CN116886882B - 一种基于全向梯形技术的投影控制方法及系统 - Google Patents
一种基于全向梯形技术的投影控制方法及系统 Download PDFInfo
- Publication number
- CN116886882B CN116886882B CN202310931452.0A CN202310931452A CN116886882B CN 116886882 B CN116886882 B CN 116886882B CN 202310931452 A CN202310931452 A CN 202310931452A CN 116886882 B CN116886882 B CN 116886882B
- Authority
- CN
- China
- Prior art keywords
- projector
- angle
- trapezoidal
- feature
- omnidirectional
- 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 39
- 238000005516 engineering process Methods 0.000 title claims abstract description 26
- 239000011159 matrix material Substances 0.000 claims abstract description 52
- 238000012937 correction Methods 0.000 claims abstract description 17
- 230000006870 function Effects 0.000 claims description 45
- 239000013598 vector Substances 0.000 claims description 26
- 238000001514 detection method Methods 0.000 claims description 20
- 230000009466 transformation Effects 0.000 claims description 14
- 230000031836 visual learning Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 230000013016 learning Effects 0.000 claims description 4
- 230000001960 triggered effect Effects 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 8
- 230000001133 acceleration Effects 0.000 description 7
- 238000011161 development Methods 0.000 description 5
- 230000005484 gravity Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N9/00—Details of colour television systems
- H04N9/12—Picture reproducers
- H04N9/31—Projection devices for colour picture display, e.g. using electronic spatial light modulators [ESLM]
- H04N9/3179—Video signal processing therefor
- H04N9/3185—Geometric adjustment, e.g. keystone or convergence
Landscapes
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Transforming Electric Information Into Light Information (AREA)
Abstract
本发明提供一种基于全向梯形技术的投影控制方法及系统，包括：步骤S1，识别并存储特征图中特征点的参数信息；步骤S2，获取投影仪的旋转角度信息，在数据抖动变化值超过预设阈值时触发全向梯形功能；步骤S3，启动全向梯形功能；步骤S4，先获取标定图像，识别所述特征图的所有特征点；步骤S5，根据特征图和标定图像之间的关系，得到角点在摄像头坐标系的坐标；步骤S6，获取投影仪在摄像头坐标系中的姿态矩阵；步骤S7，设置投影仪图像的全向梯形参数；步骤S8，根据所述全向梯形参数调整投影仪图像。本发明无需额外的硬件模块支持，能够适应不同环境以实现高精度的梯形校正，以较低的成本和可靠的效果实现了对投影画面的梯形校正。
Description
技术领域
本发明涉及一种投影控制方法，尤其涉及一种基于全向梯形技术的投影控制方法，并进一步涉及采用了该基于全向梯形技术的投影控制方法的投影控制系统。
背景技术
