CN116888430A - 距离测量方法、距离测量设备和计算机程序产品 - Google Patents
距离测量方法、距离测量设备和计算机程序产品 Download PDFInfo
- Publication number
- CN116888430A CN116888430A CN202180001358.4A CN202180001358A CN116888430A CN 116888430 A CN116888430 A CN 116888430A CN 202180001358 A CN202180001358 A CN 202180001358A CN 116888430 A CN116888430 A CN 116888430A
- Authority
- CN
- China
- Prior art keywords
- image
- color
- target
- target device
- processed
- 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
- 238000004590 computer program Methods 0.000 title claims description 13
- 238000000034 method Methods 0.000 title abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 claims description 79
- 238000000691 measurement method Methods 0.000 claims description 42
- 238000006243 chemical reaction Methods 0.000 claims description 38
- 238000001514 detection method Methods 0.000 claims description 28
- 230000009466 transformation Effects 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 11
- 238000005520 cutting process Methods 0.000 claims description 2
- 238000003860 storage Methods 0.000 description 21
- 239000003086 colorant Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000012935 Averaging Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000001815 facial effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 241001270131 Agaricus moelleri Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
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
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- 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
- G06T7/11—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
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/564—Depth or shape recovery from multiple images from contours
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20156—Automatic seed setting
-
- 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
-
- 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
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
提供一种距离测量方法。距离测量方法包括:获得目标装置的图像,目标装置的图像包括第一颜色的目标对象和第二颜色的背景对象,第一颜色不同于第二颜色;处理目标装置的图像,以获得处理后的图像,处理后的图像包括第三颜色的处理后的目标对象和第四颜色的处理后的背景对象;检测第三颜色的处理后的目标对象的轮廓;计算轮廓包围的面积;以及在确定由轮廓包围的面积时,计算相机与目标装置之间的距离。
Description
技术领域
本发明涉及距离测量方法、距离测量设备和计算机程序产品。
背景技术
距离测量通常需要双目相机。替代地,可使用两个单目相机来执行距离测量。这些要求使得制造距离测量设备的成本很高。
发明内容
在一个方面,本公开提供一种距离测量方法,包括:获得目标装置的图像,目标装置的图像包括第一颜色的目标对象和第二颜色的背景对象,第一颜色不同于第二颜色;处理目标装置的图像,以获得处理后的图像,处理后的图像包括第三颜色的处理后的目标对象和第四颜色的处理后的背景对象;检测第三颜色的处理后的目标对象的轮廓;计算轮廓包围的面积;以及在确定由轮廓包围的面积时,计算相机与目标装置之间的距离。
可选地,处理目标装置的图像包括对目标装置的图像执行灰度处理。
可选地,处理目标装置的图像包括:获得目标装置的图像的像素数据的颜色空间中的颜色分量值;以及基于第一转换算法,将颜色分量值转换成转换后的颜色分量值。
可选地,像素数据的颜色分量值包括第一颜色分量值和第二颜色分量值;其中,第一转换算法包括:从像素数据的第一颜色分量值中减去像素数据的第二颜色分量值以获得差值;以及将差值的绝对值指定为像素数据的每个颜色分量的颜色分量值,从而获得处理后的图像的转换后的颜色分量值。
可选地,像素数据的颜色分量值包括第一颜色分量值、第二颜色分量值和第三颜色分量值;其中,第一转换算法包括将像素数据的第一颜色分量值指定为像素数据的每个颜色分量的颜色分量值,从而获得处理后的图像的转换后的颜色分量值。
可选地,在检测第三颜色的处理后的目标对象的轮廓之前,距离测量方法还包括:应用形状检测算法以检测处理后的图像中具有目标形状的至少一个对象;以及从至少一个对象中确定对象作为处理后的目标对象。
可选地,在应用形状检测算法时,检测具有目标形状的多个对象;其中,距离测量方法还包括分别计算具有目标形状的多个对象相对于处理后的图像中的参考对象的纵横比;以及其中,从至少一个对象中确定对象作为处理后的目标对象包括选择相对于参考对象具有在目标范围内的纵横比的对象作为处理后的目标对象。
可选地,参考对象是实验对象的面部图像对象。
可选地,计算由轮廓包围的面积包括:选择一个或多个像素作为用于区域生长的种子;以迭代方式生长包括相应种子的相应种子区域,其中,在每次迭代,通过阈值标准来评估与相应种子区域相邻的像素,并且将满足阈值标准的一个或多个像素附加到相应种子区域中;以及当处理后的图像中的所有像素被分配到它们各自的种子区域时,生成分割图像。
可选地,距离测量方法还包括应用形状检测算法以检测处理后的图像中具有目标形状的至少一个对象;其中,选择一个或多个像素作为用于区域生长的种子包括选择目标形状的几何中心作为种子;以及分割图像中的包括目标形状的几何中心作为种子的种子区域的面积被确定为由轮廓包围的面积。
可选地,在确定由轮廓包围的面积时计算相机与目标装置之间的距离包括基于第二转换算法,计算相机与目标装置之间的距离。
可选地,第二转换算法是:其中,D代表相机和目标装置之间的距离,A代表由轮廓包围的面积,k、d1和d2是预定的拟合参数,其中,距离测量方法还包括校准第二转换算法以使用相机和目标装置之间的参考距离以及由对应于参考距离的轮廓包围的参考面积来确定k、d1和d2。
