一种基于单反相机的高质量精密全景成像方法及系统

技术领域

本发明涉及全景成像技术领域，特别涉及一种基于单反相机的高质量精密全景成像方法及系统。

背景技术

目前，市场上多流行于单一镜头的图像采集装置，利用光学成像原理形成影像并使用底片记录影像，通过移动单一镜头，从而获取各个角度的图像，之后将这些图像进行拼接形成全景图像。

然而，采用单一镜头的图像采集装置获取全景照片，这样不仅浪费了大量的人力以及时间，而且合成的图像质量差，拼接过程繁琐，导致拼接效率低下。

因此本发明提出了一种基于单反相机的高质量精密全景成像方法及系统。

发明内容

本发明提供一种基于单反相机的高质量精密全景成像方法及系统，用以实现对图像的处理下载以及合成高精密的全景照片。

一种基于单反相机的高质量精密全景成像方法，包括：

获取所述单反相机的图像集，并基于所述图像集获取执行任务并进行解析，获取任务解析数据；

获取当前所述单反相机的工作模式，并结合所述任务解析数据以及所述工作模式确定执行指令；

采集所述执行指令，并控制所述单反相机根据所述执行指令对所述图像集执行图像下载或将所述图像集处理成全景图片。

优选的，一种基于单反相机的高质量精密全景成像方法，获取所述单反相机的执行任务之后，且进行解析之前，还包括：

基于所述单反相机的执行任务的基本执行规则，获取所述执行任务所对应的二进制编码集合；

获取所述执行任务的开始时间，同时，获取所述二进制编码集合的总空间量；

基于所述执行任务的开始时间以及所述二进制编码集合的总空间量，确定所述执行任务的时长；

根据所述时长，确定对所述执行任务开始解析所需要的解析速度。

优选的，一种基于单反相机的高质量精密全景成像方法，对所述执行任务进行解析的具体工作过程，包括：

获取所述执行任务的数据协议，并根据所述数据协议获取所述执行任务的源数据；

根据预设基础解析函数，为所述执行任务的源数据定义解析标识符；

同时，根据所述源数据的解析标识符，确定所述源数据的数据解析帧头；

基于所述数据解析帧头，确定所述源数据的数据类型标识符，同时，根据所述数据类型标识符建立所对应的解析规则；

将所述解析规则与所述执行任务的源数据建立映射关系；

基于所述映射关系对所述执行任务进行解析，并获取所述任务解析数据。

优选的，一种基于单反相机的高质量精密全景成像方法，根据所述任务解析数据以及所述工作模式确定执行指令的工作过程，包括：

获取所述单反相机的第一工作模式，并提取与所述第一工作模式相对应的模式数据；

将所述模式数据与所述任务解析数据基于预设匹配法则进行数据匹配；

若所述模式数据与所述任务解析数据相匹配，则判定当前所述单反相机的第一工作模式与所述单反相机的执行任务相符合，同时，确定所述执行指令为当前单反相机的第一工作模式；

否则，在预设周期内获取转码任务请求，并对当前所述单反相机的第一工作模式进行删除；

为所述转码任务请求分配读写锁，对所述单反相机的第二工作模式进行读写操作；

根据所述转码任务请求，将所述第一工作模式转换为所述第二工作模式；

同时，确定所述执行指令为所述单反相机的第二工作模式。

优选的，一种基于单反相机的高质量精密全景成像方法，

所述单反相机的第一工作模式为：图片下载模式；

所述单反相机的第二工作模式为：全景拼接模式。

优选的，一种基于单反相机的高质量精密全景成像方法，将所述模式数据与所述任务解析数据基于预设匹配法则进行数据匹配的具体步骤过程，包括：

步骤1：将所述模式数据与所述任务解析数据保存至匹配数据包中；

同时，获取所述匹配数据包内的所述模式数据的第一维度以及所述任务解析数据的第二维度；

步骤2：获取所述第一维度与所述第二维度的层级关系，并根据所述层级关系确定所述模式数据与所述任务解析数据的匹配规则；

步骤3：按照所述匹配规则，在所述匹配数据包中对所述模式数据与所述任务解析数据进行数据匹配；

步骤4：获取所述模式数据与所述任务解析数据进行匹配后所对应的第一匹配码，并提取所述第一匹配码的对应关系；

步骤5：判断所述第一匹配码的对应关系与所述匹配规则是否一致；

若是，则选取优先级最高的第一匹配码所对应的所述模式数据与所述任务解析数据作为最优匹配结果；

否则，降低所述匹配码的级数，获取第二匹配码，并重复步骤4-5，且所述第二匹配码为最终匹配码。

优选的，一种基于单反相机的高质量精密全景成像方法，当所述单反相机为全景拼接模式时，全景拼接的工作过程包括：

获取所述单反相机内待合成的目标图像，并获取所述目标图像的合成位置坐标；

基于所述合成位置坐标确定所述目标图像所对应的检测区域，同时，生成与所述检测区域相关的对抗网络，并设定网络损失函数；

基于灰阶补偿，获取所述目标图像的像素数据，并将所述像素数据根据所述网络损失函数在所述对抗网络中进行训练，同时，利用聚类算法对所述目标图像进行图像聚类获取所述图像集；

