用于确定摄像机的取向的方法与流程

1.本发明涉及一种用于确定摄像机、尤其是车辆内部空间摄像机的取向的方法以及一种用于执行该方法的计算单元和一种用于执行该方法的计算机程序。


背景技术：

2.对车辆内部空间的监控越来越重要。一方面，例如新的安全标准(如ncap)要求识别驾驶员的状态并且在该驾驶员疲劳或分心时发出警告。另一方面，在未来自动驾驶出租车中，例如应该识别遗忘的物品或乘客的不当行为。摄像机由于其分辨率高且结构尺寸小而特别适合于该任务。


技术实现要素：

3.按照本发明，提出了具有专利独立权利要求的特征的一种用于确定摄像机、尤其是车辆内部空间摄像机的取向的方法以及一种用于执行该方法的计算单元和一种用于执行该方法的计算机程序。有利的设计方案是从属权利要求以及随后的描述的主题。
4.本发明涉及摄像机，尤其是车辆内部空间摄像机，即布置在车辆的内部或内部空间中并且例如用于监控车辆内部空间的摄像机。由于这种车辆内部空间摄像机通常被内置或者甚至以后被安装(所谓的改造(retrofit))在可移动构件、如后视镜上，所以这些车辆内部空间摄像机的位置和取向应该相对于车辆来被确定。该步骤也称为校准，而且使得能够不仅确保下游算法的功能(例如识别物品或人)而且识别误用和蓄意操纵。如已经表明的那样，在实践中，估计摄像机的取向远比估计位置重要。
5.在该背景下，提出了一种可能性，即可以如何相对于参考取向来特别简单且快速地确定或估计摄像机、尤其是车辆内部空间摄像机的取向。在此，使用对场景、即车辆内部空间或者从车辆内部空间摄像机的视角出发的该车辆内部空间的图像的语义分割。语义分割将图像中的所有图像点分别与多个(语义)类别中的一个类别关联。在此，语义类别的关联的图像点可以被组合成该类别的图像区域。对于车辆内部空间来说，例如可以考虑前排座椅、后排座椅、车窗、车顶内衬和车柱(车顶与车门或者车身的其余部分之间的连接)，作为类别或对象类别。在说明性表示中，这种语义分割图像例如针对这些类别中的每个类别都具有不同的颜色；该图像包含至少一个经分类的图像区域。
6.为此，使用车辆内部空间的两个不同的语义分割图像。在此，例如如上所述，在语义分割图像中包含至少一个对象类别；但是，通常保持多个对象类别，即相对应地包括车辆或车辆内部空间的不同区域，诸如车窗和车顶内衬。
7.借助于车辆内部空间摄像机来拍摄这两个语义分割图像中的第一图像，以下也称为摄像机图像。该摄像机图像是车辆内部空间的实际上使用内置并且可能被旋转或错误取向的摄像机、尤其是车辆内部空间摄像机来被拍摄的图像。另一语义分割图像以参考取向来被拍摄，以下也称为参考图像。即，该参考图像应该对应于当车辆内部空间摄像机如所希望的那样取向时的车辆内部空间的图像。但是，如稍后还更详细阐述的那样，参考图像实际
上是使用要从中确定取向的同一车辆内部空间摄像机来拍摄的事实在此并不重要。更确切地说，还可以使用相似的车辆内部空间摄像机。同样，甚至连车辆内部空间也不必相同。由于语义分割和车辆内部空间的通常相同的基本类型(前排座椅、车顶内衬、车窗等等的位置)，这对本发明几乎没有影响。
8.通过改变图像和/或图像拍摄参数，旨在使这两个图像、即语义分割的摄像机图像和语义分割的参考图像尽可能重合，即确定图像和/或图像拍摄参数组，在这些图像和/或图像拍摄参数的情况下，语义分割的摄像机图像的至少一个经分类的图像区域和语义分割的参考图像的相对应的经分类的图像区域至少在指定限度内匹配。为此，可以改变参考图像或者摄像机图像的这些图像和/或图像拍摄参数，还可设想的是：改变这两个图像的这些图像和/或图像拍摄参数。这样，例如可以使用多个不同的、例如还随机和/或在指定限度内选择的图像和/或图像拍摄参数组，这些图像和/或图像拍摄参数被应用于相关图像；接着，依据在图像之间具有最佳匹配的组，可以确定摄像机、尤其是车辆内部空间摄像机的取向。
