平旋转V°，则能获取全景图w1像素列、w2像素列、w3像素列等对应的水平旋转角度V°、2V°、3V°等，由于像素列数和水平旋转角度不是均匀对应的，因此，需要利用三次样条插值获取全景图每一列像素对应的水平旋转角度，即角度模板([(1,V1),(2,V2),(3,V3)…(w,Vw)])。
由于全景图的数据量较大，会影响AR望远镜的使用效果，为了提高AR望远镜的实时匹配计算速度，需要将全景图缩略成全景缩略图，具体地，基于所述全景图生成所述全景缩略图时，对所述全景图进行处理，生成全景缩略图Pt，即通过图像下采样技术，把原全景图缩放到原来尺寸的k倍(1/4-1/2)。
为了便于展示技术效果，下面以一个具体使用场景为例，简述本发明所提供的方法的实施过程。
如图2所示，本发明所提供的用于AR望远镜的方位角生成方法包括以下步骤：
(1)固定AR望远镜摄像头旋转轴：在建立全景图场景前固定AR望远镜摄像头旋转轴，以使拍摄的单张图像在同一个高度角，便于后面全景图合成。
(2)单张图片的拍摄：对AR望远镜周围的场景按水平方向从左端向右端按一定的角度旋转拍摄，相邻两张图片之间的重叠度大于30％。
(3)生成全景图：利用SIFT和RANSAC算法进行序列图像特征点的匹配、选择、变换和融合，最终拼接成器人在该点的周围全景图P。
(4)生成角度模板F2：基于全景图P，按照图像像数列和水平旋转角度对应规则，生成角度模板F2，便于后面根据像素列直接获取角度结果。
(5)生成全景缩略图Pt：为了提高AR望远镜的实时匹配计算速度，全景图P数据太大，影响AR望远镜的使用效果，所以对全景图P进行处理，生成全景缩略图Pt。
(6)当前图像采集：AR望远镜在实际使用中会根据水平旋转的位置，实时获取当前摄像头采集的当前图像F1。
(7)当前图像在全景图P中起始位置的获取：利用sift算法把(6)中获取的当前图像和(5)中获取的全景缩略图Pt进行匹配，并获取当前图像在全景图P中起始位置，即当前图像起始像素列距离全景图第一列数素的跨度。
(8)解析水平旋转角，获取水平方位角：基于(4)生成角度模板F2，把(7)中获取的当前图像在全景图P中起始位置转换为水平方位角。
通过以上步骤能够以较低成本利用图像测量技术获取AR望远镜水平旋转方位角。
在上述具体实施方式中，本发明所提供的用于AR望远镜的方位角生成方法，通过获取目标望远镜采集到的当前图像；将所述当前图像与预先生成的全景缩略图进行特征匹配，以得到所述当前图像在预先生成的全景图中的起始位置；即可基于预先生成的角度模板，将所述起始位置转换为水平方位角；其中，所述全景缩略图是所述全景图的缩略图像，所述角度模板是通过所述全景图生成的，所述全景图是通过所述目标望远镜采集的多个单张图像样本合成的。这样，本发明根据AR望远镜的实际应用场景，利用基于图像测量水平方位角的方法，较低成本的实现AR望远镜实时获取当前的方位姿态，有效支撑AR望远镜的虚实体验效果，从而解决了现有技术中望远镜方位角测量成本较高的技术问题。
除了上述方法，本发明还提供一种用于AR望远镜的方位角生成装置，如图3所示，所述装置包括：
图像采集单元310，用于获取目标望远镜采集到的当前图像；
图像处理单元320，用于将所述当前图像与预先生成的全景缩略图进行特征匹配，以得到所述当前图像在预先生成的全景图中的起始位置；
角度生成单元330，用于基于预先生成的角度模板，将所述起始位置转换为水平方位角；
其中，所述全景缩略图是所述全景图的缩略图像，所述角度模板是通过所述全景图生成的，所述全景图是通过所述目标望远镜采集的多个单张图像样本合成的。
在一些实施例中，通过所述目标望远镜采集的多个单张图像样本合成所述全景图，具体包括：
利用所述目标望远镜采集目标角度区域内的多个单张图像样本，且各单张图像样本之间的采集角度不同；
AR望远镜全景图生成功能利用SIFT算法对该望远镜采集的多张符合标准的序列图像进行多尺度关键点位的检测，提取对尺度缩放、旋转、亮度变化无关的特征向量，然后利用关键点特征向量的欧氏距离判定相邻两张图像样本关键点的相似性，当相似性符合设定的阈值范围，进行特征点的匹配，建立相邻两张图像样本中景物的对应关系，再利用RANSAC算法剔除特征点中的噪声点，实现高精度的图像映射变换和匹配拼接，最后利用相机的光照模型和相邻两张图像样本的直方图映射表实现图像的融合，从而获得了高精度、色彩均匀的全景图。
在一些实施例中，利用所述目标望远镜采集目标角度区域内的多个单张图像样本，具体包括：
在所述目标角度区域内，按水平方向由一端至另一端以预设角度采集多个单张图像样本，相邻两张图像样本之间的重叠度大于预设值。
在一些实施例中，通过所述全景图生成所述角度模板，具体包括：
