CN112585946A - 图像拍摄方法、装置、可移动平台和存储介质 - Google Patents
图像拍摄方法、装置、可移动平台和存储介质 Download PDFInfo
- Publication number
- CN112585946A CN112585946A CN202080004316.1A CN202080004316A CN112585946A CN 112585946 A CN112585946 A CN 112585946A CN 202080004316 A CN202080004316 A CN 202080004316A CN 112585946 A CN112585946 A CN 112585946A
- Authority
- CN
- China
- Prior art keywords
- image
- target object
- movable platform
- target
- camera device
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/67—Focus control based on electronic image sensor signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Studio Devices (AREA)
Abstract
一种图像拍摄方法、装置、可移动平台和存储介质,该图像拍摄方法包括:当可移动平台在处于手动拍摄模式下时,通过摄像装置对目标对象进行手动拍摄生成第一图像;当可移动平台在自动拍摄模式下时,通过摄像装置自动采集得到第二图像;通过对第一图像和第二图像进行特征匹配,以确定第二图像中是否包含目标对象;若第二图像中包含目标对象,则控制拍摄装置对目标对象进行对焦拍摄。该方法可以自动精准的对目标对象进行拍摄,避免了人工对目标对象的拍摄操作,提高了操作效率。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像拍摄方法、装置、可移动平台和存储介质。
背景技术
随着科技的发展,无人机已经可以代替人工完成巡检操作。
在巡检的过程中,技术人员可以控制无人机飞到电塔、桥梁等目标对象的附近,无人机可以向地面实时传回捕捉到的预览画面。技术人员通过传回的预览画面,控制无人机调整位姿,以对准目标对象进行拍摄。技术人员会基于拍得的图像对目标对象进行异常分析,以确定目标对象是否存在异常。
每当需要对目标对象进行拍摄时,都需要技术人员对无人机进行精确控制,以调整无人机处于合适的位姿进行拍摄,效率较低,操作不便。
发明内容
本发明实施例提供一种图像拍摄方法、装置、设备和存储介质,用以实现提高可移动平台的拍摄效率。
第一方面,本发明实施例提供一种图像拍摄方法,应用于可移动平台,所述可移动平台上搭载有摄像装置;该方法包括:
当所述可移动平台在处于手动拍摄模式下时,通过所述摄像装置对目标对象进行手动拍摄生成第一图像;
当所述可移动平台在自动拍摄模式下时,通过所述摄像装置自动采集得到第二图像;
通过对所述第一图像和所述第二图像进行特征匹配,以确定所述第二图像中是否包含所述目标对象;
若所述第二图像中包含所目标对象,则控制所述拍摄装置对所述目标对象进行对焦拍摄。
第二方面,本发明实施例提供一种图像拍摄装置,该装置设于可移动平台,所述可移动平台上搭载有摄像装置;该装置包括:存储器、处理器;其中,所述存储器上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器实现:
当所述可移动平台在处于手动拍摄模式下时,通过所述摄像装置对目标对象进行手动拍摄生成第一图像;
当所述可移动平台在自动拍摄模式下时,通过所述摄像装置自动采集得到第二图像;
通过对所述第一图像和所述第二图像进行特征匹配,以确定所述第二图像中是否包含所述目标对象;
若所述第二图像中包含所述目标对象,则控制所述摄像装置对所述目标对象进行对焦拍摄。
第三方面,本发明实施例提供一种可移动平台,该可移动平台包括:
机体;
动力***,设于所述机体,所述动力***用于为所述可移动平台提供动力;
摄像装置,设于所述机体,用于采集图像;
以及一个或多个处理器,所述一个或多个处理器,用于执行:
当图像拍摄装置在处于手动拍摄模式下时,通过所述摄像装置对目标对象进行手动拍摄生成第一图像;
当所述图像拍摄装置在自动拍摄模式下时,通过所述摄像装置自动采集得到第二图像;
通过对所述第一图像和所述第二图像进行特征匹配,以确定所述第二图像中是否包含所述目标对象;
若所述第二图像中包含所述目标对象,则控制所述摄像装置对所述目标对象进行对焦拍摄。
第四方面,本发明实施例提供了一种非暂时性机器可读存储介质,所述存储介质为计算机可读存储介质,该计算机可读存储介质中存储有程序指令,所述程序指令用于实现本发明第一方面所述的图像拍摄方法。
在本发明实施例提供的方法中,可移动平台可以分别在手动拍摄模式以及自动拍摄模式下分别拍摄第一图像以及第二图像,第一图像中包含目标对象,在获得第一图像以及第二图像之后,可以对第一图像和第二图像进行特征匹配处理,以确定第二图像中是否也包含目标对象,当第二图像中也包含目标对象时,对目标对象进行对焦拍摄,这样最终得到的图像会包含目标对象。后续可以通过对拍得的包含目标对象的图像进行观察与分析,以确定目标对象是否处于正常状态。通过这样的方式,可以自动精准的对目标对象进行拍摄,避免了人工对目标对象的拍摄操作,提高了操作效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作一简单地介绍,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一种图像拍摄方法的流程图;
图2为本发明实施例提供的一种确定第二图像中是否包含目标对象的流程图;
图3为本发明实施例提供的另一种确定第二图像中是否包含目标对象的流程图;
图4为本发明实施例提供的另一种确定第二图像中是否包含目标对象的流程图;
图5为本发明实施例提供的另一种图像拍摄方法的流程图;
图6为本发明实施例提供的一种图像拍摄装置的结构示意图;
图7为本发明实施例提供的一种可移动平台的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作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。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义,“多种”一般包含至少两种。
取决于语境,如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
另外,下述各方法实施例中的步骤时序仅为一种举例,而非严格限定。
本发明实施例提供的图像拍摄方法可以由可移动平台执行,该可移动平台上可以搭载有摄像装置,该可移动平台可以是无人机、机器人等设备。
在一些高危的场合中,可以用可移动平台代替人工的方式进行作业,例如可以用无人机在高空中进行目标对象的巡检作业,该目标对象可以是电力设备如电塔中的一些关键部件。举例说明,电塔关键部件可以包括避雷线、塔头、绝缘子等部件。在可移动平台进行作业的过程中,需要对目标对象进行拍摄,后续可以基于可移动平台拍摄的目标对象的图像,判断目标对象是否处于正常状态。
通过本发明实施例提供的方法,可以实现对目标对象进行精准的拍摄,以保障目标对象能够在拍摄所得图像中,这样便于后续对目标对象是否处于正常状态的判断。
下面结合以下一些实施例来说明本文提供的图像拍摄方法的执行过程。
图1为本发明实施例提供的一种图像拍摄方法的流程图,如图1所示,该方法包括如下步骤:
101、当可移动平台在处于手动拍摄模式下时,通过摄像装置对目标对象进行手动拍摄生成第一图像。
102、当可移动平台在自动拍摄模式下时,通过摄像装置自动采集得到第二图像。
103、通过对第一图像和第二图像进行特征匹配,以确定第二图像中是否包含目标对象。
104、若第二图像中包含目标对象,则控制拍摄装置对目标对象进行对焦拍摄。
实际应用中,上述手动拍摄模式可以指示教阶段采用的拍摄模式,上述自动拍摄模式可以指复演阶段采用的拍摄模式,可移动平台对目标对象进行拍摄的过程包括两个阶段,即示教阶段和复演阶段。
在示教阶段中,技术人员可以控制无人机向目标对象飞行,无人机通过其上挂载的摄像装置拍摄预览画面,并将预览画面传回到地面,技术人员可以通过传回的预览画面得知摄像装置是否对准目标对象进行拍摄。如果摄像装置没有对准目标对象进行拍摄,则目标对象不会出现在预览画面中,或者只有目标对象的部分部件出现在预览画面中。技术人员可以根据实时传回的预览画面对无人机、摄像装置的状态进行适应调整,以使得目标对象可以完全出现在预览画面中。
当目标对象完全出现在预览画面中时,技术人员可以触发拍摄操作,响应于技术人员触发的拍摄操作,摄像装置可以对目标对象进行拍摄,此时可以得到包含有目标对象的第一图像。
当目标对象完全出现在预览画面中时,除了需要拍摄第一图像之外,还可以记录下此时可移动平台、摄像装置的状态信息,该状态信息用于在复演阶段自动控制可移动平台、摄像装置再次以同样的状态进行拍摄。该状态信息可以包括可移动平台的位姿信息和/或摄像装置的焦段信息。该焦段信息可以理解为焦距。
可以理解的是,还可以在可移动平台上挂载云台,在云台上安装摄像装置。云台是安装、固定摄像装置的支撑部件,在云台上安装好摄像装置后,可以调整摄像装置的水平角和俯仰角,通过云台可以扩大摄像装置的监视范围。当在可移动平台上通过云台安装摄像装置时,上述状态信息可以包括可移动平台的位姿信息、云台的姿态信息和/或摄像装置的焦段信息。
在获得第一图像以及状态信息之后,可以将第一图像与状态信息关联进行存储。需要说明的是,实际应用中目标对象的数量可以是一个也可以是多个,当目标对象的数量是多个时,技术人员可以控制可移动平台对每个目标对象进行拍摄,并将拍摄得到的各第一图像与对应的状态信息进行关联存储。
上面介绍了示教阶段的实施过程,下面将介绍复演阶段的实施过程。在复演阶段中,可以根据示教阶段记录的拍摄第一图像时的状态信息,自动控制可移动平台再次恢复拍摄第一图像时的状态,在处于拍摄第一图像时的状态下,通过摄像装置自动采集得到第二图像。
为了便于理解,以无人机对电塔关键部件进行拍摄的场景为例,对示教阶段以及复演阶段的实施过程进行说明。假设无人机在2020.3.23第一次(对应示教阶段)采集电塔关键部件的图像,技术人员可以控制无人机飞到该电塔关键部件附近,对无人机的状态进行调整,当该电塔关键部件完全出现在预览画面中时,触发拍摄操作,此时可以得到包含电塔关键部件的图像A,同时记录下拍摄图像A时的状态信息。假设该状态信息用于指示无人机处于40°N、116°E的位置、以方位角为30°、俯角为45°的姿态,且摄像装置的焦段为50mm的状态下拍摄图像A。
那么假设无人机在2020.3.24再次(对应复演阶段)采集电塔关键部件的图像,可以直接将上述状态信息直接输入到无人机中,无人机可以自动根据该状态信息,再次飞到40°N、116°E的位置,同时调整自身姿态使得以方位角为30°、俯角为45°的姿态且以50mm的焦段采集图像B。
可以理解的是,排除外界干扰因素的影响,理论上以相同状态拍得的第一图像和第二图像应该是完全一样的。但是正是由于实际应用中存在控制偏差以及外界干扰因素的影响,在示教阶段拍摄的第一图像和在复演阶段拍摄的第二图像不一定完全一样,甚至在某些情况下,第一图像中完全包含目标对象,而第二图像中已经不包含目标对象了或者只包含部分目标对象。而如果第二图像中不包含目标对象或者只包含部分目标对象,会影响后续基于第二图像对目标对象是否处于正常状态的判断。为了解决这个问题,可以识别第二图像中是否包含目标对象。
实际应用中,识别第二图像中是否包含目标对象的过程可以实现为:通过对第一图像和第二图像进行特征匹配,以确定第二图像中是否包含目标对象。在确定第二图像中是否包含目标对象之后,如果第二图像中包含有目标对象,则可以控制摄像装置对目标对象进行对焦拍摄。如果第二图像中不包含目标对象,则可以对可移动平台、摄像装置进行调整,然后再重新进行拍摄。
下面结合图2所示实施例,示例性说明一种确定第二图像中是否包含目标对象的方案。如图2所示,该确定方案可以包括如下步骤:
201、确定第一图像中包含目标对象的第一区域图像。
上述第一区域图像为第一图像中目标对象对应的区域图像,可以理解为对第一图像进行框选,以框选出第一图像中目标对象对应的第一区域图像,因此第一区域图像也可以称为图像块。
确定第一图像中包含目标对象的第一区域图像的过程可以实现为,将第一图像输入到预先训练的神经网络模型中,该神经网络模型可以输出目标对象在第一图像中对应的位置区域,基于该位置区域可以确定目标对象在第一图像中对应的第一区域图像。可以理解的是,由于上述神经网络模型可以识别出目标对象,因此在训练该神经网络模型的过程中,可以通过大量的包含或者不包含目标对象的图像以及各图像中目标对象所在位置区域的标注信息,对该神经网络模型进行训练。在对该神经网络模型进行训练之后,训练好的神经网络模型具有识别目标对象的功能。除了通过神经网络模型识别目标对象之外,也可以通过算法识别目标对象,对此本发明实施例不作限定。
值得注意的是,识别第一区域图像的过程可以在示教阶段完成,也可以在复演阶段完成。如果在示教阶段完成,则可以将第一区域图像和拍摄第一图像时的状态信息关联进行存储。如果在复演阶段完成,则可以在使用第一区域图像之前,再从第一图像中确定目标对象对应的第一区域图像。
202、通过对第一区域图像和第二图像进行图像块匹配,以确定第二图像中是否包含目标对象。
实际应用中,可以基于第一区域图像,在第二图像中进行图像块匹配处理,以确定第二图像中是否包含目标对象。对第一区域图像和第二图像进行图像块匹配的过程可以实现为:计算第一区域图像和第二图像之间的图像相似度,如果图像相似度大于预设阈值,则表示第二图像中包含目标对象,否则第二图像中不包含目标对象。
上述介绍了一种确定第二图像中是否包含目标对象的方案,在另一可选实施例中,也可以通过如下方式确定第二图像中是否包含目标对象。如图3所示,该确定方案可以包括如下步骤:
301、确定第一图像中包含目标对象的第一区域图像。
具体地,该第一区域图像可由训练好的神经网络模型对第一图像进行处理确定包含目标对象的区域;也可由人工进行框选、涂鸦来完成确定第一区域图像。另外,还可以通过调节焦段使得该第一区域图像充斥整个画面来完成。
在一实施例中,可根据第一图像的纹理或颜色特征划分为多个图像块,由用户进行点选来确定其中一个图像块为第一区域图像。本发明并不限制于上述所描述的第一区域图像确定方法,其他确定第一区域图像的方法也在本发明的保护范围之内。
302、通过对第二图像进行分类识别处理,以确定第二图像中包含预设类别物体的第二区域图像,目标对象对应于预设类别物体。
实际应用中,可以识别第二图像中是否包含预设类别物体。识别第二图像中是否包含预设类别物体的过程可以实现为,将第二图像输入到预先训练的神经网络模型中,该神经网络模型可以输出用于指示第二图像中是否包含预设类别物体的指示信息。
可以理解的是,既然该神经网络模型可以输出上述指示信息,表示需要预先通过大量的包含或者不包含预设类别物体的图像以及各图像中是否包含预设类别物体的标注信息,对该神经网络模型进行训练,这样在经过训练之后,该神经网络模型具有物体分类功能,神经网络模型可以基于输入的第二图像,判断第二图像中是否包含预设类别物体。如果第二图像中包含预设类别物体,该神经网络模型可以输出预设类别物体在第二图像中对应的第二区域图像。
需要说明的是,预设类别物体是一个分类,与目标对象属于同一分类的物体对应于该预设类别物体。以电塔关键部件为例,假设当前有电塔关键部件A和电塔关键部件B,它们都是电塔关键部件,但是不是同一个电塔关键部件。当将包含电塔关键部件A的图像输入到神经网络模型中,该神经网络模型可以输出该图像中包含的电塔关键部件对应的区域图像A’。当将包含电塔关键部件B的图像输入到神经网络模型中,该神经网络模型可以输出该图像中包含的电塔关键部件对应的区域图像B’。虽然神经网络模型输出了电塔关键部件对应的区域图像A’和区域图像B’,但是当前还无法区分该区域图像A’和该区域图像B’分别对应哪个电塔关键部件,需要通过后面的步骤来确定第二区域图像到底对应的是否是目标对象。
303、若第一区域图像和第二区域图像之间的相似度符合第一设定条件,则确定第二图像中包含目标对象。
示例性地,步骤303中相似度的匹配采用图形块匹配的方式来确定第一区域图像和第二区域图像之间的相似度。
实际应用中,在得到第一区域图像和第二区域图像之后,可以计算第一区域图像和第二区域图像之间的图像相似度,如果得到的图像相似度大于预设阈值,则表示第一区域图像和第二区域图像包含同一对象,进而第二区域图像包含目标对象。
上述介绍了两种确定第二图像中是否包含目标对象的方案,在另一可选实施例中,还可以通过如下方式确定第二图像中是否包含目标对象。如图4所示,该确定方案可以包括如下步骤:
401、获取第一图像中目标对象对应的第一特征点。
可选地,获取第一图像中目标对象对应的第一特征点可以实现为,提取第一图像中包含的特征点;对第一图像进行语义分割处理,以得到第一图像中各像素点的分类结果,分类结果指示对应的像素点是否位于目标对象上;基于各像素点的分类结果,从第一图像中包含的特征点中剔除不属于目标对象的特征点,得到第一图像中目标对象对应的第一特征点。
上述提取第一图像中包含的特征点的过程可以实现为,通过尺度不变特征变换(Scale-invariant feature transform,SIFT)算法提取第一图像中的特征点。当然实际应用中,还可以通过其他算法提取第一图像中的特征点,对此本发明不作限定。
提取到的第一图像中包含的特征点是第一图像中所有物体的特征点,所有物体包括目标对象,也包括图像中的背景部分。为了让第一图像与第二图像的特征匹配结果更加准确,可以剔除第一图像中不位于目标对象上的特征点。
为了剔除第一图像中不位于目标对象上的特征点,首先可以对第一图像进行语义分割处理,以得到第一图像中各像素点的分类结果。为了方便理解,下面结合具体例子示例性说明第一图像中各像素点的分类结果具体指的是什么内容。假设第一图像中包含800个像素点,通过对第一图像进行语义分割处理,可以确定该800个像素点中每个像素点的分类类别。以简单的场景为例,假设第一图像中只包含两种物体的像素点,一种物体是目标对象,另外一种是背景部分,则上述800个像素点中每个像素点的分类类别用于指示对应的像素点是属于目标对象的,还是属于背景部分的。
上面介绍了确定第一图像中各像素点的分类结果的实现方式,在确定第一图像中各像素点的分类结果之后,可以基于该分类结果,对第一图像中包含的特征点进行筛选,以剔除第一图像中不位于目标对象上的特征点。
为了进一步提高提取第一图像中目标对象对应的第一特征点的精确度,在提取第一特征点之前,还可以识别第一图像中目标对象对应的区域图像,在识别到的区域图像中提取目标对象对应的第一特征点。
值得说明的是,可以在示教阶段预先提取第一图像中目标对象对应的第一特征点,将第一特征点与拍摄第一图像时的状态信息关联进行存储,也可以在复演阶段中使用到第一特征点之前,再进行第一特征点的提取。
402、提取第二图像中包含的第二特征点。
可选地,提取第二图像中包含的特征点的过程可以实现为,通过SIFT算法提取第二图像中的特征点。当然实际应用中,还可以通过其他算法提取第一图像中的特征点,对此本发明不作限定。
可以理解的是,该第二特征点是第二图像中所有物体的特征点,第二特征点既可以包括目标对象上的特征点,也可以包括背景部分的特征点。
403、确定第二特征点中与第一特征点匹配的目标特征点。
实际应用中,在提取第一特征点和第二特征点的过程中,还可以确定第一特征点对应的特征描述子,同时也可以确定第二特征点对应的特征描述子。可以通过特征描述子判断来自不同的两个图像中的像素点是否对应于同一实物点。基于此,确定第二特征点中与第一特征点匹配的目标特征点的过程可以实现为,基于第二特征点的特征描述子和第一特征点的特征描述子,确定第二特征点中与第一特征点匹配的目标特征点。如果第二特征点中的特征点A与第一特征点中的特征点B相匹配,则表示该特征点A与该特征点B在实际空间中对应于同一实物点,也即通过对同一实物点拍摄得到两个图像中的特征点A和特征点B。
值得注意的是,在对第二特征点和第一特征点进行匹配的过程中,由于干扰因素的影响,可能会导致匹配结果并不准确。在本发明实施例中,为了保证匹配结果的准确性,还可以将目标特征点中匹配错误的特征点进行剔除,具体可以实现为:对第二图像进行语义分割处理,以得到第二图像中各像素点的分类结果,分类结果指示对应的像素点是否属于目标对象;基于各像素点的分类结果,从目标特征点中滤除不属于目标对象的特征点。
在本实施例中,采用特征点的匹配方式,相比于图像块的匹配方式,更适用于类似电塔等电力设备这种框架结构的巡检过程,因为其作为目标对象的图像块中包括大量背景区域。而通过图像块匹配算法进行目标定位,当目标背景区域在示教阶段和复演阶段发生较大的变化时,容易导致定位失败。
通过采用了语义分割,能对图像每个像素是否属于目标对象做出判断,所以对于在示教阶段提取的特征可以区分是目标对象本身的还是背景,所以提取的特征点能够对目标对象进行更准确的表征,在复演阶段根据这些特征也能够进行更准确的目标定位。特别是对于电塔这种框架结构,用图形块描述目标包含大量背景区域的情况。
因此,通过本实施例的方案,由于会剔除背景区域的特征点,所以对背景变化具有更强的鲁棒性。比如不同季节变化,不同天气变化等。在示教阶段通过结合图像语义分割和特征点提取能够得到目标对象的去除背景区域的精准特征点描述;而在复演阶段,通过结合特征点匹配和图像语义分割提高目标匹配精度的方法,即根据图像语义分割结果剔除错误特征点匹配,能够提高匹配的准确度,防止错跟或漏跟的情况。
404、若目标特征点符合第二设定条件,则确定第二图像中包含目标对象。
可选地,上述第二设定条件可以包括目标特征点的数量达到设定阈值。
以确定第二图像中包含电塔关键部件的场景为例,假设第一图像中电塔关键部件对应的第一特征点是30个,第二图像中提取到的第二特征点是50个,通过对第一特征点和第二特征点的匹配处理,确定第二特征点中与第一特征点匹配的特征点是20个,表示第二图像中有20个特征点都是和第一图像中对同一实物点进行拍摄得到的像素点。假设设定阈值为20个,则可以确定第二图像中包含上述电塔关键部件。
上面介绍了确定第二图像中是否包含目标对象的过程,进一步地,为了提高拍摄精度,还可以控制目标对象位于图像的中心区域进行拍摄,这样目标对象在图像中出现的位置是在中心区域,更利于对目标对象的观察与处理,以更加准确的确定目标对象是否处于正常状态。控制目标对象位于图像的中心区域的过程可以实现为,根据目标特征点的坐标,确定目标对象在第二图像中的位置区域;若位置区域不位于第二图像的中心区域,则根据位置区域与中心区域的相对位置,确定位姿调整数据;控制可移动平台在按照位姿调整数据进行调整后,对目标对象进行对焦拍摄。
实际应用中,在确定目标特征点之后,可以获取目标特征点的坐标,根据目标特征点的坐标,确定目标对象在第二图像中的位置区域。例如,可以计算目标特征点坐标的平均值,该平均值即可表示目标对象在第二图像中的位置区域。假设一个图像的中心点位于(10,10),而目标特征点坐标的平均值为(10,10),则表示目标对象在第二图像中的位置区域位于第二图像的中心区域。
相反地,如果确定目标对象在第二图像中的位置区域不位于第二图像的中心区域,则可以确定目标对象在第二图像中的位置区域与第二图像的中心区域的相对位置,根据该相对位置确定位姿调整数据。
为了便于理解,结合具体示例说明确定位姿调整数据的过程。假设图像的中心点位于(10,10),目标对象在第二图像中的位置区域位于(8,10),则目标对象在第二图像中距离中心点的距离为水平方向上2个像素点。假设通过摄像装置的内参和外参换算出,该2个像素点对应实际中的距离为1.6cm,可以对可移动平台的位置进行调整,使得可移动平台向右移动1.6cm,这样在可移动平台向右移动1.6cm之后,目标对象处于预览画面的中心区域,可以对目标对象进行对焦拍摄。
可以理解的是,在某些情况中,可以多次执行本发明实施例提供的方法,以使得可移动平台适当进行位姿调整,直到能够通过调整后的位姿拍摄目标对象处于中心区域的图像。但是为了减小计算量,如图5所示,当在前一帧画面中匹配到目标对象之后,在后一帧画面中可以实施对目标对象的追踪,这样就可以避免在每一帧画面中都执行一次匹配目标对象的操作。在对目标对象进行追踪处理后,可以确定目标对象在后一帧画面中的位置区域,如果该位置区域不是位于该后一帧画面的中心区域,则确定位姿调整数据,控制可移动平台在按照位姿调整数据进行调整。同时在示教阶段中还记录有拍摄第一图像时摄像装置的焦段信息,可以将摄像装置的焦段再次调整为拍摄第一图像时所使用的焦段,然后对目标对象进行拍摄。如果在前一帧画面中未匹配到目标对象,就无法对目标对象实施追踪处理,那么可以缩小当前的焦段,这样可以扩大摄像装置拍摄的视野范围。当然,在缩小焦段之前还可以判断当前是否已经处于最小焦段,如果是,则提示未能成功匹配到目标对象,如果否则缩小当前的焦段。在缩小当前的焦段之后,可以重新进行匹配目标对象的过程。
