一种单目快速对焦方法及系统与流程

本发明涉及摄像机对焦领域，具体涉及一种单目快速对焦方法及系统。

背景技术：

测距原理上，单目摄像头和双目摄像头完全不同。单目摄像头需要对目标进行识别，也就是说在测距前先识别障碍物是车、人还是别的什么。在此基础上再进行测距，而双目摄像头则更加像人类的双眼，主要通过两幅图像的视差计算来确定距离。也就是说，双目摄像头不需要知道障碍物是什么，只要通过计算就可以测距。

双目视觉广泛应用在机器人导航，精密工业测量、物体识别、虚拟现实、场景重建，勘测领域。双目视觉是模拟人类视觉原理，使用计算机被动感知距离的方法。从两个或者多个点观察一个物体，获取在不同视角下的图像，根据图像之间像素的匹配关系，通过三角测量原理计算出像素之间的偏移来获取物体的三维信息。

对于上述描述，单目摄像头相对双目摄像头成本更低，可控更方便；而双目摄像头测距、对焦更快，但是相对而言，双目摄像头成本投入更大，以及不便于集成化小型化设计。

技术实现要素：

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种单目快速对焦方法，提高对焦效率以及降低生产成本。

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种单目快速对焦系统，提高对焦效率以及降低生产成本。

本发明解决其技术问题所采用的技术方案是：提供一种单目快速对焦方法，该单目快速对焦方法包括：

通过一摄像头获取当前位置的第一图像信息，以及至少转动一次预设角度所获取的第二图像信息；

获取第一图像信息和第二图像信息的匹配区域，并通过一致性判断，寻找匹配区域的稳定匹配点；

获取稳定匹配点在第一图像信息和第二图像信息的像素差；

根据爬坡算法寻找像素差的爬坡方向及爬坡角度，获取所述摄像头的最佳对焦位置。

其中，较佳方案是，该单目快速对焦方法还包括：

获取摄像头的实际焦距；

根据预设角度获取第二图像信息的稳定匹配点的虚拟焦距；

根据像素差、实际焦距和虚拟焦距，通过爬坡算法寻找像素差对应的爬坡方向及爬坡角度。

其中，较佳方案是，该单目快速对焦方法还包括：

周期性场景检测，并判断场景是否改变；

若改变通过一摄像头获取当前位置的第一图像信息，以及至少转动一次预设角度所获取的第二图像信息，并计算出所述摄像头的最佳对焦位置。

其中，较佳方案是，该单目快速对焦方法还包括：

设置一相似度等级，该相似度等级至少包括相似度由高到低排序的第一相似度和第二相似度；

周期性场景检测，并判断检测的场景与原场景的相似度；

当判断的相似度高于第一相似度，判断场景没有改变，当判断的相似度处于第一相似度和第二相似度之间，判断为旧场景模式，当判断的相似度低于第二相似度，判断为新场景模式。

其中，较佳方案是：当判断为旧场景模式时，在当前摄像头的最佳对焦位置的预设范围内，根据爬坡算法直接获取所述摄像头的最佳对焦位置。

其中，较佳方案是，获取所述摄像头的最佳对焦位置的方式包括：

根据爬坡算法寻找像素差的爬坡方向及爬坡角度；

获取出当前摄像头的对焦位置，以及需要变焦的距离；

以及，根据变焦的距离，将所述摄像头的对焦位置调整到最佳对焦位置。

其中，较佳方案是，该单目快速对焦方法还包括：

获取当前位置的第一图像信息，以及水平左右转动一次预设角度所获取的第二图像信息和第三图像信息；

获取第一图像信息、第二图像信息和第三图像信息的匹配区域，并通过一致性判断，寻找匹配区域的稳定匹配点；

获取稳定匹配点在第一图像信息和第二图像信息的像素差，以及获取稳定匹配点在第一图像信息和第三图像信息的像素差；

根据爬坡算法获取两段像素差分别对应的爬坡方向及爬坡角度，获取所述摄像头的最佳对焦位置。

其中，较佳方案是，该单目快速对焦方法还包括：

对获取的第一图像信息和第二图像信息分别进行进行硬化，且得到映射地图，再并行化使用映射地图重新得到像素位置；

并对重新得到像素位置的第一图像信息和第二图像信息进行矫正。

其中，较佳方案是，获取第一图像信息和第二图像信息的匹配区域的方式包括：

获取第一图像信息和第二图像信息的原始匹配区域；

对原始匹配区域进行匹配误差计算；

误差集成，并形成视差图；

对视差图优化；

对视差图矫正。

本发明解决其技术问题所采用的技术方案是：提供一种单目快速对焦系统，该单目快速对焦系统包括：

摄像头，该摄像头包括一水平转动机构，该摄像头通过水平转动机构以预设角度进行转动，并在转动后恢返回；

图像采集单元，该图像采集单元获取当前位置的第一图像信息，以及至少转动一次预设角度所获取的第二图像信息；

处理器单元，该处理器单元获取第一图像信息和第二图像信息的匹配区域，并通过一致性判断，寻找匹配区域的稳定匹配点，获取稳定匹配点在第一图像信息和第二图像信息的像素差，根据爬坡算法寻找像素差的爬坡方向及爬坡角度，获取所述摄像头的最佳对焦位置；

