一种自由控制摄像机视图方法及系统

1.本发明属于医疗教学技术领域，具体是一种自由控制摄像机视图方法及系统。


背景技术：

2.在解剖软件中，一个好用而且体验流畅的视图控制是非常重要的，准确而简洁的视图操作控制能够大幅度提升学生的学习效率和操作体验。传统的解剖软件在720
°
旋转视角的时候其实是控制3d模型在旋转，这样做的好处是开发比较简单可以批量化处理；缺点是如果涉及到结构比较复杂的模型或者有动画控制的actor的时候会影响程序的稳定性，导致观看视角受限制，不容易旋转到用户想查看的角度。而且，模型的旋转会导致光线不断在变化，在特定角度也会影响对于结构的理解偏差，不断增加的网格物体数量也会导致系统帧率下降；因此，为了解决上述问题，本发明提供了一种自由控制摄像机视图方法及系统。


技术实现要素：

3.为了解决上述方案存在的问题，本发明提供了一种自由控制摄像机视图方法及系统。
4.本发明的目的可以通过以下技术方案实现：
5.一种自由控制摄像机视图方法，具体方法包括：
6.步骤s1：对接教学模型库，识别各储存模型以及各储存模型对应的模型特征；
7.步骤s2：根据储存模型的储存特征生成对应的初始空间点位集；
8.步骤s3：对储存模型进行模拟操作，基于初始空间点位集采集对应的单点影像，将各单点影像拼接为全视图，并对所述全视图进行评估，获得对应的评估分；
9.进一步地，将各单点影像拼接为全视图的方法包括：
10.确定各单点影像的共同部分，评估共同部分中各单一部分对应的图像值，根据各单一部分的图像值进行共同部分的处理，将各单点图像整合为全视图。
11.进一步地，图像值的计算方法包括：
12.对共同部分进行分析，获得各单一部分对应的质量值和操作值，将获得的质量值和操作值分别标记为zl和cz，根据公式tz＝b1
×
zl+b2
×
cz计算对应的图像值，其中b1、b2均为比例系数，取值范围为0《b1≤1，0《b2≤1。
13.进一步地，共同部分的确定以储存模型为基准。
14.进一步地，评估分的计算方法包括：
15.设置各储存模型的全视图对应的各评估项以及各评估项对应的权重系数，根据各评估项对全视图进行评估，获得各评估项对应的评估单项值；将获得的评估单项值标记为pdi，其中i＝1、2、
……
、n，n为正整数，根据公式pmk＝∑(ci
×
pdi)计算对应的评估分pmk，其中ci为各评估项对应的权重系数。
16.步骤s4：根据获得的评估分进行摄像机的对应布置；
17.进一步地，根据获得的评估分进行摄像机的对应布置的方法包括：
18.当评估分不低于阈值x1时，将对应的初始空间点位集标记为目标空间点位集，根据获得的目标空间点位集进行摄像机的布置；当评估分低于阈值x1时，进行相应的摄像点位添加，当摄像点位增加后进行初始空间点位集的更新，返回步骤s3。
19.进一步地，进行点位添加的方法包括：
20.计算各评估单项值与对应权重系数之间的乘积，获得缺点值，将缺点值按照从小到大的顺序进行排序，获得补充列表；识别补充列表排列第一的缺点值对应的评估项，标记为补充项，获取该评估项对应的图像数据，标记为补充数据，根据获得的补充项和补充数据增加一个摄像点位。
21.步骤s5：用户根据观察需求基于全视图显示所需要的视角。
22.进一步地，步骤s5中进行视角变动的过程为：用户根据需要进行视角变动，根据视角变动方向调整在全视图中的显示图像。
23.与现有技术相比，本发明的有益效果是：
24.通过设置目标空间点位集进行摄像机的布置，形成多摄像机多角度的储存模型采集，实现在进行解剖过程的全部采集，当需要进行观察变换时，可以基于全视图进行视角变化，不用进行储存模型的旋转等，也不会改变现有光线等场景，增加解剖教学的真实性，避免直接旋转储存模型导致的光线等场景变化。
附图说明
25.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
26.图1为本发明原理框图。
具体实施方式
27.下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
28.如图1所示，一种自由控制摄像机视图方法，具体方法包括：
29.步骤s1：对接教学模型库，识别具有的各种解剖教学模型，标记为储存模型；获取各储存模型的模型特征，模型特征指的是该具有的哪些特征，均是与摄像需求有关的特征，如类型、动态需求、分辨率需求、息肉情况等，具体的通过人工的方式，根据摄像需求为各储存模型设置对应的模型特征；
30.步骤s2：根据储存模型的储存特征生成对应的初始空间点位集；
31.初始空间点位集即根据储存模型的储存特征分析的设置在储存模型空间周边的各个摄像点位的集合，摄像点即为后续以该位置角度进行储存模型摄像展示的位置；根据储存特征分析应该分布设置哪些点位进行摄像，具体的可以基于cnn网络或dnn网络建立对
应的点位分析模型，通过人工的方式建立对应的训练集进行训练，训练集包括各种模拟设置的储存模型储存特征以及对应的初始空间点位集，通过训练成功后的点位分析模型对储存模型的储存特征进行分析，获得对应的初始空间点位集；因为神经网络为本领域的现有技术，因此，具体的建立和训练过程在本发明中不进行详细叙述。