随着科技的发展，投影仪作为一种高科技产品已经被广泛应用于娱乐、教育以及商务等领域。在日常生活中，我们可以看到各种类型的投影设备，如家庭影院、学校教室和会议室等。然而，尽管投影仪在方便人们获取信息和提高工作效率方面发挥了重要作用，但在实际应用过程中仍存在一些问题。
其中，投影画面失真和变形是投影仪在使用过程中最常见的问题之一。这不仅影响了用户的观感体验，还可能导致信息传递的不准确。为了解决这个问题，市场上出现了多种投影仪梯形校正的方法和技术。
目前，投影仪梯形校正技术主要包括基于TOF测距技术、基于陀螺仪技术、基于摄像头技术、基于投影画面特征点检测技术和基于三角测量原理等。这些技术各具特点，可以根据实际应用场景和需求进行选择。其中，基于TOF测距技术的实时性较好，但成本较高；基于陀螺仪技术的实时性好且不需要额外硬件模块支持，但对于姿态变化频繁的场景效果并不理想；基于摄像头技术的实现过程方便，但受到环境光线等因素的影响，校正效果并不可靠；基于投影画面特征点检测技术不需要额外硬件模块支持，但对于复杂场景其效果并不理想；而基于三角测量原理的准确性较高，但安装过程繁琐，成本高。因此，现有技术之中并没有一种能够同时满足低成本和可靠的校正效果的投影仪梯形校正技术。
发明内容
本发明所要解决的技术问题是需要提供一种基于全向梯形技术的投影控制方法，旨在使得投影仪校正控制更加可靠和高效，并同时满足低成本的需求。在此基础上，还进一步提供采用了该基于全向梯形技术的投影控制方法的投影控制系统。
对此，本发明提供一种基于全向梯形技术的投影控制方法，包括以下步骤：
步骤S1，通过投影仪投射出预设的特征图，识别所述特征图中特征点的参数信息之后，将所述参数信息保存至存储模块，所述预设的特征图包括中间棋盘格和四个角点，所述角点的棋盘格小于所述中间棋盘格；
步骤S2，通过读取陀螺仪模块的数据，得到投影仪的旋转角度信息，并在数据抖动变化值超过预设阈值时触发全向梯形功能；
步骤S3，在投影仪自动对焦后，启动全向梯形功能，投射出预设的特征图；
步骤S4，先获取标定图像，并对所述标定图形进行角点检测和线条长度计算，识别所述特征图的所有特征点；
步骤S5，根据特征图和标定图像之间的关系，得到每个角点在摄像头坐标系中的坐标；
步骤S6，根据特征点和摄像头坐标系之间的关系，得到投影仪在摄像头坐标系中的姿态矩阵；
步骤S7，由姿态矩阵计算x轴分量、y轴分量和z轴分量分别与向量模长之间的夹角，设置投影仪图像的全向梯形参数；
步骤S8，根据所述全向梯形参数调整投影仪图像。
本发明的进一步改进在于，所述步骤S1包括以下子步骤：
步骤S101，通过投影仪投射出预设的特征图，然后通过摄像头模块拍摄多个不同位置和角度的特征图作为标定图像；
步骤S102，通过视觉学习软件的findChessboardCorners()函数对每张标定图像进行角点检测，并返回检测结果；
步骤S103，通过视觉学习软件的cornerSubPix()函数对检测到的角点进行亚像素级别处理，得到角点坐标；
步骤S104，计算每张标定图像的四个角点的线条长度，然后识别所述中间棋盘格，建立图像空间坐标系和摄像头坐标系，将每张标定图像中检测到的角点坐标与摄像头坐标系的三维坐标进行对应，以此确定所述标定图像的畸变情况和相机的投影矩阵；
步骤S105，通过视觉学习软件的calibrationMatrixValues()函数对变换矩阵进行精度评估，所述变换矩阵指的是图像空间坐标系和摄像头坐标系之间的转换矩阵，以此获得投影仪光学镜头和和摄像头中心轴之间的偏移值，通过所述变换矩阵和五个特征图之间的关系组成正投影左右角度为0的设备姿态参数，以此作为所述特征图中特征点的参数信息；
步骤S106，将所述参数信息保存至存储模块。
本发明的进一步改进在于，所述步骤S105中，在得到所述设备姿态参数之后，将所述设备姿态参数与对应的特征点信息进行匹配和保存，建立一一对应的索引记录，以此作为所述特征图中特征点的参数信息。
本发明的进一步改进在于，所述步骤S2中，在读取陀螺仪模块的数据后，得到投影仪围绕X轴、Y轴和Z轴旋转的角度信息，并将三个轴的角度信息进行权重叠加得到投影仪的旋转角度信息，三个轴的权重之和为1，计算3秒内的旋转角度信息，以所述旋转角度信息作为数据抖动变化值，在所述数据抖动变化值超过预设阈值时触发全向梯形功能。
本发明的进一步改进在于，触发全向梯形功能之后，包括以下触发步骤：
步骤A1，调用陀螺仪模块，测量投影仪的旋转速度和角度，根据陀螺仪模块的数据格式和规则，将读取到的原始数据解析为Roll、Pitch和Yaw三个轴的角度值；
步骤A2，根据所述Roll、Pitch和Yaw三个轴的角度值，确定投影仪姿态；
步骤A3，根据所述投影仪姿态，确定投影仪的旋转角度和俯仰角，以Roll表示投影仪绕X轴的旋转角度，以Pitch表示投影仪绕Y轴的旋转角度，以Yaw表示投影仪绕z轴的旋转角度；跳转至步骤S3。
本发明的进一步改进在于，所述步骤S4包括以下子步骤：
步骤S401，先获取标定图像，通过摄像头模块拍摄预设的特征图；
步骤S402，对图像通过视觉学习软件的findChessboardCorners()函数进行角点检测；
步骤S403，将检测到的角点，通过视觉学习软件的cornerSubPix()函数进行亚像素级别的处理；
步骤S404，根据标定图像中的特征点坐标，计算通过计算每两个相邻特征点之间的距离获取每个特征图的四条线条长度；
步骤S405，通过检测到的特征点坐标，计算中间棋盘格的边长。
本发明的进一步改进在于，所述步骤S6包括以下子步骤：
