CN115134537A - 一种图像处理方法、装置及车辆 - Google Patents
一种图像处理方法、装置及车辆 Download PDFInfo
- Publication number
- CN115134537A CN115134537A CN202210056928.6A CN202210056928A CN115134537A CN 115134537 A CN115134537 A CN 115134537A CN 202210056928 A CN202210056928 A CN 202210056928A CN 115134537 A CN115134537 A CN 115134537A
- Authority
- CN
- China
- Prior art keywords
- image
- vehicle
- information
- image processing
- camera
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 108
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000012937 correction Methods 0.000 claims abstract description 7
- 238000004590 computer program Methods 0.000 claims description 23
- 239000013589 supplement Substances 0.000 claims description 17
- 238000012216 screening Methods 0.000 claims description 5
- 230000001502 supplementing effect Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims 1
- 239000011159 matrix material Substances 0.000 description 52
- 230000009466 transformation Effects 0.000 description 27
- 230000006870 function Effects 0.000 description 24
- 230000008569 process Effects 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 14
- 238000003708 edge detection Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 4
- 230000003796 beauty Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012067 mathematical method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000004308 accommodation Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R1/00—Optical viewing arrangements; Real-time viewing arrangements for drivers or passengers using optical image capturing systems, e.g. cameras or video systems specially adapted for use in or on vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
- B60R2300/10—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the type of camera system used
- B60R2300/105—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the type of camera system used using multiple cameras
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
- B60R2300/30—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the type of image processing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
- B60R2300/80—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the intended use of the viewing arrangement
- B60R2300/8006—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the intended use of the viewing arrangement for monitoring and displaying scenes of vehicle interior, e.g. for monitoring passengers or cargo
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Mechanical Engineering (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请适用于车辆技术领域，提供了一种图像处理方法、装置及车辆，该方法包括：获取车辆目标信息以及车辆内的至少两个摄像设备拍摄的第一图像组，其中，所述至少两个摄像设备设置在所述车辆内部的不同位置；基于车辆目标信息，对第一图像组进行图像处理，得到第一图像组的第二图像，其中，所述图像处理包括去噪处理、色彩矫正、清晰度处理中的至少一个；控制所述车辆内部的显示设备显示各个所述第二图像；本申请在车辆内不同位置设置多个摄像设备，既能丰富车内摄像头的功能，又能提高智能化程度。
Description
技术领域
本申请属于车辆技术领域，尤其涉及一种图像处理方法、装置及车辆。
背景技术
随着人们生活水平的提高，车辆已经成为人们日常生活中不可缺少的设备。由于人们日常用车频繁，在车上的时间越来越长，人们对车辆的要求也不仅仅停留在代步上。
发明人发现，目前车辆上设置的摄像头多用于倒车服务，功能较为单一。即使车辆内存在供用户娱乐使用的摄像头，但是智能化程度较低，无法满足用户的拍摄的需求。
因此，如何提供一种图像处理方法，既能丰富车内摄像头的功能，又能提高智能化程度，是当前亟待解决的一大技术问题。
发明内容
本申请实施例提供了一种图像处理方法、装置及车辆，既能丰富车内摄像头的功能，又能提高智能化程度。
第一方面，本申请实施例提供了一种图像处理方法，包括：
获取车辆的车辆目标信息，以及位于所述车辆内部的至少两个摄像设备拍摄的第一图像组，其中，所述至少两个摄像设备设置在所述车辆内部的不同位置，所述车辆目标信息至少包括所述车辆的当前车速信息、所述车辆的定位信息以及所述车辆所处的环境信息中的至少一个；
基于所述车辆目标信息，对所述第一图像组进行图像处理，得到与所述第一图像组对应的第二图像，其中，所述图像处理包括去噪处理、色彩矫正、清晰度处理中的至少一个；
控制所述车辆内部的显示设备显示所述第二图像。
第二方面，本申请实施例提供了一种图像处理装置，包括：
