CN106875446A - 相机重定位方法及装置 - Google Patents

Abstract

本公开涉及一种相机重定位方法及装置。该相机重定位方法包括：通过共享层从相机获取的图像中提取图像特征；通过第一专门层根据图像特征确定并输出相机在第一坐标系中的位移；通过第二专门层根据图像特征确定并输出相机在第一坐标系中的姿态。本公开的相机重定位方法及装置，通过对神经网络进行分支，能够较好地处理相机重定位任务中的位移预测和姿态预测两个子任务之间的关系，达到位移预测和姿态预测两个子任务互不干扰的目的，能够大大地提高相机重定位的精度。

Description

相机重定位方法及装置

技术领域

本公开涉及计算机视觉技术领域，尤其涉及一种相机重定位方法及装置。

背景技术

近年来，除了通过GPS(Global Position System，全球定位系统)、基站、蓝牙和Wi-Fi(Wireless Fidelity，无线保真技术)进行定位外，越来越多的定位系统使用了视觉传感器。视觉传感器是指利用光学元件和成像装置获取外部环境图像信息的仪器。视觉传感器获取的视觉图像中包含底层的颜色、纹理特征以及高层的物体、场景特征，且视觉传感器价格低廉、使用广泛，越来越多地受到定位系统的青睐。近年来，借助计算机视觉技术的高速发展，基于视觉图像的定位技术得到了广泛的应用。

相机重定位是指通过对相机拍摄的图像进行分析，计算相机在图像拍摄场景坐标系的位移和姿态。图1是相关技术示出的相机重定位的坐标系示意图。如图1所示，相机的位移可以通过向量r＝[X,Y,Z]来表示，相机的姿态可以通过xyz坐标系(全局坐标系)与x’y’z’坐标系(局部坐标系)之间的关系来表示。相关技术中，主要的相机重定位方法可以分为基于点特征的相机重定位方法和基于全图特征的相机重定位方法。基于点特征的相机重定位方法通过像素点特征来进行点坐标匹配，例如通过卷积神经网络进行点匹配，从而计算相机的姿态。基于全图特征的相机重定位方法通过将全图特征映射到高维特征空间来获得更好的对于相机位移、姿态的连续映射。利用卷积神经网络也可以不进行点匹配，直接处理图像回归得到相机的姿态。这类基于神经网络的相机重定位方法就是基于全图特征的相机重定位方法。

相关技术中，基于神经网络实现端到端学习的相机重定位方法可以包括PoseNet网络结构(例如GoogLeNet、VGG-16网络结构等)，即可以通过在输入端读取一张相机拍摄的图像，而在输出端直接输出相机的位移和姿态。图2是相关技术中的GoogLeNet网络结构的示例性的框图。图3是相关技术中的VGG-16网络结构的示例性的框图。如图2和图3所示，GoogLeNet网络结构和VGG-16网络结构的每一层均以前一层的输出为输入，最终的表示位移和姿态的向量由同一个全连接层生成并输出。

相机重定位方法可以认为是解决相机的位移预测和相机的姿态预测两个子任务。通过计算不同图像的位移和姿态，例如计算不同图像的3个位移变量和3个姿态变量之间的相关程度，可以发现两组变量(一组为位移变量，另一组为姿态变量)中，组内相关性要显著高于组间相关性。由此可以说明，尽管相机的位移和姿态之间是有关联的，但是位移和姿态之间也是有显著的差异性的。采用同一个全连接层同时预测相机的位移和姿态，这使得在神经网络的训练过程中，位移和姿态两组变量的训练效果的均衡变得非常重要，提高其中之一的预测效果往往使得另一者的效果降低。

