CN113223185A - 一种图像处理方法、装置、电子设备及存储介质 - Google Patents

一种图像处理方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113223185A
CN113223185A CN202110578583.6A CN202110578583A CN113223185A CN 113223185 A CN113223185 A CN 113223185A CN 202110578583 A CN202110578583 A CN 202110578583A CN 113223185 A CN113223185 A CN 113223185A
Authority
CN
China
Prior art keywords
image
target image
matched
scanned
scanning
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
Application number
CN202110578583.6A
Other languages
English (en)
Other versions
CN113223185B (zh
Inventor
汤近祺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing QIYI Century Science and Technology Co Ltd
Original Assignee
Beijing QIYI Century Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing QIYI Century Science and Technology Co Ltd filed Critical Beijing QIYI Century Science and Technology Co Ltd
Priority to CN202110578583.6A priority Critical patent/CN113223185B/zh
Publication of CN113223185A publication Critical patent/CN113223185A/zh
Application granted granted Critical
Publication of CN113223185B publication Critical patent/CN113223185B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/006—Mixed reality
    • 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
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/77—Determining position or orientation of objects or cameras using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/20—Scenes; Scene-specific elements in augmented reality scenes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例提供了一种图像处理方法、装置、电子设备及存储介质，涉及图像识别技术领域。该方法包括：获取通过摄像头扫描到的第一扫描图像，若已在第二扫描图像中检测到第二目标图像，则追踪第二扫描图像中的匹配特征点在第一扫描图像中的坐标点，作为第一扫描图像的特征点。将第一扫描图像的特征点与第二目标图像中的匹配特征点进行特征匹配，若第一扫描图像与第二目标图像匹配，则通过摄像头的相机内参、第二目标图像的预设坐标信息和匹配信息，确定第一扫描图像的位姿信息，基于该位姿信息对叠加对象进行变换处理，将经过变换处理的叠加对象叠加至第一扫描图像。可以避免在摄像头拍摄到的画面中叠加的动态AR效果出现卡顿的问题。

Description

一种图像处理方法、装置、电子设备及存储介质
技术领域
本发明涉及图像识别技术领域，特别是涉及一种图像处理方法、装置、电子设备及存储介质。
背景技术
目前，用户使用摄像头拍摄的过程中，终端可以检测拍摄到的画面中是否存在预先设定的目标图像，例如预设的海报、预设的照片等。若检测到画面中存在预先设定的目标图像，则可以对该画面进行相应的处理，例如可以在该画面中叠加增强现实(AugmentedReality，AR)效果，后续还需按照上述方式持续检测摄像头拍摄到的每帧画面，以实现在摄像头拍摄到的画面中持续叠加动态AR的效果。
然而相关技术中，是通过将拍摄到的画面分别与每个预先设定的目标图像进行特征匹配的方式，来确定拍摄到的画面中是否存在目标图像。若预先设定的目标图像过多，则将拍摄到的画面分别与每个预先设定的目标图像进行特征匹配将耗费较长的时间。若检测拍摄到的某一帧画面中是否存在目标图像的耗时较长，将导致不能及时在该帧画面中叠加AR效果，使得在摄像头拍摄到的画面中叠加的动态AR效果出现卡顿。
发明内容
本发明实施例的目的在于提供一种图像处理方法、装置、电子设备及存储介质，用以解决在摄像头拍摄到的画面中叠加的动态AR效果出现卡顿问题。具体技术方案如下：
第一方面，本申请实施例提供一种图像处理方法，应用于电子设备，所述方法包括：
获取通过摄像头扫描到的第一扫描图像；
若已在第二扫描图像中检测到第二目标图像，则追踪所述第二扫描图像中的匹配特征点在所述第一扫描图像中的坐标点，作为所述第一扫描图像的特征点；其中，所述第二扫描图像为所述第一扫描图像的上一帧扫描图像，所述第二扫描图像中的匹配特征点与所述第二目标图像中的匹配特征点符合预设匹配条件，所述第二目标图像为预设目标图像集中的一个图像；
将所述第一扫描图像的特征点与所述第二目标图像中的匹配特征点进行特征匹配，判断所述第一扫描图像是否与所述第二目标图像匹配；
若所述第一扫描图像与所述第二目标图像匹配，则通过所述摄像头的相机内参、所述第二目标图像的预设坐标信息以及所述第一扫描图像与所述第二目标图像之间的匹配信息，确定所述第一扫描图像的位姿信息；
基于所述第一扫描图像的位姿信息对所述第二目标图像对应的叠加对象进行变换处理，将经过变换处理的叠加对象叠加至所述第一扫描图像。
在一种可能的实现方式中，所述将所述第一扫描图像的特征点与所述第二目标图像中的匹配特征点进行特征匹配，判断所述第一扫描图像是否与所述第二目标图像匹配，包括：