图6为本发明实施例提供的一种图像拍摄装置的结构示意图,该图像拍摄装置可以设于上文中的可移动平台,如图6所示,该图像拍摄装置包括:存储器11、处理器12;其中,所述存储器11上存储有可执行代码,当所述可执行代码被所述处理器12执行时,使所述处理器12实现:
当所述可移动平台在处于手动拍摄模式下时,通过所述摄像装置对目标对象进行手动拍摄生成第一图像;
当所述可移动平台在自动拍摄模式下时,通过所述摄像装置自动采集得到第二图像;
通过对所述第一图像和所述第二图像进行特征匹配,以确定所述第二图像中是否包含所述目标对象;
若所述第二图像中包含所述目标对象,则控制所述摄像装置对所述目标对象进行对焦拍摄。
可选地,所述处理器12具体用于:
确定所述第一图像中包含所述目标对象的第一区域图像;
通过对所述第一区域图像和第二图像进行图像块匹配,以确定所述第二图像中是否包含所述目标对象。
可选地,所述处理器12还用于:
记录在所述手动拍摄模式下对所述目标对象进行拍摄时的状态信息;所述状态信息包括所述可移动平台的位置信息、所述可移动平台的姿态信息和/或所述摄像装置的焦段信息;
在所述自动拍摄模式下,根据所述状态信息控制所述可移动平台和/或所述摄像装置调整至相同状态;
当所述可移动平台和/或所述摄像装置处于所述相同状态时,通过所述摄像装置采集第二图像。
可选地,所述处理器12具体用于:
确定所述第一图像中包含所述目标对象的第一区域图像;
通过对所述第二图像进行语义分割处理,以确定所述第二图像中包含预设类别物体的第二区域图像,所述目标对象对应于所述预设类别物体;
当所述第一区域图像和所述第二区域图像之间的相似度符合第一设定条件时,确定所述第二图像中包含所述目标对象。
可选地,所述处理器12具体用于:
获取所述第一图像中所述目标对象对应的第一特征点;
提取所述第二图像中包含的第二特征点;
确定所述第二特征点中与所述第一特征点匹配的目标特征点;
当所述目标特征点符合第二设定条件时,确定所述第二图像中包含所述目标对象。
可选地,所述第二设定条件包括:所述目标特征点的数量达到设定阈值。
可选地,所述处理器12还用于:
根据所述目标特征点的坐标,确定所述目标对象在所述第二图像中的位置区域;
当所述位置区域不位于所述第二图像的中心区域时,根据所述位置区域与所述中心区域的相对位置,确定位姿调整数据;
控制所述可移动平台在按照所述位姿调整数据进行调整后,对所述目标对象进行对焦拍摄。
可选地,所述处理器12具体用于:
提取所述第一图像中包含的特征点;
对所述第一图像进行语义分割处理,以得到所述第一图像中各像素点的分类结果,所述分类结果指示对应的像素点是否位于所述目标对象上;
基于所述各像素点的分类结果,从所述第一图像中包含的特征点中剔除不属于所述目标对象的特征点,得到所述第一图像中所述目标对象对应的第一特征点。
可选地,所述处理器12还用于:
对所述第二图像进行语义分割处理,以得到所述第二图像中各像素点的分类结果,所述分类结果指示对应的像素点是否属于所述目标对象;
基于所述各像素点的分类结果,从所述目标特征点中滤除不属于所述目标对象的特征点。
可选地,所述可移动平台包括无人机。
可选地,所述可移动平台还包括云台,所述云台挂载在所述无人机上,所述摄像装置挂载在所述云台上。
可选地,所述目标对象包括电力设备。
图7为本发明实施例提供的一种可移动平台的结构示意图,在图7中,以该可移动平台实现为无人机为例进行的示意。
如图7所示,该可移动平台包括:机体21、设于机体21上的动力***22、设于机体21上的摄像装置23以及处理器24。
其中,动力***22用于为可移动平台提供动力。
其中,摄像装置23用于采集图像。
其中,处理器24用于当摄像装置23在处于手动拍摄模式下时,通过摄像装置23对目标对象进行手动拍摄生成第一图像;当图像拍摄装置在自动拍摄模式下时,通过摄像装置23自动采集得到第二图像;通过对第一图像和第二图像进行特征匹配,以确定第二图像中是否包含目标对象;若第二图像中包含目标对象,则控制摄像装置23对目标对象进行对焦拍摄。
可选地,该处理器24还用于:当确定第二图像中包含目标对象时,控制动力***22调整机体21的位姿对目标对象进行跟踪,以使目标图像保持在画面中。
可选地,当可移动平台实现为无人机时,如图7所示,无人机上还可以包括设于机体21上的云台25,从而,摄像装置23可以设置在云台25上,摄像装置23通过云台25可以相对机体21而移动。该处理器24还用于:当确定第二图像中包含目标对象时,控制动力***22调整云台25的位姿对目标对象进行跟踪,以使目标对象保持在画面中。
无人机的动力***22可以包括电子调速器、一个或多个旋翼以及与该一个或多个旋翼对应的一个或多个电机。
无人机上还可以设置诸如惯性测量单元等其他器件(图中未示出),在此不列举。
另外,本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有可执行代码,所述可执行代码用于实现如前述各实施例提供的图像拍摄方法。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (28)
1.一种图像拍摄方法,其特征在于,应用于可移动平台,所述可移动平台上搭载有摄像装置;所述方法包括:
当所述可移动平台在处于手动拍摄模式下时,通过所述摄像装置对目标对象进行手动拍摄生成第一图像;
当所述可移动平台在自动拍摄模式下时,通过所述摄像装置自动采集得到第二图像;
通过对所述第一图像和所述第二图像进行特征匹配,以确定所述第二图像中是否包含所述目标对象;
若所述第二图像中包含所述目标对象,则控制所述摄像装置对所述目标对象进行对焦拍摄。
2.根据权利要求1所述的方法,其特征在于,所述通过对所述第一图像和所述第二图像进行特征匹配,以确定所述第二图像中是否包含所述目标对象,包括:
确定所述第一图像中包含所述目标对象的第一区域图像;
通过对所述第一区域图像和第二图像进行图像块匹配,以确定所述第二图像中是否包含所述目标对象。
3.根据权利要求1所述的方法,其特征在于,所述通过所述摄像装置对目标对象进行手动拍摄生成第一图像之前,还包括:
记录在所述手动拍摄模式下对所述目标对象进行拍摄时的状态信息;所述状态信息包括所述可移动平台的位置信息、所述可移动平台的姿态信息和/或所述摄像装置的焦段信息;
所述当所述可移动平台在自动拍摄模式下时,通过所述摄像装置自动采集得到第二图像,包括:
在所述自动拍摄模式下,根据所述状态信息控制所述可移动平台和/或所述摄像装置调整至相同状态;
