[发明专利]投影仪姿态估计、梯形校正方法、装置、投影仪及介质

权利要求书

1.一种投影仪姿态估计方法，其特征在于，包括：

获取投影画面的图像；

根据所述图像和姿态估计模型得到投影仪的姿态参数，所述姿态估计模型是利用不同姿态下的投影画面图像及其对应的投影仪姿态参数训练得到的。

2.根据权利要求1所述的一种投影仪姿态估计方法，其特征在于，所述根据所述图像和姿态估计模型得到投影仪的姿态参数包括：

将所述图像输入到所述姿态估计模型中，由所述姿态估计模型输出投影仪的姿态参数。

3.根据权利要求1所述的一种投影仪姿态估计方法，其特征在于，所述根据所述图像和姿态估计模型得到投影仪的姿态参数包括：

对所述图像进行二值化，生成所述图像的二值图像；

将所述图像的二值图像输入到所述姿态估计模型中，由所述姿态估计模型输出投影仪的姿态参数。

4.根据权利要求1所述的一种投影仪姿态估计方法，其特征在于，所述姿态估计模型的训练方法包括：

获取投影仪正投时的投影画面图像及对应的投影仪姿态参数；

获取投影仪侧投时的投影画面图像及对应的投影仪姿态参数；

获取投影仪只存在俯仰角时的投影画面图像及对应的投影仪姿态参数；

获取投影仪存在水平旋转角和俯仰角时的投影画面图像及对应的投影仪姿态参数；

利用获取到的投影画面图像及对应的投影仪姿态参数组成训练集训练卷积神经网络，得到所述姿态估计模型。

5.根据权利要求4所述的一种投影仪姿态估计方法，其特征在于，所述利用获取到的投影画面图像及对应的投影仪姿态参数训练卷积神经网络包括：

将所述获取到的投影画面图像作为输入数据，将所述投影画面图像对应的投影仪姿态参数作为监督数据，对卷积神经网络进行训练。

6.根据权利要求4所述的一种投影仪姿态估计方法，其特征在于，所述利用获取到的投影画面图像及对应的投影仪姿态参数训练卷积神经网络包括：

对所述获取到的投影画面图像进行二值化，生成所述投影画面图像的二值图像；

将所述投影画面图像的二值图像作为输入数据，将所述投影画面图像对应的投影仪姿态参数作为监督数据，对卷积神经网络进行训练。

7.根据权利要求3或6所述的一种投影仪姿态估计方法，其特征在于，所述二值化的方法包括：

对待二值化图像进行预处理，得到与所述待二值化图像同分辨率的二值图像。

8.根据权利要求7所述的一种投影仪姿态估计方法，其特征在于，所述对待二值化图像进行预处理，得到与所述待二值化图像同分辨率的二值图像包括：

对所述待二值化图像进行灰度化，得到灰度图像；

对所述灰度图像去噪；

对去噪后的灰度图像进行灰度直方图统计；

根据灰度直方图统计数进行固定阈值二值化，生成与所述待二值化图像同分辨率的二值图像。

9.根据权利要求8所述的一种投影仪姿态估计方法，其特征在于，所述固定阈值为所述灰度直方图统计数中值对应的灰度值。

10.根据权利要求1-3中任一项所述的一种投影仪姿态估计方法，其特征在于，所述姿态估计模型为训练完成的卷积神经网络。

11.根据权利要求1-9中任一项所述的一种投影仪姿态估计方法，其特征在于，所述姿态参数包括水平旋转角度和垂直俯仰角度。

12.一种投影仪梯形校正方法，其特征在于，包括：

获取投影仪的姿态参数，所述姿态参数根据权利要求1-11中任一项所述的投影仪姿态估计方法得到；

根据所述姿态参数进行梯形校正。