一种模糊度检测方法及电子设备、存储介质
技术领域
本申请涉及测试技术领域，具体涉及一种模糊度检测方法及电子设备、存储介质。
背景技术
如今，越来越多人选择通过摄影来记录下生活点滴。由于摄像头的拍摄图像帧数与摄像头焦距及快门速度等因素有关，在动态运动的情况下，摄像头拍摄到的图像很可能会存在一定程度的抖动或模糊。因此，为了满足在一定运动状态下的拍摄需求，通常可以采用运动模糊检测对摄像头进行性能评测。目前，如何有效地对摄像头进行运动模糊检测成了研究的难点。
发明内容
本申请实施例公开了一种模糊度检测方法及电子设备、存储介质，能够有效地检测成像设备在运动过程中的拍摄模糊度，并提高对成像设备的拍摄模糊度的检测效率。
本申请实施例第一方面提供一种模糊度检测方法，所述方法包括：获取对运动装置的运动控制参数；按照所述运动控制参数控制所述运动装置运动；获取成像设备在所述运动装置的运动过程中采集到的多帧拍摄图像；其中，所述成像设备固定于所述运动装置上；对所述多帧拍摄图像进行模糊分析，获得所述成像设备在运动过程中的拍摄模糊度。
作为一种可选的实施方式，在本申请实施例第一方面中，所述运动控制参数包括移动控制参数；所述按照所述运动控制参数控制所述运动装置运动，包括：根据所述移动控制参数，控制所述运动装置的移动状态。可见，实施上述可选的实施方式，能够设定运动装置的移动状态，满足了对多种移动方式下成像设备的拍摄模糊度分析需求。
作为一种可选的实施方式，在本申请实施例第一方面中，所述移动控制参数包括所述运动装置的运动起始位置、运动轨迹以及运动时间；所述根据所述移动控制参数，控制所述运动装置的移动状态，包括：控制所述运动装置调整至所述运动起始位置；控制所述运动装置从所述运动起始位置出发，并在所述运动时间内沿着所述运动轨迹移动。可见，实施上述可选的实施方式，还能够设定运动装置的移动轨迹和运动时间等参数，增加了运动装置移动方式的灵活性和多样性。
作为一种可选的实施方式，在本申请实施例第一方面中，所述运动控制参数包括动作控制参数；所述按照所述运动控制参数控制所述运动装置运动，包括：根据所述动作控制参数，控制所述运动装置执行与所述动作控制参数对应的目标动作。可见，实施上述可选的实施方式，能够灵活设定运动装置执行不同动作，满足了对多种拍摄动作下成像设备的拍摄模糊度分析需求。
作为一种可选的实施方式，在本申请实施例第一方面中，所述运动装置为机械手臂；所述获取对运动装置的运动控制参数，包括：获取所述机械手臂上被选中的运动部位；获取为所述被选中的运动部位设置的动作控制参数；所述根据所述动作控制参数，控制所述运动装置执行与所述动作控制参数对应的目标动作，包括：根据所述动作控制参数，控制所述被选中的运动部位执行与所述动作控制参数对应的目标动作。
可见，实施上述可选的实施方式，能够针对性地输入对被选中运动部分的动作控制参数，从而控制机械手臂更加准确地还原指定的动作。
作为一种可选的实施方式，在本申请实施例第一方面中，所述机械手臂至少包括两个运动关节；所述根据所述动作控制参数，控制所述被选中的运动部位执行与所述动作控制参数对应的目标动作，包括：根据所述被选中的运动部位，确定所述机械手臂上用于控制所述被选中的运动部位的目标运动关节；根据所述动作控制参数，生成与所述目标运动关节对应的位移参数、速度参数以及旋转参数；按照所述位移参数、所述速度参数以及所述旋转参数，控制所述目标运动关节运动，以实现所述被选中的运动部位执行与所述动作控制参数对应的目标动作。可见，实施上述可选的实施方式，能够进一步提升还原拍摄晃动的自然度，丰富了动作场景的多样性。
作为一种可选的实施方式，在本申请实施例第一方面中，所述对所述多帧拍摄图像进行模糊分析，获得所述成像设备在运动过程中的拍摄模糊度，包括：对所述多帧拍摄图像进行模糊分析，获得从所述多帧拍摄图像中筛选出的清晰图像以及模糊图像；根据所述模糊图像在所述多帧拍摄图像中的占比，确定所述成像设备在运动过程中的拍摄模糊度。可见，实施上述可选的实施方式，通过自动对成像设备在连续运动过程中采集到的图片进行模糊分析，能够定量分析并更新成像设备的动态拍摄模糊度。
作为一种可选的实施方式，在本申请实施例第一方面中，所述对所述多帧拍摄图像进行模糊分析，获得从所述多帧拍摄图像中筛选出的清晰图像以及模糊图像，包括：对每帧所述拍摄图像进行拉普拉斯变换以及去均方差处理，获得每帧所述拍摄图像所对应的像素方差值；根据预设的分界值，从所述多帧拍摄图像中筛选出像素方差值大于或等于所述分界值的拍摄图像，以作为清晰图像；以及，从所述多帧拍摄图像中筛选出像素方差值小于所述分界值的图像，以作为模糊图像。可见，实施上述可选的实施方式，通过计算每帧拍摄图像的像素值统计分布情况，实现了对拍摄图像模糊度的定量分析以及像素级别的检测对比。
本申请实施例第二方面提供一种电子设备，所述电子设备包括：
参数获取模块，用于获取对运动装置的运动控制参数；
控制模块，用于按照所述运动控制参数控制所述运动装置运动；
图像获取模块，用于获取成像设备在所述运动装置的运动过程中采集到的多帧拍摄图像；其中，所述成像设备固定于所述运动装置上；
分析模块，用于对所述多帧拍摄图像进行模糊分析，获得所述成像设备在运动过程中的拍摄模糊度。
本申请实施例第三方面提供一种电子设备，所述电子设备包括：
一个或多个存储器；
一个或多个处理器，用于执行存储在所述一个或多个存储器中的一个或多个计算机程序，以执行如本申请第一方面所述的方法。
本申请实施例第四方面提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如本申请第一方面所述的方法。
本申请实施例第五方面提供一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行如本申请第一方面所述的方法。
与现有技术相比，本申请实施例具有以下有益效果：
在本申请实施例中，通过获取对运动装置的运动控制参数，可以按照运动控制参数控制运动装置运动。之后，获取固定于运动装置上的成像设备在运动装置的运动过程中采集到的多帧拍摄图像，并对这些拍摄图像进行模糊分析，便可获得成像设备在运动过程中的拍摄模糊度。可见，本申请实施例能够利用运动装置自动化模拟实际拍摄场景下的不同运动状态，简单方便，且可操作高，还能够对采集到的图像集中进行模糊度分析，从而减少了需投入的人力和物力，提高了对成像设备拍摄模糊度的检测效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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。
图1是本申请实施例所应用的检测系统示意图；
图2是本申请实施例公开的一种模糊度检测方法的流程示意图；
图3是本申请实施例公开的另一种模糊度检测方法的流程示意图；
图4是本申请实施例中一种控制运动装置运动的场景示意图；
图5是本申请实施例中另一种控制运动装置运动的场景示意图；
图6是本申请实施例中又一种控制运动装置运动的场景示意图；
图7是本申请实施例公开的又一种模糊度检测方法的流程示意图；
图8是本申请实施例公开的一种电子设备的结构示意图；
图9是本申请实施例公开的另一种电子设备的结构示意图。
具体实施方式
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、完整地描述，显然，所描述的实施例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。
需要说明的是，本申请的说明书和权利要求书中的术语“第一”、“第二”、“第三”“第四”等是用于区别不同的对象，而不是用于描述特定顺序。本申请实施例的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备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单元。
本申请实施例公开了一种模糊度检测方法及电子设备、存储介质，能够提高对成像设备拍摄模糊度的检测效率。为了更好的理解本申请实施例公开的模糊度检测方法，以下先对本申请实施例所应用的检测系统进行描述。
在本申请实施例中，检测系统可以包括控制设备、运动装置和固定于运动装置上的成像设备。控制设备可以与至少一个运动装置建立通讯连接，也可以与至少一个成像设备建立通信连接并进行数据交换，对此不作具体限定。
其中，控制设备可以包括便携式终端、个人数字助理(personal digitalassistant，PDA)、笔记本电脑、笔记本(note pad)、无线宽带(wireless broadband，WiBro)终端、平板电脑(personal computer，PC)、智能PC和其他具备数据处理功能的设备，运动装置可以包括转盘、机械手臂、升降装置和无人机等可搭载物体并实现机械运动(比如平移和旋转)的装置；成像设备可以包括手机镜头、平板镜头、车载用镜头、红外镜头、监视器镜头和投影机镜头等光学镜头，也可以包括智能手机、可穿戴设备、车载终端和便携式终端等设有光学镜头的设备，对控制设备、运动装置和成像设备的具体类型均不作限定。
在本申请实施例中，成像设备可以固定于运动装置上的任意位置。在一种实现方式中，运动装置可拆卸地设有用于放置成像设备的成像设备连接装置，故可以通过成像设备连接装置灵活地调整成像设备在运动装置上的固定位置。
在本申请实施例中，控制设备可以设有运动装置控制软件以及成像设备抓图软件。控制设备可以通过运动装置控制软件向运动装置发送控制指令，使得运动装置响应控制指令执行相应的操作。控制设备还可以通过成像设备抓图软件向成像设备发送工作指令，使得成像设备响应工作指令启动连续拍图功能，并将成像设备连续拍摄到的图像返回给控制设备。
在一种实现方式中，当控制设备上的运动装置控制软件(或成像设备抓图软件)运行时，控制设备可以通过基于传输控制协议(transmission control protocol，TCP)/网际互联协议(internet protocol，IP)的以太网通讯方式、串口通信方式、或者蓝牙通信、移动通信、无线上网(wireless fidelity，WIFI)、ZigBee等无线通信方式与运动装置(或成像设备)建立通信连接。进一步地，如果用户在软件界面中选中一个指定的运动装置(或成像设备)，则控制设备可以根据不同运动装置(或成像设备)的设备通信标识，比如IP地址等，确定与被选中的运动装置(或成像设备)进行数据交换。
以下结合附图进行详细描述。
请参阅图1，图1是本申请实施例所应用的检测系统示意图。如1所示，检测系统可以包括控制设备10、运动装置12以及固定于运动装置12上的成像设备14。应当理解的是，图1所示的检测系统包括一个控制设备10，而运动装置12以及运动装置12上的成像设备14均与控制设备10建立通信连接，这仅为一种示例，不构成对检测系统的限定。在其他实现方式中，检测系统还可以包括至少两个控制设备，且运动装置12可以与控制设备10通信连接，而成像设备14可以与检测系统中的其他控制设备连接，以实现图像采集与分析由不同设备独立处理。为了方便理解，以下均以控制设备10、运动装置12以及成像设备14为例进行描述。
在图1中，控制设备10可以为智能PC，运动装置12可以为机械手臂，成像设备14可以为待检测的摄像头等。机械手臂通过移动、转动或各种复合运动完成规定动作，以改变抓持物体的位置和姿势，能够模拟人类的手臂功能。可见，图1中的成像设备14通过成像设备连接装置16固定在机械手臂的手部121，用于模拟用户手持成像设备进行拍摄的场景。
应当理解的是，上述控制设备适用于本申请实施例公开的模糊度检测方法。下面对本申请实施例所公开的模糊度检测方法进行详细描述。
请参阅图2，图2是本申请实施例公开的一种模糊度检测方法的流程示意图。如图2所示，该方法包括：
201、获取对运动装置的运动控制参数。
在本申请实施例中，控制设备根据运动控制参数，可以先确定运动装置的运动方式，之后在确定的运动方式下控制运动装置的运动状态。运动方式可以包括但不限于：运动装置整体移动，但运动装置自身姿态不变；或者，运动装置整体不移动，但在固定位置处发生姿态变化；或者，运动装置在整体移动的同时，发生姿态变化等。因此，运动控制参数可以包括移动控制参数以及姿态控制参数等中的至少一种，其中，移动控制参数可用于控制运动装置整体发生位置移动，移动控制参数可以包括运动装置的运动时间、运动速度和运动轨迹等，比如运动装置在30秒之内以1m/s的速度朝垂直于成像设备的镜头方向移动，而姿态控制参数通常可以包括与运动装置姿态变化相关的角度参数、旋转参数和速度参数等，均不作具体限定。
在一些实施例中，姿态控制参数具体可与运动装置的结构相关，比如，如果运动装置为转盘，那么转盘的姿态控制参数通常包括转动角速度、转动方向和转动时长等；如果运动装置为机械手臂，则机械手臂的姿态控制参数通常可以包括机械手臂的运动机构(比如机械手臂的手部和移动部)在不同旋转轴上的运动参数等。
作为一种可选的实施方式，用户可以以数值与文字相结合的输入方式向控制设备输入对运动装置的运动控制参数。具体来说，用户可以调出运动装置控制软件的参数输入功能页面，并在参数输入功能页面中填入不同类型的控制参数。比如，用户在参数输入功能页面输入的内容可以包括：“运动时间：1min；运动方向：直行；运动速度：0.9m/s”。可见，这种方式满足了参数数值明确的检测场景。进一步可选的，用户还可以直接向控制设备批量导入多组运动控制参数，则控制设备还可以以分组为单位，针对不同分组的运动控制参数依次执行步骤201～步骤204，最终获得多组运动控制参数的检测结果，从而进一步提高对成像设备模糊度的检测效率。
作为另一种可选的实施方式，控制设备还可以在步骤201之前，输出运动装置对应的模型。该模型可以是二维模型或三维模型，不作具体限定。用户可以对运动装置对应的模型执行移动和旋转等多种操作，则控制设备相应地生成用户操作对应的运动控制参数。
具体的，针对用户对模型的移动操作，则控制设备可以获取移动操作对应的移动轨迹、移动时间和移动速度等操作数据，并以预设的数据转换规则直接将操作数据转换为运动装置实际执行的移动控制参数。示例性的，用户在控制设备上将模型向左拖动5cm，假设数据转换规则规定移动距离的比例尺为1：100，则运动装置实际将向左移动5cm*100＝5m。针对用户对模型的旋转操作，则控制设备可以获取旋转操作对应的旋转角速度和旋转方向等操作数据，再将其转换为运动装置实际执行的姿态控制参数。示例性的，用户在控制设备上拖动机械手臂的模型瞬时针旋转360°，则机械手臂实际也可以瞬时针旋转360°。
可见，结合多种运动控制参数的输入方式，能够提高控制运动装置的灵活性，适应于更加多样化的检测场景。
202、按照运动控制参数控制运动装置运动。
在本申请实施例中，控制设备可根据运动控制参数生成运动控制指令，并向运动装置发送该运动控制指令，以控制运动装置按照该运动控制参数进行运动。
在一种实现方式中，如果运动控制参数只包括移动控制参数，则控制设备可以根据移动控制参数，控制运动装置的移动状态。
在另一种实现方式中，如果运动控制参数只包括姿态控制参数，则控制设备可以根据动作控制参数，控制运动装置执行与姿态控制参数对应的动作。
在又一种实现方式中，如果运动控制参数包括移动控制参数和姿态控制参数，则控制设备可以在控制运动装置的移动状态的同时，控制运动装置执行与姿态控制参数对应的动作。
203、获取成像设备在运动装置的运动过程中采集到的多帧拍摄图像。
在本申请实施例中，控制设备在向运动装置发送该运动控制指令的同时，可向成像设备发送拍摄指令，以根据该拍摄指令控制成像设备采集多帧图像。控制设备可以实时获取成像设备在运动过程中采集的拍摄图像，也可以按照预设的时间间隔获取成像设备在运动过程中连续采集的拍摄图像，还可以在运动装置运动完成后统一获取成像设备在完整运动过程中连续采集的拍摄图像，不作具体限定。
204、对多帧拍摄图像进行模糊分析，获得成像设备在运动过程中的拍摄模糊度。
针对步骤204，作为一种可选的实施方式，控制设备可以直接利用模糊度检测算法对每帧拍摄图像进行模糊分析，获得每帧拍摄图像对应的模糊度。之后，再对多帧拍摄图像对应的模糊度进行平均计算，获得成像设备在运动过程中的拍摄模糊度。其中，模糊度检测算法可以包括但不限于拉普拉斯检测算法、Brenner梯度算法以及Tenengrad梯度算法。
针对步骤204，作为另一种可选的实施方式，控制设备具体可以对多帧拍摄图像进行模糊分析，获得从多帧拍摄图像中筛选出的清晰图像以及模糊图像。之后，控制设备根据模糊图像在多帧拍摄图像中的占比，确定成像设备在运动过程中拍摄模糊度。
进一步地，作为一种可选的实施方式，控制设备还可以对每帧拍摄图像进行拉普拉斯变换以及去均方差处理，获得每帧拍摄图像所对应的像素方差值，再根据预设的分界值，从多帧拍摄图像中筛选出像素方差值大于或等于分界值的拍摄图像，以作为清晰图像。以及，控制设备从多帧拍摄图像中筛选出像素方差值小于分界值的图像，以作为模糊图像。分界值可以是试验测得的用于区分清晰图像和模糊图像的方差取值，比如100，对此不作具体限定。
也就是说，若拍摄图像具有较高的像素值方差，那么拍摄图像的频响范围较广，代表着正常、聚焦准确的清晰图像。若拍摄图像具有较小的像素值方差，则其频响范围较小，代表着边缘数量较少的模糊图像。可见，通过计算每帧拍摄图像的像素值统计分布情况，实现了对拍摄图像模糊度的定量分析以及像素级别的检测对比。
其中，可选的，同一成像设备的拍摄模糊度会根据最新检测得到的模糊图像占比不断更新，故成像设备的拍摄模糊度可以满足：SN＝SN-1+βxN，N为对成像设备的检测次数，且N为正整数，SN为最新检测得到的成像设备的拍摄模糊度，SN为上一次向成像设备发送拍摄指令后检测得到的成像设备的拍摄模糊度，β为每次检测对应的更新系数，xN为本次检测中模糊图像在多帧拍摄图像中的占比，比如，从100帧拍摄图像中筛选出75帧清晰图像以及25帧模糊图像，则模糊图像在100帧拍摄图像中的占比为25÷100＝0.25。β可以为固定值，也可以随着成像设备的检测次数而变化，不作具体限定。可见，通过自动对成像设备在连续运动过程中采集到的图片进行模糊分析，能够定量分析并更新成像设备的动态拍摄模糊度。
可见，实施上述方法实施例，能够利用运动装置自动化模拟实际拍摄场景下的不同运动状态，简单方便，且可操作高，还能够对采集到的图像集中进行模糊度分析，从而减少了需投入的人力和物力，提高了对成像设备拍摄模糊度的检测效率。
请参与图3，图3是本申请实施例公开的另一种模糊度检测方法的流程示意图。如图3所示的方法实施例中，运动装置可以是机械手臂，运动控制参数可以包括移动控制参数和动作控制参数。该方法包括：
301、获取对运动装置的移动控制参数和动作控制参数；之后，同时执行步骤302和步骤303。
在本申请实施例中，移动控制参数可包括机械手臂的运动起始位置、运动轨迹、运动时间以及运动速度等中的一种或多种。动作控制参数可以参考上述图2所示方法实施例中对姿态控制参数的描述，此处不再赘述。
302、控制运动装置从运动起始位置出发，并在运动时间内沿着运动轨迹移动。
作为一种可选的实施方式，运动装置包括用于驱动运动装置整体移动的移动部。控制设备具体可以获取为运动装置在运动时间内设置的到达位置-时间函数，以作为运动装置的运动轨迹。控制设备根据到达位置-时间函数，可以推算出运动装置从运动起始位置运动至运动终点位置的过程中相邻到达位置所对应的旋转角度及驱动数值，从而基于到达位置-时间函数以及上述相邻到达位置对应的旋转角度及驱动数值，驱动运动装置上的移动部，以实现控制运动装置在运动时间内沿着运动轨迹移动。
进一步，可选的，用户可以在控制设备直接输入上述到达位置-时间函数的表达式，或者，用户也可以在控制设备提供的可编辑坐标系中绘制轨迹曲线，使得控制设备根据用户绘制的轨迹曲线生成到达位置-时间函数，而可编辑坐标系的纵轴为到达位置，横轴为时间，从而提高了用户设置运动轨迹的易操作性。
进一步，还可选的，用户也可以只在控制设备输入为运动装置设置的运动终点位置以及运动时间内的运动速度参数和运动加速度参数，其中，运动速度参数可以是速度-时间函数，运动加速度参数可以是加速度-时间函数，分别用于表示运动装置在运动时间内的速度和加速度变化情况。则控制设备可以结合运动时间、运动速度参数、运动加速度参数以及运动起始位置与运动终点位置之间的路程，生成在运动时间内的到达位置-时间函数关系，以作为运动装置的运动轨迹。
再进一步地，在一种实现方式中，若按照上述运动速度参数和运动加速度参数，运动装置从运动起始位置移动至运动终点位置的实际花费时间大于预设的运动时间，则控制设备还可以生成运动装置从运动起始位置移动至运动终点位置所对应的运动轨迹，再控制运动装置按照该运动轨迹在运动起始位置运动至运动终点位置之间进行往返移动。
针对步骤302，示例性的，请参阅图4，图4是本申请实施例中一种控制运动装置运动的场景示意图。如图4所示，响应控制设备40的指令，机械手臂42可以从起始位置441出发，以1m/s的速度沿着运动轨迹442运动至终点位置443。在机械手臂42的运动过程中，机械手臂42保持起始位置441处的初始姿态不变，而机械手臂42上的成像设备46连续拍摄多张拍摄图像，用于模拟用户一边向左前方行走一边拍照的场景。
可见，实施上述步骤301～步骤302，能够灵活设定机械手臂的不同移动轨迹及移动状态，满足了对多种移动方式下成像设备的拍摄模糊度分析需求。
303、根据动作控制参数，控制运动装置执行与动作控制参数对应的目标动作。
在本申请实施例中，基于机械手臂的结构特点，通过调整机械手臂的姿态，可以模拟不同的手臂动作，这些手臂动作可以包括但不限于伸缩、旋转和升降。针对步骤303，示例性的，请参阅图5，图5是本申请实施例中另一种控制运动装置运动的场景示意图。如图5所示，响应控制设备50的指令，机械手臂52可以从(a)图所示的姿态调整至(b)图所示的姿态，而成像设备53在机械手臂52的姿态调整过程中连续拍摄多张拍摄图像，从而模拟了用户手持相机拍摄时手臂朝下晃动的动作。可见，实施上述步骤303，能够灵活设定机械手臂执行不同动作，满足了对多种拍摄动作下成像设备的拍摄模糊度分析需求。
进一步地，结合步骤302和步骤303来看，请参阅图6，图6是本申请实施例中又一种控制运动装置运动的场景示意图。如图6所示，响应控制设备60的指令，机械手臂62在从起始位置641出发，沿着运动轨迹642运动至终点位置643的过程中，还可以从起始位置641处的初始姿态调整至终点位置643处所示的终点姿态，从而模拟用户一边向左前方行走一边拍照时手臂朝下晃动的动作。
可见，实施上述步骤301～步骤303，能够同时控制机械手臂的移动状态以及机械手臂执行的动作，从而模拟用户在移动过程中拍照时手臂的晃动，进一步丰富了贴合实际拍照场景的检测数据。
304、获取成像设备在运动装置的运动过程中采集到的多帧拍摄图像。
305、对多帧拍摄图像进行模糊分析，获得成像设备在运动过程中的拍摄模糊度。
在本申请实施例中，步骤301、304～305可以参照图2所示方法实施例中对步骤201、203～204的描述，此处不再赘述。
可见，实施上述方法实施例，能够利用运动装置自动化模拟实际拍摄场景下的不同运动状态，简单方便，且可操作高，还能够对采集到的图像集中进行模糊度分析，从而减少了需投入的人力和物力，提高了对成像设备拍摄模糊度的检测效率。此外，还能够同时控制机械手臂的移动状态以及机械手臂执行的动作，从而模拟用户在移动过程中拍照时手臂的晃动，进一步丰富了贴合实际拍照场景的检测数据。
请参与图7，图7是本申请实施例公开的又一种模糊度检测方法的流程示意图。如图7所示，该方法包括：
701、获取对机械手臂的移动控制参数，以及获取机械手臂上被选中的运动部位和为被选中的运动部位设置的动作控制参数。
在本申请实施例中，机械手臂可以手部、上臂部和下臂部等运动部位，对此不作具体限定。而被选中的运动部位可以为上述任一运动部位，也可以是一个以上的运动部位，亦不作限定。实施步骤701，用户可以自行在运动装置控制软件的界面中选择机械手臂上的运动部位，并针对性地输入对被选中运动部分的动作控制参数，能够控制机械手臂更加准确地还原指定的动作。
702、控制运动装置从运动起始位置出发，并在运动时间内以运动速度沿着运动轨迹移动。
703、根据动作控制参数，控制被选中的运动部位执行与动作控制参数对应的目标动作。
在本申请实施例中，作为一种可选的实施方式，机械手臂至少包括两个运动关节，且运动关节可用于连接两个相邻的运动部位。示例性的，如果机械手臂包括手部、上臂部和下臂部三个运动部位，则机械手臂的腕关节可以连接手部和上臂部，并控制手部的运动；机械手臂的肘关节可以连接上臂部和下臂部，并控制上臂部的运动；而机械手臂的肩关节可以连接下臂部和移动部，并控制下臂部的运动。
针对步骤703，控制设备具体可以根据被选中的运动部位，确定机械手臂上用于控制被选中的运动部位的目标运动关节。之后，控制设备根据动作控制参数，生成与目标运动关节对应的位移参数、速度参数以及旋转参数。最后，控制设备按照位移参数、速度参数以及旋转参数，控制目标运动关节运动，以实现被选中的运动部位执行与动作控制参数对应的目标动作。
其中，控制设备根据位移参数，可以确定目标运动关节在任一方向的位移；根据旋转参数，可以确定目标运动关节的旋转角度和旋转方向；根据速度参数，可以确定目标运动关节调整方向位移时的移动速度，以及目标运动关节旋转时的角速度。可选的，若被选中的运动部位包括至少两个运动部位，则控制设备还可以获取对上述每个运动部位的动作控制参数，并生成每个运动部位对应的运动关节的位移参数、速度参数以及旋转参数，从而通过同时控制各个运动部位所对应运动关节的运动，组合实现完整的目标动作。
示例性的，如果机械手臂上被选中的运动部位为上臂部，且对上臂部的动作控制参数包括：旋转方向：Y轴方向(即平行于成像设备的镜头中轴线的方向)；旋转角度范围：0°(即初始角度)～10°，角速度a(rad/s)；动作执行时间：10s。则，控制设备可以按照以角速度a顺着Y轴正方向旋转10°，再以角速度a顺着Y轴负方向旋转10°的方式控制机械手臂旋转，直至动作执行时间达到10s，从而模拟相机拍摄时前后晃动的动作。
可见，通过精确地控制每个运动关节的运动参数，还能够进一步提升还原拍摄晃动的自然度，丰富了动作场景的多样性。
704、获取成像设备在运动装置的运动过程中采集到的多帧拍摄图像。
705、对多帧拍摄图像进行模糊分析，获得成像设备在运动过程中的拍摄模糊度。
在本申请实施例中，步骤701～702、704～705还可以参照图2所示方法实施例中对步骤201～204的描述，此处不再赘述。
可见，实施上述方法实施例，能够利用运动装置自动化模拟实际拍摄场景下的不同运动状态，简单方便，且可操作高，还能够对采集到的图像集中进行模糊度分析，从而减少了需投入的人力和物力，提高了对成像设备拍摄模糊度的检测效率。此外，还能够进一步提升还原拍摄晃动的自然度，丰富了动作场景的多样性。
上述对本申请实施例中模糊度检测方法进行了说明，下面对本申请实施例中的电子设备进行说明。
请参阅图8，图8是本申请实施例公开的一种电子设备的结构示意图。如图8所示，该终端设备包括参数获取模块801、控制模块802、图像获取模块803以及分析模块804，其中：
参数获取模块801，用于获取对运动装置的运动控制参数。
控制模块802，用于按照运动控制参数控制运动装置运动。
图像获取模块803，用于获取成像设备在运动装置的运动过程中采集到的多帧拍摄图像；其中，成像设备固定于运动装置上。
分析模块804，用于对多帧拍摄图像进行模糊分析，获得成像设备在运动过程中的拍摄模糊度。
在本申请实施例中，作为一种可选的实施方式，运动控制参数包括移动控制参数。控制模块802，还用于根据移动控制参数，控制运动装置的移动状态。
进一步地，作为一种可选的实施方式，移动控制参数包括运动装置的运动起始位置、运动轨迹以及运动时间。控制模块802，还用于控制运动装置调整至运动起始位置；控制运动装置从运动起始位置出发，并在运动时间内沿着运动轨迹移动。
在本申请实施例中，作为另一种可选的实施方式，运动控制参数包括动作控制参数。控制模块802，还用于根据动作控制参数，控制运动装置执行与动作控制参数对应的目标动作。
进一步地，作为一种可选的实施方式，运动装置为机械手臂。参数获取模块801，还用于获取机械手臂上被选中的运动部位，并获取为被选中的运动部位设置的动作控制参数。控制模块802，还用于根据动作控制参数，控制被选中的运动部位执行与动作控制参数对应的目标动作。
再进一步地，作为一种可选的实施方式，机械手臂至少包括两个运动关节。控制模块802，还用于根据被选中的运动部位，确定机械手臂上用于控制被选中的运动部位的目标运动关节；根据动作控制参数，生成与目标运动关节对应的位移参数、速度参数以及旋转参数；以及，按照位移参数、速度参数以及旋转参数，控制目标运动关节运动，以实现被选中的运动部位执行与动作控制参数对应的目标动作。
在本申请实施例中，作为一种可选的实施方式，分析模块804，可以包括筛选子模块和确定子模块，其中：筛选子模块，用于对多帧拍摄图像进行模糊分析，获得从多帧拍摄图像中筛选出的清晰图像以及模糊图像。确定子模块，用于根据模糊图像在多帧拍摄图像中的占比，确定成像设备在运动过程中的拍摄模糊度。
进一步地，作为一种可选的实施方式，筛选子模块，还用于对每帧拍摄图像进行拉普拉斯变换以及去均方差处理，获得每帧拍摄图像所对应的像素方差值，并根据预设的分界值，从多帧拍摄图像中筛选出像素方差值大于或等于分界值的拍摄图像，以作为清晰图像；以及，从多帧所述拍摄图像中筛选出像素方差值小于分界值的图像，以作为模糊图像。
需要说明的是，本实施例中的电子设备可以是上述控制设备，且本实施例的具体实现过程可参见上述方法实施例所述的具体实现过程，在此不再叙述。
可见，实施上述实施例，能够利用运动装置自动化模拟实际拍摄场景下的不同运动状态，简单方便，且可操作高，还能够对采集到的图像集中进行模糊度分析，从而减少了需投入的人力和物力，提高了对成像设备拍摄模糊度的检测效率。
请参阅图9，图9是本申请实施例公开的一种电子设备的结构示意图。该电子设备包括：
一个或多个存储器901；
一个或多个处理器902，用于执行存储在一个或多个存储器901中的一个或多个计算机程序，以执行上述各实施例中描述的方法。
需要说明的是，本实施例中的电子设备可以为上述控制设备，故本实施例的具体实现过程可参见上述方法实施例所述的具体实现过程，在此不再叙述。
本申请实施例提供一种计算机可读存储介质，其上存储有计算机指令，该计算机指令运行时使计算机执行上述方法实施例所描述的模糊度检测方法。
本申请实施例还公开一种计算机程序产品，其中，当计算机程序产品在计算机上运行时，使得计算机执行如以上各方法实施例中的方法的部分或全部步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器(read-only memory，ROM)、随机存储器(random access memory，RAM)、可编程只读存储器(programmable read-only memory，PROM)、可擦除可编程只读存储器(erasable programmable read only memory，EPROM)、一次可编程只读存储器(one-time programmable read only memory，OTPROM)、电子抹除式可复写只读存储器(electrically-erasable programmable read-only memory，EEPROM)、只读光盘(compactdisc read-only memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本申请实施例公开的一种模糊度检测方法及电子设备、存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