图像获取模块，用于获取车辆的车辆目标信息，以及位于所述车辆内部的至少两个摄像设备拍摄的第一图像组，其中，所述至少两个摄像设备设置在所述车辆内部的不同位置，所述车辆目标信息至少包括所述车辆的当前车速信息、所述车辆的定位信息以及所述车辆所处的环境信息中的至少一个；
图像处理模块，用于基于所述车辆目标信息，对所述第一图像组进行图像处理，得到与所述第一图像组对应的第二图像，其中，所述图像处理包括去噪处理、色彩矫正、清晰度处理中的至少一个；
显示控制模块，用于控制所述车辆内部的显示设备显示所述第二图像。
第三方面，本申请实施例提供了一种车辆，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述第一方面中任一项所述的图像处理方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述第一方面中任一项所述的图像处理方法。
第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的图像处理方法。
本申请第一方面实施例与现有技术相比存在的有益效果是：本申请先获取车辆目标信息以及车辆内的至少两个摄像设备拍摄的第一图像组，基于车辆目标信息，对第一图像组进行图像处理得到第二图像，控制所述车辆内部的显示设备显示第二图像，相较于车辆上仅设有一个摄像设备，本申请在车辆内不同位置设置多个摄像设备，可以丰富车内摄像头的功能，提高智能化程度。
可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
图1是本申请一实施例提供的图像处理方法的应用场景示意图；
图2是本申请一实施例提供的图像处理方法的流程示意图；
图3是本申请一实施例提供的对第一图像组进行处理的方法的流程示意图；
图4是本申请一实施例提供的生成人体三维图像的方法的流程示意图；
图5是本申请一实施例提供的两个位置的拍摄示意图；
图6是本申请一实施例提供的控制摄像设备拍摄图像的方法的流程示意图；
图7是本申请一实施例提供的设有位置传感器的轨道的结构示意图；
图8是本申请另一实施例提供的控制摄像设备拍摄图像的方法的流程示意图；
图9是本申请一实施例提供的图像处理装置的结构示意图；
图10是本申请一实施例提供的车辆的结构示意图。
具体实施方式
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”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。
目前，车辆中多不会设置摄像头，即使车辆内存在摄像头，也是用于采集驾驶员信息的，对于非驾驶位置的用户则不能使用该摄像头进行拍照。因此，现有的车辆上的摄像头不能满足用户的多种需求。本申请提供一种图像处理方法，可以使用车辆上的至少两个摄像设备进行拍摄，不仅能满足采集驾驶员的信息的需求，还可以满足非驾驶员进行拍照的需求，提高车辆的自动化程度。
图1为本申请实施例提供的图像处理方法的应用场景示意图，上述图像处理方法可以用于采集车辆内部的图像。其中，车辆内部设有至少两个摄像设备20，至少两个摄像设备20设置在车辆中不同位置。终端设备10用于控制至少两个摄像设备20拍摄第一图像。
终端设备10用于获取车辆上的车速传感器采集的当前车速信息，车辆上的定位设备采集的车辆的定位信息，车辆上环境采集设备采集的车辆所处的环境信息。环境采集设备可以包括光线传感器、温度传感器、湿度传感器等。
终端设备10还用于控制车辆内的显示设备30显示终端设备10对第一图像进行处理后得到的第二图像。
图2示出了本申请提供的图像处理方法的示意性流程图，参照图2，对该方法的详述如下：
S101，获取车辆的车辆目标信息，以及位于车辆内部的至少两个摄像设备拍摄的第一图像组。
在本实施例中，车辆内的每个摄像设备拍摄的图像记为第一图像，至少两个摄像设备拍摄的至少两个第一图像记为第一图像组。
在本实施例中，车辆目标信息可以包括所述车辆的当前车速信息、所述车辆的定位信息以及所述车辆所处的环境信息中的一个或多个，当然，还可以包括其他表征车辆属性的信息，如车辆熄火状态、车辆电池剩余电量、剩余油量等。具体的，至少两个摄像设备设置在所述车辆内部的不同位置。摄像设备的位置可随意移动。由于至少两个摄像设备设置在车内不同位置，因此，各个第一图像为车内不同角度的图像。需要说明的是，在本实施例中，并不限定多个摄像设备的设置位置，如，两个摄像设备可以相邻设置，拍摄方向均指向后排座椅，又如设置两个摄像头的拍摄区域部分重叠，以尽可能大的拍摄到后排图像，当然，本实施例并不限定摄像头的拍摄区域是否位于车内还是车外，也并不限定摄像头的安装方式，如固定安装在车辆内部，还是可以根据实际的拍摄需求进行摄像头位置调整。
具体的，摄像设备可以包括RGB摄像头，采用RGB摄像头可以拍摄彩色图像。摄像头可以采用高于1000万像素、且用PVC材料的包材包裹的摄像头。摄像设备可以设置在车辆内的中控台上、车辆内壁上等。
在本实施例中，第一图像组中的第一图像可以为至少两个摄像设备在同一时间拍摄的图像，还可以是至少两个摄像设备在不同时间拍摄的图像。
可选的，摄像设备可以放置在摄像收纳盒内，终端设备可以通过控制摄像收纳盒的开启打开摄像设备；通过控制摄像收纳盒的关闭使摄像设备关闭。
S102，基于所述车辆目标信息，对所述第一图像组进行图像处理，得到与所述第一图像组对应的第二图像。
在本实施例中，图像处理包括去噪处理、色彩矫正、清晰度处理、高动态光照渲染(High Dynamic Range Imaging，HDR)处理中的至少一个。
在本实施例中，对第一图像组中的第一图像进行图像处理，可以得到更优质、效果更好的图像。
具体的，如图3所示，本发明实施例还提供了一种基于所述车辆目标信息，对所述第一图像组进行图像处理，得到与所述第一图像组对应的第二图像的具体实现方式，如下：
S1021，基于所述当前车速信息、所述定位信息和/或所述环境信息，确定目标图像处理模型，其中，不同所述车辆目标信息对应的所述目标图像处理模型不同；
S1022，将所述第一图像组输入训练好的所述目标图像处理模型，确定所述目标图像处理模型的输出为所述第二图像。
示意性的，发明人考虑到不同的图像处理模型对处理器(芯片)的计算能力要求不同，而不同的算例会导致芯片的成本不同，因此，本实施例进一步提供了一种目标图像处理模型适配的方案，将不同的车辆目标信息设置不同的图像处理模型，以基于车辆目标信息确定适配算力的芯片，进而采用较小的成本满足图片处理要求。
具体的，当车辆目标信息为当前车速信息时，终端设备可以预先构建一个用于存储多个目标图像处理模型的模型库，且每个目标图像处理模型都有其对应的预设速度范围区间，因此，终端设备可以在该预先构建的模型库中查找与待处理图像在拍摄时对应摄像头的目标移动速度匹配的目标图像处理模型。其中，预设速度范围区间可以根据实际需要设置，此处不作限制，示例性的，预设速度范围区间可以设置为：(0，10)、[10，30]、(30，40]、(40，60]、(60，80]、(80，100]、(100，120]及(120，+∞)等，上述速度范围区间中的任一速度的单位均为km/h。
其中，终端设备可以根据上述目标移动速度确定其所处的目标速度范围区间，再根据该目标速度范围区间从预先构建的模型库中查找待处理图像对应的目标图像处理模型。
在本申请的另一个实施例中，终端设备具体通过如下步骤构建模型库，详述如下：
步骤①，获取多个预设速度范围区间各自分别对应的原始样本图像。
步骤②，针对每个所述预设速度范围区间，以其对应的原始样本图像作为训练集，训练得到与其对应的目标图像处理模型。
步骤③，根据每个所述预设速度范围区间分别对应的目标图像处理模型，构建得到所述模型库。
在本实施例的一种实现方式中，终端设备可以预先获取到摄像头在不同移动速度下拍摄得到的多张图像，并根据预先设置的多个预设速度范围区间以及每张图像在拍摄时的移动速度，对上述多张图像进行分类，得到多个预设速度范围区间各自分别对应的原始样本图像。
