一种VR设备的单目测距方法及电子设备与流程

所属的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为″电路″、″模块″或″系统″。在一些可能的实施方式中，根据本发明的电子设备可以至少包括至少一个处理器、以及至少一个计算机存储介质。其中，计算机存储介质存储有程序代码，当程序代码被处理器执行时，使得处理器执行本说明书上述描述的根据本发明各种示例性实施方式的vr设备的单目测距方法中的步骤。例如，处理器可以执行如图3中所示的步骤301-307。下面参照图11来描述根据本发明的这种实施方式的电子设备1100。图11显示的电子设备1100仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。如图11所示，电子设备1100以通用电子设备的形式表现。电子设备1100的组件可以包括但不限于：上述至少一个处理器1101、上述至少一个计算机存储介质1102、连接不同系统组件(包括计算机存储介质1102和处理器1101)的总线1103。总线1103表示几类总线结构中的一种或多种，包括计算机存储介质总线或者计算机存储介质控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。计算机存储介质1102可以包括易失性计算机存储介质形式的可读介质，例如随机存取计算机存储介质(ram)1121和/或高速缓存存储介质1122，还可以进一步包括只读计算机存储介质(rom)1123。计算机存储介质1102还可以包括具有一组(至少一个)程序模块1124的程序/实用工具1125，这样的程序模块1124包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。电子设备1100也可以与一个或多个外部设备1104(例如键盘、指向设备等)通信，还可与一个或者多个使得用户能与电子设备1100交互的设备通信，和/或与使得该电子设备1100能与一个或多个其它电子设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口1105进行。并且，电子设备1100还可以通过网络适配器1106与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器1106通过总线1103与用于电子设备1100的其它模块通信。应当理解，尽管图中未示出，可以结合电子设备1100使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、ral d系统、磁带驱动器以及数据备份存储系统等。在一些可能的实施方式中，本发明提供的一种vr设备的单目测距方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在计算机设备上运行时，程序代码用于使计算机设备执行本说明书上述描述的根据本发明各种示例性实施方式的vr设备的单目测距方法中的步骤。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

背景技术：

1、在精准检测物体之间距离的技术中，单目测距技术由于没有昂贵的距离传感器而大幅度降低成本。因此，单目测距技术在测量距离上的潜力巨大。虚拟现实(virtualreality，vr)手柄到vr设备(即vr头盔)之间的距离的精确度，直接影响着vr手柄的定位准确性。因此，利用较低的成本和性能，来准确计算vr手柄到vr设备之间的距离尤为重要。

2、现有技术中，单目测距的方案是基于相机成像原理来计算出vr手柄与vr设备之间的距离的，但是该方式要求用于计算距离的图片不能存在畸变，所以需要对获取的图像进行畸变矫正。图像做畸变矫正就需要标定vr设备中相机的内外参数。但是进行图像畸变矫正和相机标定的过程，会存在矫正误差和标定误差。所以，会导致vr设备的单目测距的准确率较低。

技术实现思路

1、本技术提供了一种vr设备的单目测距方法及电子设备，用于提高vr设备的单目测距的准确率。

2、第一方面，本技术实施例提供一种vr设备的单目测距方法，所述方法包括：

3、响应于用户触发的单目测距指令，获取手柄光斑特征和当前的光线特征，其中，所述手柄光斑特征是基于手柄图像得到的，且所述手柄图像为所述vr设备在接收到所述单目测距指令后拍摄的；

4、将所述手柄光斑特征和所述光线特征输入至单目测距模型中，利用所述单目测距模型中的第一全连接层对所述手柄光斑特征和所述光线特征进行非线性变换，得到多个第一测距特征；

5、通过所述单目测距模型中的第二全连接层对所述多个第一测距特征进行非线性变换，得到多个第二测距特征，其中，所述第二全连接层中神经元的数量大于所述第一全连接层中神经元的数量；

6、利用所述单目测距模型中的第三全连接层对所述多个第二测距特征进行非线性变换，得到多个第三测距特征，其中，所述第三全连接层中神经元的数量大于所述第二全连接层中神经元的数量；

7、通过所述单目测距模型中的第四全连接层对所述多个第三测距特征进行非线性变换，得到第四测距特征，其中，所述第四全连接层中神经元的数量与所述第一全连接层中神经元的数量相同；

8、通过所述单目测距模型中的第五全连接层对所述多个第四测距特征进行非线性变换，得到目标测距特征，其中，所述第五全连接层中神经元的数量小于所述第四全连接层中神经元的数量；

9、利用所述单目测距模型中预先设置好的测距特征与距离之间的对应关系，得到与所述目标测距特征相对应的目标距离，其中，所述目标距离为所述vr设备与vr手柄之间的距离。