其中，该处理器单元根据最佳对焦位置控制摄像头的焦距

本发明的有益效果在于，与现有技术相比，本发明通过设计一种单目快速对焦方法，通过一摄像头获取当前位置的第一图像信息，以及至少转动一次预设角度所获取的第二图像信息，进行相关处理计算，获取所述摄像头的最佳对焦位置，实现快速对焦，提高对焦效率积精准度，提高用户体验。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明单目快速对焦方法的流程示意图；

图2是本发明爬坡焦距图；

图3是本发明爬坡算法的流程示意图；

图4是本发明场景检测的流程示意图；

图5是本发明获取最佳对焦位置的流程示意图；

图6是本发明预处理第一大步骤的流程示意图；

图7是本发明预处理第二大步骤的流程示意图；

图8是本发明单目快速对焦方法另一实施例的流程示意图；

图9是本发明单目快速对焦系统的结构示意图。

具体实施方式

现结合附图，对本发明的较佳实施例作详细说明。

如图1和图2所示，本发明提供一种单目快速对焦方法的优选实施例。

一种单目快速对焦方法，该单目快速对焦方法包括步骤：

步骤s111、通过一摄像头10获取当前位置的第一图像信息101；

步骤s112、以及至少转动一次预设角度所获取的第二图像信息102；

步骤s121、获取第一图像信息101和第二图像信息102的匹配区域；

步骤s122、并通过一致性判断，寻找匹配区域的稳定匹配点；

步骤s13、获取稳定匹配点在第一图像信息101和第二图像信息102的像素差；

步骤s141、根据爬坡算法寻找像素差的爬坡方向及爬坡角度；

步骤s142、获取所述摄像头10的最佳对焦位置。

在本实施例中，预设角度优选为0.1至2度，根据不同型号或环境设置不同的预设角度，需要获取越远场景的图像的摄像头10，预设角度约小，证据获取两个图像具有重合区域。

其中，匹配区域是指第一图像信息101和第二图像信息102在计算机识别处理下的重合区域。以及，通过第一图像信息101和第二图像信息102的特征信息，采用一致性判断算法，获取具有相同属性的特征信息，如颜色、灰度值、像素区域相似识别等，并随机将最佳的若干特征信息设置为稳定匹配点，一稳定匹配点包括多个像素点。

在本实施例中，并参考图2，横坐标为镜头与物的距离，纵坐标为焦距，当在距离最佳时，焦点最清晰，反之焦点图向两侧便宜，越来越不清晰。

其中，每一清晰度段所对应的图，具有不同的爬坡方向及爬坡角度，清晰度段可与像素差匹配对应。

其中，获取某一段的爬坡方向及爬坡角度，以及此刻摄像头10的焦距，可根据图2的图直接获取最佳对焦位置，即所述摄像头10的最佳对焦位置。

如图3所示，本发明提供一种爬坡算法的较佳实施例。

该单目快速对焦方法还包括步骤：

步骤s21、获取摄像头10的实际焦距；

步骤s22、根据预设角度获取第二图像信息102的稳定匹配点的虚拟焦距；

步骤s141、根据像素差、实际焦距和虚拟焦距，通过爬坡算法寻找像素差对应的爬坡方向及爬坡角度。

其中，实际焦距为当前摄像头10的焦距，而虚拟焦距是根据预设角度，获取第二图像信息102相对于第一图像信息101的“虚拟”焦距，即第二图像信息102处于第一图像信息101的后方，同时根据清晰度判断。

如图4所示，本发明提供一种场景检测的较佳实施例。

该单目快速对焦方法还包括周期性场景检测，并判断场景是否改变；若改变通过一摄像头10获取当前位置的第一图像信息101，以及至少转动一次预设角度所获取的第二图像信息102，并计算出所述摄像头10的最佳对焦位置。