当所述可移动平台和/或所述摄像装置处于所述相同状态时,通过所述摄像装置采集第二图像。
4.根据权利要求1所述的方法,其特征在于,所述通过对所述第一图像和所述第二图像进行特征匹配,以确定所述第二图像中是否包含所述目标对象,包括:
确定所述第一图像中包含所述目标对象的第一区域图像;
通过对所述第二图像进行语义分割处理,以确定所述第二图像中包含预设类别物体的第二区域图像,所述目标对象对应于所述预设类别物体;
若所述第一区域图像和所述第二区域图像之间的相似度符合第一设定条件,则确定所述第二图像中包含所述目标对象。
5.根据权利要求1所述的方法,其特征在于,所述通过对所述第一图像和所述第二图像进行特征匹配,以确定所述第二图像中是否包含所述目标对象,包括:
获取所述第一图像中所述目标对象对应的第一特征点;
提取所述第二图像中包含的第二特征点;
确定所述第二特征点中与所述第一特征点匹配的目标特征点;
若所述目标特征点符合第二设定条件,则确定所述第二图像中包含所述目标对象。
6.根据权利要求5所述的方法,其特征在于,所述第二设定条件包括:所述目标特征点的数量达到设定阈值。
7.根据权利要求5所述的方法,其特征在于,所述方法还包括:
根据所述目标特征点的坐标,确定所述目标对象在所述第二图像中的位置区域;
若所述位置区域不位于所述第二图像的中心区域,则根据所述位置区域与所述中心区域的相对位置,确定位姿调整数据;
控制所述可移动平台在按照所述位姿调整数据进行调整后,对所述目标对象进行对焦拍摄。
8.根据权利要求5所述的方法,其特征在于,所述获取所述第一图像中所述目标对象对应的第一特征点,包括:
提取所述第一图像中包含的特征点;
对所述第一图像进行语义分割处理,以得到所述第一图像中各像素点的分类结果,所述分类结果指示对应的像素点是否位于所述目标对象上;
基于所述各像素点的分类结果,从所述第一图像中包含的特征点中剔除不属于所述目标对象的特征点,得到所述第一图像中所述目标对象对应的第一特征点。
9.根据权利要求5所述的方法,其特征在于,所述确定所述第二特征点中与所述第一特征点匹配的目标特征点之后,还包括:
对所述第二图像进行语义分割处理,以得到所述第二图像中各像素点的分类结果,所述分类结果指示对应的像素点是否属于所述目标对象;
基于所述各像素点的分类结果,从所述目标特征点中滤除不属于所述目标对象的特征点。
10.根据权利要求1-9中任一项所述的方法,其特征在于,所述可移动平台包括无人机。
11.根据权利要求10所述的方法,其特征在于,所述可移动平台还包括云台,所述云台挂载在所述无人机上,所述摄像装置挂载在所述云台上。
12.根据权利要求1-9中任一项所述的方法,其特征在于,所述目标对象包括电力设备。
13.一种图像拍摄装置,其特征在于,设于可移动平台,所述可移动平台上搭载有摄像装置;所述图像拍摄装置包括:存储器、处理器;其中,所述存储器上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器实现:
当所述可移动平台在处于手动拍摄模式下时,通过所述摄像装置对目标对象进行手动拍摄生成第一图像;
当所述可移动平台在自动拍摄模式下时,通过所述摄像装置自动采集得到第二图像;
通过对所述第一图像和所述第二图像进行特征匹配,以确定所述第二图像中是否包含所述目标对象;
若所述第二图像中包含所述目标对象,则控制所述摄像装置对所述目标对象进行对焦拍摄。
14.根据权利要求13所述的装置,其特征在于,所述处理器具体用于:
确定所述第一图像中包含所述目标对象的第一区域图像;
通过对所述第一区域图像和第二图像进行图像块匹配,以确定所述第二图像中是否包含所述目标对象。
15.根据权利要求13所述的装置,其特征在于,所述处理器还用于:
记录在所述手动拍摄模式下对所述目标对象进行拍摄时的状态信息;所述状态信息包括所述可移动平台的位置信息、所述可移动平台的姿态信息和/或所述摄像装置的焦段信息;
在所述自动拍摄模式下,根据所述状态信息控制所述可移动平台和/或所述摄像装置调整至相同状态;
当所述可移动平台和/或所述摄像装置处于所述相同状态时,通过所述摄像装置采集第二图像。
16.根据权利要求13所述的装置,其特征在于,所述处理器具体用于:
确定所述第一图像中包含所述目标对象的第一区域图像;
通过对所述第二图像进行语义分割处理,以确定所述第二图像中包含预设类别物体的第二区域图像,所述目标对象对应于所述预设类别物体;
当所述第一区域图像和所述第二区域图像之间的相似度符合第一设定条件时,确定所述第二图像中包含所述目标对象。
17.根据权利要求13所述的装置,其特征在于,所述处理器具体用于:
获取所述第一图像中所述目标对象对应的第一特征点;
提取所述第二图像中包含的第二特征点;
确定所述第二特征点中与所述第一特征点匹配的目标特征点;
当所述目标特征点符合第二设定条件时,确定所述第二图像中包含所述目标对象。
18.根据权利要求17所述的装置,其特征在于,所述第二设定条件包括:所述目标特征点的数量达到设定阈值。
19.根据权利要求17所述的装置,其特征在于,所述处理器还用于:
根据所述目标特征点的坐标,确定所述目标对象在所述第二图像中的位置区域;
当所述位置区域不位于所述第二图像的中心区域时,根据所述位置区域与所述中心区域的相对位置,确定位姿调整数据;
控制所述可移动平台在按照所述位姿调整数据进行调整后,对所述目标对象进行对焦拍摄。
20.根据权利要求17所述的装置,其特征在于,所述处理器具体用于:
提取所述第一图像中包含的特征点;
对所述第一图像进行语义分割处理,以得到所述第一图像中各像素点的分类结果,所述分类结果指示对应的像素点是否位于所述目标对象上;
基于所述各像素点的分类结果,从所述第一图像中包含的特征点中剔除不属于所述目标对象的特征点,得到所述第一图像中所述目标对象对应的第一特征点。
21.根据权利要求17所述的装置,其特征在于,所述处理器还用于:
对所述第二图像进行语义分割处理,以得到所述第二图像中各像素点的分类结果,所述分类结果指示对应的像素点是否属于所述目标对象;
基于所述各像素点的分类结果,从所述目标特征点中滤除不属于所述目标对象的特征点。
22.根据权利要求13-21中任一项所述的装置,其特征在于,所述可移动平台包括无人机。
23.根据权利要求22所述的装置,其特征在于,所述可移动平台还包括云台,所述云台挂载在所述无人机上,所述摄像装置挂载在所述云台上。