基于所述全景图，按照全景图图像像素列数和水平旋转角度对应规则，生成角度模板。具体方法为：根据获取的全景图尺寸(h*w)和出厂已知的AR望远镜相机水平视角V，以全景图最左端0°为基准，AR望远镜相机每次向右水平旋转V°，则能获取全景图w1像素列、w2像素列、w3像素列等对应的水平旋转角度V°、2V°、3V°等，由于像素列数和水平旋转角度不是均匀对应的，因此，需要利用三次样条插值获取全景图每一列像素对应的水平旋转角度，即角度模板([(1,V1),(2,V2),(3,V3)…(w,Vw)])。
在一些实施例中，基于所述全景图生成所述全景缩略图，具体包括：
对所述全景图进行处理，生成全景缩略图Pt，即通过图像下采样技术，把原全景图缩放到原来尺寸的k倍(1/4-1/2)。
在一些实施例中，将所述当前图像与预先生成的全景缩略图进行特征匹配，以得到所述当前图像在预先生成的全景图中的起始位置，具体包括：
利用SIFT算法对AR望远镜获取的当前图像F1和全景缩略图Pt进行多尺度关键点位的检测，提取对尺度缩放、旋转、亮度变化无关的特征向量。
利用关键点特征向量的欧氏距离判定图像F和全景缩略图Pt关键点的相似性，当相似性符合设定的阈值范围，进行特征点的匹配，建立它们的对应关系。
利用RANSAC算法剔除特征点中的噪声点，实现图像F和全景缩略图Pt高精度的图像映射，从而获得当前采集图像F在全景缩略图Pt中的位置。
由于全景缩略图Pt是由全景图缩放到k倍，所以通过把图像F在全景缩略图Pt中的位置放大到原来的1/k倍就可以获取像在预先生成的全景图中的起始位置。
在一些实施例中，基于预先生成的角度模板，将所述起始位置转换为水平方位角，具体包括：
基于(4)生成角度模板F2，把(7)中获取的当前图像在全景图P中起始位置转换为水平方位角。。即根据当前图像在全景图P中起始位置即像素列数，通过已建立的角度模板[(1,V1),(2,V2),(3,V3)…(w,Vw)])直接获取对应的水平方位角。
在上述具体实施方式中，本发明所提供的用于AR望远镜的方位角生成装置，通过获取目标望远镜采集到的当前图像；将所述当前图像与预先生成的全景缩略图进行特征匹配，以得到所述当前图像在预先生成的全景图中的起始位置；即可基于预先生成的角度模板，将所述起始位置转换为水平方位角；其中，所述全景缩略图是所述全景图的缩略图像，所述角度模板是通过所述全景图生成的，所述全景图是通过所述目标望远镜采集的多个单张图像样本合成的。这样，本发明根据AR望远镜的实际应用场景，利用基于图像测量水平方位角的方法，较低成本的实现AR望远镜实时获取当前的方位姿态，有效支撑AR望远镜的虚实体验效果，从而解决了现有技术中望远镜方位角测量成本较高的技术问题。
图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以上述方法。
此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法。
又一方面，本发明还提供一种非暂态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以执行上述各方法。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时，可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。
Claims (9)
1.一种用于AR望远镜的方位角生成方法，其特征在于，所述方法包括：
获取目标望远镜采集到的当前图像；
将所述当前图像与预先生成的全景缩略图进行特征匹配，以得到所述当前图像在预先生成的全景图中的起始位置；
基于预先生成的角度模板，将所述起始位置转换为水平方位角；
其中，所述全景缩略图是所述全景图的缩略图像，所述角度模板是通过所述全景图生成的，所述全景图是通过所述目标望远镜采集的多个单张图像样本合成的；
其中，将所述当前图像与预先生成的全景缩略图进行特征匹配，以得到所述当前图像在预先生成的全景图中的起始位置，具体包括：
利用SIFT算法对AR望远镜获取的当前图像F1和全景缩略图进行多尺度关键点位的检测，提取对尺度缩放、旋转、亮度变化无关的特征向量；
利用关键点特征向量的欧氏距离判定当前图像F1和全景缩略图关键点的相似性，当相似性符合设定的阈值范围，进行特征点的匹配，建立当前图像和全景缩略图的对应关系；
利用RANSAC算法剔除特征点中的噪声点，以实现当前图像F1和全景缩略图的图像映射，从而获得当前图像在全景缩略图中的位置；
在全景缩略图是由全景图缩放到k倍得到的情况下，通过将当前图像F1在全景缩略图中的位置放大到1/k倍，以获取像在预先生成的全景图中的起始位置。
2.根据权利要求1所述的用于AR望远镜的方位角生成方法，其特征在于，通过所述目标望远镜采集的多个单张图像样本合成所述全景图，具体包括：