10、本技术第二方面提供一种电子设备，包括处理器和存储器，所述处理器和所述存储器通过总线连接；

11、所述存储器中存储有计算机程序，所述处理器被配置为基于所述计算机程序执行以下操作：

12、响应于用户触发的单目测距指令，获取手柄光斑特征和当前的光线特征，其中，所述手柄光斑特征是基于手柄图像得到的，且所述手柄图像为所述vr设备在接收到所述单目测距指令后拍摄的；

13、将所述手柄光斑特征和所述光线特征输入至单目测距模型中，利用所述单目测距模型中的第一全连接层对所述手柄光斑特征和所述光线特征进行非线性变换，得到多个第一测距特征；

14、通过所述单目测距模型中的第二全连接层对所述多个第一测距特征进行非线性变换，得到多个第二测距特征，其中，所述第二全连接层中神经元的数量大于所述第一全连接层中神经元的数量；

15、利用所述单目测距模型中的第三全连接层对所述多个第二测距特征进行非线性变换，得到多个第三测距特征，其中，所述第三全连接层中神经元的数量大于所述第二全连接层中神经元的数量；

16、通过所述单目测距模型中的第四全连接层对所述多个第三测距特征进行非线性变换，得到第四测距特征，其中，所述第四全连接层中神经元的数量与所述第一全连接层中神经元的数量相同；

17、通过所述单目测距模型中的第五全连接层对所述多个第四测距特征进行非线性变换，得到目标测距特征，其中，所述第五全连接层中神经元的数量小于所述第四全连接层中神经元的数量；

18、利用所述单目测距模型中预先设置好的测距特征与距离之间的对应关系，得到与所述目标测距特征相对应的目标距离，其中，所述目标距离为所述vr设备与vr手柄之间的距离。

19、根据本发明实施例提供的第三方面，提供一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序用于执行如第一方面所述的方法。

20、本技术的上述实施例中，通过将手柄光斑特征和当前的光线特征输入至单目测距模型中通过多个全连接层进行多次非线性变换来确定所述vr设备与vr手柄之间的距离。由此，本实施例中并不需要对手柄图像进行畸变矫正，也并不需要对vr设备的相机进行标定。所以，不存在矫正误差和标定误差。并且本实施例中的单目测距模型中各全连接层中的神经元的数量采用先上升后下降的方式，以此可以先提取到全局特征后再进行过滤掉冗余特征，使得提出的特征更加准确，提高了本技术实施例单目测距的准确率。

技术特征：

1.一种vr设备的单目测距方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述利用所述单目测距模型中的第一全连接层对所述手柄光斑特征和所述光线特征进行非线性变换，得到多个第一测距特征，包括：

3.根据权利要求1所述的方法，其特征在于，所述通过所述单目测距模型中的第二全连接层对所述多个第一测距特征进行非线性变换，得到多个第二测距特征，包括：

4.根据权利要求1所述的方法，其特征在于，所述利用所述单目测距模型中的第三全连接层对所述多个第二测距特征进行非线性变换，得到多个第三测距特征，包括：

5.根据权利要求1所述的方法，其特征在于，所述通过所述单目测距模型中的第四全连接层对所述第三测距特征进行非线性变换，得到第四测距特征，包括：

6.根据权利要求1所述的方法，其特征在于，所述通过所述单目测距模型中的第五全连接层对所述多个第四测距特征进行非线性变换，得到目标测距特征，包括：

7.根据权利要求1所述的方法，其特征在于，通过以下方式得到所述手柄光斑特征：

8.根据权利要求7所述的方法，其特征在于，所述针对任意一个光斑，基于所述光斑中各像素点的位置，确定所述光斑的直径，包括：

9.根据权利要求1或2所述的方法，其特征在于，所述光线特征包括光照强度、光照方向以及色温中的至少一个。

10.一种电子设备，其特征在于，包括处理器和存储器，所述处理器和所述存储器通过总线连接；

技术总结
本申请提供一种VR设备的单目测距方法及电子设备，用于提高VR设备的单目测距的准确率。包括：将获取的手柄光斑特征和当前的光线特征输入至单目测距模型中，利用单目测距模型中的第一全连接层对手柄光斑特征和光线特征进行非线性变换，得到多个第一测距特征；通过第二全连接层对多个第一测距特征进行非线性变换，得到多个第二测距特征；利用第三全连接层对多个第二测距特征进行非线性变换，得到多个第三测距特征；通过第四全连接层对多个第三测距特征进行非线性变换，得到第四测距特征；通过第五全连接层对多个第四测距特征进行非线性变换，得到目标测距特征；利用预先设置的测距特征与距离之间的对应关系，得到与目标测距特征对应的目标距离。

技术研发人员：曹帅,宗达,孟亚州
受保护的技术使用者：海信视像科技股份有限公司
技术研发日：
技术公布日：2024/9/23