24.根据权利要求13-21中任一项所述的装置,其特征在于,所述目标对象包括电力设备。
25.一种可移动平台,其特征在于,包括:
机体;
动力***,设于所述机体,所述动力***用于为所述可移动平台提供动力;
摄像装置,设于所述机体,用于采集图像;
以及一个或多个处理器,所述一个或多个处理器,用于执行:
当图像拍摄装置在处于手动拍摄模式下时,通过所述摄像装置对目标对象进行手动拍摄生成第一图像;
当所述图像拍摄装置在自动拍摄模式下时,通过所述摄像装置自动采集得到第二图像;
通过对所述第一图像和所述第二图像进行特征匹配,以确定所述第二图像中是否包含所述目标对象;
若所述第二图像中包含所述目标对象,则控制所述摄像装置对所述目标对象进行对焦拍摄。
26.根据权利要求25所述的可移动平台,其特征在于,所述处理器还用于:
当确定所述第二图像中包含所述目标对象时,控制所述动力***调整所述机体的位姿对所述目标对象进行跟踪,以使所述目标图像保持在画面中。
27.根据权利要求25所述的可移动平台,其特征在于,所述可移动平台还包括云台,所述摄像装置搭载于所述云台上;
所述处理器还用于:当确定所述第二图像中包含所述目标对象时,控制所述动力***调整所述云台的位姿对所述目标对象进行跟踪,以使所述目标对象保持在画面中。
28.一种计算机可读存储介质,其特征在于,所述存储介质为计算机可读存储介质,该计算机可读存储介质中存储有程序指令,所述程序指令用于实现权利要求1-12中任意一项所述的图像拍摄方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2020/081712 WO2021189429A1 (zh) | 2020-03-27 | 2020-03-27 | 图像拍摄方法、装置、可移动平台和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112585946A true CN112585946A (zh) | 2021-03-30 |
Family
ID=75145423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080004316.1A Pending CN112585946A (zh) | 2020-03-27 | 2020-03-27 | 图像拍摄方法、装置、可移动平台和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112585946A (zh) |
WO (1) | WO2021189429A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115035626A (zh) * | 2022-05-19 | 2022-09-09 | 成都中科大旗软件股份有限公司 | 一种基于ar的景区智能巡检***及方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101609506A (zh) * | 2008-06-20 | 2009-12-23 | 索尼株式会社 | 对象识别装置、方法及其程序以及记录该程序的记录介质 |
CN102929288A (zh) * | 2012-08-23 | 2013-02-13 | 山东电力集团公司电力科学研究院 | 基于视觉伺服的输电线路无人机巡检云台控制方法 |
CN103856708A (zh) * | 2012-12-03 | 2014-06-11 | 原相科技股份有限公司 | 自动对焦的方法、摄像装置、以及计算机可读式存储媒体 |
CN105487555A (zh) * | 2016-01-14 | 2016-04-13 | 浙江大华技术股份有限公司 | 一种无人机的悬停定位方法及装置 |
CN106125744A (zh) * | 2016-06-22 | 2016-11-16 | 山东鲁能智能技术有限公司 | 基于视觉伺服的变电站巡检机器人云台控制方法 |
CN106713734A (zh) * | 2015-11-17 | 2017-05-24 | 华为技术有限公司 | 自动对焦方法及装置 |
CN107042511A (zh) * | 2017-03-27 | 2017-08-15 | 国机智能科技有限公司 | 基于视觉反馈的巡视机器人云台调整方法 |
CN108803668A (zh) * | 2018-06-22 | 2018-11-13 | 航天图景(北京)科技有限公司 | 一种静态目标监测的智能巡检无人机吊舱*** |
CN110335319A (zh) * | 2019-06-26 | 2019-10-15 | 华中科技大学 | 一种语义驱动的相机定位与地图重建方法和*** |
CN110581954A (zh) * | 2019-09-30 | 2019-12-17 | 深圳酷派技术有限公司 | 一种拍摄对焦方法、装置、存储介质及终端 |
CN110660023A (zh) * | 2019-09-12 | 2020-01-07 | 中国测绘科学研究院 | 一种基于图像语义分割的视频拼接方法 |
CN110738673A (zh) * | 2019-10-21 | 2020-01-31 | 哈尔滨理工大学 | 基于实例分割的视觉slam方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463899B (zh) * | 2014-12-31 | 2017-09-22 | 北京格灵深瞳信息技术有限公司 | 一种目标对象检测、监控方法及其装置 |
WO2018214078A1 (zh) * | 2017-05-24 | 2018-11-29 | 深圳市大疆创新科技有限公司 | 拍摄控制方法及装置 |
US10366287B1 (en) * | 2018-08-24 | 2019-07-30 | Loveland Innovations, LLC | Image analysis and estimation of rooftop solar exposure |
CN110887461B (zh) * | 2019-11-19 | 2021-04-06 | 西北工业大学 | 基于gps姿态估计的无人机实时计算机视觉处理方法 |
