CN105224582B - 信息处理方法和设备 - Google Patents

信息处理方法和设备 Download PDF

Info

Publication number
CN105224582B
CN105224582B CN201410315444.4A CN201410315444A CN105224582B CN 105224582 B CN105224582 B CN 105224582B CN 201410315444 A CN201410315444 A CN 201410315444A CN 105224582 B CN105224582 B CN 105224582B
Authority
CN
China
Prior art keywords
feature
descriptor
image
feature descriptor
updated
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410315444.4A
Other languages
English (en)
Other versions
CN105224582A (zh
Inventor
申浩
刘国良
李南君
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lenovo Beijing Ltd
Original Assignee
Lenovo Beijing Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Lenovo Beijing Ltd filed Critical Lenovo Beijing Ltd
Priority to CN201410315444.4A priority Critical patent/CN105224582B/zh
Priority to US14/559,067 priority patent/US10075695B2/en
Publication of CN105224582A publication Critical patent/CN105224582A/zh
Application granted granted Critical
Publication of CN105224582B publication Critical patent/CN105224582B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • G06T7/73Determining position or orientation of objects or cameras using feature-based methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211Selection of the most significant subset of features
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/28Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/771Feature selection, e.g. selecting representative features from a multi-dimensional feature space
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/772Determining representative reference patterns, e.g. averaging or distorting patterns; Generating dictionaries
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/20Image signal generators

Abstract

公开了信息处理方法和设备。所述信息处理方法,应用于一信息处理设备,在所述信息处理设备中包含对特定环境预先创建的三维地图以及基于空间拓扑结构管理的特征库,处于特定环境中的不同用户能够根据自己拍摄的图像与特征库确定自己的位置,所述方法包括如下步骤:获取由第一用户拍摄的第一图像;提取第一图像中的一个或多个第一特征点,获得用于表征第一特征点的第一特征描述符;基于第一用户的三维位置、第一图像和特征库,获得第一特征点的三维位置;基于第一用户的三维位置、第一特征点的三维位置、第一特征点对应的第一特征描述符和特征库中已有的特征描述符,确定待更新的特征描述符;以及基于待更新的特征描述符更新特征库。

