一种摄像头模糊检测方法、装置及智能机器人与流程

1.本发明涉及自动驾驶技术领域，特别涉及一种摄像头模糊检测方法、装置及智能机器人。


背景技术：

2.摄像头(webcam)一般具有视频摄像/传播和静态图像捕捉等基本功能，它是借由镜头采集图像后，由摄像头内的感光组件电路及控制组件对图像进行处理并转换成电脑所能识别的数字信号，然后借由并行端口或usb连接输入到电脑后由软件再进行图像还原。摄像头是监控设备、手机、电脑及智能机器人等电子设备中必不可少的核心元件。智能机器人在实际运行过程中，摄像头容易因焦距调整不及时等因素，出现摄像头模糊的现象，从而影响所获取图像或者视频的清晰度，进而干扰智能机器人的正常运行。
3.现有技术中缺少一种能够检测摄像头是否模糊的方法。


技术实现要素：

4.本发明实施例旨在提供一种摄像头模糊检测方法、装置以及智能机器人，主要解决相关技术在判断摄像头是否模糊的技术问题。
5.为实现上述目的，按照本发明的一个方面，提供了一种摄像头模糊检测方法，包括：
6.通过摄像头获取图像，并对所述图像进行预处理得到灰度图像；
7.对所述灰度图做离散余弦变换运算，得到频谱图；
8.将所述频谱图降维成数组；
9.根据所述数组计算低阶余弦频谱序列；
10.将所述低阶余弦频谱序列输入已训练好的模型，得到图像清晰度频谱特征；
11.对所述灰度图做中值滤波，得到灰度差值；
12.将所述灰度差值和所述图像清晰度频谱特征输入所述已训练好的模型，全连接输出图像清晰度值；
13.根据所述图像清晰度值，判断所述摄像头是否模糊。
14.可选的，所述通过摄像头获取图像，并对所述图像进行预处理得到灰度图像的步骤进一步包括：
15.通过所述摄像头获取图像；
16.缩小所述图像的尺寸；
17.将缩小后的所述图像转化为灰度图。
18.可选的，所述根据所述数组计算低阶余弦频谱序列的步骤进一步包括：
19.计算所述数组中所有波段的均幅值的总和；
20.计算所述数组中每个所述均幅值占总和的比例；
21.对所述比例进行归一化处理，得到低阶余弦频谱序列。
22.可选的，所述将所述低阶余弦频谱序列输入已训练好的模型，得到图像清晰度频谱特征的步骤进一步包括：
23.将低阶余弦频谱序列经过两层卷积降维；
24.经过全连接输出所述图像清晰度频谱特征。
25.本发明的另一方面，提供了一种摄像头模糊检测装置，包括：
26.获取模块，用于通过摄像头获取图像，并对所述图像进行预处理得到灰度图像；
27.第一得到模块，用于对所述灰度图做离散余弦变换运算，得到频谱图；
28.降维模块，用于将所述频谱图降维成数组；
29.计算模块，用于根据所述数组计算低阶余弦频谱序列；
30.第二得到模块，用于将所述低阶余弦频谱序列输入已训练好的模型，得到图像清晰度频谱特征；
31.第三得到模块，用于对所述灰度图做中值滤波，得到灰度差值；
32.输出模块，用于将所述灰度差值和所述图像清晰度频谱特征输入所述已训练好的模型，全连接输出图像清晰度值；
33.判断模块，用于根据所述图像清晰度值，判断所述摄像头是否模糊。
34.可选的，所述获取模块具体包括：
35.获取单元，用于通过所述摄像头获取图像；
36.缩小单元，用于缩小所述图像的尺寸；
37.转化单元，用于将缩小后的所述图像转化为灰度图。
38.可选的，所述计算模块具体包括
39.第一计算单元，用于计算所述数组中所有波段的均幅值的总和；
40.第二计算单元，用于计算所述数组中每个所述均幅值占总和的比例；
41.得到单元，用于对所述比例进行归一化处理，得到低阶余弦频谱序列。
42.可选的，所述第二得到模块具体包括
43.降维单元，用于将低阶余弦频谱序列经过两层卷积降维；
44.输出单元，用于经过全连接输出所述图像清晰度频谱特征。
45.按照本发明的又一方面，提供了一种智能机器人，包括：
46.至少一个处理器；
47.与所述至少一个处理器通信连接的存储器；
48.其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述摄像头模糊检测方法方法中任一项所述的方法。
49.与现有技术相比较，本发明实施例提供的一种摄像头模糊检测方法，包括通过摄像头获取图像，并对所述图像进行预处理得到灰度图像；对所述灰度图做离散余弦变换运算，得到频谱图；将所述频谱图降维成数组；根据所述数组计算低阶余弦频谱序列；将所述低阶余弦频谱序列输入已训练好的模型，得到图像清晰度频谱特征；对所述灰度图做中值滤波，得到灰度差值；将所述灰度差值和所述图像清晰度频谱特征输入所述已训练好的模型，全连接输出图像清晰度值；根据所述图像清晰度值，判断所述摄像头是否模糊。通过上述方式，可以比较准确的估计出摄像头是否模糊。
附图说明
50.一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
51.图1为本发明实施例提供一种摄像头模糊检测方法的流程图；
52.图2为图1中s110的子流程图；
