CN117168344B - 单目全景环视形变监测方法、装置及计算机设备 - Google Patents
单目全景环视形变监测方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN117168344B CN117168344B CN202311451714.XA CN202311451714A CN117168344B CN 117168344 B CN117168344 B CN 117168344B CN 202311451714 A CN202311451714 A CN 202311451714A CN 117168344 B CN117168344 B CN 117168344B
- Authority
- CN
- China
- Prior art keywords
- image
- target
- result
- calculating
- splicing
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000003384 imaging method Methods 0.000 claims abstract description 62
- 238000006243 chemical reaction Methods 0.000 claims abstract description 47
- 238000001514 detection method Methods 0.000 claims abstract description 43
- 230000008859 change Effects 0.000 claims abstract description 16
- 230000000007 visual effect Effects 0.000 claims abstract description 16
- 238000012806 monitoring device Methods 0.000 claims abstract description 9
- 230000001105 regulatory effect Effects 0.000 claims abstract description 5
- 230000001276 controlling effect Effects 0.000 claims abstract description 3
- 230000014759 maintenance of location Effects 0.000 claims description 28
- 230000009466 transformation Effects 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 17
- 230000033228 biological regulation Effects 0.000 claims description 9
- 230000004807 localization Effects 0.000 claims description 2
- 238000003908 quality control method Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 16
- 238000000605 extraction Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Image Analysis (AREA)
Abstract
本发明实施例公开了单目全景环视形变监测方法、装置及计算机设备。方法包括：根据实际监测场景设置旋转平台的参数；获取在初始时刻拍摄的图像，并进行全景图像的拼接，以得到初始时刻的拼接结果；获取搭载在旋转平台上的相机拍摄的图像；判断图像的成像质量是否满足设定要求；若否，则对图像进行成像质量调控；若是，则将图像进行全景图像的拼接，以得到当前时刻的拼接结果；定位监测靶和基准靶；进行局部基准对齐，以得到对齐结果；进行形变检测以及视觉物理相变的转换，以得到换算结果。通过实施本发明实施例的方法可实现解决现有单目监测系统位姿固定不变，使得使用条件严苛、缺乏灵活性的问题，且拓展了监测系统的视野，确保监测精度。
Description
技术领域
本发明涉及机器视觉算法，更具体地说是指单目全景环视形变监测方法、装置及计算机设备。
背景技术
随着经济的发展，市场对基于视觉的形变监测技术需求将原来越大，特别是在安全预警、质量控制领域，而且随着机器视觉算法技术的发展，越来越多的研究人员将其应用到安全监测，特别是基于机器视觉的非接触式形变监测方向。目前常用的技术有基于模板即自然靶标或人工靶标的特征点匹配或模板匹配算法，其技术流程包括：在监测结构体上选点，并布设监测靶；根据经验，在监测体对面固定安装监测设备，并尽量兼顾各监测点；提取初始帧各靶标位置信息及计算尺度转换因子；识别监测帧的像素形变量，并基于尺度因子转化为实际物理形变量。
但是，上述的现有技术方案虽然能够一定程度的弥补接触式形变监测技术的不足，但系统使用条件相对严苛，缺乏灵活性，适用性相对局限，要求监测设备的绝对固定，一旦安装调试完成，其位姿将不得再变动；而且在固定位姿下进行监测，监测区域受限，要监测不同方位和更大区域往往要使用多台设备，使得数据不连续，同时增加了成本；通常为了一机兼顾多点，往往需要牺牲整体的成像质量，从而影响精度；越是远离光轴的监测点系统误差会越大。
因此，有必要设计一种新的方法，实现解决现有单目监测系统位姿固定不变，使得使用条件严苛、缺乏灵活性的问题，且拓展了监测系统的视野，确保监测精度。
发明内容
本发明的目的在于克服现有技术的缺陷，提供单目全景环视形变监测方法、装置及计算机设备。
为实现上述目的，本发明采用以下技术方案：单目全景环视形变监测方法，包括：
根据实际监测场景设置旋转平台的参数；
获取搭载在旋转平台上的相机在初始时刻拍摄的图像，并进行全景图像的拼接，以得到初始时刻的拼接结果；
获取搭载在旋转平台上的相机拍摄的图像；
判断所述图像的成像质量是否满足设定要求；
若所述图像的成像质量不满足设定要求，则对所述图像进行成像质量调控，并再次执行所述获取搭载在旋转平台上的相机拍摄的图像；
若所述图像的成像质量满足设定要求，则将所述图像进行全景图像的拼接，以得到当前时刻的拼接结果；
对所述拼接结果定位监测靶和基准靶；
根据所述基准靶以及初始时刻的拼接结果对当前时刻的拼接结果进行局部基准对齐，以得到对齐结果；
对所述对齐结果进行形变检测以及视觉物理相变的转换，以得到换算结果。
其进一步技术方案为：所述判断所述图像的成像质量是否满足设定要求，包括：
基于目标检测算法定位所述图像内的有效的靶标位置；
