[发明专利]梯形校正的训练样本数据获取系统和方法

权利要求书

1.一种梯形校正的训练样本数据获取系统，其特征在于：包括机械臂、投影仪、全景摄像头和处理器，所述投影仪包括摄像头模块和投影模块，所述机械臂用于根据处理器的指令调整投影仪的姿态，所述投影模块用于投影设有多个特征角点的预设图案，所述摄像头模块以及全景摄像头模块用于根据处理器的指令在每次调整投影仪的姿态后分别拍摄图像；

其中，处理器用于获取预设图案的特征角点以及系统的标定参数，然后在摄像头模块以及全景摄像头模块拍摄图像后，从全景摄像头拍摄和摄像头模块拍摄的图像中分别提取特征角点，匹配预设图案和摄像头模块所拍摄的图像中的特征角点的点对，接着根据标定参数以及所述点对，计算投影墙面的法向量；并且根据全景摄像头所拍摄的图像中的特征角点计算出投影仪的角点校正参数，将所述角点校正参数和投影墙面的法向量作为一组训练样本数据进行输出。

2.根据权利要求1所述的一种梯形校正的训练样本数据获取系统，其特征在于：所述处理器还用于读取训练样本需求数量，根据训练样本需求数量在投影仪的姿态调整范围内随机生成若干组姿态参数，根据所述若干组姿态参数控制机械臂调整投影仪的姿态。

3.根据权利要求1所述的一种梯形校正的训练样本数据获取系统，其特征在于：所述机械臂包括若干个关节，所述机械臂根据处理器的指令控制投影仪平移或者旋转。

4.根据权利要求1-3任一项所述的一种梯形校正的训练样本数据获取系统，其特征在于：从摄像头模块以及全景摄像头模块拍摄的图像中识别特征角点时，采用SURF算法。

5.根据权利要求1-3任一项所述的一种梯形校正的训练样本数据获取系统，其特征在于：采用蛮力算法对预设图案和摄像头模块所拍摄的图像中的特征角点的点对进行匹配，然后通过RANSAC算法过滤掉无效的特征角点的点对。

6.一种梯形校正的训练样本数据获取方法，其特征在于：包括以下步骤：

获取系统的标定参数以及预设图案的特征角点；

控制投影仪投影设有多个特征角点的预设图案；

多次控制机械臂调整投影仪的姿态，在每次调整投影仪的姿态后，控制全景摄像头以及投影仪的摄像头模块分别拍摄图像，并根据所述全景摄像头和投影仪的摄像头模块每次所分别拍摄的图像，得到一组训练样本数据；

所述根据所述全景摄像头和投影仪的摄像头模块每次所分别拍摄的图像，得到一组训练样本数据，其具体包括：

从全景摄像头拍摄和摄像头模块拍摄的图像中分别提取特征角点；

匹配预设图案和摄像头模块所拍摄的图像中的特征角点的点对；

根据标定参数以及所述点对，计算投影墙面的法向量；

根据全景摄像头所拍摄的图像中的特征角点计算出投影仪的角点校正参数；

将所述角点校正参数和投影墙面的法向量作为一组训练样本数据进行输出。

7.根据权利要求6所述的一种梯形校正的训练样本数据获取方法，其特征在于：所述多次控制机械臂调整投影仪的姿态，其具体包括：

读取训练样本需求数量；

根据训练样本需求数量在投影仪的姿态调整范围内随机生成若干组姿态参数；

根据所述若干组姿态参数控制机械臂调整投影仪的姿态。

8.根据权利要求6所述的一种梯形校正的训练样本数据获取方法，其特征在于：在控制机械臂调整投影仪的姿态时，使投影仪平移和/或改变角度。

9.根据权利要求6-8任一项所述的一种梯形校正的训练样本数据获取方法，其特征在于：从摄像头模块以及全景摄像头模块拍摄的图像中识别特征角点时，采用SURF算法。

10.根据权利要求6-8任一项所述的一种梯形校正的训练样本数据获取方法，其特征在于：采用蛮力算法对预设图案和摄像头模块所拍摄的图像中的特征角点的点对进行匹配，然后通过RANSAC算法过滤掉无效的特征角点的点对。