【技术实现步骤摘要】
光斑标注方法及系统
[0001]本专利技术涉及虚拟现实
，特别是涉及一种光斑标注方法及系统。
技术介绍
[0002]眼动追踪(也称眼球追踪)不仅被广泛用于心理学、交通、神经科学等科研领域，同时也在游戏、工业仿真、医学辅助治疗等领域发挥着重要作用。随着虚拟现实技术的快速发展，眼动追踪逐渐成为虚拟现实里交互和注视点渲染的核心技术之一，眼动追踪通过眼动追踪设备实现。
[0003]依赖于光斑信息的眼球追踪算法根据相机拍摄到的眼球图像，进行特征检测(包含光斑位置及编号信息)，然后估计注视点在屏幕上的坐标或视线方向。
[0004]现有技术主要采用手动标注的方式获取光斑位置及编号信息，这种方式存在以下问题：
[0005]1)光斑存在性的判断不够客观；候选“光斑”的大小、形态、明暗各异，若由标注人判断候选“光斑”是否存在，则存在主观偏差，尤其是不同的标注人员对同一批光斑图像进行标注时，很难以绝对统一的标准对光斑存在性进行判断；
[0006]2)由于不同编号光源的发光属性无差异，所以光斑的大小、形态、明暗特征等无法用于光斑的区分；另外，编号相近的光斑在图像的位置变化范围存在交集。因此标注人员仅通过观察图像上光斑特点及其位置，难以准确对光斑编号；
[0007]3)人工标注是由人的眼、手协调进行光斑标注，标注精确性不足，且效率低。
技术实现思路
[0008]为此，本专利技术的一个实施例提出一种光斑标注方法，以解决现有技术中光斑存在性的判断不够客观、难以准确对光斑编号、标注精确性...
【技术保护点】
【技术特征摘要】
1.一种光斑标注方法，其特征在于，所述方法包括：获取包含人眼的原始图像；检测所述原始图像中人眼的瞳孔椭圆参数；基于所述瞳孔椭圆参数，通过预设的光斑估计模型，确定各光斑的编号，并估计各编号光斑的粗位置，所述光斑估计模型为用于输出光斑位置坐标的全连接神经网络模型；通过图像处理过程判断各个编号的光斑的存在性，所述图像处理过程至少包括剪裁、阈值分割操作、腐蚀操作、找轮廓操作；对于确实存在的光斑，根据粗位置计算其光斑中心坐标。2.根据权利要求1所述的光斑标注方法，其特征在于，所述光斑估计模型通过以下步骤建立得到：获取瞳孔椭圆样本数据和对应的光斑位置样本数据，并根据所述瞳孔椭圆样本数据和所述光斑位置样本数据制作数据集；基于所述数据集，训练光斑估计模型，所述光斑估计模型为全连接神经网络模型，输入数据为向量[center,a_b,angle]，输出数据为向量[x,y]，其中，center为瞳孔椭圆的中心坐标，a_b为瞳孔椭圆的半轴长，angle为瞳孔椭圆短轴相对坐标系x轴方向逆时针旋转的角度，[x,y]为光斑位置坐标。3.根据权利要求1所述的光斑标注方法，其特征在于，通过图像处理过程判断各个编号的光斑的存在性具体包括：对于目标编号的目标光斑，以所述目标光斑的粗位置为中心，从所述原始图像中剪裁出具有第一预设尺寸的矩形图像；对所述矩形图像执行阈值分割操作，得到第一图像；对所述第一图像执行腐蚀操作，得到第二图像；对所述第二图像执行找轮廓操作，得到轮廓集合；若所述轮廓集合不为空集，且所述轮廓集合中面积最大的轮廓的面积大于阈值，则判定所述目标光斑确实存在；否则，判定所述目标光斑不存在。4.根据权利要求3所述的光斑标注方法，其特征在于，对于确实存在的光斑，根据粗位置计算其光斑中心坐标具体包括：对于确实存在的目标光斑，将所述轮廓集合中面积最大的轮廓绘制到具有第二预设尺寸的、像素值均为0的纯黑背景图像上，以得到中间图像；计算所述中间图像的质心坐标；根据所述质心坐标和粗位置，计算所述原始图像的坐标系下的光斑中心坐标。5.根据权利要求4所述的光斑标注方法，其特征在于，，采用下式计算所述中间图像的质心坐标：
其中，x
c
、y
c
为所述中间图像的质心坐标，i为中间图像x轴像素坐标，j为中间图像y轴像素坐标，I
ij
为像素坐标(i，j)对应的像素值，m
min
、m
max
分别为x轴方向求和计算的起始与终止坐标，n
min
、n
max
分别为y轴方向求和计算的起始与终止坐标；采用下式计算所述原始图像的坐标系下的光斑中心坐标：x
p
＝x
r
+x
c
‑
w/2y
p
＝y
r
+y
c
‑
h/2其中，x
p
、y
p
为所述原始图像的坐标系下的光斑中心坐标，x
r
、y
r
为所述目标光斑的粗位置的坐标，w、h分别为所述纯黑背景图像的宽和高。6.一种光斑标注系统，其特征在于，...
【专利技术属性】
技术研发人员：徐浩，张鑫，沈忱，付阳，孙其民，
申请(专利权)人：南昌虚拟现实研究院股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。