步骤S601，设定特性图的四个角点坐标信息分别为(x1, y1, z1)、(x2, y2, z2)、(x3, y3, z3)和(x4, y4, z4)，设定四个角点和摄像头空间坐标系之间的关系矩阵R；
步骤S602，通过公式d = R * [x y z]'计算还原到左右角度为0的第一个角点的坐标d，其中，[x y z]'表示关系矩阵R对应的列向量；
步骤S603，返回步骤S602，将坐标分别替换为剩余角点的坐标，计算剩余三个角点坐标在摄像头空间坐标系下的坐标e、坐标f和坐标g；
步骤S604，通过步骤S602和步骤S603计算得到的四个角点坐标d、坐标e、坐标f和坐标g，使用三角关系和线条长度的比较来计算五个特征图之间的角度和方向关系；
步骤S605，根据步骤S604中得到的角度和方向关系，确定特征图之间的姿态，将姿态信息存储为R_hat一维矩阵。
本发明的进一步改进在于，所述步骤S7包括以下子步骤：
步骤S701，将所述姿态矩阵R_hat通过cv::Rodrigues函数转换为四元数形式；
步骤S702，将所述四元数进行归一化处理，得到归一化后的向量V，V = (Vx, Vy,Vz)；
步骤S703，通过公式||V|| = sqrt(Vx2+ Vy2+ Vz2)计算向量V的模长||V||；
步骤S704，通过公式angle_x= arccos(Vx / ||V||)计算x 轴分量与向量V的模长之间的夹角angle_x；
步骤S705，通过公式angle_y = arccos(Vy / ||V||)计算y轴分量与向量V的模长之间的夹角angle_y；
步骤S706，通过公式angle_z = arccos(Vz / ||V||)计算z轴分量与向量V的模长之间的夹角angle_z；
步骤S707，以所述夹角angle_z作为投影仪的左右角度，并将所述夹角angle_x、夹角angle_y和夹角angle_z设置为投影仪图像的全向梯形参数。
本发明的进一步改进在于，所述步骤S8中，将所述夹角angle_x、夹角angle_y和夹角angle_z输入至全向梯形功能模块之中，以此所述全向梯形参数分别调整投影仪图像的三轴角度。
本发明还提供一种基于全向梯形技术的投影控制系统，采用了如上所述的基于全向梯形技术的投影控制方法，并包括：
标定校正模块，通过投影仪投射出预设的特征图，识别所述特征图中特征点的参数信息之后，将所述参数信息保存至存储模块，所述预设的特征图包括中间棋盘格和四个角点，所述角点的棋盘格小于所述中间棋盘格；
触发判断模块，通过读取陀螺仪模块的数据，得到投影仪的旋转角度信息，并在数据抖动变化值超过预设阈值时触发全向梯形功能；
启动模块，在投影仪自动对焦后，启动全向梯形功能，投射出预设的特征图；
特征点识别模块，先获取标定图像，并对所述标定图形进行角点检测和线条长度计算，识别所述特征图的所有特征点；
坐标获取模块，根据特征图和标定图像之间的关系，得到每个角点在摄像头坐标系中的坐标；
姿态矩阵获取模块，根据特征点和摄像头坐标系之间的关系，得到投影仪在摄像头坐标系中的姿态矩阵；
全向梯形参数获取模块，由姿态矩阵计算x轴分量、y轴分量和z轴分量分别与向量模长之间的夹角，设置投影仪图像的全向梯形参数；
调整模块，根据所述全向梯形参数调整投影仪图像。
与现有技术相比，本发明的有益效果在于：先通过投影仪投射出预设的特征图，然后检测特征图的特征点，再通过姿态测量计算出每个特征点对应的姿态，根据姿态矩阵进行计算、设置和对应调整，进而将特征点检测和姿态检测进行了合理且高效的有机融合，以便自动且准确地评估出投影仪的姿态；本发明无需额外的硬件模块支持，能够适应不同环境以实现高精度的梯形校正，不受复杂场景以及环境光线等外界因素的影响，以较低的成本和可靠的效果实现了对投影画面的梯形校正，有效地降低了产品的使用局限性。
附图说明
图1是本发明一种实施例的工作流程示意图；
图2是本发明一种实施例的特征图的示意图。
具体实施方式
下面结合附图，对本发明的较优的实施例作进一步的详细说明。
如图1和图2所示，本实施例提供一种基于全向梯形技术的投影控制方法，包括以下步骤：
步骤S1，通过投影仪投射出预设的特征图，识别所述特征图中特征点的参数信息之后，将所述参数信息保存至存储模块，所述预设的特征图包括中间棋盘格和四个角点，所述角点的棋盘格小于所述中间棋盘格；
步骤S2，通过读取陀螺仪模块的数据，得到投影仪的旋转角度信息，并在数据抖动变化值超过预设阈值时触发全向梯形功能；
步骤S3，在投影仪自动对焦后，启动全向梯形功能，投射出预设的特征图；
步骤S4，先获取标定图像，并对所述标定图形进行角点检测和线条长度计算，识别所述特征图的所有特征点；
步骤S5，根据特征图和标定图像之间的关系，得到每个角点在摄像头坐标系中的坐标；所述摄像头坐标系也称摄像头空间坐标系；
步骤S6，根据特征点和摄像头坐标系之间的关系，得到投影仪在摄像头坐标系中的姿态矩阵；
步骤S7，由姿态矩阵计算x轴分量、y轴分量和z轴分量分别与向量模长之间的夹角，设置投影仪图像的全向梯形参数；
步骤S8，根据所述全向梯形参数调整投影仪图像。
本实施例在硬件上，配置有陀螺仪模块、摄像头模块和存储模块，所述陀螺仪模块通过陀螺仪获取投影仪的旋转角度信息，所述摄像头模块采用现有的摄像头对特征图进行拍摄即可，无需TOF或专门的高清摄像头，即使采用30万像素的摄像头，也能实现相同的效果，但成本上具有很强的竞争力；所述存储模块，也可以采用投影仪自带的存储模组。