本实施例中，终端设备在得到多个预设速度范围区间各自分别对应的原始样本图像之后，为了提高终端设备后续对待处理图像的图像去模糊的成功率，针对任一一个预设速度范围区间，终端设备都仅将该预设速度范围区间对应的原始样本图像作为训练集，对预设的原始目标图像处理模型进行训练，从而得到该预设速度范围区间对应的已训练的目标图像处理模型。其中，预设的原始目标图像处理模型可以是预先构建的第一深度学习模型。
终端设备在得到每个预设速度范围区间对应的目标图像处理模型后，可以通过每个预设速度范围区间对应的目标图像处理模型构建得到模型库。
本实施例中，针对每个预设速度范围区间，终端设备可以将与该预设速度范围区间对应的原始样本图像输入预设的原始图像去模糊模型进行处理，得到该原始样本图像对应的预处理样本图像。其中，原始图像去模糊模型可以是预先构建的第一深度学习模型，如生成对抗网络(DeblurGAN)模型。
终端设备在得到预处理样本图像之后，可以使用边缘检测算法分别对上述原始样本图像和上述预处理样本图像进行处理，从而得到该原始样本图像对应的第一算子和该预处理样本图像对应的第二算子。其中，对应边缘检测算法包括但不限于索贝尔(Sobel)边缘检测算法、Canny边缘检测算法或拉普拉斯(Laplacian)边缘检测算法。
在本申请的一个实施例中，以边缘检测算法为Sobel边缘检测算法为例，终端设备具体可以根据以下公式计算得到损失函数：
Lsobel＝Y_sobel-Predict_sobel；
其中，Lsobel表示上述损失函数，Predict_sobel表示上述原始样本图像对应的第一算子，Y_sobel表示上述预处理样本图像对应的第二算子。
本实施例中，终端设备在得到损失函数后，可以将该损失函数作为反向传播误差，以对原始图像去模糊模型中的网络权重进行更新，即，根据该损失函数对原始图像去模糊模型进行参数优化处理，从而得到上述预设速度范围区间对应的图像去模糊模型。
以上可以看出，本实施例提供的一种图像去模糊的方法，在对每个预设速度范围区间对应的原始图像去模糊模型进行训练时，都是通过将其对应的原始样本图像输入预设的原始图像去模糊模型进行处理，得到预处理样本图像，之后可以根据边缘检测算法分别对预处理样本图像和原始样本图像进行处理，从而得到原始样本图像对应的第一算子和预处理样本图像对应的第二算子，并根据第一算子和第二算子得到损失函数，并将该损失函数作为反向传播误差原始图像去模糊模型进行参数优化处理，达到原始去模糊模型对原始样本图像中的边缘部分的强化的目的，从而得到已训练的图像去模糊模型。通过上述方法得到的图像去模糊模型可以让图像清晰度更高，进一步提高去模糊图像的图像质量。
除此，本实施例中，车辆目标信息还可以只包括定位信息、环境信息，同样，本实施例可以设定不同的定位信息对应不同的图像处理模型，还可以设定不同的环境信息对应不同的图像处理模型。当然，还可以是多个目标信息的组合对应不同的图像处理模型。
例如，根据定位信息确定不同的场所，例如，地下车库、隧道、路面道路等，不同的场所对应不同的图像处理模型。不同的环境信息对应不同的图像处理模型，例如，光线较好、光线较差、下雨天、晴天等对应不同的图像处理模型。
S103，控制车辆内部的显示设备显示第二图像。
在本实施例中，显示设备可以包括显示屏。将第二图像显示在显示设备上可以使用户及时观看拍摄的多角度的图像。第二图像可以为一个或多个。在显示设备上显示各个第二图像后，用户可以根据各个第二图像选择自己需要的图像。在接收到发送信号后，通过车辆中的蓝牙或局域网向用户的设备发送用户选中的第二图像。用户的设备可以包括手机、平板电脑等。另外，终端设备还可以将第二图像通过车辆内的网关发送至云端存储。
在本实施例中，在显示设备上显示第二图像后，若检测到用户作用在美颜控件上的第一操作，根据美颜控件对应的处理模式对第二图像进行处理，得到处理后的第三图像。处理模式可以包括美颜处理、滤镜增加处理、贴纸添加处理、抠像处理等。
本申请实施例中，获取车辆目标信息以及车辆内的至少两个摄像设备拍摄的第一图像，相较于车辆上仅设有一个摄像设备的技术，本申请在车辆内不同位置设置多个摄像设备，可以满足用户多角度拍摄的需求，丰富车内摄像头功能，提高智能化程度；本申请基于车辆目标信息，对第一图像进行图像处理得到第二图像，可以提高摄像设备采集的第一图像的图像效果，相较于现有技术直接显示摄像设备采集的第一图像，本申请可以得到效果更好的图像；因此，本申请可以满足用户的拍摄需求。
在一种可能的实现方式中，在步骤S101之后，上述方法还可以包括：
S201，对所述第一图像组中的第一图像进行筛选，得到第三图像。
在本实施例中，第三图像为所述第一图像中包括人体信息的图像。在得到第三图像后，可以将所述第三图像输入训练好的所述目标图像处理模型，确定所述目标图像处理模型的输出为所述第二图像。
在本实施例中，人体信息可以包括用户的人脸信息和身体信息。人脸信息可以为侧脸或正脸。
具体的，对第一图像进行筛选可以包括：将第一图像输入神经网络模型中，对第一图像进行识别，确定第一图像中是否存在人体信息。若第一图像中存在人体信息，则将该第一图像作为第三图像；若第一图像中不存在人体信息，则将第一图像去除。将存在人体信息的图像筛选出来，可以满足用户的娱乐需求，满足用户的拍照需求。
如图4所示，在一种可能的实现方式中，在将所述第三图像组输入训练好的所述目标图像处理模型，确定所述目标图像处理模型的输出为所述第二图像之后，上述方法还可以包括：
S301，若至少两个第二图像中存在同一用户的人体信息，将存在同一用户的至少两个第二图像中的人体信息进行融合，得到所述用户的三维图像。
具体的，在识别到第二图像中的人体信息后，将各个人体信息进行匹配，确定包括同一用户的人体信息的第二图像，并将包括同一用户的人体信息的第二图像作为一组图像。将每组图像中的人体信息进行融合，得到该用户的三维图像。
具体的，将各个第二图像输入识别模型中，得到包括同一用户的人体信息的第二图像。
S302，控制所述显示设备显示所述三维图像。
在本实施例中，在显示设备上显示人体的三维图像可以便于用户多角度查看拍摄的图像，增加了人机互动，增加了趣味性，满足了更多用户的需求。
具体的，将第二图像转换成三维图像的方法包括：
S401，通过第一拍摄位置的第一摄像设备获取车内空间的第三图像。
S402，通过第二拍摄位置的第二拍摄设备获取车内空间的第四图像。第一图像包括第三图像和第四图像。
本申请实施例中，第一摄像设备和第二摄像设备可以指安装于不同拍摄位置的不同的摄像设备，也可以指同一摄像设备被放置到不同拍摄位置。
参见图5，是本申请实施例提供的两个位置的拍摄示意图。
如图5所示，p点表示车内空间中的空间点，o1xyz是第一拍摄位置所属的第一相机坐标系，o2xyz是第二拍摄位置所属的第二相机坐标系。x1是p点在第三图像中对应的像素点(即第一特征点)，x2是p点在第四图像中对应的像素点(即第二特征点)。需要说明的是，图5中仅示出了一个空间点，对应的第三图像和第四图像中仅标注了一个特征点。实际第三图像和第四图像中各自包括多个特征点，每个特征点对应车内空间中的一个空间点。
S403，根据第一特征点和第二特征点计算第一变换矩阵。
其中，所述第一特征点为所述第二图像中的特征点，所述第二特征点为所述第四图像中与所述第一特征点对应的特征点，所述第一变换矩阵为所述第一摄像设备所属的第一相机坐标系和所述第二摄像设备所属的第二相机坐标系之间的变换矩阵。
需要说明的是，由于第一变换矩阵中包括多个参数，需要利用多组特征点进行计算。每组特征点中包括一个第一特征点和该第一特征点对应的第二特征点。下面介绍任意一组特征点的计算过程。
在一个实施例中，第一变换矩阵的计算方式包括：
S4031，对所述第三图像和所述第四图像进行特征点匹配处理，获得第一特征点和所述第二特征点。
可选的，可以采用现有的尺度不变特征变换(Scale-invariant featuretransform，SIFT)算法或加速稳健特征(Speeded Up Robust Features，SUFT)算法进行特征点匹配处理。
