CN118014921A - 一种预检测方法、介质及电子设备 - Google Patents

Abstract

本申请提供一种预检测方法、介质及电子设备。所述方法包括，在利用神经辐射场对目标场景进行建模以前：获取所述目标场景的场景图像；对所述场景图像的图像参数进行检测，以获取第一检测结果；检测所述场景图像对目标位置的图像覆盖状况，以获取第二检测结果，所述目标位置为所述目标场景内的一个或多个位置；根据所述第一检测结果和所述第二检测结果，判断所述场景图像是否满足神经辐射场建模系统的要求。所述预检测方法能够在利用神经辐射场对目标场景进行建模以前判断出当前获取的场景图像是否满足神经辐射场建模系统的要求。

Description

一种预检测方法、介质及电子设备

技术领域

本申请属于场景建模领域，涉及一种检测方法，特别是涉及一种预检测方法、介质及电子设备。

背景技术

神经辐射场(Neural Radiance Fields，NeRF)在三维目标和受控场景的建模中取得了优异的性能，其建模过程建立在现代大算力GPU(Graphics Processing Unit，图形处理器)以及海量2D场景图片的基础上。NeRF通过对场景中各种不同的角度拍摄的2D图片计算隐式的3D场景模型。其在测绘、场景展示、安防等领域有广阔的应用前景。然而，NeRF技术需要大量的2D场景图片来建模，建模时间漫长，且2D场景图片的质量问题只有在建模完成后才能直观地观察到。此种方式存在效率低下、费时费力等问题。

发明内容

本申请的目的在于提供一种预检测方法、介质及电子设备，用于解决现有神经辐射场建模技术效率低下、费时费力的问题。

第一方面，本申请提供一种预检测方法，包括，在利用神经辐射场对目标场景进行建模以前：获取所述目标场景的场景图像；对所述场景图像的图像参数进行检测，以获取第一检测结果；检测所述场景图像对目标位置的图像覆盖状况，以获取第二检测结果，所述目标位置为所述目标场景内的一个或多个位置；根据所述第一检测结果和所述第二检测结果，判断所述场景图像是否满足神经辐射场建模系统的要求。

在第一方面的一种实现方式中，所述第二检测结果包括正射缺失角度状况检测结果和/或环线缺失角度状况检测结果，检测所述场景图像对目标位置的图像覆盖状况以获取第二检测结果包括：对所述目标场景中可观测网格的正射缺失角度状况进行检测，以获取所述正射缺失角度状况检测结果；和/或对所述目标场景的环线缺失角度状况进行检测，以获取所述环线缺失角度状况检测结果。

在第一方面的一种实现方式中，对所述目标场景中可观测网格的正射缺失角度状况进行检测包括：对所述目标场景进行网格化处理，进而获取所述可观测网格；对各所述可观测网格的相机视线方向进行合并，其中，所述可观测网格的相机视线方向是指所述可观测网格到相机的方向；根据各所述可观测网格的相机视线方向的数量获取所述正射缺失角度状况检测结果。

在第一方面的一种实现方式中，所述预检测方法还包括：以热力图方式在所述目标场景的地图中显示所述正射缺失角度状况检测结果。

在第一方面的一种实现方式中，对所述目标场景的环线缺失角度状况进行检测包括：根据所述场景图像获取所述目标物体的尺寸和中心位置；根据所述目标物体的尺寸和中心位置获取多个待测点；根据各所述待测点的相机视线方向获取各所述待测点的角度覆盖状况；根据各所述待测点的角度覆盖状况获取所述环线缺失角度状况检测结果。

在第一方面的一种实现方式中，根据所述场景图像获取所述目标物体的尺寸和中心位置包括：根据多对相机拍摄的场景图像获取各对相机对应的所述目标物体的中心点和权重；根据各对相机对应的所述目标物体的中心点和权重进行加权平均处理，以获取所述目标物体的中心位置；根据各对相机对应的所述目标物体的中心点与所述目标物体的中心位置的距离，获取所述目标物体的尺寸。

在第一方面的一种实现方式中，根据所述目标物体的尺寸和中心位置获取多个待测点包括：根据所述目标物体的尺寸和中心位置构建一占位球体；从所述占位球体的表面随机获取多个点作为所述待测点。