发明内容

有鉴于此，本公开提出了一种相机重定位方法及装置，以准确地预测相机的位移和姿态。

根据本公开的第一方面，提供了一种相机重定位方法，所述方法基于卷积神经网络，所述卷积神经网络包括共享层、第一专门层和第二专门层，所述方法包括：

通过所述共享层从相机获取的图像中提取图像特征；

通过所述第一专门层根据所述图像特征确定并输出所述相机在第一坐标系中的位移；

通过所述第二专门层根据所述图像特征确定并输出所述相机在所述第一坐标系中的姿态。

对于所述的相机重定位方法，在一种可能的实现方式中，所述共享层包括图像特征卷积层、图像特征池化层和图像特征生成模块中的至少一项。

对于所述的相机重定位方法，在一种可能的实现方式中，所述第一专门层包括位移卷积层、位移池化层和位移特征生成模块中的至少一项，所述第一专门层还包括位移全连接层。

对于所述的相机重定位方法，在一种可能的实现方式中，所述第二专门层包括姿态卷积层、姿态池化层和姿态特征生成模块中的至少一项，所述第二专门层还包括姿态全连接层。

根据本公开的第二方面，提供了一种相机重定位装置，所述装置基于卷积神经网络，所述卷积神经网络包括共享层、第一专门层和第二专门层，所述装置包括：

图像特征提取模块，用于通过所述共享层从相机获取的图像中提取图像特征；

位移确定模块，用于通过所述第一专门层根据所述图像特征确定并输出所述相机在第一坐标系中的位移；

姿态确定模块，用于通过所述第二专门层根据所述图像特征确定并输出所述相机在所述第一坐标系中的姿态。

对于所述的相机重定位装置，在一种可能的实现方式中，所述共享层包括图像特征卷积层、图像特征池化层和图像特征生成模块中的至少一项。

对于所述的相机重定位装置，在一种可能的实现方式中，所述第一专门层包括位移卷积层、位移池化层和位移特征生成模块中的至少一项，所述第一专门层还包括位移全连接层。

对于所述的相机重定位装置，在一种可能的实现方式中，所述第二专门层包括姿态卷积层、姿态池化层和姿态特征生成模块中的至少一项，所述第二专门层还包括姿态全连接层。

根据本公开的第三方面，提供了一种相机重定位装置，所述装置基于卷积神经网络，所述卷积神经网络包括共享层、第一专门层和第二专门层，所述装置包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

通过所述共享层从相机获取的图像中提取图像特征；

通过所述第一专门层根据所述图像特征确定并输出所述相机在第一坐标系中的位移；

通过所述第二专门层根据所述图像特征确定并输出所述相机在所述第一坐标系中的姿态。

根据本公开的第四方面，提供了一种非易失性计算机可读存储介质，当所述存储介质中的指令由终端和/或服务器的处理器执行时，使得终端和/或服务器能够执行一种相机重定位方法，所述方法基于卷积神经网络，所述卷积神经网络包括共享层、第一专门层和第二专门层，所述方法包括：

通过所述共享层从相机获取的图像中提取图像特征；

通过所述第一专门层根据所述图像特征确定并输出所述相机在第一坐标系中的位移；

通过所述第二专门层根据所述图像特征确定并输出所述相机在所述第一坐标系中的姿态。

本公开的相机重定位方法及装置，通过共享层从相机获取的图像中提取图像特征，通过第一专门层根据图像特征确定并输出相机在第一坐标系中的位移，通过第二专门层根据图像特征确定并输出相机在第一坐标系中的姿态，由此通过对神经网络进行分支，能够较好地处理相机重定位任务中的位移预测和姿态预测两个子任务之间的关系，达到位移预测和姿态预测两个子任务互不干扰的目的，能够大大地提高相机重定位的精度。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。

图1是相关技术示出的相机重定位的坐标系示意图。

图2是相关技术中的GoogLeNet网络结构的示例性的框图。

图3是相关技术中的VGG-16网络结构的示例性的框图。

图4是根据本公开一实施例的相机重定位方法的卷积神经网络的框图。

图5是根据本公开一实施例的相机重定位方法的流程图。

图6是根据本公开一实施例的基于GoogLeNet的分支网络结构的一示例性的框图。

图7是根据本公开一实施例的基于VGG-16的分支网络结构的一示例性的框图。

图8是根据本公开一实施例的相机重定位装置的框图。

图9是根据本公开一实施例的相机重定位装置的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

图4是根据本公开一实施例的相机重定位方法的卷积神经网络的框图。本实施例的相机重定位方法可以基于该卷积神经网络。

本实施例的卷积神经网络(CNN，Convolutional Neural Network)可以为一种前馈神经网络，人工神经元可以响应覆盖范围内的周围单元。如图4所示，该卷积神经网络可以包括共享层(Shared Layers)、第一专门层(Specfic Layers for Translation)和第二专门层(Specfic Layers for Orientation)。