32.步骤s3：对储存模型进行模拟操作，基于初始空间点位集采集对应的单点影像，结合模拟操作特性和各单点影像形成全视图；对获得的全视图进行评估，获得对应的评估分；
33.其中，对储存模型进行模拟操作：可以预设各个储存模型的相应操作，当需要进行模拟操作时，直接按照预设操作进行自动操作，在操作过程中进行摄像，获得各摄像点的单点影像。
34.结合模拟操作特性和各单点影像形成全视图的方法包括：
35.操作特性即根据操作步骤进行设置的特征，如切开皮肤对应的需要观察的点，即该操作步骤的操作特性；结合模拟操作特性和各单点影像形成全视图，即为根据模拟的操作特性判断各共有影像部分的优劣性，选择优势的部分进行结合，形成一个整体的影像，即全视图，将多个单点影像根据分析合并成一个整体的影像，具体包括：
36.识别各单点图像中的共同部分，共同部分指的是储存模型上同一部位对应的影像，利用现有的图像识别技术进行识别，然后结合现有的神经网络建立对应的人工智能模型，智能标记储存模型对应的各共同部分，以储存模型某一部分为基准可以实现更加快速的共同部分识别；对共同部分中的各单一部分进行评估，从图像的质量以及后续的可操作性两个方面进行评估，获得对应的质量值和操作值，质量值是根据图像的清晰度、该图像部分拍摄全面性等进行质量评估，操作值是根据后续需要对图像进行放大、缩放等操作后，图像的可能变化进行评估；具体的基于cnn网络或dnn网络建立对应的图像评估模型，通过人工的方式建立对应的训练集进行训练，训练集包括各种模拟设置的共同部分以及对应设置的各单一部分的质量值和操作值，通过训练成功后的图像评估模型进行分析，获得各单一部分对应的质量值和操作值；将获得的质量值和操作值分别标记为zl和cz，根据公式tz＝b1
×
zl+b2
×
cz计算对应的图像值，其中b1、b2均为比例系数，取值范围为0《b1≤1，0《b2≤1，根据各单一部分的图像值进行共同部分的处理，将各单点图像整合为全视图；具体的可以结合现有的图像拼接技术，基于各图像值高低进行图像拼接，形成全视图，如结合现有的神经网络建立对应的图像拼接模型，通过训练成功后的图像拼接模型进行处理，获得对应的全视图。
37.对获得的全视图进行评估，即从全视图的整体影像上进行评估，结合储存模型的模型特征从其图像的全面性、图像质量、视觉角度等角度进行评估，判断该全视图是否满足使用需求，具体的通过人工的方式设置各个评估项，基于cnn网络或dnn网络建立对应的单项评估模型，通过人工的方式建立对应的训练集进行训练，训练集包括各评估项对应的图像数据以及对应设置的评估单项值，通过训练成功后的单项评估模型进行分析，获得各评估项对应的评估单项值；将获得的评估单项值标记为pdi，其中i＝1、2、
……
、n，n为正整数，i表示对应的评估项；根据公式pmk＝∑(ci
×
pdi)计算对应的评估分，其中ci为各评估项对应的权重系数，通过专家组根据各储存模型进行讨论设置。
38.步骤s4：根据获得的评估分进行摄像机的对应布置；
39.当评估分不低于阈值x1时，将对应的初始空间点位集标记为目标空间点位集，根
据获得的目标空间点位集进行摄像机的布置；当评估分低于阈值x1时，进行相应的摄像点位添加，当摄像点位增加后进行初始空间点位集的更新，返回步骤s3；进行循环迭代，直到评估分不低于阈值x1为止。
40.其中，进行点位添加的方法包括：
41.计算各评估单项值与对应权重系数之间的乘积，获得缺点值，将缺点值按照从小到大的顺序进行排序，获得补充列表；识别补充列表排列第一的缺点值对应的评估项，标记为补充项，获取该评估项对应的图像数据，标记为补充数据，根据获得的补充项和补充数据增加一个摄像点位。
42.即对评分薄弱的摄像部分进行补强，在对应区域的各摄像点位中间补充一个摄像点位，增加该部分的图像采集，具体的可以利用现有的技术确定相应的补充位置，即增加的摄像点位坐标；如基于cnn网络或dnn网络建立对应的点位增加模型，通过人工的方式建立对应的训练集进行训练，训练集包括当前初始空间点位集和储存模型的分布、补充项和补充数据以及对应设置补充的摄像点位；通过训练成功后的点位增加模型进行分析，获得对应增加的摄像点位。
43.通过设置目标空间点位集进行摄像机的布置，形成多摄像机多角度的储存模型采集，实现在进行解剖过程的全部采集，当需要进行观察变换时，可以基于全视图进行视角变化，不用进行储存模型的旋转等，也不会改变现有光线等场景，增加解剖教学的真实性，避免直接旋转储存模型导致的光线等场景变化。
44.步骤s5：用户根据观察需求基于全视图显示所需要的视角。
45.用户根据需要进行视角变动，根据视角变动方向调整在全视图中的显示图像。
46.上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
47.以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