9.在此，目标并不是确定被物理改变的定向的角度，而是确定允许摄像机图像与参考图像尽可能好地对照或尽可能好地重合(英文“alignment(对齐)”)的角度。如果摄像机实际上只是旋转了，则这相当于改变了物理定向。然而，一旦摄像机的位置发生变化，情况就不再如此。
10.在此，存在所提出的过程的两个优选的变体，这两个优选的变体的区别在于所要改变的图像和/或图像拍摄参数的类型或者这种改变的方式。一个优选的变体包括：改变图像和/或图像拍摄参数包括语义分割的摄像机图像和/或语义分割的参考图像的二维平移和旋转。这是一种纯基于图像信息的对齐。即，结果是图像变换(图像中的2维(2d)变换，旋转)，该图像变换使场景的相同区域/区段重合，然而并不是物理上有意义的变换(因为该图像变换不可能会通过摄像机的旋转来产生)。对于多个下游功能来说，该步骤通常已经足够。即，该图像在该图像本身的平面内移动(2d变换)并且绕着垂直于该图像的平面的轴线旋转。在这种情况下，2d变换例如近似对应于摄像机的倾斜和/或横摆，而旋转对应于翻滚。
11.优选地，在这种情况下，经分类的图像区域仅通过其重心来表示，即基于语义分割的摄像机图像和/或语义分割的参考图像的经分类区域的重心来进行对图像和/或图像拍摄参数的改变。由于对于每个对象类别来说都可能存在多个图像区域，所以例如可以借助于所谓的ransac方法(“随机抽样一致(random sample consensus)”)来确定参考图像和摄像机图像的重心的正确分配，其中假设可以通过图像的移动和旋转来使重心匹配。表示大多数重心的匹配的变换被接受作为解。即，该变换是所提到的图像和/或图像拍摄参数组。
12.按照另一个优选的变体，改变图像和/或图像拍摄参数包括：改变与摄像机、尤其是车辆内部空间摄像机的取向相对应的图像拍摄参数。特别优选的这种与摄像机、尤其是车辆内部空间摄像机的取向相对应的图像拍摄参数是三个欧拉角。换言之，所改变的图像拍摄参数被确定为使得使用这样改变的图像拍摄参数所拍摄的图像对应于使用绕着这三个立体角旋转的摄像机所拍摄的图像。为此，有利的是：至少粗略了解摄像机特性(固有)。该摄像机特性也可以甚至被一并确定。
13.不同于第一个变体，在这种情况下试图确定摄像机旋转的三个参数。在此，寻找实现相同分类的图像区域的最大重合的旋转；在此，尤其可以考虑所有经分类的图像区域。在一个简单的过程中，可以迭代地随机产生旋转参数并且分别选择最佳参数组。
14.易于理解的是：在改变图像和/或图像拍摄参数时，在这两个变体中，并非每个参数都必须随着每次改变而变化。
15.一般而言，这两个变体也可以组合，其中特别是首先提到的变体适合于初始化并且其次提到的变体适合于再估计(英文“refinement(细化)”)。
16.此外，另一优选的可能性是要确认是否能够确定旋转或变换、即其中这两个图像至少在指定限度内匹配的图像和/或图像拍摄参数组。如果无法做到这一点，则这表明摄像机被操纵或被遮挡。
17.这两个变体的优点在于：这两个变体在很多情况下起作用并且大多数情况下甚至与车辆类型无关地起作用。由于这两个变体的目标在于使相同分类的图像区域重合，所以这两个变体相对独立于摄像机的位置变化。无需事先准确了解车辆几何形状(尤其是内部空间)或者摄像机特性。这两个变体可以快速且节省资源地被实施。
18.按照本发明的计算单元、例如机动车的控制设备被设立为、尤其是以程序技术方式被设立为执行按照本发明的方法。
19.尤其是当执行的控制设备还被用于其它任务并且因而总归存在时，按照本发明的方法的以具有用于执行所有方法步骤的程序代码的计算机程序或计算机程序产品的形式的实现方案也是有利的，因为这引起了特别低的成本。最后，提供了一种机器可读存储介质，在其上存储有如上所述的计算机程序。尤其是，适合于提供该计算机程序的存储介质或数据载体是磁存储器、光存储器和电存储器，诸如硬盘、闪速存储器、eeprom、dvd以及其它等等。通过计算机网络(因特网、内联网等等)来下载程序也是可行的。在此，这种下载可以以有线方式或以线缆方式或者以无线方式(例如经由wlan网络，3g、4g、5g或6g连接，等等)实现。