其中，共享层的输入可以为从相机获取的图像，第一专门层和第二专门层的输入均为共享层的输出，第一专门层的输出可以为相机在第一坐标系的位移(Translation)，第二专门层的输出可以为相机在第一坐标系的姿态(Orientation)。本实施例不限制第一坐标系的类型，例如第一坐标系可以为世界坐标系，也可以是图像场景坐标系。其中，世界坐标系可以为绝对坐标系，即在没有建立用户坐标系之前图像上所有点的坐标都是以该坐标系的原点来确定各自的位置的。图像场景坐标系可以为相对坐标系，即可以为根据用户设置的原点和方向建立的坐标系。

本实施例不限制卷积神经网络的搭建形式。其中，共享层、第一专门层和第二专门层可以分别由多种不同类型的层组成，例如卷积层(Convolutional Layer)、池化层(Pooling Layer)、全连接层(Fully Connected Layer)和特征生成模块(例如Inception模块)中的一种或多种等。

其中，卷积层、池化层和全连接层均为神经网络中的一个基本运算单元。卷积层的输出可以是对输入进行卷积操作后的结果。池化层可以为夹在连续的卷积层中间的层，能够起到逐步地减小参数数量的作用，也可以在一定程度上减小过拟合现象。全连接层可以为神经网络末尾的层，输出的每个单元均为输入的线性加权。Inception模块可以为GoogleNet网络中的一个模块，由卷积层和池化层组成。

图5是根据本公开一实施例的相机重定位方法的流程图。该相机重定位方法可以用于根据相机拍摄的图像对相机的位移和姿态进行预测。如图5所示，该相机重定位方法可以包括以下步骤。

在步骤S501中，通过共享层从相机获取的图像中提取图像特征。

在一种可能的实现方式中，共享层可以包括图像特征卷积层、图像特征池化层和图像特征生成模块中的至少一项。

其中，图像特征卷积层可以为共享层中用于提取图像特征的各个卷积层，图像特征池化层可以为共享层中用于提取图像特征的各个池化层，图像特征生成模块可以为共享层中用于提取图像特征的各个特征生成模块。

作为本实施例的一个示例，共享层可以包括多个图像特征卷积层和多个图像特征生成模块。

作为本实施例的另一个实例，共享层可以包括多个图像特征卷积层和多个图像特征池化层。

需要说明的是，尽管以图像特征卷积层、图像特征生成模块，或者图像特征卷积层、图像特征池化层作为示例介绍了共享层如上，但本领域技术人员能够理解，本公开应不限于此。本领域技术人员可以根据实际应用场景灵活设定共享层。

在步骤S502中，通过第一专门层根据该图像特征确定并输出相机在第一坐标系中的位移。

在一种可能的实现方式中，第一专门层包括位移卷积层、位移池化层和位移特征生成模块中的至少一项，第一专门层还包括位移全连接层。

其中，位移卷积层可以为第一专门层中用于确定相机在第一坐标系中的位移的各个卷积层，位移池化层可以为第一专门层中用于确定相机在第一坐标系中的位移的各个池化层，位移特征生成模块可以为第一专门层中用于确定相机在第一坐标系中的位移的各个特征生成模块。

作为本实施例的一个示例，第一专门层可以包括多个位移特征生成模块和一个位移全连接层。

作为本实施例的另一个实例，第一专门层可以包括多个位移卷积层、一个位移池化层和多个位移全连接层。

需要说明的是，尽管以位移特征生成模块、位移全连接层，或者位移卷积层、位移池化层、位移全连接层作为示例介绍了第一专门层如上，但本领域技术人员能够理解，本公开应不限于此。本领域技术人员可以根据实际应用场景灵活设定第一专门层。