S4032，根据预设的内参矩阵将所述第一特征点转换为第一坐标点、将所述第二特征点转换为第二坐标点，其中，所述内参矩阵表示图像坐标系和相机坐标系之间的转换关系。
本申请实施例中的内参矩阵为预先标定的。具体过程为：利用摄像设备对预设的标定图案进行拍摄，根据拍摄图像中像素点的坐标计算内参矩阵。其中，内参矩阵K为：
其中，f为相机焦距，cx为图像的中心水平坐标，cy为图像的中心竖直坐标。
获得内参矩阵后，根据下式计算第一坐标点和第二坐标点：
K-1x1＝x′1；
K-1x2＝x′2；
其中，x1和x2分别为第三图像和第四图像上对应的点，x′1和x′2分别为变换后的第一坐标点和第二坐标点。需要说明的是，当第一摄像设备和第二摄像设备为相同设备时，上述两式中的K相同；当第一摄像设备和第二摄像设备为不同装置时，上述两式中的K分别指代第一摄像设备对应的内参矩阵和第二摄像设备对应的内参矩阵。
S4033，根据所述第一坐标点和所述第二坐标点计算所述第一变换矩阵。
上述方式中，由于内参矩阵是预先标定好的，因此，可以有效节约第一变换矩阵的计算时间。
可选的，S4033的一种实现方式为：
根据所述第一坐标点和所述第二坐标点计算本征矩阵；从所述本征矩阵中分解出所述第一变换矩阵。其中，所述本征矩阵表示所述第一相机坐标系和所述第二相机坐标系之间的转换关系。
示例性的，假设将第一相机坐标系确定为世界坐标系。根据极线约束方程
x′1Ex′2＝0
计算本征矩阵E。由于本征矩阵E中包含了旋转参数和平移参数共5个参数，因此，需要至少5对第一坐标点和第二坐标点代入上述极线约束方程，以计算本征矩阵。计算出本征矩阵后，可以对本征矩阵进行矩阵分解(如SVD分解等)，以获得第一变换矩阵。其中，第一变换矩阵中包括旋转矩阵R2和平移矩阵T2。
通过上述方式，利用简单的数学方法(即矩阵分解)，即可以获得第一变换矩阵。由于矩阵分解的计算方式较为简单，可以有效减少计算复杂度。
S404，根据所述第一变换矩阵计算所述车内空间的第一空间点的三维坐标。
其中，所述第一空间点为所述第一特征点和所述第二特征点对应的空间点。
在一个实施例中，S404包括：
获取所述第一空间点在所述车内空间中的位置与所述第二摄像设备之间的第一距离；根据所述第一距离、所述内参矩阵和所述第一变换矩阵计算所述第一空间点的所述三维坐标。
本申请实施例中，第一距离可以通过激光测距辅助获得。
示例性的，建立第二摄像设备的模型方程：
s2x2＝K(R2X+T2)；
其中，s2为第一距离，x2为第四图像中的第二特征点，K为内参矩阵，R2和T2为第一变换矩阵，X为第二特征点x2对应的第一空间点的三维坐标。上式变换可以得到：
使用SVD算法求矩阵
的零空间即可得到X。通过上述方法，分别计算出第四图像中每个第二特征点对应的第一空间点的三维坐标。
通过上述方式，利用简单的数学方法(即矩阵计算)，即可以计算出三维坐标。由于矩阵计算的计算方式较为简单，可以有效减少计算复杂度。
S405，根据所述第一空间点的三维坐标构建所述车内空间的三维场景。
根据多个第一空间点各自的三维坐标可以确定出多个第一空间点在车内空间中的位置，进而有多个第一空间点构建出车内空间的三维场景。
本申请实施例中，通过不同位置的摄像设备对车内空间进行拍摄，获得第三图像和第四图像；根据第三图像和第四图像计算不同摄像设备各自所属的相机坐标系之间的变换矩阵；再根据变换矩阵计算车内空间的空间点的三维坐标；最后根据车内空间的空间点的三维坐标构建车内空间的三维场景。通过上述方法，在缺少深度信息的条件下，可以构建出精确的车内三维场景，进而利于精准确定座舱内目标对象的位置。
为了提高三维场景构建的精度，在一个实施例中，提出了一种多位置联合计算方法。具体的，S405包括：
S4051，获取所述车内空间的第五图像，所述第五图像由第三摄像设备拍摄获得。第一图像包括第五图像。
本申请实施例中，第三摄像设备和第一摄像设备、第二摄像设备可以指安装于不同拍摄位置的不同的摄像设备，也可以指同一摄像设备被放置到不同拍摄位置。
S4052，根据第三特征点和第四特征点确定第二变换矩阵。
其中，所述第三特征点为所述第四图像中的特征点，所述第四特征点为所述第五图像中与所述第三特征点对应的特征点,所述第三摄像设备所属的第三相机坐标系和所述第一摄像设备所属的第一相机坐标系之间的第二变换矩阵。与S4031步骤相同，可以采用现有的特征匹配算法对第五图像和第四图像进行特征点匹配处理，获得第三特征点和第四特征点。同样的，第四图像中包括多个第三特征点，相应的，第五图像中包括与多个第三特征点各自匹配的第四特征点。
需要说明的是，第四图像和第五图像进行特征点匹配处理后得到的第三特征点中可能包括第五特征点，所述第五特征点为第三特征点中属于第二特征点的特征点。换言之，第四图像中的部分特征点既与第三图像中的特征点相匹配、又与第五图像中的特征点相匹配，这部分特征点为第五特征点。第四图像中的另一部分特征点未与第三图像中的特征点相匹配、但与第五图像中的特征点相匹配，这部分特征点为新增特征点。由于第五特征点对应的三维坐标由上述步骤已经确定得到，因此，可根据第五特征点修正第三摄像设备的位置。
可选的，第二变换矩阵的计算方式为：
根据第五特征点对应的空间点的三维坐标，计算所述第三摄像设备的第三拍摄位置；计算所述第三拍摄位置对应的所述第三相机坐标系与所述第一拍摄位置对应的所述第一相机坐标系之间的所述第二变换矩阵。
实际应用中，可以通过OpenCV中的solvePnP工具包实现上述第二变换矩阵的计算。
S4053，根据所述第二变换矩阵计算所述车内空间的第二空间点的三维坐标，其中，所述第二空间点为所述第三特征点和所述第四特征点对应的空间点。
如S4052中所述，第四图像中包括第五特征点和新增特征点。根据S4052的方法对第三摄像设备的位置进行修正之后，第二空间点中与第五特征点对应的空间点的三维坐标与第一空间点中第五特征点对应的空间点的三维坐标一致。第二空间点中除与第五特征点对应的空间点外的空间点则为新增特征点对应的空间点，相当于通过第五图像确定了更多的空间点的三维坐标。
S4054，根据所述车内空间的所述第一空间点的三维坐标和所述第二空间点的三维坐标构建所述车内空间的三维场景。
当然，在S4054之后，还可以继续引入多个拍摄位置对应的车内空间的图像，由多个拍摄位置对应的车内空间的图像联合计算出车内空间的多个空间点的三维坐标。引入下一拍摄位置的计算方法，与上述S4051-S4053的方法相同，在此不再赘述。
本申请实施例中，通过引入多个拍摄位置，利用多个拍摄位置联合计算，可以有效减少位置累计误差，进而有效提高三维场景构建的精度。
需要说明的是，引入的拍摄位置越多，能够确定出的空间点的数量越多，计算出的空间点的三维坐标也越准确，进而创建出的三维场景也越精确。
随着引入的拍摄位置的增多，积累的误差也会增加。为了减少积累误差，在一个实施例中，在S4054之后，所述方法还包括：
根据预设的代价函数计算场景构建参数对应的损失值，其中，所述场景构建参数包括所述内参矩阵、每个拍摄位置对应的变换矩阵、所述车内空间中的空间点的三维坐标、以及所述车内空间中的空间点在每张图像中的像素坐标；根据梯度下降方法和所述损失值优化所述场景构建参数。
其中，代价函数可以为fi(Ki,Ri,Ti,Pj)＝π(Ki[RiTi]Pi]-pj i)，Ki为第i个摄像设备的内参矩阵，第i个拍摄位置对应的变换矩阵为Ri和Ti，车内空间中的某个空间点的坐标为Pj，该点在第i张图像中的像素坐标为pj i，π为投影函数。需要说明的是，当采用一个摄像设备，将该摄像设备移动到不同拍摄位置获取车内空间的图像，上式中的Ki和Ki+1为相同的内参矩阵。
根据minx∑iρi(||fi(xi1,xi2,…,xik)||)2进行优化。其中，ρi为第i个拍摄位置对应的损失函数。
如图6所示，在一种可能的实现方式中，在步骤S101之前，上述方法还可以包括：
S501，响应于接收到第一指令，获取车辆内部光线传感器采集的所述车辆内部的光线值。
在本实施例中，第一指令可以是用户作用在车辆上的按键的第二操作生成的指令。第二操作可以是用户的按压操作。第一指令还可以是用户作用在车辆上的显示设备上的控件的第三操作生成的指令。第三操作可以是用户的触碰操作。
在本实施例中，为了在拍照时得到更清晰的图像，在拍照之前可以检测车辆内部的光线值。具体的，终端设备在接收到第一指令后，获取车辆内部光线传感器采集的车辆内部的光线值。
S502，若光线值小于预设值，向车辆内部的补光设备发送补光指令。
在本实施例中，补光指令用于指示补光设备对所述车辆内部的环境进行补光。
在本实施例中，预设值可以根据需要进行设置。
在本实施例中，为了得到更清晰的图像，可以在车辆内部设置补光设备。在车内光线较差时，在拍照时对车内进行补光，以使得得到更清晰的图像。
在本实施例中，补光设备可以是车辆内顶上设置的照明灯，利用车辆内部原有的照明等作为补光设备，不用额外增加车辆内部的设备，节约了资源和空间。
可选的，补光设备可以为多个，每个摄像设备上均设置一个补光设备，在需要该摄像设备进行拍照时，若车内光线较差，则打开该摄像设备上对应的补光设备进行补光。
可选的，在补光设备为车内的照明灯时，若光线值小于预设值，确定光线值所在的光线区间，每个光线区间对应一个补光亮度。检测车内的照明灯是否处于开启状态，若照明灯处于开启状态，则根据确定的补光亮度调节照明灯的亮度。若照明灯处于关闭状态，则需要控制照明灯按照确定的补光亮度进行开启。
作为举例，若当前时间车内的光线值为5，光线值5所在的光线区间为区间4-6，区间4-6对应的补光亮度为2级。若照明灯处于开启状态，控制照明灯调节至2级亮度。若照明灯处于关闭状态，则控制照明灯以2级亮度进行开启。
可选的，若光线值小于预设值，可以发送补光提醒信息，补光提醒信息用户提示用户打开补光设备。
在本实施例中，若光线值大于或等于预设值，则确定不用补光。
S503，向至少两个摄像设备发送拍摄指令。
在本实施例中，拍摄指令用于指示至少两个摄像设备分别拍摄第一图像。至少两个摄像设备可以为终端设备随机选择的摄像设备。
可选的，先控制车辆内部的人体探测设备探测车辆内人体的位置，然后控制车辆内距离人体在预设范围内的至少两个摄像设备拍摄图像，以便于得到存在有人体信息的更清晰的图像。
可选的，还可以监测用户作用在各个摄像设备对应的控件上的第四操作，若监测到用户作用在一摄像设备对应的控件上的操作，则确定需要该摄像设备采集第一图像，终端设备向该摄像设备发送拍摄指令。
作为举例，若车辆内设有摄像设备A、摄像设备B和摄像设备C。摄像设备A对应的控件为显示设备上的控件a，摄像设备B对应的控件为显示设备上的控件b，摄像设备C对应的控件为显示设备上的控件c。若终端设备监测到作用在控件b和控件c上的操作，则向摄像设备B和摄像设备C发送拍摄指令，以使得摄像设备B和摄像设备C拍摄图像。
在一种可能的实现方式中，车辆的车顶内壁设有轨道。具体的，轨道可以是椭圆形的轨道、圆形轨道或一条直线轨道等，可以根据需要进行设置。
在本实施例中，至少一个摄像设备滑动连接于轨道。用户可以通过手动移动摄像设备在轨道上的位置，以便于用户根据需要选择需要拍摄的角度，得到多个角度的图像。
具体的，步骤S503的实现过程可以包括：
S5031，若车辆内存在至少两个摄像设备滑动连接于轨道，向与轨道连接的至少两个摄像设备发送所述拍摄指令。
在本实施例中，若至少两个摄像设备滑动连接于轨道，可以直接向连接于轨道的至少两个摄像设备发送拍摄指令。可选的，还可以向未连接于轨道上的摄像设备发送拍摄指令。
作为举例，若摄像设备A和摄像设备B滑动连接于轨道，则向摄像设备A和摄像设备B发送拍摄指令。
S5032，若车辆内存在一个摄像设备滑动连接于所述轨道，向与轨道连接的一个摄像设备和未与轨道连接的至少一个摄像设备发送所述拍摄指令。
在本实施例中，若只存在一个摄像设备连接于轨道，则需要既向连接于轨道的摄像设备发送拍摄指令，还需要向未连接于轨道的摄像设备发送拍摄指令。
具体的，未与轨道连接的至少一个摄像设备可以是任意选择的摄像设备，还可以是用户选择的摄像设备。具体的，获取用户选择的未连接于轨道的摄像设备的信息，向用户选择的未连接于轨道的摄像设备发送拍摄指令。
作为举例，若摄像设备A连接于轨道，摄像设备B和摄像设备C未连接于轨道。向摄像设备A发送拍摄指令。向摄像设备B和C发送拍摄指令，或向摄像设备B和摄像设备C中的一个发送拍摄指令。
在一种可能的实现方式中，车辆的车顶内壁设有轨道，车辆内存在一个摄像设备滑动连接于轨道，轨道上设有多个位置传感器，多个位置传感器的位置不同，多个位置传感器用于检测到滑动连接于轨道上的摄像设备的位置信息后发射第一信号。
作为举例，如图7所示，轨道1上设置4个位置传感器2，4个位置传感器的位置可以根据需要进行设置。
在本实施例中，轨道上的摄像设备在触碰到轨道上的位置传感器后，位置传感器向终端设备发送第一信号。
如图8所示，具体的，步骤S503的实现过程可以包括：
S601，向未与轨道连接的至少一个摄像设备发送拍摄指令。
S602，在获取到位置传感器发送的第一信号后，向与轨道连接的摄像设备发送所述拍摄指令。
在本实施例中，在轨道上可以设置几个位置点用于在摄像设备处于该位置时拍摄图像。通过位置传感器检测摄像设备的位置，实现控制摄像设备到达指定位置后自动拍照的效果。
在一种可能的实现方式中，在得到各个第二图像之后，上述方法还可以包括：
S701，若各个第二图像的人体信息中存在驾驶员的人体信息，基于所述驾驶员的人体信息，确定驾驶员的驾驶姿态是否满足预设姿态要求。
在本实施例中，预设姿态要求可以包括双手握方向盘、未手持手机通话、未低头、系安全带等。
具体的，可以通过车内用户在车内的位置确定第二图像中的人体信息是否为驾驶员的信息。或者，通过人体信息周围的设备，例如，是否有方向盘，确定第二图像中是否存在驾驶员的人体信息。
在本实施例中，识别人体信息中驾驶员的驾驶姿态，将第二图像中人体信息包括的驾驶姿态与预设姿态要求进行对比，确定驾驶员的驾驶姿态是否满足预设姿态要求。
在本实施例中，若多个第二图像中均存在驾驶员的人体信息，可以通过驾驶员的多个人体信息，更准确判断驾驶员的驾驶姿态是否满足驾驶要求，防止由于驾驶员的驾驶姿态被遮挡，导致仅通过一张图像判断的驾驶员的姿态不准确。
S702，若所述驾驶员的驾驶姿态不满足所述预设姿态要求，发送第一提醒信息。
在本实施例中，第一提醒信息用于提醒所述驾驶员调整驾驶姿态。第一提醒信息可以以语音的形式播放。
S703，若各个第二图像的人体信息中包括乘客的人体信息，基于同一乘客的人体信息，确定乘客是否系安全带。
在本实施例中，确定第二图像中是否存在乘客的人体信息，乘客为车辆中除了驾驶员之外的用户。具体的，可以通过第二图像中人体在车辆中的位置确定第二图像中是否为乘客的人体信息；还可以通过第二图像中人体周围的设备确定该人体是否为乘客。
若第二图像中存在乘客的人体信息，查找其他第二图像中是否还存在该乘客的人体信息，若其他第二图像中不存在该乘客的人体信息，则根据当前第二图像中该乘客的人体信息确定该乘客是否系安全带。若其他第二图像中存在该乘客的人体信息，通过该乘客对应的所有人体信息，确定该乘客是否系安全带。通过该乘客不同角度的人体信息，可以更准确确定该乘客是否系安全带，减少由于遮挡造成的判断错误。
S704，若乘客未系安全带，发送第二提醒信息。
在本实施例中，第二提醒信息用于提示所述乘客系安全带。第二提醒信息可以通过语音形式播放。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的图像处理方法，图9示出了本申请实施例提供的图像处理装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。
参照图9，该装置800可以包括：图像获取模块810、图像处理模块820和显示控制模块830。