Description

信息处理方法和设备
技术领域
本发明涉及信息处理方法和设备,更具体地说,涉及在自定位技术中能够自适应地更新数据库的信息处理方法和设备。
背景技术
对于一未知环境,可以通过即时定位与地图构建(Simultaneous Localizationand Mapping,SLAM)技术等预先建好三维地图。在已经建好图的环境中,移动终端设备(如,机器人)通过将自身拍摄的图像中的特征点与全局地图的特征点进行匹配从而获得自身的定位信息。
面向大众的定位算法,具有使用人数多、场景范围广的特点,同时定位所需的特征库,随着时间或场景变换,会出现定位性能下降的问题。因此,特征库的更新,包括增加新特征点和删除已消失的特征点,是非常重要的。如何利用使用者的反馈信息对定位特征库进行适应性更新,对产品的稳定性和普适性具有决定性的作用。
发明内容
鉴于以上情形,期望提供能够对定位特征库进行自适应更新的方法和设备。即,本申请所要解决的问题是如何确定需要更新和/或删除特征库中的哪些特征。
根据本发明的一个方面,提供了一种信息处理方法,应用于一信息处理设备,在所述信息处理设备中包含对特定环境预先创建的三维地图以及基于空间拓扑结构管理的特征库,处于所述特定环境中的不同用户能够根据自己拍摄的图像与所述特征库确定自己的位置,所述方法包括如下步骤:获取由第一用户拍摄的第一图像;提取所述第一图像中的一个或多个第一特征点,获得用于表征所述第一特征点的第一特征描述符;基于所述第一用户的三维位置、所述第一图像和所述特征库,获得所述第一特征点的三维位置;
基于所述第一用户的三维位置、所述第一特征点的三维位置、所述第一特征点对应的第一特征描述符和所述特征库中已有的特征描述符,确定待更新的特征描述符;以及基于待更新的特征描述符更新所述特征库。
优选地,在根据本发明实施例的信息处理方法中,“确定待更新的特征描述符”的步骤包括:选择所述第一图像中的一个第一特征点;确定所选择的所述第一特征点与所述第一用户的位置的连线所经过的一个或多个最小空间结点;判断在所述特征库中所述最小空间结点内是否包含任意的特征描述符;如果判断为是,则将所述最小空间结点内包含的所有特征描述符确定为待删除的特征。
优选地,在根据本发明实施例的信息处理方法中,“确定待更新的特征描述符”的步骤进一步包括:将所述第一图像中的各第一特征描述符确定为待增加的特征描述符;获取待增加的特征描述符的强度信息;在待增加的特征描述符中,剔除强度信息小于第一阈值的特征描述符。
优选地,在根据本发明实施例的信息处理方法中,“确定待更新的特征描述符”的步骤进一步包括:将所述第一图像中的各第一特征描述符确定为待增加的特征描述符;计算待增加的特征描述符与所述特征库中对应的最小空间结点处的特征描述符的相似度,其中如果相似度大于第二阈值,则认为二者相似;在待增加的特征描述符中,剔除在所述特征库中具有相似特征描述符的特征描述符。
优选地,根据本发明实施例的信息处理方法可以进一步包括:获取由第二用户拍摄的第二图像;提取所述第二图像中的第二特征点,获得用于表征所述第二特征点的第二特征描述符;基于所述第二用户的位置和所述第二图像,获得所述第二特征点的三维位置;基于所述第二用户的三维位置、所述第二特征点的三维位置、所述第二特征点对应的特征描述符和所述特征库中已有的特征描述符,确定待更新的特征描述符;判断在所述第一图像和所述第二图像中是否获得同一最小空间结点处的待更新的特征描述符;如果判断为是,则计算同一最小空间结点处所述第一图像中的待更新的特征描述符与所述第二图像中的待更新的特征描述符之间的相关度,并且仅当所述相关度大于第三阈值时将所述第一图像中的待更新的特征描述符与所述第二图像中的待更新的特征描述符确定为最终待更新的特征描述符;如果判断为否,则不将其确定为最终待更新的特征描述符。
根据本发明的另一方面,提供了一种信息处理设备,用于对特定环境预先创建三维地图以及基于空间拓扑结构管理的特征库,以便于处于所述特定环境中的不同用户能够根据自己拍摄的图像与所述特征库确定自己的位置,所述设备包括:存储单元,用于存储所述三维地图以及特征库;通信单元,用于获取由第一用户拍摄的第一图像;提取单元,用于提取所述第一图像中的一个或多个第一特征点,获得用于表征所述第一特征点的第一特征描述符;三维位置确定单元,用于基于所述第一用户的位置、所述第一图像和所述特征库,获得所述第一特征点的三维位置;更新单元,用于基于所述第一用户的三维位置、所述第一特征点的三维位置、所述第一特征点对应的第一特征描述符和所述特征库中已有的特征描述符,确定待更新的特征描述符,确定待更新的特征描述符,并基于待更新的特征描述符更新所述特征库。
优选地,在根据本发明实施例的信息处理设备中,更新单元包括:选择单元,用于选择所述第一图像中的一个第一特征点;删除单元,用于确定所述第一特征点与所述第一用户的位置的连线所经过的一个或多个最小空间结点,并判断在所述特征库中所述最小空间结点内是否包含任意的特征描述符;如果判断为是,则将所述最小空间结点内包含的所有特征描述符确定为待删除的特征描述符。
优选地,在根据本发明实施例的信息处理设备中,更新单元进一步包括:增加单元,用于将所述第一图像中的各第一特征描述符确定为待增加的特征描述符;强度信息获取单元,用于获取待增加的特征描述符的强度信息;筛选单元,用于在待增加的特征描述符中,剔除强度信息小于第一阈值的特征描述符。
优选地,在根据本发明实施例的信息处理设备中,更新单元进一步包括:增加单元,用于将所述第一图像中的各第一特征描述符确定为待增加的特征描述符;相似度计算单元,用于计算待增加的特征描述符与所述特征库中对应的最小空间结点处的特征点的相似度,其中如果相似度大于第二阈值,则认为二者相似;筛选单元,用于在待增加的特征描述符中,剔除在所述特征库中具有相似特征描述符的特征描述符。
优选地,在根据本发明实施例的信息处理设备中,所述通信单元获取由第二用户拍摄的第二图像;所述提取单元提取所述第二图像中的一个或多个第二特征点,获得用于表征所述第二特征点的第二特征描述符;所述三维位置确定单元基于所述第二用户的位置、所述第二图像和所述特征库,获得所述第二特征点的三维位置;所述更新单元基于所述第二用户的三维位置、所述第二特征点的三维位置、所述第二特征点对应的第二特征描述符和所述特征库中已有的特征描述符,确定待更新的特征描述符,并且所述更新单元判断在所述第一图像和所述第二图像中是否获得同一最小空间结点处的待更新的特征描述符;如果判断为是,则计算同一最小空间结点处所述第一图像中的待更新的特征描述符与所述第二图像中的待更新的特征描述符之间的相关度,并且仅当所述相关度大于第三阈值时将所述第一图像中的待更新的特征描述符与所述第二图像中的待更新的特征描述符确定为最终待更新的特征描述符;如果判断为否,则不将其确定为最终待更新的特征描述符。
通过根据本发明实施例的信息处理方法和设备,能够结合众包模式进行特征库更新,确定待删除和待增加的特征,而不需要重复建图,从而能够以最低成本的方式有效地防止定位数据库随着时间、场景、用户的变化而带来的性能的恶化。
附图说明
图1是示出了根据本发明实施例的信息处理方法的过程的流程图;
图2是示出了根据本发明实施例的确定待删除特征的具体过程的流程图;