在步骤S503中，通过第二专门层根据该图像特征确定并输出相机在第一坐标系中的姿态。

在一种可能的实现方式中，第二专门层包括姿态卷积层、姿态池化层和姿态特征生成模块中的至少一项，第二专门层还包括姿态全连接层。

其中，姿态卷积层可以为第二专门层中用于确定相机在第一坐标系中的姿态的各个卷积层，姿态池化层可以为第二专门层中用于确定相机在第一坐标系中的姿态的各个池化层，姿态特征生成模块可以为第二专门层中用于确定相机在第一坐标系中的姿态的各个特征生成模块。

作为本实施例的一个示例，第二专门层可以包括多个姿态特征生成模块和一个姿态全连接层。

作为本实施例的另一个实例，第二专门层可以包括多个姿态卷积层、一个姿态池化层和多个姿态全连接层。

需要说明的是，尽管以姿态特征生成模块、姿态全连接层，或者姿态卷积层、姿态池化层、姿态全连接层作为示例介绍了第二专门层如上，但本领域技术人员能够理解，本公开应不限于此。本领域技术人员可以根据实际应用场景灵活设定第二专门层。

需要说明的是，本实施例不限制步骤S502和步骤S503之间的执行顺序，例如可以先执行步骤S502再执行步骤S503，也可以先执行步骤S503再执行步骤S502，还可以同时执行步骤S502和步骤S503。

图6是根据本公开一实施例的基于GoogLeNet的分支网络结构的一示例性的框图。作为本实施例的一个示例，共享层可以包括依次设置的两个图像特征卷积层和五个图像特征生成模块，第一专门层可以包括依次设置的四个位移特征生成模块和一个位移全连接层，第二专门层可以包括依次设置的四个姿态特征生成模块和一个姿态全连接层。

在共享层中，第一图像特征卷积层的输入为从相机获取的图像，第一图像特征卷积层的输出为第二图像特征卷积层的输入，第二图像特征卷积层的输出为第一图像特征生成模块的输入，第一图像特征生成模块的输出为第二图像特征生成模块的输入，第二图像特征生成模块的输出为第三图像特征生成模块的输入，第三图像特征生成模块的输出为第四图像特征生成模块的输入，第四图像特征生成模块的输出为第五图像特征生成模块的输入，第五图像特征生成模块的输出分别为第一专门层和第二专门层的输入。

在第一专门层中，第一位移特征生成模块的输入为图像特征，第一位移特征生成模块的输出为第二位移特征生成模块的输入，第二位移特征生成模块的输出为第三位移特征生成模块的输入，第三位移特征生成模块的输出为第四位移特征生成模块的输入，第四位移特征生成模块的输出为位移全连接层的输入，位移全连接层的输出为相机在第一坐标系中的位移。

在第二专门层中，第一姿态特征生成模块的输入为图像特征，第一姿态特征生成模块的输出为第二姿态特征生成模块的输入，第二姿态特征生成模块的输出为第三姿态特征生成模块的输入，第三姿态特征生成模块的输出为第四姿态特征生成模块的输入，第四姿态特征生成模块的输出为姿态全连接层的输入，姿态全连接层的输出为相机在第一坐标系中的姿态。

表1示出了相关技术的GoogLeNet网络结构(PoseNet-Euler6)与本实施的基于GoogLeNet的分支网络结构(BranchNet-Euler6)的参数对照表。在本实施例中，例如可以通过降低卷积层的通道数、全连接层输出数的方式，可以使得基于GoogLeNet的分支网络结构的参数数量不会增加。