技术特征：
1.一种自由控制摄像机视图方法，其特征在于，方法包括：步骤s1：对接教学模型库，识别各储存模型以及各储存模型对应的模型特征；步骤s2：根据储存模型的储存特征生成对应的初始空间点位集；步骤s3：对储存模型进行模拟操作，基于初始空间点位集采集对应的单点影像，将各单点影像拼接为全视图，并对所述全视图进行评估，获得对应的评估分；步骤s4：根据获得的评估分进行摄像机的对应布置；步骤s5：用户根据观察需求基于全视图显示所需要的视角。2.根据权利要求1所述的一种自由控制摄像机视图方法，其特征在于，将各单点影像拼接为全视图的方法包括：确定各单点影像的共同部分，评估共同部分中各单一部分对应的图像值，根据各单一部分的图像值进行共同部分的处理，将各单点图像整合为全视图。3.根据权利要求2所述的一种自由控制摄像机视图方法，其特征在于，图像值的计算方法包括：对共同部分进行分析，获得各单一部分对应的质量值和操作值，将获得的质量值和操作值分别标记为zl和cz，根据公式tz＝b1
×
zl+b2
×
cz计算对应的图像值，其中b1、b2均为比例系数，取值范围为0<b1≤1，0<b2≤1。4.根据权利要求2所述的一种自由控制摄像机视图方法，其特征在于，共同部分的确定以储存模型为基准。5.根据权利要求1所述的一种自由控制摄像机视图方法，其特征在于，评估分的计算方法包括：设置各储存模型的全视图对应的各评估项以及各评估项对应的权重系数，根据各评估项对全视图进行评估，获得各评估项对应的评估单项值；将获得的评估单项值标记为pdi，其中i＝1、2、
……
、n，n为正整数，根据公式pmk＝∑(ci
×
pdi)计算对应的评估分pmk，其中ci为各评估项对应的权重系数。6.根据权利要求5所述的一种自由控制摄像机视图方法，其特征在于，步骤s4中：当评估分不低于阈值x1时，将对应的初始空间点位集标记为目标空间点位集，根据获得的目标空间点位集进行摄像机的布置；当评估分低于阈值x1时，进行相应的摄像点位添加，当摄像点位增加后进行初始空间点位集的更新，返回步骤s3。7.根据权利要求6所述的一种自由控制摄像机视图方法，其特征在于，进行点位添加的方法包括：计算各评估单项值与对应权重系数之间的乘积，获得缺点值，将缺点值按照从小到大的顺序进行排序，获得补充列表；识别补充列表排列第一的缺点值对应的评估项，标记为补充项，获取该评估项对应的图像数据，标记为补充数据，根据获得的补充项和补充数据增加一个摄像点位。8.根据权利要求1所述的一种自由控制摄像机视图方法，其特征在于，步骤s5中进行视角变动的过程为：用户根据需要进行视角变动，根据视角变动方向调整在全视图中的显示图像。9.一种自由控制摄像机视图系统，其特征在于，执行权利要求1-8中任意一项所述的一种自由控制摄像机视图方法。

技术总结
本发明公开了一种自由控制摄像机视图方法及系统，属于医疗教学技术领域，方法包括：对接教学模型库，识别各储存模型以及各储存模型对应的模型特征；根据储存模型的储存特征生成对应的初始空间点位集；对储存模型进行模拟操作，基于初始空间点位集采集对应单点影像，将各单点影像拼接为全视图，并对全视图进行评估，获得对应的评估分；根据获得的评估分进行摄像机的对应布置；用户根据观察需求基于全视图显示所需要的视角；通过设置目标空间点位集进行摄像机的布置，形成多摄像机多角度的储存模型采集，实现在进行解剖过程的全部采集，当需要进行观察变换时，可以基于全视图进行视角变化，不用进行储存模型的旋转等，也不会改变现有光线等场景。现有光线等场景。现有光线等场景。


技术研发人员：罗亚梅 袁红 李瑾 娄岩 刘玉清 康晓宇
受保护的技术使用者：西南医科大学
技术研发日：2023.07.20
技术公布日：2023/10/15