本实施例在进入步骤S2至步骤S8的主控过程之前，在所述步骤S1先对投影仪进行首次校正，具体的校正方法包括以下子步骤：
步骤S101，通过投影仪投射出如图2所示的预设的特征图，所述预设的特征图包括中间棋盘格和四个角点，所述角点的棋盘格小于所述中间棋盘格，即所述角点的棋盘格行和列均小于所述中间棋盘格的行和列，且所述角点对称设置于所述中间棋盘格的四周；然后通过摄像头模块拍摄多个不同位置和角度的特征图作为标定图像，优选的，通过视觉学习软件Opencv识别图2中特征图的特征点，特征点包括四周四个2*2的棋盘格以及中间行列是5*9的中间棋盘格，这样的设计能够更好地实现拍摄和特征点的识别，也便于后续的计算和控制过程，还进一步降低了对摄像头的要求；
步骤S102，通过视觉学习软件Opencv的findChessboardCorners()函数对每张标定图像进行角点检测，以便识别图2特征图中四个棋盘格角点的坐标位置，并返回检测结果；
步骤S103，通过视觉学习软件Opencv的cornerSubPix()函数对检测到的角点进行亚像素级别处理，通过亚像素级别处理提高角点的精度之后，得到角点坐标；
步骤S104，计算每张标定图像的四个角点的线条长度，即每两个相邻角点之间的距离，然后识别所述中间棋盘格，记录中间棋盘格以及角点的位置关系，利用三角关系，计算五个特征图之间的关系，确定图像的畸变情况和相机的投影矩阵，确定图像的畸变情况和相机的投影矩阵的具体方法为：先建立图像空间坐标系和摄像头坐标系，所述图像空间坐标系指的是针对特征图建立的空间坐标系，所述摄像头坐标系也称摄像头空间坐标系指的是针对摄像头图像建立的标定坐标系，所述摄像头坐标系也称摄像头空间坐标系，然后将每张标定图像中检测到的角点坐标与摄像头坐标系的三维坐标进行对应，以此确定所述标定图像的畸变情况和相机的投影矩阵；所述五个特征图指的是中间棋盘格以及四个角点共五个特征图；
步骤S105，通过视觉学习软件Opencv的calibrationMatrixValues()函数对变换矩阵进行精度评估，所述变换矩阵指的是图像空间坐标系和摄像头坐标系之间的转换矩阵，以此获得投影仪光学镜头和和摄像头中心轴之间的偏移值，通过所述变换矩阵和所述五个特征图之间的关系组成正投影左右角度为0的设备姿态参数，以此作为所述特征图中特征点的参数信息；
步骤S106，将所述参数信息保存至存储模块。
进一步的，本实施例所述步骤S105中，在得到所述设备姿态参数之后，将所述设备姿态参数与对应的特征点信息进行匹配和保存，建立一一对应的索引记录，以此作为所述特征图中特征点的参数信息。
本实施例所述步骤S2中，在读取陀螺仪模块的数据后，得到投影仪围绕X轴、Y轴和Z轴旋转的角度信息，并将三个轴的角度信息进行权重叠加得到投影仪的旋转角度信息，三个轴的权重之和为1，计算3秒内的旋转角度信息，以所述旋转角度信息作为数据抖动变化值，在所述数据抖动变化值超过预设阈值时触发全向梯形功能。其中，X轴的权重、Y轴的权重和Z轴的权重，可以根据实际情况进行自定义设置和调整。在实际应用中，优选根据三个轴的角度信息来对应确定权重的大小，即角度信息越大，则说明旋转角度越大，所设置的权重也越大，且三个轴的权重之和为1，进而使得计算的抖动数据更为准确，由此决定是否触发全向梯形功能。
本实施例在触发全向梯形功能之后，包括以下触发步骤：
步骤A1，调用陀螺仪模块，测量投影仪的旋转速度和角度，根据陀螺仪模块所预先设置的数据格式和规则，将读取到的原始数据解析为Roll、Pitch和Yaw三个轴的角度值；其解析过程，可以根据陀螺仪模块所预先设置的数据格式和规则来对应实现，也可以根据实际需求进行调整；
步骤A2，根据所述Roll、Pitch和Yaw三个轴的角度值，确定投影仪姿态；即通过确定投影仪相对于初始位置的旋转角度，就可以根据Roll、Pitch和Yaw这三个轴的角度值数据进行姿态计算；
步骤A3，根据所述投影仪姿态，确定投影仪的旋转角度和俯仰角，以Roll表示投影仪绕X轴的旋转角度，以Pitch表示投影仪绕Y轴的旋转角度，以Yaw表示投影仪绕z轴的旋转角度；跳转至步骤S3。
本实施例确定投影仪的旋转角度和俯仰角的具体方法为：根据所述陀螺仪模块，读取模块得到加速度数据Ax,Ay,Az,其中假定Az指向地心，则Ax为投影仪俯仰仪态的加速度值；Ay为投影仪旋转仪态的加速度值；当设备平放时，Az指向地心，为1个重力加速度，即1g。投影仪向上倾斜仰角n度时，Az和Ax轴的加速度数据会产生变化，通过空间三轴以及三角函数关系，可得到Az=1g*cos(n)，Ax=1g*sin(n)；由于Az和Ax是从陀螺仪读取的已知数据，此时根据上述公式可求出n，即得到投影仪的俯仰角Pitch；同样的原理，Ay为投影仪旋转仪态的加速度值，当设备平放时，Az指向地心，为1个重力加速度，即1g，投影仪旋转角度为n度时候，Az和Ay轴的数据会产生变化，由空间三轴以及三角函数关系，可得到Az=1g*cos(n’)，和Ay=1g*sin(n’)，此时同样可求出n’，即得到投影仪的旋转角度Roll。至此，只需要进一步获取一个左右角度，即可确定投影仪的最终姿态，本实施例通过跳转至步骤S3及其后续步骤来获取该左右角度。
本实施例所述步骤S3先将投影仪进行对焦，在等待对焦清晰后，再次投射图2所示的特征图，并同时跳转至步骤S4启动梯形程序。