利用所述目标望远镜采集目标角度区域内的多个单张图像样本，且各单张图像样本之间的采集角度不同，且相邻两张图像重合度大于预设重合度；
利用SIFT算法对多个单张图像样本的序列图像进行多尺度关键点位的检测，提取对尺度缩放、旋转、亮度变化无关的特征向量；
利用关键点特征向量的欧氏距离判定相邻两张图像样本关键点的相似性，当相似性符合设定的阈值范围，进行特征点的匹配，建立相邻两张图像样本中景物的对应关系；
利用RANSAC算法剔除特征点中的噪声点，并进行图像映射变换和匹配拼接；
利用相机的光照模型和相邻两张图像样本的直方图映射表实现图像的融合，以得到所述全景图。
3.根据权利要求2所述的用于AR望远镜的方位角生成方法，其特征在于，利用所述目标望远镜采集目标角度区域内的多个单张图像样本，具体包括：
在所述目标角度区域内，按水平方向由一端至另一端以预设角度采集多个单张图像样本，相邻两张图像样本之间的重叠度大于预设值。
4.根据权利要求2所述的用于AR望远镜的方位角生成方法，其特征在于，通过所述全景图生成所述角度模板，具体包括：
基于所述全景图，按照全景图图像像素列数和水平旋转角度对应规则，生成角度模板。
5.根据权利要求2所述的用于AR望远镜的方位角生成方法，其特征在于，基于所述全景图生成所述全景缩略图，具体包括：
通过图像下采样技术，把原全景图缩放到原来尺寸的k倍，以实现对所述全景图进行处理，生成全景缩略图Pt；
其中，k为1/4-1/2。
6.根据权利要求1-5任一项所述的用于AR望远镜的方位角生成方法，其特征在于，基于预先生成的角度模板，将所述起始位置转换为水平方位角，具体包括：
根据当前图像在全景图中起始位置对应的像素列数，通过预先建立的角度模板获取对应的水平方位角。
7.一种用于AR望远镜的方位角生成装置，其特征在于，所述装置包括：
图像采集单元，用于获取目标望远镜采集到的当前图像；
图像处理单元，用于将所述当前图像与预先生成的全景缩略图进行特征匹配，以得到所述当前图像在预先生成的全景图中的起始位置；
角度生成单元，用于基于预先生成的角度模板，将所述起始位置转换为水平方位角；
其中，所述全景缩略图是所述全景图的缩略图像，所述角度模板是通过所述全景图生成的，所述全景图是通过所述目标望远镜采集的多个单张图像样本合成的；
其中，将所述当前图像与预先生成的全景缩略图进行特征匹配，以得到所述当前图像在预先生成的全景图中的起始位置，具体包括：
利用SIFT算法对AR望远镜获取的当前图像F1和全景缩略图进行多尺度关键点位的检测，提取对尺度缩放、旋转、亮度变化无关的特征向量；
利用关键点特征向量的欧氏距离判定当前图像F1和全景缩略图关键点的相似性，当相似性符合设定的阈值范围，进行特征点的匹配，建立当前图像和全景缩略图的对应关系；
利用RANSAC算法剔除特征点中的噪声点，以实现当前图像F1和全景缩略图的图像映射，从而获得当前图像在全景缩略图中的位置；
在全景缩略图是由全景图缩放到k倍得到的情况下，通过将当前图像F1在全景缩略图中的位置放大到1/k倍，以获取像在预先生成的全景图中的起始位置。
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述方法的步骤。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310246319.1A CN116246085B (zh) | 2023-03-07 | 2023-03-07 | 用于ar望远镜的方位角生成方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310246319.1A CN116246085B (zh) | 2023-03-07 | 2023-03-07 | 用于ar望远镜的方位角生成方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116246085A CN116246085A (zh) | 2023-06-09 |
| CN116246085B true CN116246085B (zh) | 2024-01-30 |
Family
ID=86629501
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310246319.1A Active CN116246085B (zh) | 2023-03-07 | 2023-03-07 | 用于ar望远镜的方位角生成方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116246085B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104376118A (zh) * | 2014-12-03 | 2015-02-25 | 北京理工大学 | 基于全景图的精确标注兴趣点的户外移动增强现实方法 |