53.图3为图1中s140的子流程图；
54.图4为图1中s150的子流程图；
55.图5为图1中s180的子流程图；；
56.图6为本发明实施例提供的一种摄像头模糊检测装置的结构示意图；
57.图7为图6中获取模块的结构示意图；
58.图8为图6中计算模块的结构示意图；
59.图9为图6中第二得到模块的结构示意图；
60.图10为本发明另一实施例提供的智能机器人的结构框图。
具体实施方式
61.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
62.需要说明的是，如果不冲突，本发明实施例中的各个特征可以相互组合，均在本发明的保护范围之内。另外，虽然在装置示意图中进行了功能模块的划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置示意图中的模块划分，或流程图中的顺序执行所示出或描述的步骤。
63.此外，下面所描述的本发明不同实施例中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
64.本发明实施例提供了一种摄像头模糊检测方法可以应用于智能机器人。其中，智能机器人可以是无人驾驶清扫车，可以自动清扫路上的垃圾，可以自动绕开障碍、自动驾驶、自动掉头、自动过红绿灯、自动停车等，并且，可以清扫的区域如地下停车场、室内游乐场或者大型室内商城等。
65.请参阅图1，本发明实施例提供一种摄像头模糊检测方法，所述方法可由智能机器人执行，包括如下步骤：
66.s110、通过摄像头获取图像，并对所述图像进行预处理得到灰度图像。
67.具体的，从拍摄获得的视频中提取图像，可以对每帧图像进行提取，也可以每间隔多帧提取一次图像。如图2所示，其示出了s110的子流程具体包括：
68.s111、通过所述摄像头获取图像；
69.s112、缩小所述图像的尺寸；
70.在本实施例中，所述图像的尺寸为1280*720，将所述图像缩小为256*256。
71.s113、将缩小后的所述图像转化为灰度图。
72.s120、对所述灰度图做离散余弦变换运算，得到频谱图。
73.离散余弦变换(discrete cosine transform)本质上也是离散傅里叶变换(discrete fourier transform)，但是只有实数部分。有这样一个性质：如果信号在给定区间内满足狄利赫里条件，且为实对称函数，则可以展开成仅含有余弦项的傅里叶级数，即离散余弦变换。经过离散余弦变换运算，灰度图从空间域快速(没有虚部)的变换到了频率域，从而得到该灰度图对应的频谱图(dctimg)。
74.s130、将所述频谱图降维成数组。
75.在本实施例中，所述频谱图(dctimg)为256*256，将其降维成包含256个波段的均幅值的数组(farr[256])。dctimg[0,0]是图像的均值，和模糊无关，舍弃。farr[0]表示dctimg与原点的欧氏距离在(0,1]之间的所有幅值的均值，farr[1]表示dctimg与原点的欧氏距离在(1,2]之间的所有幅值的均值，以此类推。
[0076]
s140、根据所述数组计算低阶余弦频谱序列。
[0077]
如图3所示，其示出了s140的子流程具体包括：
[0078]
s141、计算所述数组中所有波段的均幅值的总和。
[0079]
s142、计算所述数组中每个所述均幅值占总和的比例。
[0080]
s143、对所述比例进行归一化处理，得到低阶余弦频谱序列。
[0081]
具体的，不同波段均幅值的数量级相差很大，低频处可能几万几十万的数值，高频处可能几十几百的数值，通过log函数把几万几十万的数值都压缩到和高频一个数量级。深度学习的模型，一般要求输入的特征具有相同的数量级，否则训练效果不好。
[0082]
s150、将所述低阶余弦频谱序列输入已训练好的模型，得到图像清晰度频谱特征。
[0083]
如图4所示，其示出了s150的子流程具体包括：
[0084]
s151、将低阶余弦频谱序列经过两层卷积降维。
[0085]
s152、经过全连接输出所述图像清晰度频谱特征。
[0086]
具体的，将低阶余弦频谱序列重塑为[16，16]，输入模型，经过一次卷积和下采样后再次进行卷积和下采样，然后全连接输出所述图像清晰度频谱特征。
[0087]
s160、对所述灰度图做中值滤波，得到灰度差值。
[0088]
具体的，所述灰度差值为所述灰度图中的灰度最大值与灰度最小值之差。
[0089]
s170、将所述灰度差值和所述图像清晰度频谱特征输入所述已训练好的模型，全连接输出图像清晰度值。
[0090]
具体的，所述灰度差值和所述图像清晰度值必须保持同一数量级。
[0091]
s180、根据所述图像清晰度值，判断所述摄像头是否模糊。
[0092]
如图5所示，其示出了s180的子流程具体包括：
[0093]
s181、判断所述图像清晰度值是否大于预设阈值。