本实施例所述步骤S4用于再次识别特征图中的特征点和计算线条长度，并根据标定参数确定图像的畸变情况。具体包括以下子步骤：
步骤S401，先获取标定图像，通过摄像头模块拍摄预设的特征图；
步骤S402，对拍摄得到的图像通过视觉学习软件Opencv的findChessboardCorners()函数进行角点检测，得到棋盘格角点上的特征点；
步骤S403，将检测到的角点，通过视觉学习软件Opencv的cornerSubPix()函数进行亚像素级别的处理，即通过在角点周围进行亚像素级别的插值计算实现亚像素级别的处理；
步骤S404，根据标定图像中的特征点坐标，计算通过计算每两个相邻特征点之间的距离获取每个特征图的四条线条长度；这些线条是由四个角点的特征点连线组成的，通过计算两个相邻特征点之间的欧氏距离即可得到；
步骤S405，识别上述图像中的中间棋盘格，通过检测到的特征点坐标，计算中间棋盘格的边长。
本实施例所述步骤S5用于计算特征图之间的关系，读取标定得到的变换矩阵，即读取图像空间坐标系和摄像头坐标系的转换矩阵，标定图像中检测到的角点坐标，将图像坐标与摄像头坐标系中对应的三维坐标进行匹配，得到每个角点在摄像头坐标系中的坐标。
本实施例所述步骤S6利用三角关系和线条长度的比较来计算五个特征图之间的关系。所述步骤S6具体包括以下子步骤：
步骤S601，设定特性图的四个角点坐标信息分别为(x1, y1, z1)、(x2, y2, z2)、(x3, y3, z3)和(x4, y4, z4)，设定四个角点和摄像头空间坐标系之间的关系矩阵R；
步骤S602，通过公式d = R * [x y z]'计算还原到左右角度为0的第一个角点的坐标d，其中，[x y z]'表示关系矩阵R对应的列向量；
步骤S603，返回步骤S602，将坐标分别替换为剩余角点的坐标，计算剩余三个角点坐标在摄像头空间坐标系下的坐标e、坐标f和坐标g；即得到坐标d之后，继续将另外三个角点坐标进行计算，得到摄像头坐标系下的e坐标、f坐标和g坐标，其中，d、e、f和g分别用于代表四个角点的坐标；
步骤S604，通过步骤S602和步骤S603计算得到的四个角点坐标d、坐标e、坐标f和坐标g，使用三角关系和线条长度的比较来计算五个特征图之间的角度和方向关系；
步骤S605，根据步骤S604中得到的角度和方向关系，确定特征图之间的姿态，将姿态信息存储为R_hat一维矩阵。
本实施例所述步骤S604，使用三角关系和线条长度的比较来计算五个特征图之间的角度和方向关系的具体方法为：计算特征图之间的线条长度。通过测量角点之间的距离，计算特征图之间线条的长度。具体的确定方式为：记录坐标d到坐标e的长度L1，坐标d到坐标f的长度L2，坐标d到坐标g的长度L3，坐标e到坐标f的长度L4，坐标e到坐标g的长度L5，以及坐标f到坐标g的长度L6。由三角关系，可以判断出特征图之间的角度和方向关系，比较L1和L2的长度，在已知坐标的情况下，可以确定坐标为d、e和f的三个角点的角度关系，假设角度为a1；同样的，比较L1和L3的长度，可以确定坐标为d、e和g的三个角点的角度关系，假设角度为b1；比较L4和L5的长度，可以确定坐标为e、f、g的三个角点的角度关系，假设角度为c1；比较L4和L6的长度，可以确定坐标为e、f和g三个角点的方向关系，假设角度为d1。
本实施例步骤S605, 用于基于角度和方向关系确定特征图之间的姿态。所述步骤S605根据步骤S604中得到的角度和方向关系，确定特征图之间的姿态，姿态信息存储为R_hat一维矩阵，即R_hat = [a1,b1,c1,d1]，其中a1,b1,c1,d1分别为步骤S604中确定出来的角度，该R_hat一维矩阵就是投影仪在x、y和z三个方向上的仪态数据。
本实施例所述步骤S7包括以下子步骤：
步骤S701，将所述姿态矩阵R_hat通过cv::Rodrigues函数转换为四元数形式，进而得到全向梯形功能模块所匹配的格式，返回的是一个三维的向量A，用于表示旋转矩阵对应的四元数；
步骤S702，将所述四元数进行归一化处理，得到归一化后的向量V，V = (Vx, Vy,Vz)，以保证其长度为1；
步骤S703，通过公式||V|| = sqrt(Vx2+ Vy2+ Vz2)计算向量V的模长||V||；sqrt表示平方根计算函数；
步骤S704，通过公式angle_x= arccos(Vx / ||V||)计算x 轴分量与向量V的模长之间的夹角angle_x；arccos表示反余弦函数；
步骤S705，通过公式angle_y = arccos(Vy / ||V||)计算y轴分量与向量V的模长之间的夹角angle_y；
步骤S706，通过公式angle_z = arccos(Vz / ||V||)计算z轴分量与向量V的模长之间的夹角angle_z；
步骤S707，以所述夹角angle_z作为投影仪的左右角度，并将所述夹角angle_x、夹角angle_y和夹角angle_z设置为投影仪图像的全向梯形参数。
值得说明的是，所述夹角angle_x和夹角angle_y还进一步用于与实际陀螺仪得到的角度作对比，确认在转换过程中的精度变化，进而对所述投影仪进行最后的微调，增加校正精度。
本实施例所述步骤S8中，将所述夹角angle_x、夹角angle_y和夹角angle_z输入至全向梯形功能模块之中，以此所述全向梯形参数分别调整投影仪图像的三轴角度。