计算有效的靶标位置构成的检测框的像素得分；
确定所述图像的各靶标的轮廓面积保持率和轮廓圆拟合度；
将所述像素得分、轮廓面积保持率和轮廓圆拟合度进行加权求和，以得到图像局部分值；
判断所述图像局部分值是否小于设定阈值；
若所述图像局部分值小于设定阈值，则确定所述图像的成像质量不满足设定要求；
若所述图像局部分值不小于设定阈值，则确定所述图像的成像质量满足设定要求。
其进一步技术方案为：所述确定所述图像的各靶标的轮廓面积保持率和轮廓圆拟合度，包括：
识别所述检测框内有效靶标的靶标圆型外轮廓；
计算所述靶标圆型外轮廓的轮廓圆拟合度;
计算所述靶标圆型外轮廓的轮廓像素面积保持率。
其进一步技术方案为：所述计算所述靶标圆型外轮廓的轮廓圆拟合度，包括：
计算各靶标的圆轮廓像素面积；
计算下一帧图像的各靶标的圆轮廓像素面积；
计算下一帧图像的各靶标的轮廓的最小外接矩，并计算所述最小外接矩的对角线交点；
计算下一帧图像的所获取轮廓点集到对角线交点的距离，以得到距离数组；
计算距离数组的变异系数；
根据所述变异系数确定所述靶标圆型外轮廓的轮廓圆拟合度。
其进一步技术方案为：所述计算距离数组的变异系数，包括：
采用计算距离数组的变异系数，其中，/>为距离数组的标准差，/>为距离数组的均值。
其进一步技术方案为：所述根据所述基准靶以及初始时刻的拼接结果对当前时刻的拼接结果进行局部基准对齐，以得到对齐结果，包括：
提取初始时刻的拼接结果和当前时刻的拼接结果中的基准靶局部图片的sift特征点；
采用暴力匹配算法对所述sift特征点进行匹配；
提取匹配距离符合要求的sift特征点，并计算当前时刻的拼接结果到初始时刻的拼接结果的变换矩阵；
使用所述变换矩阵对当前时刻的拼接结果进行透视变换，以得到对齐结果。
其进一步技术方案为：所述对所述对齐结果进行形变检测以及视觉物理相变的转换，以得到换算结果，包括：
提取初始时刻的拼接结果中各监测点的灰度特征、表观边缘特征和特征点，以得到初始特征；
计算初始时刻的像素位置信息；
提取当前时刻的拼接结果中的灰度特征、表观边缘特征和特征点，以得到当前特征；
根据所述初始特征以及当前特征进行前后帧匹配，计算像素偏移量；
根据靶标实际尺寸以及所述当前时刻的拼接结果中的靶标像素尺寸确定换算值；
将所述像素偏移量乘以换算值，以得到换算结果。
本发明还提供了单目全景环视形变监测装置，包括：
设置单元，用于根据实际监测场景设置旋转平台的参数；
初始结果确定单元，用于获取搭载在旋转平台上的相机在初始时刻拍摄的图像，并进行全景图像的拼接，以得到初始时刻的拼接结果；
图像获取单元，用于获取搭载在旋转平台上的相机拍摄的图像；
判断单元，用于判断所述图像的成像质量是否满足设定要求；
调控单元，用于若所述图像的成像质量不满足设定要求，则对所述图像进行成像质量调控，并再次执行所述获取搭载在旋转平台上的相机拍摄的图像；
拼接单元，用于若所述图像的成像质量满足设定要求，则将所述图像进行全景图像的拼接，以得到当前时刻的拼接结果；
定位单元，用于对所述拼接结果定位监测靶和基准靶；
对齐单元，用于根据所述基准靶以及初始时刻的拼接结果对当前时刻的拼接结果进行局部基准对齐，以得到对齐结果；
转换单元，用于对所述对齐结果进行形变检测以及视觉物理相变的转换，以得到换算结果。
本发明还提供了一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法。
本发明还提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法。
本发明与现有技术相比的有益效果是：本发明通过将相机装载在旋转平台上，对相机拍摄的图像进行成像质量调控，当成像质量满足要求时，进行全景图像的拼接和局部基准对齐以及形变检测和视觉物理相变的转换，实现解决现有单目监测系统位姿固定不变，使得使用条件严苛、缺乏灵活性的问题，且拓展了监测系统的视野，确保监测精度。
下面结合附图和具体实施例对本发明作进一步描述。
附图说明
为了更清楚地说明本发明实施例技术方案，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1为本发明实施例提供的单目全景环视形变监测方法的应用场景示意图；
图2为本发明实施例提供的单目全景环视形变监测方法的流程示意图；
图3为本发明实施例提供的单目全景环视形变监测方法的子流程示意图；
图4为本发明实施例提供的单目全景环视形变监测方法的子流程示意图；
图5为本发明实施例提供的单目全景环视形变监测方法的子流程示意图；
图6为本发明实施例提供的单目全景环视形变监测方法的子流程示意图；
图7为本发明实施例提供的单目全景环视形变监测方法的子流程示意图；
图8为本发明实施例提供的监测靶的示意图；
图9为本发明实施例提供的基准靶的示意图；
图10为本发明实施例提供的图像拼接前的示意图一；
图11为本发明实施例提供的图像拼接前的示意图二；
图12为本发明实施例提供的图像拼接后的示意图；
图13为本发明实施例提供的单目全景环视形变监测装置的示意性框图；
图14为本发明实施例提供的单目全景环视形变监测装置的判断单元的示意性框图；
图15为本发明实施例提供的单目全景环视形变监测装置的靶标信息确定子单元的示意性框图；
图16为本发明实施例提供的单目全景环视形变监测装置的拟合度计算模块的示意性框图；
图17为本发明实施例提供的单目全景环视形变监测装置的对齐单元的示意性框图；
图18为本发明实施例提供的单目全景环视形变监测装置的转换单元的示意性框图；
图19为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
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。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和 “包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅图1和图2，图1为本发明实施例提供的单目全景环视形变监测方法的应用场景示意图。图2为本发明实施例提供的单目全景环视形变监测方法的示意性流程图。该单目全景环视形变监测方法应用于服务器中，该服务器与相机以及旋转平台进行数据交互，通过旋转平台承载相机拍摄360度图像，在进行成像质量把控、全景图像拼接、局部基准对齐以及形变监测和换算，实现能够做到360度全景环视监测，不仅打破了现有单目监测系统位姿固定不变的严苛要求，拓展了监测系统的视野，同时能保持原有精度甚至有所提升。
图2是本发明实施例提供的单目全景环视形变监测方法的流程示意图。如图2所示，该方法包括以下步骤S110至S190。
S110、根据实际监测场景设置旋转平台的参数。
