【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及用于移动设备的图像处理方法、装置、存储介质和终端。
技术介绍
1、随着社交网络和物联网的发展，人们需要随时随地测量长度并分享于社交网络，通常的电子长度测量设备如电子尺、光学、超声等设备本身价格较高，如果再加入通信模块价格就会更高，而且通常这些设备携带也不方便，阻碍了普通大众的使用。目前智能移动设备、数码相机被广泛使用着，这些设备通常不但有拍照功能，而且具有一定的运算处理能力，因此利用这些设备进行长度测量是一个现实的选择。
2、在申请号为201210246600.7的中国专利中，公布了一种长度测量方法，该方法应用于电子设备，电子设备具有显示单元和图像采集单元，利用图像采集单元获取至少包括待测物和已知长度的参照物的第一图像，并由所述显示单元显示所述第一图像，该方法具体包括以下步骤：1.接收用户的第一操作，所述第一操作用于用第一轨迹线标识所述参照物的长度；2.接收用户输入的所述参照物的长度的数值；3.接收用户的第二操作，所述第二操作用于用第二轨迹线标识待测长度；4.根据所述第一轨迹线和第二轨迹线的比例关系以及所述参照物的长度的数值，计算出所述待测长度。该专利是通过使用者在图像上描画第一轨迹线和第二轨迹线来确定待测长度，但是由于手指在描画时，难免存在误差，从而导致测量出的长度存在较大的误差。
3、在申请号为202310758982.x的中国专利中，公布了一种双目测距系统及方法，包括两台平行放置的摄像机，通过两个相机同时观察被测物体，通过寻找目标物体在不同视角下投影图像中的对应关系，
技术实现思路
1、有鉴于此，本专利技术的主要目的在于提供一种用于移动设备的图像处理方法、装置、存储介质和终端。
2、为达到上述目的，本专利技术的技术方案是这样实现的：一种用于移动设备的图像处理方法，包括以下步骤：控制摄像头进行拍摄并得到待处理图像，所述待处理图像中包含有圆柱参照物，所述圆柱参照物的上表面呈椭圆形，所述圆柱参照物的直径为d1，厚度为t1；使用物体检测模型对所述待处理图像进行处理，从而得到num个物体的边界框，所述num个物体包含有所述圆柱参照物，其中，num为自然数；使用深度估模型对所述待处理图像以及num个物体的边界框进行处理，从而得到所述待处理图像的深度图；对所述深度图中每个像素点，均进行以下处理，从而得到num个物体的三维模型，所述处理包括：，，，其中，在深度图中，像素点p的横坐标为x且纵坐标为y，为像素点的深度值，所述摄像头的光心位置的横坐标为且纵坐标为，为所述摄像头在横坐标上的焦距，为所述摄像头在纵坐标上的焦距，像素点p在三维空间中的坐标为（x，y，z），所述圆柱参照物的上表面的长轴的方向为x轴、短轴的方向为y轴且厚度的方向为z轴；获取所述圆柱参照物在所述三维空间中的长轴的长度为d2、短轴的长度为d3且厚度为t2，在任一物体上的点和点b之间的距离为。
3、作为本专利技术实施例的一种改进，所述使用物体检测模型对所述待处理图像进行处理，从而得到num个物体的边界框具体包括：使用深度学习模型yolo、深度学习模型ssd或深度学习模型faster r-cnn，对所述待处理图像进行处理，从而得到num个物体的边界框。
4、作为本专利技术实施例的一种改进，所述使用深度估模型对所述待处理图像以及num个物体的边界框进行处理，从而得到所述待处理图像的深度图具体包括：使用深度学习模型monodepth或深度学习模型depthnet，对所述待处理图像以及num个物体的边界框进行处理，从而得到所述待处理图像的深度图。
5、作为本专利技术实施例的一种改进，所述圆柱参照物为硬币。