本实施例还提供一种基于全向梯形技术的投影控制系统，采用了如上所述的基于全向梯形技术的投影控制方法，并包括：
标定校正模块，通过投影仪投射出预设的特征图，识别所述特征图中特征点的参数信息之后，将所述参数信息保存至存储模块，所述预设的特征图包括中间棋盘格和四个角点，所述角点的棋盘格小于所述中间棋盘格；
触发判断模块，通过读取陀螺仪模块的数据，得到投影仪的旋转角度信息，并在数据抖动变化值超过预设阈值时触发全向梯形功能；
启动模块，在投影仪自动对焦后，启动全向梯形功能，投射出预设的特征图；
特征点识别模块，先获取标定图像，并对所述标定图形进行角点检测和线条长度计算，识别所述特征图的所有特征点；
坐标获取模块，根据特征图和标定图像之间的关系，得到每个角点在摄像头坐标系中的坐标；
姿态矩阵获取模块，根据特征点和摄像头坐标系之间的关系，得到投影仪在摄像头坐标系中的姿态矩阵；
全向梯形参数获取模块，由姿态矩阵计算x轴分量、y轴分量和z轴分量分别与向量模长之间的夹角，设置投影仪图像的全向梯形参数；
调整模块，根据所述全向梯形参数调整投影仪图像。
综上所述，本实施例先通过投影仪投射出预设的特征图，然后检测特征图的特征点，再通过姿态测量计算出每个特征点对应的姿态，根据姿态矩阵进行计算、设置和对应调整，进而将特征点检测和姿态检测进行了合理且高效的有机融合，以便自动且准确地评估出投影仪的姿态。本实施例无需额外的硬件模块支持，安装和使用方便；能够适应不同环境以实现高精度的梯形校正，不受复杂场景以及环境光线等外界因素的影响，能够以较低的成本和可靠的效果实现对投影画面的梯形校正，有效地降低了产品的使用局限性。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (7)
1.一种基于全向梯形技术的投影控制方法，其特征在于，包括以下步骤：
步骤S1，通过投影仪投射出预设的特征图，识别所述特征图中特征点的参数信息之后，将所述参数信息保存至存储模块，所述预设的特征图包括中间棋盘格和四个角点，所述角点的棋盘格小于所述中间棋盘格；
步骤S2，通过读取陀螺仪模块的数据，得到投影仪的旋转角度信息，并在数据抖动变化值超过预设阈值时触发全向梯形功能；
步骤S3，在投影仪自动对焦后，启动全向梯形功能，投射出预设的特征图；
步骤S4，先获取标定图像，并对所述标定图像进行角点检测和线条长度计算，识别所述特征图的所有特征点；
步骤S5，根据特征图和标定图像之间的关系，得到每个角点在摄像头坐标系中的坐标；
步骤S6，根据特征点和摄像头坐标系之间的关系，得到投影仪在摄像头坐标系中的姿态矩阵；
步骤S7，由姿态矩阵计算x轴分量、y轴分量和z轴分量分别与向量模长之间的夹角，设置投影仪图像的全向梯形参数；
步骤S8，根据所述全向梯形参数调整投影仪图像；
所述步骤S1包括以下子步骤：
步骤S101，通过投影仪投射出预设的特征图，然后通过摄像头模块拍摄多个不同位置和角度的特征图作为标定图像；
步骤S102，通过视觉学习软件的findChessboardCorners()函数对每张标定图像进行角点检测，并返回检测结果；
步骤S103，通过视觉学习软件的cornerSubPix()函数对检测到的角点进行亚像素级别处理，得到角点坐标；
步骤S104，计算每张标定图像的四个角点的线条长度，然后识别所述中间棋盘格，建立图像空间坐标系和摄像头坐标系，将每张标定图像中检测到的角点坐标与摄像头坐标系的三维坐标进行对应，以此确定所述标定图像的畸变情况和相机的投影矩阵；
步骤S105，通过视觉学习软件的calibrationMatrixValues()函数对变换矩阵进行精度评估，所述变换矩阵指的是图像空间坐标系和摄像头坐标系之间的转换矩阵，以此获得投影仪光学镜头和和摄像头中心轴之间的偏移值，通过所述变换矩阵和五个特征图之间的关系组成正投影左右角度为0的设备姿态参数，以此作为所述特征图中特征点的参数信息；
步骤S106，将所述参数信息保存至存储模块；
所述步骤S6包括以下子步骤：
步骤S601，设定特性图的四个角点坐标信息分别为(x1,y1,z1)、(x2,y2,z2)、(x3,y3,z3)和(x4,y4,z4)，设定四个角点和摄像头空间坐标系之间的关系矩阵R；
步骤S602，通过公式d=R*[xyz]'计算还原到左右角度为0的第一个角点的坐标d，其中，[xyz]'表示关系矩阵R对应的列向量；
步骤S603，返回步骤S602，将坐标分别替换为剩余角点的坐标，计算剩余三个角点坐标在摄像头空间坐标系下的坐标e、坐标f和坐标g；
步骤S604，通过步骤S602和步骤S603计算得到的四个角点坐标d、坐标e、坐标f和坐标g，使用三角关系和线条长度的比较来计算五个特征图之间的角度和方向关系；
步骤S605，根据步骤S604中得到的角度和方向关系，确定特征图之间的姿态，将姿态信息存储为R_hat一维矩阵；
所述步骤S7包括以下子步骤：
步骤S701，将所述姿态矩阵R_hat通过cv::Rodrigues函数转换为四元数形式；
步骤S702，将所述四元数进行归一化处理，得到归一化后的向量V，V=(Vx,Vy,Vz)；
步骤S703，通过公式||V||=sqrt(Vx2+Vy2+Vz2)计算向量V的模长||V||；
步骤S704，通过公式angle_x=arccos(Vx/||V||)计算x轴分量与向量V的模长之间的夹角angle_x；