-
2020
- 2020-03-27 WO PCT/CN2020/081712 patent/WO2021189429A1/zh active Application Filing
- 2020-03-27 CN CN202080004316.1A patent/CN112585946A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101609506A (zh) * | 2008-06-20 | 2009-12-23 | 索尼株式会社 | 对象识别装置、方法及其程序以及记录该程序的记录介质 |
CN102929288A (zh) * | 2012-08-23 | 2013-02-13 | 山东电力集团公司电力科学研究院 | 基于视觉伺服的输电线路无人机巡检云台控制方法 |
CN103856708A (zh) * | 2012-12-03 | 2014-06-11 | 原相科技股份有限公司 | 自动对焦的方法、摄像装置、以及计算机可读式存储媒体 |
CN106713734A (zh) * | 2015-11-17 | 2017-05-24 | 华为技术有限公司 | 自动对焦方法及装置 |
CN105487555A (zh) * | 2016-01-14 | 2016-04-13 | 浙江大华技术股份有限公司 | 一种无人机的悬停定位方法及装置 |
CN106125744A (zh) * | 2016-06-22 | 2016-11-16 | 山东鲁能智能技术有限公司 | 基于视觉伺服的变电站巡检机器人云台控制方法 |
CN107042511A (zh) * | 2017-03-27 | 2017-08-15 | 国机智能科技有限公司 | 基于视觉反馈的巡视机器人云台调整方法 |
CN108803668A (zh) * | 2018-06-22 | 2018-11-13 | 航天图景(北京)科技有限公司 | 一种静态目标监测的智能巡检无人机吊舱*** |
CN110335319A (zh) * | 2019-06-26 | 2019-10-15 | 华中科技大学 | 一种语义驱动的相机定位与地图重建方法和*** |
CN110660023A (zh) * | 2019-09-12 | 2020-01-07 | 中国测绘科学研究院 | 一种基于图像语义分割的视频拼接方法 |
CN110581954A (zh) * | 2019-09-30 | 2019-12-17 | 深圳酷派技术有限公司 | 一种拍摄对焦方法、装置、存储介质及终端 |
CN110738673A (zh) * | 2019-10-21 | 2020-01-31 | 哈尔滨理工大学 | 基于实例分割的视觉slam方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2021189429A1 (zh) | 2021-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112164015B (zh) | 单目视觉自主巡检图像采集方法、装置及电力巡检无人机 | |
CN111272148B (zh) | 输电线路无人机自主巡检自适应成像质量优化方法 | |
US8314854B2 (en) | Apparatus and method for image recognition of facial areas in photographic images from a digital camera | |
CN110570454B (zh) | 一种检测异物入侵的方法及装置 | |
CN110633629A (zh) | 基于人工智能的电网巡检方法、装置、设备及存储介质 | |
CN108062763B (zh) | 目标跟踪方法及装置、存储介质 | |
CN110785993A (zh) | 拍摄设备的控制方法、装置、设备及存储介质 | |
CN113391644B (zh) | 一种基于图像信息熵的无人机拍摄距离半自动寻优方法 | |
CN111462229B (zh) | 基于无人机的目标拍摄方法、拍摄装置及无人机 | |
CN114020039A (zh) | 无人机巡检杆塔自动对焦***及方法 | |
CN112585946A (zh) | 图像拍摄方法、装置、可移动平台和存储介质 | |
CN102650801A (zh) | 摄像装置及其自动对焦方法 | |
CN113378782A (zh) | 一种车载火灾识别与自动追踪方法 | |
CN112585945A (zh) | 对焦方法、装置及设备 | |
CN117716702A (zh) | 图像拍摄方法、装置与可移动平台 | |
US12002279B2 (en) | Image processing apparatus and method, and image capturing apparatus | |
CN114594770B (zh) | 一种巡检机器人不停车的巡检方法 | |
JP5539565B2 (ja) | 撮像装置及び被写体追跡方法 | |
CN116246200A (zh) | 一种基于视觉识别的屏显信息偷拍检测方法及*** | |
CN112802112B (zh) | 视觉定位方法、装置、服务器及存储介质 | |
CN114004891A (zh) | 一种基于目标追踪的配网线路巡检方法及相关装置 | |
CN107147845B (zh) | 对焦方法、装置和终端设备 | |
CN118158528A (zh) | 基于地理分辨率的焦距控制方法、装置、设备及存储介质 | |
CN115527176B (zh) | 一种目标对象的识别方法、装置及设备 | |
KR101760892B1 (ko) | 옴니 카메라의 전방향 영상 기반 객체 추적 시스템 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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210330 |
|
WD01 | Invention patent application deemed withdrawn after publication |