图3是示出了如何确定待删除特征的简单示意图;
图4是示出了根据本发明实施例的确定待增加特征的具体过程的第一示例的流程图;
图5是示出了根据本发明实施例的确定待增加特征的具体过程的第二示例的流程图;
图6是示出了根据本发明实施例的信息处理设备的配置的功能性框图;
图7是示出了根据本发明实施例的更新单元的第一示例的功能性框图;
图8是示出了根据本发明实施例的更新单元的第二示例的功能性框图;以及
图9是示出了根据本发明实施例的更新单元的第三示例的功能性框图。
具体实施方式
下面将参照附图对本发明的各个优选的实施方式进行描述。提供以下参照附图的描述,以帮助对由权利要求及其等价物所限定的本发明的示例实施方式的理解。其包括帮助理解的各种具体细节,但它们只能被看作是示例性的。因此,本领域技术人员将认识到,可对这里描述的实施方式进行各种改变和修改,而不脱离本发明的范围和精神。而且,为了使说明书更加清楚简洁,将省略对本领域熟知功能和构造的详细描述。
在描述根据本发明实施例的信息处理方法和设备之前,首先对本发明的适用场景进行说明。所谓众包模式,是指一个公司或机构把过去由员工执行的工作任务,以自由自愿的形式外包给非特定的(而且通常是大型的)大众网络的做法模式。众包的任务通常是由个人来承担,但如果涉及到需要多人协作完成的任务,也有可能以依靠开源的个体生产的形式出现。在基于众包模式的本发明中,定位算法面向大众,即不特定数量的用户。也就是说,不特定数量的用户可以使用特征库来定位,同时再基于用户的反馈信息(如,空间位置信息、特征信息以及与特征库中相关的匹配特征)来对特征库进行更新,以提高特征库的稳定性和普适性。
接下来,将参照图1描述根据本发明实施例的信息处理方法的具体过程。所示信息处理方法应用于一信息处理设备(如,一服务器设备),在所述信息处理设备中包含对特定环境预先创建的三维地图以及基于空间拓扑结构管理的特征库,处于所述特定环境中的不同用户能够根据自己拍摄的图像与所述特征库确定自己的位置。
如图1所示,所述方法包括如下步骤:
首先,在步骤S101,获取由第一用户拍摄的第一图像。这里的第一图像可以灰度图像,也可以是彩色(RGB)图像。
然后,在步骤S102,提取所述第一图像中的一个或多个第一特征点,获得用于表征所述第一特征点的第一特征描述符。一般而言,特征点通常选择具有位置特点的点,如顶点或端点。特征点提取方法很多,例如Harris角点、DOG极值等。由于这与本发明并不直接相关,因此对其细节不再详细描述。一旦确定了特征点,下一步是对每个特征点提取相应的描述符,以区分不同的特征点和匹配相同的特征点。理想的特征描述符要满足对尺度、旋转、甚至仿射等变换具有一定的不变性;对噪声不敏感;有很好的选择性,即对应不同的特征点的特征描述符相关性要小,这样才能有效地区分不同的特征点。作为一种最简单且便于理解的示例,所述特征描述符可以是特征点的灰度值。一个第一特征点可以对应一个第一特征描述符,也可以对应多个不同的第一特征描述符。
接下来,在步骤S103,基于所述第一用户的三维位置、所述第一图像和所述特征库,获得所述第一特征点的三维位置。如果第一用户所拍摄到的第一图像包含深度信息,即第一图像是通过例如3D相机Kinect等拍摄的图像,那么基于第一图像首先可以获得局部坐标系下的第一特征点的三维位置。进一步,基于第一用户的位置,即相机的位置,将第一特征点的三维位置从局部坐标转换到全局坐标系。另一方面,如果第一用户所拍摄到的第一图像不包含深度信息,即第一图像是通过例如手机等拍摄的图像,那么例如需要利用基于图像融合的三维重建方法计算以得到第一特征点的3D空间位置信息(具体方法如Structure From Motion:SFM等),通过融合众包模式获得的任意几张图像,来计算第一图像中第一特征点的空间信息。然后,再基于第一用户的位置,将第一特征点的三维位置从局部坐标转换到全局坐标系。当然,以上列举的方法仅为示例。本领域的技术人员应该理解,任何其他获得第一图像中的第一特征点的空间位置信息的方法都能够类似地应用于本发明。
事实上,本发明是在假设能够并且已经获得了用户的空间位置信息以及用户所拍摄的图像上的特征点的空间位置信息的情况下进行的。换言之,本发明并不关注采用何种手段或技术来计算用户和特征点的空间位置信息,只要能够获得用户和特征点的空间位置信息即可。
然后,处理进行到步骤S104。在步骤S104,基于所述第一用户的三维位置、所述第一特征点的三维位置、所述第一特征点对应的第一特征描述符和所述特征库中已有的特征描述符,确定待更新的特征描述符。也就是说,在步骤S104,确定在新获得的第一特征描述符中哪些需要增加到特征库中以及原有特征库中的哪些特征描述符需要从特征库中删除。关于确定待更新的特征描述符的步骤的详细内容将稍后描述。
最后,在步骤S105,基于待更新的特征描述符更新所述特征库。
通过以上参照图1描述的根据本发明实施例的方法流程,可以根据不同用户的反馈对特征库进行更新,从而免除了重复建图的繁琐工作,又保证了定位效果的稳定性。
下面,将详细描述如何确定待更新的特征描述符的具体处理。首先,将参照图2描述如何确定待删除的特征描述符的具体处理。
如图2所示,首先,在步骤S201,选择所述第一图像中的一个第一特征点。
然后,在步骤S202,确定所选择的所述第一特征点与所述第一用户的位置的连线所经过的一个或多个最小空间结点。
具体来讲,首先,这里的最小空间结点,即所述特定空间环境中的空间分辨率。也就是说,以最小空间结点来分割所述特定空间环境。当然,这里的最小空间结点是具有相对应的三维坐标的特定体积的空间。例如,最小空间结点可以是具有特定体积的立方体。
图3示出了确定待删除的特征描述符的处理的简单示意图。需要指出的是,为了便于图示,图3仅以平面图的形式示出了相机(即,第一用户)所在位置以及多个最小空间结点。确定待删除的特征描述符的原理在于,由于特征库利用空间拓扑结构进行管理,因此可利用空间分布情况确定特征库中已经消失的特征点。第一特征点通常选择在第一图像中能够看到的实体物体上的点。如图3所示,黑色方格表示所选择的第一特征点所属的最小空间结点。由于能够获得相机(即,第一用户)和所选择的第一特征点的空间位置信息,因此可以确定这两个空间点之间的连线,即通过空间几何知识能够确定二者连线的方程。进而,能够确定该连线所经过的最小空间结点。由于在第一图像中能够看到所选择的第一特征点,因此说明用户的视线所经过的最小空间结点(由图3中的阴影方格所示)没有遮挡物体存在。
返回图2,处理进行到步骤S203。在步骤S203,判断在所述特征库中以上步骤S202中确定的连线所经过的最小空间结点内是否包含任意的特征描述符。
如果在步骤S203判断为是,则处理进行到步骤S204。在步骤S204,将所述最小空间结点内包含的所有特征描述符确定为待删除的特征描述符。否则,处理结束。
参照图2所述的以上步骤S201~S203可以重复地执行多次。也就是说,可以随机地多次选择第一图像中的不同的第一特征点。并且,重复执行的处理可以串行地进行,也可以并行地进行。
在上文中,通过参照图2和图3详细描述了如何确定待删除特征的具体过程。简言之,如果一特征点在用户拍摄到的图像中能够被看到,那么证明在用户的视线所经过的空间结点处没有遮挡物存在,因此认为所经过的最小空间结点中的特征已消失,应将其中的特征描述符确定为待删除的特征。随着时间的流逝,特征库所针对的空间环境可能发生变化,例如,曾经存在的物体可能不再存在。因此,在众包模式下,通过用户的反馈信息确定待删除特征,能够保证特征库的准确性不随时间的流逝而恶化。
当然,除了确定待删除的特征描述符之后,确定待更新的特征描述符还包括确定待增加的特征描述符。一种可能且简单的方式是将新观测到的所有特征描述符(即,第一图像中的所有特征点的所有特征描述符)全部作为待增加的特征描述符添加到特征库中。但是,出于控制内存损耗和确保性能的考虑,这并不是最佳的实施方式。期望在新观测到的所有特征描述符中执行进一步的筛选。
接下来,将参照图4详细描述如何确定待增加的特征描述符的第一示例的具体处理。
如图4所示,首先,在步骤S401,将所述第一图像中的各第一特征描述符确定为待增加的特征描述符。
然后,在步骤S402,获取待增加的特征描述符的强度信息。所述强度信息是指示其与周围点的区别性强弱的信息。例如,在特征描述符为灰度值的情况下,所述强度信息可以是特征点与周围点的灰度差。
最后,在步骤S403,确定一待增加的特征描述符的强度信息是否小于第一阈值。如果在步骤S403判断为是,则处理进行到步骤S404。在步骤S404,剔除该待增加的特征描述符。然后处理进行到步骤S405。在步骤S405,确定该待增加的特征描述符是否是最后一个。如果在步骤S405判断为是,则处理结束。否则,处理返回到步骤S403,并重复之后的处理。另一方面,如果在步骤S403判断为否,则处理进行到步骤S406。在步骤S406,保留该待增加的特征描述符。简言之,在待增加的特征描述符中,剔除强度信息小于第一阈值的特征描述符。
也就是说,在特征提取时可获得特征的强度信息,通过利用该信息挑选特征强度高的特征作为待增加的特征,可以保证增加特征的鲁棒性。
下面,将参照图5详细描述如何确定待增加的特征描述符的第二示例的具体处理。
如图5所示,首先,在步骤S501,将所述第一图像中的各第一特征描述符确定为待增加的特征描述符。
然后,在步骤S502,计算待增加的特征描述符与所述特征库中对应的最小空间结点处的特征描述符的相似度,其中如果相似度大于第二阈值,则认为二者相似。
最后,在步骤S503,确定一待增加的特征描述符是否在在所述特征库中具有相似特征描述符。如果在步骤S503判断为是,则处理进行到步骤S504。在步骤S504,剔除该待增加的特征描述符。然后处理进行到步骤S505。在步骤S505,确定该待增加的特征描述符是否是最后一个。如果在步骤S505判断为是,则处理结束。否则,处理返回到步骤S503,并重复之后的处理。另一方面,如果在步骤S503判断为否,则处理进行到步骤S506。在步骤S506,保留该待增加的特征描述符。简言之,待增加的特征描述符中,剔除在所述特征库中具有相似特征描述符的特征描述符。
通过比较当前特征与特征库中对应位置中所包含的特征的相似性,去除与特征库相似性较高的特征,从而能够避免无效操作。
需要指出的是,以上参照图4和图5所述的待增加的特征描述符的筛选方法可以单独使用,也可以组合使用。
返回图1,仅示出了由第一用户获取第一图像并基于第一用户的反馈信息更新特征库的情况。然而,实际上,在众包模式下,步骤S101~S103可以并行地涉及多个不同用户而进行。例如,根据本发明实施例的信息处理方法还可以进一步包括如下步骤:获取由第二用户拍摄的第二图像;提取所述第二图像中的第二特征点,获得用于表征所述第二特征点的第二特征描述符;基于所述第二用户的位置和所述第二图像,获得所述第二特征点的三维位置。
另外,在步骤S104的确定待更新的特征描述符的处理可以基于单个用户的反馈信息进行。例如,可以基于所述第二用户的三维位置、所述第二特征点的三维位置、所述第二特征点对应的特征描述符和所述特征库中已有的特征描述符,确定待更新的特征描述符。并且,可以基于所述第二用户的三维位置、所述第二特征点的三维位置、所述第二特征点对应的特征描述符和所述特征库中已有的特征描述符,确定待更新的特征描述符。
但是,由于众包模式具有不确定性,因此为了保持特征库更新的正确性,作为更优选的实施例方式,可以通过融合多个用户的观测结果来实现特征库的更新。也就是说,只更新在同一位置处重复观察多次的特征。前序步骤得到待更新特征后,将进行一定的累积。如果同一位置出现次数超过N时,才对特征库进行更新处理。
接下来,将关于通过融合多个用户的观测结果来确定待更新特征的具体过程给出描述。为了便于说明,考虑N=2的情况。
首先,初步确定待更新的特征描述符。具体来讲,基于所述第一用户的三维位置、所述第一特征点的三维位置、所述第一特征点对应的特征描述符和所述特征库中已有的特征描述符,确定待更新的特征描述符,并且基于所述第二用户的三维位置、所述第二特征点的三维位置、所述第二特征点对应的特征描述符和所述特征库中已有的特征描述符,确定待更新的特征描述符。然而,这里确定的待更新的特征描述符并非最终的特征描述符。
然后,判断在所述第一图像和所述第二图像中是否获得同一最小空间结点处的待更新的特征描述符。
如果判断为是,则计算同一最小空间结点处所述第一图像中的待更新的特征描述符与所述第二图像中的待更新的特征描述符之间的相关度,并且仅当所述相关度大于第三阈值时将所述第一图像中的待更新的特征描述符与所述第二图像中的待更新的特征描述符确定为最终待更新的特征描述符;如果判断为否,则不将其确定为最终待更新的特征描述符。
例如,当基于第一图像确定一最小空间结点处的所有特征描述符是待删除的特征描述符,并且基于第二图像确定同一最小空间结点处的所有特征描述符是待删除的特征描述符时,由于完全相同,因此二者的相关度最大,从而将其确定为最终待删除的特征描述符。当基于第一图像确定一最小空间结点处的所有特征描述符是待删除的特征描述符,并且基于第二图像确定同一最小空间结点处的所有特征描述符不是待删除的特征描述符时,或者当基于第一图像确定一最小空间结点处的所有特征描述符不是待删除的特征描述符,并且基于第二图像确定同一最小空间结点处的所有特征描述符是待删除的特征描述符时,不将其确定为最终待删除的特征描述符。
又如,当基于第一图像确定一最小空间结点处的一特征描述符为待增加的特征描述符,并且基于第二图像确定同一最小空间结点处的另一特征描述符为待增加的特征描述符时,计算同一最小空间结点处所述第一图像中的待更新的特征描述符与所述第二图像中的待更新的特征描述符之间的相关度。如果两个特征描述符相关度大于第三阈值(完全相同或非常相关),则将二者确定为最终待增加的特征描述符。否则不予增加。例如,位于同一位置同一视角的不同用户所拍摄的图像中的相同特征点的特征描述符应该相同。位于不同位置或不同视角的不同用户所拍摄的图像中的相同特征点的特征描述符可能由于位置或视角的原因而呈现一定的变化,如灰度值可能略有差别。在这种情况下,应该认为其是最终待增加的特征描述符。而如果二者的差异很大,则应认为是噪声而不予增加。
通过这样,有效地避免了由于众包模式的不确定性而带来的特征库更新的正确性降低的问题。
在上文中,参照图1到图5详细描述了根据本发明实施例的信息处理方法。接下来,将参照图6描述根据本发明实施例的信息处理设备。
根据本发明实施例的信息处理设备用于对特定环境预先创建三维地图以及基于空间拓扑结构管理的特征库,以便于处于所述特定环境中的不同用户能够根据自己拍摄的图像与所述特征库确定自己的位置。如图6所示,所述信息处理设备600包括:存储单元601、通信单元602、提取单元603、三维位置确定单元604和更新单元605。
存储单元601用于存储所述三维地图以及特征库。
通信单元602用于获取由第一用户拍摄的第一图像。
提取单元603用于提取所述第一图像中的一个或多个第一特征点,获得用于表征所述第一特征点的第一特征描述符。
三维位置确定单元604用于基于所述第一用户的位置、所述第一图像和所述特征库,获得所述第一特征点的三维位置。
更新单元605用于基于所述第一用户的三维位置、所述第一特征点的三维位置、所述第一特征点对应的第一特征描述符和所述特征库中已有的特征描述符,确定待更新的特征描述符,确定待更新的特征描述符,并基于待更新的特征描述符更新所述特征库。
通过根据本发明实施例的信息处理设备,可以根据不同用户的反馈对特征库进行更新,从而免除了重复建图的繁琐工作,又保证了定位效果的稳定性。
下面,将详细描述更新单元605的具体配置。首先,将参照图7描述更新单元的第一示例。如上文中所述,确定待更新的特征描述符包括确定待删除的特征描述符,因此如图7所示,更新单元605可以进一步包括:选择单元6051,用于选择所述第一图像中的一个第一特征点;以及删除单元6052,用于确定所述第一特征点与所述第一用户的位置的连线所经过的一个或多个最小空间结点,并判断在所述特征库中所述最小空间结点内是否包含任意的特征描述符;如果判断为是,则将所述最小空间结点内包含的所有特征描述符确定为待删除的特征描述符。
并且,除了确定待删除的特征描述符之外,确定待更新的特征描述符还包括确定待增加的特征描述符。下面,将参照图8描述更新单元的第二示例。如图8所示,更新单元605可以进一步包括:增加单元6053,用于将所述第一图像中的各第一特征描述符确定为待增加的特征描述符。但是,出于控制内存损耗和确保性能的考虑,增加单元6053将最新观测的特征描述符全部增加并不是最佳的实施方式。期望在新观测到的所有特征描述符中执行进一步的筛选。因此,作为更优选的实施方式,更新单元605可以进一步包括:强度信息获取单元6054,用于获取待增加的特征描述符的强度信息;以及筛选单元6055,用于在待增加的特征描述符中,剔除强度信息小于第一阈值的特征描述符。
如上文中所述,特征描述符的强度信息是表征特征点与周围点的区别性强弱的信息。例如,可以计算特征点与周围点的灰度差。挑选特征强度高的特征作为待增加的特征,从而保证增加特征的鲁棒性。
作为筛选处理的另一示例,可以采用比较相似度的方式。下面,将参照图9描述更新单元的第三示例。如图9所示,更新单元605可以进一步包括:增加单元6053,用于将所述第一图像中的各第一特征描述符确定为待增加的特征描述符;相似度计算单元6056,用于计算待增加的特征描述符与所述特征库中对应的最小空间结点处的特征点的相似度,其中如果相似度大于第二阈值,则认为二者相似;以及筛选单元6057,用于在待增加的特征描述符中,剔除在所述特征库中具有相似特征描述符的特征描述符。
图8和图9中所示的更新单元中的各单元可以组合使用。例如,作为另一种可能的实施方式,更新单元可以包括增加单元、强度信息获取单元、相似度计算单元和筛选单元。
在上文中,仅描述了由第一用户获取第一图像并基于第一用户的反馈信息更新特征库的情况。然而,实际上,在众包模式下,通信单元602、提取单元603、三维位置确定单元604和更新单元605可以并行地涉及多个不同用户而进行处理。例如,所述通信单元获取由第二用户拍摄的第二图像;所述提取单元提取所述第二图像中的一个或多个第二特征点,获得用于表征所述第二特征点的第二特征描述符;所述三维位置确定单元基于所述第二用户的位置、所述第二图像和所述特征库,获得所述第二特征点的三维位置;所述更新单元基于所述第二用户的三维位置、所述第二特征点的三维位置、所述第二特征点对应的第二特征描述符和所述特征库中已有的特征描述符,确定待更新的特征描述符。
确定待更新的特征描述符的处理可以基于单个用户的反馈信息进行。例如,更新单元可以基于所述第二用户的三维位置、所述第二特征点的三维位置、所述第二特征点对应的特征描述符和所述特征库中已有的特征描述符,确定待更新的特征描述符。并且,更新单元可以基于所述第二用户的三维位置、所述第二特征点的三维位置、所述第二特征点对应的特征描述符和所述特征库中已有的特征描述符,确定待更新的特征描述符。
但是,由于众包模式具有不确定性,因此为了保持特征库更新的正确性,作为更优选的实施例方式,更新单元可以通过融合多个用户的观测结果来实现特征库的更新。也就是说,只更新在同一位置处重复观察多次的特征。前序步骤得到待更新特征后,将进行一定的累积。如果同一位置出现次数超过N时,才对特征库进行更新处理。
接下来,将关于通过融合多个用户的观测结果来确定待更新特征的具体过程给出描述。为了便于说明,考虑N=2的情况。
所述更新单元判断在所述第一图像和所述第二图像中是否获得同一最小空间结点处的待更新的特征描述符;如果判断为是,则计算同一最小空间结点处所述第一图像中的待更新的特征描述符与所述第二图像中的待更新的特征描述符之间的相关度,并且仅当所述相关度大于第三阈值时将所述第一图像中的待更新的特征描述符与所述第二图像中的待更新的特征描述符确定为最终待更新的特征描述符;如果判断为否,则不将其确定为最终待更新的特征描述符。
由于根据本发明实施例的信息处理设备中各单元所执行的处理与之前参照图1到图5所述的根据本发明实施例的信息处理方法的各步骤完全对应,因此为了避免冗余,关于信息处理设备中各单元的细节描述不再进一步展开。
迄今为止,已经参照图1到图9详细描述了通过根据本发明实施例的信息处理方法和设备。通过根据本发明实施例的信息处理方法和设备,能够结合众包模式进行特征库更新,确定待删除和待增加的特征,而不需要重复建图,从而能够以最低成本的方式有效地防止定位数据库随着时间、场景、用户的变化而带来的性能的恶化。
需要说明的是,在本说明书中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
最后,还需要说明的是,上述一系列处理不仅包括以这里所述的顺序按时间序列执行的处理,而且包括并行或分别地、而不是按时间顺序执行的处理。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的硬件平台的方式来实现,当然也可以全部通过软件来实施。基于这样的理解,本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上对本发明进行了详细介绍,本文中应用了具体个例对本发明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发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,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发明的限制。

Claims (10)

1.一种信息处理方法,应用于一信息处理设备,在所述信息处理设备中包含对特定环境预先创建的三维地图以及基于空间拓扑结构管理的特征库,处于所述特定环境中的不同用户能够根据自己拍摄的图像与所述特征库确定自己的位置,所述方法包括如下步骤:
获取由第一用户拍摄的第一图像;
提取所述第一图像中的一个或多个第一特征点,获得用于表征所述第一特征点的第一特征描述符;
基于所述第一用户的三维位置、所述第一图像和所述特征库,获得所述第一特征点的三维位置;
基于所述第一用户的三维位置、所述第一特征点的三维位置、所述第一特征点对应的第一特征描述符和所述特征库中已有的特征描述符,确定待更新的特征描述符;以及
基于待更新的特征描述符更新所述特征库。
2.根据权利要求1所述的信息处理方法,其中“确定待更新的特征描述符”的步骤包括:
选择所述第一图像中的一个第一特征点;
确定所选择的所述第一特征点与所述第一用户的位置的连线所经过的一个或多个最小空间结点;
判断在所述特征库中所述最小空间结点内是否包含任意的特征描述符;
如果判断为是,则将所述最小空间结点内包含的所有特征描述符确定为待删除的特征描述符。
3.根据权利要求1所述的信息处理方法,其中“确定待更新的特征描述符”的步骤进一步包括:
将所述第一图像中的各第一特征描述符确定为待增加的特征描述符;
获取待增加的特征描述符的强度信息;
在待增加的特征描述符中,剔除强度信息小于第一阈值的特征描述符。
4.根据权利要求1所述的信息处理方法,其中“确定待更新的特征描述符”的步骤进一步包括:
将所述第一图像中的各第一特征描述符确定为待增加的特征描述符;
计算待增加的特征描述符与所述特征库中对应的最小空间结点处的特征描述符的相似度,其中如果相似度大于第二阈值,则认为二者相似;
在待增加的特征描述符中,剔除在所述特征库中具有相似特征描述符的特征描述符。
5.根据权利要求1所述的信息处理方法,进一步包括:
获取由第二用户拍摄的第二图像;
提取所述第二图像中的第二特征点,获得用于表征所述第二特征点的第二特征描述符;
基于所述第二用户的位置和所述第二图像,获得所述第二特征点的三维位置;
基于所述第二用户的三维位置、所述第二特征点的三维位置、所述第二特征点对应的特征描述符和所述特征库中已有的特征描述符,确定待更新的特征描述符;
判断在所述第一图像和所述第二图像中是否获得同一最小空间结点处的待更新的特征描述符;
如果判断为是,则计算同一最小空间结点处所述第一图像中的待更新的特征描述符与所述第二图像中的待更新的特征描述符之间的相关度,并且仅当所述相关度大于第三阈值时将所述第一图像中的待更新的特征描述符与所述第二图像中的待更新的特征描述符确定为最终待更新的特征描述符;
如果判断为否,则不将其确定为最终待更新的特征描述符。
6.一种信息处理设备,用于对特定环境预先创建三维地图以及基于空间拓扑结构管理的特征库,以便于处于所述特定环境中的不同用户能够根据自己拍摄的图像与所述特征库确定自己的位置,所述设备包括:
存储单元,用于存储所述三维地图以及特征库;
通信单元,用于获取由第一用户拍摄的第一图像;
提取单元,用于提取所述第一图像中的一个或多个第一特征点,获得用于表征所述第一特征点的第一特征描述符;
三维位置确定单元,用于基于所述第一用户的位置、所述第一图像和所述特征库,获得所述第一特征点的三维位置;
更新单元,用于基于所述第一用户的三维位置、所述第一特征点的三维位置、所述第一特征点对应的第一特征描述符和所述特征库中已有的特征描述符,确定待更新的特征描述符,确定待更新的特征描述符,并基于待更新的特征描述符更新所述特征库。
7.根据权利要求6所述的信息处理设备,其中更新单元包括:
选择单元,用于选择所述第一图像中的一个第一特征点;
删除单元,用于确定所述第一特征点与所述第一用户的位置的连线所经过的一个或多个最小空间结点,并判断在所述特征库中所述最小空间结点内是否包含任意的特征描述符;如果判断为是,则将所述最小空间结点内包含的所有特征描述符确定为待删除的特征描述符。
8.根据权利要求6所述的信息处理设备,其中更新单元进一步包括:
增加单元,用于将所述第一图像中的各第一特征描述符确定为待增加的特征描述符;
强度信息获取单元,用于获取待增加的特征描述符的强度信息;
筛选单元,用于在待增加的特征描述符中,剔除强度信息小于第一阈值的特征描述符。
9.根据权利要求6所述的信息处理设备,其中更新单元进一步包括:
增加单元,用于将所述第一图像中的各第一特征描述符确定为待增加的特征描述符;
相似度计算单元,用于计算待增加的特征描述符与所述特征库中对应的最小空间结点处的特征点的相似度,其中如果相似度大于第二阈值,则认为二者相似;
筛选单元,用于在待增加的特征描述符中,剔除在所述特征库中具有相似特征描述符的特征描述符。
10.根据权利要求6所述的信息处理设备,其中
所述通信单元获取由第二用户拍摄的第二图像;
所述提取单元提取所述第二图像中的一个或多个第二特征点,获得用于表征所述第二特征点的第二特征描述符;
所述三维位置确定单元基于所述第二用户的位置、所述第二图像和所述特征库,获得所述第二特征点的三维位置;
所述更新单元基于所述第二用户的三维位置、所述第二特征点的三维位置、所述第二特征点对应的第二特征描述符和所述特征库中已有的特征描述符,确定待更新的特征描述符,并且
所述更新单元判断在所述第一图像和所述第二图像中是否获得同一最小空间结点处的待更新的特征描述符;
如果判断为是,则计算同一最小空间结点处所述第一图像中的待更新的特征描述符与所述第二图像中的待更新的特征描述符之间的相关度,并且仅当所述相关度大于第三阈值时将所述第一图像中的待更新的特征描述符与所述第二图像中的待更新的特征描述符确定为最终待更新的特征描述符;
如果判断为否,则不将其确定为最终待更新的特征描述符。
CN201410315444.4A 2014-07-03 2014-07-03 信息处理方法和设备 Active CN105224582B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201410315444.4A CN105224582B (zh) 2014-07-03 2014-07-03 信息处理方法和设备
US14/559,067 US10075695B2 (en) 2014-07-03 2014-12-03 Information processing method and device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410315444.4A CN105224582B (zh) 2014-07-03 2014-07-03 信息处理方法和设备

Publications (2)

Publication Number Publication Date
CN105224582A CN105224582A (zh) 2016-01-06
CN105224582B true CN105224582B (zh) 2018-11-09

Family

ID=54993551

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410315444.4A Active CN105224582B (zh) 2014-07-03 2014-07-03 信息处理方法和设备

Country Status (2)

Country Link
US (1) US10075695B2 (zh)
CN (1) CN105224582B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10796196B2 (en) * 2015-03-05 2020-10-06 Nant Holdings Ip, Llc Large scale image recognition using global signatures and local feature information
US9721186B2 (en) 2015-03-05 2017-08-01 Nant Holdings Ip, Llc Global signatures for large-scale image recognition
KR102441328B1 (ko) * 2016-01-28 2022-09-08 삼성전자주식회사 이동 로봇이 전송한 화면을 표시하는 방법 및 그 전자장치
CN109492560A (zh) * 2018-10-26 2019-03-19 深圳力维智联技术有限公司 基于时间尺度的人脸图像特征融合方法、装置和存储介质
CN113033576B (zh) * 2019-12-25 2024-04-05 阿里巴巴集团控股有限公司 图像局部特征提取、模型训练方法、设备及存储介质
CN111784798B (zh) * 2020-06-30 2021-04-09 滴图(北京)科技有限公司 地图生成方法、装置、电子设备和存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101196930A (zh) * 2008-01-04 2008-06-11 覃征 三维模型检索系统
CN101739397A (zh) * 2008-11-17 2010-06-16 新疆亚奥数码科技有限公司 基于mpeg-7的图像检索系统
CN101996420A (zh) * 2009-08-21 2011-03-30 索尼公司 信息处理装置、信息处理方法及程序
CN102521366A (zh) * 2011-12-16 2012-06-27 华中科技大学 融合分类与全局索引的图像检索方法和图像检索系统
CN102750541A (zh) * 2011-04-22 2012-10-24 北京文通科技有限公司 一种文档图像分类识别方法及装置
US8543904B1 (en) * 2004-09-02 2013-09-24 A9.Com, Inc. Multi-column search results interface having a whiteboard feature

Family Cites Families (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8855405B2 (en) * 2003-04-30 2014-10-07 Deere & Company System and method for detecting and analyzing features in an agricultural field for vehicle guidance
US20060136402A1 (en) * 2004-12-22 2006-06-22 Tsu-Chang Lee Object-based information storage, search and mining system method
US7624123B2 (en) * 2004-02-26 2009-11-24 Ati Technologies, Inc. Image processing system and method
US7382897B2 (en) * 2004-04-27 2008-06-03 Microsoft Corporation Multi-image feature matching using multi-scale oriented patches
US20050286767A1 (en) * 2004-06-23 2005-12-29 Hager Gregory D System and method for 3D object recognition using range and intensity
US20060268406A1 (en) * 2005-05-24 2006-11-30 Acquis, Inc., A Colorado Corporation System and method for processing spatial data
JP4620607B2 (ja) * 2006-02-24 2011-01-26 株式会社モルフォ 画像処理装置
US8788529B2 (en) * 2007-02-26 2014-07-22 Microsoft Corp. Information sharing between images
US7970226B2 (en) * 2007-04-23 2011-06-28 Microsoft Corporation Local image descriptors
KR100877072B1 (ko) * 2007-06-28 2009-01-07 삼성전자주식회사 이동 로봇을 위한 맵 생성 및 청소를 동시에 수행하는 방법및 장치
US9043138B2 (en) * 2007-09-07 2015-05-26 Green Driver, Inc. System and method for automated updating of map information
DE102007048320A1 (de) * 2007-10-09 2008-05-15 Daimler Ag Verfahren zur Anpassung eines Objektmodells an eine dreidimensionale Punktwolke
US8200025B2 (en) * 2007-12-07 2012-06-12 University Of Ottawa Image classification and search
GB0807411D0 (en) * 2008-04-23 2008-05-28 Mitsubishi Electric Inf Tech Scale robust feature-based indentfiers for image identification
KR101538775B1 (ko) * 2008-09-12 2015-07-30 삼성전자 주식회사 전방 영상을 이용한 위치 인식 장치 및 방법
US10650608B2 (en) * 2008-10-08 2020-05-12 Strider Labs, Inc. System and method for constructing a 3D scene model from an image
US8229928B2 (en) * 2009-02-27 2012-07-24 Empire Technology Development Llc 3D object descriptors
CN102197419A (zh) * 2009-03-16 2011-09-21 电子地图有限公司 更新数字地图的方法
US20100257252A1 (en) * 2009-04-01 2010-10-07 Microsoft Corporation Augmented Reality Cloud Computing
US8896686B2 (en) * 2009-06-23 2014-11-25 Here Global B.V. Determining a geometric parameter from a single image
US8953838B2 (en) * 2009-06-24 2015-02-10 Here Global B.V. Detecting ground geographic features in images based on invariant components
US9324003B2 (en) * 2009-09-14 2016-04-26 Trimble Navigation Limited Location of image capture device and object features in a captured image
WO2011069023A2 (en) * 2009-12-02 2011-06-09 Qualcomm Incorporated Fast subspace projection of descriptor patches for image recognition
US9091553B2 (en) * 2009-12-22 2015-07-28 Honeywell International Inc. Systems and methods for matching scenes using mutual relations between features
US20120066303A1 (en) * 2010-03-03 2012-03-15 Waldeck Technology, Llc Synchronized group location updates
US9530073B2 (en) * 2010-04-20 2016-12-27 Qualcomm Incorporated Efficient descriptor extraction over multiple levels of an image scale space
US20110313779A1 (en) * 2010-06-17 2011-12-22 Microsoft Corporation Augmentation and correction of location based data through user feedback
US20120011119A1 (en) * 2010-07-08 2012-01-12 Qualcomm Incorporated Object recognition system with database pruning and querying
US20120011142A1 (en) * 2010-07-08 2012-01-12 Qualcomm Incorporated Feedback to improve object recognition
US8625902B2 (en) * 2010-07-30 2014-01-07 Qualcomm Incorporated Object recognition using incremental feature extraction
EP2450667B1 (en) * 2010-11-09 2016-11-02 Harman Becker Automotive Systems GmbH Vision system and method of analyzing an image
JP5954712B2 (ja) * 2011-01-13 2016-07-20 パナソニックIpマネジメント株式会社 画像処理装置、画像処理方法、及びそのプログラム
KR101083245B1 (ko) * 2011-01-31 2011-11-14 주식회사 서전지구 지역정보 추출방법, 지역정보 출력방법, 및 이를 위한 장치
US8550909B2 (en) * 2011-06-10 2013-10-08 Microsoft Corporation Geographic data acquisition by user motivation
CN103988226B (zh) * 2011-08-31 2017-09-26 Metaio有限公司 用于估计摄像机运动以及用于确定实境三维模型的方法
US8798840B2 (en) * 2011-09-30 2014-08-05 Irobot Corporation Adaptive mapping with spatial summaries of sensor data
US9495773B2 (en) * 2011-10-24 2016-11-15 Nokia Technologies Oy Location map submission framework
KR101303124B1 (ko) * 2012-05-31 2013-09-09 삼성에스디에스 주식회사 특징점 기술자에 의한 객체 추적장치 및 방법, 그리고 에러 특징점 제거장치 및 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8543904B1 (en) * 2004-09-02 2013-09-24 A9.Com, Inc. Multi-column search results interface having a whiteboard feature
CN101196930A (zh) * 2008-01-04 2008-06-11 覃征 三维模型检索系统
CN101739397A (zh) * 2008-11-17 2010-06-16 新疆亚奥数码科技有限公司 基于mpeg-7的图像检索系统
CN101996420A (zh) * 2009-08-21 2011-03-30 索尼公司 信息处理装置、信息处理方法及程序
CN102750541A (zh) * 2011-04-22 2012-10-24 北京文通科技有限公司 一种文档图像分类识别方法及装置
CN102521366A (zh) * 2011-12-16 2012-06-27 华中科技大学 融合分类与全局索引的图像检索方法和图像检索系统

Also Published As

Publication number Publication date
US10075695B2 (en) 2018-09-11
US20160005142A1 (en) 2016-01-07
CN105224582A (zh) 2016-01-06

Similar Documents

Publication Publication Date Title
CN105224582B (zh) 信息处理方法和设备
CN109816012B (zh) 一种融合上下文信息的多尺度目标检测方法
JP6602889B2 (ja) 移動体装置ローカリゼーションのためのエリア記述ファイルのクラウドソーシングによる作成および更新
CN107247834B (zh) 一种基于图像识别的三维环境模型重构方法、设备及系统
CN109658445A (zh) 网络训练方法、增量建图方法、定位方法、装置及设备
CN109920055A (zh) 三维视觉地图的构建方法、装置与电子设备
CN106780662B (zh) 人脸图像生成方法、装置及设备
KR20180005168A (ko) 로컬화 영역 설명 파일에 대한 프라이버시-민감 질의
JP2016521882A5 (zh)
JP6948851B2 (ja) 情報処理装置、情報処理方法
CN105117399B (zh) 一种图像搜索方法和装置
CN106650965B (zh) 一种远程视频处理方法及装置
CN105023266A (zh) 增强现实实现方法、装置和终端设备
CN104616247B (zh) 一种用于基于超像素sift航拍地图拼接的方法
JP2017130146A (ja) 画像管理装置、画像管理方法及びプログラム
JP2021530773A (ja) 画像に基づく関係分析の方法およびそのシステム
KR20120052772A (ko) 증강 현실 환경에서 증강 현실 서비스 제공 방법 및 이를 위한 시스템
CN112270709A (zh) 地图构建方法及装置、计算机可读存储介质和电子设备
CN113487523A (zh) 图形轮廓优化方法、装置、计算机设备和存储介质
JP6982242B2 (ja) 学習データ生成装置、変化領域検出方法及びコンピュータプログラム
CN108875505A (zh) 基于神经网络的行人再识别方法和装置
JP2010257267A (ja) 物体領域検出装置、物体領域検出方法および物体領域検出プログラム
JP5931646B2 (ja) 画像処理装置
JP6016242B2 (ja) 視点推定装置及びその分類器学習方法
Santos et al. Recognizing and exploring azulejos on historic buildings' facades by combining computer vision and geolocation in mobile augmented reality applications

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant