一种投影机图像定位方法、装置、设备及存储介质与流程

本技术涉及图像定位，尤其涉及一种投影机图像定位方法、装置、设备及存储介质。

背景技术：

1、随着高精度和高分辨率投影需求的日益增长，如何确保投影机的图像精准对准目标投影面成为了一个亟需解决的问题。

2、传统的投影技术往往依赖于人工调整或简单的传感器反馈机制，这在处理复杂的环境变化或动态场景中往往显得力不从心，容易因为环境因素如光线变化或投影角度微调而导致投影偏差，影响最终的视觉效果和观众的观看体验。即，现有技术的准确率低。

技术实现思路

1、本技术提供了一种投影机图像定位方法、装置、设备及存储介质，用于提高了投影机的图像定位准确率。

2、第一方面，本技术提供了一种投影机图像定位方法，所述投影机图像定位方法包括：通过投影机将预设的基准图像投射到目标投影面上，并采集第一投影图像；构建所述第一投影图像的关系图定位网络，并基于所述关系图定位网络对所述投影机进行图像偏移量和旋转角度校正，得到第一图像偏移量和第一旋转角度；通过所述投影机，基于所述第一图像偏移量和所述第一旋转角度对所述目标投影面进行实时图像投射，并采集第二投影图像；通过深度卷积神经网络模型对所述第二投影图像进行深度特征匹配与偏差分析，得到第二图像偏移量和第二旋转角度。

3、结合第一方面，在本技术第一方面的第一种实现方式中，所述构建所述第一投影图像的关系图定位网络，并基于所述关系图定位网络对所述投影机进行图像偏移量和旋转角度校正，得到第一图像偏移量和第一旋转角度，包括：对所述第一投影图像进行图像预处理，得到标准投影图像；通过尺度不变特征变换算法对所述标准投影图像进行图像特征点检测，得到多个投影特征点，并计算每个投影特征点的第一特征描述符；获取所述基准图像中的多个基准特征点，并创建每个基准特征点的第二特描述符；基于所述第一特征描述符和所述第二特描述符构建所述多个投影特征点与所述多个基准特征点之间的关系图定位网络；基于所述关系图定位网络计算所述投影机的相似性变换矩阵，并对所述相似性变换矩阵进行图像偏移量和旋转角度校正，得到第一图像偏移量和第一旋转角度。

4、结合第一方面，在本技术第一方面的第二种实现方式中，所述基于所述第一特征描述符和所述第二特描述符构建所述多个投影特征点与所述多个基准特征点之间的关系图定位网络，包括：对每个投影特征点的第一特征描述符进行欧式距离计算，得到每个第一特征描述符的第一欧式距离值，并根据所述第一欧式距离值设置每个投影特征点的第一特征点权重；对每个基准特征点的第二特征描述符进行欧式距离计算，得到每个第二特征描述符的第二欧式距离值，并根据所述第二欧式距离值设置每个基准特征点的第二特征点权重；根据所述多个投影特征点创建对应的多个第一节点，并根据所述多个基准特征点创建对应的多个第二节点；计算所述第一特征描述符与所述第二特征描述符之间的第三欧式距离值，并根据所述第三欧式距离值创建多个边；根据所述多个第一节点、所述多个第二节点以及所述多个边生成第一定位网络；通过图卷积网络对所述第一定位网络进行传播节点特征优化，得到第二定位网络；通过图注意力网络对所述第二定位网络进行节点间关系重要性优化，得到关系图定位网络。

5、结合第一方面，在本技术第一方面的第三种实现方式中，所述基于所述关系图定位网络计算所述投影机的相似性变换矩阵，并对所述相似性变换矩阵进行图像偏移量和旋转角度校正，得到第一图像偏移量和第一旋转角度，包括：对所述关系图定位网络进行关键节点位置信息提取，得到关键节点位置信息集合；对所述关键节点位置信息集合进行旋转和平移刚性变换，得到所述投影机的相似性变换矩阵；对所述相似性变换矩阵进行奇异值分解，得到旋转矩阵和平移向量；对所述平移向量进行图像偏移量校正，得到第一图像偏移量；对所述旋转矩阵进行反三角函数计算和旋转角度校正，得到第一旋转角度。