[0094]
s182、若是，则判定当前所述摄像头较为清晰。
[0095]
s183、若否，则判定当前所述摄像头模糊。
[0096]
与现有技术相比较，本发明实施例提供的一种摄像头模糊检测方法，包括通过摄像头获取图像，并对所述图像进行预处理得到灰度图像；对所述灰度图做离散余弦变换运算，得到频谱图；将所述频谱图降维成数组；根据所述数组计算低阶余弦频谱序列；将所述低阶余弦频谱序列输入已训练好的模型，得到图像清晰度频谱特征；对所述灰度图做中值滤波，得到灰度差值；将所述灰度差值和所述图像清晰度频谱特征输入所述已训练好的模
型，全连接输出图像清晰度值；根据所述图像清晰度值，判断所述摄像头是否模糊。通过上述方式，可以比较准确的估计出摄像头是否模糊。
[0097]
要说明的是，在上述方法实施例中，上述各步骤之间并不必然存在一定的先后顺序，本领域普通技术人员，根据本技术实施例的描述可以理解，不同实施例中，上述各步骤可以有不同的执行顺序，亦即，可以并行执行，亦可以交换执行等等。
[0098]
请参阅图6，本技术实施例提供一种摄像头模糊检测装置10，包括：
[0099]
获取模块11，用于通过摄像头获取图像，并对所述图像进行预处理得到灰度图像。具体的，如图7所示，所述获取模块11具体包括：获取单元111，用于通过所述摄像头获取图像；缩小单元112，用于缩小所述图像的尺寸；转化单元113，用于将缩小后的所述图像转化为灰度图。
[0100]
第一得到模块12，用于对所述灰度图做离散余弦变换运算，得到频谱图。
[0101]
降维模块13，用于将所述频谱图降维成数组。
[0102]
计算模块14，用于根据所述数组计算低阶余弦频谱序列。
[0103]
可选的，如图8所示，所述计算模块14具体包括第一计算单元141，用于计算所述数组中所有波段的均幅值的总和；第二计算单元142，用于计算所述数组中每个所述均幅值占总和的比例；得到单元143，用于对所述比例进行归一化处理，得到低阶余弦频谱序列。
[0104]
第二得到模块15，用于将所述低阶余弦频谱序列输入已训练好的模型，得到图像清晰度频谱特征。
[0105]
可选的，如图9所示，所述第二得到模块15具体包括降维单元151，用于将低阶余弦频谱序列经过两层卷积降维；输出单元152，用于经过全连接输出所述图像清晰度频谱特征。
[0106]
第三得到模块16，用于对所述灰度图做中值滤波，得到灰度差值。
[0107]
输出模块17，用于将所述灰度差值和所述图像清晰度频谱特征输入所述已训练好的模型，全连接输出图像清晰度值。
[0108]
判断模块18，用于根据所述图像清晰度值，判断所述摄像头是否模糊。
[0109]
请参阅图10，本发明实施例提供了一种智能机器人30，包括：至少一个处理器31，与所述至少一个处理器31通信连接的存储器32，和用于建立通信连接的通信模块33。
[0110]
其中，所述存储器32存储有可被所述至少一个处理器31执行的指令，所述指令被所述至少一个处理器31执行，以使所述至少一个处理器能够执行上述方法实施例中任一项所述的方法，例如，执行以上描述的方法步骤s110、s120、s130、s140、s150、s160、s170、s180等等，实现图6中的模块11、12、13、14、15、16、17、18的功能。
[0111]
所述处理器31、存储器32以及通信模块33之间通过总线的方式，建立任意两者之间的通信连接。
[0112]
处理器31可以为任何类型，具备一个或者多个处理核心的控制芯片。其可以执行单线程或者多线程的操作，用于解析指令以执行获取数据、执行逻辑运算功能以及下发运算处理结果等操作。
[0113]
存储器32作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块，如本发明实施例中的表面污渍检测方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的非暂态软件程序、指令以及模块，从而摄
像头模糊检测装置10的各种功能应用以及数据处理，即实现上述任一方法实施例中摄像头模糊检测方法。
[0114]
存储器32可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储摄像头模糊检测装置10的使用所创建的数据等。此外，存储器32可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器32可选包括相对于处理器31远程设置的存储器，这些远程存储器可以通过网络连接至智能机器人30。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0115]
所述智能机器人的其他部件可参照本领域现有技术中的智能机器人。
[0116]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的范围。