可选地,距离测量方法还包括:将相机与目标装置之间的距离存储为当前缓存距离;以及对当前缓存距离和一个或多个历史缓存距离求平均以获得平均距离。
可选地,距离测量方法还包括:获得目标装置的第二图像;以及确定目标装置的第二图像是否包括目标对象。
可选地,在确定目标装置的第二图像包括目标对象时,距离测量方法还包括:处理目标装置的第二图像,以获得第二处理后的图像,第二处理后的图像包括第三颜色的第二处理后的目标对象和第四颜色的处理后的背景对象;检测第三颜色的第二处理后的目标对象的第二轮廓;确定由第二轮廓包围的面积;以及在确定由第二轮廓包围的面积时,计算相机与目标装置之间的第二距离。
可选地,在确定目标对象不在目标装置的第二图像中时,距离测量方法还包括:将历史缓存距离指定为相机与目标装置之间的关于第二图像的当前缓存距离,或距离测量方法还包括:获得目标装置的图像,以及以迭代方式确定目标装置的图像是否包括目标对象;以及在确定目标对象不存在于目标装置的N个连续图像中时,清除历史缓存距离,且提供目标装置被不正确地定位的指示,N≥2,N为整数。
可选地,距离测量方法还包括:获得相机捕获的原始图像;确定在原始图像中是否存在参考对象;以及在确定参考对象存在于原始图像中时,以参考对象的尺寸的M倍余量围绕参考对象裁剪原始图像,从而获得目标装置的图像,M≥2;其中,目标装置的图像包括目标对象、背景对象和参考对象。
在另一方面,本公开提供一种距离测量设备,包括:存储器;一个或多个处理器;其中,存储器和一个或多个处理器彼此连接;以及存储器存储计算机可执行指令以控制一个或多个处理器以:获得目标装置的图像,目标装置的图像包括第一颜色的目标对象和第二颜色的背景对象;处理目标装置的图像,以获得处理后的图像,处理后的图像包括第三颜色的处理后的目标对象和第四颜色的处理后的背景对象;检测第三颜色的处理后的目标对象的轮廓;计算轮廓包围的面积;以及在确定由轮廓包围的面积时,计算相机与目标装置之间的距离。
可选地,距离测量设备还包括具有第一颜色的目标部分和第二颜色的背景部分的目标装置。
在另一方面,本公开提供一种计算机程序产品,包括其上具有计算机可读指令的非暂时性有形计算机可读介质,计算机可读指令可由处理器执行以使处理器执行:获得目标装置的图像,目标装置的图像包括第一颜色的目标对象和第二颜色的背景对象;处理目标装置的图像,以获得处理后的图像,处理后的图像包括第三颜色的处理后的目标对象和第四颜色的处理后的背景对象;检测第三颜色的处理后的目标对象的轮廓;计算轮廓包围的面积;以及在确定由轮廓包围的面积时,计算相机与目标装置之间的距离。
附图说明
根据各种公开的实施例,以下附图仅是用于说明目的的示例,并且不旨在限制本发明的范围。
图1是根据本公开的一些实施例中的距离测量方法的流程图。
图2是根据本公开的一些实施例中的距离测量方法的流程图。
图3A示出了根据本公开的一些实施例中的目标装置的图像。
图3B是根据本公开的一些实施例中的目标装置的图像的放大视图。
图4A示出了根据本公开的一些实施例中的处理后的图像。
图4B是根据本公开的一些实施例中的处理后的图像的放大视图。
图5A示出了根据本公开的一些实施例中的处理后的目标对象的轮廓的检测。
图5B是根据本公开的一些实施例中检测到的具有处理后的目标对象的轮廓的处理后的图像的放大视图。
图6A示出了根据本公开的一些实施例中由处理后的目标对象的轮廓包围的面积。
图6B是示出根据本公开的一些实施例中的由处理后的目标对象的轮廓包围的面积的处理后的图像的放大视图。
图7是根据本公开的一些实施例中的距离测量方法的流程图。
图8是根据本公开的一些实施例中的设备的框图。
具体实施方式
现在将参考以下实施例更具体地描述本公开。应当注意,本文中呈现的一些实施例的以下描述仅用于说明和描述的目的。其不是穷举的或限于所公开的精确形式。
本公开尤其提供了一种距离测量方法、距离测量设备和计算机程序产品,其基本上消除了由于现有技术的限制和缺点而导致的一个或多个问题。在一个方面,本公开提供了一种距离测量方法。在一些实施例中,该方法包括获得目标装置的图像,目标装置的图像包括第一颜色的目标对象和第二颜色的背景对象,第一颜色不同于第二颜色;处理目标装置的图像,以获得处理后的图像,处理后的图像包括第三颜色的处理后的目标对象和第四颜色的处理后的背景对象;检测第三颜色的处理后的目标对象的轮廓;计算轮廓包围的面积;以及在确定由轮廓包围的面积时,计算相机与目标装置之间的距离。
图1是根据本公开的一些实施例中的距离测量方法的流程图。参照图1,在一些实施例中,距离测量方法包括多个步骤,包括图像处理、目标对象检测、目标对象区域确定以及距离计算。在一个示例中,基于第二转换算法来执行距离计算。在一些实施例中,该方法还包括第二转换算法校准的步骤,在该步骤中,校准第二转换算法的一个或多个参数。
在一些实施例中,该方法可以通过利用目标对象来方便地实现,以便于距离测量。在一个示例中,实验对象可以面对相机持有目标对象。相机捕获目标对象的一帧或多帧图像,例如,持有目标对象的实验对象的一个或多个图像。根据本公开的方法可以精确地确定目标装置(实验对象)和相机之间的距离。本方法的几个优点之一在于,单目相机足以用于距离测量,例如,本方法不依赖于双目相机来测量距离。
图2是根据本公开的一些实施例中的距离测量方法的流程图。图2示出了本公开的更具体的实施例。如图2所示,在一些实施例中,距离测量方法包括获得目标装置的图像,目标装置的图像包括第一颜色的目标对象和第二颜色的背景对象,第一颜色不同于第二颜色;处理目标装置的图像以获得处理后的图像,处理后的图像包括第三颜色的处理后的目标对象和第四颜色的处理后的背景对象;检测第三颜色的处理后的目标对象的轮廓;计算轮廓包围的面积;以及在确定由轮廓包围的面积时,计算相机与目标装置之间的距离。
目标装置可以是具有颜色对比度的部分的任何合适的装置。例如,目标装置可以是具有目标部分和背景部分的简单手持对象,目标部分和背景部分彼此相邻并且具有颜色对比度。在一个示例中,目标部分可以是灰色,背景部分可以是蓝色。可选地,目标部分至少部分地被背景部分围绕。
在一些实施例中,目标装置具有除了提供具有颜色对比度的目标部分和背景部分之外的附加功能。在一个示例中,目标装置可以是遥控器,其被配置为控制相机以捕获目标装置和/或持有目标装置的实验对象的图像。
图3A示出了根据本公开的一些实施例中的目标装置的图像。图3B是根据本公开的一些实施例中的目标装置的图像的放大视图。参考图3A和图3B,在一些实施例中,该方法包括获得目标装置TD的图像,目标装置TD的图像包括第一颜色的目标对象TO和第二颜色的背景对象BO。第一颜色和第二颜色是两种不同的颜色。在一些实施例中,第一颜色和第二颜色是具有高颜色对比度的两种不同颜色。在一个示例中,目标对象TO是灰色的,而背景对象BO是蓝色的。如图3A和图3B所示,在一些实施例中,目标装置TD的图像还包括一个或多个非目标对象NTO。在一个示例中,一个或多个非目标对象NTO具有第一颜色。在另一个示例中,一个或多个非目标对象NTO的颜色不同于第一颜色。在另一个示例中,一个或多个非目标对象NTO的颜色不同于第二颜色。
在一些实施例中,所述方法还包括处理目标装置的图像以获得处理后的图像。在本方法中可以实现任何适当的图像处理过程。例如,适当的图像处理过程可以包括裁剪原始图像。在一个示例中,适当的图像处理过程可以包括增强图像的分辨率和/或细节。在另一示例中,适当的图像处理过程可以包括对图像去噪。在另一示例中,适当的图像处理过程可以包括增强目标对象与背景对象之间的对比度,以便促进对目标对象的轮廓的检测。
在一些实施例中,所述方法还包括处理目标装置的图像以获得具有第三颜色的处理后的目标对象和第四颜色的处理后的背景对象的处理后的图像。第三颜色和第四颜色是两种不同的颜色。可选地,第三颜色和第四颜色是具有高颜色对比度的两种不同颜色。
可选地,第三颜色与第一颜色相同。可选地,第四颜色与第二颜色相同。
可选地,第三颜色不同于第一颜色。可选地,第四颜色不同于第二颜色。
