CN108650494B - 基于语音控制的可即时获取高清照片的直播系统 - Google Patents

Abstract

本发明提供了一种基于语音控制的可即时获取高清照片的直播系统，包括上位机端、下位机端、服务器端和用户端；上位机端包括其上设有云台、图像采集设备以及第一传输模块的可移动承载设备；图像采集设备包括一个或多个相机模组；下位机端包括遥控设备、第二传输模块及语音模块。本发明的上述系统，每个相机模组的两个摄像头分别输出视角接近一致的具有时间对应关系的图片数据和视频数据，双数据流输出，满足用户在观看视频时实时拍摄高清照片的需求；在观看直播时用户发送语音或非语音控制信息，服务器获得对应的语音并转发给地面工作人员，指示其进行对应遥控操作来控制可移动承载设备和/或云台，可改变用户的观看视角，提高用户娱乐互动性。

Description

基于语音控制的可即时获取高清照片的直播系统

技术领域

本发明涉及信息处理技术，尤其涉及一种基于语音控制的可即时获取高清照片的直播系统。

背景技术

航拍又称空中摄影或航空摄影，是指从空中对地球地貌、城市景观、人物等方面进行摄影摄像活动。目前，无人机航拍已经被广泛运用于军事、交通建设、水利工程、生态研究、电视栏目和艺术摄影等方面。

然而，无论是现有的无人机航拍技术，还是其他诸如车载拍摄技术等，现有的这些技术均只能以单一模式输出视频或者输出图片，且对应单一用户，无法满足多用户、多方面的需求，给使用者带来了不便。

发明内容

在下文中给出了关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。

鉴于此，本发明提供了一种基于语音控制的可即时获取高清照片的直播系统，以至少解决现有诸如无人机航拍或车载拍摄等技术由于仅能以单一模式输出视频或者输出图片、对应单一用户而无法满足多用户、多方面需求的问题。

根据本发明的一个方面，提供了一种基于语音控制的可即时获取高清照片的直播系统，所述基于语音控制的可即时获取高清照片的直播系统包括上位机端、下位机端、服务器端和用户端；所述上位机端包括可移动承载设备，所述可移动承载设备上设有云台、与云台连接的图像采集设备以及第一传输模块；其中，所述云台用于调节与其连接的图像采集设备的位置和/或方向；所述图像采集设备包括一个或多个相机模组，其中，每个相机模组包括两个摄像头，且同一个相机模组中的两个摄像头在同时刻对应的采集视角大致相同；所述第一传输模块包括用于与所述下位机端通信的一个或多个无线图传模块；其中，每个相机模组中的两个摄像头分别用于输出图片数据和视频数据，所述图片数据包括一组或多组图片，而所述视频数据包括一组或多组视频帧序列；所述下位机端包括遥控设备、第二传输模块以及语音模块；所述第二传输模块包括用于与所述上位机端通信的一个或多个无线图传模块以及用于与所述服务器端通信的通信模块；所述下位机端用于接收并转发来自所述服务器端的采集指令至所述上位机端，以使所述上位机端的图像采集设备开始或停止采集其视野内图片/视频数据，并从所述上位机端接收图片/视频数据以实时转发给所述服务器端；所述遥控设备适于接收地面工作人员的操控指令，该操控指令包括用于控制所述可移动承载设备的第一指令以及用于控制所述云台的第二指令；所述遥控设备适于将该操控指令中的第一指令发送至所述可移动承载设备中的第一控制模块以控制所述可移动承载设备进行对应的操作动作，以及将该操控指令中的第二指令发送至所述云台的第二控制模块以控制所述云台进行对应的操作动作；所述语音模块适于接收来自所述服务器端的语音控制信息，根据该语音控制信息生成对应的语音播放给所述地面工作人员，以指示所述地面工作人员对所述遥控设备输入对应的操控指令；所述服务器端用于对从所述下位机端接收到的图片/视频数据进行即时、对应的处理并存储，当接收到来自所述用户端的请求指令时，获取与该请求指令相匹配的图片/视频数据发送给发出该请求指令的用户端，以及接收来自用户端的控制信息并生成对应的语音控制信息发送至所述下位机端；其中，所述请求指令包括请求视频传输指令和/或拍照指令。

进一步地，所述可移动承载设备为以下任一种：无人机、移动机械手臂、缆车、观光车、火车、飞机或船舶。

进一步地，当所述可移动承载设备为无人机时，所述第一指令包括用于控制所述无人机的自检、起飞、降落、返航、悬停、俯仰、滚转以及偏航中任一项或多项操控动作的指令。

进一步地，所述第一指令包括飞行方向控制指令和/或飞行高度控制指令。

进一步地，所述第二指令包括用于控制所述云台进行水平和/或俯仰方向的运动的控制指令。

进一步地，若用户端发送的控制信息为通过语音输入的语音控制信息，则所述服务器端直接将该语音控制信息实时转发至对应的下位机端。

进一步地，若用户端发送的控制信息为手动输入的非语音控制信息，则所述服务器端将该非语音控制信息转换为对应的语音控制信息，以将该语音控制信息实时发送至对应的下位机端。

进一步地，所述云台为多自由度云台，适于控制与其连接的图像采集设备进行多方向调节。

进一步地，所述云台能够控制与其连接的图像采集设备进行如下任一种或多种运动：水平旋转运动、垂直俯仰运动以及绕该图像采集设备的光轴旋转运动。

进一步地，所述云台上设有伸缩装置，所述与云台连接的图像采集设备设置在对应的伸缩装置上，以使该图像采集设备能够随该伸缩装置的伸缩而运动。

进一步地，所述云台包括云台控制模块和驱动模块，其中，所述云台控制模块作为所述第二控制模块；所述云台控制模块用于接收来自所述遥控设备的控制指令，并向所述驱动模块发出指令，通过所述驱动模块向对应的电机发出控制信号和驱动脉冲信号，以控制改变所述云台各转动轴的运动姿态。

进一步地，所述驱动模块还包括限位开关，以通过所述限位开关控制对应云台的转动范围。

进一步地，每个相机模组的摄像头为广角摄像头。

进一步地，每个相机模组中包括的两个摄像头所采集的图片数据和视频数据具有时间对应关系。

进一步地，所述可移动承载设备、该可移动承载设备上的云台以及图像采集设备均通过一个图传模块与所述下位机端通信。

进一步地，所述可移动承载设备、该可移动承载设备上的云台以及图像采集设备分别通过各自对应的图传模块来与所述下位机端通信。

进一步地，每个摄像模组中的两个摄像头分别通过一个图传模块传输图片数据和视频数据。

进一步地，所述可移动承载设备上设有一个或多个云台，单个云台用于控制对应的单个相机模组中的两个摄像头进行同步调节。

进一步地，所述可移动承载设备上设有一个或多个云台，单个云台用于控制所述一个或多个相机模组中至少两个相机模组的摄像头进行同步调节。

进一步地，所述可移动承载设备上设有多个云台，且每个相机模组对应两个云台，其中，单个相机模组中的两个摄像头分别通过两个云台进行非同步微调。

进一步地，所述上位机端的数量为一个或多个，且所述下位机端的数量与所述上位机端的数量一致；其中，每个上位机端通过该上位机端对应的下位机端与所述服务器端通信。

进一步地，当所述请求指令包括视频传输指令时，所述服务器端适于通过如下方式发送与该请求视频传输指令相匹配的视频数据：判断所述请求指令是拉流请求还是点播视频请求：若为拉流请求，则将拉流地址发送至对应的用户端；若为点播视频请求，则将已存储的与该请求指令中所携带的标识相符合的视频的虚拟路径地址发送至对应的用户端。

进一步地，当所述请求指令包括拍照指令时，所述服务器端适于通过如下方式获取与该拍照指令相匹配的图片数据：根据多组图片和视频流的对应关系，以及该拍照指令中所携带的发送时间，在存储的图片数据中选择对应该发送时间的图片数据，并保存在发出该拍照指令的用户账号下，以响应用户之后的下载。

进一步地，在所述图像采集设备包括多个相机模组的情况下，所述服务器端适于：在该多个相机模组之中确定与该请求指令相匹配的图片/视频数据所属的相机模组，作为目标相机模组，以选择该目标相机模组所采集的图片/视频数据作为与所述用户端的请求指令相匹配的图片/视频数据。

进一步地，所述服务器端适于允许接收来自有权用户发送的控制信息，并拒绝接收无权用户发送的控制信息。

进一步地，当一个用户端控制云台改变观看视角时，其他用户端能够共享该视角。

进一步地，在任一用户端向服务器端发送控制信息后，服务器端在上位机端未实施与该控制信息对应的、来自所述遥控设备的操控指令之前，不再接收其他用户端发送的与该控制信息类型相同的其他控制信息。

进一步地，所述服务器端在接收到用户端的请求指令或控制信息时，判定该指令或该信息中是否包含已支付信息，并在该指令包含已支付信息的情况下建立与该用户端的数据连接。

进一步地，所述服务器端包括处理模块、存储模块和第三传输模块；其中，所述处理模块适于对从所述下位机端接收到的图片/视频数据进行即时、对应的处理，所述存储模块适于存储经所述处理模块处理后的图片/视频数据，而所述第三传输模块适于与下位机和用户端进行通信。

进一步地，所述服务器端还包括用户管理模块，用于接收来自每个用户端的身份认证请求，并基于该身份认证请求对对应的用户设备进行身份认证，在认证成功后向该对应的用户端发送认证成功信息以与该用户设备建立数据连接。

进一步地，每个用户端包括：发送模块，用于向所述服务器端发送接入请求，获取视频数据、图片数据和/或控制云台的请求；接收模块，用于接收所述服务器端发送的视频数据、图片数据和/或响应控制云台请求的相关信息数据；显示模块，用于显示所述服务器端发送的视频数据、图片数据和/或显示实时控制云台的操作；以及第四传输模块，用于与所述服务器端进行数据通信。

进一步地，所述语音模块包括耳机和/或扬声器。

进一步地，每个相机模组分别设有对应的传感器组，其中，每个传感器组包括适于实时获取对应相机模组的位置的位置传感器以及适于实时获取对应相机模组的姿态的姿态传感器；所述服务器端接收来自用户的兴趣目标指令，以根据该兴趣点指令在多个预设兴趣目标位置之中选择其一来作为当前观景目标位置，根据当前观景目标位置与目标相机模组的实时位置之间的连线对所述目标相机模组对应的云台进行调节，以使得所述目标相机模组中各摄像头光轴主方向与所述连线方向相一致；其中，所述多个预设兴趣目标位置包括预先设置在预定区域内的多个已知位置点。

进一步地，当所述图像采集设备包括一个相机模组时，该相机模组作为所述目标相机模组；当所述图像采集设备包括多个相机模组时，所述目标相机模组为所述多个相机模组中距离所述当前观景目标位置最近的相机模组。

进一步地，每个相机模组分别设有对应的传感器组，其中，每个传感器组包括适于实时获取对应相机模组中各摄像头的位置的多个位置传感器以及适于实时获取对应相机模组中各摄像头的姿态的多个姿态传感器；所述服务器端接收来自用户的兴趣目标指令，以根据该兴趣点指令在多个预设兴趣目标位置之中选择其一来作为当前观景目标位置，根据当前观景目标位置与目标相机模组各摄像头的实时位置之间的连线对所述目标相机模组对应的云台进行调节，以使得所述目标相机模组中各摄像头光轴主方向与所述连线方向一致；其中，所述多个预设兴趣目标位置包括预先设置在预定区域内的多个已知位置点。

进一步地，当所述图像采集设备包括一个相机模组时，该相机模组作为所述目标相机模组；当所述图像采集设备包括多个相机模组时，所述目标相机模组为所述多个相机模组的各摄像头中距离所述当前观景目标位置最近的摄像头所属的相机模组。

进一步地，单个相机模组中的两个摄像头分别通过两个云台实时根据所述连线方向进行姿态同步调节或姿态异步调节。

本发明的基于语音控制的可即时获取高清照片的直播系统的上位机端设有包含一个或多个相机模组的图像采集设备，通过每个相机模组中的两个摄像头分别输出视角接近一致的具有时间对应关系的图片数据和视频数据，其不同于现有航拍中的单一输出模式(输出视频或者输出图片)，这种形式在观看直播的同时不能即时下载图片；也不同于现有技术中在视频流中截图，这种形式视频和图片的分辨率一样，若想要获得高分辨率的图片则需要拍摄高分辨率(例如4K)视频，这对直播过程中的带宽要求较严格；而本发明通过设置在时间上对应的两个摄像头的双数据流输出模式，满足用户在观看较低分辨率 (例如1080P)直播视频时实时获取高分辨率(例如4K)图片的需求。上述基于语音控制的可即时获取高清照片的直播系统通过上位机端发送数据至下位机端，下位机端将数据发送至服务器端，再经服务器端将数据发送至至少一个用户端，由此能够实现多名用户同时共享本系统进行观看直播视频和拍照。

此外，利用本发明的上述基于语音控制的可即时获取高清照片的直播系统，用户不仅可以进行观看直播视频和拍照，而且可以在观看直播时通过用户端发出控制信息(语音或非语音)给服务器，再经由服务器获得对应的语音控制信息而发送(若用户端发来的本身就是通过语音输入的语音控制信息，则直接转发)至下位机端中的语音模块(通过下位机端中的第二传输模块接收)，通过语音模块向地面工作人员播放对应的音频内容，而指示地面工作人员对遥控设备进行对应操作，从而实现对相应的可移动承载设备和/或云台进行控制，实现了对可移动承载设备和/或云台的动作和/或姿态的实时控制，进而能够改变用户的观看视角，提高了用户娱乐互动性。

此外，本发明还可以通过允许用户设定兴趣目标的方式，使用户在观看直播视频时对关注的兴趣目标进行实时切换，给用户提供舒适的观景效果。

通过以下结合附图对本发明的最佳实施例的详细说明，本发明的这些以及其他优点将更加明显。

附图说明

本发明可以通过参考下文中结合附图所给出的描述而得到更好的理解，其中在所有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分，而且用来进一步举例说明本发明的优选实施例和解释本发明的原理和优点。在附图中：

图1是示意性地示出本发明的基于语音控制的可即时获取高清照片的直播系统的一个示例的结构图；

图2是示意性地示出图1中的服务器端的一种可能结构的视图；

图3是示意性地示出图1中的单个用户端的一种可能结构的视图。

本领域技术人员应当理解，附图中的元件仅仅是为了简单和清楚起见而示出的，而且不一定是按比例绘制的。例如，附图中某些元件的尺寸可能相对于其他元件放大了，以便有助于提高对本发明实施例的理解。

具体实施方式

在下文中将结合附图对本发明的示范性实施例进行描述。为了清楚和简明起见，在说明书中并未描述实际实施方式的所有特征。然而，应该了解，在开发任何这种实际实施例的过程中必须做出很多特定于实施方式的决定，以便实现开发人员的具体目标，例如，符合与系统及业务相关的那些限制条件，并且这些限制条件可能会随着实施方式的不同而有所改变。此外，还应该了解，虽然开发工作有可能是非常复杂和费时的，但对得益于本公开内容的本领域技术人员来说，这种开发工作仅仅是例行的任务。

在此，还需要说明的一点是，为了避免因不必要的细节而模糊了本发明，在附图中仅仅示出了与根据本发明的方案密切相关的装置结构和/或处理步骤，而省略了与本发明关系不大的其他细节。

本发明的实施例提供了一种基于语音控制的可即时获取高清照片的直播系统，所述基于语音控制的可即时获取高清照片的直播系统包括上位机端、下位机端、服务器端和用户端；所述上位机端包括可移动承载设备，所述可移动承载设备上设有云台、与云台连接的图像采集设备以及第一传输模块；其中，所述云台用于调节与其连接的图像采集设备的位置和/或方向；所述图像采集设备包括一个或多个相机模组，其中，每个相机模组包括两个摄像头，且同一个相机模组中的两个摄像头在同时刻对应的采集视角大致相同；所述第一传输模块包括用于与所述下位机端通信的一个或多个无线图传模块；其中，每个相机模组中的两个摄像头分别用于输出图片数据和视频数据，所述图片数据包括一组或多组图片，而所述视频数据包括一组或多组视频帧序列；所述下位机端包括遥控设备、第二传输模块以及语音模块；所述第二传输模块包括用于与所述上位机端通信的一个或多个无线图传模块以及用于与所述服务器端通信的通信模块；所述下位机端用于接收并转发来自所述服务器端的采集指令至所述上位机端，以使所述上位机端的图像采集设备开始或停止采集其视野内图片/ 视频数据，并从所述上位机端接收图片/视频数据以实时转发给所述服务器端；所述遥控设备适于接收地面工作人员的操控指令，该操控指令包括用于控制所述可移动承载设备的第一指令以及用于控制所述云台的第二指令；所述遥控设备适于将该操控指令中的第一指令发送至所述可移动承载设备中的第一控制模块以控制所述可移动承载设备进行对应的操作动作，以及将该操控指令中的第二指令发送至所述云台的第二控制模块以控制所述云台进行对应的操作动作；所述语音模块适于接收来自所述服务器端的语音控制信息，根据该语音控制信息生成对应的语音播放给所述地面工作人员，以指示所述地面工作人员对所述遥控设备输入对应的操控指令；所述服务器端用于对从所述下位机端接收到的图片/视频数据进行即时、对应的处理并存储，当接收到来自所述用户端的请求指令时，获取与该请求指令相匹配的图片/视频数据发送给发出该请求指令的用户端，以及接收来自用户端的控制信息并生成对应的语音控制信息发送至所述下位机端；其中，所述请求指令包括请求视频传输指令和/或拍照指令。

图1给出了本发明的基于语音控制的可即时获取高清照片的直播系统的一个示例的结构图。

如图1所示，在该示例中，基于语音控制的可即时获取高清照片的直播系统包括上位机端10、下位机端20、服务器端30和用户端40。

上位机端10包括可移动承载设备11，可移动承载设备11上设有云台11-1、与云台11-1连接的图像采集设备11-2以及第一传输模块11-3。

例如，可移动承载设备11可以是但不限于以下任一种：无人机、移动机械手臂、缆车、观光车、火车、飞机或船舶等。

云台11-1用于调节与其连接的图像采集设备11-2的位置和/或方向。

图像采集设备11-2包括一个或多个相机模组，其中，每个相机模组包括两个摄像头，且同一个相机模组中的两个摄像头在同时刻对应的采集视角大致相同。

其中，同一个相机模组中的两个摄像头在同时刻对应的采集视角大致相同，即该两个摄像头同时刻的采集视角基本相同，比如可以是完全一致，也可以二者的相对夹角在预定范围内(如二者相对夹角小于5度或8度等)。

根据本发明的实施例，每个相机模组的摄像头可以为广角可变焦摄像头或不可变焦摄像头。当相机模组的两个摄像头均为可变焦摄像头时，该两个可变焦摄像头例如能够同步变焦，且相对夹角满足两个摄像头同时刻采集的图片视角接近一致。其中，相对夹角例如可以通过手动/自动调节。

根据本发明的实施例，单个相机模组中的两个摄像头的排列方式例如包含但不限制水平或垂直排列。

根据本发明的实施例，每个相机模组例如可以分别设有对应的传感器组，其中，每个传感器组包括适于实时获取对应相机模组的位置的位置传感器以及适于实时获取对应相机模组的姿态的姿态传感器；服务器端接收来自用户的兴趣目标指令，以根据该兴趣点指令在多个预设兴趣目标位置之中选择其一来作为当前观景目标位置，根据当前观景目标位置与目标相机模组的实时位置之间的连线对目标相机模组对应的云台进行调节，以使得目标相机模组中各摄像头光轴主方向与上述连线方向相一致，由此使得当前观景目标位置位于上述目标相机模组各摄像头的拍摄中心。在该示例中，可以将同一个相机模组中两个摄像头的位置、姿态看作相同，由此采用同一个位置传感器来获取同一个相机模组中两个摄像头的位置，以及采用同一个姿态传感器来获取同一个相机模组中两个摄像头的姿态。其中，多个预设兴趣目标位置包括预先设置在预定区域内的多个已知位置点。当图像采集设备包括一个相机模组时，该相机模组作为目标相机模组；当图像采集设备包括多个相机模组时，目标相机模组例如为多个相机模组中距离当前观景目标位置最近的相机模组。

根据本发明的实施例，每个相机模组例如可以分别设有对应的传感器组，其中，每个传感器组包括适于实时获取对应相机模组中各摄像头的位置的多个位置传感器以及适于实时获取对应相机模组中各摄像头的姿态的多个姿态传感器；服务器端接收来自用户的兴趣目标指令，以根据该兴趣点指令在多个预设兴趣目标位置之中选择其一来作为当前观景目标位置，根据当前观景目标位置与目标相机模组各摄像头的实时位置之间的连线对目标相机模组对应的云台进行调节，以使得目标相机模组中各摄像头光轴主方向与上述连线方向一致。其中，多个预设兴趣目标位置包括预先设置在预定区域内的多个已知位置点。当图像采集设备包括一个相机模组时，该相机模组作为目标相机模组；当图像采集设备包括多个相机模组时，目标相机模组为多个相机模组的各摄像头中距离当前观景目标位置最近的摄像头所属的相机模组。在该示例中，单个相机模组中的两个摄像头可以分别通过两个云台实时根据各自对应的连线方向进行姿态同步调节或姿态异步调节。也就是说，在同一个相机模组中，两个摄像头各自与当前观景目标位置之间的连线方向是不同的，则可以对这两个摄像头各自对应的云台分别进行调节(不同步)，使得两个摄像头均能够使得当前观景目标位置位于各自的拍摄中心

例如，无人机(作为可移动承载设备的示例，下面描述的无人机也可以是其他类型的可移动承载设备)在图像采集过程中不断地移动，在对焦点改变的情况下，为使两个摄像头拍摄出来的两幅图像重合度高，则需要时刻调整两个摄像头的姿态，无人机的飞行轨迹为预先设定的，例如飞行轨迹是直线或圆，兴趣目标的设定例如为景点中沿直线或圆内外不同位置的某个自然或人工建筑物，可根据不同的景点设置不同的飞行轨迹及兴趣目标；且兴趣目标的地理位置已由景点工作人员预先获取。

这样，通过允许用户设定兴趣目标的方式，使用户在观看直播视频时对关注的兴趣目标进行实时切换，因为无人机在移动，而兴趣目标不动，需要实时获取无人机上单个相机模组中两个摄像头的位置和姿态数据(每个摄像头上均需放置位置和姿态传感器)，根据摄像头和兴趣目标(已知地理位置)两者之间的连线确定摄像机光轴主方向，则单个相机模组中的两个摄像头分别通过两个云台实时根据以上连线数据进行姿态同步调节，使得兴趣目标始终处于图像中心。例如，飞行初始时刻第一兴趣目标和摄像头(两个摄像头单独计算)的连线距离小于等于D(D为设定距离)，则摄像头(两个摄像头单独计算)对焦对象即为第一兴趣目标，当无人机飞行一段时间后，第一兴趣目标和摄像头 (两个摄像头单独计算)的连线距离大于D，而第二兴趣目标和摄像头(两个摄像头单独计算)的连线距离小于等于D，则摄像头(两个摄像头单独计算) 自动将对焦对象改为第二兴趣目标，若此时用户仍然选择第一兴趣目标为主要观看目标，则只需要点击第一兴趣目标标识，则云台仍然控制图像采集设备转向第一兴趣目标。

由此，每个相机模组在识别到采集指令后，采集其视野内图片/视频数据实时传输给下位机端20。

第一传输模块11-3包括用于与下位机端20通信的一个或多个无线图传模块。其中，每个相机模组中的两个摄像头分别用于输出图片数据和视频数据，图片数据包括一组或多组图片，而视频数据包括一组或多组视频帧序列。也就是说，在单个相机模组中，其中一个摄像头用于输出图片数据，而另一个摄像头用于输出视频数据。

其中，每个相机模组中包括的两个摄像头所采集的图片数据和视频数据具有时间对应关系，两个摄像头同时接收采集指令，分别采集图片数据和视频数据，对应关系如下：视频数据以n帧为一个帧序列，将视频流按照播放时间顺序划分为若干个帧序列，用Ir表示第r个帧序列，Ir1，Ir2，……Irn表示第r个视频帧序列中的n帧图像；在同一个相机模组中同一时刻所采集的图片数据可以用Dr表示，Dr1，Dr2，……Drn表示第r个视频帧序列中的n帧图像所对应的图片数据。

根据本发明的实施例，在保证图像数据传输速度的情况下，可移动承载设备11、该可移动承载设备11上的云台11-1以及图像采集设备11-2例如可以通过同一个图传模块与下位机端20通信。

根据本发明的实施例，可移动承载设备11、该可移动承载设备11上的云台 11-1以及图像采集设备11-2也可以分别通过各自对应的图传模块来与下位机端 20通信。这样，通过多个图传模块分别传输对应设备的数据传输，如，可移动承载设备11通过第一图传模块传输数据，云台11-1通过第二图传模块传输数据 (若有多个云台11-1，例如可以通过多个第二图传模块传输数据)，图像采集设备11-2通过第三图传模块传输数据。

在一个例子中，在图像采集设备11-2中，当包括多个相机模组时，该多个相机模组例如可以通过多个图传模块传输数据，或者可以仅通过同一个图传模块传输数据。

此外，对于同一组相机模组，其中的两个摄像头可以通过同一个图传模块传输数据，也可以通过两个图传模块分别传输数据。例如，为满足图像数据快速传输，每个摄像模组中的两个摄像头可以分别通过一个图传模块传输图片数据和视频数据，即，两个摄像头通过两个图传模块分别传输图片数据和视频数据，使得图片数据和视频数据分别传输。

如图1所示，下位机端20包括第二传输模块21、遥控设备22和语音模块23，第二传输模块21包括用于与上位机端10通信的一个或多个无线图传模块以及用于与服务器端通信的通信模块，该通信模块例如可以是有线通信模块或无线通信模块。

下位机端20用于接收并转发来自服务器端30的采集指令至上位机端10(例如发给云台或者图像采集设备)，以使上位机端10的图像采集设备11-2开始或停止采集其视野内图片/视频数据，并从上位机端10接收图片/视频数据以实时转发给服务器端30。

此外，遥控设备22适于接收地面工作人员的操控指令。遥控设备22例如是由地面工作人员操作的遥控器，用于控制上位机端10中的可移动承载设备11 和/或云台11-1等。

其中，遥控设备22接收的操控指令可以包括用于控制可移动承载设备11 的第一指令以及用于控制云台11-1的第二指令。

遥控设备22例如可以将该操控指令中的第一指令发送至可移动承载设备 11中的第一控制模块(如无人机中的飞行控制模块)以控制可移动承载设备进行对应的操作动作，以及将该操控指令中的第二指令发送至云台11-1的第二控制模块(如下文中提到的云台控制模块)以控制云台11-1进行对应的操作动作。

其中，控制指令可以包括多种类型的指令。例如，控制指令包括用于对可移动承载设备11进行控制的第一指令以及用于对云台11-1进行控制的第二指令。

不同类型的控制指令(如第一和第二指令)可以通过控制指令中的特定字段进行区分。例如，如控制指令中第一字段对应表示第一指令，而控制指令中第二字段对应表示第二指令。

例如，当上位机端10接收的来自遥控设备22的控制指令仅包含第一指令时，将对可移动承载设备11执行对应的控制操作，如使无人机(作为可移动承载设备11的示例)飞行到预定高度等。

又如，当上位机端10接收到的来自遥控设备22的控制指令仅包含第二指令时，假设第二指令中对应的云台序号为2(假设当前有多个云台)，则对序号为2的那个云台进行对应的控制操作，如使该云台的俯仰角向下调整10度等。

再如，当上位机端10接收到的来自遥控设备22的控制指令既包含第一指令、又包含第二指令时，则可以分别对对应的可移动承载设备11和云台11-1执行相应控制操作。

根据本发明的实施例，当可移动承载设备11为无人机时，第一指令例如可以包括用于控制无人机进行自检、起飞、降落、返航、悬停、俯仰、滚转以及偏航等各类飞行操控动作中任一项或多项操控动作的指令。

例如，第一指令可以包括飞行方向控制指令和/或飞行高度控制指令。

其中，第一指令(如飞行方向控制指令和/或飞行高度控制指令)例如可以在预设范围(如预设地理位置范围和/或预设高度范围等)内对可移动承载设备11(如无人机)进行控制，而当可移动承载设备11达到上述预设范围边界时，将使得上述第一指令不再有效。由此，可避免第一指令对可移动承载设备 11的过度控制而造成的不安全问题。

根据本发明的实施例，第二指令例如可以包括用于控制云台11-1进行水平和/或俯仰方向等各方向的运动的控制指令(比如云台方位角控制指令和/或云台俯仰角控制指令等)。

其中，第一或第二指令中包含的各种具体指令(如飞行方向控制指令和飞行高度控制指令，或云台方位角控制指令和云台俯仰角控制指令等)还可以通过其中不同字段来区分。例如，在第一指令对应的第一字段中，第一一子字段对应表示飞行方向控制指令，而第一字段中的第一二子字段对应表示飞行高度控制指令；又如，在第二指令对应的第二字段中，第二一子字段对应表示云台方位角控制指令，而第二二子字段对应表示云台俯仰角控制指令；等等。

由此，通过不同的控制指令(如通过控制指令中不同字段)实现对上位机端10中不同部件的不同类型的控制，而且，对上位机端10中不同部件的控制可以是同时进行的、或非同时进行的。

根据本发明的实施例，若用户端40发送的控制信息为语音输入的语音控制信息，则服务器端30直接将该语音控制信息实时转发至下位机端，下位机端接收该语音控制信息后，通过语音模块生成与该语音控制信息对应的语音并播放该语音。其中，语音模块例如可以是耳机和/或扬声器等。这样，地面工作人员可以通过佩戴该语音模块、或者通过将该语音模块设置在预设位置(如固定或可移动的位置等)，来收听该语音模块中的音频内容，从而对遥控设备执行对应的操作。

此外，若用户端40发送的控制信息为手动输入的非语音控制信息，则服务器端30可以先将该非语音控制信息转换为对应的语音控制信息，再将转换得到的语音控制信息实时发送至下位机端，下位机端接收该语音控制信息后，通过语音模块生成与该语音控制信息对应的语音并播放该语音。这样，地面工作人员可以通过佩戴该语音模块、或者通过将该语音模块设置在预设位置(如固定或可移动的位置等)，来收听该语音模块中的音频内容，从而对遥控设备执行对应的操作。

其中，上位机端10的数量可以为一个或多个，且下位机端20的数量与上位机端10的数量一致。每个上位机端10可以通过该上位机端10对应的下位机端20 与服务器端30通信。应当理解的是，图1中仅示出了一个上位机端和一个下位机端的示例，在其他示例中，上位机端和下位机端的数量也可以是多个。

根据本发明的实施例，云台11-1例如为多自由度云台，适于控制与其连接的图像采集设备11-2进行多方向调节。

例如，云台11-1能够控制与其连接的图像采集设备11-2进行如下任一种或多种运动：水平旋转运动、垂直俯仰运动以及绕该图像采集设备11-2的光轴旋转运动等。云台11-1例如可以集成电机驱动、伺服控制等功能，可根据指令调节与云台连接的图像采集设备进行多方向运动，例如为三自由度云台，则可以根据指令调节图像采集设备进行上述的水平旋转运动、垂直俯仰运动以及绕摄像机光轴旋转运动

根据本发明的实施例，云台11-1上可以设有伸缩装置，与云台11-1连接的图像采集设备11-2设置在对应的伸缩装置上，以使该图像采集设备11-2能够随该伸缩装置的伸缩而运动。

根据本发明的实施例，云台11-1可以包括云台控制模块(作为第二控制模块)和驱动模块；云台控制模块用于接收来自下位机端20中的遥控设备22的控制指令，并向驱动模块发出指令，通过驱动模块向对应的电机发出控制信号和驱动脉冲信号，以控制改变云台11-1各转动轴的运动姿态。

此外，驱动模块还可以包括限位开关，以通过限位开关控制对应云台11-1 的转动范围。

根据本发明的实施例，可移动承载设备11上例如设有一个或多个云台 11-1，单个云台11-1例如用于控制对应的单个相机模组中的两个摄像头进行同步调节。

例如，可移动承载设备11仅设有一个云台11-1和一个相机模组，该云台11-1 能够控制该相机模组中的两个摄像头进行同步调节。其中，上述相机模组镜头例如可以朝向可移动承载设备飞行或者行驶的正前方。

又如，可移动承载设备11上设有多个云台11-1和多个相机模组，云台11-1 和相机模组一一对应，每个云台11-1分别控制一个相机模组中的两个摄像头进行同步调节，但多个相机模组之间的调节不必同步。

根据本发明的实施例，可移动承载设备11上例如设有一个或多个云台 11-1，单个云台11-1例如用于控制一个或多个相机模组中至少两个相机模组的摄像头进行同步调节。

例如，可移动承载设备11上设有一个云台11-1和多个相机模组，该云台11-1 能够控制该多个相机模组中的所有摄像头进行同步调节。

又如，可移动承载设备11上设有一个云台11-1和多个相机模组，该云台11-1 能够控制该多个相机模组中的部分摄像头进行同步调节。

再如，可移动承载设备11上设有多个云台11-1和多个相机模组，单个云台 11-1可以控制多个相机模组中的至少两个相机模组中的摄像头进行同步调节。比如，假设有2个云台和5个相机模组，第一个云台控制其中3个相机模组的6 个摄像头进行同步调节，而第二个云台控制另外2个相机模组的4个摄像头进行同步调节。

作为单云台控制多组相机模组的示例，以两组为例，则一组相机模组镜头朝向可移动承载设备飞行或者行驶的正前方，另一组相机模组镜头朝向可移动承载设备飞行或者行驶的正后方，则云台控制两组相机模组同步运动，例如两组相机模组用机械轴相连且保持相对静止，则云台控制其中一个相机模组运动的同时，另一个相机模组也会同轴运动，此时可观看视角为相对可移动载体的正前方和正后方。

例如，当云台接收向左转动的指令时，则正前方的相机模组实时向左转动，而正后方的相机模组向右转动；又例如，两组相机模组之间并不用机械轴相连，而是云台控制模块向驱动模块发出同一转动指令，例如向上转动，则驱动模块向对应的两组俯仰电机发出控制信号和驱动脉冲信号，使两组相机模组同时向上转动。

作为单云台控制多组相机模组的示例，为获得更多方向的视角，也可以采用单云台控制四组相机模组，则一组相机模组镜头朝向可移动承载设备飞行或者行驶的正前方，一组相机模组镜头朝向可移动承载设备飞行或者行驶的正后方，两组相机模组用机械轴相连作为A组相机；一组相机模组镜头朝向可移动承载设备飞行或者行驶的正左方，一组相机模组镜头朝向可移动承载设备飞行或者行驶的正右方，两组相机模组用机械轴相连作为B组相机，则云台控制A 组相机和B组相机同步运动，例如A组相机机械轴中间部位和B组相机机械轴中间部位之间用另一机械轴相连且保持相对静止，A组相机和B组相机呈不在一个平面内的十字交叉状，则云台控制其中一个相机模组运动的同时，另外三个相机模组也会同轴运动。

例如，当云台接收向左转动的指令时，则正前方的相机模组实时向左转动，而另外三个相机模组也会向左转动；又例如，每组相机模组之间并不用机械轴相连，而是云台控制模块向驱动模块发出同一转动指令，例如向上转动，则驱动模块向对应的四组俯仰电机发出控制信号和驱动脉冲信号，使四组相机模组同时向上转动。

此外，根据本发明的实施例，可移动承载设备11上可以设有多个云台，而每个相机模组对应两个云台，其中，单个相机模组中的两个摄像头分别通过两个云台进行非同步微调。其中，这里所说的微调例如可以是0-15度范围内的调节，或者其他预设的范围。

此外，可选地，对于单个相机模组而言，除了分别用于控制两个摄像头的两个云台之外，还可以采用另外一个云台来控制这两个摄像头的同步调节。

举例来说，假设某相机模组对应3个云台，即云台A、云台B和云台C，相机模组包括第一摄像头和第二摄像头，其中，云台A用于对第一摄像头进行微调(假设各自由度方向调节范围为0-10度)，云台B用于对第二摄像头进行微调(假设各自由度方向调节范围为0-10度)，而云台C用于对第一和第二摄像头进行同步调节(假设各自由度方向调节范围为0-360度)。假设在t1时刻，两个摄像头方向朝向可移动承载设备11(如无人机)的正前方，假设此时拍摄目标与可移动承载设备11之间距离1000米，两个摄像头的朝向基本一致(均朝向该拍摄目标)；在t2时刻，假设可移动承载设备11距离拍摄目标500米，仍然较远，并假设此时可移动承载设备11的朝向相比t1时刻向右旋转了30度，此时，可以通过云台C来对第一和第二摄像头进行整体的同步调节，即使得第一和第二摄像头同步地向左旋转30度或其他度数(目标可能有微小移动)；在t3 时刻，假设可移动承载设备11距离拍摄目标2米，距离非常近，此时第一摄像头、第二摄像头、拍摄目标三者的位置类似三角形的三个顶点位置，由此可知，第一摄像头与第二摄像头分别朝向拍摄目标的方向是不同的，因此需要分别对二者方向进行非同步调节(微调)，而不是同步调节，这样，可以通过云台A 对第一摄像头的方向进行微调(比如向右微调5度)，通过云台B对第二摄像头的方向进行微调(比如向左微调5度)，使得二者的采集方向都能够对准拍摄目标。此外，针对单个相机模组，还可以通过两个独立的伸缩装置来分别实现该相机模组中两个摄像头各自的位置调节。

服务器端30用于对从下位机端20接收到的图片/视频数据进行即时、对应的处理并存储。将视频数据(多组视频帧序列)进行编码压缩成例如H.264格式的直播视频流，将压缩的直播视频流进行格式封装并存储(例如存储为FLV 格式)，同时通过视频传输协议(例如RTSP)进行推流并进行分发，其中，在编码过程中建立直播视频流和原始视频数据的对应关系；FLV格式视频文件作为点播视频源存储在服务器端，并确定唯一标识。

服务器端30例如可以对于每个相机模组所采集的多组视频帧序列所对应的多组图片可选择部分或全部存储，并根据时间对应原则建立多组图片和直播视频流的对应关系。

或者，对应于第r个视频帧序列的部分或者全部图片数据也可以在上位机端10设置，上位机端10将已经建立对应关系的部分/全部图片数据和视频数据通过第一传输模块11-3传输至下位机端20并实时转发给服务器端30，服务器端 30接收到部分/全部图片数据和全部视频数据后进行上述处理后存储。

此外，当接收到来自用户端40的请求指令时，服务器端30将与该请求指令相匹配的图片/视频数据发送给发出该请求指令的用户端40。其中，上述来自用户端40的请求指令可以是来自一个用户端40的一个请求指令，也可以是来自一个用户端40的多个请求指令，或者可以是来自多个用户端40的多个请求指令。

其中，请求指令包括请求视频传输指令和/或拍照指令。

根据本发明的实施例，当请求指令包括请求视频传输指令时，服务器端30 例如可以通过如下方式发送与该请求视频传输指令相匹配的视频数据：判断用户的指令(即请求指令)是拉流请求还是点播视频请求，若为拉流请求，则将拉流地址(URL)发送至对应的用户端；若为点播视频请求，则将已存储的与请求指令中所携带的标识相符合的视频的虚拟路径地址(URL)发送至对应的用户端；

根据本发明的实施例，当请求指令包括拍照指令时，服务器端30例如可以通过如下方式获取与该拍照指令相匹配的图片数据：根据多组图片和视频流的对应关系，以及该拍照指令中所携带的发送时间，在(例如从服务器端30的存储模块中)存储的图片数据中选择对应该发送时间的图片数据，并保存在发出该拍照指令的用户账号下，以响应用户之后的下载。

当图像采集设备11-2包括多个相机模组时，服务器端30例如可以在该多个相机模组之中确定与该请求指令相匹配的图片/视频数据所属的相机模组，作为目标相机模组，以选择该目标相机模组所采集的图片/视频数据作为与用户端40的请求指令相匹配的图片/视频数据。也就是说，在图像采集设备11-2包括多个相机模组下，服务器端30在获取与用户端40请求指令相匹配的图片/视频数据之前，还要先判断与请求指令相匹配的图片/视频数据所属的相机模组，进而(例如从服务器端30的存储模块中)选择获取对应的相机模组所采集的图片/视频数据。

其中，例如可以按照如下方式来判断与请求指令相匹配的图片/视频数据所属的相机模组：获取请求指令中的传输参数，该传输参数包括待传输的视频帧参数(如哪一帧或哪些帧的序号，或者相机模组的序号等)，根据该传输参数确定与之对应的那个相机模组。

这样，用户端不仅能观看直播/点播视频，在观看直播/点播视频过程中拍照获取高清图片，还可以在观看直播时发出操控指令对云台进行控制。实时控制云台的用户可以按照自己意愿观看不同视角的景色以及拍摄高清图片。

此外，当一个用户端40控制云台改变观看视角时，其他用户端40例如能够共享该视角。这样，在一个用户控制云台改变观看视角的同时，其他用户可以共享该视角，从而观看视频或者拍照。

根据本发明的实施例，服务器端30可以允许接收来自有权用户发送的控制信息，并拒绝接收无权用户发送的控制信息。其中，有权用户即具有权限的用户，而无权用户即没有权限的用户。

例如，在任一用户端40向服务器端30发送信息后，服务器端30在上位机端 10(如可移动承载设备11和/或云台11-1)未实施与该控制信息对应的、来自遥控设备22的操控指令之前，不再接收其他用户端40发送的与该控制信息类型相同的其他控制信息。

例如，当服务器端30接收到来自某个用户端40发送的控制信息时，假设该控制信息为语音输入的语音控制信息，对其进行语音文字识别和语义识别等，可知其对应的设备名称(如无人机等，和/或云台11-1的序号等)，则当其包含可移动承载设备11的名称(如无人机等)时，则“与该控制信息类型相同的其他控制信息”是指内容也同样对应可移动承载设备11的名称(如无人机等)的其他信息；而当其对应云台时，则“与该控制信息类型相同的其他控制信息”是指内容也同样对应云台的其他信息。类似地，当用户端40发送的控制信息为非语音控制信息时，对应处理与之类似，不再赘述。

这样，当一个用户通过其用户端40向服务器端30发送一个控制信息后，假设该控制信息为语音控制信息，内容为“飞到200米”的一条语音。服务器端 30将该条语音转发给下位机20中的语音模块23，语音模块23播放该条语音“飞到200米”，由此，地面工作人员听到该条语音后，将会操作遥控设备22而使得无人机(作为可移动承载设备11的示例)飞行到200米的高度。同时，服务器30通过识别技术(如现有的语音文字识别、语义识别等)，识别出“飞到200 米”的内容是与“无人机”(作为可移动承载设备11的示例)对应的，由此，在无人机尚未执行“飞到200米”这条语音控制信息前，当再有其他用户端向服务器发送新的控制信息时，若该新的控制信息同样对应于无人机，则拒收该新的控制信息。

此外，根据本发明的实施例，服务器端30还可以在接收到用户端40的请求指令(如下载)或控制信息时，判定该指令或该信息中是否包含已支付信息，并在该指令包含已支付信息的情况下建立与该用户端40的数据连接。已支付信息例如可以通过在线支付方式获得。

图2给出了服务器端30的一种可能结构。如图2所示，服务器端30例如可以包括处理模块31、存储模块32和第三传输模块33。

其中，处理模块31例如可以对从下位机端20接收到的图片/视频数据进行即时、对应的处理，存储模块32例如可以存储经处理模块处理后的图片/视频数据，而第三传输模块33例如可以与下位机端20和用户端40进行通信。

此外，根据本发明的实施例，服务器端30还可以选择性地包括图2所示的用户管理模块。其中，图2中用户管理模块的虚线框表示该模块是可选的、而非必须的。

用户管理模块可以接收来自每个用户端40的身份认证请求，并基于该身份认证请求对对应的用户设备(即用户端对应的设备)进行身份认证，在认证成功后向该对应的用户端40发送认证成功信息以与该用户设备建立数据连接。

图3给出了用户端40的一种可能结构。如图3所示，用户端40例如可以包括发送模块41、接收模块42、显示模块43和第四传输模块44。用户端40对应的用户设备例如可以是智能手机或平板电脑等。

其中，发送模块41能够向服务器端30发送接入请求，获取视频数据、图片数据和/或控制云台的请求。

接收模块42能够接收服务器端30发送的视频数据、图片数据和/或响应控制云台请求的相关信息数据。

显示模块43可以显示服务器端30发送的视频数据、图片数据和/或显示实时控制云台的操作。

此外，第四传输模块44可以用于与服务器端30进行数据通信。

综上，本申请提供了以下方案：

方案1.基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述基于语音控制的可即时获取高清照片的直播系统包括上位机端、下位机端、服务器端和用户端；

所述上位机端包括可移动承载设备，所述可移动承载设备上设有云台、与云台连接的图像采集设备以及第一传输模块；其中，所述云台用于调节与其连接的图像采集设备的位置和/或方向；所述图像采集设备包括一个或多个相机模组，其中，每个相机模组包括两个摄像头，且同一个相机模组中的两个摄像头在同时刻对应的采集视角大致相同；所述第一传输模块包括用于与所述下位机端通信的一个或多个无线图传模块；其中，每个相机模组中的两个摄像头分别用于输出图片数据和视频数据，所述图片数据包括一组或多组图片，而所述视频数据包括一组或多组视频帧序列；

所述下位机端包括遥控设备、第二传输模块以及语音模块；

所述第二传输模块包括用于与所述上位机端通信的一个或多个无线图传模块以及用于与所述服务器端通信的通信模块；所述下位机端用于接收并转发来自所述服务器端的采集指令至所述上位机端，以使所述上位机端的图像采集设备开始或停止采集其视野内图片/视频数据，并从所述上位机端接收图片/视频数据以实时转发给所述服务器端；

所述遥控设备适于接收地面工作人员的操控指令，该操控指令包括用于控制所述可移动承载设备的第一指令以及用于控制所述云台的第二指令；所述遥控设备适于将该操控指令中的第一指令发送至所述可移动承载设备中的第一控制模块以控制所述可移动承载设备进行对应的操作动作，以及将该操控指令中的第二指令发送至所述云台的第二控制模块以控制所述云台进行对应的操作动作；

所述语音模块适于接收来自所述服务器端的语音控制信息，根据该语音控制信息生成对应的语音播放给所述地面工作人员，以指示所述地面工作人员对所述遥控设备输入对应的操控指令；

所述服务器端用于对从所述下位机端接收到的图片/视频数据进行即时、对应的处理并存储，当接收到来自所述用户端的请求指令时，获取与请求指令相匹配的图片/视频数据发送给发出该请求指令的用户端，以及接收来自用户端的控制信息并生成对应的语音控制信息发送至所述下位机端；其中，所述请求指令包括请求视频传输指令和/或拍照指令。

方案2.根据方案1所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述可移动承载设备为以下任一种：

无人机、移动机械手臂、缆车、观光车、火车、飞机或船舶。

方案3.根据方案1或2所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，当所述可移动承载设备为无人机时，所述第一指令包括用于控制所述无人机的自检、起飞、降落、返航、悬停、俯仰、滚转以及偏航中任一项或多项操控动作的指令。

方案4.根据方案3所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述第一指令包括飞行方向控制指令和/或飞行高度控制指令。

方案5.根据方案1-4中任一项所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述第二指令包括用于控制所述云台进行水平和/ 或俯仰方向的运动的控制指令。

方案6.根据方案1-5所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述语音模块包括耳机和/或扬声器。

方案7.根据方案1-6中任一项所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，若用户端发送的控制信息为通过语音输入的语音控制信息，则所述服务器端直接将该语音控制信息实时转发至所述下位机端。

方案8.根据方案1-7中任一项所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，若用户端发送的控制信息为手动输入的非语音控制信息，则所述服务器端将该非语音控制信息转换为对应的语音控制信息，以将该语音控制信息实时发送至所述下位机端。

方案9.根据方案1-8中任一项所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述云台为多自由度云台，适于控制与其连接的图像采集设备进行多方向调节。

方案10.根据方案9所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述云台能够控制与其连接的图像采集设备进行如下任一种或多种运动：

水平旋转运动、垂直俯仰运动以及绕该图像采集设备的光轴旋转运动。

方案11.根据方案9或10所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述云台上设有伸缩装置，所述与云台连接的图像采集设备设置在对应的伸缩装置上，以使该图像采集设备能够随该伸缩装置的伸缩而运动。

方案12.根据方案9-11中任一项所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述云台包括云台控制模块和驱动模块，其中，所述云台控制模块作为所述第二控制模块；

所述云台控制模块用于接收来自所述遥控设备的控制指令，并向所述驱动模块发出指令，通过所述驱动模块向对应的电机发出控制信号和驱动脉冲信号，以控制改变所述云台各转动轴的运动姿态。

方案13.根据方案12所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述驱动模块还包括限位开关，以通过所述限位开关控制对应云台的转动范围。

方案14.根据方案1-13中任一项所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，每个相机模组的摄像头为广角可变焦摄像头或不可变焦摄像头。

方案15.根据方案1-14中任一项所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，每个相机模组中包括的两个摄像头所采集的图片数据和视频数据具有时间对应关系。

方案16.根据方案1-15中任一项所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述可移动承载设备、该可移动承载设备上的云台以及图像采集设备均通过一个图传模块与所述下位机端通信。

方案17.根据方案1-15中任一项所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述可移动承载设备、该可移动承载设备上的云台以及图像采集设备分别通过各自对应的图传模块来与所述下位机端通信。

方案18.根据方案17所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，每个摄像模组中的两个摄像头分别通过一个图传模块传输图片数据和视频数据。

方案19.根据方案1-18中任一项所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述可移动承载设备上设有一个或多个云台，单个云台用于控制对应的单个相机模组中的两个摄像头进行同步调节。

方案20.根据方案1-18中任一项所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述可移动承载设备上设有一个或多个云台，单个云台用于控制所述一个或多个相机模组中至少两个相机模组的摄像头进行同步调节。

方案21.根据方案1-18中任一项所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述可移动承载设备上设有多个云台，且每个相机模组对应两个云台，其中，单个相机模组中的两个摄像头分别通过两个云台进行非同步微调。

方案22.根据方案1-21中任一项所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述上位机端的数量为一个或多个，且所述下位机端的数量与所述上位机端的数量一致；其中，每个上位机端通过该上位机端对应的下位机端与所述服务器端通信。

方案23.根据方案1-22中任一项所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，当所述请求指令包括视频传输指令时，所述服务器端适于通过如下方式发送与该请求视频传输指令相匹配的视频数据：

判断所述请求指令是拉流请求还是点播视频请求：若为拉流请求，则将拉流地址发送至对应的用户端；若为点播视频请求，则将已存储的与该请求指令中所携带的标识相符合的视频的虚拟路径地址发送至对应的用户端。

方案24.根据方案1-23中任一项所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，当所述请求指令包括拍照指令时，所述服务器端适于通过如下方式获取与该拍照指令相匹配的图片数据：

根据多组图片和视频流的对应关系，以及该拍照指令中所携带的发送时间，在存储的图片数据中选择对应该发送时间的图片数据，并保存在发出该拍照指令的用户账号下，以响应用户之后的下载。

方案25根据方案23或24所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，在所述图像采集设备包括多个相机模组情况下，所述服务器端适于：

在该多个相机模组之中确定与该请求指令相匹配的图片/视频数据所属的相机模组，作为目标相机模组，以选择该目标相机模组所采集的图片/视频数据作为与所述用户端的请求指令相匹配的图片/视频数据。

方案26.根据方案1-25中任一项所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述服务器端适于允许接收来自有权用户发送的控制信息，并拒绝接收无权用户发送的控制信息。

方案27.根据方案1-26中任一项所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，当一个用户端控制云台改变观看视角时，其他用户端能够共享该视角。

方案28.根据方案27所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，在任一用户端向服务器端发送控制信息后，服务器端在上位机端云台未实施与该控制信息对应的、来自所述遥控设备的操控指令之前，不再接收其它用户端发送的与该控制信息类型相同的其他控制信息。

方案29.根据方案1-28中任一项所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述服务器端在接收到用户端的请求指令或控制信息时，判定该指令或信息中是否包含已支付信息，并在该指令包含已支付信息的情况下建立与该用户端的数据连接。

方案30.根据方案1-29中任一项所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述服务器端包括处理模块、存储模块和第三传输模块；其中，所述处理模块适于对从所述下位机端接收到的图片/视频数据进行即时、对应的处理，所述存储模块适于存储经所述处理模块处理后的图片 /视频数据，而所述第三传输模块适于与下位机和用户端进行通信。

方案31.根据方案30所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述服务器端还包括用户管理模块，用于接收来自每个用户端的身份认证请求，并基于该身份认证请求对对应的用户设备进行身份认证，在认证成功后向该对应的用户端发送认证成功信息以与该用户设备建立数据连接。

方案32.根据方案1-31中任一项所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，每个用户端包括：

发送模块，用于向所述服务器端发送接入请求，获取视频数据、图片数据和/或控制云台的请求；

接收模块，用于接收所述服务器端发送的视频数据、图片数据和/或响应控制云台请求的相关信息数据；

显示模块，用于显示所述服务器端发送的视频数据、图片数据和/或显示实时控制云台的操作；以及

第四传输模块，用于与所述服务器端进行数据通信。

方案33.根据方案1-32中任一项所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，

每个相机模组分别设有对应的传感器组，其中，每个传感器组包括适于实时获取对应相机模组的位置的位置传感器以及适于实时获取对应相机模组的姿态的姿态传感器；

所述服务器端接收来自用户的兴趣目标指令，以根据该兴趣点指令在多个预设兴趣目标位置之中选择其一来作为当前观景目标位置，根据当前观景目标位置与目标相机模组的实时位置之间的连线对所述目标相机模组对应的云台进行调节，以使得所述目标相机模组中各摄像头光轴主方向与所述连线方向相一致；其中，所述多个预设兴趣目标位置包括预先设置在预定区域内的多个已知位置点。

方案34.根据方案33所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，

当所述图像采集设备包括一个相机模组时，该相机模组作为所述目标相机模组；

当所述图像采集设备包括多个相机模组时，所述目标相机模组为所述多个相机模组中距离所述当前观景目标位置最近的相机模组。

方案35.根据方案1-34中任一项所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，

每个相机模组分别设有对应的传感器组，其中，每个传感器组包括适于实时获取对应相机模组中各摄像头的位置的多个位置传感器以及适于实时获取对应相机模组中各摄像头的姿态的多个姿态传感器；

所述服务器端接收来自用户的兴趣目标指令，以根据该兴趣点指令在多个预设兴趣目标位置之中选择其一来作为当前观景目标位置，根据当前观景目标位置与目标相机模组各摄像头的实时位置之间的连线对所述目标相机模组对应的云台进行调节，以使得所述目标相机模组中各摄像头光轴主方向与所述连线方向一致；其中，所述多个预设兴趣目标位置包括预先设置在预定区域内的多个已知位置点。

方案36.根据方案35所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，

当所述图像采集设备包括一个相机模组时，该相机模组作为所述目标相机模组；

当所述图像采集设备包括多个相机模组时，所述目标相机模组为所述多个相机模组的各摄像头中距离所述当前观景目标位置最近的摄像头所属的相机模组。

方案37.根据方案35或36所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，

单个相机模组中的两个摄像头分别通过两个云台实时根据所述连线方向进行姿态同步调节或姿态异步调节。

尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其他实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的，而非限制性的，本发明的范围由所附权利要求书限定。

Claims (35)

1.基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述基于语音控制的可即时获取高清照片的直播系统包括上位机端、下位机端、服务器端和用户端；

所述上位机端包括可移动承载设备，所述可移动承载设备上设有云台、与云台连接的图像采集设备以及第一传输模块；其中，所述云台用于调节与其连接的图像采集设备的位置和/或方向；所述图像采集设备包括一个或多个相机模组，其中，每个相机模组包括两个摄像头，且同一个相机模组中的两个摄像头在同时刻对应的采集视角大致相同；所述第一传输模块包括用于与所述下位机端通信的一个或多个无线图传模块；其中，每个相机模组中的两个摄像头分别用于输出图片数据和视频数据，所述图片数据包括一组或多组图片，而所述视频数据包括一组或多组视频帧序列；每个相机模组中包括的两个摄像头所采集的图片数据和视频数据具有时间对应关系,每个相机模组分别设有对应的传感器组，其中，每个传感器组包括适于实时获取对应相机模组的位置的位置传感器以及适于实时获取对应相机模组的姿态的姿态传感器；

所述下位机端包括遥控设备、第二传输模块以及语音模块；

所述第二传输模块包括用于与所述上位机端通信的一个或多个无线图传模块以及用于与所述服务器端通信的通信模块；所述下位机端用于接收并转发来自所述服务器端的采集指令至所述上位机端，以使所述上位机端的图像采集设备开始或停止采集其视野内图片/视频数据，并从所述上位机端接收图片/视频数据以实时转发给所述服务器端；

所述遥控设备适于接收地面工作人员的操控指令，该操控指令包括用于控制所述可移动承载设备的第一指令以及用于控制所述云台的第二指令；所述遥控设备适于将该操控指令中的第一指令发送至所述可移动承载设备中的第一控制模块以控制所述可移动承载设备进行对应的操作动作，以及将该操控指令中的第二指令发送至所述云台的第二控制模块以控制所述云台进行对应的操作动作；

所述语音模块适于接收来自所述服务器端的语音控制信息，根据该语音控制信息生成对应的语音播放给所述地面工作人员，以指示所述地面工作人员对所述遥控设备输入对应的操控指令；

所述服务器端用于对从所述下位机端接收到的图片/视频数据进行即时、对应的处理并存储，当接收到来自所述用户端的请求指令时，获取与请求指令相匹配的图片/视频数据发送给发出该请求指令的用户端，以及接收来自用户端的控制信息并生成对应的语音控制信息发送至所述下位机端；其中，所述请求指令包括请求视频传输指令和/或拍照指令；

所述服务器端接收来自用户的兴趣目标指令，以根据该兴趣目标指令 在多个预设兴趣目标位置之中选择其一来作为当前观景目标位置，根据当前观景目标位置与目标相机模组的实时位置之间的连线对所述目标相机模组对应的云台进行调节，以使得所述目标相机模组中各摄像头光轴主方向与所述连线方向相一致；其中，所述多个预设兴趣目标位置包括预先设置在预定区域内的多个已知位置点。

2.根据权利要求1所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述可移动承载设备为以下任一种：

无人机、移动机械手臂、缆车、观光车、火车、飞机或船舶。

3.根据权利要求1或2所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，当所述可移动承载设备为无人机时，所述第一指令包括用于控制所述无人机的自检、起飞、降落、返航、悬停、俯仰、滚转以及偏航中任一项或多项操控动作的指令。

4.根据权利要求3所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述第一指令包括飞行方向控制指令和/或飞行高度控制指令。

5.根据权利要求1所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述第二指令包括用于控制所述云台进行水平和/或俯仰方向的运动的控制指令。

6.根据权利要求5所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述语音模块包括耳机和/或扬声器。

7.根据权利要求1所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，若用户端发送的控制信息为通过语音输入的语音控制信息，则所述服务器端直接将该语音控制信息实时转发至所述下位机端。

8.根据权利要求1所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，若用户端发送的控制信息为手动输入的非语音控制信息，则所述服务器端将该非语音控制信息转换为对应的语音控制信息，以将该语音控制信息实时发送至所述下位机端。

9.根据权利要求1所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述云台为多自由度云台，适于控制与其连接的图像采集设备进行多方向调节。

10.根据权利要求9所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述云台能够控制与其连接的图像采集设备进行如下任一种或多种运动：

水平旋转运动、垂直俯仰运动以及绕该图像采集设备的光轴旋转运动。

11.根据权利要求9或10所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述云台上设有伸缩装置，所述与云台连接的图像采集设备设置在对应的伸缩装置上，以使该图像采集设备能够随该伸缩装置的伸缩而运动。

12.根据权利要求9所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述云台包括云台控制模块和驱动模块，其中，所述云台控制模块作为所述第二控制模块；

所述云台控制模块用于接收来自所述遥控设备的控制指令，并向所述驱动模块发出指令，通过所述驱动模块向对应的电机发出控制信号和驱动脉冲信号，以控制改变所述云台各转动轴的运动姿态。

13.根据权利要求12所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述驱动模块还包括限位开关，以通过所述限位开关控制对应云台的转动范围。

14.根据权利要求1所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，每个相机模组的摄像头为广角可变焦摄像头或不可变焦摄像头。

15.根据权利要求1所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述可移动承载设备、该可移动承载设备上的云台以及图像采集设备均通过一个图传模块与所述下位机端通信。

16.根据权利要求1所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述可移动承载设备、该可移动承载设备上的云台以及图像采集设备分别通过各自对应的图传模块来与所述下位机端通信。

17.根据权利要求16所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，每个相机模组 中的两个摄像头分别通过一个图传模块传输图片数据和视频数据。

18.根据权利要求1所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述可移动承载设备上设有一个或多个云台，单个云台用于控制对应的单个相机模组中的两个摄像头进行同步调节。

19.根据权利要求1所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述可移动承载设备上设有一个或多个云台，单个云台用于控制所述一个或多个相机模组中至少两个相机模组的摄像头进行同步调节。

20.根据权利要求1所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述可移动承载设备上设有多个云台，且每个相机模组对应两个云台，其中，单个相机模组中的两个摄像头分别通过两个云台进行非同步微调。

21.根据权利要求1所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述上位机端的数量为一个或多个，且所述下位机端的数量与所述上位机端的数量一致；其中，每个上位机端通过该上位机端对应的下位机端与所述服务器端通信。

22.根据权利要求1所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，当所述请求指令包括视频传输指令时，所述服务器端适于通过如下方式发送与该请求视频传输指令相匹配的视频数据：

判断所述请求指令是拉流请求还是点播视频请求：若为拉流请求，则将拉流地址发送至对应的用户端；若为点播视频请求，则将已存储的与该请求指令中所携带的标识相符合的视频的虚拟路径地址发送至对应的用户端。

23.根据权利要求1所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，当所述请求指令包括拍照指令时，所述服务器端适于通过如下方式获取与该拍照指令相匹配的图片数据：

根据多组图片和视频流的对应关系，以及该拍照指令中所携带的发送时间，在存储的图片数据中选择对应该发送时间的图片数据，并保存在发出该拍照指令的用户账号下，以响应用户之后的下载。

24.根据权利要求22或23所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，在所述图像采集设备包括多个相机模组情况下，所述服务器端适于：

在该多个相机模组之中确定与该请求指令相匹配的图片/视频数据所属的相机模组，作为目标相机模组，以选择该目标相机模组所采集的图片/视频数据作为与所述用户端的请求指令相匹配的图片/视频数据。

25.根据权利要求1所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述服务器端适于允许接收来自有权用户发送的控制信息，并拒绝接收无权用户发送的控制信息。

26.根据权利要求1所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，当一个用户端控制云台改变观看视角时，其他用户端能够共享该视角。

27.根据权利要求26所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，在任一用户端向服务器端发送控制信息后，服务器端在上位机端云台未实施与该控制信息对应的、来自所述遥控设备的操控指令之前，不再接收其它用户端发送的与该控制信息类型相同的其他控制信息。

28.根据权利要求1所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述服务器端在接收到用户端的请求指令或控制信息时，判定该指令或信息中是否包含已支付信息，并在该指令包含已支付信息的情况下建立与该用户端的数据连接。

29.根据权利要求1所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述服务器端包括处理模块、存储模块和第三传输模块；其中，所述处理模块适于对从所述下位机端接收到的图片/视频数据进行即时、对应的处理，所述存储模块适于存储经所述处理模块处理后的图片/视频数据，而所述第三传输模块适于与下位机和用户端进行通信。

30.根据权利要求29所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，所述服务器端还包括用户管理模块，用于接收来自每个用户端的身份认证请求，并基于该身份认证请求对对应的用户设备进行身份认证，在认证成功后向该对应的用户端发送认证成功信息以与该用户设备建立数据连接。

31.根据权利要求1所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，每个用户端包括：

发送模块，用于向所述服务器端发送接入请求，获取视频数据、图片数据和/或控制云台的请求；

接收模块，用于接收所述服务器端发送的视频数据、图片数据和/或响应控制云台请求的相关信息数据；

显示模块，用于显示所述服务器端发送的视频数据、图片数据和/或显示实时控制云台的操作；以及

第四传输模块，用于与所述服务器端进行数据通信。

32.根据权利要求1所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，

当所述图像采集设备包括一个相机模组时，该相机模组作为所述目标相机模组；

当所述图像采集设备包括多个相机模组时，所述目标相机模组为所述多个相机模组中距离所述当前观景目标位置最近的相机模组。

33.根据权利要求1所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，

每个相机模组分别设有对应的传感器组，其中，每个传感器组包括适于实时获取对应相机模组中各摄像头的位置的多个位置传感器以及适于实时获取对应相机模组中各摄像头的姿态的多个姿态传感器；

所述服务器端接收来自用户的兴趣目标指令，以根据该兴趣目标指令 在多个预设兴趣目标位置之中选择其一来作为当前观景目标位置，根据当前观景目标位置与目标相机模组各摄像头的实时位置之间的连线对所述目标相机模组对应的云台进行调节，以使得所述目标相机模组中各摄像头光轴主方向与所述连线方向一致；其中，所述多个预设兴趣目标位置包括预先设置在预定区域内的多个已知位置点。

34.根据权利要求33所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，

当所述图像采集设备包括一个相机模组时，该相机模组作为所述目标相机模组；

当所述图像采集设备包括多个相机模组时，所述目标相机模组为所述多个相机模组的各摄像头中距离所述当前观景目标位置最近的摄像头所属的相机模组。

35.根据权利要求33或34所述的基于语音控制的可即时获取高清照片的直播系统，其特征在于，

单个相机模组中的两个摄像头分别通过两个云台实时根据所述连线方向进行姿态同步调节或姿态异步调节。

Images