在本实施例中，服务器与相机均可搭载于可个性化设置旋转参数的360度旋转平台之上。旋转平台主要有三个参数：一是单次旋转角度；二是旋转时间间隔；三是旋转次数。旋转平台与服务器相连，可完成可编程配置，并且可以通过云端进行远程更改设置，以适应更多的场景需求。
S120、获取搭载在旋转平台上的相机在初始时刻拍摄的图像，并进行全景图像的拼接，以得到初始时刻的拼接结果。
在本实施例中，任何监测场景都需要进行初始时刻的图像拍摄，以作为后续的形变监测基准。全景图像的拼接与后续的步骤S160一致。
在本实施例中，初始时刻的拼接结果是指在对监测场景开始第一次图像拍摄时所获得的图像进行全景图像拼接之后形成的结果。
S130、获取搭载在旋转平台上的相机拍摄的图像。
在本实施例中，旋转平台完成单次旋转后，搭载的单目相机就会进行快速的图像采集，并且进行当前图像质量的评估。当图像质量低时，会触发相机成像调节机制，直到图像质量满足监测需求，然后状态开始计时，当达到旋转间隔时，进行下一次旋转及图像采集，直到完成一轮环视和图像采集。
S140、判断所述图像的成像质量是否满足设定要求。
在一实施例中，请参阅图3，上述的步骤S140可包括步骤S141~ S147。
S141、基于目标检测算法定位所述图像内的有效的靶标位置。
在本实施例中，有效的靶标指的是监测靶和基准靶，如图8和图9所示，其中监测靶用于监测结构体形变量，基准靶为去除抖动系统误差和监测帧全景图和初始帧全景图的局部对齐。
S142、计算有效的靶标位置构成的检测框的像素得分。
在本实施例中，目标检测算法检测到的是带有有效靶标的检测框，令目标检测模型检测定位得到的包含靶标的图像块为矩阵M，其像素均值pixel_mean =,则pixel_score = />，其中C，W，H分别代表所有图像输入的通道数、宽度和高度；c，w，h分别代表当前图像输入的通道数、宽度和高度。
S143、确定所述图像的各靶标的轮廓面积保持率和轮廓圆拟合度。
在本实施例中，轮廓面积保持率是指初始时刻以及当前时刻的靶标的轮廓面积保持不变的概率。
轮廓圆拟合度是指当前时刻的靶标的轮廓是否是圆形的拟合程度。
在一实施例中，请参阅图4，上述的步骤S143可包括步骤S1431~S1433。
S1431、识别所述检测框内有效靶标的靶标圆型外轮廓。
在本实施例中，可采用现有技术即轮廓识别算法识别所述检测框内有效靶标的靶标圆型外轮廓。
S1432、计算所述靶标圆型外轮廓的轮廓圆拟合度。
在本实施例中，靶标圆型外轮廓的轮廓圆拟合度为circle_fit_score = 1-dis_vc。
在一实施例中，请参阅图5，上述的步骤S1423可包括步骤S14321~ S14326。
S14321、计算各靶标的圆轮廓像素面积。
在本实施例中，计算初始时刻的各靶标的圆轮廓像素面积，记为init_area。
S14322、计算下一帧图像的各靶标的圆轮廓像素面积。
在本实施例中，下一帧图像可以是指当前帧图像。
S14323、计算下一帧图像的各靶标的轮廓的最小外接矩，并计算所述最小外接矩的对角线交点。
在本实施例中，获取轮廓最小外接矩，并计算其对角线交点centre_point，属于现有技术，此处不再赘述。
S14324、计算下一帧图像的所获取轮廓点集到对角线交点的距离，以得到距离数组。
在本实施例中，距离数组是指下一帧图像的所获取轮廓点集到对角线交点的距离构成的集合，记为distance_array。
S14325、计算距离数组的变异系数。
在本实施例中，变异系数是指距离数组中的数据离散程度。
在本实施例中，采用计算距离数组的变异系数，其中，/>为距离数组的标准差，/>为距离数组的均值。
S14326、根据所述变异系数确定所述靶标圆型外轮廓的轮廓圆拟合度。
在本实施例中，靶标圆型外轮廓的轮廓圆拟合度为circle_fit_score = 1-dis_vc。
S1433、计算所述靶标圆型外轮廓的轮廓像素面积保持率。
在本实施例中，鉴于靶标核心为黑色圆结构，当在设备搭建好后，会首先计算初始时刻的各靶标的圆轮廓像素面积，记为init_area，当抓取当前帧时同样会计算当前帧图像中靶标圆轮廓面积current_area,则轮廓像素面积保持率。是指/>中的最大值。
在本实施例中，轮廓像素面积保持率的计算还是得评测所获取的轮廓是否为圆，采用以下的内容评测所获取的轮廓是否为圆：
S144、将所述像素得分、轮廓面积保持率和轮廓圆拟合度进行加权求和，以得到图像局部分值。
在本实施例中，图像局部分值 ,其中/>。在本实施例中，参数的默认值分别为0.4、0.3、0.3。
S145、判断所述图像局部分值是否小于设定阈值。
在本实施例中，相机搭载旋转平台，不仅可根据配置或远程操控监测设备完成全方位的数据采集，并能和边缘计算端布设的图像质量评估算子联动，从而确保所采集的图像中监测靶成像满足形变计算要求。当target_image_score小于0.5时就会触发相机聚焦和曝光等参数的调节，以此提升成像质量。
S146、若所述图像局部分值小于设定阈值，则确定所述图像的成像质量不满足设定要求；
S147、若所述图像局部分值不小于设定阈值，则确定所述图像的成像质量满足设定要求。
S150、若所述图像的成像质量不满足设定要求，则对所述图像进行成像质量调控，并再次执行所述步骤S130。
在本实施例中，成像质量调控是指曝光参数的调节。
若target_image_score<0.5, 如果pixel_mean<150,则相机当前曝光值加1000，如果pixel_mean>150则相机曝光值减1000，若按以上调节方式进行了10次图像质量得分依然低于0.5，则取这10次的局部最优对应的相机曝光值参数对相机进行调节。
S160、若所述图像的成像质量满足设定要求，则将所述图像进行全景图像的拼接，以得到当前时刻的拼接结果。
请参阅图10至图12，在全景拼接环节，首先对采集的图像从左至右进行顺序编号，例如：1.jpg，2.jpg，...；再采用opencv 的sticher算法完成顺序序列子图的全景拼接。
S170、对所述拼接结果定位监测靶和基准靶。
在本实施例中，基准靶一般安装在监测体外，近相机端的相对不动点，而监测靶则根据实际监测目标及需求进行布点，通常按一定的距离分散布设在监测体结构上。需要采用目标检测定位的方式定位这两个靶标。
S180、根据所述基准靶以及初始时刻的拼接结果对当前时刻的拼接结果进行局部基准对齐，以得到对齐结果。
在本实施例中，对齐结果是指利用两个拼接结果中的基准靶进行图片的配准对齐后形成的结果。
由于旋转台不可能没有任何误差，做不到每次旋转都在同一方位，也就是说，相同轮次下不同时刻相机的位姿依然存在偏差，也就导致每次获取的全景图的大小及视野范围都有一定的偏差。为了在单目体系下完成形变监测，就必须对当前获取的全景图记为current_whole_image和初始时刻获取的全景图init_whole_image进行对齐。此处选择视野中的不动点——基准靶进行两张图片的配准对齐。