图4A示出了根据本公开的一些实施例中的处理后的图像。图4B是根据本公开的一些实施例中的处理后的图像的放大视图。参考图4A和图4B,在一些实施例中,处理目标装置的图像包括对目标装置TD的图像执行灰度处理。如本文所使用,术语“灰度处理”是指将彩色图像转换为灰度图像的过程。如本文所使用,术语“灰度图像”是指每一像素的值仅含有强度信息的图像。在图3A和图3B中,图像的像素是真实颜色(非灰度颜色),例如,目标对象TO是灰色的,而背景对象BO是蓝色的。如图4A和图4B所示,处理后的图像的像素是灰度颜色,例如包括从白色或接近白色到黑色或接近黑色范围的各种灰阶,但没有色度变化。第三颜色和第四颜色是具有两个不同灰阶的两个不同灰度颜色;而第一颜色和第二颜色是两种不同的真实颜色。
在一些实施例中,处理目标装置的图像包括获得目标装置的图像的像素数据的颜色空间中的颜色分量值;基于第一转换算法,将颜色分量值转换成转换后的颜色分量值。在一个示例中,颜色空间为RGB颜色空间,且RGB颜色空间中的像素数据的颜色分量包括红色分量、绿色分量和蓝色分量。
各种合适的转换算法可用于将像素数据的颜色分量值转换成转换后的颜色分量值。在一些实施例中,第一转换算法增强目标部分和背景部分之间的对比度(例如,颜色对比度)。在一个示例中,通过应用第一转换算法,相对于目标对象TO的第一颜色(如图3B所示)和背景对象BO的第二颜色(如图3B所示)之间的第二颜色对比度,增强了处理后的目标对象PTO的第三颜色和处理后的背景对象PBO的第四颜色之间的第一颜色对比度。在另一示例中,通过应用第一转换算法,相对于目标对象TO的像素数据和背景对象BO的像素数据之间的第二像素强度对比度,增强了处理后的目标对象PTO的像素数据和处理后的背景对象PBO的像素数据之间的第一像素强度对比度。在另一示例中,通过应用第一转换算法,相对于目标对象TO的第一颜色与背景对象BO的第二颜色之间的第二颜色对比度,增强了处理后的目标对象PTO的第三颜色和处理后的背景对象PBO的第四颜色之间的第一颜色对比度;并且相对于目标对象TO的像素数据和背景对象BO的像素数据之间的第二像素强度对比度,增强了处理后的目标对象PTO的像素数据和处理后的背景对象PBO的像素数据之间的第一像素强度对比度。
在一些实施例中,像素数据的颜色分量值包括第一颜色分量值和第二颜色分量值。可选地,像素数据的颜色分量值还包括第三颜色分量值。在一些实施例中,第一转换算法包括从像素数据的第一颜色分量值减去像素数据的第二颜色分量值以获得差值;以及将差值的绝对值指定为像素数据的每个颜色分量的颜色分量值,从而获得处理后的图像的转换后的颜色分量值。
在一个特定示例中,颜色空间为RGB颜色空间,且第一颜色分量值为蓝色的颜色分量值,且第二颜色分量值为红色的颜色分量值。第一转换算法包括从像素数据的蓝色分量值减去像素数据的红色分量值以获得差值;以及将差值的绝对值指定为像素数据的每个颜色分量的颜色分量值,从而获得处理后的图像的转换后的颜色分量值。
为了说明,在一个示例中,目标对象TO是灰色的,而背景对象BO是蓝色的。在灰色(例如,目标对象TO)的像素数据中,与蓝色(对于背景对象BO)的像素数据相比,红色分量值和蓝色分量值彼此相对接近。在一个特定示例中,灰色(例如,目标对象TO)的像素数据的颜色分量值可表示为(128,128,128)。通过应用第一转换算法,处理后的目标对象PTO的转换后的颜色分量值可被表示为(0,0,0),这是黑色。蓝色(背景对象PBO)的像素数据的颜色分量值可以表示为(0,0,175)。通过应用第一转换算法,处理后的背景对象PBO的转换后的颜色分量值可表示为(175,175,175),这为灰色。如图3A、图3B、图4A和图4B所示,通过应用第一转换算法,相对于目标对象TO的第一颜色(灰色;(128,128,128))与背景对象BO的第二颜色(蓝色;(0,0,175))之间的第二颜色对比度,增强了处理后的目标对象PTO的第三颜色(黑色;(0,0,0))与处理后的背景对象PBO的第四颜色(灰色;(175,175,175))之间的第一颜色对比度。
在另一特定示例中,颜色空间为RGB颜色空间,且第一颜色分量值为红色的颜色分量值,且第二颜色分量值为蓝色的颜色分量值。第一转换算法包括从像素数据的红色分量值减去像素数据的蓝色分量值以获得差值;以及将差值的绝对值指定为像素数据的每个颜色分量的颜色分量值,从而获得处理后的图像的转换后的颜色分量值。
为了说明,在一个示例中,目标对象TO是黑色的,而背景对象BO是红色的。在黑色(例如,目标对象TO)的像素数据中,与红色(背景对象BO)的像素数据相比,红色分量值和蓝色分量值彼此相对接近。在一个特定示例中,黑色(例如,目标对象TO)的像素数据的颜色分量值可表示为(0,0,0)。通过应用第一转换算法,处理后的目标对象PTO的转换后的颜色分量值可表示为(0,0,0),其仍为黑色。红色(背景对象PBO)的像素数据的颜色分量值可以表示为(255,0,0)。通过应用第一转换算法,处理后的背景对象PBO的转换后的颜色分量值可表示为(255,255,255),其为白色。通过应用第一转换算法,相对于目标对象TO的第一颜色(黑色;(0,0,0))和背景对象BO的第二颜色(红色;(255,0,0))之间的第二颜色对比度,增强了处理后的目标对象PTO的第三颜色(黑色;(0,0,0))和处理后的背景对象PBO的第四颜色(白色;(255,255,255))之间的第一颜色对比度。
在一些实施例中,像素数据的颜色分量值包括第一颜色分量值和第二颜色分量值。可选地,像素数据的颜色分量值还包括第三颜色分量值。在一些实施例中,第一转换算法包括将像素数据的第一颜色分量值指定为用于像素数据的每个颜色分量的颜色分量值,从而获得处理后的图像的转换后的颜色分量值。
在一个特定示例中,颜色空间为RGB颜色空间,且第一颜色分量值为绿色的颜色分量值,第二颜色分量值为红色的颜色分量值,且第三颜色分量值为蓝色的颜色分量值。第一转换算法包括将像素数据的绿色分量值指定为像素数据的每个颜色分量的颜色分量值,从而获得处理后的图像的转换后的颜色分量值。
为了说明,在一个示例中,目标对象TO是蓝色的,而背景对象BO是绿色的。在一个特定示例中,蓝色(例如,目标对象TO)的像素数据的颜色分量值可表示为(0,0,175)。通过应用第一转换算法,处理后的目标对象PTO的转换后的颜色分量值可被表示为(0,0,0),这是黑色。绿色(背景对象PBO)的像素数据的颜色分量值可表示为(0,175,0)。通过应用第一转换算法,处理后的背景对象PBO的转换后的颜色分量值可表示为(175,175,175),这是灰色。通过应用第一转换算法,相对于目标对象TO的第一颜色(蓝色;(0,0,175))与背景对象BO的第二颜色(绿色;(0,175,0))之间的第二颜色对比度,增强了处理后的目标对象PTO的第三颜色(黑色;(0,0,0))与处理后的背景对象PBO的第四颜色(灰色;(175,175,175))之间的第一颜色对比度。
在一些实施例中,参考图2,该方法还包括检测第三颜色的处理后的目标对象的轮廓。各种合适的检测算法可以用于检测第三颜色的处理后的目标对象的轮廓。在一些实施例中,检测第三颜色的处理后的目标对象的轮廓包括首先检测处理后的目标对象的形状;以及将检测到的形状的边缘指定为第三颜色的处理后的目标对象的轮廓。
在一些实施例中,该方法包括应用形状检测算法来检测处理后的图像中具有目标形状的至少一个对象。参考图4B,在一个示例中,目标形状是椭圆形(或圆形),并且形状检测算法是椭圆形检测算法(或圆形检测算法)。通过应用椭圆形检测算法(例如,椭圆霍夫变换(elliptical Hough transform)算法),可检测处理后的图像中具有目标形状(例如,椭圆形)的至少一个对象(例如,处理后的目标对象PTO)。因为算法可以检测都具有目标形状的多个对象,所以必须确保具有目标形状的检测到的对象是处理后的目标对象PTO。
就这一点而言,该方法可以利用处理后的目标图像中的参考对象来验证具有目标形状的检测到的对象是处理后的目标对象PTO。参考图4A和图4B,在一些实施例中,处理后的目标图像包括处理后的目标对象PTO、处理后的背景对象PBO、一个或多个处理后的非目标对象PNTO、以及参考对象RO。在一个示例中,参考对象RO可以是持有目标装置TD的实验对象的面部图像对象。为了说明,在一个具体示例中,在应用形状检测算法时,检测具有目标形状的多个对象。例如,参考图4B,处理后的目标对象PTO和一个或多个处理后的非目标对象PNTO中的至少一个具有椭圆形(目标形状)。为了从至少一个对象中确定对象作为处理后的目标对象,该方法还包括分别计算具有目标形状的多个对象相对于处理后的图像中的参考对象RO的纵横比。
