CN119788969B 用于扫码摄像头角度自适应调节方法、系统及电子设备 （深圳市欧森纳斯科技有限公司）

(19)国家知识产权局(12)发明专利(22)申请日2025.03.10(43)申请公布日2025.04.08务所(普通合伙)441009(56)对比文件权利要求书3页说明书11页附图3页本发明公开了用于扫码摄像头角度自适应调节策略进行优化，确定角度自适应调节策略。本发明解决因环境参数动态变化导致摄像头角21.用于扫码摄像头角度自适应调节方法，其特征在于，所述方法包括：对待扫码区域的环境参数进行实时检测，获得动态参数集合；基于所述动态参数集合与预设扫码基准参数进行偏差分析，生成角度调节策略；根据所述角度调节策略驱动多维云台执行角度补偿动作，生成扫码摄像图数据；基于所述扫码摄像图数据进行图像质量评估，生成评估结果，按照所述评估结果对摄像头的所述角度调节策略进行优化，确定角度自适应调节策略；其中，按照所述评估结果对摄像头的所述角度调节策略进行优化，确定角度自适应调建立扫码成功率与调节参数的关联数据库，记录每次调节过程的参数组合及识别结通过强化学习算法对所述历史调节组合数据进行分析，动态优化多维云台控制参数与补光参数的匹配规则；当检测到新型扫码目标时，调用所述匹配规则初始化所述角度自适应调节策略。2.如权利要求1所述的用于扫码摄像头角度自适应调节方法，其特征在于，对待扫码区域的环境参数进行实时检测，获得动态参数集合通过TOF传感器阵列获取目标物体表面至摄像头的三维距离分布，计算平均目标距离；利用陀螺仪传感器实时采集摄像头的俯仰角数据、偏航角数据，构建摄像头倾角矩阵；激活环境光传感器阵列进行多区域采样，生成光照强度分布图；将所述平均目标距离、所述摄像头倾角矩阵、所述光照强度分布图进行整合，获得所述动态参数集合。3.如权利要求2所述的用于扫码摄像头角度自适应调节方法，其特征在于，基于所述动态参数集合与预设扫码基准参数进行偏差分析，生成角度调节策略，方法包括：调取扫码摄像头的历史扫码参数集，根据所述历史扫码参数集构建预设扫码基准参数，所述预设扫码基准参数包含预设最佳对焦距离、标准垂直角度；将所述平均目标距离与所述预设最佳对焦距离进行差值计算，生成轴向位移补偿量；根据所述摄像头倾角矩阵与所述标准垂直角度进行分析，确定多维云台的补偿角数据集，所述补偿角数据集包含俯仰补偿角数据、偏航补偿角数据；基于所述光照强度分布图识别阴影区域占比，生成补光动态调整指令；按照所述补光动态调整指令将所述轴向位移补偿量、所述俯仰补偿角数据、所述偏航补偿角数据进行角度调节分析，生成所述角度调节策略。4.如权利要求3所述的用于扫码摄像头角度自适应调节方法，其特征在于，根据所述角度调节策略驱动多维云台执行角度补偿动作，生成扫码摄像图数据，方法包括：将所述轴向位移补偿量转换为Z轴步进电机的脉冲驱动信号；通过所述脉冲驱动信号控制摄像头沿导轨移动至目标对焦位置，确定对焦补偿数据；采用PID控制算法将所述俯仰补偿角与所述偏航补偿角转换为多维云台的舵机转动控制指令；通过所述舵机转动控制指令确定摄像头的角度补偿数据，根据所述对焦补偿数据结合所述角度补偿数据启动扫码摄像头进行扫码摄像，生成所述扫码摄像图数据。5.如权利要求3所述的用于扫码摄像头角度自适应调节方法，其特征在于，基于所述光3照强度分布图识别阴影区域占比，生成补光动态调整指令，方法包括：根据所述光照强度分布图进行阴影识别，确定阴影区域，遍历所述阴影区域进行点位根据所述阴影区域坐标数据控制可调焦LED阵列生成定向补光光束；采用所述定向补光光束在扫码区域边缘部署环形辅助光源，生成所述补光动态调整指6.如权利要求1所述的用于扫码摄像头角度自适应调节方法，其特征在于，基于所述扫码摄像图数据进行图像质量评估，生成评估结果，按照所述评估结果对摄像头的所述角度基于所述扫码摄像图数据提取成像数据的清晰度指标、对比度指标及畸变系数，构建质量评估向量；将所述质量评估向量同步至预训练的卷积神经网络模型进行卷积解析，生成所述评估基于所述综合评估值与期望评估值进行比较，判断所述综合评估值是否小于所述期望评估值；当所述综合评估值小于所述期望评估值时，基于历史调节记录生成参数优化路径；按照所述参数优化路径对摄像头的所述角度调节策略的补偿系数进行更新，确定所述角度自适应调节策略。7.如权利要求6所述的用于扫码摄像头角度自适应调节方法，其特征在于，基于所述扫码摄像图数据提取成像数据的清晰度指标、对比度指标及畸变系数，构建质量评估向量，方法包括：将扫码摄像图数据划分为N×N像素块，生成图像分块矩阵；采用改进Sobel梯度算子计算所述图像分块矩阵的水平与垂直方向梯度幅值，生成局部清晰度指标；提取所述图像分块矩阵的灰度直方图，计算所述灰度直方图的中心区域与边缘区域的识别所述扫码摄像图数据中的预设基准标记点，匹配所述预设基准标记点与标准模板获得空间坐标偏移量；将所述扫码摄像图数据划分为M×M的检测网格，计算各网格内特征点分布的径向畸变聚合所述图像分块矩阵中各像素块的局部清晰度指标生成清晰度指标；将所述径向畸变系数与所述坐标偏移量进行加权融合，生成畸变系数；将所述清晰度指标、所述对比度指标、所述畸变系数组成所述质量评估向量。8.用于扫码摄像头角度自适应调节系统，其特征在于，所述系统用于执行权利要求1-7任一项所述用于扫码摄像头角度自适应调节方法，所述系统包括：实时检测单元：对待扫码区域的环境参数进行实时检测，获得动态参数集合；偏差分析单元：基于所述动态参数集合与预设扫码基准参数进行偏差分析，生成角度调节策略；角度补偿单元：根据所述角度调节策略驱动多维云台执行角度补偿动作，生成扫码摄4像图数据；策略优化单元：基于所述扫码摄像图数据进行图像质量评估，生成评估结果，按照所述评估结果对摄像头的所述角度调节策略进行优化，确定角度自适应调节策略。9.一种电子设备，其特征在于，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器用于执行权利要求1至7任一项所述的用于扫码摄像头角度自适应调节方法。5用于扫码摄像头角度自适应调节方法、系统及电子设备技术领域[0001]本发明涉及摄像头技术领域，具体涉及用于扫码摄像头角度自适应调节方法、系统及电子设备。背景技术[0002]随着物联网和智能设备的快速发展，扫码技术作为信息交互的重要手段，已广泛到环境因素的显著影响，例如光照条件的变化、目标物体的距离和角度的不确定性等。这些因素可能导致扫码失败或识别效率低下，进而影响用户体验和系统整体性能。传统的扫码摄像头通常采用固定角度或手动调节的方式，难以适应复杂多变的实际场景，尤其是在动态环境中，无法实时响应环境参数的变化，导致扫码精度和效率下降。此外，现有的角度调节方法多依赖于单一传感器的数据，缺乏对环境参数的综合分析和动态优化能力，难以实现精准的角度补偿和高效的扫码操作。因此，亟需一种能够实时检测环境参数、动态生成角度调节策略并自动优化调节效果的扫码摄像头角度自适应调节方法，以提升扫码系统的适发明内容[0003]本申请提供用于扫码摄像头角度自适应调节方法、系统及电子设备，用于针对解决因环境参数动态变化导致摄像头角度调节效率低、精度不足的技术问题。[0004]本申请的第一个方面，提供了用于扫码摄像头角度自适应调节方法，所述方法包[0005]对待扫码区域的环境参数进行实时检测，获得的动态参数集合；基于所述动态参数集合与预设扫码基准参数进行偏差分析，生成角度调节策略；根据所述角度调节策略驱动多维云台执行角度补偿动作，生成扫码摄像图数据；基于所述扫码摄像图数据进行图像质量评估，生成评估结果，按照所述评估结果对摄像头的所述角度调节策略进行优化，确定角度自适应调节策略。[0006]本申请的第二个方面，提供了用于扫码摄像头角度自适应调节系统，所述系统包[0007]实时检测单元：对待扫码区域的环境参数进行实时检测，获得的动态参数集合；偏差分析单元：基于所述动态参数集合与预设扫码基准参数进行偏差分析，生成角度调节策略；角度补偿单元：根据所述角度调节策略驱动多维云台执行角度补偿动作，生成扫码摄像图数据；策略优化单元：基于所述扫码摄像图数据进行图像质量评估，生成评估结果，按照所述评估结果对摄像头的所述角度调节策略进行优化，确定角度自适应调节策略。[0008]本申请的第三个方面，提供了一种电子设备，该设备包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器用于执行本申请提供的用于扫码摄像头角度自适应调节方法。6[0009]本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：[0010]本申请对待扫码区域的环境参数进行实时检测，获得的动态参数集合；基于所述动态参数集合与预设扫码基准参数进行偏差分析，生成角度调节策略；根据所述角度调节策略驱动多维云台执行角度补偿动作，生成扫码摄像图数据；基于所述扫码摄像图数据进行图像质量评估，生成评估结果，按照所述评估结果对摄像头的所述角度调节策略进行优化，确定角度自适应调节策略。本发明解决因环境参数动态变化导致摄像头角度调节效率低、精度不足的技术问题，通过实时检测环境参数并动态优化调节策略，达到提升摄像头角度调节的准确性和响应速度的技术效果。附图说明[0011]为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，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。[0012]图1为本申请实施例提供的用于扫码摄像头角度自适应调节方法流程示意图。[0013]图2为本申请实施例提供的用于扫码摄像头角度自适应调节系统结构示意图。[0014]图3为本申请示例性电子设备的结构示意图。[0015]附图标记说明：实时检测单元11,偏差分析单元12,角度补偿单元13,策略优化单元14,处理器21,存储器22,输入装置23,输出装置24。具体实施方式[0016]本申请通过提供用于扫码摄像头角度自适应调节方法、系统及电子设备，针对解决因环境参数动态变化导致摄像头角度调节效率低、精度不足的技术问题，通过实时检测环境参数并动态优化调节策略，达到提升摄像头角度调节的准确性和响应速度的技术效[0017]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。[0019]实施例一，如图1所示，本申请提供用于扫码摄像头角度自适应调节方法，所述方法包括：[0020]对待扫码区域的环境参数进行实时检测，获得的动态参数集合。[0021]在本申请实施例中，在扫码过程中，对待扫码区域的环境参数进行实时检测是确保摄像头能够精准捕捉目标信息的关键步骤。这一过程通过多种传感器协同工作，获取动态参数集合，主要包括目标距离、摄像头倾角和光照强度三个核心参数。首先，通过TOF7(TimeofFlight)传感器阵列，能够实时测量目标物体表面与摄像头之间的三维距离分布，得到目标距离，从而为后续的对焦调节提供数据支持。其次，利用陀螺仪传感器采集摄像头的俯仰角和偏航角数据，确定摄像头倾角，用于分析摄像头的当前姿态与标准垂直角度之间的偏差。最后，通过环境光传感器阵列对扫码区域进行多区域采样，确定光照强度，识别光照条件的变化，尤其是阴影区域的分布情况。这些动态参数集合的获取为后续的偏差分析和角度调节策略的生成提供了全面、实时的数据基础，确保摄像头能够根据环境变[0022]进一步的，申请实施例提供的方法中，对待扫码区域的环境参数进行实时检测，获[0023]通过TOF传感器阵列获取目标物体表面至摄像头的三维距离分布，计算平均目标距离；利用陀螺仪传感器实时采集摄像头的俯仰角数据、偏航角数据，构建摄像头倾角矩阵；激活环境光传感器阵列进行多区域采样，生成光照强度分布图；将所述平均目标距离、所述摄像头倾角矩阵、所述光照强度分布图进行整合，获得所述动态参数集合。[0024]在本申请实施例中，在扫码摄像头角度自适应调节过程中，动态参数集合的获取是一个多传感器协同工作的综合过程。首先，通过TOF传感器阵列对目标物体表面进行三维扫描，获取目标物体表面至摄像头的三维距离分布数据，再对这些距离分布数据进行均值计算，得到平均目标距离，为后续对焦调节提供精确的距离参考。随后，利用陀螺仪传感器实时采集摄像头的俯仰角和偏航角数据，并通过这些数据构建摄像头倾角矩阵，用于分析摄像头当前姿态与标准垂直角度之间的偏差情况。同时，激活环境光传感器阵列对扫码区域进行多区域采样，生成光照强度分布图，该分布图不仅包含各区域的光照强度数据，还特别关注中心区与边缘区的照度比，以识别光照不均匀或阴影区域的分布情况。最后，将计算得到的平均目标距离、摄像头倾角矩阵以及光照强度分布图进行整合，形成完整的动态参数集合。这一集合为后续的偏差分析、角度调节策略生成以及补光动态调整提供了全面、实时的数据支持，确保摄像头能够根据环境变化快速、精准地完成角度自适应调节，提升扫码的成功率和效率。[0025]基于所述动态参数集合与预设扫码基准参数进行偏差分析，生成角度调节策略。[0026]在本申请实施例中，基于实时检测获得的动态参数集合，会将其与预设的扫码基准参数进行对比分析，以识别当前环境与理想扫码条件之间的偏差，并生成相应的角度调节策略。首先，会分析目标距离与预设对焦距离的差异，判断是否需要调整摄像头的对焦位置，以确保目标物体清晰成像。其次，通过对比摄像头倾角矩阵与标准垂直角度，计算摄像头的俯仰角和偏航角偏差，确定需要调整的角度方向和幅度，使摄像头能够对准目标区域。最后，会结合光照强度分布图，识别扫码区域的光照不均匀或阴影区域，生成补光动态调整指令，优化光照条件。基于这些偏差分析结果，会综合生成一个多维度的角度调节策略，包括对焦距离调整、摄像头角度补偿和光照优化等具体动作，为后续的补偿动作执行提供精准指导，从而提升扫码的准确性和效率。[0027]进一步的，申请实施例提供的方法中，基于所述动态参数集合与预设扫码基准参[0028]调取扫码摄像头的历史扫码参数集，根据所述历史扫码参数集构建预设扫码基准参数，所述预设扫码基准参数包含预设最佳对焦距离、标准垂直角度；将所述平均目标距离8与所述预设最佳对焦距离进行差值计算，生成轴向位移补偿量；根据所述摄像头倾角矩阵与所述标准垂直角度进行分析，确定多维云台的补偿角数据集，所述补偿角数据集包含俯仰补偿角数据、偏航补偿角数据；基于所述光照强度分布图识别阴影区域占比，生成补光动态调整指令；按照所述补光动态调整指令将所述轴向位移补偿量、所述俯仰补偿角数据、所述偏航补偿角数据进行角度调节分析，生成所述角度调节策略。[0029]在本申请实施例中，从运行日志中调取扫码摄像头的历史扫码参数集，包括历史对焦距离和历史角度数据，再分别对历史扫码参数集中的历史对焦距离、历史角度数据进行均值计算和标准差计算，得到历史对焦距离的均值和标准差、历史角度数据的均值和标阈值后，会使用这个清洗阈值对历史对焦距离进行判断，去除不在这个范围内的数据点，再对清洗后的历史对焦距离进行均值计算，得到预设最佳对焦距离；对于历史角度数据，会进行相同的操作，得到标准垂直角度。之后，将平均目标距离与预设最佳对焦距离进行差值计算，生成轴向位移补偿量；将标准垂直角度作为标准垂直方向，从摄像头倾角矩阵中提取摄像头当前方向的方向向量，若标准垂直角度为(0,0,1),代表世界坐标系的Z轴，此时，会将摄像头倾角矩阵中第三列的数据作为摄像头的当前方向向量，通过对当前方向向量的x轴分量进行反正弦计算，得到偏航补偿角数据，通过公式计算得到俯仰补偿角数据，其中，θ为俯仰补偿角数据，Vy为当前方向向量的y轴分量，φ为偏航补偿角数据，再将计算得到的偏航补偿角数据和俯仰补偿角数据存储到一个数据集合中，形成补偿角数据集。然后，分析光照强度分布图，识别阴影区域的坐标数据，了解阴影区域的占比情况，再根据阴影区域的坐标数据，动态调整补光灯的亮度和角度，生成补光动态调整指令。最后，将轴向位移补偿量、俯仰补偿角数据和偏航补偿角数据结合补光动态调整指令汇总成一个综合性调整策略，即角度调节策略，包括轴向位移调节(根据轴向位移补偿量调整摄像头的位置)、俯仰角调节(根据俯仰补偿角数据调整摄像头的俯仰角度)、偏航角调节(根据偏航补偿角数据调整摄像头的偏航角度)、补光调节(根据补光动态调整指令调整补光灯的亮度和角度),这个角度调节策略会发送给多维云台实时调整摄像头的位置、角度和补光参数，确保摄像头能够精准对准目标区域，并优化扫码效果。[0030]进一步的，申请实施例提供的方法中，基于所述光照强度分布图识别阴影区域占[0031]根据所述光照强度分布图进行阴影识别，确定阴影区域，遍历所述阴影区域进行点位标识，获得阴影区域坐标数据；根据所述阴影区域坐标数据控制可调焦LED阵列生成定向补光光束；采用所述定向补光光束在扫码区域边缘部署环形辅助光源，生成所述补光动态调整指令。[0032]在本申请实施例中，根据光照强度阈值对光照强度分布图进行阴影识别，将光照强度分布图中低于该阈值的区域标记为阴影区域，其中，光照强度阈值可以根据环境光的平均强度动态调整。随后，对每个阴影区域的内部进行逐像素遍历，记录每个像素点的坐标，再使用轮廓提取算法(如OpenCV的findContours函数)获取阴影区域的边界点坐标，通过将阴影区域内部的像素点坐标和边界点坐标进行存储，得到阴影区域坐标数据。之后，根9[0036]将所述轴向位移补偿量转换为Z轴步进电机的脉冲驱动信号；通过所述脉冲驱动和丝杠导程(电机每转一圈，丝杠带动摄像头移动的距离),将丝杠导程与每圈步数进行比fedt和ʃφdt是角度补偿量的积分，用于消除稳态误差，是角度补偿量的微分，用于预测误差变化趋势。之后，将PID控制输出Upitch(t)、Uyaw(t)转换为舵机的转动控制指令，舵机通常采用脉宽调制(PWM)信号控制，控制信号的脉宽与舵机转动角度成正比，即，脉宽范围，其中，u(t)是指PID控制器的输出，表示根据当前误差(角度补偿量)计算得到的控制量。然后，通过舵机转动控制指令，驱动多维云台调整摄像头的俯仰角和偏航角，使其与目标区域保持最佳对准角度，从而确定角度补偿数据，确保摄像头姿态精准。最后，结合对焦补偿数据和角度补偿数据，启动扫码摄像头进行扫码摄像，摄像头在精准对焦和角度补偿的基础上，捕捉目标区域的图像，生成高质量的扫码摄像图数据。通过以上步骤，实现了对摄像头位置和姿态的精准控制，确保扫码过程高效、准确，并生成满足需求的扫码摄像图数据。[0038]基于所述扫码摄像图数据进行图像质量评估，生成评估结果，按照所述评估结果对摄像头的所述角度调节策略进行优化，确定角度自适应调节策略。[0039]在本申请实施例中，基于扫码摄像图数据，会进行图像质量评估，以判断当前图像是否满足扫码识别的要求，评估过程会分析图像的清晰度、对比度等关键指标，并通过卷积神经网络模型的卷积解析，生成评估结果，如果评估结果未达到阈值，说明当前图像质量不足以支持高效扫码，此时，会进入迭代优化流程，具体来说，会基于历史调节记录对角度调这一过程会不断迭代，直到生成的扫码摄像图数据满足扫码识别的要求。最终，会确定一个角度自适应调节策略，该策略能够根据实时环境变化动态调整摄像头参数，确保在各种复杂条件下都能获得高质量的成像数据，从而提升扫码的准确性和稳定性。[0040]进一步的，申请实施例提供的方法中，基于所述扫码摄像图数据进行图像质量评估，生成评估结果，按照所述评估结果对摄像头的所述角度调节策略进行优化，确定角度自[0041]基于所述扫码摄像图数据提取成像数据的清晰度指标、对比度指标及畸变系数，构建质量评估向量；将所述质量评估向量同步至预训练的卷积神经网络模型进行卷积解析，生成所述评估结果，所述评估结果包含综合评估值；基于所述综合评估值与期望评估值进行比较，判断所述综合评估值是否小于所述期望评估值；当所述综合评估值小于所述期望评估值时，基于历史调节记录生成参数优化路径；按照所述参数优化路径对摄像头的所述角度调节策略的补偿系数进行更新，确定所述角度自适应调节策略。[0042]在本申请实施例中，在获得扫码摄像图数据后，从中提取出成像数据的清晰度指标、对比度指标及畸变系数，其中，清晰度指标是通过计算图像的梯度幅值得到的；对比度指标是通过计算图像的灰度分布方差得到的；畸变系数是通过检测图像中的直线是否弯曲建的卷积神经网络模型，将质量评估向量输入到卷积神经网络模型中，卷积神经网络模型通过卷积层、池化层和全连接层对输入向量进行特征提取和解析，生成综合性的评估结果，这个评估结果是一个综合评估值，是通过对解析度评分和可识别概率加权得到的。之后，将综合评估值与预设的期望评估值进行比较，如果综合评估值小于期望评估值，说明当前图11像质量未达到预期，需要进行参数优化，此时，会通过余弦相似度计算历史场景的质量评估向量和当前的质量评估向量的相似度，并提取相似度满足相似阈值的记录及其对应的调节参数，如摄像头角度补偿系数Kp、K、Ka。然后，对相似历史记录中的调节参数进行加权平均，生成新的摄像头角度补偿系数，并将这些系数作为参数优化路径。最后，按照参数优数进行更新，这个过程会重复进行，直到综合评估值达到或超过期望评估值，从而生成新的角度自适应调节策略，用于后续的摄像头姿态调整。[0043]对于卷积神经网络模型，会使用卷积神经网络(CNN)构建一个初始模型结构，包括输入层、卷积层、池化层、全连接层和输出层，再使用随机数等方式初始化CNN模型的权重，并将训练集(包括历史质量评估向量、历史解析度评分、历史可识别概率)输入至初始化的计算出包括解析度评分、可识别概率的预测结果。随后，使用均方误差(MSE)损失函数计算预测结果和历史数据之间的损失值，并通过反向传播逐层计算损失对各层权重的梯度，再使用Adam优化器对模型参数进行优化，调整权重以最小化损失函数的值。重复上述过到达到最大迭代次数。在训练结束后，使用验证集测试模型性能，评估模型在解析度评分、可识别概率预测任务上的准确率，若准确率满足预期准确率，则将当前的CNN模型作为最终的卷积神经网络模型进行输出，反之，则调整学习率、训练批次数等超参数，进一步提高模型的预测效果。在训练完成后，会将基于业务需求和专家决策确定的融合权重内置于输出层，用于对预测的解析度评分和可识别概率进行融合，确定综合评估值。[0044]进一步的，申请实施例提供的方法中，基于所述扫码摄像图数据提取成像数据的[0045]将扫码摄像图数据划分为N×N像素块，生成图像分块矩阵；采用改进Sobel梯度算子计算所述图像分块矩阵的水平与垂直方向梯度幅值，生成局部清晰度指标；提取所述图像分块矩阵的灰度直方图，计算所述灰度直方图的中心区域与边缘区域的灰度方差比值，生成对比度指标；识别所述扫码摄像图数据中的预设基准标记点，匹配所述预设基准标记点与标准模板获得空间坐标偏移量；将所述扫码摄像图数据划分为M×M的检测网格，计算各网格内特征点分布的径向畸变系数；聚合所述图像分块矩阵中各像素块的局部清晰度指标生成清晰度指标；将所述径向畸变系数与所述坐标偏移量进行加权融合，生成畸变系数；将所述清晰度指标、所述对比度指标、所述畸变系数组成所述质量评估向量。[0046]在本申请实施例中，在获得扫码摄像图数据后，会将扫码摄像图数据划分为大小为N×N的像素块，例如，对于640×480的图像，若N=一个图像分块矩阵，其中，每个元素是一个N×N的像素块。对于清晰度指标，使用改进的Sobel算子计算每个像素块的水平梯度Gx和垂直梯度Gy,即，将传统的Sobel算子与高斯权重相乘得到，其中，高斯权重是根据具体任务的需求确定的，例如，增强中心像素的权重以降低噪声的影响，再基于水平梯度和垂直梯度计算每个像素的梯度幅值，并统计每个像素块中梯度幅值超过预设梯度阈值的像素数在总像素数中的占比，得到局部清晰度指标，再对图像分块矩阵中的所有像素块的局部清晰度指标进行聚合处理，即，通过均值计算的方式，得到清晰度指标。对于对比度指标，对每个像素块提取灰度直方图，统计每个灰度级的像素数量，再将灰度直方图分为中心区域(如灰度级[64,192])和边缘区域(如灰度级[0,63]和[193,255]),再计算中心区域的灰度方差和边缘区域的灰度方差，并将中心区域的灰度方差与边缘区域的灰度方差进行比值计算，得到对比度指标。对于畸变系数，在扫码摄像图数据中识别预设的基准标记点(例如二维码的定位标记),并将识别的基准标记点与标准模板进行匹配，通过作差的方式计算空间坐标偏移量。随后，将扫码摄像图数据划分为M×M的检测网格，在每个网格内检测特征点(例如角点或边缘点),通过径向畸变系数计算公式计算每个网格内特征点的径向畸变系数，这个径向畸变系数具体如下：;其中，k为径向畸变系数，ri为特征点到图像中心的距离，r为平均距离后，通过公式计算得到畸变系数，其中，K为畸变系和畸变系数进行拼接，得到一个质量评估向量。通过上述步骤，可以将扫码摄像图数据划分为像素块，计算局部清晰度指标、对比度指标和畸变系数，并最终生成质量评估向量。这种方法能够全面评估图像的质量，为后续的摄像头调节策略优化提供数据支持。[0047]进一步的，申请实施例提供的方法中，按照所述评估结果对摄像头的所述角度调节策略进行优化，确定角度自适应调节策略之后[0048]建立扫码成功率与调节参数的关联数据库，记录每次调节过程的参数组合及识别结果，获得历史调节组合数据；通过强化学习算法对所述历史调节组合数据进行分析，动态优化多维云台控制参数与补光参数的匹配规则；当检测到新型扫码目标时，调用所述匹配规则初始化所述角度自适应调节策略。[0049]在本申请实施例中，每次调节过程中，记录焦距等)和补光参数(如补光强度、补光角度等),记录每次调节后的扫码识别结果(成功或失败),再将每次调节的参数组合及识别结果存储到关联数据库中，形成历史调节组合数法能够通过学习历史数据中的规律，动态优化多维云台控制参数与补光参数的匹配规则。在模型的设计中，状态(State)被定义为当前的多维云台控制参数(如俯仰角、偏航角、焦距等)和补光参数(如补光强度、补光角度等),动作(Action)则是对这些参数的调整操作，例如，增加或减少某个参数的值，奖励(Reward)的设定基于扫码结果，如果扫码成功，则给予+1的奖励，如果失败，则给予-1的奖励，这种奖励机制能够引导模型朝着提高扫码成功率的方向优化。在训练过程中，从历史调节组合数据中提取状态、动作和奖励，作为训练样本输入到强化学习模型中，模型通过不断试错和学习，逐步优化其策略，找到能够最大化奖励的参数调整规则，这一过程是动态的，随着更多历史数据的积累，模型能够不断更新和改进其匹配规则。最终，训练完成的模型会生成一套优化后的匹配规则，这套规则能够指导后续的调节过程，帮助在面对不同扫码目标时快速找到最优的参数组合。通过这种方式，强化学习算法不仅能够有效利用历史数据，还能在动态环境中持续优化参数匹配规则，从而提高扫码系统的整体性能和效率。当检测到新型扫码目标时，提取目标的特征(率等),再根据目标的特征，调用优化后的匹配规则，初始化多维云台控制参数和补光参数。通过匹配规则直接初始化接近最优的参数组合，减少自适应调节的迭代次数，提高调节效率。总结来说，通过建立扫码成功率与调节参数的关联数据库，结合强化学习算法分析历史数据，动态优化匹配规则，并在检测到新型扫码目标时调用匹配规则初始化调节策略，可以显著缩短自适应调节的迭代次数，提高扫码效率和成功率。[0051]本申请对待扫码区域的环境参数进行实时检测，获得的动态参数集合；基于所述动态参数集合与预设扫码基准参数进行偏差分析，生成角度调节策略；根据所述角度调节策略驱动多维云台执行角度补偿动作，生成扫码摄像图数据；基于所述扫码摄像图数据进行图像质量评估，生成评估结果，按照所述评估结果对摄像头的所述角度调节策略进行优化，确定角度自适应调节策略。本发明解决因环境参数动态变化导致摄像头角度调节效率低、精度不足的技术问题，通过实时检测环境参数并动态优化调节策略，达到提升摄像头角度调节的准确性和响应速度的技术效果。[0052]实施例二，基于与前述实施例中用于扫码摄像头角度自适应调节方法相同的发明构思，如图2所示，本申请提供用于扫码摄像头角度自适应调节系统，本申请实施例中的系统与方法实施例基于同样的发明构思。其中，所述系统包括：[0053]实时检测单元11:对待扫码区域的环境参数进行实时检测，获得的动态参数集合；偏差分析单元12:基于所述动态参数集合与预设扫码基准参数进行偏差分析，生成角度调节策略；角度补偿单元13:根据所述角度调节策略驱动多维云台执行角度补偿动作，生成扫码摄像图数据；策略优化单元14:基于所述扫码摄像图数据进行图像质量评估，生成评估结果，按照所述评估结果对摄像头的所述角度调节策略进行优化，确定角度自适应调节策略。[0055]通过TOF传感器阵列获取目标物体表面至摄像头的三维距离分布，计算平均目标距离；利用陀螺仪传感器实时采集摄像头的俯仰角数据、偏航角数据，构建摄像头倾角矩阵；激活环境光传感器阵列进行多区域采样，生成光照强度分布图；将所述平均目标距离、所述摄像头倾角矩阵、所述光照强度分布图进行整合，获得所述动态参数集合。[0057]调取扫码摄像头的历史扫码参数集，根据所述历史扫码参数集构建预设扫码基准参数，所述预设扫码基准参数包含预设最佳对焦距离、标准垂直角度；将所述平均目标距离与所述预设最佳对焦距离进行差值计算，生成轴向位移补偿量；根据所述摄像头倾角矩阵与所述标准垂直角度进行分析，确定多维云台的补偿角数据集，所述补偿角数据集包含俯仰补偿角数据、偏航补偿角数据；基于所述光照强度分布图识别阴影区域占比，生成补光动态调整指令；按照所述补光动态调整指令将所述轴向位移补偿量、所述俯仰补偿角数据、所述偏航补偿角数据进行角度调节分析，生成所述角度调节策略。[0059]将所述轴向位移补偿量转换为Z轴步进电机的脉冲驱动信号；通过所述脉冲驱动信号控制摄像头沿导轨移动至目标对焦位置，确定对焦补偿数据；采用PID控制算法将所述俯仰补偿角与所述偏航补偿角转换为多维云台的舵机转动控制指令；通过所述舵机转动控制指令确定摄像头的角度补偿数据，根据所述对焦补偿数据结合所述角度补偿数据启动扫码摄像头进行扫码摄像，生成所述扫码摄像图数据。[0061]根据所述光照强度分布图进行阴影识别，确定阴影区域，遍历所述阴影区域进行点位标识，获得阴影区域坐标数据；根据所述阴影区域坐标数据控制可调焦LED阵列生成定向补光光束；采用所述定向补光光束在扫码区域边缘部署环形辅助光源，生成所述补光动态调整指令。[0063]基于所述扫码摄像图数据提取成像数据的清晰度指标、对比度指标及畸变系数，构建质量评估向量；将所述质量评估向量同步至预训练的