如表1所示，Conv可以表示卷积层，Icp可以表示Inception模块，max pool可以表示最大池化层，avg pool可以表示平均值池华层。#channel可以表示该层的通道数，例如PoseNet-Euler6中的Conv1(图2中的卷积层1)对应的通道数为64，BranchNet-Euler6中的Conv1(图6中的图像特征卷积层1)对应的通道数为64。此外，#1x1、#3x3reduce、#3x3、#5x5reduce、#5x5、#pool proj可以表示组成Inception模块的6个卷积层，所列出的数值代表了该层的通道数。例如PoseNet-Euler6中的Icp7(图2中的特征生成模块7)的#1x1对应的通道数为256，BranchNet-Euler6中的Icp7(图6中的位移特征生成模块2或姿态特征生成模块2)的#1x1对应的通道数为180。params/k可以表示该层/模块的参数数量，单位是k(即1000)。

表1

图7是根据本公开一实施例的基于VGG-16的分支网络结构的一示例性的框图。作为本实施例的一个示例，共享层可以包括交替设置的十个图像特征卷积层和四个图像特征池化层，第一专门层可以包括依次设置的三个位移卷积层、一个位移池化层和三个位移全连接层，第二专门层可以包括依次设置的三个姿态卷积层、一个姿态池化层和三个姿态全连接层。

在共享层中，第一图像特征卷积层的输入为从相机获取的图像，第一图像特征卷积层的输出为第二图像特征卷积层的输入，第二图像特征卷积层中设置有第一图像特征池化层，第二图像特征卷积层的输出为第三图像特征卷积层的输入，第三图像特征卷积层的输出为第四图像特征卷积层的输入，第四图像特征卷积层中设置有第二图像特征池化层，第四图像特征卷积层的输出为第五图像特征卷积层的输入，第五图像特征卷积层的输出为第六图像特征卷积层的输入，第六图像特征卷积层的输出为第七图像特征卷积层的输入，第七图像特征卷积层中设置有第三图像特征池化层，第七图像特征卷积层的输出为第八图像特征卷积层的输入，第八图像特征卷积层的输出为第九图像特征卷积层的输入，第九图像特征卷积层的输出为第十图像特征卷积层的输入，第十图像特征卷积层中设置有第四图像特征池化层，第十图像特征卷积层的输出分别为第一专门层和第二专门层的输入。

在第一专门层中，第一位移卷积层的输入为图像特征，第一位移卷积层的输出为第二位移卷积层的输入，第二位移卷积层的输出为第三位移卷积层的输入，第三位移卷积层中设置有第一位移池化层，第三位移卷积层的输出为第一位移全连接层的输入，第一位移全连接层的输出为第二位移全连接层的输入，第二位移全连接层的输出为第三位移全连接层的输入，第三位移全连接层的输出为相机在第一坐标系中的位移。

在第二专门层中，第一姿态卷积层的输入为图像特征，第一姿态卷积层的输出为第二姿态卷积层的输入，第二姿态卷积层的输出为第三姿态卷积层的输入，第三姿态卷积层中设置有第一姿态池化层，第三姿态卷积层的输出为第一姿态全连接层的输入，第一姿态全连接层的输出为第二姿态全连接层的输入，第二姿态全连接层的输出为第三姿态全连接层的输入，第三姿态全连接层的输出为相机在第一坐标系中的姿态。

本实施例的相机重定位方法，通过共享层从相机获取的图像中提取图像特征，通过第一专门层根据图像特征确定并输出相机在第一坐标系中的位移，通过第二专门层根据图像特征确定并输出相机在第一坐标系中的姿态，由此通过对神经网络进行分支，能够较好地处理相机重定位任务中的位移预测和姿态预测两个子任务之间的关系，达到位移预测和姿态预测两个子任务互不干扰的目的，能够大大地提高相机重定位的精度。本实施例的相机重定位方法使得相机的方向预测和位移预测两个子任务能够共享同样的底层基本特征，相比于使用两个单独的神经网络分别进行位移和姿态预测减少了参数数量。

图8是根据本公开一实施例的相机重定位装置的框图。该装置基于卷积神经网络，该卷积神经网络包括共享层、第一专门层和第二专门层。参照图8，该装置包括图像特征提取模块11、位移确定模块13和姿态确定模块15。