其中，图像获取模块810，用于获取车辆的车辆目标信息，以及位于所述车辆内部的至少两个摄像设备拍摄的第一图像组，其中，所述至少两个摄像设备设置在所述车辆内部的不同位置，所述车辆目标信息至少包括所述车辆的当前车速信息、所述车辆的定位信息以及所述车辆所处的环境信息中的至少一个；
图像处理模块820，用于基于所述车辆目标信息，对所述第一图像组进行图像处理，得到与所述第一图像组对应的第二图像，其中，所述图像处理包括去噪处理、色彩矫正、清晰度处理中的至少一个；
显示控制模块830，用于控制所述车辆内部的显示设备显示所述第二图像。
在一种可能的实现方式中，图像处理模块820具体可以用于：
基于所述当前车速信息、所述定位信息和/或所述环境信息，确定目标图像处理模型，不同所述车辆目标信息对应的所述目标图像处理模型不同；
将所述第一图像组输入训练好的所述目标图像处理模型，确定所述目标图像处理模型的输出为所述第二图像。
在一种可能的实现方式中，与图像获取模块810相连的还包括：
筛选模块，用于对所述第一图像组中的第一图像进行筛选，得到各个第三图像，其中，所述第三图像为所述第一图像组中包括人体信息的图像，所述第一图像组包括至少两个第一图像；
相应的，图像处理模块820具体可以用于：
将所述第三图像输入训练好的所述目标图像处理模型，确定所述目标图像处理模型的输出为所述第二图像。
在一种可能的实现方式中，与图像获取模块810相连的还包括：
光线确定模块，用于响应于接收到第一指令，获取所述车辆内部光线传感器采集的所述车辆内部的光线值；
补光模块，用于若所述光线值小于预设值，向所述车辆内部的补光设备发送补光指令，其中，所述补光指令用于指示所述补光设备对所述车辆内部的环境进行补光；
指令发送模块，用于向所述至少两个摄像设备发送拍摄指令，其中，所述拍摄指令用于指示所述至少两个摄像设备分别拍摄第一图像。
在一种可能的实现方式中，与图像处理模块820相连的还包括：
图像融合模块，用于若至少两个所述第二图像中存在同一用户的人体信息，将存在所述同一用户的至少两个第二图像中的人体信息进行融合，得到所述用户的三维图像；
显示模块，用于控制所述显示设备显示所述三维图像。
在一种可能的实现方式中，车辆的车顶内壁设有轨道；
具体的，指令发送模块具体可以用于：
若所述车辆内存在至少两个摄像设备滑动连接于所述轨道，向与所述轨道连接的至少两个摄像设备发送所述拍摄指令；
若所述车辆内存在一个摄像设备滑动连接于所述轨道，向与所述轨道连接的一个摄像设备和未与所述轨道连接的至少一个摄像设备发送所述拍摄指令。
在一种可能的实现方式中，车辆的车顶内壁设有轨道，所述车辆内存在一个摄像设备滑动连接于所述轨道，所述轨道上设有多个位置传感器，所述多个位置传感器的位置不同，所述多个位置传感器用于检测到滑动连接于所述轨道上的摄像设备的位置信息后发射第一信号；
具体的，指令发送模块具体可以用于：
向未与所述轨道连接的至少一个摄像设备发送所述拍摄指令；
在获取到所述位置传感器发送的第一信号后，向与所述轨道连接的摄像设备发送所述拍摄指令。
在一种可能的实现方式中，与图像获取模块810相连的还包括：
驾驶员信息确定模块，用于若各个所述第二图像的人体信息中存在驾驶员的人体信息，基于所述驾驶员的人体信息，确定所述驾驶员的驾驶姿态是否满足预设姿态要求；
第一信息发送模块，用于若所述驾驶员的驾驶姿态不满足所述预设姿态要求，发送第一提醒信息，所述第一提醒信息用于提醒所述驾驶员调整驾驶姿态；
乘客信息确定模块，用于若各个所述第二图像的人体信息中包括乘客的人体信息，基于同一乘客的人体信息，确定所述乘客是否系安全带；
第二信息发送模块，用于若所述乘客未系安全带，发送第二提醒信息，所述第二提醒信息用于提示所述乘客系安全带。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例还提供了一种车辆，参见图10，该车辆900可以包括：至少一个处理器910、存储器920以及存储在所述存储器920中并可在所述至少一个处理器910上运行的计算机程序，所述处理器910执行所述计算机程序时实现上述任意各个方法实施例中的步骤，例如图2所示实施例中的步骤S101至步骤S103。或者，处理器910执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能，例如图9所示模块810至模块830的功能。
示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器920中，并由处理器910执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序段，该程序段用于描述计算机程序在车辆900中的执行过程。
本领域技术人员可以理解，图10仅仅是车辆的示例，并不构成对车辆的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如输入输出设备、网络接入设备、总线等。
处理器910可以是中央处理单元(Central Processing Unit，CPU)，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 Integrated Circuit，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。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。
存储器920可以是车辆的内部存储单元，也可以是车辆的外部存储设备，例如插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。所述存储器920用于存储所述计算机程序以及车辆所需的其他程序和数据。所述存储器920还可以用于暂时地存储已经输出或者将要输出的数据。
总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本申请实施例提供的图像处理方法可以应用于计算机、平板电脑、笔记本电脑、上网本、个人数字助理(personal digital assistant，PDA)等终端设备上，本申请实施例对终端设备的具体类型不作任何限制。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
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、或者计算机软件和电子硬件的结合来实现。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申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的终端设备、装置和方法，可以通过其它的方式实现。例如，以上所描述的终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
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，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请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，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被一个或多个处理器执行时，可实现上述各个方法实施例的步骤。
所述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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被一个或多个处理器执行时，可实现上述各个方法实施例的步骤。
同样，作为一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行时实现可实现上述各个方法实施例中的步骤。