在第一方面的一种实现方式中，对于一待测点，根据该待测点的相机视线方向获取该待测点的角度覆盖状况包括：获取该待测点的相机视线方向；对该待测点的相机视线方向进行合并；根据该待测点的相机视线方向的数量获取该待测点的角度覆盖状况。

第二方面，本申请提供一种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本申请第一方面中任一项所述的预检测方法。

第三方面，本申请提供一种电子设备，所述电子设备包括：存储器，存储有一计算机程序；处理器，与所述存储器通信相连，调用所述计算机程序时执行本申请第一方面中任一项所述的预检测方法。

如上所述，本申请实现方式中提供的预检测方法，在利用神经辐射场对目标场景进行建模以前，通过对目标场景的图像参数进行检测，以及对目标位置的图像覆盖状况进行检测，能够判断出当前获取的场景图像是否满足神经辐射场建模系统的要求。通过此种方式，可以避免经过漫长地建模过程后才发现图片存在问题，有利于提高神经辐射场建模过程的效率。

附图说明

图1显示为本申请实施例的应用场景示例图。

图2显示为本申请实施例中预检测方法的流程图。

图3显示为本实施例中获取第二检测结果的流程图。

图4A显示为本申请实施例中获取正射缺失角度状况检测结果的流程图。

图4B显示为本申请实施例中获取可观测网格的流程图。

图4C显示为本申请实施例中合并相机视线方向的流程图。

图5显示为本申请实施例中获取环线缺失角度状况检测结果的流程图。

图6显示为本申请实施例中获取目标物体的中心位置和尺寸的流程图。

图7显示为本申请实施例中获取待测点的流程图。

图8显示为本申请实施例中获取待测点的角度覆盖状况的流程图。

图9显示为本申请实施例中电子设备的结构示意图。

元件标号说明

900 电子设备

910 存储器

920 处理器

930 显示器

S21～S24 步骤

S31～S32 步骤

S41～S43 步骤

S411～S412 步骤

S51～S54 步骤

S61～S63 步骤

S71～S72 步骤

S81～S83 步骤

具体实施方式

以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本申请的基本构想，遂图式中仅显示与本申请中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

本申请以下实施例提供了一种预检测方法，应用于神经辐射场建模系统。图1显示为本申请提供的预检测方法的应用场景示例图。如图1所示，该应用场景包括多个无人机和电子设备，无人机和电子设备之间通信相连。无人机的数量可以为多个，用于从不同的角度拍摄目标场景的图像作为场景图像。电子设备用于执行预检测方法，以判断无人机拍摄的场景图像是否满足NeRF建模系统的要求。

本申请实施例中，电子设备可以包括存储模块、处理模块、显示模块和通信模块，各模块之间可以通过通信总线连接。

电子设备中的存储模块可以包括易失性存储器CVolatile Memory)，例如随机存取存储器(RandomAccess Memory，RAM)、高速缓存cache；也可以包括非易失性存储器(Non-Volatile Memory)，例如只读存储器(Read-Only Memory,ROM)、快闪存储器(FlashMemory)、硬盘(Hard Disk Drive，HDD)或固态硬盘(Solid-State Drive，SSD)。此外，存储模块还可以包括上述种类的存储器的组合。存储模块用于存储从无人机获得的场景图像，还可用于存储程序指令，以供处理模块调用并执行本申请实施例中提供的预检测方法。

电子设备中的处理模块可以包括一个或多个通用处理器，该通用处理器例如可以为中央处理器(Central Processing Unit，CPU)、神经网络处理器(Neural-networkProcessing Unit,NPU)中的一个或两个。此外，还可以包括图形处理器(GraphicsProcessing Unit,GPU)、微处理器、微控制器、主处理器、控制器以及ASIC(ApplicationSpecific Integrated Circuit，专用集成电路)等中的一个或多个。

电子设备中的通信模块可以采用无线通信方式与电子设备进行连接。该无线通信方式可以包括全球移动通讯系统(global system for mobile communications，GSM)，通用分组无线服务(general packet radio service，GPRS)，码分多址接入(codedivisionmultiple access，CDMA)，宽带码分多址(wideband code division multipleaccess，WCDMA)，时分码分多址(time-division code division multiple access，TD-SCDMA)，长期演进(long term evolution，LTE)，新无线(new radio，NR)，BT(Bluetooth，蓝牙)，GNSS(Global Navigation Satellitesystem,全球导航卫星系统)，WLAN(如Wi-Fi网络)，NFC(Near FieldCommunication，近距离无线通信技术)，FM(Frequency Modulation，调频)，和/或IR(Infrared，红外)技术等。

电子设备中的显示模块具体可包括显示屏(显示面板)。可选地，本申请实施例中可以采用液晶显示器(Liquid Crystal Display,，LCD)、有机发光二极管(Organic Light-Emitting Diode，OLED)等形式来配置显示面板。此外，显示模块还可以是触控面板(触摸屏、触控屏)，触控面板可包括显示屏和触敏表面，当触敏表面检测到在其上或附近的触摸操作后，传送给处理模块以确定触摸事件的类型，随后处理模块根据触摸事件的类型在显示模块提供相应的视觉输出。

本申请实施例中，无人机可以包括相机、通信模块、处理模块等。其中，相机设置于无人机的机体下方，用于拍摄目标场景的图像。需要说明的是，本申请实施例中以无人机作为示例进行介绍，但本申请并不以此为限。在一些其他实施例中，也可以利用其他图像采集装置采集目标场景的图像。

图2显示为本申请实施例中预检测方法的流程图。如图2所示，本申请实施例提供的预检测方法包括：在利用神经辐射场对目标场景进行建模以前，执行以下步骤S21至步骤S24。

S21，获取目标场景的场景图像。该场景图像例如可以由图1所示无人机等图像采集设备对目标场景从多个角度进行拍摄得到，其数量为多张。

S22，对场景图像的图像参数进行检测，以获取第一检测结果。

S23，检测场景图像对目标位置的图像覆盖状况，以获取第二检测结果。其中，目标位置为目标场景内的一个或多个位置。

S24，根据第一检测结果和第二检测结果，判断场景图像是否满足神经辐射场建模系统的要求。若满足，则可以利用神经辐射场建模系统对场景图像进行处理。若不满足，则无需利用神经辐射场建模系统对场景图像进行处理，并可以根据检测结果建议用户有针对性地补拍图像。

根据以上描述可知，本申请实施例中提供的预检测方法，在利用神经辐射场对目标场景进行建模以前，通过对目标场景的图像参数进行检测，以及对目标位置的图像覆盖状况进行检测，能够判断出当前获取的场景图像是否满足神经辐射场建模系统的要求。通过此种方式，可以避免经过漫长地建模过程后才发现图片存在问题，有利于提高神经辐射场建模过程的效率。

于本申请的一实施例中，场景图像的图像参数包括图像的清晰度和/或图像是否包含必要的相机位姿信息，该相机位姿信息例如为GPS信息，云台的Pitch(倾斜)、Roll(转动)和Yaw(偏航)信息，差分定位数据等。其中，相机位姿信息例如可以通过图片的exif信息得到。

可选地，本申请实施例中可以使用sobel(索贝尔)算子检测场景图像的清晰度，但本申请并不以此为限。

于本申请的一实施例中，第二检测结果包括正射缺失角度状况检测结果和/或环线缺失角度状况检测结果。图3显示为本申请实施例中检测场景图像对目标位置的图像覆盖状况以获取第二检测结果的流程图。如图3所示，本申请实施例中检测场景图像对目标位置的图像覆盖状况包括以下步骤S31和/或步骤S32。

S31，对目标场景中可观测网格的正射缺失角度状况进行检测，以获取正射缺失角度状况检测结果。其中，正射角度可以根据实际需求进行定义，本申请实施例中可以将云台欧拉角的pitch<-85°的图像作为正摄图像。

S32，对目标场景的环线缺失角度状况进行检测，以获取环线缺失角度状况检测结果。

需要说明的是，上述标号S31和S32仅用于区分不同的步骤，而非用于限制这些步骤之间的先后执行顺序。例如，在一些实现方式中可以先执行步骤S32再执行步骤S31，在另外一些实施方式中也可以只执行步骤S31或步骤S32。

可选地，图4A显示为本申请实施例中对目标场景中可观测网格的正射缺失角度状况进行检测的方法。如图4A所示，本申请实施例中检测正射缺失角度状况的方法包括以下步骤S41至步骤S43。

S41，对目标场景进行网格化处理，进而获取可观测网格。

可选地，本申请实施例中可以根据正射图像拍摄时的yaw信息、相机世界坐标，将视场内的网格标记为可观测网格。图4B显示为本申请实施例中获取可观测网格的一种实现方法的流程图。如图4B所示，本申请实施例中获取可观测网格的过程包括以下步骤S411至步骤S413。

S411，对目标场景中进行网格化处理，以获取多个网格。网格的具体尺寸可以根据实际需求设置，网格的形状例如可以为矩形，但本申请并不以此为限。

S412，计算目标场景中的每个网格是否在相机的视场矩形内。

S413，将位于视场矩形内的网格标记为可观测网格。后续处理过程可以只针对可观测网格进行，以便提高处理速度和处理精度。

需要说明的是，以上步骤S411至步骤S413仅为本申请中获取可观测网格的一种可行方式，但本申请并不以此为限。

S42，对各可观测网格的相机视线方向进行合并。其中，可观测网格的相机视线方向是指可观测网格到相机的方向，例如，可以为可观测网格的中心点到相机中心点的方向。具体地，对于任一可观测网格，其场景图像可能由一个或多个相机在不同位置拍摄得到。因此，该可观测网格的每一场景图像均对应于一个相机视线方向，由该可观测网格指向对应图像拍摄时的相机。例如，若可观测网格A有三张场景图像p1、p2和p3，相机在拍摄该三张场景图像时分别位于w1、w2和w3的位置，则该可观测网格A具有三个相机视线方向，分别由该可观测网格A的中心点c_A指向w1、w2和w3。

可选地，于步骤S42中，对于每个可观测网格，可以合并其夹角小于一角度阈值的相机视线方向，直到该可观测网格的任意两条相机视线方向之间的夹角均不小于该角度阈值。其中，该角度阈值可以根据实际需求设置，例如可以为15°。

S43，根据各可观测网格的相机视线方向的数量获取正射缺失角度状况检测结果。具体地，在经过步骤S42的合并处理之后，于步骤S43中可以将各可观测网格的相机视线方向的数量作为第一评价指标来评价各可观测网格的正射缺失角度状况。如图4C所示，一可观测网格有四条相机视线方向L1至L4，其中L2和L3之间的夹角小于15°，于步骤S42中可以将L2和L3合并为L5，此时L1、L5和L4之间的两两夹角均不小于15°。基于此，该可观测网格的第一评价指标为3。

此外，为提升结果的可靠性，可以为第一评价指标配置一阈值，该阈值例如为10。当可观测网格的相机视线方向的数量大于10时，将第一评价指标配置为10；当可观测网格的相机视线方向的数量小于或等于10时，将第一评价指标配置为可观测网格的相机视线方向的数量。

可选地，在步骤S43之后，本公开实施例的预检测方法还可以包括：计算所有可观测网格的第一评价指标的均值来衡量目标场景的正射缺失角度状况。

可选地，在步骤S43之后，本公开实施例的预检测方法还可以包括：以热力图方式在目标场景的地图中显示正射缺失角度状况检测结果。

图5显示为本申请一实施例中对目标场景的环线缺失角度状况进行检测的流程图。如图5所示，本申请实施例中对目标场景的环线缺失角度状况进行检测包括以下步骤S51至步骤S54。

S51，根据场景图像获取目标物体的尺寸和中心位置。其中，目标物体为目标场景中的一个或多个物体。

S52，根据目标物体的尺寸和中心位置获取多个待测点。

S53，根据各待测点的相机视线方向获取各待测点的角度覆盖状况。具体地，可以根据各待测点的相机视线方向的数量获取各待测点对应的第二评价指标，该第二评价指标用于表示各待测点的角度覆盖状况。

S54，根据各待测点的角度覆盖状况获取环线缺失角度状况检测结果。具体地，可以获取各待测点的第二评价指标的平均值，利用该平均值评价目标物体的环线缺失角度状况检测结果。

图6显示为本申请实施例中根据场景图像获取目标物体的尺寸和中心位置的流程图。如图6所示，本申请实施例中根据场景图像获取目标物体的尺寸和中心位置包括以下步骤S61至步骤S63。

S61，根据多对相机拍摄的场景图像获取各对相机对应的目标物体的中心点和权重。例如，假设有M个不同位置的相机，从M个相机中随机选取两个相机构成一对，总共选择N对相机，其中M和N均为正整数，且N≤M。根据该N对相机拍摄的场景图像即可获取各对相机对应的目标物体的中心点和权重。

可选地，于步骤S61中，对于任一对相机C1和C2，获取相机C1和C2的视线方向射线上最近点的位置，其中，相机的视线方向射线是指相机的视线方向所在的射线。该两个最近点的中心点即为该对相机C1和C2对应的目标物体的中心点。相机C1和C2的视线方向射线的单位向量的叉积的平方即为该对相机C1和C2对应的权重。通过此种方式可以获取N个中心点和N个权重。

需要说明的是，以上获取C1和C2对应的目标物体的中心点和权重的方法仅为本申请实施例的一种可行方式，但本申请并不限于此。

S62，根据各对相机对应的目标物体的中心点和权重进行加权平均处理，以获取目标物体的中心位置。

S63，根据各对相机对应的目标物体的中心点与目标物体的中心位置的距离，获取目标物体的尺寸。例如，本申请实施例中可以分别计算N个中心点与目标物体的中心位置的距离，并按照从小到大的顺序进行排序，然后选取这些距离中较小的一半计算平均值，该平均值即可作为目标物体的尺寸。

可选地，图7显示为本申请实施例中根据目标物体的尺寸和中心位置获取多个待测点的流程图。如图7所示，本申请实施例中获取多个待测点包括以下步骤S71和S72。

S71，根据目标物体的尺寸和中心位置构建一占位球体。例如，可以将目标物体的中心位置作为原点，将目标物体的尺寸作为半径，进而可以构建该占位球体。

S72，从占位球体的表面随机获取多个点作为待测点。可选地，于步骤S72中可以从占位球体的表面随机选取K个点作为待测点，K为正整数。

可选地，对于任一待测点，图8显示为本申请实施例中根据该待测点的相机视线方向获取该待测点的角度覆盖状况的流程图。如图8所示，获取该待测点的角度覆盖状况包括以下步骤S81至步骤S83。

S81，获取该待测点的相机视线方向。其中，该待测点的相机视线方向是指该待测点到相机的方向，其数量为多个。

S82，对该待测点的相机视线方向进行合并。具体地，对于该待测点，可以合并其夹角小于一角度阈值的相机视线方向，直到该待测点的任意两条相机视线方向之间的夹角均不小于该角度阈值。

S83，根据该待测点的相机视线方向的数量获取该待测点的角度覆盖状况。具体地，在步骤S82中对相机视线方向合并完成之后，于步骤S83中可以获取该待测点的相机视线方向的数量作为第二评价指标。

可选地，为提升结果的可靠性，可以为第二评价指标配置一阈值，该阈值例如为10。当该待测点的相机视线方向的数量大于10时，将第二评价指标配置为10；当该待测点的相机视线方向的数量小于或等于10时，将第二评价指标配置为可观测网格的相机视线方向的数量。

可选地，本申请实施例中，对于任一待测点，预检测方法还可以包括：根据相机的位姿和视场角判断该待测点是否在相机的视野内。

可选地，本申请实施例提供的预检测方法还可以包括：结合地图技术，用热力图显示各方位的第二评价指标和占位球体。

基于以上对预检测方法的描述，本申请还提供一种神经辐射场建模方法。该方法包括：获取目标场景的场景图像；对场景图像的图像参数进行检测，以获取第一检测结果；检测场景图像对目标位置的图像覆盖状况，以获取第二检测结果，目标位置为目标场景内的一个或多个位置；根据第一检测结果和第二检测结果，判断场景图像是否满足神经辐射场建模系统的要求；若满足，则利用神经辐射场建模系统对场景图像进行处理，以获取目标场景的三维模型；若不满足，终止建模过程，并可以提示用户有针对性地补充场景图像。

本申请实施例的预检测方法和神经辐射场建模方法的保护范围不限于本实施例列举的步骤执行顺序，凡是根据本申请的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本申请的保护范围内。

基于以上对预检测方法的描述，本申请还提供一种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本申请任一实施例所述的预检测方法和/或神经辐射场建模方法。

本申请中，可以采用一个或多个存储介质的任意组合。存储介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机盘、硬盘、RAM、ROM、可擦式可编程只读存储器、光纤、便携式紧凑盘只读存储器、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

基于以上对预检测方法的描述，本申请还提供一种电子设备。图9显示为本申请一实施例中电子设备900的结构示意图。如图9所示，本实施例中电子设备900包括存储器910和处理器920。

存储器910用于存储计算机程序；优选地，存储器910包括：ROM、RAM、磁碟、U盘、存储卡或者光盘等各种可以存储程序代码的介质。

处理器920与存储器910相连，用于执行存储器910存储的计算机程序，以使电子设备900执行预检测方法和/或神经辐射场建模方法。

可选地，本实施例中电子设备900还可以包括显示器930。显示器930与存储器910和处理器920通信相连，用于显示预检测方法和/或神经辐射场建模方法的相关GUI交互界面。

综上所述，本申请实施例中提供的预检测方法，在利用神经辐射场对目标场景进行建模以前，通过对目标场景的图像参数进行检测，以及对目标位置的图像覆盖状况进行检测，能够判断出当前获取的场景图像是否满足神经辐射场建模系统的要求。通过此种方式，可以避免经过漫长地建模过程后才发现图片存在问题，有利于提高神经辐射场建模过程的效率。因此，本申请有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本申请的原理及其功效，而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本申请的权利要求所涵盖。

Claims (10)

1.一种预检测方法，其特征在于，包括，在利用神经辐射场对目标场景进行建模以前：

获取所述目标场景的场景图像；

对所述场景图像的图像参数进行检测，以获取第一检测结果；

检测所述场景图像对目标位置的图像覆盖状况，以获取第二检测结果，所述目标位置为所述目标场景内的一个或多个位置；

根据所述第一检测结果和所述第二检测结果，判断所述场景图像是否满足神经辐射场建模系统的要求。

2.根据权利要求1所述的预检测方法，其特征在于，所述第二检测结果包括正射缺失角度状况检测结果和/或环线缺失角度状况检测结果，检测所述场景图像对目标位置的图像覆盖状况以获取第二检测结果包括：

对所述目标场景中可观测网格的正射缺失角度状况进行检测，以获取所述正射缺失角度状况检测结果；和/或

对所述目标场景的环线缺失角度状况进行检测，以获取所述环线缺失角度状况检测结果。

3.根据权利要求2所述的预检测方法，其特征在于，对所述目标场景中可观测网格的正射缺失角度状况进行检测包括：

对所述目标场景进行网格化处理，进而获取所述可观测网格；

对各所述可观测网格的相机视线方向进行合并，其中，所述可观测网格的相机视线方向是指所述可观测网格到相机的方向；

根据各所述可观测网格的相机视线方向的数量获取所述正射缺失角度状况检测结果。

4.根据权利要求3所述的预检测方法，其特征在于，还包括：以热力图方式在所述目标场景的地图中显示所述正射缺失角度状况检测结果。

5.根据权利要求2所述的预检测方法，其特征在于，对所述目标场景的环线缺失角度状况进行检测包括：

根据所述场景图像获取所述目标物体的尺寸和中心位置；

根据所述目标物体的尺寸和中心位置获取多个待测点；

根据各所述待测点的相机视线方向获取各所述待测点的角度覆盖状况；

根据各所述待测点的角度覆盖状况获取所述环线缺失角度状况检测结果。

6.根据权利要求5所述的预检测方法，其特征在于，根据所述场景图像获取所述目标物体的尺寸和中心位置包括：

根据多对相机拍摄的场景图像获取各对相机对应的所述目标物体的中心点和权重；

根据各对相机对应的所述目标物体的中心点和权重进行加权平均处理，以获取所述目标物体的中心位置；

根据各对相机对应的所述目标物体的中心点与所述目标物体的中心位置的距离，获取所述目标物体的尺寸。

7.根据权利要求5所述的预检测方法，其特征在于，根据所述目标物体的尺寸和中心位置获取多个待测点包括：

根据所述目标物体的尺寸和中心位置构建一占位球体；

从所述占位球体的表面随机获取多个点作为所述待测点。

8.根据权利要求5所述的预检测方法，其特征在于，对于一待测点，根据该待测点的相机视线方向获取该待测点的角度覆盖状况包括：

获取该待测点的相机视线方向；

对该待测点的相机视线方向进行合并；

根据该待测点的相机视线方向的数量获取该待测点的角度覆盖状况。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该计算机程序被处理器执行时实现权利要求1至8中任一项所述的预检测方法。

10.一种电子设备，其特征在于，所述电子设备包括：

存储器，存储有一计算机程序；

处理器，与所述存储器通信相连，调用所述计算机程序时执行权利要求1至8中任一项所述的预检测方法。