其中，图像特征提取模块11被配置为通过共享层从相机获取的图像中提取图像特征。位移确定模块13被配置为通过第一专门层根据该图像特征确定并输出相机在第一坐标系中的位移。姿态确定模块15被配置为通过第二专门层根据该图像特征确定并输出相机在第一坐标系中的姿态。

在一种可能的实现方式中，共享层包括图像特征卷积层、图像特征池化层和图像特征生成模块中的至少一项。

在一种可能的实现方式中，第一专门层包括位移卷积层、位移池化层和位移特征生成模块中的至少一项，第一专门层还包括位移全连接层。

在一种可能的实现方式中，第二专门层包括姿态卷积层、姿态池化层和姿态特征生成模块中的至少一项，第二专门层还包括姿态全连接层。

本实施例的相机重定位装置，通过共享层从相机获取的图像中提取图像特征，通过第一专门层根据图像特征确定并输出相机在第一坐标系中的位移，通过第二专门层根据图像特征确定并输出相机在第一坐标系中的姿态，由此通过对神经网络进行分支，能够较好地处理相机重定位任务中的位移预测和姿态预测两个子任务之间的关系，达到位移预测和姿态预测两个子任务互不干扰的目的，能够大大地提高相机重定位的精度。本实施例的相机重定位装置使得相机的方向预测和位移预测两个子任务能够共享同样的底层基本特征，相比于使用两个单独的神经网络分别进行位移和姿态预测减少了参数数量。

图9是根据本公开一实施例的相机重定位装置的框图。例如，装置800可以是相机，移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等具有拍摄功能的设备。

参照图9，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非易失性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例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。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (9)

1.一种相机重定位方法，其特征在于，所述方法基于卷积神经网络，所述卷积神经网络包括共享层、第一专门层和第二专门层，所述方法包括：

通过所述共享层从相机获取的图像中提取图像特征；

通过所述第一专门层根据所述图像特征确定并输出所述相机在第一坐标系中的位移；

通过所述第二专门层根据所述图像特征确定并输出所述相机在所述第一坐标系中的姿态。

2.根据权利要求1所述的相机重定位方法，其特征在于，所述共享层包括图像特征卷积层、图像特征池化层和图像特征生成模块中的至少一项。

3.根据权利要求1所述的相机重定位方法，其特征在于，所述第一专门层包括位移卷积层、位移池化层和位移特征生成模块中的至少一项，所述第一专门层还包括位移全连接层。

4.根据权利要求1所述的相机重定位方法，其特征在于，所述第二专门层包括姿态卷积层、姿态池化层和姿态特征生成模块中的至少一项，所述第二专门层还包括姿态全连接层。

5.一种相机重定位装置，其特征在于，所述装置基于卷积神经网络，所述卷积神经网络包括共享层、第一专门层和第二专门层，所述装置包括：

图像特征提取模块，用于通过所述共享层从相机获取的图像中提取图像特征；

位移确定模块，用于通过所述第一专门层根据所述图像特征确定并输出所述相机在第一坐标系中的位移；

姿态确定模块，用于通过所述第二专门层根据所述图像特征确定并输出所述相机在所述第一坐标系中的姿态。

6.根据权利要求5所述的相机重定位装置，其特征在于，所述共享层包括图像特征卷积层、图像特征池化层和图像特征生成模块中的至少一项。

7.根据权利要求5所述的相机重定位装置，其特征在于，所述第一专门层包括位移卷积层、位移池化层和位移特征生成模块中的至少一项，所述第一专门层还包括位移全连接层。

8.根据权利要求5所述的相机重定位装置，其特征在于，所述第二专门层包括姿态卷积层、姿态池化层和姿态特征生成模块中的至少一项，所述第二专门层还包括姿态全连接层。

9.一种相机重定位装置，其特征在于，所述装置基于卷积神经网络，所述卷积神经网络包括共享层、第一专门层和第二专门层，所述装置包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

通过所述共享层从相机获取的图像中提取图像特征；

通过所述第一专门层根据所述图像特征确定并输出所述相机在第一坐标系中的位移；

通过所述第二专门层根据所述图像特征确定并输出所述相机在所述第一坐标系中的姿态。