具体地，包括步骤：

步骤s31、设置一相似度等级，该相似度等级至少包括相似度由高到低排序的第一相似度和第二相似度；

步骤s32、周期性场景检测，并判断检测的场景与原场景的相似度；

步骤s331、当判断的相似度高于第一相似度，判断场景没有改变；

步骤s341、当判断的相似度处于第一相似度和第二相似度之间，判断为旧场景模式；

步骤s351、当判断的相似度低于第二相似度，判断为新场景模式。

进一步地，还包括：

步骤s332、摄像头10不转动；

步骤s342、在当前摄像头10的最佳对焦位置的预设范围内，根据爬坡算法直接获取所述摄像头10的最佳对焦位置；

步骤s352、当判断为旧场景模式时，在当前摄像头10的最佳对焦位置的预设范围内，根据爬坡算法直接获取所述摄像头10的最佳对焦位置。

如图5所示，本发明提供一种获取最佳对焦位置的较佳实施例。

获取所述摄像头10的最佳对焦位置的方式包括：

步骤s141、根据爬坡算法寻找像素差的爬坡方向及爬坡角度；

步骤s1421、获取出当前摄像头10的对焦位置；

步骤s1422、以及需要变焦的距离；

步骤s1423、以及，根据变焦的距离，将所述摄像头10的对焦位置调整到最佳对焦位置。

如图6和图7所示，本发明提供一种预处理的较佳实施例。

该单目快速对焦方法还包括：

步骤s41、对获取的第一图像信息101和第二图像信息102分别进行进行硬化，且得到映射地图，再并行化使用映射地图重新得到像素位置；

步骤s42、并对重新得到像素位置的第一图像信息101和第二图像信息102进行矫正。

以及，获取第一图像信息101和第二图像信息102的匹配区域的方式包括：

步骤s51、获取第一图像信息101和第二图像信息102的原始匹配区域；

步骤s52、对原始匹配区域进行匹配误差计算；

步骤s53、误差集成，并形成视差图；

步骤s54、对视差图优化；

步骤s55、对视差图矫正。

在本实施例中，矫正的目的是得到的第一图像信息101和第二图像信息102之间，只存在x方向上的差异，提高视差计算的准确性。矫正分为两个步骤：畸变矫正，将相机转化为标准形式。其中，因为矫正部分，会对图像所有点的位置进行重新计算，因而算法处理的分辨率越大耗时越大，而且一般需要实时处理两张图像。而且这种算法并行化强标准化程度较高，建议使用ive进行硬化，类似opencv中的加速模式，先得到映射map，再并行化使用映射map重新得到像素位置。opencv中的矫正函数为cvstereorectify。

进一步地，双目匹配是双目深度估计的核心部分，发展了很多年，也有非常多的算法，主要目的是计算参考图与目标图之间像素的相对匹配关系，主要分为局部和非局部的算法。

一般局部算法，使用固定大小或者非固定大小窗口，计算与之所在一行的最优匹配位置。如下图为最简单的局部方式，求一行最佳对应点位置，左右视图x坐标位置差异为视差图。为了增加噪声，光照的鲁棒性可以使用固定窗口进行匹配，也可以对图像使用lbp变换之后再进行匹配。一般的匹配损失计算函数有：sad,ssd,ncc等。一般采用最大视差也可以限制最大搜索范围,也可以使用积分图和boxfilter进行加速计算。目前效果较好的局部匹配算法为基于guidedfilter的使用boxfilter和积分图的双目匹配算法,局部算法易于并行化，计算速度快，但是对于纹理较少的区域效果不佳，一般对图像分割，将图像分为纹理丰富和纹理稀疏的区域，调整匹配窗大小，纹理稀疏使用小窗口，来提高匹配效果。

非局部的匹配算法，将搜索视差的任务看做最小化一个确定的基于全部双目匹配对的损失函数，求该损失函数的最小值即可得到最佳的视差关系，着重解决图像中不确定区域的匹配问题，主要有动态规划(dynamicprogramming)，信任传播(bliefpropagation)，图割算法(graphcut)。目前效果最好的也是图割算法，opencv中提供的图割算法匹配耗时很大。

如图8所示，本发明提供一种单目快速对焦方法的优选实施例。

一种单目快速对焦方法，该单目快速对焦方法包括步骤：

步骤s111、通过一摄像头10获取当前位置的第一图像信息101；

步骤s1121、向左转动一次预设角度所获取的第二图像信息102；

步骤s1122、向右转动一次预设角度所获取的第三图像信息；

步骤s121、获取第一图像信息101、第二图像信息102和第三图像信息的匹配区域；

步骤s122、并通过一致性判断，寻找匹配区域的稳定匹配点；

步骤s13、获取稳定匹配点在第一图像信息101和第二图像信息102的像素差，以及获取稳定匹配点在第一图像信息101和第三图像信息的像素差；

步骤s141、根据爬坡算法寻找像素差的爬坡方向及爬坡角度；

步骤s142、获取所述摄像头10的最佳对焦位置。

如图9所示，本发明提供一种单目快速对焦系统的优选实施例。

一种单目快速对焦系统，该单目快速对焦系统包括：

摄像头10，该摄像头10包括一水平转动机构11，该摄像头10通过水平转动机构11以预设角度进行转动，并在转动后恢返回；

图像采集单元20，该图像采集单元20获取当前位置的第一图像信息101，以及至少转动一次预设角度所获取的第二图像信息102；

处理器单元30，该处理器单元30获取第一图像信息101和第二图像信息102的匹配区域，并通过一致性判断，寻找匹配区域的稳定匹配点，获取稳定匹配点在第一图像信息101和第二图像信息102的像素差，根据爬坡算法寻找像素差的爬坡方向及爬坡角度，获取所述摄像头10的最佳对焦位置；

其中，该处理器单元30根据最佳对焦位置控制摄像头10的焦距。

以上所述者，仅为本发明最佳实施例而已，并非用于限制本发明的范围，凡依本发明申请专利范围所作的等效变化或修饰，皆为本发明所涵盖。