在一个具体示例中,可以使用参考对象RO的高度h和检测到的对象的所选尺寸的长度来计算纵横比。例如,可以将纵横比计算为检测到的对象的椭圆形的长轴长度la与参考对象RO的高度h的比。可选地,从至少一个对象中确定对象作为处理后的目标对象包括选择相对于参考对象RO具有在目标范围内的纵横比的对象作为处理后的目标对象PTO。
在本方法中可以实施各种适当的目标形状。适当的目标形状的示例包括椭圆形、圆形、矩形、正方形、三角形、五边形、六边形和多边形。在一个示例中,目标形状是矩形,并且应用形状检测算法可以包括使用例如线段检测方法来检测矩形的四条边,从而检测矩形。可选地,纵横比可以被计算为检测到的对象的矩形的长边的长度与参考对象RO的高度h的比。
在一些实施例中,基于形状检测算法,该方法包括例如通过Laplacian变换、Sobel法、Canny法等生成处理后的目标对象PTO的边缘图像。在生成边缘图时,该方法还包括例如使用线段检测(LSD)方法和/或Hough变换方法从所生成的边缘图中提取线段和/或弧。
图5A示出了根据本公开的一些实施例中的处理后的目标对象的轮廓的检测。图5B是根据本公开的一些实施例中检测到的具有处理后的目标对象的轮廓的处理后的图像的放大视图。如图5A和图5B所示,在应用形状检测算法以检测处理后的图像中具有目标形状的至少一个对象,并从至少一个对象中确定对象作为处理后的目标对象之后,该方法还包括将检测到的形状的边缘指定为处理后的目标对象PTO的轮廓CT。
一旦确定了处理后的目标对象PTO的轮廓CT,参照图2,在一些实施例中,该方法还包括计算由轮廓CT包围的面积。在本方法中可以实施各种适当的面积计算算法。例如,目标形状的面积可以被指定为由轮廓包围的面积。
在一些实施例中,本方法利用唯一且更准确的算法来计算由轮廓包围的面积。在一些实施例中,该算法包括选择一个或多个像素作为用于区域生长的种子;以迭代方式生长包括相应种子的相应种子区域(seeded region),其中,在每次迭代,通过阈值标准来评估与相应种子区域相邻的像素,并且将满足阈值标准的一个或多个像素附加到相应种子区域中;以及当处理后的图像中的所有像素被分配到它们相应种子区域时,生成分割图像。分割图像包括多个种子区域,其中一个(“目标种子区域”)对应于由轮廓包围的面积。轮廓包围的面积可以通过对目标种子区域中的像素总数进行计数来计算。在本方法中可以实施各种合适的图像分割技术。合适的图像分割技术的示例包括OSTU算法和自适应阈值化算法。
在一些实施例中,选择一个或多个像素作为用于区域生长的种子包括选择目标形状的几何中心作为种子。分割图像中的包括目标形状的几何中心作为种子的种子区域的面积被确定为由轮廓包围的面积。图6A示出了根据本公开的一些实施例中由处理后的目标对象的轮廓包围的面积。图6B是示出根据本公开的一些实施例中的由处理后的目标对象的轮廓包围的面积的处理后的图像的放大视图。如图6B所示,在图6B所示的分割图像中确定从目标形状的几何中心处的种子SD生长的目标种子区域TSR。分割图像中的包括目标形状的几何中心作为种子的目标种子区域TSR的面积被确定为由轮廓包围的面积。
参考图2,在一些实施例中,该方法还包括在确定由轮廓包围的面积时,计算相机与目标装置之间的距离。在一些实施例中,在确定由轮廓包围的面积时计算相机与目标装置之间的距离包括基于第二转换算法,计算相机与目标装置之间的距离。可选地,第二转换算法可以表示为:
其中,D代表相机和目标装置之间的距离,A代表由轮廓包围的面积,k、d1和d2是预定的拟合参数。
在一些实施例中,该方法还包括校准第二转换算法以使用相机和目标装置之间的参考距离以及由对应于参考距离的轮廓包围的参考面积来确定k、d1和d2。在一个示例中,持有目标装置的实验对象可以站在离相机多个预定距离(例如,1.0m、1.2m、1.4m、……或2.8m)处,并且计算由分别对应于预定距离的处理后的目标对象的轮廓包围的面积,从而获得包含距离数据和面积数据的数据库。在一个示例中,最小二乘法可用于拟合参数k、d1和d2。
在本方法中,仅需要执行一次上述校准方法,并且预定拟合参数和第二转换算法通常适用于所有实验对象。替代地,可以对每个个体实验对象实时执行校准。例如,可以基于个体实验对象的瞳孔间距来执行校准。因为不同的个体具有不同的瞳孔间距,所以为一个个体确定的拟合参数可能不适合于不同的个体。上述校准方法消除了特定实验对象的校准方法的缺点,使得本距离测量方法对于用户来说非常方便。
在一些实施例中,目标装置的图像可以是预处理后的图像。在一些实施例中,获得目标装置的图像包括获得由相机捕获的原始图像;确定在原始图像中是否存在参考对象;在确定参考对象存在于原始图像中时,以参考对象的尺寸的m倍余量围绕参考对象裁剪原始图像,从而获得目标装置的图像。可选地,m≥2。可选地,m=3。目标装置的图像包括目标对象、背景对象和参考对象。
在一些实施例中,该方法还包括使用相机捕获目标装置的原始图像。
为了进一步提高距离测量的精度,可以使用若干帧图像来执行本方法。对于每帧图像,可以根据上述方法测量距离。此外,为了提供对距离测量的平滑效果,在一些实施例中,该方法还包括将为每帧图像计算的距离存储在高速缓存中,并且分别对来自若干帧图像的若干缓存的距离求平均。在一个示例中,该方法包括将相机与目标装置之间的距离存储为当前缓存的距离;以及对当前缓存的距离和N个历史缓存的距离求平均,以获得平均距离。可选地,N≥1,例如1、2、3、4、5、6、7、8、9或10。可选地,N=9。
图7是根据本公开的一些实施例中的距离测量方法的流程图。参考图7,在一些实施例中,该方法还包括获得目标装置的第二图像;确定目标装置的第二图像是否包括目标对象。可选地,目标装置的第二图像是下一个连续捕获的图像。当确定目标装置的第二图像包括目标对象时,该方法还包括计算相机与目标装置之间的第二距离。具体地,参考图7,在确定目标装置的第二图像包括目标对象时,该方法还包括处理目标装置的第二图像以获得第二处理后的图像,第二处理后的图像包括第三颜色的第二处理后的目标对象和第四颜色的处理后的背景对象;检测第三颜色的第二处理后的目标对象的第二轮廓;确定由第二轮廓包围的面积;以及在确定由第二轮廓包围的面积时,计算相机与目标装置之间的第二距离。可选地,第二距离被存储为当前缓存的距离,并且其与一个或多个历史缓存的距离进行平均以获得平均距离。
当确定目标对象不在目标装置的第二图像中时,该方法还包括将历史缓存的距离指定为相机和目标装置之间关于第二图像的当前缓存的距离。可选地,紧邻的历史缓存的距离(从紧接的先前捕获的原始图像导出)被指定为相机与目标装置之间关于第二图像的当前缓存的距离。
在一些实施例中,所述方法还包括获得目标装置的图像,以及以迭代方式确定目标装置的图像是否包括目标对象。在确定目标对象不存在于目标装置的N个连续图像中时,该方法还包括清除历史缓存的距离,N是正整数。可选地,N≥2,例如2、3、4、5、6、7、8、9或10。可选地,N=10。可选地,在确定目标对象不存在于目标装置的N个连续图像中时,该方法还包括提供目标装置被不正确地定位(例如,被实验对象不正确地持有)的指示。可选地,在确定目标对象不在目标装置的N个连续图像中时,该方法还包括向实验对象提供关于如何调整持有目标装置的姿势的指令。
在另一方面,本公开提供了一种设备。图8是根据本公开的一些实施例中的设备的框图。参考图8,在一些实施例中,设备1000可以包括任何适当类型的TV,如,等离子体TV、液晶显示器(LCD)TV、触屏TV、投影TV、非智能TV、智能TV等。设备1000还可以包括其他计算系统,如,个人计算机(PC)、平板电脑或笔记本电脑或智能手机等。此外,设备1000可以是任何适当的内容呈现装置,其能够呈现适当内容。并且用户可以与设备1000进行交互以执行感兴趣的操作。
如图8所示,设备1000可以包括处理器1002、存储介质1004、显示器1006、通信模块1008、数据库1010和外围设备1012。可以省略某些装置以及可以包括其他装置以更好的描述相关实施例。