在一实施例中，请参阅图6，上述的步骤S180可包括步骤S181~ S184。
S181、提取初始时刻的拼接结果和当前时刻的拼接结果中的基准靶局部图片的sift特征点。
S182、采用暴力匹配算法对所述sift特征点进行匹配。
具体地，采用BFMatcher算法对所述sift特征点进行匹配。
S183、提取匹配距离符合要求的sift特征点，并计算当前时刻的拼接结果到初始时刻的拼接结果的变换矩阵。
具体地，提取匹配距离前20的sift特征点计算current_whole_image到init_whole_image图像的变换矩阵H（单应性矩阵）。
S184、使用所述变换矩阵对当前时刻的拼接结果进行透视变换，以得到对齐结果。
在本实施例中，透视变换属于现有技术，此处不再赘述。
S190、对所述对齐结果进行形变检测以及视觉物理相变的转换，以得到换算结果。
在一实施例中，请参阅图7，上述的步骤S190可包括步骤S191~ S196。
S191、提取初始时刻的拼接结果中各监测点的灰度特征、表观边缘特征和特征点，以得到初始特征。
在本实施例中，初始特征是指初始时刻的拼接结果中各监测点的灰度特征、表观边缘特征和特征点。
S192、计算初始时刻的像素位置信息。
在本实施例中，像素位置信息包括：圆心坐标、模板顶点坐标、特征点坐标及描述子。
S193、提取当前时刻的拼接结果中的灰度特征、表观边缘特征和特征点，以得到当前特征。
在本实施例中，当前特征是指当前时刻的拼接结果中的灰度特征、表观边缘特征和特征点。
S194、根据所述初始特征以及当前特征进行前后帧匹配，计算像素偏移量。
S195、根据靶标实际尺寸以及所述当前时刻的拼接结果中的靶标像素尺寸确定换算值。
在本实施例中，换算值是指靶标实际尺寸与当前时刻的拼接结果中的靶标像素尺寸的换算关系。
S196、将所述像素偏移量乘以换算值，以得到换算结果。
上述的单目全景环视形变监测方法，通过将相机装载在旋转平台上，对相机拍摄的图像进行成像质量调控，当成像质量满足要求时，进行全景图像的拼接和局部基准对齐以及形变检测和视觉物理相变的转换，实现解决现有单目监测系统位姿固定不变，使得使用条件严苛、缺乏灵活性的问题，且拓展了监测系统的视野，确保监测精度。
图13是本发明实施例提供的一种单目全景环视形变监测装置300的示意性框图。如图13所示，对应于以上单目全景环视形变监测方法，本发明还提供一种单目全景环视形变监测装置300。该单目全景环视形变监测装置300包括用于执行上述单目全景环视形变监测方法的单元，该装置可以被配置于服务器中。具体地，请参阅图13，该单目全景环视形变监测装置300包括设置单元301、初始结果确定单元302、图像获取单元303、判断单元304、调控单元305、拼接单元306、定位单元307、对齐单元308以及转换单元309。
设置单元301，用于根据实际监测场景设置旋转平台的参数；初始结果确定单元302，用于获取搭载在旋转平台上的相机在初始时刻拍摄的图像，并进行全景图像的拼接，以得到初始时刻的拼接结果；图像获取单元303，用于获取搭载在旋转平台上的相机拍摄的图像；判断单元304，用于判断所述图像的成像质量是否满足设定要求；调控单元305，用于若所述图像的成像质量不满足设定要求，则对所述图像进行成像质量调控，并再次执行所述获取搭载在旋转平台上的相机拍摄的图像；拼接单元306，用于若所述图像的成像质量满足设定要求，则将所述图像进行全景图像的拼接，以得到当前时刻的拼接结果；定位单元307，用于对所述拼接结果定位监测靶和基准靶；对齐单元308，用于根据所述基准靶以及初始时刻的拼接结果对当前时刻的拼接结果进行局部基准对齐，以得到对齐结果；转换单元309，用于对所述对齐结果进行形变检测以及视觉物理相变的转换，以得到换算结果。
在一实施例中，如图14所示，所述判断单元304包括定位子单元3041、得分计算子单元3042、靶标信息确定子单元3043、求和子单元3044、分值判断子单元3045、第一确定子单元3046以及第二确定子单元3047。
定位子单元3041，用于基于目标检测算法定位所述图像内的有效的靶标位置；得分计算子单元3042，用于计算有效的靶标位置构成的检测框的像素得分；靶标信息确定子单元3043，用于确定所述图像的各靶标的轮廓面积保持率和轮廓圆拟合度；求和子单元3044，用于将所述像素得分、轮廓面积保持率和轮廓圆拟合度进行加权求和，以得到图像局部分值；分值判断子单元3045，用于判断所述图像局部分值是否小于设定阈值；第一确定子单元3046，用于若所述图像局部分值小于设定阈值，则确定所述图像的成像质量不满足设定要求；第二确定子单元3047，用于若所述图像局部分值不小于设定阈值，则确定所述图像的成像质量满足设定要求。
在一实施例中，如图15所示，所述靶标信息确定子单元3043包括识别模块30431、拟合度计算模块30432以及保持率计算模块30433。
识别模块30431，用于识别所述检测框内有效靶标的靶标圆型外轮廓；拟合度计算模块30432，用于计算所述靶标圆型外轮廓的轮廓圆拟合度;保持率计算模块30433，用于计算所述靶标圆型外轮廓的轮廓像素面积保持率。
在一实施例中，如图16所示，所述拟合度计算模块30432包括第一面积计算子模块304321、第二面积计算子模块304322、交点计算子模块304323、距离计算子模块304324、系数计算子模块304325以及拟合度确定子模块304326。
第一面积计算子模块304321，用于计算各靶标的圆轮廓像素面积；第二面积计算子模块304322，用于计算下一帧图像的各靶标的圆轮廓像素面积；交点计算子模块304323，用于计算下一帧图像的各靶标的轮廓的最小外接矩，并计算所述最小外接矩的对角线交点；距离计算子模块304324，用于计算下一帧图像的所获取轮廓点集到对角线交点的距离，以得到距离数组；系数计算子模块304325，用于计算距离数组的变异系数；拟合度确定子模块304326，用于根据所述变异系数确定所述靶标圆型外轮廓的轮廓圆拟合度。
在一实施例中，所述系数计算子模块304325，用于采用计算距离数组的变异系数，其中，/>为距离数组的标准差，/>为距离数组的均值。
在一实施例中，如图17所示，所述对齐单元308包括特征点提取子单元3081、特征点匹配子单元3082、矩阵计算子单元3083以及变换子单元3084。
特征点提取子单元3081，用于提取初始时刻的拼接结果和当前时刻的拼接结果中的基准靶局部图片的sift特征点；特征点匹配子单元3082，用于采用暴力匹配算法对所述sift特征点进行匹配；矩阵计算子单元3083，用于提取匹配距离符合要求的sift特征点，并计算当前时刻的拼接结果到初始时刻的拼接结果的变换矩阵；变换子单元3084，用于使用所述变换矩阵对当前时刻的拼接结果进行透视变换，以得到对齐结果。
在一实施例中，如图18所示，所述转换单元309包括初始特征提取子单元3091、位置信息计算子单元3092、当前特征提取子单元3093、帧匹配子单元3094、换算计算子单元3095以及换算子单元3096。