步骤S705，通过公式angle_y=arccos(Vy/||V||)计算y轴分量与向量V的模长之间的夹角angle_y；
步骤S706，通过公式angle_z=arccos(Vz/||V||)计算z轴分量与向量V的模长之间的夹角angle_z；
步骤S707，以所述夹角angle_z作为投影仪的左右角度，并将所述夹角angle_x、夹角angle_y和夹角angle_z设置为投影仪图像的全向梯形参数。
2.根据权利要求1所述的基于全向梯形技术的投影控制方法，其特征在于，所述步骤S105中，在得到所述设备姿态参数之后，将所述设备姿态参数与对应的特征点信息进行匹配和保存，建立一一对应的索引记录，以此作为所述特征图中特征点的参数信息。
3.根据权利要求1或2所述的基于全向梯形技术的投影控制方法，其特征在于，所述步骤S2中，在读取陀螺仪模块的数据后，得到投影仪围绕X轴、Y轴和Z轴旋转的角度信息，并将三个轴的角度信息进行权重叠加得到投影仪的旋转角度信息，三个轴的权重之和为1，计算3秒内的旋转角度信息，以所述旋转角度信息作为数据抖动变化值，在所述数据抖动变化值超过预设阈值时触发全向梯形功能。
4.根据权利要求1或2所述的基于全向梯形技术的投影控制方法，其特征在于，触发全向梯形功能之后，包括以下触发步骤：
步骤A1，调用陀螺仪模块，测量投影仪的旋转速度和角度，根据陀螺仪模块的数据格式和规则，将读取到的原始数据解析为Roll、Pitch和Yaw三个轴的角度值；
步骤A2，根据所述Roll、Pitch和Yaw三个轴的角度值，确定投影仪姿态；
步骤A3，根据所述投影仪姿态，确定投影仪的旋转角度和俯仰角，以Roll表示投影仪绕X轴的旋转角度，以Pitch表示投影仪绕Y轴的旋转角度，以Yaw表示投影仪绕z轴的旋转角度；跳转至步骤S3。
5.根据权利要求1或2所述的基于全向梯形技术的投影控制方法，其特征在于，所述步骤S4包括以下子步骤：
步骤S401，先获取标定图像，通过摄像头模块拍摄预设的特征图；
步骤S402，对图像通过视觉学习软件的findChessboardCorners()函数进行角点检测；
步骤S403，将检测到的角点，通过视觉学习软件的cornerSubPix()函数进行亚像素级别的处理；
步骤S404，根据标定图像中的特征点坐标，计算通过计算每两个相邻特征点之间的距离获取每个特征图的四条线条长度；
步骤S405，通过检测到的特征点坐标，计算中间棋盘格的边长。
6.根据权利要求1或2所述的基于全向梯形技术的投影控制方法，其特征在于，所述步骤S8中，将所述夹角angle_x、夹角angle_y和夹角angle_z输入至全向梯形功能模块之中，以此所述全向梯形参数分别调整投影仪图像的三轴角度。
7.一种基于全向梯形技术的投影控制系统，其特征在于，采用了如权利要求1至6任意一项所述的基于全向梯形技术的投影控制方法，并包括：
标定校正模块，通过投影仪投射出预设的特征图，识别所述特征图中特征点的参数信息之后，将所述参数信息保存至存储模块，所述预设的特征图包括中间棋盘格和四个角点，所述角点的棋盘格小于所述中间棋盘格；
触发判断模块，通过读取陀螺仪模块的数据，得到投影仪的旋转角度信息，并在数据抖动变化值超过预设阈值时触发全向梯形功能；
启动模块，在投影仪自动对焦后，启动全向梯形功能，投射出预设的特征图；
特征点识别模块，先获取标定图像，并对所述标定图像进行角点检测和线条长度计算，识别所述特征图的所有特征点；
坐标获取模块，根据特征图和标定图像之间的关系，得到每个角点在摄像头坐标系中的坐标；
姿态矩阵获取模块，根据特征点和摄像头坐标系之间的关系，得到投影仪在摄像头坐标系中的姿态矩阵；
全向梯形参数获取模块，由姿态矩阵计算x轴分量、y轴分量和z轴分量分别与向量模长之间的夹角，设置投影仪图像的全向梯形参数；
调整模块，根据所述全向梯形参数调整投影仪图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310931452.0A CN116886882B (zh) | 2023-07-26 | 2023-07-26 | 一种基于全向梯形技术的投影控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310931452.0A CN116886882B (zh) | 2023-07-26 | 2023-07-26 | 一种基于全向梯形技术的投影控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116886882A CN116886882A (zh) | 2023-10-13 |
| CN116886882B true CN116886882B (zh) | 2024-07-19 |
Family
ID=88260274
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310931452.0A Active CN116886882B (zh) | 2023-07-26 | 2023-07-26 | 一种基于全向梯形技术的投影控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116886882B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116886881A (zh) * | 2023-07-26 | 2023-10-13 | 深圳市极鑫科技有限公司 | 一种基于全向梯形技术的投影仪 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190125526A (ko) * | 2017-03-28 | 2019-11-06 | 삼성전자주식회사 | 사용자 움직임 정보에 기초하여 영상을 표시하기 위한 방법 및 장치 |