通过所述第一扫描图像的特征点和所述第二目标图像中的匹配特征点解算第一单应性矩阵，所述第一单应性矩阵用于表示所述第二目标图像所在的坐标系与所述第一扫描图像所在的坐标系之间的转换关系；
通过所述第一单应性矩阵将所述第二目标图像中的匹配特征点转换至所述第一扫描图像所在的坐标系，得到所述第二目标图像中的匹配特征点对应的转换特征点；
确定所述第二目标图像的转换特征点与所述第一扫描图像的特征点中匹配的特征点对的数量，所述匹配的特征点对包括两个互相匹配的特征点；
若所述匹配的特征点对的数量大于等于预设阈值，则确定所述第一扫描图像与所述第二目标图像匹配；
若所述匹配的特征点对的数量小于所述预设阈值，则确定所述第一扫描图像与所述第二目标图像不匹配。
在一种可能的实现方式中，若所述第一扫描图像与所述第二目标图像匹配，则通过所述摄像头的相机内参、所述第二目标图像的预设坐标信息以及所述第一扫描图像与所述第二目标图像之间的匹配信息，确定所述第一扫描图像的位姿信息，包括：
若所述第一扫描图像与所述第二目标图像匹配，则获取所述摄像头扫描所述第一扫描图像时的相机内参，基于获取到的相机内参确定所述摄像头的内参矩阵；
基于预设N点透视PNP算法对所述内参矩阵、所述第一单应性矩阵和所述第二目标图像的预设坐标信息进行计算，得到所述第一扫描图像的位姿信息。
在一种可能的实现方式中，在所述获取通过摄像头扫描到的第一扫描图像之后，所述方法还包括：
若未在所述第二扫描图像中检测到目标图像或者所述第一扫描图像与所述第二目标图像不匹配，则将所述第一扫描图像与预设目标图像集中的各目标图像进行特征匹配，确定与所述第一扫描图像匹配的第一目标图像；
通过所述摄像头的相机内参、所述第一目标图像的预设坐标信息以及所述第一扫描图像与所述第一目标图像之间的匹配信息，确定所述第一扫描图像的位姿信息；
基于所述第一扫描图像的位姿信息对所述第一目标图像对应的叠加对象进行变换处理，将经过变换处理的叠加对象叠加至所述第一扫描图像。
在一种可能的实现方式中，将所述第一扫描图像与预设目标图像集中的各目标图像进行特征匹配，确定与所述第一扫描图像匹配的第一目标图像，包括：
对所述第一扫描图像进行特征提取，得到所述第一扫描图像包括的多个特征点以及每个特征点对应的描述子；
将所述第一扫描图像包括特征点分别与所述目标图像集中的每个目标图像包括的特征点进行匹配；
确定所述第一扫描图像与每个目标图像之间匹配的特征点对的数量，将所述目标图像集中，与所述第一扫描图像之间匹配的特征点对的数量最多的目标图像作为待定目标图像；
基于所述第一扫描图像与所述待定目标图像之间匹配的特征点对，解算第二单应性矩阵，所述第二单应性矩阵用于表示所述待定目标图像所在的坐标系与所述第一扫描图像所在的坐标系之间的转换关系；
通过所述第二单应性矩阵将所述待定目标图像中，与所述第一扫描图像匹配的特征点转换至所述第一扫描图像所在的坐标系，得到所述待定目标图像的转换特征点；
确定所述待定目标图像的转换特征点与所述第一扫描图像中的匹配特征点中，匹配的特征点对的数量；
若确定的匹配的特征点对的数量大于等于预设阈值，则确定所述待定目标图像为与所述第一扫描图像匹配的第一目标图像。
第二方面，本申请实施例提供一种图像处理装置，应用于电子设备，所述装置包括：
获取模块，用于获取通过摄像头扫描到的第一扫描图像；
追踪模块，用于若已在第二扫描图像中检测到第二目标图像，则追踪所述第二扫描图像中的匹配特征点在所述第一扫描图像中的坐标点，作为所述第一扫描图像的特征点；其中，所述第二扫描图像为所述第一扫描图像的上一帧扫描图像，所述第二扫描图像中的匹配特征点与所述第二目标图像中的匹配特征点符合预设匹配条件，所述第二目标图像为预设目标图像集中的一个图像；
判断模块，用于将所述第一扫描图像的特征点与所述第二目标图像中的匹配特征点进行特征匹配，判断所述第一扫描图像是否与所述第二目标图像匹配；
第一确定模块，用于若所述第一扫描图像与所述第二目标图像匹配，则通过所述摄像头的相机内参、所述第二目标图像的预设坐标信息以及所述第一扫描图像与所述第二目标图像之间的匹配信息，确定所述第一扫描图像的位姿信息；
第一叠加模块，用于基于所述第一扫描图像的位姿信息对所述第二目标图像对应的叠加对象进行变换处理，将经过变换处理的叠加对象叠加至所述第一扫描图像。
在一种可能的实现方式中，所述判断模块，具体用于：
通过所述第一扫描图像的特征点和所述第二目标图像中的匹配特征点解算第一单应性矩阵，所述第一单应性矩阵用于表示所述第二目标图像所在的坐标系与所述第一扫描图像所在的坐标系之间的转换关系；
通过所述第一单应性矩阵将所述第二目标图像中的匹配特征点转换至所述第一扫描图像所在的坐标系，得到所述第二目标图像中的匹配特征点对应的转换特征点；
确定所述第二目标图像的转换特征点与所述第一扫描图像的特征点中匹配的特征点对的数量，所述匹配的特征点对包括两个互相匹配的特征点；
若所述匹配的特征点对的数量大于等于预设阈值，则确定所述第一扫描图像与所述第二目标图像匹配；
若所述匹配的特征点对的数量小于所述预设阈值，则确定所述第一扫描图像与所述第二目标图像不匹配。
在一种可能的实现方式中，所述第一确定模块，具体用于：
若所述第一扫描图像与所述第二目标图像匹配，则获取所述摄像头扫描所述第一扫描图像时的相机内参，基于获取到的相机内参确定所述摄像头的内参矩阵；
基于预设PNP算法对所述内参矩阵、所述第一单应性矩阵和所述第二目标图像的预设坐标信息进行计算，得到所述第一扫描图像的位姿信息。
在一种可能的实现方式中，所述装置还包括：
特征匹配模块，用于若未在所述第二扫描图像中检测到目标图像或者所述第一扫描图像与所述第二目标图像不匹配，则将所述第一扫描图像与预设目标图像集中的各目标图像进行特征匹配，确定与所述第一扫描图像匹配的第一目标图像；
第二确定模块，用于通过所述摄像头的相机内参、所述第一目标图像的预设坐标信息以及所述第一扫描图像与所述第一目标图像之间的匹配信息，确定所述第一扫描图像的位姿信息；
第二叠加模块，用于基于所述第一扫描图像的位姿信息对所述第一目标图像对应的叠加对象进行变换处理，将经过变换处理的叠加对象叠加至所述第一扫描图像。
在一种可能的实现方式中，所述特征匹配模块，具体用于：
对所述第一扫描图像进行特征提取，得到所述第一扫描图像包括的多个特征点以及每个特征点对应的描述子；
将所述第一扫描图像包括特征点分别与所述目标图像集中的每个目标图像包括的特征点进行匹配；
确定所述第一扫描图像与每个目标图像之间匹配的特征点对的数量，将所述目标图像集中，与所述第一扫描图像之间匹配的特征点对的数量最多的目标图像作为待定目标图像；
基于所述第一扫描图像与所述待定目标图像之间匹配的特征点对，解算第二单应性矩阵，所述第二单应性矩阵用于表示所述待定目标图像所在的坐标系与所述第一扫描图像所在的坐标系之间的转换关系；
通过所述第二单应性矩阵将所述待定目标图像中，与所述第一扫描图像匹配的特征点转换至所述第一扫描图像所在的坐标系，得到所述待定目标图像的转换特征点；
确定所述待定目标图像的转换特征点与所述第一扫描图像中的匹配特征点中，匹配的特征点对的数量；
若确定的匹配的特征点对的数量大于等于预设阈值，则确定所述待定目标图像为与所述第一扫描图像匹配的第一目标图像。
第三方面，本发明实施例还提供一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述任一所述的图像处理方法步骤。
第四方面，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现第一方面中所述的图像处理方法。
第五方面，本申请实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面中所述的图像处理方法。
本发明实施例有益效果：
采用上述技术方案，因摄像头连续扫描到的两帧图像很大概率是对同一个图像扫描得到的图像，即连续的两帧扫描图像中大概率包括相同的目标图像。在获取到第一扫描图像后，若已确定第一扫描图像的上一帧扫描图像中存在第二目标图像，则可追踪第二扫描图像中匹配的特征点在第一扫描图像中的坐标点，将追踪的坐标点作为第一扫描图像的特征点。如此，就无需分别将第一扫描图像分别与预设目标图像集中的每个目标图像进行匹配，可以省去将第一扫描图像分别与每个目标图像进行匹配所需的时间。因整体上节省了计算第一扫描图像的位姿信息的时间，所以可以及时基于计算出的位姿信息将叠加对象叠加至第一扫描图像，避免了叠加的对象出现卡顿的情况。
当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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实施例。
图1为本发明实施例提供的一种图像处理方法的流程图；
图2为本发明实施例提供的另一种图像处理方法的流程图；
图3为本发明实施例提供的另一种图像处理方法的流程图；
图4为本发明实施例提供的另一种图像处理方法的流程图；
图5为本发明实施例提供的一种图像处理装置的结构示意图；
图6为本发明实施例提供的一种电子设备的结构示意图。
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，所描述的实施例仅仅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基于本申请所获得的所有其他实施例，都属于本发明保护的范围。
本申请实施例提供一种图像处理方法，应用于电子设备，如图1所示，该方法包括：
S101、获取通过摄像头扫描到的第一扫描图像。
S102、若已在第二扫描图像中检测到第二目标图像，则追踪第二扫描图像中的匹配特征点在第一扫描图像中的坐标点，作为第一扫描图像的特征点。
其中，第二扫描图像为第一扫描图像的上一帧扫描图像，第二扫描图像中的匹配特征点与第二目标图像中的匹配特征点符合预设匹配条件。第二目标图像为预设目标图像集中的一个图像。
S103、将第一扫描图像的特征点与第二目标图像中的匹配特征点进行特征匹配，判断第一扫描图像是否与第二目标图像匹配。
S104、若第一扫描图像与第二目标图像匹配，则通过摄像头的相机内参、第二目标图像的预设坐标信息以及第一扫描图像与第二目标图像之间的匹配信息，确定第一扫描图像的位姿信息。
S105、基于第一扫描图像的位姿信息对第二目标图像对应的叠加对象进行变换处理，将经过变换处理的叠加对象叠加至第一扫描图像。
采用上述技术方案，因摄像头连续扫描到的两帧图像很大概率是对同一个图像扫描得到的图像，即连续的两帧扫描图像中大概率包括相同的目标图像。在获取到第一扫描图像后，若已确定第一扫描图像的上一帧扫描图像中存在第二目标图像，则可追踪第二扫描图像中匹配的特征点在第一扫描图像中的坐标点，将追踪的坐标点作为第一扫描图像的特征点。如此，就无需分别将第一扫描图像分别与预设目标图像集中的每个目标图像进行匹配，可以省去将第一扫描图像分别与每个目标图像进行匹配所需的时间。因整体上节省了计算第一扫描图像的位姿信息的时间，所以可以及时基于计算出的位姿信息将叠加对象叠加至第一扫描图像，避免了叠加的对象出现卡顿的情况。
针对上述S101，第一扫描图像可以是用户通过电子设备扫描的海报、logo、照片，例如，当用户通过电子设备扫描海报时，电子设备可以获取通过摄像头扫描到的每帧海报图像，上述扫描图像即为摄像头扫描到的海报图像。
针对上述S102，预设目标图像集中包括预先设置的需要被检测的目标图像，例如，预设目标图像集中包括多个电影的海报，或者包括多种商品的图像。或者，若本申请实施例为了实现儿童读物中的静态图像的动态展示，则该预设目标图像集中包括儿童读物中的图像。该预设目标图像集可基于实际应用需求设置，不限于上述举例中列举出的内容。
用户通过手机的摄像头对海报等图像进行扫描时，连续扫描得到的两帧扫描图像通常比较相似，可能只是摄像头的位置、拍摄角度发生了细微的变化，但两帧扫描图像中包括的目标图像大概率是相同的。因通过特征提取算法提取出的特征点具有尺度不变性和旋转不变性的特点，所以若已在上一帧扫描图像中检测到第二目标图像，则可追踪第二目标图像中匹配的特征点在第一扫描图像中的坐标点，追踪到的第一扫描图像中的坐标点与第二目标图像中的匹配特征点大概率也是互相匹配的。
进而，若通过上述S103确定了第一扫描图像与第二目标图像匹配，则可确定第一扫描图像的位姿信息，进而基于该位姿信息将叠加对象叠加至第一扫描图像。
在本申请实施例中，电子设备可以对摄像头扫描到的每一帧扫描图像执行本申请实施例的方法流程，以实现在扫描到的图像中叠加动态的AR效果。例如，用户可以通过手机摄像头扫描电视剧或电影的海报，手机获取到扫描到的海报图像时，可以在手机显示的海报上叠加动态视频，比如叠加电视剧或电影的宣传片。再例如，可以通过手机摄像头扫描儿童读物上的静态图片，进而在手机显示的静态图片上叠加AR效果，使用户可以看到动态的图片，增加趣味性。