初始特征提取子单元3091，用于提取初始时刻的拼接结果中各监测点的灰度特征、表观边缘特征和特征点，以得到初始特征；位置信息计算子单元3092，用于计算初始时刻的像素位置信息；当前特征提取子单元3093，用于提取当前时刻的拼接结果中的灰度特征、表观边缘特征和特征点，以得到当前特征；帧匹配子单元3094，用于根据所述初始特征以及当前特征进行前后帧匹配，计算像素偏移量；换算计算子单元3095，用于根据靶标实际尺寸以及所述当前时刻的拼接结果中的靶标像素尺寸确定换算值；换算子单元3096，用于将所述像素偏移量乘以换算值，以得到换算结果。
需要说明的是，所属领域的技术人员可以清楚地了解到，上述单目全景环视形变监测装置300和各单元的具体实现过程，可以参考前述方法实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。
上述单目全景环视形变监测装置300可以实现为一种计算机程序的形式，该计算机程序可以在如图19所示的计算机设备上运行。
请参阅图19，图19是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是服务器，其中，服务器可以是独立的服务器，也可以是多个服务器组成的服务器集群。
参阅图19，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令，该程序指令被执行时，可使得处理器502执行一种单目全景环视形变监测方法。
该处理器502用于提供计算和控制能力，以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行一种单目全景环视形变监测方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解，图19中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现如下步骤：
根据实际监测场景设置旋转平台的参数；获取搭载在旋转平台上的相机在初始时刻拍摄的图像，并进行全景图像的拼接，以得到初始时刻的拼接结果；获取搭载在旋转平台上的相机拍摄的图像；判断所述图像的成像质量是否满足设定要求；若所述图像的成像质量不满足设定要求，则对所述图像进行成像质量调控，并再次执行所述获取搭载在旋转平台上的相机拍摄的图像；若所述图像的成像质量满足设定要求，则将所述图像进行全景图像的拼接，以得到当前时刻的拼接结果；对所述拼接结果定位监测靶和基准靶；根据所述基准靶以及初始时刻的拼接结果对当前时刻的拼接结果进行局部基准对齐，以得到对齐结果；对所述对齐结果进行形变检测以及视觉物理相变的转换，以得到换算结果。
在一实施例中，处理器502在实现所述判断所述图像的成像质量是否满足设定要求步骤时，具体实现如下步骤：
基于目标检测算法定位所述图像内的有效的靶标位置；计算有效的靶标位置构成的检测框的像素得分；确定所述图像的各靶标的轮廓面积保持率和轮廓圆拟合度；将所述像素得分、轮廓面积保持率和轮廓圆拟合度进行加权求和，以得到图像局部分值；判断所述图像局部分值是否小于设定阈值；若所述图像局部分值小于设定阈值，则确定所述图像的成像质量不满足设定要求；若所述图像局部分值不小于设定阈值，则确定所述图像的成像质量满足设定要求。
在一实施例中，处理器502在实现所述确定所述图像的各靶标的轮廓面积保持率和轮廓圆拟合度步骤时，具体实现如下步骤：
识别所述检测框内有效靶标的靶标圆型外轮廓；计算所述靶标圆型外轮廓的轮廓圆拟合度;计算所述靶标圆型外轮廓的轮廓像素面积保持率。
在一实施例中，处理器502在实现所述计算所述靶标圆型外轮廓的轮廓圆拟合度步骤时，具体实现如下步骤：
计算各靶标的圆轮廓像素面积；计算下一帧图像的各靶标的圆轮廓像素面积；计算下一帧图像的各靶标的轮廓的最小外接矩，并计算所述最小外接矩的对角线交点；计算下一帧图像的所获取轮廓点集到对角线交点的距离，以得到距离数组；计算距离数组的变异系数；根据所述变异系数确定所述靶标圆型外轮廓的轮廓圆拟合度。
在一实施例中，处理器502在实现所述计算距离数组的变异系数步骤时，具体实现如下步骤：
采用计算距离数组的变异系数，其中，/>为距离数组的标准差，/>为距离数组的均值。
在一实施例中，处理器502在实现所述根据所述基准靶以及初始时刻的拼接结果对当前时刻的拼接结果进行局部基准对齐，以得到对齐结果步骤时，具体实现如下步骤：
提取初始时刻的拼接结果和当前时刻的拼接结果中的基准靶局部图片的sift特征点；采用暴力匹配算法对所述sift特征点进行匹配；提取匹配距离符合要求的sift特征点，并计算当前时刻的拼接结果到初始时刻的拼接结果的变换矩阵；使用所述变换矩阵对当前时刻的拼接结果进行透视变换，以得到对齐结果。
在一实施例中，处理器502在实现所述对所述对齐结果进行形变检测以及视觉物理相变的转换，以得到换算结果步骤时，具体实现如下步骤：
提取初始时刻的拼接结果中各监测点的灰度特征、表观边缘特征和特征点，以得到初始特征；计算初始时刻的像素位置信息；提取当前时刻的拼接结果中的灰度特征、表观边缘特征和特征点，以得到当前特征；根据所述初始特征以及当前特征进行前后帧匹配，计算像素偏移量；根据靶标实际尺寸以及所述当前时刻的拼接结果中的靶标像素尺寸确定换算值；将所述像素偏移量乘以换算值，以得到换算结果。
应当理解，在本申请实施例中，处理器502可以是中央处理单元 (CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路 (Application Specific IntegratedCircuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令，计算机程序可存储于一存储介质中，该存储介质为计算机可读存储介质。该程序指令被该计算机系统中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。
因此，本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序，其中该计算机程序被处理器执行时使处理器执行如下步骤：
根据实际监测场景设置旋转平台的参数；获取搭载在旋转平台上的相机在初始时刻拍摄的图像，并进行全景图像的拼接，以得到初始时刻的拼接结果；获取搭载在旋转平台上的相机拍摄的图像；判断所述图像的成像质量是否满足设定要求；若所述图像的成像质量不满足设定要求，则对所述图像进行成像质量调控，并再次执行所述获取搭载在旋转平台上的相机拍摄的图像；若所述图像的成像质量满足设定要求，则将所述图像进行全景图像的拼接，以得到当前时刻的拼接结果；对所述拼接结果定位监测靶和基准靶；根据所述基准靶以及初始时刻的拼接结果对当前时刻的拼接结果进行局部基准对齐，以得到对齐结果；对所述对齐结果进行形变检测以及视觉物理相变的转换，以得到换算结果。
在一实施例中，所述处理器在执行所述计算机程序而实现所述判断所述图像的成像质量是否满足设定要求步骤时，具体实现如下步骤：
基于目标检测算法定位所述图像内的有效的靶标位置；计算有效的靶标位置构成的检测框的像素得分；确定所述图像的各靶标的轮廓面积保持率和轮廓圆拟合度；将所述像素得分、轮廓面积保持率和轮廓圆拟合度进行加权求和，以得到图像局部分值；判断所述图像局部分值是否小于设定阈值；若所述图像局部分值小于设定阈值，则确定所述图像的成像质量不满足设定要求；若所述图像局部分值不小于设定阈值，则确定所述图像的成像质量满足设定要求。
在一实施例中，所述处理器在执行所述计算机程序而实现所述确定所述图像的各靶标的轮廓面积保持率和轮廓圆拟合度步骤时，具体实现如下步骤：
识别所述检测框内有效靶标的靶标圆型外轮廓；计算所述靶标圆型外轮廓的轮廓圆拟合度;计算所述靶标圆型外轮廓的轮廓像素面积保持率。
在一实施例中，所述处理器在执行所述计算机程序而实现所述计算所述靶标圆型外轮廓的轮廓圆拟合度步骤时，具体实现如下步骤：
计算各靶标的圆轮廓像素面积；计算下一帧图像的各靶标的圆轮廓像素面积；计算下一帧图像的各靶标的轮廓的最小外接矩，并计算所述最小外接矩的对角线交点；计算下一帧图像的所获取轮廓点集到对角线交点的距离，以得到距离数组；计算距离数组的变异系数；根据所述变异系数确定所述靶标圆型外轮廓的轮廓圆拟合度。
在一实施例中，所述处理器在执行所述计算机程序而实现所述计算距离数组的变异系数步骤时，具体实现如下步骤：
采用计算距离数组的变异系数，其中，/>为距离数组的标准差，/>为距离数组的均值。
在一实施例中，所述处理器在执行所述计算机程序而实现所述根据所述基准靶以及初始时刻的拼接结果对当前时刻的拼接结果进行局部基准对齐，以得到对齐结果步骤时，具体实现如下步骤：
提取初始时刻的拼接结果和当前时刻的拼接结果中的基准靶局部图片的sift特征点；采用暴力匹配算法对所述sift特征点进行匹配；提取匹配距离符合要求的sift特征点，并计算当前时刻的拼接结果到初始时刻的拼接结果的变换矩阵；使用所述变换矩阵对当前时刻的拼接结果进行透视变换，以得到对齐结果。
在一实施例中，所述处理器在执行所述计算机程序而实现所述对所述对齐结果进行形变检测以及视觉物理相变的转换，以得到换算结果步骤时，具体实现如下步骤：
提取初始时刻的拼接结果中各监测点的灰度特征、表观边缘特征和特征点，以得到初始特征；计算初始时刻的像素位置信息；提取当前时刻的拼接结果中的灰度特征、表观边缘特征和特征点，以得到当前特征；根据所述初始特征以及当前特征进行前后帧匹配，计算像素偏移量；根据靶标实际尺寸以及所述当前时刻的拼接结果中的靶标像素尺寸确定换算值；将所述像素偏移量乘以换算值，以得到换算结果。
所述存储介质可以是U盘、移动硬盘、只读存储器（Read-Only Memory，ROM）、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的。例如，各个单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以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，或者该技术方案的全部或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，终端，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。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (9)
1.单目全景环视形变监测方法，其特征在于，包括：
根据实际监测场景设置旋转平台的参数；
获取搭载在旋转平台上的相机在初始时刻拍摄的图像，并进行全景图像的拼接，以得到初始时刻的拼接结果；
获取搭载在旋转平台上的相机拍摄的图像；
判断所述图像的成像质量是否满足设定要求；
若所述图像的成像质量不满足设定要求，则对所述图像进行成像质量调控，并再次执行所述获取搭载在旋转平台上的相机拍摄的图像；
若所述图像的成像质量满足设定要求，则将所述图像进行全景图像的拼接，以得到当前时刻的拼接结果；
对所述拼接结果定位监测靶和基准靶；
根据所述基准靶以及初始时刻的拼接结果对当前时刻的拼接结果进行局部基准对齐，以得到对齐结果；
对所述对齐结果进行形变检测以及视觉物理相变的转换，以得到换算结果；
所述判断所述图像的成像质量是否满足设定要求，包括：
基于目标检测算法定位所述图像内的有效的靶标位置；
计算有效的靶标位置构成的检测框的像素得分；
确定所述图像的各靶标的轮廓面积保持率和轮廓圆拟合度；
将所述像素得分、轮廓面积保持率和轮廓圆拟合度进行加权求和，以得到图像局部分值；
判断所述图像局部分值是否小于设定阈值；
若所述图像局部分值小于设定阈值，则确定所述图像的成像质量不满足设定要求；
若所述图像局部分值不小于设定阈值，则确定所述图像的成像质量满足设定要求；
所述对所述图像进行成像质量调控，包括：
若target_image_score<0.5，如果pixel_mean<150，则相机当前曝光值加1000，如果pixel_mean>150，则相机曝光值减1000，若按以上调节方式进行了10次，图像质量得分依然低于0.5，则取这10次的局部最优对应的相机曝光值参数对相机进行调节，target_image_score为图像局部分值；pixel_mean是指目标检测模型检测定位得到的包含靶标的图像块的像素均值。
2.根据权利要求1所述的单目全景环视形变监测方法，其特征在于，所述确定所述图像的各靶标的轮廓面积保持率和轮廓圆拟合度，包括：
识别所述检测框内有效靶标的靶标圆型外轮廓；
计算所述靶标圆型外轮廓的轮廓圆拟合度；
计算所述靶标圆型外轮廓的轮廓像素面积保持率。
3.根据权利要求2所述的单目全景环视形变监测方法，其特征在于，所述计算所述靶标圆型外轮廓的轮廓圆拟合度，包括：
计算各靶标的圆轮廓像素面积；
计算下一帧图像的各靶标的圆轮廓像素面积；
计算下一帧图像的各靶标的轮廓的最小外接矩，并计算所述最小外接矩的对角线交点；
计算下一帧图像的所获取轮廓点集到对角线交点的距离，以得到距离数组；
计算距离数组的变异系数；
根据所述变异系数确定所述靶标圆型外轮廓的轮廓圆拟合度。
4.根据权利要求3所述的单目全景环视形变监测方法，其特征在于，所述计算距离数组的变异系数，包括：
采用计算距离数组的变异系数，其中，σ为距离数组的标准差，μ为距离数组的均值。
5.根据权利要求1所述的单目全景环视形变监测方法，其特征在于，所述根据所述基准靶以及初始时刻的拼接结果对当前时刻的拼接结果进行局部基准对齐，以得到对齐结果，包括：
提取初始时刻的拼接结果和当前时刻的拼接结果中的基准靶局部图片的sift特征点；
采用暴力匹配算法对所述sift特征点进行匹配；
提取匹配距离符合要求的sift特征点，并计算当前时刻的拼接结果到初始时刻的拼接结果的变换矩阵；
使用所述变换矩阵对当前时刻的拼接结果进行透视变换，以得到对齐结果。
6.根据权利要求1所述的单目全景环视形变监测方法，其特征在于，所述对所述对齐结果进行形变检测以及视觉物理相变的转换，以得到换算结果，包括：
提取初始时刻的拼接结果中各监测点的灰度特征、表观边缘特征和特征点，以得到初始特征；
计算初始时刻的像素位置信息；
提取当前时刻的拼接结果中的灰度特征、表观边缘特征和特征点，以得到当前特征；
根据所述初始特征以及当前特征进行前后帧匹配，计算像素偏移量；
根据靶标实际尺寸以及所述当前时刻的拼接结果中的靶标像素尺寸确定换算值；
将所述像素偏移量乘以换算值，以得到换算结果。
7.单目全景环视形变监测装置，其特征在于，包括：
设置单元，用于根据实际监测场景设置旋转平台的参数；
初始结果确定单元，用于获取搭载在旋转平台上的相机在初始时刻拍摄的图像，并进行全景图像的拼接，以得到初始时刻的拼接结果；
图像获取单元，用于获取搭载在旋转平台上的相机拍摄的图像；
判断单元，用于判断所述图像的成像质量是否满足设定要求；
调控单元，用于若所述图像的成像质量不满足设定要求，则对所述图像进行成像质量调控，并再次执行所述获取搭载在旋转平台上的相机拍摄的图像；若target_image_score<0.5，如果pixel_mean<150，则相机当前曝光值加1000，如果pixel_mean>150，则相机曝光值减1000，若按以上调节方式进行了10次，图像质量得分依然低于0.5，则取这10次的局部最优对应的相机曝光值参数对相机进行调节，target_image_score为图像局部分值；pixel_mean是指目标检测模型检测定位得到的包含靶标的图像块的像素均值；
拼接单元，用于若所述图像的成像质量满足设定要求，则将所述图像进行全景图像的拼接，以得到当前时刻的拼接结果；
定位单元，用于对所述拼接结果定位监测靶和基准靶；
对齐单元，用于根据所述基准靶以及初始时刻的拼接结果对当前时刻的拼接结果进行局部基准对齐，以得到对齐结果；
转换单元，用于对所述对齐结果进行形变检测以及视觉物理相变的转换，以得到换算结果；
所述判断单元包括定位子单元、得分计算子单元、靶标信息确定子单元、求和子单元、分值判断子单元、第一确定子单元以及第二确定子单元；
定位子单元，用于基于目标检测算法定位所述图像内的有效的靶标位置；得分计算子单元，用于计算有效的靶标位置构成的检测框的像素得分；靶标信息确定子单元，用于确定所述图像的各靶标的轮廓面积保持率和轮廓圆拟合度；求和子单元，用于将所述像素得分、轮廓面积保持率和轮廓圆拟合度进行加权求和，以得到图像局部分值；分值判断子单元，用于判断所述图像局部分值是否小于设定阈值；第一确定子单元，用于若所述图像局部分值小于设定阈值，则确定所述图像的成像质量不满足设定要求；第二确定子单元，用于若所述图像局部分值不小于设定阈值，则确定所述图像的成像质量满足设定要求。
8.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的方法。
9.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311451714.XA CN117168344B (zh) | 2023-11-03 | 2023-11-03 | 单目全景环视形变监测方法、装置及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311451714.XA CN117168344B (zh) | 2023-11-03 | 2023-11-03 | 单目全景环视形变监测方法、装置及计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117168344A CN117168344A (zh) | 2023-12-05 |
| CN117168344B true CN117168344B (zh) | 2024-01-26 |
Family
ID=88939898
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311451714.XA Active CN117168344B (zh) | 2023-11-03 | 2023-11-03 | 单目全景环视形变监测方法、装置及计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117168344B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013186805A1 (ja) * | 2012-06-11 | 2013-12-19 | 株式会社ソニー・コンピュータエンタテインメント | 画像撮像装置および画像撮像方法 |
| CN104567708A (zh) * | 2015-01-06 | 2015-04-29 | 浙江工业大学 | 基于主动式全景视觉的隧道全断面高速动态健康检测装置与方法 |
| WO2019047284A1 (zh) * | 2017-09-05 | 2019-03-14 | 平安科技（深圳）有限公司 | 特征提取、全景拼接方法及其装置、设备、可读存储介质 |
| CN113251933A (zh) * | 2021-05-08 | 2021-08-13 | 上海砼测检测技术有限公司 | 一种用于基坑表面位移监测的自动化图像位移测量系统 |
| CN113610917A (zh) * | 2021-08-09 | 2021-11-05 | 河南工业大学 | 一种基于消隐点的圆阵靶标中心像点定位方法 |
| CN114494402A (zh) * | 2022-01-27 | 2022-05-13 | 中国农业大学 | 一种基于红外图像的点源入渗地表湿润面积自动测量方法 |
| CN114812403A (zh) * | 2022-06-21 | 2022-07-29 | 兰州理工大学 | 基于无人机及机器视觉的大跨度钢结构吊装变形监测方法 |
| CN114998789A (zh) * | 2022-05-27 | 2022-09-02 | 江西省新达地质灾害防治有限公司 | 一种基于视频识别的滑坡地质灾害变形监测系统和方法 |
| CN115345870A (zh) * | 2022-08-29 | 2022-11-15 | 贵州宏图伟业科技发展有限公司 | 一种基于单目相机和带编码自发光靶标实现大场景精密形变监测的方法 |
| CN115514897A (zh) * | 2022-11-18 | 2022-12-23 | 北京中科觅境智慧生态科技有限公司 | 一种处理图像的方法和装置 |
| CN115829918A (zh) * | 2022-09-14 | 2023-03-21 | 元准智能科技(苏州)有限公司 | 一种基于机器视觉的大型设施结构形变的监测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| BR112020008497A2 (pt) * | 2017-11-28 | 2020-10-20 | Groundprobe Pty Ltd | visualização de estabilidade de inclinação |
-
2023
- 2023-11-03 CN CN202311451714.XA patent/CN117168344B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013186805A1 (ja) * | 2012-06-11 | 2013-12-19 | 株式会社ソニー・コンピュータエンタテインメント | 画像撮像装置および画像撮像方法 |
| CN104567708A (zh) * | 2015-01-06 | 2015-04-29 | 浙江工业大学 | 基于主动式全景视觉的隧道全断面高速动态健康检测装置与方法 |
| WO2019047284A1 (zh) * | 2017-09-05 | 2019-03-14 | 平安科技（深圳）有限公司 | 特征提取、全景拼接方法及其装置、设备、可读存储介质 |
| CN113251933A (zh) * | 2021-05-08 | 2021-08-13 | 上海砼测检测技术有限公司 | 一种用于基坑表面位移监测的自动化图像位移测量系统 |
| CN113610917A (zh) * | 2021-08-09 | 2021-11-05 | 河南工业大学 | 一种基于消隐点的圆阵靶标中心像点定位方法 |
| CN114494402A (zh) * | 2022-01-27 | 2022-05-13 | 中国农业大学 | 一种基于红外图像的点源入渗地表湿润面积自动测量方法 |
| CN114998789A (zh) * | 2022-05-27 | 2022-09-02 | 江西省新达地质灾害防治有限公司 | 一种基于视频识别的滑坡地质灾害变形监测系统和方法 |
| CN114812403A (zh) * | 2022-06-21 | 2022-07-29 | 兰州理工大学 | 基于无人机及机器视觉的大跨度钢结构吊装变形监测方法 |
| CN115345870A (zh) * | 2022-08-29 | 2022-11-15 | 贵州宏图伟业科技发展有限公司 | 一种基于单目相机和带编码自发光靶标实现大场景精密形变监测的方法 |
| CN115829918A (zh) * | 2022-09-14 | 2023-03-21 | 元准智能科技(苏州)有限公司 | 一种基于机器视觉的大型设施结构形变的监测方法 |
| CN115514897A (zh) * | 2022-11-18 | 2022-12-23 | 北京中科觅境智慧生态科技有限公司 | 一种处理图像的方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117168344A (zh) | 2023-12-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11509824B2 (en) | Method for tracking target in panoramic video, and panoramic camera | |
| US20160286138A1 (en) | Apparatus and method for stitching panoramaic video | |
| CN111325798B (zh) | 相机模型纠正方法、装置、ar实现设备及可读存储介质 | |
| CN108320270B (zh) | 一种图像校正方法、装置和存储介质 | |
| CN109922275B (zh) | 曝光参数的自适应调整方法、装置及一种拍摄设备 | |
| WO2006018056A1 (en) | Method and apparatus for detecting and correcting red-eye effect | |
| CN111723801B (zh) | 鱼眼相机图片中目标检测矫正的方法与系统 | |
| CN111080542B (zh) | 图像处理方法、装置、电子设备以及存储介质 | |
| CN111815715B (zh) | 变焦云台摄像机的标定方法、装置及存储介质 | |
| CN110087049A (zh) | 自动调焦系统、方法以及投影仪 | |
| CN113158773B (zh) | 一种活体检测模型的训练方法及训练装置 | |
| CN111815517A (zh) | 一种基于球机抓拍图片的自适应全景拼接方法 | |
| CN108717704A (zh) | 基于鱼眼图像的目标跟踪方法、计算机装置及计算机可读存储介质 | |
| WO2021056501A1 (zh) | 提取特征点的方法、可移动平台及存储介质 | |
| CN116228859A (zh) | 一种摄像机预置位偏移纠偏方法、系统、终端及介质 | |
| CN110658918B (zh) | 用于视频眼镜的眼球追踪相机的定位方法、设备及介质 | |
| CN112102926A (zh) | 一种图像处理方法、装置、设备和存储介质 | |
| WO2017101292A1 (zh) | 自动对焦的方法、装置和系统 | |
| CN111242074B (zh) | 一种基于图像处理的证件照背景替换方法 | |
| CN113744307A (zh) | 一种基于阈值动态调整的图像特征点跟踪方法和系统 | |
| CN113822927B (zh) | 一种适用弱质量图像的人脸检测方法、装置、介质及设备 | |
| CN117168344B (zh) | 单目全景环视形变监测方法、装置及计算机设备 | |
| CN113902932A (zh) | 特征提取方法、视觉定位方法及装置、介质和电子设备 | |
| CN117671033A (zh) | 一种基于夜间灯光追踪的相机像主点快速定标方法和系统 | |
| KR102138333B1 (ko) | 파노라마 영상 생성 장치 및 방법 |
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 |