6、本专利技术实施例还提供了一种用于移动设备的图像处理装置，包括以下模块：图像获取模块，用于控制摄像头进行拍摄并得到待处理图像，所述待处理图像中包含有圆柱参照物，所述圆柱参照物的上表面呈椭圆形，所述圆柱参照物的直径为d1，厚度为t1；深度图生成模块，用于使用物体检测模型对所述待处理图像进行处理，从而得到num个物体的边界框，所述num个物体包含有所述圆柱参照物，其中，num为自然数；使用深度估模型对所述待处理图像以及num个物体的边界框进行处理，从而得到所述待处理图像的深度图；三维模型生成模块，用于对所述深度图中每个像素点，均进行以下处理，从而得到num个物体的三维模型，所述处理包括：，，，其中，在深度图中，像素点p的横坐标为x且纵坐标为y，为像素点的深度值，所述摄像头的光心位置的横坐标为且纵坐标为，为所述摄像头在横坐标上的焦距，为所述摄像头在纵坐标上的焦距，像素点p在三维空间中的坐标为（x，y，z），所述圆柱参照物的上表面的长轴的方向为x轴、短轴的方向为y轴且厚度的方向为z轴；测量模块，用于获取所述圆柱参照物在所述三维空间中的长轴的长度为d2、短轴的长度为d3且厚度为t2，在任一物体上的点和点b之间的距离为。
7、作为本专利技术实施例的一种改进，所述深度图生成模块还用于：使用深度学习模型yolo、深度学习模型ssd或深度学习模型faster r-cnn，对所述待处理图像进行处理，从而得到num个物体的边界框。
8、作为本专利技术实施例的一种改进，所述深度图生成模块还用于：使用深度学习模型monodepth或深度学习模型depthnet，对所述待处理图像以及num个物体的边界框进行处理，从而得到所述待处理图像的深度图。
9、作为本专利技术实施例的一种改进，所述圆柱参照物为硬币。
10、本专利技术实施例还提供了一种存储介质，存储有程序指令，所述程序指令被执行时实现如上述的图像处理方法。
11、本专利技术实施例还提供了一种终端，包括处理器和存储器，所述存储器存储有程序指令，所述处理器运行程序指令实现如上述的图像处理方法。
12、本专利技术实施例所提供的用于移动设备的图像处理方法、装置、存储介质和终端具有以下优点：本专利技术实施例公开了一种用于移动设备的图像处理方法、装置、存储介质和终端，该图像处理方法包括以下步骤：控制摄像头进行拍摄并得到待处理图像，所述待处理图像中包含有圆柱参照物，所述圆柱参照物的上表面呈椭圆形，所述圆柱参照物的直径为d1，厚度为t1；使用物体检测模型对所述待处理图像进行处理，从而得到num个物体的边界框，并得到待处理图像的深度图；对所述深度图中每个像素点，均进行处理，从而得到num个物体的三维模型；在计算两个点之间的距离时，考虑到x、y和z轴变形的程度。从而能够利用移动设备来更加精确的测量两个点之间的距离。
本文档来自技高网...【技术保护点】
1.一种用于移动设备的图像处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的图像处理方法，其特征在于，所述使用深度估模型对所述待处理图像以及Num个物体的边界框进行处理，从而得到所述待处理图像的深度图具体包括：
3.根据权利要求1所述的图像处理方法，其特征在于：
4.一种用于移动设备的图像处理装置，其特征在于，包括以下模块：
5.根据权利要求4所述的图像处理装置，其特征在于，所述深度图生成模块还用于：
6.根据权利要求4所述的图像处理装置，其特征在于：
7.一种存储介质，存储有程序指令，其特征在于，所述程序指令被执行时实现如权利要求1至权利要求3任一项所述的图像处理方法。
8.一种终端，包括处理器和存储器，所述存储器存储有程序指令，其特征在于，所述处理器运行程序指令实现如权利要求1至权利要求3任一项所述的图像处理方法。
【技术特征摘要】
1.一种用于移动设备的图像处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的图像处理方法，其特征在于，所述使用深度估模型对所述待处理图像以及num个物体的边界框进行处理，从而得到所述待处理图像的深度图具体包括：
3.根据权利要求1所述的图像处理方法，其特征在于：
4.一种用于移动设备的图像处理装置，其特征在于，包括以下模块：
5.根据权利要求4所述的...
【专利技术属性】
技术研发人员：李新永，蒋巍巍，
申请(专利权)人：江苏万禾科技集团有限公司，
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。