基于训练好的所述像素数据以及聚类好的所述图像集，获取所述图像集的合成模型；

对所述合成模型进行迁移学习，获取目标区域合成模型；

提取所述目标区域合成模型的边缘特征点，并计算所述目标区域合成模型的边缘与所述边缘特征点的距离；

同时，按照所述距离以及所述获取目标区域合成模型确定所述图像集中的所述目标图像的合成顺序；

根据所述目标区域合成模型，确定所述图像集中的所述目标图像的纹理图块；

基于所述目标图像的纹理图块并按照所述合成顺序进行目标图像的拼接，获取全景拼接合成图。

优选的，一种基于单反相机的高质量精密全景成像方法，将所述目标图像进行拼接后，还包括：

提取所述拼接合成图的合成边缘噪声，并根据所述合成边缘噪声计算所述拼接合成图的图像融合率，同时，根据所述图像融合率计算所述目标图像的图像集成度，具体工作过程包括：

对所述拼接合成图进行灰度化，并获取所述拼接合成图的灰度梯度数据；

将所述灰度梯度数据放置在预设神经卷积网络中进行训练学习，获取所述拼接合成图的合成边缘噪声；

基于所述合成边缘噪声，计算所述拼接合成图的图像融合率；

其中，η表示所述拼接合成图的图像融合率，k表示所述拼接合成图的合成边缘噪声，h表示所述拼接合成图的图像灰度值，m表示所述拼接合成图的图像梯度值，ζ表示所述拼接合成图的图像分辨率，σ表示所述目标图像的拼接误差率，ξ表示所述拼接合成图的图像融合系数，g表示所述目标图像的误差范数，d表示所述拼接合成图的边缘模糊度；

根据所述拼接合成图的图像融合率，获取所述拼接合成图的波段，同时，根据所述波段获取所述拼接合成图的波段插值；

基于所述拼接合成图的图像融合率以及所述波段插值，计算所述目标图像的图像集成度；

其中，P表示所述目标图像的图像集成度，η表示所述拼接合成图的图像融合率，x

根据所述目标图像的图像集成度，对所述拼接合成图按照标准集成度进行拼接质量估计；

若所述图像集成度等于所述标准集成度，输出所述拼接合成图；

否则，重新对所述目标图像进行拼接，直至符合所述标准集成度。

一种基于单反相机的高质量精密全景成像系统，包括：

数据处理模块，获取所述单反相机的执行任务，并对所述执行任务进行解析，获取任务解析数据；

数据转换模块，获取当前所述单反相机的工作模式，并结合所述任务解析数据以及所述工作模式确定执行指令；

数据采集模块，采集所述执行指令，并根据所述执行指令执行当前所述单反相机的任务。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种基于单反相机的高质量精密全景成像方法的流程图；

图2为本发明实施例中一种基于单反相机的高质量精密全景成像系统的结构图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例1：

本发明提供一种基于单反相机的高质量精密全景成像方法，如图1所示，包括：

获取所述单反相机的图像集，并基于所述图像集获取执行任务并进行解析，获取任务解析数据；

获取当前所述单反相机的工作模式，并结合所述任务解析数据以及所述工作模式确定执行指令；

采集所述执行指令，并控制所述单反相机根据所述执行指令对所述图像集执行图像下载或将所述图像集处理成全景图片。

该实施例中，执行任务是用来对当前单反相机的工作模式进行控制的。

该实施例中，单反相机的工作模式包括：图像下载模式，图像拼接模式。

该实施例中，图像集是指单反相机中所选中的目标图像所构成的集合，可以通过聚类的方式获取。

上述技术方案的有益效果是：

通过获取单反相机的图像集，按照指定任务执行图像下载或者图像集的精准拼接，不仅可以实现图像的高精度下载，而且可以获得高精密全景照片。

实施例2：

在实施例1的基础上，本发明提出了一种基于单反相机的高质量精密全景成像方法，获取所述单反相机的执行任务之后，且进行解析之前，还包括：

基于所述单反相机的执行任务的基本执行规则，获取所述执行任务所对应的二进制编码集合；

获取所述执行任务的开始时间，同时，获取所述二进制编码集合的总空间量；

基于所述执行任务的开始时间以及所述二进制编码集合的总空间量，确定所述执行任务的时长；

根据所述时长，确定对所述执行任务开始解析所需要的解析速度。

该实施例中，执行规则可以是基于执行任务确定了，是为了获取相应的二进制编码集合。

该实施例中，获取执行任务的开始时间以及二进制编码集合的总空间量，是为了以开始时间作为执行任务的起始点，通过二进制编码集合的总空间量确定执行任务的终止点，进而根据起始点以及终止点确定执行任务的时长。