20.本发明的其它优点和设计方案从说明书以及随附的附图中得出。
21.本发明依据实施例在附图中示意性示出并且在下文参考附图予以描述。
附图说明
22.图1示意性示出了车辆，该车辆具有其中能执行按照本发明的方法的摄像机。
23.图2示意性示出了按照本发明的在一个优选的实施方式中的方法的流程。
24.图3和4示出了用于阐述本发明的图像。
25.图5示意性示出了按照本发明的在另一优选的实施方式中的方法的流程。
26.图6和7示出了用于阐述本发明的图像。
具体实施方式
27.在图1中示意性示出了车辆100，该车辆具有摄像机120、尤其是车辆内部空间摄像机120，其中能执行按照本发明的方法。摄像机120、尤其是车辆内部空间摄像机120被设置为：检测车辆的例如具有前排座椅132和后排座椅或后排长条座椅134的内部空间130。例如，车辆内部空间摄像机120或者借此所检测的图像或视频可以用于监控车辆内部空间130。为此，例如可以使用被设计成控制设备的计算单元110。
28.如借助于弯曲的双箭头所示，摄像机120、尤其是车辆内部空间摄像机120的取向例如可能被调节(当该摄像机以后被嵌入时)或者通常偏离所希望的取向。这尤其适用于空
间中的三个旋转方向上的取向。如随后示例性阐述的那样，摄像机120、尤其是车辆内部空间摄像机120的实际取向可以被估计或确定；接着，关于此的信息例如可以被寄存在计算单元130中并且借此在对图像或视频的拍摄以及如监控等下游功能中被考虑。
29.在图2中示意性示出了在一个优选的实施方式中的按照本发明的方法的流程，更确切地说在一个变体中的按照本发明的方法的流程，
30.在该变体中，改变图像和/或图像拍摄参数包括：语义分割的摄像机图像和/或语义分割的参考图像的二维平移和旋转。即，确定欧氏二维(2d)图像变换的三个参数。
31.为此，在步骤200中，获得语义分割的摄像机图像202，该语义分割的摄像机图像借助于摄像机、尤其是车辆内部空间摄像机来被拍摄。在步骤210中，获得语义分割的参考图像212，该语义分割的参考图像对应于使用参考取向所拍摄的图像，但是不一定必须是使用车辆内部空间摄像机来被拍摄的。例如，参考图像212可以预先寄存在执行的计算单元上。另一方面，例如当需要摄像机图像202时可以获得或确定该摄像机图像；为此，例如可以借助于车辆内部空间摄像机来拍摄车辆内部空间的图像，该图像接着例如借助于执行的计算单元来被语义分割，即接着该图像包含至少一个经分类的图像区域。步骤200、210的(时间)顺序是无关紧要的。
32.为此，在图3中示例性示出了原始参考图像310(左上方)以及语义分割的参考图像312(左下方)。还示出了原始摄像机图像300(右上方)以及语义分割的摄像机图像302(右下方)。在原始参考图像310以及语义分割的参考图像312中，例如能看到如前排座椅332、后排座椅334、车窗336、车顶内衬338、车柱340等各种对象类别，这些对象类别在语义分割的参考图像312中分别配备有特定的阴影或表示，以用于阐明。在语义分割的摄像机图像302中，相对应的对象类别同样相对应地被加阴影或被表示。
33.接着，在步骤220中，改变图像和/或图像拍摄参数。这里，如所提及的那样，这包括二维平移和旋转，更确切地说语义分割的参考图像312的二维平移和旋转。即，进行二维(2d)移动(两个参数)以及旋转(一个参数)。在此，可以选择不同参数组。
34.为此，在图4中，以四行分别示出了另一种改变或具有另一参数组的图像。在此，在左侧的列中分别示出了语义分割的参考图像412，在中间的列中分别示出了语义分割的摄像机图像402，并且在右侧的列中分别示出了在该改变之后的语义分割的摄像机图像402
′
。