处理器1002可以包括任何适当的一个或多个处理器。处理器1002可以包括用于多线程或并行处理的多个核心。处理器1002可以执行计算机程序指令的序列以执行各个过程。存储介质1004可以包括存储器模块(如,ROM、RAM、闪存模块)和大容量存储器(如,CD-ROM和硬盘)等。存储介质1004可以存储计算机程序,以在计算机程序由处理器1002执行时实现各种过程。例如,存储介质1004可以存储计算机程序,以在计算机程序由处理器1002执行时实现各种算法。
进一步的,通信模块1008可以包括某些网络接口装置,该网络接口装置被配置成建立通过通信网络(如,TV电缆网络、无线网络、互联网)的连接。数据库1010可以包括一个或多个数据库,一个或多个数据库被配置成存储某些数据以及对所存储的某些数据执行某些操作,如,数据库搜索。
显示器1006可以向用户提供信息。显示器1006可以包括任何适当类型的计算机显示装置或电子装置显示器,如,基于LCD或OLED的装置。外围设备1012可以包括各种传感器或其他I/O装置,如,键盘或鼠标。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读存储介质上,计算机可读存储介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其它数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其它存储器技术、CD-ROM、数字多功能盘(DVD)或其它光盘存储、磁盒、磁带、磁盘存储或其它磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其它的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其它传输机制之类的调制数据信号中的其它数据,并且可包括任何信息递送介质。
附图中的流程图和框图,图示了按照本公开各种实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含至少一个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个顺序接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这根据所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以通过执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以通过专用硬件与计算机指令的组合来实现。
在一些实施例中,该设备包括存储器和一个或多个处理器,其中存储器和一个或多个处理器彼此连接。在一些实施例中,存储器存储计算机可执行指令以控制一个或多个处理器以获得目标装置的图像,目标装置的图像包括第一颜色的目标对象和第二颜色的背景对象;处理目标装置的图像,以获得处理后的图像,处理后的图像包括第三颜色的处理后的目标对象和第四颜色的处理后的背景对象;检测第三颜色的处理后的目标对象的轮廓;计算轮廓包围的面积;以及在确定由轮廓包围的面积时,计算相机与目标装置之间的距离。可选地,距离测量设备还包括具有第一颜色的目标部分和第二颜色的背景部分的目标装置。可选地,距离测量设备还包括用于捕获目标装置的原始图像的相机。
在一些实施例中,存储器还存储计算机可执行指令以控制一个或多个处理器以对目标装置的图像执行灰度处理,从而处理目标装置的图像。
在一些实施例中,存储器还存储计算机可执行指令以控制一个或多个处理器以获得目标装置的图像的像素数据的颜色空间中的颜色分量值;以及基于第一转换算法,将颜色分量值转换成转换后的颜色分量值,从而处理目标装置的图像。
在一些实施例中,像素数据的颜色分量值包括第一颜色分量值和第二颜色分量值。可选地,根据第一转换算法,存储器还存储计算机可执行指令以控制一个或多个处理器以从像素数据的第一颜色分量值中减去像素数据的第二颜色分量值以获得差值;以及将差值的绝对值指定为像素数据的每个颜色分量的颜色分量值,从而获得处理后的图像的转换后的颜色分量值。
在一些实施例中,像素数据的颜色分量值包括第一颜色分量值、第二颜色分量值和第三颜色分量值。可选地,根据第一转换算法,存储器还存储计算机可执行指令以控制一个或多个处理器以将像素数据的第一颜色分量值指定为像素数据的每个颜色分量的颜色分量值,从而获得处理后的图像的转换后的颜色分量值。
在一些实施例中,存储器还存储计算机可执行指令以控制一个或多个处理器以在检测第三颜色的处理后的目标对象的轮廓之前,应用形状检测算法以检测处理后的图像中具有目标形状的至少一个对象;以及从至少一个对象中确定对象作为处理后的目标对象。
在一些实施例中,在应用形状检测算法时,检测具有目标形状的多个对象。可选地,存储器还存储计算机可执行指令以控制一个或多个处理器以分别计算具有目标形状的多个对象相对于处理后的图像中的参考对象的纵横比;以及选择相对于参考对象具有在目标范围内的纵横比的对象作为处理后的目标对象,从而从至少一个对象中确定对象作为处理后的目标对象。
可选地,参考对象是实验对象的面部图像对象。
在一些实施例中,存储器还存储计算机可执行指令以控制一个或多个处理器以选择一个或多个像素作为用于区域生长的种子;以迭代方式生长包括相应种子的相应种子区域,其中,在每次迭代,通过阈值标准来评估与相应种子区域相邻的像素,并且将满足阈值标准的一个或多个像素附加到相应种子区域中;以及当处理后的图像中的所有像素被分配到它们各自的种子区域时,生成分割图像。
在一些实施例中,存储器还存储计算机可执行指令以控制一个或多个处理器以应用形状检测算法以检测处理后的图像中具有目标形状的至少一个对象;以及选择目标形状的几何中心作为种子。可选地,分割图像中的包括目标形状的几何中心作为种子的种子区域的面积被确定为由轮廓包围的面积。
在一些实施例中,存储器还存储计算机可执行指令以控制一个或多个处理器以基于第二转换算法,计算相机与目标装置之间的距离,从而在确定由轮廓包围的面积时计算相机与目标装置之间的距离。
可选地,第二转换算法可以表示为:
其中,D代表相机和目标装置之间的距离,A代表由轮廓包围的面积,k、d1和d2是预定的拟合参数。
在一些实施例中,存储器还存储计算机可执行指令以控制一个或多个处理器以将相机与目标装置之间的距离存储为当前缓存距离;以及对当前缓存距离和一个或多个历史缓存距离求平均以获得平均距离。
在一些实施例中,存储器还存储计算机可执行指令以控制一个或多个处理器以获得目标装置的第二图像;以及确定目标装置的第二图像是否包括目标对象。
在一些实施例中,存储器还存储计算机可执行指令以控制一个或多个处理器以在确定目标装置的第二图像包括目标对象时,处理目标装置的第二图像,以获得第二处理后的图像,第二处理后的图像包括第三颜色的第二处理后的目标对象和第四颜色的处理后的背景对象;检测第三颜色的第二处理后的目标对象的第二轮廓;确定由第二轮廓包围的面积;以及在确定由第二轮廓包围的面积时,计算相机与目标装置之间的第二距离。
在一些实施例中,存储器还存储计算机可执行指令以控制一个或多个处理器以在确定目标对象不在目标装置的第二图像中时,将历史缓存距离指定为相机与目标装置之间的关于第二图像的当前缓存距离。
在一些实施例中,存储器还存储计算机可执行指令以控制一个或多个处理器以获得目标装置的图像,以及以迭代方式确定目标装置的图像是否包括目标对象。可选地,存储器还存储计算机可执行指令以控制一个或多个处理器以在确定目标对象不存在于目标装置的N个连续图像中时,清除历史缓存距离,且提供目标装置被不正确地定位的指示,N≥2,N为整数。
在一些实施例中,存储器还存储计算机可执行指令以控制一个或多个处理器以获得相机捕获的原始图像;确定在原始图像中是否存在参考对象;以及在确定参考对象存在于原始图像中时,以参考对象的尺寸的m倍余量围绕参考对象裁剪原始图像,从而获得目标装置的图像。可选地,目标装置的图像包括目标对象、背景对象和参考对象。
在另一方面,本公开提供一种计算机程序产品,其包括其上具有计算机可读指令的非暂时性有形计算机可读介质。在一些实施例中,计算机可读指令可由处理器执行以使处理器执行:获得目标装置的图像,目标装置的图像包括第一颜色的目标对象和第二颜色的背景对象;处理目标装置的图像,以获得处理后的图像,处理后的图像包括第三颜色的处理后的目标对象和第四颜色的处理后的背景对象;检测第三颜色的处理后的目标对象的轮廓;计算轮廓包围的面积;以及在确定由轮廓包围的面积时,计算相机与目标装置之间的距离。
在一些实施例中,计算机可读指令可由处理器执行以使处理器还执行:对目标装置的图像执行灰度处理,从而处理目标装置的图像。
在一些实施例中,计算机可读指令可由处理器执行以使处理器还执行:获得目标装置的图像的像素数据的颜色空间中的颜色分量值;以及基于第一转换算法,将颜色分量值转换成转换后的颜色分量值,从而处理目标装置的图像。
在一些实施例中,像素数据的颜色分量值包括第一颜色分量值和第二颜色分量值。可选地,根据第一转换算法,计算机可读指令可由处理器执行以使处理器还执行:从像素数据的第一颜色分量值中减去像素数据的第二颜色分量值以获得差值;以及将差值的绝对值指定为像素数据的每个颜色分量的颜色分量值,从而获得处理后的图像的转换后的颜色分量值。
在一些实施例中,像素数据的颜色分量值包括第一颜色分量值、第二颜色分量值和第三颜色分量值。可选地,根据第一转换算法,计算机可读指令可由处理器执行以使处理器还执行:将像素数据的第一颜色分量值指定为像素数据的每个颜色分量的颜色分量值,从而获得处理后的图像的转换后的颜色分量值。
在一些实施例中,在检测第三颜色的处理后的目标对象的轮廓之前,计算机可读指令可由处理器执行以使处理器还执行:应用形状检测算法以检测处理后的图像中具有目标形状的至少一个对象;以及从至少一个对象中确定对象作为处理后的目标对象。
在一些实施例中,在应用形状检测算法时,检测具有目标形状的多个对象。可选地,计算机可读指令可由处理器执行以使处理器还执行:分别计算具有目标形状的多个对象相对于处理后的图像中的参考对象的纵横比;以及选择相对于参考对象具有在目标范围内的纵横比的对象作为处理后的目标对象,从而从至少一个对象中确定对象作为处理后的目标对象。可选地,参考对象是实验对象的面部图像对象。
在一些实施例中,计算机可读指令可由处理器执行以使处理器还执行:选择一个或多个像素作为用于区域生长的种子;以迭代方式生长包括相应种子的相应种子区域,其中,在每次迭代,通过阈值标准来评估与相应种子区域相邻的像素,并且将满足阈值标准的一个或多个像素附加到相应种子区域中;以及当处理后的图像中的所有像素被分配到它们各自的种子区域时,生成分割图像,从而计算由轮廓包围的面积。
在一些实施例中,计算机可读指令可由处理器执行以使处理器还执行:应用形状检测算法以检测处理后的图像中具有目标形状的至少一个对象;选择目标形状的几何中心作为种子,从而选择一个或多个像素作为用于区域生长的种子。可选地,分割图像中的包括目标形状的几何中心作为种子的种子区域的面积被确定为由轮廓包围的面积。
在一些实施例中,计算机可读指令可由处理器执行以使处理器还执行:基于第二转换算法,计算相机与目标装置之间的距离,从而在确定由轮廓包围的面积时计算相机与目标装置之间的距离。
可选地,第二转换算法可以表示为:
其中,D代表相机和目标装置之间的距离,A代表由轮廓包围的面积,k、d1和d2是预定的拟合参数。
在一些实施例中,计算机可读指令可由处理器执行以使处理器还执行:将相机与目标装置之间的距离存储为当前缓存距离;以及对当前缓存距离和一个或多个历史缓存距离求平均以获得平均距离。
在一些实施例中,计算机可读指令可由处理器执行以使处理器还执行:获得目标装置的第二图像;以及确定目标装置的第二图像是否包括目标对象。
在一些实施例中,在确定目标装置的第二图像包括目标对象时,计算机可读指令可由处理器执行以使处理器还执行:处理目标装置的第二图像,以获得第二处理后的图像,第二处理后的图像包括第三颜色的第二处理后的目标对象和第四颜色的处理后的背景对象;检测第三颜色的第二处理后的目标对象的第二轮廓;确定由第二轮廓包围的面积;以及在确定由第二轮廓包围的面积时,计算相机与目标装置之间的第二距离。
在一些实施例中,在确定目标对象不在目标装置的第二图像中时,计算机可读指令可由处理器执行以使处理器还执行:将历史缓存距离指定为相机与目标装置之间的关于第二图像的当前缓存距离。
在一些实施例中,计算机可读指令可由处理器执行以使处理器还执行:获得目标装置的图像,以及以迭代方式确定目标装置的图像是否包括目标对象。在确定目标对象不存在于目标装置的N个连续图像中时,计算机可读指令可由处理器执行以使处理器还执行:清除历史缓存距离,且提供目标装置被不正确地定位的指示,N≥2,N为整数。
在一些实施例中,计算机可读指令可由处理器执行以使处理器还执行:获得相机捕获的原始图像;确定在原始图像中是否存在参考对象;以及在确定参考对象存在于原始图像中时,以参考对象的尺寸的m倍余量围绕参考对象裁剪原始图像,从而获得目标装置的图像。可选地,目标装置的图像包括目标对象、背景对象和参考对象。
结合本文所公开的配置而描述的各种说明性操作可实施为电子硬件、计算机软件或两者的组合。这些操作可以用通用处理器、数字信号处理器(DSP)、ASIC或ASSP、FPGA或其它可编程逻辑装置、分立门或晶体管逻辑、分立硬件组件或设计成产生本文公开的配置的它们的任何组合来实现或执行。例如,这样的配置可以至少部分地被实现为硬连线电路、实现为被制造到专用集成电路中的电路配置、或者实现为被加载到非易失性存储中的固件程序、或者作为机器可读代码从数据存储介质加载或加载到数据存储介质中的软件程序,这样的代码是可由诸如通用处理器或其他数字信号处理单元的逻辑元件阵列执行的指令。通用处理器可以是微处理器,但在替代方案中,处理器可以是任何常规处理器、控制器、微控制器或状态机。处理器也可以实现为计算装置的组合,例如DSP和微处理器的组合、多个微处理器、一个或多个微处理器与DSP内核的结合、或者任何其它这种配置。软件模块可以驻留在非暂时性存储介质中,例如RAM(随机存取存储器)、ROM(只读存储器)、非易失性RAM(NVRAM),例如闪存RAM、可擦除可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、寄存器、硬盘、可移动磁盘或CD-ROM;或者以本领域已知的任何其它形式的存储介质。说明性存储介质耦合到处理器,使得处理器可从存储介质读取信息和将信息写入到存储介质。在替代方案中,存储介质可与处理器成一体式。处理器和存储介质可以驻留在ASIC中。ASIC可以驻留在用户终端中。在替代方案中,处理器和存储介质可作为分立组件驻留于用户终端中。
为了说明和描述的目的,已经给出了本发明的实施例的上述描述。其不是穷举的,也不是要将本发明限制为所公开的精确形式或示例性实施例。因此,前面的描述应当被认为是说明性的而不是限制性的。显然,许多修改和变化对于本领域技术人员将是显而易见的。选择和描述实施例是为了解释本发明的原理及其最佳模式实际应用,从而使得本领域技术人员能够理解本发明的各种实施例以及适合于所考虑的特定使用或实现的各种修改。本发明的范围旨在由所附权利要求及其等价物来限定,其中除非另有说明,否则所有术语都意味着其最广泛的合理意义。因此,术语“本发明(the invention、the presentinvention)”等不一定将权利要求范围限制为特定实施例,并且对本发明的示例性实施例的引用不意味着对本发明的限制,并且不应推断出这样的限制。本发明仅由所附权利要求的精神和范围来限定。此外,这些权利要求可能涉及使用“第一”、“第二”等,随后是名词或元素。这些术语应当被理解为命名法,并且不应当被解释为对由这些命名法所修改的元件的数量进行限制,除非已经给出了特定的数量。所描述的任何优点和益处可能不适用于本发明的所有实施例。应当理解,在不脱离由所附权利要求限定的本发明的范围的情况下,本领域技术人员可以对所描述的实施例进行改变。此外,本公开中的元件和组件都不是要贡献给公众,无论该元件或组件是否在所附权利要求中明确叙述。
Claims (20)
1.一种距离测量方法,包括:
获得目标装置的图像,所述目标装置的图像包括第一颜色的目标对象和第二颜色的背景对象,所述第一颜色不同于所述第二颜色;
处理所述目标装置的图像,以获得处理后的图像,所述处理后的图像包括第三颜色的处理后的目标对象和第四颜色的处理后的背景对象;
检测所述第三颜色的处理后的目标对象的轮廓;
计算所述轮廓包围的面积;以及
在确定由所述轮廓包围的面积时,计算相机与所述目标装置之间的距离。
2.根据权利要求1所述的距离测量方法,其中,处理所述目标装置的图像包括对所述目标装置的图像执行灰度处理。
3.根据权利要求1或2所述的距离测量方法,其中,处理所述目标装置的图像包括:
获得所述目标装置的图像的像素数据的颜色空间中的颜色分量值;以及
基于第一转换算法,将所述颜色分量值转换成转换后的颜色分量值。
4.根据权利要求3所述的距离测量方法,其中,所述像素数据的所述颜色分量值包括第一颜色分量值和第二颜色分量值;
其中,所述第一转换算法包括:
从所述像素数据的所述第一颜色分量值中减去所述像素数据的所述第二颜色分量值以获得差值;以及
将所述差值的绝对值指定为所述像素数据的每个颜色分量的颜色分量值,从而获得所述处理后的图像的所述转换后的颜色分量值。
5.根据权利要求3所述的距离测量方法,其中,所述像素数据的所述颜色分量值包括第一颜色分量值、第二颜色分量值和第三颜色分量值;
其中,所述第一转换算法包括将所述像素数据的所述第一颜色分量值指定为所述像素数据的每个颜色分量的颜色分量值,从而获得所述处理后的图像的所述转换后的颜色分量值。
6.根据权利要求1至5中任一项所述的距离测量方法,在检测所述第三颜色的所述处理后的目标对象的所述轮廓之前,还包括:
应用形状检测算法以检测所述处理后的图像中具有目标形状的至少一个对象;以及
从所述至少一个对象中确定对象作为所述处理后的目标对象。
7.根据权利要求6所述的距离测量方法,其中,在应用所述形状检测算法时,检测具有所述目标形状的多个对象;
其中,所述距离测量方法还包括分别计算具有所述目标形状的所述多个对象相对于所述处理后的图像中的参考对象的纵横比;以及
其中,从所述至少一个对象中确定对象作为所述处理后的目标对象包括选择相对于所述参考对象具有在目标范围内的纵横比的对象作为所述处理后的目标对象。
8.根据权利要求7所述的距离测量方法,其中,所述参考对象是实验对象的面部图像对象。
9.根据权利要求1至8中任一项所述的距离测量方法,其中,计算由所述轮廓包围的面积包括:
选择一个或多个像素作为用于区域生长的种子;
以迭代方式生长包括相应种子的相应种子区域,其中,在每次迭代,通过阈值标准来评估与所述相应种子区域相邻的像素,并且将满足所述阈值标准的一个或多个像素附加到所述相应种子区域中;以及
当所述处理后的图像中的所有像素被分配到它们各自的种子区域时,生成分割图像。
10.根据权利要求9所述的距离测量方法,还包括应用形状检测算法以检测所述处理后的图像中具有目标形状的至少一个对象;
其中,选择一个或多个像素作为用于区域生长的种子包括选择所述目标形状的几何中心作为种子;以及
所述分割图像中的包括所述目标形状的所述几何中心作为所述种子的种子区域的面积被确定为由所述轮廓包围的面积。
11.根据权利要求1至10中任一项所述的距离测量方法,其中,在确定由所述轮廓包围的面积时计算所述相机与所述目标装置之间的所述距离包括基于第二转换算法,计算所述相机与所述目标装置之间的所述距离。
12.根据权利要求11所述的距离测量方法,其中,所述第二转换算法是:
其中,D代表所述相机和所述目标装置之间的所述距离,A代表由所述轮廓包围的面积,k、d1和d2是预定的拟合参数,
其中,所述距离测量方法还包括校准所述第二转换算法以使用所述相机和所述目标装置之间的参考距离以及由对应于所述参考距离的所述轮廓包围的参考面积来确定k、d1和d2。
13.根据权利要求1至12中任一项所述的距离测量方法,还包括:
将所述相机与所述目标装置之间的所述距离存储为当前缓存距离;以及
对所述当前缓存距离和一个或多个历史缓存距离求平均以获得平均距离。
14.根据权利要求1至13中任一项所述的距离测量方法,还包括:
获得所述目标装置的第二图像;以及
确定所述目标装置的第二图像是否包括所述目标对象。
15.根据权利要求14所述的距离测量方法,在确定所述目标装置的第二图像包括所述目标对象时,还包括:
处理所述目标装置的第二图像,以获得第二处理后的图像,所述第二处理后的图像包括所述第三颜色的第二处理后的目标对象和所述第四颜色的处理后的背景对象;
检测所述第三颜色的所述第二处理后的目标对象的第二轮廓;
确定由所述第二轮廓包围的面积;以及
在确定由所述第二轮廓包围的所述面积时,计算所述相机与所述目标装置之间的第二距离。
16.根据权利要求14所述的距离测量方法,在确定所述目标对象不在所述目标装置的第二图像中时,还包括:
将历史缓存距离指定为所述相机与所述目标装置之间的关于所述第二图像的当前缓存距离,或所述距离测量方法还包括:
获得所述目标装置的图像,以及以迭代方式确定所述目标装置的所述图像是否包括所述目标对象;以及
在确定所述目标对象不存在于所述目标装置的N个连续图像中时,清除历史缓存距离,且提供所述目标装置被不正确地定位的指示,N≥2,N为整数。
17.根据权利要求1到16中任一项所述的距离测量方法,还包括:
获得所述相机捕获的原始图像;
确定在所述原始图像中是否存在参考对象;以及
在确定所述参考对象存在于所述原始图像中时,以所述参考对象的尺寸的M倍余量围绕所述参考对象裁剪所述原始图像,从而获得所述目标装置的图像,M≥2;
其中,所述目标装置的图像包括所述目标对象、所述背景对象和所述参考对象。
18.一种距离测量设备,包括:
存储器;
一个或多个处理器;
其中,所述存储器和所述一个或多个处理器彼此连接;以及
所述存储器存储计算机可执行指令以控制所述一个或多个处理器以:
获得目标装置的图像,所述目标装置的图像包括第一颜色的目标对象和第二颜色的背景对象;
处理所述目标装置的图像,以获得处理后的图像,所述处理后的图像包括第三颜色的处理后的目标对象和第四颜色的处理后的背景对象;
检测所述第三颜色的处理后的目标对象的轮廓;
计算所述轮廓包围的面积;以及
在确定由所述轮廓包围的面积时,计算相机与所述目标装置之间的距离。
19.根据权利要求18所述的距离测量设备,还包括具有所述第一颜色的目标部分和所述第二颜色的背景部分的所述目标装置。
20.一种计算机程序产品,包括其上具有计算机可读指令的非暂时性有形计算机可读介质,所述计算机可读指令可由处理器执行以使所述处理器执行:
获得目标装置的图像,所述目标装置的图像包括第一颜色的目标对象和第二颜色的背景对象;
处理所述目标装置的图像,以获得处理后的图像,所述处理后的图像包括第三颜色的处理后的目标对象和第四颜色的处理后的背景对象;
检测所述第三颜色的处理后的目标对象的轮廓;
计算所述轮廓包围的面积;以及
在确定由所述轮廓包围的面积时,计算相机与所述目标装置之间的距离。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2021/097204 WO2022252007A1 (en) | 2021-05-31 | 2021-05-31 | Distance measurement method, distance measurement apparatus, and computer-program product |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116888430A true CN116888430A (zh) | 2023-10-13 |
Family
ID=84193560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180001358.4A Pending CN116888430A (zh) | 2021-05-31 | 2021-05-31 | 距离测量方法、距离测量设备和计算机程序产品 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220383544A1 (zh) |
CN (1) | CN116888430A (zh) |
WO (1) | WO2022252007A1 (zh) |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040130546A1 (en) * | 2003-01-06 | 2004-07-08 | Porikli Fatih M. | Region growing with adaptive thresholds and distance function parameters |