采用本申请实施例，追踪第二扫描图像中匹配的特征点在第一扫描图像中的坐标点，作为第一扫描图像的特征点，这一过程的时长可计为t4；而如果采用相关技术中直接通过特征提取的方式，提取第一扫描图像的特征点和描述子所需的时长为t1，t1远大于t4。然后，如果将第一扫描图像的特征点分别与预设目标图像集中的n个目标图像进行匹配，这一过程所需的时长为nt2；而本申请实施例可省略这一步骤。然后，相关技术与本申请中进行后续的位姿信息计算所需的时间相同，所需的时长均为t3。可见，相关技术中对一帧扫描图像计算的耗时为t1+nt2+t3，而本申请实施例中，对一帧扫描图像计算的耗时为t4+t3。即采用本申请实施例的方法可以大幅减少对每帧扫描图像的计算时间，使得叠加AR的效率更高，避免了卡顿的问题。并且，因大幅缩短了计算时间，所以可以使得低端手机也可以高帧率叠加AR效果。
经实验，采用相关技术中的方法对每帧扫描图像处理所需的时间为25ms,相应地，每秒传输帧数(Frames Per Second，FPS)为40；采用本申请实施例的方法对每帧扫描图像处理所需的时间为10.5ms,相应地，每秒传输帧数(Frames Per Second，FPS)为95，处理时间缩短为原来的42％。
在本申请的一个实施例中，如图2所示，上述S103、将第一扫描图像的特征点与第二目标图像中的匹配特征点进行特征匹配，判断第一扫描图像是否与第二目标图像匹配，可以实现为：
S1031、通过第一扫描图像的特征点和第二目标图像中的匹配特征点解算第一单应性矩阵，第一单应性矩阵用于表示第二目标图像所在的坐标系与第一扫描图像所在的坐标系之间的转换关系。
作为示例，本申请实施例中可以通过随机一致性采样(Random SampleConsensus，RANSAC)算法解算第一单应性矩阵(Homography matrix)，或者也可以采用相关技术中其他解算单应性矩阵的方法，可参考相关技术中的说明，此处不再赘述。
其中，上述第二目标图像所在的坐标系可以为三维场景坐标系(3D坐标系)，第一扫描图像所在的坐标系可以为摄像头所在的坐标系，所以该第一单应性矩阵用于表示3D坐标系与摄像头坐标系之间的转换关系。
S1032、通过第一单应性矩阵将第二目标图像中的匹配特征点转换至第一扫描图像所在的坐标系，得到第二目标图像中的匹配特征点对应的转换特征点。
为了更准确的进行特征点匹配，通过第一单应性矩阵可以把第二目标图像中的匹配特征点转换至第一扫描图像所在的坐标系，使得第二目标图像的转换特征点与第一扫描图像的特征点处于同一坐标系。
S1033、确定第二目标图像的转换特征点与第一扫描图像的特征点中匹配的特征点对的数量，匹配的特征点对包括两个互相匹配的特征点。
S1034、若匹配的特征点对的数量大于等于预设阈值，则确定第一扫描图像与第二目标图像匹配。
S1035、若匹配的特征点对的数量小于预设阈值，则确定第一扫描图像与第二目标图像不匹配。
针对上述S1033，为方便理解，将第二目标图像的匹配特征点的坐标记为P0(t)，将第一扫描图像的匹配特征点的坐标记为P1(t)，即P0(t)和P1(t)为匹配的特征点对。
将P0(t)转换到第一扫描图像所在坐标系后得到的转换特征点的坐标记为P0→1(t)。进而，可以计算P0→1(t)与P1(t)之间的欧氏距离，若计算出的欧式距离小于预设的欧氏距离阈值，则确定P0→1(t)与P1(t)为匹配的特征点对。
作为示例，P0(t)和P1(t)的数量均为100个，即第二目标图像和第一扫描图像存在100个匹配的特征点对，其中，P0(1)和P1(1)匹配，P0(2)和P1(2)匹配，P0(3)和P1(3)匹配，依次类推。
然后，再将第二目标图像中的匹配的特征点P0(1)、P0(2)……P0(100)转换到第一扫描图像所在的坐标系，得到第二目标图像中匹配的特征点在第一扫描图像中对应的转换特征点：P0→1(1)、P0→1(2)、……、P0→1(100)。
进而分别计算第二目标图像与第一扫描图像中每对匹配的特征点间的欧式距离，即P0(1)与P0→1(1)之间的欧氏距离、P0(2)与P0→1(2)之间的欧氏距离、……、P0(100)与P0→1(100)之间的欧氏距离。进而将各欧氏距离与预设的欧氏距离阈值进行比较，若两个特征点对之间的欧氏距离小于预设的欧式距离阈值，则这两个特征点互为匹配的特征点。进而可以得到P0(1)与P0→1(1)、P0(2)与P0→1(2)、……、P0(100)与P0→1(100)中匹配的特征点对数量。在本申请实施例中，可以将本步骤中确定出的匹配的特征点对中的P0→1(t)称为内点。
若匹配的特征点对数量(或者内点的数量)大于预设数量阈值，则可确定第二目标图像与第一扫描图像匹配。作为示例，该预设数量阈值可以为15。
采用本申请实施例，可以通过第二目标图像的转换特征点与第一扫描图像的特征点中匹配的特征点对的数量，确定第二目标图像与第一扫描图像是否匹配，在确定第二目标图像与第一扫描图像匹配的情况下，就无需将第一扫描图像分别与预设目标图像集中的每个图像进行匹配，可以减少计算量及计算时间，避免出现卡顿的情况。
在本申请的一个实施例中，上述S104、若第一扫描图像与第二目标图像匹配，则通过摄像头的相机内参、第二目标图像的预设坐标信息以及第一扫描图像与第二目标图像之间的匹配信息，确定第一扫描图像的位姿信息，可以实现为：
若第一扫描图像与第二目标图像匹配，则获取摄像头扫描第一扫描图像时的相机内参，基于获取到的相机内参确定摄像头的内参矩阵。基于预设N点透视(pespective-n-point，PNP)算法对内参矩阵、第一单应性矩阵和第二目标图像的预设坐标信息进行计算，得到第一扫描图像的位姿信息。
其中，相机的内参包括相机分辨率、视场角(field of view，FOV)，畸变参数等。
预设PNP算法可以为P3P相机姿态估计算法，高效的n点透视(EfficientPerspective-n-Point，EPnP)相机姿态估计算法，迭代法，直接最小二乘法(The DirectLeast-Squares Method，DLS)算法等，通过PNP解算算法可以解算得到摄像机坐标系和3D坐标系之间的位姿关系，该位姿关系包括平移向量t和旋转矩阵R。
此外，第二目标图像的预设坐标信息为第二目标图像的四个角在3D坐标系中的坐标。本申请实施例中，可以假设每个目标图像在3D坐标系中的尺寸，进而预设每个目标图像的各个角在3D坐标系中的坐标。
以海报为例，海报在真实世界中可以看作平面中的一个矩形，厚度可忽略不计，假设一张海报在真实世界中被打印出来的大小是6m×4m，则可以该海报的中心点为坐标系的原点，将该海报的四个角的坐标(3，2，0)、(3，-2，0)、(-3，-2，0)、(-3，2，0)作为该海报的预设坐标信息。
在本申请的一个实施例中，如图3所示，在上述S101、获取通过摄像头扫描到的第一扫描图像之后，该方法还包括：
S301、若未在第二扫描图像中检测到目标图像或者第一扫描图像与第二目标图像不匹配，则将第一扫描图像与预设目标图像集中的各目标图像进行特征匹配，确定与第一扫描图像匹配的第一目标图像。