6、结合第一方面，在本技术第一方面的第四种实现方式中，所述通过深度卷积神经网络模型对所述第二投影图像进行深度特征匹配与偏差分析，得到第二图像偏移量和第二旋转角度，包括：对所述第二投影图像进行特征点识别，得到多个实时特征点；将所述多个实时特征点和所述多个基准特征点输入深度卷积神经网络模型进行深度特征匹配，得到特征匹配结果；根据所述特征匹配结果构建所述第二投影图像的目标偏差矩阵，并对所述目标偏差矩阵进行偏差分析，得到第二图像偏移量和第二旋转角度。

7、结合第一方面，在本技术第一方面的第五种实现方式中，所述将所述多个实时特征点和所述多个基准特征点输入深度卷积神经网络模型进行深度特征匹配，得到特征匹配结果，包括：将所述多个实时特征点和所述多个基准特征点输入深度卷积神经网络模型，所述深度卷积神经网络模型包括：输入层、编码器层、瓶颈层、解码器层以及输出层；通过所述输入层分别对所述多个实时特征点和所述多个基准特征点进行特征点编码，得到实时特征输入向量和基准特征输入向量；通过所述编码器层中的卷积层分别对所述实时特征输入向量和所述基准特征输入向量进行局部特征提取，得到实时局部特征向量和基准局部特征向量；通过所述瓶颈层中的全连接网络，分别对所述实时局部特征向量和所述基准局部特征向量进行特征压缩，得到实时压缩特征向量和基准压缩特征向量；通过所述解码器层中的转置卷积层，分别对所述实时压缩特征向量和所述基准压缩特征向量进行反卷积运算，得到实时特征目标向量和基准特征目标向量；通过所述输出层对所述实时特征目标向量和所述基准特征目标向量进行特征向量相似度计算，得到向量相似度值，并根据所述向量相似度值输出对应的特征匹配结果。

8、结合第一方面，在本技术第一方面的第六种实现方式中，所述投影机图像定位方法还包括：根据所述第二图像偏移量和所述第二旋转角度，对所述投影机进行投影反馈和动态投影跟踪，得到动态跟踪图像集合；根据所述动态跟踪图像集合对所述深度卷积神经网络模型进行参数调整，得到初始模型超参数范围；通过粒子群算法对所述初始模型超参数范围进行模型超参数值最优化求解，得到目标模型超参数；根据所述目标模型超参数对所述深度卷积神经网络模型进行参数梯度更新，得到投影图像动态定位模型。

9、第二方面，本技术提供了一种投影机图像定位装置，所述投影机图像定位装置包括：第一投射模块，用于通过投影机将预设的基准图像投射到目标投影面上，并采集第一投影图像；校正模块，用于构建所述第一投影图像的关系图定位网络，并基于所述关系图定位网络对所述投影机进行图像偏移量和旋转角度校正，得到第一图像偏移量和第一旋转角度；第二投射模块，用于通过所述投影机，基于所述第一图像偏移量和所述第一旋转角度对所述目标投影面进行实时图像投射，并采集第二投影图像；分析模块，用于通过深度卷积神经网络模型对所述第二投影图像进行深度特征匹配与偏差分析，得到第二图像偏移量和第二旋转角度。

10、本技术第三方面提供了一种投影机图像定位设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述投影机图像定位设备执行上述的投影机图像定位方法。

11、本技术的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的投影机图像定位方法。

12、本技术提供的技术方案中，通过关系图定位网络和深度卷积神经网络有效提高了投影图像的定位精度。通过精确匹配图像特征点和利用图像处理算法计算图像偏移量及旋转角度，确保了投影内容在目标投影面上的精确对齐，极大地提升了图像质量和观看体验。能够基于实时捕获的图像数据快速进行偏差分析和校正，通过实时分析第一投影图像和第二投影图像的偏移量和旋转角度，可以即刻调整投影机的设置，确保图像始终保持最佳的显示效果。减少了人工操作的需求，通过自动化的图像特征匹配和偏差校正流程，不仅提升了操作的效率，也降低了因人为操作不当带来的错误风险。通过关系图定位网络和深度卷积神经网络的结合使用，能够适应各种不同的环境和变化条件。通过实施动态反馈和跟踪，能够根据实时数据不断调整和优化参数设置，这种动态反馈机制确保了系统在长时间运行中始终保持高性能状态，及时应对各种突发情况，保障投影内容的正确性和有效性，进而提高了投影机的图像定位准确率。