35.尤其是，首先确定各个经分类的图像区域的重心，如图4中使用414示例性所示，而且例如基于参考图像来剔除太小的区域。然后，将经分类的图像区域与在参考图像中的对应的图像区域相关联，如通过线所示。在此，发生多重分配。例如，参考图像中的已被分类为前排座椅的图像区域例如与摄像机图像中的属于前排座椅类别的所有检测到的图像区域连接。理想情况下，这恰好是两个图像区域，分别是一个用于左侧前排座椅并且一个用于右侧前排座椅。然而，由于遮挡或错误分类，也可能导致更少或更多的图像区域。即使在存在这种错误分类时，该方法的作用原理在大多数情况下也不会受损或者只是轻微受损。现在，参考图像与摄像机图像之间的同一对象类别的图像区域之间的所有得出的对应关系的结果列表用作下一个子步骤的输入。
36.现在，在该下一个子步骤中，例如应用ransac算法，以便从对应关系的随机选择中计算变换。然后，使用该变换将所有其余的图像区域中心转移到另一图像中。一旦某个点的变换处在对应点的容差距离内，该对应关系就被评价为内点(inlier)(命中)。将图像区域
重心变换到另一图像中的离对应点较远的图像点的所有变换被评价为外点(outlier)(异常值)。在图4中，内点对应关系连接，而外点不(再)被绘制。内点的数量最终决定了所找到的变换的质量。
37.在该改变的框架内，该过程被多次重复。所找到的包含最大数量的内点的变换表示该算法的结果，并且借此在步骤230中被确定为图像和/或图像拍摄参数组232，其中语义分割的摄像机图像和语义分割的参考图像在改变图像和/或图像拍摄参数的情况下至少在指定限度内匹配，即例如在指定数量的参数组的情况下尽可能好地匹配。
38.接着，在步骤240中，基于所确定的图像和/或图像拍摄参数组232来确定摄像机、尤其是车辆内部空间摄像机的取向242。为此，例如计算哪个取向(例如相对于参考取向)会得出该组232。这样，例如所确定的旋转可以直接对应于摄像机、尤其是车辆内部空间摄像机的旋转(翻滚)，而平移可以被换算成关于倾斜和俯仰的角度。
39.该方法或变体的优点在于：图像的描述被浓缩到少量点(经分类区域的重心)，这使得该方法非常快。此外，不需要区分图像区域恰好是哪个实体。因而，不需要进行分类，例如是哪个车窗或哪个前排座椅，这使得该方法非常鲁棒。这样，该方法也适用于不同车辆，在这些车辆中，如车窗或座椅等车辆特性完全可能有很大差异。图4中的第二行中的示例非常好地图解说明了这一点。由于遮挡，只能识别出两个车窗。
40.在车辆未知且随机发生遮挡的情况下，对不同的车窗类型进行分类一定会含有高复杂性。由于最初所有车窗区域都相互分配并且通过该ransac算法来自动选择正确的对应关系，所以不需要对车窗类型进行明确分类。尽管反复进行变换计算，但是由于点的数量非常少，计算花费低，而且由于直接以图像坐标进行计算，该方法的复杂性保持得低。
41.在图5中示意性示出了在另一优选的实施方式中的按照本发明的方法的流程，更确切地说在一个变体中的按照本发明的方法的流程，在该变体中，改变图像和/或图像拍摄参数包括：改变作为与摄像机、尤其是车辆内部空间摄像机的取向相对应的图像拍摄参数的欧拉角。即，不同于上文所描述的变体，假设没有欧氏二维(2d)变换，而是确定三维(3d)旋转。
42.为此，在步骤500中，获得语义分割的摄像机图像502，该语义分割的摄像机图像借助于车辆内部空间摄像机来被拍摄。在步骤510中，获得语义分割的参考图像512，该语义分割的参考图像对应于使用参考取向所拍摄的图像，但是不一定必须是使用摄像机、尤其是车辆内部空间摄像机来被拍摄的。例如，参考图像512可以预先寄存在执行的计算单元上。另一方面，例如当需要摄像机图像502时可以获得或确定该摄像机图像；为此，例如可以借助于车辆内部空间摄像机来拍摄车辆内部空间的图像，该图像接着例如借助于执行的计算单元来被语义分割，即具有至少一个经分类的图像区域。步骤500、510的(时间)顺序是无关紧要的。为此，应参阅具有相关阐述的图3，这些阐述这里同样适用。
43.接着，在步骤520中，改变图像和/或图像拍摄参数。这里，如所提及的那样，这包括三维(3d)旋转或者相对应的图像拍摄参数的改变，更确切地说示例性地针对语义分割的参考图像。在此，可以选择不同参数组。即，在此寻找使经分类的图像区域尽可能好地重合的三个角。
44.为此，在图6中，以四行分别示出了另一种改变或具有另一参数组的图像。在此，在左侧的列中分别示出了语义分割的参考图像612，在中间的列中分别示出了在该改变(即随
着摄像机的虚拟旋转)之后的语义分割的摄像机图像602
′
，并且在右侧的列中分别示出了语义分割的摄像机图像602。
45.在图7中，在左侧示出了语义分割的摄像机图像702，并且在中间示出了变换后的经分割的参考图像712。在右侧示出了相同类别的哪些图像区域彼此重叠(明亮)。目标在于增加这些图像区域的数量。在下文描述了一个具体且非常简单的实现方案，然后是其它可能的变体。
46.为了找到引起最高数量的图像区域的旋转参数，首先，在步骤530中，随机产生多个由三个旋转参数所构成的组(通过改变)。接着，针对每个组，执行虚拟摄像机旋转。
47.为此，首先确定与每个图像点对应的视线。接着，这些视线按照旋转参数来被旋转并且最后被投影回图像中。最后，将在参考图像的语义分割中存在于每个投影点的图像位置处的对象类别录入到原始图像中。以这种方式，例如形成图7中的中间图像。该过程通常被描述为向后(图像)扭曲(backwards-(image)-warping)并且可以在显卡上非常高效地被执行。
48.现在，针对每个组，确定匹配的图像区域的数量的相应值。实现最高数量的旋转参数被保留并且基于此来确定新的随机旋转参数。具体来说，例如将随机值相加到目前为止最好的参数。在此，这些随机值不宜太大或太小。在实践中，在从0
°
至5
°
的范围内的值这里已经经过考验。
49.即，通过该改变，最终可以确定图像和/或图像拍摄参数组532，在应用该图像和/或图像拍摄参数组时，语义分割的摄像机图像和语义分割的参考图像在改变图像和/或图像拍摄参数的情况下至少在指定限度内匹配，即例如在指定数量的参数组的情况下有尽可能多的数量的匹配的图像区域。
50.接着，在步骤540中，基于所确定的图像和/或图像拍摄参数组532来确定摄像机、尤其是车辆内部空间摄像机的取向542。例如，这直接从组232中得出，原因在于这些参数的确对应于三维(3d)旋转。
51.为了总体上加快该方法，特别适宜的是：不对整个图像分辨率进行处理，而是只对其中的一小部分进行处理。此外，已经证明有效的是：对一些对象类别更多或更少地进行加权，使得数量对应于加权和。
52.如所提及的那样，在这种情况下，还能够确定摄像机、尤其是车辆内部空间摄像机的固有校准。为了能够执行在图像光线中投影并且投影回图像中，必须知道摄像机的固有校准。但是，已经表明该方法即使对于较大的不准确也非常不敏感。例如，可以假设简单的等距摄像机模型。图像中心可以被假设为主要点，并且焦距f可以被确定为唯一参数。但是，由于摄像机的实际值例如可能是未知的，所以f可以作为其它参数被包含在优化方法中，而且可以寻找f，使得在所得出的情况、例如四种在图6中示出的情况下产生最高数量的匹配的图像区域。
53.这表明：通过纯旋转和对较少图像的拍摄就能够并且足以校准摄像机。同样已经表明的是：在小于10％的范围内的焦距偏差对整体结果的影响可以忽略不计。进而从中得出：确定用于单个摄像机示例的校准并且接着例如针对整个系列采用该校准也是足够的。
54.一般而言，确定匹配的图像区域的数量的多种可能性都是可设想的。在此，这里所描述的过程是一个特别简单的过程。一般而言，几乎所有无需确定导数即可工作的优化方
法都可以被使用，例如单纯形(simplex)法或粒子优化(particle-optimization)法。实际上，该变体的所描述的实现方案是粒子优化法的一个特别简单的变体。
55.例如，可以通过确定匹配的图像区域的数量值来确定误用。如果该数量值在优化之后也很小，则摄像机图像的语义分割无法或者不足以与参考图像的语义分割重合。附加地，可以检查：针对当前图像的哪个部分可以确定经分类的图像区域。

技术特征：
1.一种用于确定摄像机(120)、尤其是车辆内部空间摄像机(120)的取向(242、542)的方法，所述方法包括：获得(200、500)语义分割的摄像机图像(202、302、402、602、702)，所述语义分割的摄像机图像具有至少一个经分类的图像区域，所述语义分割的摄像机图像借助于所述摄像机(120)来被拍摄；获得(210、510)语义分割的参考图像(212、312、412、612、712)，所述语义分割的参考图像具有至少一个经分类的图像区域，所述语义分割的参考图像对应于使用参考取向所拍摄的图像；改变(220、520)所述语义分割的摄像机图像和/或所述语义分割的参考图像的图像和/或图像拍摄参数；确定(230、530)图像和/或图像拍摄参数组(232、532)，在所述图像和/或图像拍摄参数的情况下，所述语义分割的摄像机图像的至少一个经分类的图像区域和所述语义分割的参考图像的至少一个经分类的图像区域至少在指定限度内匹配；而且基于所确定的图像和/或图像拍摄参数组(232、532)，确定(240、540)所述摄像机(120)的取向(242、542)。2.根据权利要求1所述的方法，其中改变(220)所述图像和/或图像拍摄参数包括：所述语义分割的摄像机图像和/或所述语义分割的参考图像的二维平移和旋转。3.根据权利要求2所述的方法，其中基于所述语义分割的摄像机图像和/或所述语义分割的参考图像的至少一个经分类的图像区域的重心(414)来进行对所述图像和/或图像拍摄参数的改变(220)。4.根据上述权利要求中任一项所述的方法，其中改变(520)所述图像和/或图像拍摄参数包括：改变与所述摄像机的取向相对应的图像拍摄参数。5.根据权利要求4所述的方法，其中与所述摄像机的取向相对应的图像拍摄参数包括三个欧拉角。6.根据上述权利要求中任一项所述的方法，其中基于所述语义分割的摄像机图像和/或所述语义分割的参考图像的所有经分类的图像区域来进行对所述图像和/或图像拍摄参数的改变(520)。7.根据上述权利要求中任一项所述的方法，其中在所述语义分割的摄像机图像(202)中并且在所述语义分割的参考图像(212)中分别包含如下对象类别中的至少一个：前排座椅(132、332)；后排座椅(134、334)；车窗(336)；车顶内衬(338)；车柱(310)。8.根据上述权利要求中任一项所述的方法，所述方法还包括：确定是否存在图像和/或图像拍摄参数组，在所述图像和/或图像拍摄参数的情况下，所述语义分割的摄像机图像(202)和所述语义分割的参考图像(212)至少在所述指定限度内匹配。9.根据上述权利要求中任一项所述的方法，所述方法还包括：确定所述摄像机(120)的固有校准。10.一种计算单元(110)，所述计算单元被设立为执行根据上述权利要求中任一项所述的方法的所有方法步骤。11.一种计算机程序，当所述计算机程序在计算单元(110)上被执行时，所述计算机程
序促使所述计算单元(110)执行根据权利要求1至9中任一项所述的方法的所有方法步骤。12.一种机器可读存储介质，其具有被存储在其上的根据权利要求11所述的计算机程序。

技术总结
本发明涉及一种用于确定摄像机、尤其是车辆内部空间摄像机的取向(242)的方法，所述方法包括：获得(200)语义分割的摄像机图像(202)，所述语义分割的摄像机图像借助于所述摄像机来被拍摄；获得(210)语义分割的参考图像(212)，所述语义分割的参考图像对应于使用参考取向所拍摄的图像；改变(220)所述语义分割的摄像机图像和/或所述语义分割的参考图像的图像和/或图像拍摄参数；确定(230)图像和/或图像拍摄参数组(232)，在所述图像和/或图像拍摄参数的情况下，所述语义分割的摄像机图像和所述语义分割的参考图像至少在指定限度内匹配；而且基于所确定的图像和/或图像拍摄参数组(232)，确定(240)所述摄像机的取向(242)。确定(240)所述摄像机的取向(242)。确定(240)所述摄像机的取向(242)。


技术研发人员：M
受保护的技术使用者：罗伯特
技术研发日：2023.03.21
技术公布日：2023/9/26