JP2007094536A (ja) * | 2005-09-27 | 2007-04-12 | Konica Minolta Holdings Inc | 対象物追跡装置及び対象物追跡方法 |
JP2008243184A (ja) * | 2007-02-26 | 2008-10-09 | Fujifilm Corp | 濃淡画像の輪郭補正処理方法及びその装置 |
JP4957668B2 (ja) * | 2008-07-04 | 2012-06-20 | 村田機械株式会社 | 画像処理装置 |
JP5333534B2 (ja) * | 2011-07-19 | 2013-11-06 | カシオ計算機株式会社 | 画像処理装置及び画像処理方法 |
KR20140065210A (ko) * | 2012-11-21 | 2014-05-29 | 엘지전자 주식회사 | 차랑용 거리 측정 장치 및 방법 |
US10349064B2 (en) * | 2015-03-10 | 2019-07-09 | Apple Inc. | Adaptive chroma downsampling and color space conversion techniques |
TWI621827B (zh) * | 2016-10-07 | 2018-04-21 | 萬里科技股份有限公司 | 用於平面拍攝的長度量測方法 |
JP6602743B2 (ja) * | 2016-12-08 | 2019-11-06 | 株式会社ソニー・インタラクティブエンタテインメント | 情報処理装置および情報処理方法 |
RU2655467C1 (ru) * | 2017-03-29 | 2018-05-28 | Дмитрий Александрович Рощин | Способ измерения расстояния на цифровой видеокамере с помощью мишени |
CN109631912B (zh) * | 2019-01-10 | 2022-08-23 | 中国科学院光电技术研究所 | 一种深空球形目标被动测距方法 |
-
2021
- 2021-05-31 CN CN202180001358.4A patent/CN116888430A/zh active Pending
- 2021-05-31 US US17/761,183 patent/US20220383544A1/en active Pending
- 2021-05-31 WO PCT/CN2021/097204 patent/WO2022252007A1/en unknown
Also Published As
Publication number | Publication date |
---|---|
WO2022252007A1 (en) | 2022-12-08 |
US20220383544A1 (en) | 2022-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10825150B2 (en) | Image processing method and device, electronic device and computer-readable storage medium | |
US11354827B2 (en) | Methods and systems for fusion display of thermal infrared and visible image | |
US11145038B2 (en) | Image processing method and device for adjusting saturation based on depth of field information | |
US20200364880A1 (en) | Method and device for monitoring colonoscope withdrawal speed | |
KR101537174B1 (ko) | 스테레오스코픽 영상에서의 주요 객체 검출 방법 | |
US8121400B2 (en) | Method of comparing similarity of 3D visual objects | |
US8842906B2 (en) | Body measurement | |
US20180115705A1 (en) | Contrast-enhanced combined image generation systems and methods | |
US8811751B1 (en) | Method and system for correcting projective distortions with elimination steps on multiple levels | |
US9064178B2 (en) | Edge detection apparatus, program and method for edge detection | |
US8897600B1 (en) | Method and system for determining vanishing point candidates for projective correction | |
US20230366738A1 (en) | Systems and methods for temperature measurement | |
US20200134784A1 (en) | Method, Electronic Device, and Storage Medium for Obtaining Depth Image | |
CN103839283A (zh) | 一种小型不规则物体的面积周长无损测量方法 | |
CN109190617B (zh) | 一种图像的矩形检测方法、装置及存储介质 | |
CN109447902B (zh) | 一种图像拼接方法、装置、储存介质及设备 | |
CN111383254A (zh) | 一种深度信息获取方法、系统及终端设备 | |
KR101597915B1 (ko) | 화상 처리 장치 및 화상 처리 방법 | |
CN116888430A (zh) | 距离测量方法、距离测量设备和计算机程序产品 | |
US20220301204A1 (en) | Viewing distance estimation method, viewing distance estimation device, and non-transitory computer-readable recording medium recording viewing distance estimation program | |
US20150358559A1 (en) | Device and method for matching thermal images | |
CN115457055A (zh) | 照度计数值识别方法、电子设备及存储介质 | |
Li et al. | A novel multi-resolution segmentation algorithm for highresolution remote sensing imagery based on minimum spanning tree and minimum heterogeneity criterion | |
WO2020107196A1 (zh) | 一种对拍摄装置的拍摄质量评测方法、装置及终端设备 | |
KR20210007783A (ko) | 이미지 데이터 처리 방법 및 장치 |
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 |