| CN108088386B (zh) * | 2017-12-15 | 2019-11-29 | 深圳大学 | 一种微纳米量级的二元面结构光检测方法及系统 |
| CN114283201A (zh) * | 2021-04-26 | 2022-04-05 | 阿波罗智联(北京)科技有限公司 | 相机标定方法、装置和路侧设备 |
| CN114071103A (zh) * | 2021-11-15 | 2022-02-18 | 四川长虹电器股份有限公司 | 一种用于投影仪的自适应左右梯形校正方法 |
-
2023
- 2023-07-26 CN CN202310931452.0A patent/CN116886882B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116886881A (zh) * | 2023-07-26 | 2023-10-13 | 深圳市极鑫科技有限公司 | 一种基于全向梯形技术的投影仪 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116886882A (zh) | 2023-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108765498B (zh) | 单目视觉跟踪方法、装置及存储介质 | |
| US10645284B2 (en) | Image processing device, image processing method, and recording medium storing program | |
| CN110296691B (zh) | 融合imu标定的双目立体视觉测量方法与系统 | |
| US20180160045A1 (en) | Method and device of image processing and camera | |
| Zhang et al. | A robust and rapid camera calibration method by one captured image | |
| CN100417231C (zh) | 立体视觉半实物仿真系统及方法 | |
| CN110809786A (zh) | 校准装置、校准图表、图表图案生成装置和校准方法 | |
| US20130176337A1 (en) | Device and Method For Information Processing | |
| KR20030078903A (ko) | 주석기입에 따른 전방위성 3차원 이미지 데이터 획득장치,그 방법 및 동적 범위의 확대방법 | |
| CN111476876B (zh) | 一种三维影像渲染方法、装置、设备及可读存储介质 | |
| WO2023201578A1 (zh) | 单目激光散斑投影系统的外参数标定方法和装置 | |
| US20200294269A1 (en) | Calibrating cameras and computing point projections using non-central camera model involving axial viewpoint shift | |
| CN110490943B (zh) | 4d全息捕捉系统的快速精确标定方法、系统及存储介质 | |
| CN108344401A (zh) | 定位方法、装置及计算机可读存储介质 | |
| CN116886881B (zh) | 一种基于全向梯形技术的投影仪 | |
| CN114299156A (zh) | 无重叠区域下多相机的标定与坐标统一方法 | |
| CN107560637B (zh) | 头戴显示设备校准结果验证方法及头戴显示设备 | |
| CN114926538A (zh) | 单目激光散斑投影系统的外参数标定方法和装置 | |
| CN116886882B (zh) | 一种基于全向梯形技术的投影控制方法及系统 | |
| CN109682312B (zh) | 一种基于摄像头测量长度的方法及装置 | |
| CN116128744A (zh) | 消除图像畸变的方法、电子设备、存储介质及车辆 | |
| CN114913245A (zh) | 一种基于无向有权图的多标定块多摄像头标定方法及系统 | |
| CN115375773A (zh) | 单目激光散斑投影系统的外参数标定方法和相关装置 | |
| CN113008135B (zh) | 用于确定空间中目标点位置的方法、设备、电子装置及介质 | |
| WO2021134715A1 (zh) | 一种控制方法、设备、无人机及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |