CN118089674A - 一种基于夜间影像的距离及方位测量系统 - Google Patents
一种基于夜间影像的距离及方位测量系统 Download PDFInfo
- Publication number
- CN118089674A CN118089674A CN202410407384.2A CN202410407384A CN118089674A CN 118089674 A CN118089674 A CN 118089674A CN 202410407384 A CN202410407384 A CN 202410407384A CN 118089674 A CN118089674 A CN 118089674A
- Authority
- CN
- China
- Prior art keywords
- image
- night
- unit
- target identification
- undirected graph
- 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.)
- Granted
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 238000010276 construction Methods 0.000 claims abstract description 25
- 238000007781 pre-processing Methods 0.000 claims abstract description 25
- 230000003993 interaction Effects 0.000 claims abstract description 21
- 238000000605 extraction Methods 0.000 claims abstract description 18
- 238000005286 illumination Methods 0.000 claims description 48
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 11
- 230000004297 night vision Effects 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 7
- 230000004438 eyesight Effects 0.000 claims description 5
- 238000002834 transmittance Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 230000002708 enhancing effect Effects 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及距离及方位测量技术领域,具体为一种基于夜间影像的距离及方位测量系统,包括特征匹配单元、坐标计算单元、无向图构建单元和用户交互单元,还包括:影像采集单元,所述影像采集单元用于通过摄像机对夜间的目标区域进行影像采集,从而得到夜间影像,并将所述夜间影像传输至影像预处理单元,并获取所述摄像机的投影模型和外部参数,将所述摄像机的投影模型和外部参数传输至坐标计算单元。本发明通过影像预处理单元采用图像去噪和增强操作,从而能够有效地提高夜间影像的质量,减少图像中的噪声和干扰,增强目标的可见性和清晰度,并且去除噪声和增强目标的细节可以使特征点更加明显和准确,有助于提高特征提取和匹配的效果。
Description
技术领域
本发明涉及距离及方位测量技术领域,具体涉及一种基于夜间影像的距离及方位测量系统。
背景技术
夜间影像是指在夜晚或光线较暗的环境下获取的影像数据,由于光线条件较差,在夜间影像中目标的可见性较低,通常需要特殊的处理和增强技术来改善图像质量,提高目标的清晰度和识别能力,夜间影像在许多应用中起着重要作用,帮助人们在黑暗环境下获取必要的信息并进行有效的观察和分析。
传统系统在处理夜间影像时,由于噪声和干扰较多,容易导致测量结果的质量不稳定,影响后续数据处理和分析的准确性,而且传统系统在目标识别和特征提取方面可能存在困难,夜间影像中目标的可见性和清晰度较低,导致特征点提取不准确,进而影响匹配的效果,并且传统系统通常需要较多的人工干预来完成距离及方位的测量工作,这不仅增加了工作量,也容易引入人为误差,降低测量的准确性。
发明内容
本发明目的是针对背景技术中存在的问题,提出一种基于夜间影像的距离及方位测量系统。
本发明的技术方案:一种基于夜间影像的距离及方位测量系统,包括特征匹配单元、坐标计算单元、无向图构建单元和用户交互单元,还包括:
影像采集单元,所述影像采集单元用于通过摄像机对夜间的目标区域进行影像采集,从而得到夜间影像,并将所述夜间影像传输至影像预处理单元,并获取所述摄像机的投影模型和外部参数,将所述摄像机的投影模型和外部参数传输至坐标计算单元;
影像预处理单元,所述影像预处理单元对影像采集单元传输的所述夜间影像进行接收,并对所述夜间影像进行预处理操作,从而得到标准夜间影像,所述预处理操作包括图像去噪和图像增强操作,并将所述标准夜间影像传输至特征提取单元和特征匹配单元;
特征提取单元,所述特征提取单元对影像预处理单元传输的所述标准夜间影像进行接收,并通过目标识别算法识别所述标准夜间影像中各个目标标识点,从而得到所述标准夜间影像中多个目标标识点的标注,将所述标准夜间影像中多个目标标识点的标注传输至特征匹配单元。
优选的,所述特征匹配单元对特征提取单元传输的所述标准夜间影像中多个目标标识点的标注进行接收,并通过计算机视觉技术对所述多个目标标识点进行特征提取,从而得到所述多个目标标识点的特征参数,通过K近邻算法将所述多个目标标识点的特征参数与所述标准夜间影像中的其他局部区域的特征参数进行匹配,从而得到所述多个目标标识点在所述标准夜间影像中的对应位置,并基于所述对应位置确定所述多个目标标识点在所述标准夜间影像中的像素坐标,将所述多个目标标识点在所述标准夜间影像中的像素坐标传输至坐标计算单元。
优选的,所述坐标计算单元对特征匹配单元传输的所述多个目标标识点在所述标准夜间影像中的像素坐标和影像采集单元传输的所述摄像机的投影模型和外部参数进行接收,并基于所述摄像机的投影模型将所述多个目标标识点在所述标准夜间影像中的像素坐标转换为相机坐标系中的相机坐标,且基于摄像机的外部参数将所述相机坐标转换为世界坐标系中的世界坐标,并将所述世界坐标传输至无向图构建单元。
优选的,所述无向图构建单元对坐标计算单元传输的所述世界坐标进行接收,并将所述多个目标标识点作为无向图的节点,且将所述多个目标标识点的连接关系作为无向图的边,从而得到测量无向图,并基于所述世界坐标通过欧氏距离计算所述测量无向图中各个节点之间的距离,将所述距离作为所述测量无向图的第一边权值,且基于所述世界坐标通过欧氏距离计算各个节点之间的水平距离和垂直距离,并利用反三角函数计算所述水平距离和垂直距离之间的夹角,将所述夹角作为所述测量无向图的第二边权值,从而得到带权无向图,将所述带权无向图传输至用户交互单元。
优选的,所述用户交互单元对无向图构建单元传输的所述带权无向图进行接收,并将所述带权无向图以可视化的方式进行展示,且通过交互界面与所述带权无向图进行交互操作,所述交互操作包括查询特定节点的信息和查看特定节点的第一权值和第二权值。
优选的,所述影像采集单元中,获取所述摄像机的投影模型和外部参数,包括以下步骤:
C1、通过标定板捕获投影图像,在所述投影图像中检测标定板上的标定点,基于实际世界中所述标定板的尺寸,计算出所述投影图像中所述标定点的像素坐标;
C2、通过所述投影图像中所述标定点的像素坐标和实际世界中标定点的三维坐标,通过标定算法计算所述摄像机的内参,所述内参包括焦距、主点坐标和畸变参数;
C3、通过PnP算法利用所述摄像机的内参、所述标定点的像素坐标和对应的世界坐标求解所述摄像机的外参,从而得到所述摄像机的外参;
C4、根据所述摄像机的内参和外参,计算所述摄像机的投影模型,从而得到所述摄像机的投影模型,通过所述投影模型将三维空间中的点映射到二维图像平面上。
优选的,所述影像预处理单元中,图像去噪操作包括以下步骤:
A1、通过预设窗口在所述夜间影像上进行移动,且选取所述预设窗口中最小像素作为所述预设窗口所对应位置的暗通道像素值,从而得到所述夜间影像的初始暗通道图像;
A2、采用引导滤波对所述初始暗通道图像进行降噪声,从而得到平滑暗通道图像;
A3、对所述平滑暗通道图像进行全局亮度估计,从而确定所述平滑暗通道图像的亮度水平,基于所述亮度水平选取全局大气光照;
A4、将所述全局大气光照限定预设范围内,从而得到最终的全局大气光照估计值;
A5、基于所述最终的全局大气光照估计值计算出透射率,并基于所述透射率求取去噪图像,所述去噪图像表达式如下:
;
其中,表示去噪图像,表示夜间影像,表示最终的全局大气光照估计
值,表示透射率,表示的下限阈值;
A6、基于伽马校正函数对所述去噪图像的光照进行调整,从而得到光照均匀的去噪图像。
优选的,所述影像预处理单元中,图像增强操作包括以下步骤:
B1、将所述光照均匀的去噪图像拆分为R,G,B通道;
B2、将所述光照均匀的去噪图像的低光照区域单独拆分,并计算非低光照区域的亮度均值;
B3、计算所述R,G,B通道中的所有像素的均值,所述均值表达式如下:
;
其中,表示所有像素的均值,表示光照均匀的去噪图像的宽,表示光照均匀
的去噪图像的高,和表示光照均匀的去噪图像的像素坐标,表示的下限阈值,
表示待计算的像素;
B4、将所有像素的均值与所述非低光照区域的亮度均值进行比较,若所有像素的均值大于所述非低光照区域的亮度均值,则计算调节因子,所述调节因子表达式如下:
;
其中,、和分别表示R,G,B通道的调节因子,、和分别
表示R,G,B通道的像素的均值,K表示非低光照区域的亮度均值;
B5、基于所述调节因子对所述R,G,B通道的亮度进行调整,从而得到标准夜间影像。
优选的,所述特征匹配单元中,通过K近邻算法将所述多个目标标识点的特征参数与所述标准夜间影像中的其他局部区域的特征参数进行匹配,从而得到所述多个目标标识点在所述标准夜间影像中的对应位置,包括以下步骤:
D1、通过余弦相似度计算目标标识点的特征参数与标准夜间影像中局部区域的特征参数之间的相似度;
D2、基于所述相似度选择与目标标识点最接近的K个局部区域;
D3、根据K个局部区域的位置信息,采用加权平均的方法确定所述目标标识点在所述标准夜间影像中的对应位置。
优选的,所述无向图构建单元包括节点构建模块、边连接模块、权值计算模块和带权无向图生成模块;
所述节点构建模块用于将接收到的多个目标标识点作为无向图的节点;
所述边连接模块用于根据目标标识点之间的连接关系,构建无向图的边;
所述权值计算模块用于基于世界坐标利用欧氏距离计算测量无向图中各个节点之间的距离,并将其作为第一边权值,通过欧氏距离计算各个节点之间的水平距离和垂直距离,利用反三角函数计算夹角,并将夹角作为第二边权值;
所述带权无向图生成模块用于将节点、边和对应的第一边权值和第二边权值进行整合,从而生成带权无向图。
与现有技术相比,本发明的上述技术方案具有如下有益的技术效果:
1、 本发明通过影像预处理单元采用图像去噪和增强操作,从而能够有效地提高夜间影像的质量,减少图像中的噪声和干扰,增强目标的可见性和清晰度,并且去除噪声和增强目标的细节可以使特征点更加明显和准确,有助于提高特征提取和匹配的效果,通过特征匹配单元采用特征匹配和K近邻算法,可以精确地确定目标标识点在标准夜间影像中的位置,从而提供准确的像素坐标信息,并且通过计算机视觉技术实现,能够自动化和高效地完成,减少人工干预,提高数据处理的效率和准确性。
2、 本发明通过无向图构建单元将目标标识点作为无向图的节点,并考虑节点之间的连接关系和距离,构建带权无向图能够提供更加丰富和全面的信息,有助于用户对目标之间的关系和结构有更深入的理解,而且通过欧氏距离计算节点之间的距离以及计算夹角,带权无向图能够准确描述节点之间的空间关系,包括距离和方位,通过用户交互单元以可视化方式展示带权无向图,用户能够直观地理解复杂的节点关系和权值分布,从而更好地把握整体情况。
附图说明
图1为本发明提出的一种实施例中的整体系统流程示意图;
图2为本发明提出的一种实施例中的图像去噪操作流程示意图;
图3为本发明提出的一种实施例中的图像增强操作流程示意图;
图4为本发明提出的一种实施例中的获取投影模型和外部参数流程示意图;
图5为本发明提出的一种实施例中的特征参数匹配流程示意图;
图6为本发明提出的一种实施例中的无向图构建单元内部模块框图。
附图标记:1、影像采集单元;2、影像预处理单元;3、特征提取单元;4、特征匹配单元;5、坐标计算单元;6、无向图构建单元;601、节点构建模块;602、边连接模块;603、权值计算模块;604、带权无向图生成模块;7、用户交互单元。
具体实施方式
实施例一,如图1所示,本发明提出的一种基于夜间影像的距离及方位测量系统,包括特征匹配单元4、坐标计算单元5、无向图构建单元6和用户交互单元7,还包括:
影像采集单元1,影像采集单元1用于通过摄像机对夜间的目标区域进行影像采集,从而得到夜间影像,并将夜间影像传输至影像预处理单元2,并获取摄像机的投影模型和外部参数,将摄像机的投影模型和外部参数传输至坐标计算单元5;
影像预处理单元2,影像预处理单元2对影像采集单元1传输的夜间影像进行接收,并对夜间影像进行预处理操作,从而得到标准夜间影像,预处理操作包括图像去噪和图像增强操作,并将标准夜间影像传输至特征提取单元3和特征匹配单元4;
特征提取单元3,特征提取单元3对影像预处理单元2传输的标准夜间影像进行接收,并通过目标识别算法识别标准夜间影像中各个目标标识点,从而得到标准夜间影像中多个目标标识点的标注,将标准夜间影像中多个目标标识点的标注传输至特征匹配单元4。
本发明中,目标识别算法采用YOLO目标检测框架,YOLO目标检测框架是将目标检测问题转化为单个神经网络的回归问题,通过该网络直接预测边界框和类别概率,从而实现对目标的快速检测和定位。
在一个可选的实施例中,特征匹配单元4对特征提取单元3传输的标准夜间影像中多个目标标识点的标注进行接收,并通过计算机视觉技术对多个目标标识点进行特征提取,从而得到多个目标标识点的特征参数,通过K近邻算法将多个目标标识点的特征参数与标准夜间影像中的其他局部区域的特征参数进行匹配,从而得到多个目标标识点在标准夜间影像中的对应位置,并基于对应位置确定多个目标标识点在标准夜间影像中像素坐标,将多个目标标识点在标准夜间影像中像素坐标传输至坐标计算单元5。
需要说明的是,计算机视觉技术是一种利用计算机对图像和视频进行理解、分析和处理的技术,它主要包括图像处理、模式识别、机器学习和深度学习等多个领域的知识,旨在让计算机系统能够“看懂”图像和视频,从中提取有用的信息和特征;目标标识点的特征参数包括但不限于颜色特征、纹理特征、形状特征、结构特征、尺度不变特征和局部描述子。
在一个可选的实施例中,坐标计算单元5对特征匹配单元4传输的多个目标标识点在标准夜间影像中像素坐标和影像采集单元1传输的摄像机的投影模型和外部参数进行接收,并基于摄像机的投影模型将多个目标标识点在标准夜间影像中像素坐标转换为相机坐标系中的相机坐标,且基于摄像机的外部参数将相机坐标转换为世界坐标系中的世界坐标,并将世界坐标传输至无向图构建单元6。
需要说明的是,像素坐标是用来描述图像中点的位置的坐标系统,在二维图像中,通常使用横向和纵向像素坐标来表示一个点的位置;相机坐标系是相对于摄像机本身的坐标系统,用于描述物体相对于摄像机的位置和方向,通常以摄像机的光学中心为坐标原点,摄像机的朝向为坐标轴方向,可以用三维坐标(X,Y,Z)来表示;世界坐标系是用来描述物体在真实世界中位置的坐标系统,它是一个全局坐标系,通常以某一固定点为原点,定义了物体在三维空间中的位置,通常用三维坐标(X,Y,Z)来表示物体在世界坐标系中的位置。
在一个可选的实施例中,无向图构建单元6对坐标计算单元5传输的世界坐标进行接收,并将多个目标标识点作为无向图的节点,且将多个目标标识点的连接关系作为无向图的边,从而得到测量无向图,并基于世界坐标通过欧氏距离计算测量无向图中各个节点之间的距离,将距离作为测量无向图的第一边权值,且基于世界坐标通过欧氏距离计算各个节点之间的水平距离和垂直距离,并利用反三角函数计算水平距离和垂直距离之间的夹角,将夹角作为测量无向图的第二边权值,从而得到带权无向图,将带权无向图传输至用户交互单元7。
在一个可选的实施例中,用户交互单元7对无向图构建单元6传输的带权无向图进行接收,并将带权无向图以可视化的方式进行展示,且通过交互界面与带权无向图进行交互操作,交互操作包括查询特定节点的信息和查看特定节点的第一权值和第二权值。
实施例二,如图2-6所示,本发明提出的一种基于夜间影像的距离及方位测量系统,相较于实施例一,本实施例还包括:
影像采集单元1中,获取摄像机的投影模型和外部参数,包括以下步骤:
C1、通过标定板捕获投影图像,在投影图像中检测标定板上的标定点,基于实际世界中标定板的尺寸,计算出投影图像中标定点的像素坐标;
C2、通过投影图像中标定点的像素坐标和实际世界中标定点的三维坐标,通过标定算法计算摄像机的内参,内参包括焦距、主点坐标和畸变参数;
C3、通过PnP算法利用摄像机的内参、标定点的像素坐标和对应的世界坐标求解摄像机的外参,从而得到摄像机的外参;
C4、根据摄像机的内参和外参,计算摄像机的投影模型,从而得到摄像机的投影模型,通过投影模型将三维空间中的点映射到二维图像平面上。
在一个可选的实施例中,影像预处理单元2中,图像去噪操作包括以下步骤:
A1、通过预设窗口在夜间影像上进行移动,且选取预设窗口中最小像素作为所述预设窗口所对应位置的暗通道像素值,从而得到夜间影像的初始暗通道图像;
A2、采用引导滤波对初始暗通道图像进行降噪声,从而得到平滑暗通道图像;
A3、对平滑暗通道图像进行全局亮度估计,从而确定平滑暗通道图像的亮度水平,基于亮度水平选取全局大气光照;
A4、将全局大气光照限定预设范围内,从而得到最终的全局大气光照估计值;
A5、基于最终的全局大气光照估计值计算出透射率,并基于透射率求取去噪图像,去噪图像表达式如下:
;
其中,表示去噪图像,表示夜间影像,表示最终的全局大气光照估计
值,表示透射率,表示的下限阈值;
A6、基于伽马校正函数对去噪图像的光照进行调整,从而得到光照均匀的去噪图像。
在一个可选的实施例中,影像预处理单元2中,图像增强操作包括以下步骤:
B1、将光照均匀的去噪图像拆分为R,G,B通道;
B2、将光照均匀的去噪图像的低光照区域单独拆分,并计算非低光照区域的亮度均值;
B3、计算R,G,B通道中的所有像素的均值,均值表达式如下:
;
其中,表示所有像素的均值,表示光照均匀的去噪图像的宽,表示光照均匀
的去噪图像的高,和表示光照均匀的去噪图像的像素坐标,表示的下限阈值,
表示待计算的像素;
B4、将所有像素的均值与非低光照区域的亮度均值进行比较,若所有像素的均值大于非低光照区域的亮度均值,则计算调节因子,调节因子表达式如下:
;
其中,、和分别表示R,G,B通道的调节因子,、和分别
表示R,G,B通道的像素的均值,K表示非低光照区域的亮度均值;
B5、基于调节因子对R,G,B通道的亮度进行调整,从而得到标准夜间影像。
在一个可选的实施例中,特征匹配单元4中,通过K近邻算法将多个目标标识点的特征参数与标准夜间影像中的其他局部区域的特征参数进行匹配,从而得到多个目标标识点在标准夜间影像中的对应位置,包括以下步骤:
D1、通过余弦相似度计算目标标识点的特征参数与标准夜间影像中局部区域的特征参数之间的相似度;
D2、基于相似度选择与目标标识点最接近的K个局部区域;
D3、根据K个局部区域的位置信息,采用加权平均的方法确定目标标识点在标准夜间影像中的对应位置。
在一个可选的实施例中,无向图构建单元6包括节点构建模块601、边连接模块602、权值计算模块603和带权无向图生成模块604;
节点构建模块601用于将接收到的多个目标标识点作为无向图的节点;
边连接模块602用于根据目标标识点之间的连接关系,构建无向图的边;
权值计算模块603用于基于世界坐标利用欧氏距离计算测量无向图中各个节点之间的距离,并将其作为第一边权值,通过欧氏距离计算各个节点之间的水平距离和垂直距离,利用反三角函数计算夹角,并将夹角作为第二边权值;
带权无向图生成模块604用于将节点、边和对应的第一边权值和第二边权值进行整合,从而生成带权无向图。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于此,在所属技术领域的技术人员所具备的知识范围内,在不脱离本发明宗旨的前提下还可以作出各种变化。
Claims (8)
1.一种基于夜间影像的距离及方位测量系统,包括特征匹配单元(4)、坐标计算单元(5)、无向图构建单元(6)和用户交互单元(7),其特征在于:
影像采集单元(1),所述影像采集单元(1)用于通过摄像机对夜间的目标区域进行影像采集,从而得到夜间影像,并将所述夜间影像传输至影像预处理单元(2),并获取所述摄像机的投影模型和外部参数,将所述摄像机的投影模型和外部参数传输至坐标计算单元(5);
影像预处理单元(2),所述影像预处理单元(2)对影像采集单元(1)传输的所述夜间影像进行接收,并对所述夜间影像进行预处理操作,从而得到标准夜间影像,所述预处理操作包括图像去噪和图像增强操作,并将所述标准夜间影像传输至特征提取单元(3)和特征匹配单元(4);
特征提取单元(3),所述特征提取单元(3)对影像预处理单元(2)传输的所述标准夜间影像进行接收,并通过目标识别算法识别所述标准夜间影像中各个目标标识点,从而得到所述标准夜间影像中多个目标标识点的标注,将所述标准夜间影像中多个目标标识点的标注传输至特征匹配单元(4)。
2.根据权利要求1所述的一种基于夜间影像的距离及方位测量系统,其特征在于:所述特征匹配单元(4)对特征提取单元(3)传输的所述标准夜间影像中多个目标标识点的标注进行接收,并通过计算机视觉技术对所述多个目标标识点进行特征提取,从而得到所述多个目标标识点的特征参数,通过K近邻算法将所述多个目标标识点的特征参数与所述标准夜间影像中的其他局部区域的特征参数进行匹配,从而得到所述多个目标标识点在所述标准夜间影像中的对应位置,并基于所述对应位置确定所述多个目标标识点在所述标准夜间影像中的像素坐标,将所述多个目标标识点在所述标准夜间影像中的像素坐标传输至坐标计算单元(5);
所述坐标计算单元(5)对特征匹配单元(4)传输的所述多个目标标识点在所述标准夜间影像中的像素坐标和影像采集单元(1)传输的所述摄像机的投影模型和外部参数进行接收,并基于所述摄像机的投影模型将所述多个目标标识点在所述标准夜间影像中的像素坐标转换为相机坐标系中的相机坐标,且基于摄像机的外部参数将所述相机坐标转换为世界坐标系中的世界坐标,并将所述世界坐标传输至无向图构建单元(6)。
3.根据权利要求2所述的一种基于夜间影像的距离及方位测量系统,其特征在于:所述无向图构建单元(6)对坐标计算单元(5)传输的所述世界坐标进行接收,并将所述多个目标标识点作为无向图的节点,且将所述多个目标标识点的连接关系作为无向图的边,从而得到测量无向图,并基于所述世界坐标通过欧氏距离计算所述测量无向图中各个节点之间的距离,将所述距离作为所述测量无向图的第一边权值,且基于所述世界坐标通过欧氏距离计算各个节点之间的水平距离和垂直距离,并利用反三角函数计算所述水平距离和垂直距离之间的夹角,将所述夹角作为所述测量无向图的第二边权值,从而得到带权无向图,将所述带权无向图传输至用户交互单元(7);
所述用户交互单元(7)对无向图构建单元(6)传输的所述带权无向图进行接收,并将所述带权无向图以可视化的方式进行展示,且通过交互界面与所述带权无向图进行交互操作,所述交互操作包括查询特定节点的信息和查看特定节点的第一权值和第二权值。
4.根据权利要求1所述的一种基于夜间影像的距离及方位测量系统,其特征在于:所述影像采集单元(1)中,获取所述摄像机的投影模型和外部参数,包括以下步骤:
C1、通过标定板捕获投影图像,在所述投影图像中检测标定板上的标定点,基于实际世界中所述标定板的尺寸,计算出所述投影图像中所述标定点的像素坐标;
C2、通过所述投影图像中所述标定点的像素坐标和实际世界中标定点的三维坐标,通过标定算法计算所述摄像机的内参,所述内参包括焦距、主点坐标和畸变参数;
C3、通过PnP算法利用所述摄像机的内参、所述标定点的像素坐标和对应的世界坐标求解所述摄像机的外参,从而得到所述摄像机的外参;
C4、根据所述摄像机的内参和外参,计算所述摄像机的投影模型,从而得到所述摄像机的投影模型,通过所述投影模型将三维空间中的点映射到二维图像平面上。
5.根据权利要求1所述的一种基于夜间影像的距离及方位测量系统,其特征在于:所述影像预处理单元(2)中,图像去噪操作包括以下步骤:
A1、通过预设窗口在所述夜间影像上进行移动,且选取所述预设窗口中最小像素作为所述预设窗口所对应位置的暗通道像素值,从而得到所述夜间影像的初始暗通道图像;
A2、采用引导滤波对所述初始暗通道图像进行降噪声,从而得到平滑暗通道图像;
A3、对所述平滑暗通道图像进行全局亮度估计,从而确定所述平滑暗通道图像的亮度水平,基于所述亮度水平选取全局大气光照;
A4、将所述全局大气光照限定预设范围内,从而得到最终的全局大气光照估计值;
A5、基于所述最终的全局大气光照估计值计算出透射率,并基于所述透射率求取去噪图像,所述去噪图像表达式如下:
;
其中,表示去噪图像,/>表示夜间影像,/>表示最终的全局大气光照估计值,/>表示透射率,/>表示/>的下限阈值;
A6、基于伽马校正函数对所述去噪图像的光照进行调整,从而得到光照均匀的去噪图像。
6.根据权利要求5所述的一种基于夜间影像的距离及方位测量系统,其特征在于:所述影像预处理单元(2)中,图像增强操作包括以下步骤:
B1、将所述光照均匀的去噪图像拆分为R,G,B通道;
B2、将所述光照均匀的去噪图像的低光照区域单独拆分,并计算非低光照区域的亮度均值;
B3、计算所述R,G,B通道中的所有像素的均值,所述均值表达式如下:
;
其中,表示所有像素的均值,/>表示光照均匀的去噪图像的宽,/>表示光照均匀的去噪图像的高,/>和/>表示光照均匀的去噪图像的像素坐标,/>表示/>的下限阈值,/>表示待计算的像素;
B4、将所有像素的均值与所述非低光照区域的亮度均值进行比较,若所有像素的均值大于所述非低光照区域的亮度均值,则计算调节因子,所述调节因子表达式如下:
;
其中,、/>和/>分别表示R,G,B通道的调节因子,/>、/>和/>分别表示R,G,B通道的像素的均值,K表示非低光照区域的亮度均值;
B5、基于所述调节因子对所述R,G,B通道的亮度进行调整,从而得到标准夜间影像。
7.根据权利要求2所述的一种基于夜间影像的距离及方位测量系统,其特征在于:所述特征匹配单元(4)中,通过K近邻算法将所述多个目标标识点的特征参数与所述标准夜间影像中的其他局部区域的特征参数进行匹配,从而得到所述多个目标标识点在所述标准夜间影像中的对应位置,包括以下步骤:
D1、通过余弦相似度计算目标标识点的特征参数与标准夜间影像中局部区域的特征参数之间的相似度;
D2、基于所述相似度选择与目标标识点最接近的K个局部区域;
D3、根据K个局部区域的位置信息,采用加权平均的方法确定所述目标标识点在所述标准夜间影像中的对应位置。
8.根据权利要求3所述的一种基于夜间影像的距离及方位测量系统,其特征在于:所述无向图构建单元(6)包括节点构建模块(601)、边连接模块(602)、权值计算模块(603)和带权无向图生成模块(604);
所述节点构建模块(601)用于将接收到的多个目标标识点作为无向图的节点;
所述边连接模块(602)用于根据目标标识点之间的连接关系,构建无向图的边;
所述权值计算模块(603)用于基于世界坐标利用欧氏距离计算测量无向图中各个节点之间的距离,并将其作为第一边权值,通过欧氏距离计算各个节点之间的水平距离和垂直距离,利用反三角函数计算夹角,并将夹角作为第二边权值;
所述带权无向图生成模块(604)用于将节点、边和对应的第一边权值和第二边权值进行整合,从而生成带权无向图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410407384.2A CN118089674B (zh) | 2024-04-07 | 一种基于夜间影像的距离及方位测量系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410407384.2A CN118089674B (zh) | 2024-04-07 | 一种基于夜间影像的距离及方位测量系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118089674A true CN118089674A (zh) | 2024-05-28 |
CN118089674B CN118089674B (zh) | 2024-06-28 |
Family
ID=
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101026778B1 (ko) * | 2011-01-26 | 2011-04-11 | 주식회사보다텍 | 차량 영상 검지 장치 |
US20130258064A1 (en) * | 2012-04-03 | 2013-10-03 | Samsung Techwin Co., Ltd. | Apparatus and method for reconstructing high density three-dimensional image |
CN109840966A (zh) * | 2018-07-24 | 2019-06-04 | 上海赢科信息技术有限公司 | 基于车辆行驶数据清洗的行程划分方法和系统 |
CN117671033A (zh) * | 2023-12-26 | 2024-03-08 | 武汉长江通信智联技术有限公司 | 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 |
CN117710266A (zh) * | 2023-12-12 | 2024-03-15 | 中原工学院 | 一种基于视频图像的夜间道路能见度监测方法 |
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101026778B1 (ko) * | 2011-01-26 | 2011-04-11 | 주식회사보다텍 | 차량 영상 검지 장치 |
US20130258064A1 (en) * | 2012-04-03 | 2013-10-03 | Samsung Techwin Co., Ltd. | Apparatus and method for reconstructing high density three-dimensional image |
CN109840966A (zh) * | 2018-07-24 | 2019-06-04 | 上海赢科信息技术有限公司 | 基于车辆行驶数据清洗的行程划分方法和系统 |
CN117710266A (zh) * | 2023-12-12 | 2024-03-15 | 中原工学院 | 一种基于视频图像的夜间道路能见度监测方法 |
CN117671033A (zh) * | 2023-12-26 | 2024-03-08 | 武汉长江通信智联技术有限公司 | 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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112818988B (zh) | 一种指针式仪表自动识别读数方法及系统 | |
CN111340797A (zh) | 一种激光雷达与双目相机数据融合检测方法及系统 | |
CN108470356B (zh) | 一种基于双目视觉的目标对象快速测距方法 | |
CN102704215B (zh) | 基于dst文件解析与机器视觉结合的绣布自动切割方法 | |
CN107729893B (zh) | 一种合模机的视觉定位方法、系统和存储介质 | |
Wu et al. | Passive measurement method of tree diameter at breast height using a smartphone | |
CN105279772B (zh) | 一种红外序列图像的可跟踪性判别方法 | |
CN111768447B (zh) | 一种基于模板匹配的单目相机物体位姿估计方法及系统 | |
CN110223355B (zh) | 一种基于双重极线约束的特征标志点匹配方法 | |
CN112946679B (zh) | 一种基于人工智能的无人机测绘果冻效应检测方法及系统 | |
Tian et al. | Human Detection using HOG Features of Head and Shoulder Based on Depth Map. | |
CN113256611A (zh) | 一种rgb-d配准精度测试方法及设备 | |
CN111399634B (zh) | 一种手势引导物体识别的方法及装置 | |
CN112652020A (zh) | 一种基于AdaLAM算法的视觉SLAM方法 | |
CN106709432B (zh) | 基于双目立体视觉的人头检测计数方法 | |
CN117113284A (zh) | 多传感器融合的数据处理方法、装置与多传感器融合方法 | |
CN118089674B (zh) | 一种基于夜间影像的距离及方位测量系统 | |
CN116958434A (zh) | 多视图三维重建方法、测量方法及系统 | |
CN116703895A (zh) | 基于生成对抗网络的小样本3d视觉检测方法及其系统 | |
CN109410272B (zh) | 一种变压器螺母识别与定位装置及方法 | |
CN116862832A (zh) | 一种基于三维实景模型的作业人员定位方法 | |
CN118089674A (zh) | 一种基于夜间影像的距离及方位测量系统 | |
CN113689365B (zh) | 一种基于Azure Kinect的目标跟踪定位方法 | |
CN102637094A (zh) | 应用于光学式触控装置的校正信息计算方法及系统 | |
CN114820707A (zh) | 一种用于摄像头目标自动追踪的计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |