CN120835210A - 一种连续变焦相机的转视场角fov计算方法及系统 - Google Patents

Abstract

本发明涉及数据处理技术领域，具体涉及一种连续变焦相机的转视场角FOV计算方法及系统，包括：根据每帧标靶图像的二值图像中分别在横向与纵向上的像素点灰度值变化，确定可视宽度与可视高度，再筛选出若干分割帧标靶图像，从而确定垂直视场角与水平视场角，获取误差要求程度，对于所有分割帧标靶图像，以误差要求程度为函数拟合过程中加权残差平方和的权重，以焦距为自变量，分别以垂直视场角与水平视场角为因变量进行函数拟合，获取第一拟合函数与第二拟合函数，将当前的焦距分别输入至第一与第二拟合函数中，输出当前的垂直视场角与水平视场角。本发明通过获得更加准确的焦距和视场角的关系函数，保障了视场角计算的准确性。

Description

一种连续变焦相机的转视场角FOV计算方法及系统

技术领域

本发明涉及数据处理技术领域，具体涉及一种连续变焦相机的转视场角FOV计算方法及系统。

背景技术

连续变焦相机的视场角（FOV）计算方法主要依赖于焦距、传感器尺寸和工作距离等参数。通过三角学公式和近似公式，可以实时计算视场角。在实际应用中，需考虑传感器分辨率、镜头畸变和工作距离等因素，以提高计算精度和可靠性。

现有的问题：目前对于视场角的计算，往往是通过成像模型中相似三角形原理来求解的，或者通过最大焦距和最小焦距对应的视场角来拟合线性关系求解，但是由于实际相机镜头的厚度原因等因素影响，视场角和焦距的关系并非理想的线性关系。

发明内容

本发明提供一种连续变焦相机的转视场角FOV计算方法及系统，以解决现有的问题。

本发明的一种连续变焦相机的转视场角FOV计算方法及系统采用如下技术方案：

本发明一个实施例提供了一种连续变焦相机的转视场角FOV计算方法，该方法包括以下步骤：

由远到近获取若干帧标靶图像，其中，每帧标靶图像对应一个物距和一个焦距；获取每帧标靶图像的二值图像；

根据每帧标靶图像的二值图像中分别在横向与纵向上的像素点灰度值变化，确定横向线条数量与纵向线条数量；根据所述横向线条数量与纵向线条数量的大小，确定可视宽度与可视高度；

根据由远到近所有帧标靶图像对应的纵向线条数量的变化，筛选出若干分割帧标靶图像；根据每一分割帧标靶图像对应的可视宽度与可视高度以及物距，确定垂直视场角与水平视场角；

根据每一分割帧标靶图像的纵向高度与纵向线条数量，确定误差要求程度；对于所有分割帧标靶图像，以误差要求程度为函数拟合过程中加权残差平方和的权重，以焦距为自变量，分别以垂直视场角与水平视场角为因变量进行函数拟合，获取第一拟合函数与第二拟合函数；将连续变焦相机当前的焦距分别输入至第一拟合函数与第二拟合函数中，输出连续变焦相机当前的垂直视场角与水平视场角。

进一步地，所述确定横向线条数量与纵向线条数量，包括的具体步骤如下：

对于每帧标靶图像的二值图像，在过二值图像中心的一行中，从左至右逐个统计所有像素点的灰度值，构成横向二值序列，在过二值图像中心的一列中，从上至下逐个统计所有像素点的灰度值，构成纵向二值序列；

分别根据横向二值序列与纵向二值序列中相邻元素的差异，确定横向线条数量与纵向线条数量。

进一步地，所述分别根据横向二值序列与纵向二值序列中相邻元素的差异，确定横向线条数量与纵向线条数量，包括的具体步骤如下：

在横向二值序列中，将所有相邻元素的差值绝对值的和值，记为横向线条数量；

在纵向二值序列中，将所有相邻元素的差值绝对值的和值，记为纵向线条数量。

进一步地，所述确定可视宽度与可视高度，包括的具体步骤如下：

将横向线条数量与预设标靶线宽的乘积，记为可视宽度；

将纵向线条数量与预设标靶线宽的乘积，记为可视高度。

进一步地，所述筛选出若干分割帧标靶图像，包括的具体步骤如下：

由远到近逐帧获取所有标靶图像对应的纵向线条数量，构成线条数量序列；

根据线条数量序列中相邻元素的差异，筛选出若干分割帧标靶图像。

进一步地，所述根据线条数量序列中相邻元素的差异，筛选出若干分割帧标靶图像，包括的具体步骤如下：

在线条数量序列中，对于任意两个元素，当前一个元素减去后一个元素的差值大于等于预设常数时，将所述前一个元素对应的一帧标靶图像，记为分割帧标靶图像。

进一步地，所述确定垂直视场角与水平视场角，包括的具体步骤如下：

对于任意一分割帧标靶图像，获取可视高度的二分之一与物距的比值，记为第一比值，将第一比值输入至反正切函数中，得到第一输出值，将第一输出值的两倍，记为垂直视场角；获取可视宽度的二分之一与物距的比值，记为第二比值，将第二比值输入至反正切函数中，得到第二输出值，将第二输出值的两倍，记为水平视场角。

进一步地，所述确定误差要求程度，包括的具体步骤如下：

对于任意一分割帧标靶图像，获取分割帧标靶图像的纵向高度与纵向线条数量的比值，记为精准性；

根据所有分割帧标靶图像的精准性，确定任意一分割帧标靶图像的误差要求程度。

进一步地，所述根据所有分割帧标靶图像的精准性，确定任意一分割帧标靶图像的误差要求程度，包括的具体步骤如下：

获取所有分割帧标靶图像的精准性的和值，记为第一和值；

获取任意一分割帧标靶图像的精准性与第一和值的比值，记为误差要求程度。

本发明还提出了一种连续变焦相机的转视场角FOV计算系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述存储器存储的计算机程序，以实现前述所述的一种连续变焦相机的转视场角FOV计算方法的步骤。

本发明的技术方案的有益效果是：

在本发明实施例中，根据每帧标靶图像的二值图像中分别在横向与纵向上的像素点灰度值变化，确定横向线条数量与纵向线条数量，从而确定可视宽度与可视高度，根据由远到近所有帧标靶图像对应的纵向线条数量的变化，筛选出若干分割帧标靶图像，由此通过筛选线条数量变化明显的分割帧标靶图像，用于后续的函数拟合，保障了拟合的准确性，从而保障了视场角计算的准确性。根据每一分割帧标靶图像对应的可视宽度与可视高度以及物距，确定垂直视场角与水平视场角，根据每一分割帧标靶图像的纵向高度与纵向线条数量，确定误差要求程度，对于所有分割帧标靶图像，以误差要求程度为函数拟合过程中加权残差平方和的权重，以焦距为自变量，分别以垂直视场角与水平视场角为因变量进行函数拟合，获取第一拟合函数与第二拟合函数，由此通过误差要求程度在函数拟合过程中进行加权，其能够更准确地反映函数的拟合效果，保障了视场角计算的准确性。将连续变焦相机当前的焦距分别输入至第一拟合函数与第二拟合函数中，输出连续变焦相机当前的垂直视场角与水平视场角。至此本发明通过获得更加准确的焦距和视场角的关系函数，保障了视场角计算的准确性。

附图说明

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。

图1为本发明一种连续变焦相机的转视场角FOV计算方法的步骤流程图；

图2为标靶示意图；

图3为物体由近到远的成像示意图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种连续变焦相机的转视场角FOV计算方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种连续变焦相机的转视场角FOV计算方法及系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种连续变焦相机的转视场角FOV计算方法的步骤流程图，该方法包括以下步骤：

步骤S001：由远到近获取若干帧标靶图像，其中，每帧标靶图像对应一个物距和一个焦距；获取每帧标靶图像的二值图像。

本实施例中，利用特定标靶进行标定。采集标靶图像，对其进行分析，获得连续图像中标靶变化对应的图像参数。通过图像参数来计算得到当前相机状态的视场角，通过获得的标定数据进行数据拟合。获得焦距参数对应的视场角关系曲线。其目的是为了解决镜头厚度对视场角计算的影响，获得焦距和视场角的非线性关系，以通过实际采集图像中的物理量来计算实际的视场角，并非通过成像模型中相似三角形的方法来求解。

所需说明的是：由于镜头是有厚度的，所以依据理想的小孔成像模型，通过几何的方式进行计算并不能准确的得到视场角。所以本实施例中通过标定获得分割帧图像，而后拟合数据来获得视场角的计算函数。即通过相机拍摄图像，识别图像中拍摄的标靶，通过特定帧图像（分割帧）进而避免像素误差的影响（像素是离散量，并不是模拟量，所以距离物理量方面的误差较大），获得几何模型中的数据，进而计算出对应的焦距、视场角等数据，而后通过数据拟合获得数据之间的函数关系。

进一步需要说明的是：目前对视场角的计算多是通过成像模型，结合焦距和像元尺寸来计算的。而光学镜头组本身表面的曲面会使得此计算并不准确（所以不用上面的焦距和胶片尺寸）。因变焦相机的变焦过程是电子控制与机械部件以及光学镜头等共同组合协作，使用最大、最小焦距做线性插值的方式计算相应电子变焦控制量所对应的视场角容易产生较大误差（所以需要拟合）。

本实施例中需要计算相机的视场角，而视场角的概念是拍摄时能采集影像的角度。所以可采用拍摄图像的最大高度物理量和物距来求得视场角，而不是用小孔成像模型中焦距侧的几何模型，即本实施例中用的是物距侧的几何模型。为了获得相机拍摄图像中的实际物理距离，所以需要进行标定操作，本实施例中采用标定的设备包括：标靶与标定装置。

其中，标靶为同心正方形标靶，黑白间隔，以便后续根据图像内像素的黑白差异进行识别。预设标靶线宽为2毫米，以此为例进行叙述。标靶示意图，如图2所示。标定装置通过导轨确保标靶能正对相机匀速移动，然后进行激光测距，即通过TOF测距传感器获得相机光心到标靶的距离。由此在拍摄标靶图像的同时记录图像对应的物距和焦距参数（物距是指物体到透镜的距离，焦距是指透镜的焦点到透镜中心的距离，单位都为毫米）。具体为：由远到近采集，要确保拍摄时图像内只有标靶，为了获得更多更准确的数据，尽量是在轨道上每移动1毫米就拍摄一个图像，以此为例进行叙述。

故可由远到近等距离间隔的获取若干帧标靶图像，其中，每帧标靶图像对应一个物距和一个焦距。

所需说明的是：所有帧标靶图像的大小相同，即长宽一致。根据物体成像近大远小的原理可知，由远到近标靶图像中同心正方形的数量会逐渐减小。

通过大津法，获取每帧标靶图像的二值图像。具体为：先对每帧标靶图像进行灰度化处理，然后通过大津法，获取每帧标靶图像的最佳分割阈值，在每帧标靶图像中，将灰度值大于最佳分割阈值的像素点灰度值标记为1，将灰度值小于等于最佳分割阈值的像素点灰度值标记为0，得到二值图像。

其中，图像的灰度化处理以及大津法均为公知技术，具体方法在此不做介绍。

由此，记录每帧标靶图像对应的数据包括：物距、焦距、二值图像。

步骤S002：根据每帧标靶图像的二值图像中分别在横向与纵向上的像素点灰度值变化，确定横向线条数量与纵向线条数量；根据所述横向线条数量与纵向线条数量的大小，确定可视宽度与可视高度。

所需说明的是：上述采集的图像为离散量（像素是一块一块的并不是连续的），而实际事物是模拟量，所以还需对采集的多帧图像进行分析，获得发生变化的特定的图像，进而通过分析获得更加准确的物理量数据来计算视场角。即同样是2毫米宽度的线条，物距变化时，其在图像中表示的像素量不一定变化，例如：连续多帧都是5，而像素数量从5到6变化时，认为该变化时对应的图像的数据更加准确。物体由近到远的成像示意图，如图3所示，图3的上半部分中，根据物体成像近大远小的原理，从左至右随着物距增加，同一物体的成像大小逐渐减小，图3的下半部分中，横轴为物距，纵轴为像素数量，从左至右从最小（min）物距到最大（max）物距，2毫米的标靶线宽在成像中对应的像素点数量逐渐减小。

进一步需要说明的是：对采集图像进行处理进而计算视场角的具体处理过程为：先获得单帧图像的纵向和横向像素序列，并计算可视高度和可视宽度距离。然后获得连续帧中的分割帧。最后计算分割帧对应的视场角，同时获得拟合所需的误差要求程度。由于每帧标靶图像的二值图像中每个白色或者黑色的色块对应的物理量是已知的，所以可以通过二值序列中单色区域的数量来计算得到对应的物理量，即可视高度和可视宽度。

对于每帧标靶图像的二值图像，在过二值图像中心的一行中，从左至右逐个统计所有像素点的灰度值，构成横向二值序列，在过二值图像中心的一列中，从上至下逐个统计所有像素点的灰度值，构成纵向二值序列。

其中，横向二值序列或者纵向二值序列，如：[0，0，0，1，1，1，0，…，0，1，1，1，0，0，0]。

在横向二值序列中，计算相邻两个元素的差值绝对值，将所有相邻两个元素的差值绝对值的和值，记为横向线条数量。

在纵向二值序列中，计算相邻两个元素的差值绝对值，将所有相邻两个元素的差值绝对值的和值，记为纵向线条数量。

将横向线条数量与预设标靶线宽的乘积，记为可视宽度。

将纵向线条数量与预设标靶线宽的乘积，记为可视高度。

其中，横向线条数量与纵向线条数量为无量纲的数据值，预设标靶线宽的单位为毫米，即可视宽度与可视高度的单位为毫米。

由此，可获取每帧标靶图像对应数据包括：物距、焦距、二值图像、横向线条数量、纵向线条数量、可视宽度、可视高度。

步骤S003：根据由远到近所有帧标靶图像对应的纵向线条数量的变化，筛选出若干分割帧标靶图像；根据每一分割帧标靶图像对应的可视宽度与可视高度以及物距，确定垂直视场角与水平视场角。

所需说明的是：进一步地，可按照采集顺序，对连续帧进行分析，获得分割帧。即获得连续图像对应的线条数量，并排列得到序列，由于是从远到近拍摄标靶的，且图像中标靶成像近大远小，所以线条数量是由多变少的。由于采集图像时是连续采集的，而图像是离散量，是模拟量的近似量，所以有时会产生相邻采集的图像中线条数量一样的情况。就像四舍五入求近似值一样，0到0.4的都近似为0，0.5到1近似为1，所以在近似数从0到1时，数值在其1/2精度处，此处的计算会更加精确，采用统一的图像也能拟合更准确的关系，而不是头部、尾部或者中间任意选取，统一采用刚发生变化处的数据。如：1毫米的实际物理量，刚开始是3个像素表示的，物距小一些，可能还是由3个像素表示的，物距再小，直到由4个像素表示。由于本实施例中使用的为同心正方形标靶，即横向线条数量与纵向线条数量随物距的变化一致，则可任选一个进行后续分析。

由远到近逐帧获取所有标靶图像对应的纵向线条数量（或者横向线条数量），构成线条数量序列。

预设常数为1，以此为例进行叙述。

在线条数量序列中，对于任意两个元素，当前一个元素减去后一个元素的差值大于等于预设常数时，将所述前一个元素对应的一帧标靶图像，记为分割帧标靶图像。

由此，得到若干分割帧标靶图像。进一步地，计算分割帧对应的视场角，同时获得拟合所需的误差容错程度。

对于任意一分割帧标靶图像，获取可视高度的二分之一与物距的比值，记为第一比值，将第一比值输入至反正切函数中，得到第一输出值，将第一输出值的两倍，记为垂直视场角。获取可视宽度的二分之一与物距的比值，记为第二比值，将第二比值输入至反正切函数中，得到第二输出值，将第二输出值的两倍，记为水平视场角。

所需说明的是：由此，根据任意一分割帧标靶图像对应的物距、可视高度、可视宽度，得到其垂直视场角、水平视场角。本实施例中使用的为同心正方形标靶，标靶左右对称，且上下对称，因此取可视高度与可视宽度的二分之一，反正切函数的输出值的取值范围为-90度到90度，此为公知技术，因此取输出值的两倍，令视场角的取值范围为-180度到180度，令范围的大小为360度。

步骤S004：根据每一分割帧标靶图像的纵向高度与纵向线条数量，确定误差要求程度；对于所有分割帧标靶图像，以误差要求程度为函数拟合过程中加权残差平方和的权重，以焦距为自变量，分别以垂直视场角与水平视场角为因变量进行函数拟合，获取第一拟合函数与第二拟合函数；将连续变焦相机当前的焦距分别输入至第一拟合函数与第二拟合函数中，输出连续变焦相机当前的垂直视场角与水平视场角。

所需说明的是：由于是通过图像进行推理的，所以得到的数据的误差程度各不相同，分辨率越高，精度越高、数据准确性越高。同样的物理量，切分的像素量越多，则像素推理的结果越准确。由此，可获取数据对应的误差容错程度。

对于任意一分割帧标靶图像，获取分割帧标靶图像的纵向高度（即任意一列中的像素点数量）与纵向线条数量的比值（或者获取分割帧标靶图像的横向宽度（即任意一行中的像素点数量）与横向线条数量的比值），记为精准性。

获取所有分割帧标靶图像的精准性的和值，记为第一和值。

对于任意一分割帧标靶图像，获取精准性与第一和值的比值，记为误差要求程度。

所需说明的是：精准性越大，说明同样的线宽用更多的像素表示，越准确。由于所有标靶图像的尺寸是一致的，获取第一和值，而后获取任意一分割帧标靶图像的精准性与第一和值的比值，占比越大，说明此任意一分割帧标靶图像的数据在此次拟合中的重要性，或者准确性程度或误差要求程度越大，拟合时也要求更准确，要求误差越小。

对于所有分割帧标靶图像，以焦距为自变量，以垂直视场角为因变量，使用最小二乘法，进行函数拟合，获取第一拟合函数，其中，分割帧标靶图像的误差要求程度为最小二乘法中加权残差平方和的权重。

所需说明的是：最小二乘法为公知技术，残差平方和是最小二乘法中用于衡量模 型拟合优度的一个重要指标。而加权残差平方和是一种改进的残差平方和计算方法，它在 传统的残差平方和基础上引入了权重因子。最小二乘法是一种通过最小化误差平方和来寻 找最佳函数匹配的算法，具体为：（1）初始化参数：首先，为模型参数设置初始值。这些参数 将用于后续的迭代更新。（2）计算残差：根据当前参数值，计算模型预测值与实际观测值之 间的残差。残差是衡量模型拟合效果的重要指标。具体的，本实施例中当前参数值下的加权 残差平方和为：，其中，为分割帧标靶图像的数量，为第 个分割帧标靶图像的误差要求程度，为第个分割帧标靶图像的垂直视场角，为 前参数值下的函数模型中第个分割帧标靶图像对应的拟合垂直视场角，即根据前参数值 构建函数模型，以所有分割帧标靶图像的焦距与垂直视场角作为输入，输出每个分割帧标 靶图像对应的拟合垂直视场角。（3）更新参数：根据残差，调整参数值以减小残差。这通常通 过求解正规方程或使用梯度下降等方法实现。（4）迭代收敛：重复计算残差和更新参数的过 程，直到满足收敛条件（如残差小于某个阈值或达到最大迭代次数）。（5）输出结果：当迭代 收敛后，输出最终的参数值和拟合结果。

对于所有分割帧标靶图像，以焦距为自变量，以水平视场角为因变量，使用最小二乘法，进行函数拟合，获取第二拟合函数，其中，分割帧标靶图像的误差要求程度为最小二乘法中加权残差平方和的权重。

将连续变焦相机当前的焦距分别输入至第一拟合函数与第二拟合函数中，输出连续变焦相机当前的垂直视场角与水平视场角。

本发明还提供了一种连续变焦相机的转视场角FOV计算系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述存储器存储的计算机程序，以实现前述所述的一种连续变焦相机的转视场角FOV计算方法的步骤。

至此，本发明完成。

综上所述，在本发明实施例中，根据每帧标靶图像的二值图像中分别在横向与纵向上的像素点灰度值变化，确定横向线条数量与纵向线条数量，从而确定可视宽度与可视高度，根据由远到近所有帧标靶图像对应的纵向线条数量的变化，筛选出若干分割帧标靶图像，根据每一分割帧标靶图像对应的可视宽度与可视高度以及物距，确定垂直视场角与水平视场角，根据每一分割帧标靶图像的纵向高度与纵向线条数量，确定误差要求程度，对于所有分割帧标靶图像，以误差要求程度为函数拟合过程中加权残差平方和的权重，以焦距为自变量，分别以垂直视场角与水平视场角为因变量进行函数拟合，获取第一拟合函数与第二拟合函数，将连续变焦相机当前的焦距分别输入至第一拟合函数与第二拟合函数中，输出连续变焦相机当前的垂直视场角与水平视场角。本发明通过获得更加准确的焦距和视场角的关系函数，保障了视场角计算的准确性。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种连续变焦相机的转视场角FOV计算方法，其特征在于，该方法包括以下步骤：

由远到近获取若干帧标靶图像，其中，每帧标靶图像对应一个物距和一个焦距；获取每帧标靶图像的二值图像；

根据每帧标靶图像的二值图像中分别在横向与纵向上的像素点灰度值变化，确定横向线条数量与纵向线条数量；根据所述横向线条数量与纵向线条数量的大小，确定可视宽度与可视高度；

根据由远到近所有帧标靶图像对应的纵向线条数量的变化，筛选出若干分割帧标靶图像；根据每一分割帧标靶图像对应的可视宽度与可视高度以及物距，确定垂直视场角与水平视场角；

根据每一分割帧标靶图像的纵向高度与纵向线条数量，确定误差要求程度；对于所有分割帧标靶图像，以误差要求程度为函数拟合过程中加权残差平方和的权重，以焦距为自变量，分别以垂直视场角与水平视场角为因变量进行函数拟合，获取第一拟合函数与第二拟合函数；将连续变焦相机当前的焦距分别输入至第一拟合函数与第二拟合函数中，输出连续变焦相机当前的垂直视场角与水平视场角。

2.根据权利要求1所述一种连续变焦相机的转视场角FOV计算方法，其特征在于，所述确定横向线条数量与纵向线条数量，包括的具体步骤如下：

对于每帧标靶图像的二值图像，在过二值图像中心的一行中，从左至右逐个统计所有像素点的灰度值，构成横向二值序列，在过二值图像中心的一列中，从上至下逐个统计所有像素点的灰度值，构成纵向二值序列；

分别根据横向二值序列与纵向二值序列中相邻元素的差异，确定横向线条数量与纵向线条数量。

3.根据权利要求2所述一种连续变焦相机的转视场角FOV计算方法，其特征在于，所述分别根据横向二值序列与纵向二值序列中相邻元素的差异，确定横向线条数量与纵向线条数量，包括的具体步骤如下：

在横向二值序列中，将所有相邻元素的差值绝对值的和值，记为横向线条数量；

在纵向二值序列中，将所有相邻元素的差值绝对值的和值，记为纵向线条数量。

4.根据权利要求1所述一种连续变焦相机的转视场角FOV计算方法，其特征在于，所述确定可视宽度与可视高度，包括的具体步骤如下：

将横向线条数量与预设标靶线宽的乘积，记为可视宽度；

将纵向线条数量与预设标靶线宽的乘积，记为可视高度。

5.根据权利要求1所述一种连续变焦相机的转视场角FOV计算方法，其特征在于，所述筛选出若干分割帧标靶图像，包括的具体步骤如下：

由远到近逐帧获取所有标靶图像对应的纵向线条数量，构成线条数量序列；

根据线条数量序列中相邻元素的差异，筛选出若干分割帧标靶图像。

6.根据权利要求5所述一种连续变焦相机的转视场角FOV计算方法，其特征在于，所述根据线条数量序列中相邻元素的差异，筛选出若干分割帧标靶图像，包括的具体步骤如下：

在线条数量序列中，对于任意两个元素，当前一个元素减去后一个元素的差值大于等于预设常数时，将所述前一个元素对应的一帧标靶图像，记为分割帧标靶图像。

7.根据权利要求1所述一种连续变焦相机的转视场角FOV计算方法，其特征在于，所述确定垂直视场角与水平视场角，包括的具体步骤如下：

对于任意一分割帧标靶图像，获取可视高度的二分之一与物距的比值，记为第一比值，将第一比值输入至反正切函数中，得到第一输出值，将第一输出值的两倍，记为垂直视场角；获取可视宽度的二分之一与物距的比值，记为第二比值，将第二比值输入至反正切函数中，得到第二输出值，将第二输出值的两倍，记为水平视场角。

8.根据权利要求1所述一种连续变焦相机的转视场角FOV计算方法，其特征在于，所述确定误差要求程度，包括的具体步骤如下：

对于任意一分割帧标靶图像，获取分割帧标靶图像的纵向高度与纵向线条数量的比值，记为精准性；

根据所有分割帧标靶图像的精准性，确定任意一分割帧标靶图像的误差要求程度。

9.根据权利要求8所述一种连续变焦相机的转视场角FOV计算方法，其特征在于，所述根据所有分割帧标靶图像的精准性，确定任意一分割帧标靶图像的误差要求程度，包括的具体步骤如下：

获取所有分割帧标靶图像的精准性的和值，记为第一和值；

获取任意一分割帧标靶图像的精准性与第一和值的比值，记为误差要求程度。

10.一种连续变焦相机的转视场角FOV计算系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-9任一项所述的一种连续变焦相机的转视场角FOV计算方法的步骤。