S302、通过摄像头的相机内参、第一目标图像的预设坐标信息以及第一扫描图像与第一目标图像之间的匹配信息，确定第一扫描图像的位姿信息。
在本申请实施例中，可以获取摄像头扫描第一目标图像时的相机内参，基于获取到的相机内参确定摄像头的内参矩阵，然后基于预设PNP算法对内参矩阵、转换矩阵以及第一目标图像的预设坐标信息进行计算，得到第一扫描图像的位姿信息。
S303、基于第一扫描图像的位姿信息对第一目标图像对应的叠加对象进行变换处理，将经过变换处理的叠加对象叠加至第一扫描图像。
在本申请实施例中，如图4所示，在上述S301中、将第一扫描图像与预设目标图像集中的各目标图像进行特征匹配，确定与第一扫描图像匹配的第一目标图像，具体包括如下步骤：
S3011、对第一扫描图像进行特征提取，得到第一扫描图像包括的多个特征点以及每个特征点对应的描述子。
在本申请实施例中，对第一扫描图像进行特征提取时采用的特征提取算法，与对预设目标图像集中的各个目标图像进行特征提取时采用的特征提取算法相同，例如可以选择使用尺度不变特征变换(Scale-invariant feature transform，SIFT)算法、加速稳健特征(Speeded Up Robust Features，SURF)算法或定向快速旋转(Oriented Fast andRotated Brief，ORB)算法，当然也可以采用其他特征点提取算法，本申请实施例对此不作限定。
S3012、将第一扫描图像包括特征点分别与目标图像集中的每个目标图像包括的特征点进行匹配。
将第一扫描图像包括的特征点与目标图像集中的一个图像所包括的特征点进行匹配的方法为：
将从该第一扫描图像中提取的一个特征点的描述子，分别与从目标图像中提取的每个特征点的描述子进行欧式距离的计算，若计算出的欧式距离小于预设的欧氏距离阈值，则确定两个特征点为匹配的特征点对。反之，若计算出的欧式距离大于等于预设的欧式距离阈值，则确定两个特征点之间不匹配。
S3013、确定第一扫描图像与每个目标图像之间匹配的特征点对的数量，将目标图像集中，与第一扫描图像之间匹配的特征点对的数量最多的目标图像作为待定目标图像。
其中，在S3012中，通过对特征点对的欧式距离判断，可以确定第一扫描图像与每个目标图像之间匹配的特征点对的数量，进而在S3013中可以将与第一扫描图像匹配的特征点对数量最多的目标图像作为待定目标图像，然后通过后续步骤进一步判断该待定目标图像是否确实与第一扫描图像匹配。
S3014、基于第一扫描图像与待定目标图像之间匹配的特征点对，解算第二单应性矩阵，第二单应性矩阵用于表示待定目标图像所在的坐标系与第一扫描图像所在的坐标系之间的转换关系。
第二单应性矩阵的解算方法与上述S1031中解算单应性矩阵的方法相同，此处不再赘述。
S3015、通过第二单应性矩阵将待定目标图像中，与第一扫描图像匹配的特征点转换至第一扫描图像所在的坐标系，得到待定目标图像的转换特征点。
S3016、确定待定目标图像的转换特征点与第一扫描图像中的匹配特征点中，匹配的特征点对的数量。
为了便于理解，将待定目标图像中与第一扫描图像中的特征点匹配的转换特征点记为Q0(t)，将第一扫描图像中的与待定目标图像的转换特征点匹配的特征点记为Q1(t)，即Q0(t)与Q1(t)为匹配的特征点对。将Q0(t)转换到第一扫描图像中的转换坐标点记为Q0→1(t)。
进而计算Q0→1(t)与Q1(t)之间的欧氏距离，若计算得出的欧式距离小于预设的距离阈值，则确定二者为匹配的特征点对。
作为示例，若Q0(t)与Q1(t)的数量均为100个，即待定目标图像中存在100个与第一扫描图像匹配的特征点对，其中Q0(1)与Q1(1)匹配，Q0(2)与Q1(2)匹配，依次类推。
然后，再将Q0(1)、Q0(2)……Q0(100)转换到扫描图像所在的坐标系，得到转换特征点：Q0→1(1)、Q0→1(2)……Q0→1(100)。
进而分别计算Q0(1)与Q0→1(1)之间的欧氏距离、Q0(2)与Q0→1(2)之间的欧氏距离、……、Q0(100)与Q0→1(100)之间的欧氏距离。进而将各欧氏距离与预设的欧氏距离阈值进行比较，若两个特征点的欧氏距离小于预设的欧式距离阈值，则这两个特征点互为匹配的特征点。进而可以得到Q0(1)与Q0→1(1)、Q0(2)与Q0→1(2)、……、Q0(100)与Q0→1(100)中匹配的特征点对数量。在本申请实施例中，可以将本步骤中确定出的匹配的特征点对中的Q0→1(t)称为内点。
S3017、若确定的匹配的特征点对的数量大于等于预设阈值，则确定待定目标图像为与第一扫描图像匹配的第一目标图像。
作为示例，该预设阈值可以为15。
采用本申请实施例，先确定待定目标图像，然后进一步地将待定目标图像的转换特征点与第一扫描图像中的匹配特征点进行匹配，可以避免识别错误的情况，对第一扫描图像进行目标识别的识别结果更加准确，从而可以准确地为第一扫描图像叠加AR效果。
基于相同的发明构思，本发明实施例还提供一种图像处理装置，该装置应用于电子设备，如图5所示，该装置包括：
获取模块501，用于获取通过摄像头扫描到的第一扫描图像；
追踪模块502，用于若已在第二扫描图像中检测到第二目标图像，则追踪第二扫描图像中的匹配特征点在第一扫描图像中的坐标点，作为第一扫描图像的特征点；其中，第二扫描图像为第一扫描图像的上一帧扫描图像，第二扫描图像中的匹配特征点与第二目标图像中的匹配特征点符合预设匹配条件，第二目标图像为预设目标图像集中的一个图像；
判断模块503，用于将第一扫描图像的特征点与第二目标图像中的匹配特征点进行特征匹配，判断第一扫描图像是否与第二目标图像匹配；
第一确定模块504，用于若第一扫描图像与第二目标图像匹配，则通过摄像头的相机内参、第二目标图像的预设坐标信息以及第一扫描图像与第二目标图像之间的匹配信息，确定第一扫描图像的位姿信息；
第一叠加模块505，用于基于第一扫描图像的位姿信息对第二目标图像对应的叠加对象进行变换处理，将经过变换处理的叠加对象叠加至第一扫描图像。
可选地，判断模块503，具体用于：
通过第一扫描图像的特征点和第二目标图像中的匹配特征点解算第一单应性矩阵，第一单应性矩阵用于表示第二目标图像所在的坐标系与第一扫描图像所在的坐标系之间的转换关系；
通过第一单应性矩阵将第二目标图像中的匹配特征点转换至第一扫描图像所在的坐标系，得到第二目标图像中的匹配特征点对应的转换特征点；
确定第二目标图像的转换特征点与第一扫描图像的特征点中匹配的特征点对的数量，匹配的特征点对包括两个互相匹配的特征点；
若匹配的特征点对的数量大于等于预设阈值，则确定第一扫描图像与第二目标图像匹配；
若匹配的特征点对的数量小于预设阈值，则确定第一扫描图像与第二目标图像不匹配。
可选地，第一确定模块504，具体用于：
若第一扫描图像与第二目标图像匹配，则获取摄像头扫描第一扫描图像时的相机内参，基于获取到的相机内参确定摄像头的内参矩阵；
基于预设PNP算法对内参矩阵、第一单应性矩阵和第二目标图像的预设坐标信息进行计算，得到第一扫描图像的位姿信息。
可选地，该装置还包括：
特征匹配模块，用于若未在第二扫描图像中检测到目标图像或者第一扫描图像与第二目标图像不匹配，则将第一扫描图像与预设目标图像集中的各目标图像进行特征匹配，确定与第一扫描图像匹配的第一目标图像；
第二确定模块，用于通过摄像头的相机内参、第一目标图像的预设坐标信息以及第一扫描图像与第一目标图像之间的匹配信息，确定第一扫描图像的位姿信息；
第二叠加模块，用于基于第一扫描图像的位姿信息对第一目标图像对应的叠加对象进行变换处理，将经过变换处理的叠加对象叠加至第一扫描图像。
可选地，特征匹配模块，具体用于：
对第一扫描图像进行特征提取，得到第一扫描图像包括的多个特征点以及每个特征点对应的描述子；
将第一扫描图像包括特征点分别与目标图像集中的每个目标图像包括的特征点进行匹配；
确定第一扫描图像与每个目标图像之间匹配的特征点对的数量，将预设目标图像集中，与第一扫描图像之间匹配的特征点对的数量最多的目标图像作为待定目标图像；
基于第一扫描图像与待定目标图像之间匹配的特征点对，解算第二单应性矩阵，第二单应性矩阵用于表示待定目标图像所在的坐标系与第一扫描图像所在的坐标系之间的转换关系；
通过第二单应性矩阵将待定目标图像中，与第一扫描图像匹配的特征点转换至第一扫描图像所在的坐标系，得到待定目标图像的转换特征点；
确定待定目标图像的转换特征点与第一扫描图像中的匹配特征点中，匹配的特征点对的数量；
若确定的匹配的特征点对的数量大于等于预设阈值，则确定待定目标图像为与第一扫描图像匹配的第一目标图像。
本发明实施例还提供了一种电子设备，如图6所示，包括处理器601、通信接口602、存储器603和通信总线604，其中，处理器601，通信接口602，存储器603通过通信总线604完成相互间的通信，
存储器603，用于存放计算机程序；
处理器601，用于执行存储器603上所存放的程序时，实现上述方法实施例中的方法步骤。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(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。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一图像处理方法的步骤。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一图像处理方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备及存储介质而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种图像处理方法，其特征在于，应用于电子设备，所述方法包括：
获取通过摄像头扫描到的第一扫描图像；
若已在第二扫描图像中检测到第二目标图像，则追踪所述第二扫描图像中的匹配特征点在所述第一扫描图像中的坐标点，作为所述第一扫描图像的特征点；其中，所述第二扫描图像为所述第一扫描图像的上一帧扫描图像，所述第二扫描图像中的匹配特征点与所述第二目标图像中的匹配特征点符合预设匹配条件，所述第二目标图像为预设目标图像集中的一个图像；
将所述第一扫描图像的特征点与所述第二目标图像中的匹配特征点进行特征匹配，判断所述第一扫描图像是否与所述第二目标图像匹配；
若所述第一扫描图像与所述第二目标图像匹配，则通过所述摄像头的相机内参、所述第二目标图像的预设坐标信息以及所述第一扫描图像与所述第二目标图像之间的匹配信息，确定所述第一扫描图像的位姿信息；
基于所述第一扫描图像的位姿信息对所述第二目标图像对应的叠加对象进行变换处理，将经过变换处理的叠加对象叠加至所述第一扫描图像。
2.根据权利要求1所述的方法，其特征在于，所述将所述第一扫描图像的特征点与所述第二目标图像中的匹配特征点进行特征匹配，判断所述第一扫描图像是否与所述第二目标图像匹配，包括：
通过所述第一扫描图像的特征点和所述第二目标图像中的匹配特征点解算第一单应性矩阵，所述第一单应性矩阵用于表示所述第二目标图像所在的坐标系与所述第一扫描图像所在的坐标系之间的转换关系；
通过所述第一单应性矩阵将所述第二目标图像中的匹配特征点转换至所述第一扫描图像所在的坐标系，得到所述第二目标图像中的匹配特征点对应的转换特征点；
确定所述第二目标图像的转换特征点与所述第一扫描图像的特征点中匹配的特征点对的数量，所述匹配的特征点对包括两个互相匹配的特征点；
若所述匹配的特征点对的数量大于等于预设阈值，则确定所述第一扫描图像与所述第二目标图像匹配；
若所述匹配的特征点对的数量小于所述预设阈值，则确定所述第一扫描图像与所述第二目标图像不匹配。
3.根据权利要求1或2所述的方法，其特征在于，若所述第一扫描图像与所述第二目标图像匹配，则通过所述摄像头的相机内参、所述第二目标图像的预设坐标信息以及所述第一扫描图像与所述第二目标图像之间的匹配信息，确定所述第一扫描图像的位姿信息，包括：
若所述第一扫描图像与所述第二目标图像匹配，则获取所述摄像头扫描所述第一扫描图像时的相机内参，基于获取到的相机内参确定所述摄像头的内参矩阵；
基于预设N点透视PNP算法对所述内参矩阵、所述第一单应性矩阵和所述第二目标图像的预设坐标信息进行计算，得到所述第一扫描图像的位姿信息。
4.根据权利要求1所述的方法，其特征在于，在所述获取通过摄像头扫描到的第一扫描图像之后，所述方法还包括：
若未在所述第二扫描图像中检测到目标图像或者所述第一扫描图像与所述第二目标图像不匹配，则将所述第一扫描图像与预设目标图像集中的各目标图像进行特征匹配，确定与所述第一扫描图像匹配的第一目标图像；
通过所述摄像头的相机内参、所述第一目标图像的预设坐标信息以及所述第一扫描图像与所述第一目标图像之间的匹配信息，确定所述第一扫描图像的位姿信息；
基于所述第一扫描图像的位姿信息对所述第一目标图像对应的叠加对象进行变换处理，将经过变换处理的叠加对象叠加至所述第一扫描图像。
5.根据权利要求4所述的方法，其特征在于，将所述第一扫描图像与预设目标图像集中的各目标图像进行特征匹配，确定与所述第一扫描图像匹配的第一目标图像，包括：
对所述第一扫描图像进行特征提取，得到所述第一扫描图像包括的多个特征点以及每个特征点对应的描述子；
将所述第一扫描图像包括特征点分别与所述目标图像集中的每个目标图像包括的特征点进行匹配；
确定所述第一扫描图像与每个目标图像之间匹配的特征点对的数量，将所述目标图像集中，与所述第一扫描图像之间匹配的特征点对的数量最多的目标图像作为待定目标图像；
基于所述第一扫描图像与所述待定目标图像之间匹配的特征点对，解算第二单应性矩阵，所述第二单应性矩阵用于表示所述待定目标图像所在的坐标系与所述第一扫描图像所在的坐标系之间的转换关系；
通过所述第二单应性矩阵将所述待定目标图像中，与所述第一扫描图像匹配的特征点转换至所述第一扫描图像所在的坐标系，得到所述待定目标图像的转换特征点；
确定所述待定目标图像的转换特征点与所述第一扫描图像中的匹配特征点中，匹配的特征点对的数量；
若确定的匹配的特征点对的数量大于等于预设阈值，则确定所述待定目标图像为与所述第一扫描图像匹配的第一目标图像。
6.一种图像处理装置，其特征在于，应用于电子设备，所述装置包括：
获取模块，用于获取通过摄像头扫描到的第一扫描图像；
追踪模块，用于若已在第二扫描图像中检测到第二目标图像，则追踪所述第二扫描图像中的匹配特征点在所述第一扫描图像中的坐标点，作为所述第一扫描图像的特征点；其中，所述第二扫描图像为所述第一扫描图像的上一帧扫描图像，所述第二扫描图像中的匹配特征点与所述第二目标图像中的匹配特征点符合预设匹配条件，所述第二目标图像为预设目标图像集中的一个图像；
判断模块，用于将所述第一扫描图像的特征点与所述第二目标图像中的匹配特征点进行特征匹配，判断所述第一扫描图像是否与所述第二目标图像匹配；
第一确定模块，用于若所述第一扫描图像与所述第二目标图像匹配，则通过所述摄像头的相机内参、所述第二目标图像的预设坐标信息以及所述第一扫描图像与所述第二目标图像之间的匹配信息，确定所述第一扫描图像的位姿信息；
第一叠加模块，用于基于所述第一扫描图像的位姿信息对所述第二目标图像对应的叠加对象进行变换处理，将经过变换处理的叠加对象叠加至所述第一扫描图像。
7.根据权利要求6所述的装置，其特征在于，所述判断模块，具体用于：
通过所述第一扫描图像的特征点和所述第二目标图像中的匹配特征点解算第一单应性矩阵，所述第一单应性矩阵用于表示所述第二目标图像所在的坐标系与所述第一扫描图像所在的坐标系之间的转换关系；
通过所述第一单应性矩阵将所述第二目标图像中的匹配特征点转换至所述第一扫描图像所在的坐标系，得到所述第二目标图像中的匹配特征点对应的转换特征点；
确定所述第二目标图像的转换特征点与所述第一扫描图像的特征点中匹配的特征点对的数量，所述匹配的特征点对包括两个互相匹配的特征点；
若所述匹配的特征点对的数量大于等于预设阈值，则确定所述第一扫描图像与所述第二目标图像匹配；
若所述匹配的特征点对的数量小于所述预设阈值，则确定所述第一扫描图像与所述第二目标图像不匹配。
8.根据权利要求6或7所述的装置，其特征在于，所述第一确定模块，具体用于：
若所述第一扫描图像与所述第二目标图像匹配，则获取所述摄像头扫描所述第一扫描图像时的相机内参，基于获取到的相机内参确定所述摄像头的内参矩阵；
基于预设N点透视PNP算法对所述内参矩阵、所述第一单应性矩阵和所述第二目标图像的预设坐标信息进行计算，得到所述第一扫描图像的位姿信息。
9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-5任一所述的方法步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-5任一所述的方法步骤。
CN202110578583.6A 2021-05-26 2021-05-26 一种图像处理方法、装置、电子设备及存储介质 Active CN113223185B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110578583.6A CN113223185B (zh) 2021-05-26 2021-05-26 一种图像处理方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110578583.6A CN113223185B (zh) 2021-05-26 2021-05-26 一种图像处理方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113223185A true CN113223185A (zh) 2021-08-06
CN113223185B CN113223185B (zh) 2023-09-05

Family

ID=77098631

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110578583.6A Active CN113223185B (zh) 2021-05-26 2021-05-26 一种图像处理方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113223185B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116524022A (zh) * 2023-04-28 2023-08-01 北京优酷科技有限公司 偏移数据计算方法、图像融合方法、装置及电子设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107403442A (zh) * 2016-05-19 2017-11-28 视辰信息科技(上海)有限公司 增强现实***的跟踪方法和终端设备
WO2018121286A1 (zh) * 2016-12-30 2018-07-05 纳恩博（北京）科技有限公司 目标跟踪方法和装置
CN108510520A (zh) * 2018-02-13 2018-09-07 视辰信息科技(上海)有限公司 一种图像处理方法、装置及ar设备
CN108537845A (zh) * 2018-04-27 2018-09-14 腾讯科技（深圳）有限公司 位姿确定方法、装置及存储介质
US20180308249A1 (en) * 2017-04-21 2018-10-25 Qualcomm Incorporated Registration of range images using virtual gimbal information
CN109308463A (zh) * 2018-09-12 2019-02-05 北京奇艺世纪科技有限公司 一种视频目标识别方法、装置及设备
WO2019127306A1 (en) * 2017-12-29 2019-07-04 Beijing Airlango Technology Co., Ltd. Template-based image acquisition using a robot
CN110246163A (zh) * 2019-05-17 2019-09-17 联想（上海）信息技术有限公司 图像处理方法及其装置、设备、计算机存储介质
CN110648363A (zh) * 2019-09-16 2020-01-03 腾讯科技（深圳）有限公司 相机姿态确定方法、装置、存储介质及电子设备
CN112509058A (zh) * 2020-11-30 2021-03-16 北京百度网讯科技有限公司 外参的计算方法、装置、电子设备和存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107403442A (zh) * 2016-05-19 2017-11-28 视辰信息科技(上海)有限公司 增强现实***的跟踪方法和终端设备
WO2018121286A1 (zh) * 2016-12-30 2018-07-05 纳恩博（北京）科技有限公司 目标跟踪方法和装置
US20180308249A1 (en) * 2017-04-21 2018-10-25 Qualcomm Incorporated Registration of range images using virtual gimbal information
WO2019127306A1 (en) * 2017-12-29 2019-07-04 Beijing Airlango Technology Co., Ltd. Template-based image acquisition using a robot
CN108510520A (zh) * 2018-02-13 2018-09-07 视辰信息科技(上海)有限公司 一种图像处理方法、装置及ar设备
CN108537845A (zh) * 2018-04-27 2018-09-14 腾讯科技（深圳）有限公司 位姿确定方法、装置及存储介质
CN109308463A (zh) * 2018-09-12 2019-02-05 北京奇艺世纪科技有限公司 一种视频目标识别方法、装置及设备
CN110246163A (zh) * 2019-05-17 2019-09-17 联想（上海）信息技术有限公司 图像处理方法及其装置、设备、计算机存储介质
CN110648363A (zh) * 2019-09-16 2020-01-03 腾讯科技（深圳）有限公司 相机姿态确定方法、装置、存储介质及电子设备
CN112509058A (zh) * 2020-11-30 2021-03-16 北京百度网讯科技有限公司 外参的计算方法、装置、电子设备和存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116524022A (zh) * 2023-04-28 2023-08-01 北京优酷科技有限公司 偏移数据计算方法、图像融合方法、装置及电子设备
CN116524022B (zh) * 2023-04-28 2024-03-26 神力视界(深圳)文化科技有限公司 偏移数据计算方法、图像融合方法、装置及电子设备

Also Published As

Publication number Publication date
CN113223185B (zh) 2023-09-05

Similar Documents

Publication Publication Date Title
WO2018214365A1 (zh) 图像校正方法、装置、设备、***及摄像设备和显示设备
CN112261424B (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
WO2019134516A1 (zh) 全景图像生成方法、装置、存储介质及电子设备
US12008167B2 (en) Action recognition method and device for target object, and electronic apparatus
CN111091590A (zh) 图像处理方法、装置、存储介质及电子设备
CN108961183B (zh) 图像处理方法、终端设备及计算机可读存储介质
EP3940633B1 (en) Image alignment method and apparatus, electronic device, and storage medium
US10198831B2 (en) Method, apparatus and system for rendering virtual content
CN110111241B (zh) 用于生成动态图像的方法和装置
CN112085775A (zh) 图像处理的方法、装置、终端和存储介质
CN112489114A (zh) 图像转换方法、装置、计算机可读存储介质及电子设备
Wu et al. Global motion estimation with iterative optimization-based independent univariate model for action recognition
CN110781823A (zh) 录屏检测方法、装置、可读介质及电子设备
Dufaux Grand challenges in image processing
WO2022262273A1 (zh) 光心对齐检测方法和装置、存储介质、电子设备
CN113963072B (zh) 双目摄像头标定方法、装置、计算机设备和存储介质
CN116895094A (zh) 一种基于双目融合的暗环境成像方法、***、装置及介质
CN113223185B (zh) 一种图像处理方法、装置、电子设备及存储介质
CN111402136A (zh) 全景图生成方法、装置、计算机可读存储介质及电子设备
CN113838151A (zh) 相机标定方法、装置、设备及介质
WO2024022301A1 (zh) 视角路径获取方法、装置、电子设备及介质
CN113223184B (zh) 一种图像处理方法、装置、电子设备及存储介质
WO2024039964A1 (en) Systems and methods for blur identification and correction
US10282633B2 (en) Cross-asset media analysis and processing
CN112637587B (zh) 坏点检测方法及装置

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