其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种图像处理方法，其特征在于，包括：
获取车辆的车辆目标信息，以及位于所述车辆内部的至少两个摄像设备拍摄的第一图像组，其中，所述至少两个摄像设备设置在所述车辆内部的不同位置，所述车辆目标信息至少包括所述车辆的当前车速信息、所述车辆的定位信息以及所述车辆所处的环境信息中的至少一个；
基于所述车辆目标信息，对所述第一图像组进行图像处理，得到与所述第一图像组对应的第二图像，其中，所述图像处理包括去噪处理、色彩矫正、清晰度处理中的至少一个；
控制所述车辆内部的显示设备显示所述第二图像。
2.如权利要求1所述的图像处理方法，其特征在于，所述基于所述车辆目标信息，对所述第一图像组进行图像处理，得到与所述第一图像组对应的第二图像，包括：
基于所述当前车速信息、所述定位信息和/或所述环境信息，确定目标图像处理模型，不同所述车辆目标信息对应的所述目标图像处理模型不同；
将所述第一图像组输入训练好的所述目标图像处理模型，确定所述目标图像处理模型的输出为所述第二图像。
3.如权利要求2所述的图像处理方法，其特征在于，在所述获取车辆的车辆目标信息，以及位于所述车辆内部的至少两个摄像设备拍摄的第一图像组之后，还包括：
对所述第一图像组中的第一图像进行筛选，得到第三图像，其中，所述第三图像为所述第一图像组中包括人体信息的图像，所述第一图像组包括至少两个第一图像；
相应的，将所述第一图像组输入训练好的所述目标图像处理模型，确定所述目标图像处理模型的输出为所述第二图像，包括：
将所述第三图像输入训练好的所述目标图像处理模型，确定所述目标图像处理模型的输出为所述第二图像。
4.如权利要求1所述的图像处理方法，其特征在于，在所述获取车辆的车辆目标信息，以及位于所述车辆内部的至少两个摄像设备拍摄的第一图像组之前，还包括：
响应于接收到第一指令，获取所述车辆内部光线传感器采集的所述车辆内部的光线值；
若所述光线值小于预设值，向所述车辆内部的补光设备发送补光指令，其中，所述补光指令用于指示所述补光设备对所述车辆内部的环境进行补光；
向所述至少两个摄像设备发送拍摄指令，其中，所述拍摄指令用于指示所述至少两个摄像设备分别拍摄第一图像，至少两个第一图像组成所述第一图像组。
5.如权利要求3所述的图像处理方法，其特征在于，在所述将所述第三图像组输入训练好的所述目标图像处理模型，确定所述目标图像处理模型的输出为所述第二图像之后，还包括：
若至少两个所述第二图像中存在同一用户的人体信息，将存在所述同一用户的至少两个第二图像中的人体信息进行融合，得到所述用户的三维图像；
控制所述显示设备显示所述三维图像。
6.如权利要求4所述的图像处理方法，其特征在于，所述车辆的车顶内壁设有轨道；
所述向所述至少两个摄像设备发送拍摄指令，包括：
若所述车辆内存在至少两个摄像设备滑动连接于所述轨道，向与所述轨道连接的至少两个摄像设备发送所述拍摄指令；
若所述车辆内存在一个摄像设备滑动连接于所述轨道，向与所述轨道连接的一个摄像设备和未与所述轨道连接的至少一个摄像设备发送所述拍摄指令。
7.如权利要求4所述的图像处理方法，其特征在于，所述车辆的车顶内壁设有轨道，所述车辆内存在一个摄像设备滑动连接于所述轨道，所述轨道上设有多个位置传感器，所述多个位置传感器的位置不同，所述多个位置传感器用于检测到滑动连接于所述轨道上的摄像设备的位置信息后发射第一信号；
所述向所述至少两个摄像设备发送拍摄指令，包括：
向未与所述轨道连接的至少一个摄像设备发送所述拍摄指令；
在获取到所述位置传感器发送的第一信号后，向与所述轨道连接的摄像设备发送所述拍摄指令。
8.如权利要求3所述的图像处理方法，其特征在于，在所述将所述第三图像组输入训练好的所述目标图像处理模型，确定所述目标图像处理模型的输出为所述第二图像之后，还包括：
若所述第二图像的人体信息中存在驾驶员的人体信息，基于所述驾驶员的人体信息，确定所述驾驶员的驾驶姿态是否满足预设姿态要求；
若所述驾驶员的驾驶姿态不满足所述预设姿态要求，发送第一提醒信息，所述第一提醒信息用于提醒所述驾驶员调整驾驶姿态；
若所述第二图像的人体信息中包括乘客的人体信息，基于同一乘客的人体信息，确定所述乘客是否系安全带；
若所述乘客未系安全带，发送第二提醒信息，所述第二提醒信息用于提示所述乘客系安全带。
9.一种图像处理装置，其特征在于，包括：
图像获取模块，用于获取车辆的车辆目标信息，以及位于所述车辆内部的至少两个摄像设备拍摄的第一图像组，其中，所述至少两个摄像设备设置在所述车辆内部的不同位置，所述车辆目标信息至少包括所述车辆的当前车速信息、所述车辆的定位信息以及所述车辆所处的环境信息中的至少一个；
图像处理模块，用于基于所述车辆目标信息，对所述第一图像组进行图像处理，得到与所述第一图像组对应的第二图像，其中，所述图像处理包括去噪处理、色彩矫正、清晰度处理中的至少一个；
显示控制模块，用于控制所述车辆内部的显示设备显示所述第二图像。
10.一种车辆，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至9任一项所述的图像处理方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210056928.6A CN115134537A (zh) | 2022-01-18 | 2022-01-18 | 一种图像处理方法、装置及车辆 |
| PCT/CN2023/072392 WO2023138537A1 (zh) | 2022-01-18 | 2023-01-16 | 一种图像处理方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210056928.6A CN115134537A (zh) | 2022-01-18 | 2022-01-18 | 一种图像处理方法、装置及车辆 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115134537A true CN115134537A (zh) | 2022-09-30 |
Family
ID=83375197
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210056928.6A Pending CN115134537A (zh) | 2022-01-18 | 2022-01-18 | 一种图像处理方法、装置及车辆 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN115134537A (zh) |
| WO (1) | WO2023138537A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023138537A1 (zh) * | 2022-01-18 | 2023-07-27 | 长城汽车股份有限公司 | 一种图像处理方法、装置、终端设备及存储介质 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116847515B (zh) * | 2023-09-01 | 2023-11-07 | 深圳市朝阳辉电气设备有限公司 | 一种智能路灯节能控制***及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013150153A (ja) * | 2012-01-19 | 2013-08-01 | Clarion Co Ltd | 車載撮像装置 |
| CN103533241A (zh) * | 2013-10-14 | 2014-01-22 | 厦门美图网科技有限公司 | 一种智能滤镜的拍照方法 |
| WO2017020150A1 (zh) * | 2015-07-31 | 2017-02-09 | 深圳市大疆创新科技有限公司 | 一种图像处理方法、装置及摄像机 |
| CN107428302A (zh) * | 2015-04-10 | 2017-12-01 | 罗伯特·博世有限公司 | 利用车辆内部相机的占用者尺寸和姿势的检测 |
| CN110386064A (zh) * | 2018-04-20 | 2019-10-29 | 比亚迪股份有限公司 | 车载摄像头的控制***、方法、车载设备以及汽车 |
| CN113436412A (zh) * | 2021-07-23 | 2021-09-24 | 陕西科技大学 | 一种网约车安全行驶报警装置及方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102795174A (zh) * | 2012-08-29 | 2012-11-28 | 深圳市航盛电子股份有限公司 | 车载倒车模拟*** |
| WO2018039646A1 (en) * | 2016-08-26 | 2018-03-01 | Netradyne Inc. | Recording video of an operator and a surrounding visual field |
| JP7102890B2 (ja) * | 2018-04-16 | 2022-07-20 | 株式会社Ihi | 経路シミュレーション装置 |
| CN111724408B (zh) * | 2020-06-05 | 2021-09-03 | 广东海洋大学 | 基于5g通信下异常驾驶行为算法模型的验证实验方法 |
| CN111931579B (zh) * | 2020-07-09 | 2023-10-31 | 上海交通大学 | 利用眼动追踪和手势识别技术的自动驾驶辅助***及方法 |
| CN115134537A (zh) * | 2022-01-18 | 2022-09-30 | 长城汽车股份有限公司 | 一种图像处理方法、装置及车辆 |
-
2022
- 2022-01-18 CN CN202210056928.6A patent/CN115134537A/zh active Pending
-
2023
- 2023-01-16 WO PCT/CN2023/072392 patent/WO2023138537A1/zh unknown
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013150153A (ja) * | 2012-01-19 | 2013-08-01 | Clarion Co Ltd | 車載撮像装置 |
| CN103533241A (zh) * | 2013-10-14 | 2014-01-22 | 厦门美图网科技有限公司 | 一种智能滤镜的拍照方法 |
| CN107428302A (zh) * | 2015-04-10 | 2017-12-01 | 罗伯特·博世有限公司 | 利用车辆内部相机的占用者尺寸和姿势的检测 |
| WO2017020150A1 (zh) * | 2015-07-31 | 2017-02-09 | 深圳市大疆创新科技有限公司 | 一种图像处理方法、装置及摄像机 |
| CN110386064A (zh) * | 2018-04-20 | 2019-10-29 | 比亚迪股份有限公司 | 车载摄像头的控制***、方法、车载设备以及汽车 |
| CN113436412A (zh) * | 2021-07-23 | 2021-09-24 | 陕西科技大学 | 一种网约车安全行驶报警装置及方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023138537A1 (zh) * | 2022-01-18 | 2023-07-27 | 长城汽车股份有限公司 | 一种图像处理方法、装置、终端设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023138537A1 (zh) | 2023-07-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106981082B (zh) | 车载摄像头标定方法、装置及车载设备 | |
| US20200349365A1 (en) | Direct vehicle detection as 3d bounding boxes using neural network image processing | |
| WO2023138537A1 (zh) | 一种图像处理方法、装置、终端设备及存储介质 | |
| CN108052910A (zh) | 一种车辆全景成像***的自动调整方法、装置及存储介质 | |
| CN109664820A (zh) | 基于行车记录仪的驾驶提示方法、装置、设备和存储介质 | |
| US20160314357A1 (en) | Method and Device for Monitoring an External Dimension of a Vehicle | |
| CN107408304A (zh) | 挂车追踪装置和方法 | |
| CN107187436A (zh) | 防止误踩油门的方法和装置 | |
| CN112172797B (zh) | 泊车控制方法、装置、设备和存储介质 | |
| CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
| JP2022522375A (ja) | 画像収集制御方法、装置、電子デバイス、記憶媒体及びコンピュータプログラム | |
| CN113286086B (zh) | 一种摄像头的使用控制方法、装置、电子设备及存储介质 | |
| CN114897684A (zh) | 车辆图像的拼接方法、装置、计算机设备和存储介质 | |
| CN108986249B (zh) | 基于全景环视图像的车辆远程定损方法和*** | |
| DE102018133030A1 (de) | Fahrzeugfernsteuerungsvorrichtung und fahrzeugfernsteuerungsverfahren | |
| CN115407355B (zh) | 库位地图的验证方法、装置及终端设备 | |
| CN116486351A (zh) | 行车预警方法、装置、设备及存储介质 | |
| EP3349201A1 (en) | Parking assist method and vehicle parking assist system | |
| JP7040627B2 (ja) | 算出装置、情報処理方法およびプログラム | |
| CN114071072A (zh) | 显示装置、摄影***、显示控制方法、存储介质 | |
| WO2024018909A1 (ja) | 状態推定装置、状態推定方法及び状態推定プログラム | |
| WO2024043024A1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
| CN116343158B (zh) | 车道线检测模型的训练方法、装置、设备及存储介质 | |
| CN114662592B (zh) | 车辆行驶控制方法、装置、存储介质、电子设备以及车辆 | |
| US20220165067A1 (en) | Method, system and computer program product for detecting movements of the vehicle body in the case of a motor vehicle |
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 |