上述技术方案的工作原理是：

通过获取执行任务的开始时间以及二进制编码集合的总空间量可以确定执行任务的时常，从而确定执行任务开始解析所需的解析速度，有利于在解析过程中，对时间速率的精确把控。

实施例3：

在实施例1的基础上，本发明提出了一种基于单反相机的高质量精密全景成像方法，对所述执行任务进行解析的具体工作过程，包括：

获取所述执行任务的数据协议，并根据所述数据协议获取所述执行任务的源数据；

根据预设基础解析函数，为所述执行任务的源数据定义解析标识符；

同时，根据所述源数据的解析标识符，确定所述源数据的数据解析帧头；

基于所述数据解析帧头，确定所述源数据的数据类型标识符，同时，根据所述数据类型标识符建立所对应的解析规则；

将所述解析规则与所述执行任务的源数据建立映射关系；

基于所述映射关系对所述执行任务进行解析，并获取所述任务解析数据。

该实施例中，数据协议可以是在分层网络结构，例如在开放式系统互联(OSI)模型中，在传输系统的每一层都将建立协议数据单元(PDU)，其中PDU包含来自上层的信息，以及当前层的实体附加的信息。

该实施例中，解析帧头可以是数据链路层的协议数据单元，其中包含数据类型，数据控制信息等内容。

该实施例中，数据类型标识符可以是float型、int型或者浮点型。

该实施例中，映射关系可以是每一个解析规则对应一个源数据也可以是一个解析规则对应多个源数据。

上述技术方案的工作原理是：

通过执行任务的数据协议，获取执行任务的源数据，准确获取解析标识符，根据源数据的解析帧头是为了精确获取数据类型标识符，从而确定解析规则，通过解析规则与执行任务的源数据建立映射关系，实现执行任务精准解析，提高数据处理效率。

实施例4：

在实施例1的基础上，本发明提供了一种基于单反相机的高质量精密全景成像方法，根据所述任务解析数据以及所述工作模式确定执行指令的工作过程，包括：

获取所述单反相机的第一工作模式，并提取与所述第一工作模式相对应的模式数据；

将所述模式数据与所述任务解析数据基于预设匹配法则进行数据匹配；

若所述模式数据与所述任务解析数据相匹配，则判定当前所述单反相机的第一工作模式与所述单反相机的执行任务相符合，同时，确定所述执行指令为当前单反相机的第一工作模式；

否则，在预设周期内获取转码任务请求，并对当前所述单反相机的第一工作模式进行删除；

为所述转码任务请求分配读写锁，对所述单反相机的第二工作模式进行读写操作；

根据所述转码任务请求，将所述第一工作模式转换为所述第二工作模式；

同时，确定所述执行指令为所述单反相机的第二工作模式。

该实施例中，模式数据中包含工作模式的执行数据以及工作模式的标识数据。

该实施例中，匹配法则可以是基于匹配数据训练的结果所设定的匹配法则。

该实施例中，第一工作模式可以是图片下载模式，第二工作模式可以是全景拼接模式。

该实施例中，对单反相机的第一工作模式进行删除，是为了对数据进行转换时保持数据的一致性，避免数据发生干扰，从而实现工作模式的转换。

该实施例中，读写锁是为了保证数据在接到转码任务请求时的数据安全性。

上述技术方案的有益效果是：

通过模式数据与解析数据的数据匹配，可以确定单反相机当前所处的工作模式与执行任务是否一致，若一致，执行指令，否则进行数据转换，转换工作模式，从而准确完成对单反相机工作模式的转换，提高单反相机的工作效率。

实施例5：

在实施例4的基础上，本发明提供一种基于单反相机的高质量精密全景成像方法，

所述单反相机的第一工作模式为：图片下载模式；

所述单反相机的第二工作模式为：全景拼接模式。

上述技术方案的有益效果是：对单反相机工作模式的精确定义，完成单反相机的工作内容。

实施例6：

在实施例4的基础上，本发明提供一种基于单反相机的高质量精密全景成像方法，将所述模式数据与所述任务解析数据基于预设匹配法则进行数据匹配的具体步骤过程，包括：

步骤1：将所述模式数据与所述任务解析数据保存至匹配数据包中；

同时，获取所述匹配数据包内的所述模式数据的第一维度以及所述任务解析数据的第二维度；

步骤2：获取所述第一维度与所述第二维度的层级关系，并根据所述层级关系确定所述模式数据与所述任务解析数据的匹配规则；

步骤3：按照所述匹配规则，在所述匹配数据包中对所述模式数据与所述任务解析数据进行数据匹配；

步骤4：获取所述模式数据与所述任务解析数据进行匹配后所对应的第一匹配码，并提取所述第一匹配码的对应关系；

步骤5：判断所述第一匹配码的对应关系与所述匹配规则是否一致；

若是，则选取优先级最高的第一匹配码所对应的所述模式数据与所述任务解析数据作为最优匹配结果；

否则，降低所述匹配码的级数，获取第二匹配码，并重复步骤4-5，且所述第二匹配码为最终匹配码。

该实施例中，匹配数据包可以是根据模式数据与解析数据的合集所建立的，是为了提供数据匹配的空间，避免无关数据的干扰。

该实施例中，获取层级关系可以是基于模式数据的第一维度与解析数据的第二维度关系设立的，例如是：当第一维度与第二维度相等，则层级关系为相等关系，当第一维度小于第二维度时，则层级关系为解析关系，当第一维度大于第二维度时，则层级关系为模式关系。

该实施例中，匹配码的对应关系中包括：模式数据与解析数据的相关度，第一维度，第二维度、层级关系等基本内容。

该实施例中，获取优先级最高的第一匹配码，是为了获取最优的匹配结果，此时的数据匹配程度最高。

该实施例中，第一维度可以是根据多个模式数据所构成的组织形式，其采用的形式可以是一维数据。

该实施例中，第二维度可以是根据多个任务解析数据所构成的组织形式，其采用的形式可以是一维数据。

该实施例中，第一匹配码可以是根据模式数据与任务解析数据中数据匹配后相吻合的数据段构成的，并通过将数据段中的数据进行二进制编码，获取第一匹配码。

该实施例中，匹配规则可以是基于正则表达式建立的匹配规则，他们主要是由一组描述字符串特征的字符构成。

该实施例中，降低匹配码的级数可以是降低对模式数据与任务解析数据的匹配吻合度，并对第一匹配码进行重新编码，进而降低匹配码的级数。

该实施例中，第二匹配码可以是经过降低匹配码级数而获得的第二匹配码。

上述技术方案的有益效果是：

通过将模式数据与解析数据存储至匹配数据包中，保护了数据的完整性，并可以很快速获取模式数据的第一维度以及解析数据的第二维度，进而确定层级关系，通过层级关系有益于获取匹配规则，从而获取第一匹配码，进而确定最优匹配结果，该方法不仅对数据进行了保护，而且提高了数据匹配的精度。

实施例7：

在实施例5的基础上本发明提供了一种基于单反相机的高质量精密全景成像方法，当所述单反相机为全景拼接模式时，全景拼接的工作过程包括：

获取所述单反相机内待合成的目标图像，并获取所述目标图像的合成位置坐标；

基于所述合成位置坐标确定所述目标图像所对应的检测区域，同时，生成与所述检测区域相关的对抗网络，并设定网络损失函数；

基于灰阶补偿，获取所述目标图像的像素数据，并将所述像素数据根据所述网络损失函数在所述对抗网络中进行训练，同时，利用聚类算法对所述目标图像进行图像聚类获取所述图像集；

基于训练好的所述像素数据以及聚类好的所述图像集，获取所述图像集的合成模型；

对所述合成模型进行迁移学习，获取目标区域合成模型；

提取所述目标区域合成模型的边缘特征点，并计算所述目标区域合成模型的边缘与所述边缘特征点的距离；

同时，按照所述距离以及所述获取目标区域合成模型确定所述图像集中的所述目标图像的合成顺序；

根据所述目标区域合成模型，确定所述图像集中的所述目标图像的纹理图块；

基于所述目标图像的纹理图块并按照所述合成顺序进行目标图像的拼接，获取全景拼接合成图。

该实施例中，合成位置坐标是基于目标图像边缘点确定的，用来定位检测区域。

该实施例中，基于合成位置坐标确定目标图像所对应的检测区域，例如可以是通过合成位置坐标对目标图像进行定位，之后以合成位置坐标的(-10，10)为范围确定检测区域。

该实施例中，生成对抗网络是为了保护检测区域中的数据，可以有效的预防干扰数据的侵蚀。

该实施例中，对合成模型进行迁移学习，可以是通过合成模型中挑选出对合成模型有用的参数，例如是合成模型的参数进行有效的权重分配，让合成模型接近目标区域的合成模型，从而建立一个精度高的合成模型。

该实施例中，灰阶补偿是指对目标图像的灰阶亮度进行调整过程。

该实施例中，合成模型可以是通过图像集中的每一张图像的边缘特征进行合成，这样，合成的累积即形成最小合成单元，将这些最小合成单元构成的图形文件与记录合成变换的属性文件联系在一次，则可以构成一个完整的合成模型。

该实施例中，目标区域合成模型可以是对合成模型进行迁移学习，即通过对合成模型的学习从而获得目标区域，由目标区域所构成的合成模型即为目标区域合成模型。

上述技术方案的有益效果是：

通过获取目标图像的合成位置坐标，进而确定目标图像所对应的检测区域，生成对抗网络是为了实现对目标图像的数据进行保护，通过网络损失函数可以精确在对抗网络中获取合成模型，通过对合成模型的迁移学习可以有效获取目标区域合成模型，实现了合成模型的高精度化，进而根据目标区域合成模型的边缘与边缘特征点的距离，确定目标图像的合成顺序，通过目标图像的纹理图块以及合成顺序可以精准实现对目标图像的拼接，不仅提升了拼接效果，还提高了图像拼接效率。

实施例8：

在实施例7的基础上，本发明提供了一种基于单反相机的高质量精密全景成像方法，将所述目标图像进行拼接后，还包括：

提取所述拼接合成图的合成边缘噪声，并根据所述合成边缘噪声计算所述拼接合成图的图像融合率，同时，根据所述图像融合率计算所述目标图像的图像集成度，具体工作过程包括：

对所述拼接合成图进行灰度化，并获取所述拼接合成图的灰度梯度数据；

将所述灰度梯度数据放置在预设神经卷积网络中进行训练学习，获取所述拼接合成图的合成边缘噪声；

基于所述合成边缘噪声，计算所述拼接合成图的图像融合率；

其中，η表示所述拼接合成图的图像融合率，k表示所述拼接合成图的合成边缘噪声，h表示所述拼接合成图的图像灰度值，m表示所述拼接合成图的图像梯度值，ζ表示所述拼接合成图的图像分辨率，σ表示所述目标图像的拼接误差率，ξ表示所述拼接合成图的图像融合系数，g表示所述目标图像的误差范数，d表示所述拼接合成图的边缘模糊度；

根据所述拼接合成图的图像融合率，获取所述拼接合成图的波段，同时，根据所述波段获取所述拼接合成图的波段插值；

基于所述拼接合成图的图像融合率以及所述波段插值，计算所述目标图像的图像集成度；

其中，P表示所述目标图像的图像集成度，η表示所述拼接合成图的图像融合率，x

根据所述目标图像的图像集成度，对所述拼接合成图按照标准集成度进行拼接质量估计；

若所述图像集成度等于所述标准集成度，输出所述拼接合成图；

否则，重新对所述目标图像进行拼接，直至符合所述标准集成度。

该实施例中，合成边缘噪声是通过高斯-拉普拉斯算子将高斯平滑滤波与拉普拉斯算子结合起来获得。

该实施例中，对拼接合成图进行灰度化是为了获取拼接合成图的灰度图像，且灰度范围为(0，255)。

该实施例中，误差范数是指数域上的线性空间。

该实施例中，获取波段插值是为了对拼接合成图的精确分析。

上述技术方案的有益效果是：

通过获取拼接合成图的合成边缘噪声，进而可以实现对拼接合成图的图像率进行精确的分析，进而可以获取目标图像的图像集成度，可以实现对合成拼接图的拼接质量估计，当不符合标准集成度，进行重新拼接，提高了单反相机合成全景照片的精准度。

实施例9：

本发明提供了一种基于单反相机的高质量精密全景成像系统，如图2所示，包括：

数据处理模块，获取所述单反相机的执行任务，并对所述执行任务进行解析，获取任务解析数据；

数据转换模块，获取当前所述单反相机的工作模式，并结合所述任务解析数据以及所述工作模式确定执行指令；

数据采集模块，采集所述执行指令，并根据所述执行指令执行当前所述单反相机的任务。

上述技术方案的有益效果是：

通过获取单方相机的图像集，按照指定任务实现图像下载或者图像集的精准拼接，实现了图像的高精度处理，实现照片的高精度拼接或下载。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。