| CN105488777A (zh) * | 2015-04-22 | 2016-04-13 | 兰雨晴 | 一种基于移动前景下全景图实时生成系统及其方法 |
| CN106657910A (zh) * | 2016-12-22 | 2017-05-10 | 国网浙江省电力公司杭州供电公司 | 一种电力变电站的全景视频监控方法 |
| CN106709942A (zh) * | 2016-12-13 | 2017-05-24 | 广州智能装备研究院有限公司 | 一种基于特征方位角的全景图像误匹配消除方法 |
| CN107784632A (zh) * | 2016-08-26 | 2018-03-09 | 南京理工大学 | 一种基于红外热成像系统的红外全景图的生成方法 |
| KR101868740B1 (ko) * | 2017-01-04 | 2018-06-18 | 명지대학교 산학협력단 | 파노라마 이미지 생성 방법 및 장치 |
| CN110490967A (zh) * | 2019-04-12 | 2019-11-22 | 北京城市网邻信息技术有限公司 | 图像处理和对象建模方法与设备、图像处理装置及介质 |
| CN112148817A (zh) * | 2019-06-28 | 2020-12-29 | 理光软件研究所（北京）有限公司 | 一种基于全景图的slam优化方法、装置和系统 |
| CN113034394A (zh) * | 2021-03-25 | 2021-06-25 | 中国科学院紫金山天文台 | 一种基于恒星星表的望远镜畸变校正方法 |
| WO2022086360A1 (ru) * | 2020-10-21 | 2022-04-28 | Публичное Акционерное Общество "Сбербанк России" | Способ и устройство создания панорамного изображения |
| WO2022138574A1 (en) * | 2020-12-25 | 2022-06-30 | Ricoh Company, Ltd. | Moving image generation apparatus, moving image generation method, program, and recording medium |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116452426B (zh) * | 2023-06-16 | 2023-09-05 | 广汽埃安新能源汽车股份有限公司 | 一种全景图拼接方法及装置 |
-
2023
- 2023-03-07 CN CN202310246319.1A patent/CN116246085B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104376118A (zh) * | 2014-12-03 | 2015-02-25 | 北京理工大学 | 基于全景图的精确标注兴趣点的户外移动增强现实方法 |
| CN105488777A (zh) * | 2015-04-22 | 2016-04-13 | 兰雨晴 | 一种基于移动前景下全景图实时生成系统及其方法 |
| CN107784632A (zh) * | 2016-08-26 | 2018-03-09 | 南京理工大学 | 一种基于红外热成像系统的红外全景图的生成方法 |
| CN106709942A (zh) * | 2016-12-13 | 2017-05-24 | 广州智能装备研究院有限公司 | 一种基于特征方位角的全景图像误匹配消除方法 |
| CN106657910A (zh) * | 2016-12-22 | 2017-05-10 | 国网浙江省电力公司杭州供电公司 | 一种电力变电站的全景视频监控方法 |
| KR101868740B1 (ko) * | 2017-01-04 | 2018-06-18 | 명지대학교 산학협력단 | 파노라마 이미지 생성 방법 및 장치 |
| CN110490967A (zh) * | 2019-04-12 | 2019-11-22 | 北京城市网邻信息技术有限公司 | 图像处理和对象建模方法与设备、图像处理装置及介质 |
| CN112148817A (zh) * | 2019-06-28 | 2020-12-29 | 理光软件研究所（北京）有限公司 | 一种基于全景图的slam优化方法、装置和系统 |
| WO2022086360A1 (ru) * | 2020-10-21 | 2022-04-28 | Публичное Акционерное Общество "Сбербанк России" | Способ и устройство создания панорамного изображения |
| WO2022138574A1 (en) * | 2020-12-25 | 2022-06-30 | Ricoh Company, Ltd. | Moving image generation apparatus, moving image generation method, program, and recording medium |
| CN113034394A (zh) * | 2021-03-25 | 2021-06-25 | 中国科学院紫金山天文台 | 一种基于恒星星表的望远镜畸变校正方法 |
Non-Patent Citations (2)
| Title |
|---|
| Panorama Stitching Based on SIFT Algorithm and Levenberg-Marquardt Optimization;ZHONG Min等;《Physics Procedia》;第33卷;第811-818页 * |
| 一种全景图与局部视场的匹配实用算法研究;丁语欣;;广播电视信息(第11期);第60-62页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116246085A (zh) | 2023-06-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112927362B (zh) | 地图重建方法及装置、计算机可读介质和电子设备 | |
| KR101820349B1 (ko) | 화상 표시 방법 및 장치 | |
| JP4950290B2 (ja) | 撮像装置、方法、システム集積回路、及びプログラム | |
| CN111507333B (zh) | 一种图像矫正方法、装置、电子设备和存储介质 | |
| JP2006012172A (ja) | 写真をカリカチュア画像に変換するための方法および装置 | |
| CN108073857A (zh) | 动态视觉传感器dvs事件处理的方法及装置 | |
| CN111582022B (zh) | 一种移动视频与地理场景的融合方法、系统及电子设备 | |
| CN113630549B (zh) | 变焦控制方法、装置、电子设备和计算机可读存储介质 | |
| CN111325798B (zh) | 相机模型纠正方法、装置、ar实现设备及可读存储介质 | |
| CN107563978A (zh) | 人脸去模糊方法及装置 | |
| CN103985103A (zh) | 一种生成全景图片的方法和装置 | |
| CN110766706A (zh) | 图像融合方法、装置、终端设备及存储介质 | |
| US9838572B2 (en) | Method and device for determining movement between successive video images | |
| CN113875219B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| CN108648147A (zh) | 一种人眼视网膜机理的超分辨率图像获取方法及系统 | |
| CN111340737A (zh) | 图像矫正方法、装置和电子系统 | |
| CN111402136A (zh) | 全景图生成方法、装置、计算机可读存储介质及电子设备 | |
| CN112017242B (zh) | 显示方法及装置、设备、存储介质 | |
| CN107767326B (zh) | 图像中对象变换处理方法、装置及计算设备 | |
| WO2024093763A1 (zh) | 全景图像处理方法、装置、计算机设备、介质和程序产品 | |
| CN111818265B (zh) | 基于增强现实模型的交互方法、装置、电子设备及介质 | |
| CN116246085B (zh) | 用于ar望远镜的方位角生成方法和装置 | |
| KR102076635B1 (ko) | 산재된 고정 카메라를 이용한 파노라마 영상 생성 장치 및 방법 | |
| CN110796690B (zh) | 图像匹配方法和图像匹配装置 | |
| CN107240149A (zh) | 基于图像处理的物体三维模型构建方法 |
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 |