CN107330943A - 一种定位标识匹配方法、装置及电子设备 - Google Patents

一种定位标识匹配方法、装置及电子设备 Download PDF

Info

Publication number
CN107330943A
CN107330943A CN201710494540.3A CN201710494540A CN107330943A CN 107330943 A CN107330943 A CN 107330943A CN 201710494540 A CN201710494540 A CN 201710494540A CN 107330943 A CN107330943 A CN 107330943A
Authority
CN
China
Prior art keywords
positioning mark
current frame
frame image
specified
predicted
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.)
Granted
Application number
CN201710494540.3A
Other languages
English (en)
Other versions
CN107330943B (zh
Inventor
乔伟
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.)
Leshi Zhixin Electronic Technology Tianjin Co Ltd
Original Assignee
Leshi Zhixin Electronic Technology Tianjin Co 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 Leshi Zhixin Electronic Technology Tianjin Co Ltd filed Critical Leshi Zhixin Electronic Technology Tianjin Co Ltd
Priority to CN201710494540.3A priority Critical patent/CN107330943B/zh
Publication of CN107330943A publication Critical patent/CN107330943A/zh
Application granted granted Critical
Publication of CN107330943B publication Critical patent/CN107330943B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及跟踪定位技术领域，尤其涉及一种定位标识匹配方法、装置及电子设备。该定位标识匹配方法包括：根据指定定位标识在当前帧图像的前N帧图像中的位置，对该指定定位标识在当前帧图像中的位置进行预测，得到预测位置，其中，N为大于等于2的整数；确定当前帧图像中，距离该预测位置最近的定位标识图像为该指定定位标识的图像。采用本发明提供的方案，能够解决现有技术中定位标识匹配速度较慢的问题。

Description

一种定位标识匹配方法、装置及电子设备
技术领域
本发明涉及跟踪定位技术领域，尤其涉及一种定位标识匹配方法、装置及电子设备。
背景技术
目前，很多应用领域中都会涉及到目标对象的跟踪定位，例如在虚拟现实设备中就涉及到头戴显示器、手柄等目标对象的定位。
现有技术中一种常见的跟踪定位方案为在目标对象上设置多个定位标识，对目标对象进行连续拍摄得到多帧图像，通过识别图像中各定位标识的位置变化，来实现目标对象的跟踪定位。例如虚拟现实设备中的手柄定位，如图1所示，在手柄上设置定位标识1、定位标识2、定位标识3、定位标识4和定位标识5，假设对手柄进行连续拍摄得到了4帧图像，通过识别4帧图像中各定位标识的位置变化，可以确定出手柄的运动轨迹为沿手柄顶部圆盘中心顺时针旋转90度，即实现了手柄的跟踪定位。
然而，发明人在实现本发明的过程中发现，在一帧图像中，很难快速识别出该图像中的各定位标识图像分别对应的是哪一个定位标识，即很难实现定位标识的快速匹配，最终导致目标对象的跟踪定位存在较大延时。
发明内容
本发明实施例提供了一种定位标识匹配方法、装置及电子设备，用以解决现有技术中定位标识匹配速度较慢的问题。
本发明实施例提供的定位标识匹配方法，包括：
根据指定定位标识在当前帧图像的前N帧图像中的位置，对所述指定定位标识在当前帧图像中的位置进行预测，得到预测位置，其中，N为大于等于2的整数；
确定当前帧图像中，距离所述预测位置最近的定位标识图像为所述指定定位标识的图像。
在本发明的一个具体实施例中，根据指定定位标识在当前帧图像的前N帧图像中的位置，对所述指定定位标识在当前帧图像中的位置进行预测，具体包括：
基于指定定位标识在当前帧图像的前N帧图像中的位置，采用线性预测算法对所述指定定位标识在当前帧图像中的位置进行预测。
在本发明的一个具体实施例中，根据指定定位标识在当前帧图像的前N帧图像中的位置，对所述指定定位标识在当前帧图像中的位置进行预测，具体包括：
基于指定定位标识在当前帧图像的前N帧图像中的位置，采用卡尔曼预测算法对所述指定定位标识在当前帧图像中的位置进行预测。
在本发明的一个实际应用场景中，所述指定定位标识为指定发光标记点。
进一步的，所述指定发光标记点具体为位于虚拟现实设备上的指定发光标记点。
本发明实施例提供的定位标识匹配装置，包括：
预测单元，用于根据指定定位标识在当前帧图像的前N帧图像中的位置，对所述指定定位标识在当前帧图像中的位置进行预测，得到预测位置，其中，N为大于等于2的整数；
确定单元，用于确定当前帧图像中，距离所述预测位置最近的定位标识图像为所述指定定位标识的图像。
在本发明的一个具体实施例中，所述预测单元，具体用于基于指定定位标识在当前帧图像的前N帧图像中的位置，采用线性预测算法对所述指定定位标识在当前帧图像中的位置进行预测。
在本发明的一个具体实施例中，所述预测单元，具体用于基于指定定位标识在当前帧图像的前N帧图像中的位置，采用卡尔曼预测算法对所述指定定位标识在当前帧图像中的位置进行预测。
在本发明的一个实际应用场景中，所述指定定位标识为指定发光标记点。
进一步的，所述指定发光标记点具体为位于虚拟现实设备上的指定发光标记点。
本发明实施例提供的电子设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行：
根据指定定位标识在当前帧图像的前N帧图像中的位置，对所述指定定位标识在当前帧图像中的位置进行预测，得到预测位置，其中，N为大于等于2的整数；
确定当前帧图像中，距离所述预测位置最近的定位标识图像为所述指定定位标识的图像。
本发明实施例还提供了一种非易失性计算机存储介质，所述非易失性计算机存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行：
根据指定定位标识在当前帧图像的前N帧图像中的位置，对所述指定定位标识在当前帧图像中的位置进行预测，得到预测位置，其中，N为大于等于2的整数；
确定当前帧图像中，距离所述预测位置最近的定位标识图像为所述指定定位标识的图像。
本发明实施例还提供了一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，所述计算机执行：
根据指定定位标识在当前帧图像的前N帧图像中的位置，对所述指定定位标识在当前帧图像中的位置进行预测，得到预测位置，其中，N为大于等于2的整数；
确定当前帧图像中，距离所述预测位置最近的定位标识图像为所述指定定位标识的图像。
采用本发明实施例提供的方案，获取指定定位标识在当前帧图像的至少前两帧图像中的位置信息，基于获取的位置信息，预测指定定位标识在当前帧图像中的位置，得到预测位置，然后基于最近邻原则，在当前帧图像中确定距离该预测位置最近的定位标识为指定定位标识，能够实现定位标识的快速匹配，进而实现目标对象的低延时跟踪定位。
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一简单地介绍，显而易见地，下面描述中的附图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它的附图。
图1为一种基于定位标识的跟踪定位方案的示意图；
图2为本发明实施例提供的定位标识匹配方法的示意图之一；
图3为本发明实施例提供的定位标识匹配方法的示意图之二；
图4为本发明实施例提供的定位标识匹配装置的示意图；
图5为本发明实施例提供的电子设备的示意图。
具体实施方式
为了给出定位标识快速匹配的实现方案，本发明实施例提供了一种定位标识匹配方法、装置及电子设备，以下结合说明书附图对本发明的实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。并且在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
本发明实施例提供了一种定位标识匹配方法，应用于电子设备，如图2所示，可以包括如下步骤：
步骤201、根据指定定位标识在当前帧图像的前N帧图像中的位置，对该指定定位标识在当前帧图像中的位置进行预测，得到预测位置，其中，N为大于等于2的整数。
即在步骤201中，将指定定位标识在当前帧图像的前N帧图像中的位置信息作为基础数据，来预测该指定定位标识在当前帧图像中的位置。
在本发明的一个具体实施例中，在步骤201中根据指定定位标识在当前帧图像的前N帧图像中的位置，对该指定定位标识在当前帧图像中的位置进行预测时，具体可以基于该指定定位标识在当前帧图像的前N帧图像中的位置，采用线性预测算法对该指定定位标识在当前帧图像中的位置进行预测。由于采用线性预测算法对指定定位标识在当前帧图像中的位置进行预测时，只会用到该指定定位标识在当前帧图像的前2帧图像中的位置，因此此时，N等于2。
采用线性预测算法对指定定位标识在当前帧图像中的位置进行预测，算法相对简单，计算速度较快，耗时短，效率高。
在本发明的另一个具体实施例中，在步骤201中根据指定定位标识在当前帧图像的前N帧图像中的位置，对该指定定位标识在当前帧图像中的位置进行预测时，也可以基于该指定定位标识在当前帧图像的前N帧图像中的位置，采用卡尔曼预测算法对该指定定位标识在当前帧图像中的位置进行预测。由于采用卡尔曼预测算法对指定定位标识在当前帧图像中的位置进行预测时，基础数据越多，预测越准确，基础数据越少，计算速度越快，因此此时，N越大，预测越准确，N越小，计算速度越快；实际实施时，N的具体数值可以根据实际应用场景的具体需求来进行选择；一般的应用场景下，N可以在5左右进行选择。
采用卡尔曼预测算法对指定定位标识在当前帧图像中的位置进行预测，预测精度较高。
需要说明的是，在本发明的其它具体实施例中，在步骤201中根据指定定位标识在当前帧图像的前N帧图像中的位置，对该指定定位标识在当前帧图像中的位置进行预测时，也可以基于该指定定位标识在当前帧图像的前N帧图像中的位置，采用其它预测算法对该指定定位标识在当前帧图像中的位置进行预测，本发明实施例对采用的预测算法不做具体限定。
步骤202、确定当前帧图像中，距离该预测位置最近的定位标识图像为该指定定位标识的图像。
即在当前帧图像中，距离该预测位置最近的定位标识即为该指定定位标识，即确定出了该指定定位标识在当前帧图像中的位置，可以作为基础数据来预测该指定定位标识在当前帧图像之后图像中的位置。
采用本发明实施例提供的方法，能够实现定位标识的快速匹配。实际实施时，可以将待定位的目标对象上的每一个定位标识依次作为指定定位标识，进行各定位标识的匹配，因此可以快速识别出各定位标识的位置变化，从而实现目标对象的跟踪定位，延时较低。
本发明实施例提供的定位标识匹配方法可以应用在多种电子设备中，例如虚拟现实设备中，具体可以应用在对虚拟现实设备的头戴显示器、手柄等目标对象的定位过程中。在虚拟现实设备中，设置在头戴显示器、手柄等目标对象上的定位标识具体可以为发光标记点等。
本发明实施例提供的定位标识匹配方法也可以应用在其它的电子设备中，在此不再一一列举。
下面以虚拟现实设备中手柄上定位标识的匹配为例，结合附图，对本发明实施例提供的定位标识匹配方法进行进一步说明。在本发明实施例中，虚拟现实设备中的手柄上的定位标识为发光标记点，具体可以为红外发光标记点，也可以为LED(Light EmittingDiode，发光二极管)发光标记点，本发明实施例对此不做具体限定。
如图3所示，虚拟现实设备中手柄上定位标识的匹配方法，具体可以包括如下步骤：
步骤301、获取手柄的当前帧图像。
步骤302、在当前帧图像中，识别出所有定位标识图像。
实际实施时，可以采用现有的任意图像识别算法，从当前帧图像中识别出定位标识图像。
步骤303、获取手柄的当前帧图像的前N帧图像中，各定位标识的位置。
步骤304、选择一个定位标识作为指定定位标识，根据该指定定位标识在当前帧图像的前N帧图像中的位置，对该指定定位标识在当前帧图像中的位置进行预测，得到预测位置。
实际实施时，可以基于该指定定位标识在当前帧图像的前N帧图像中的位置，采用卡尔曼预测算法对该指定定位标识在当前帧图像中的位置进行预测。具体的，可以利用该指定定位标识在当前帧图像的前N帧图像中的位置数据，对预设的卡尔曼函数进行训练，得到位置预测模型；再基于得到的位置预测模型，对该指定定位标识在当前帧图像中的位置进行预测。此时，N可以等于5。
需要说明的是，在本发明的另一个实施例中，也可以采用线性预测算法对该指定定位标识在当前帧图像中的位置进行预测，此时，只需用到该指定定位标识在当前帧图像的前2帧图像中的位置数据。
另外，还需要说明的是，在本发明实施例中，步骤301与步骤302之间存在必然的先后执行顺序，步骤303与步骤304之间存在必然的先后执行顺序，但是步骤301、302与步骤303、304之间没有必然的先后执行顺序。
在本发明的一个实施例中，可以先执行步骤301、302，后执行步骤303、304；在本发明的另一个实施例中，也可以先执行步骤303、304，后执行步骤301、302；在本发明的另一个实施例中，步骤301、302与步骤303、304也可以同时执行。
步骤305、确定当前帧图像中，距离该预测位置最近的定位标识图像为该指定定位标识的图像。
即在当前帧图像中，采用最近邻原则，确定距离该预测位置最近的定位标识即为该指定定位标识，即确定出了该指定定位标识在当前帧图像中的位置，可以作为基础数据来预测该指定定位标识在当前帧图像之后图像中的位置。
至此，完成了一个定位标识的匹配。
步骤306、判断当前帧图像中，是否存在未匹配的定位标识。
若当前帧图像中，存在未匹配的定位标识，返回步骤304，选择下一个定位标识作为指定定位标识，进行下一个定位标识的匹配。
若当前帧图像中，不存在未匹配的定位标识，即所有定位标识均已完成匹配，结束本次流程。
采用本发明实施例提供的方法，能够实现虚拟现实设备中手柄上定位标识的快速匹配，因此可以快速识别出各定位标识的位置变化，从而实现手柄的快速跟踪定位。
由于本发明实施例提供的定位标识匹配方法，是基于预测算法来实现定位标识的快速匹配，因此在执行本发明实施例提供的定位标识匹配方法之前，还可以先判断当前帧图像是否为定位标识位置可预测的图像，即判断是否存在足够的预测基础数据，在确定当前帧图像为定位标识位置可预测的图像，即确定存在足够的预测基础数据时，才执行本发明实施例提供的定位标识匹配方法。
即实际实施时，先判断是否存在当前帧图像的前N帧图像，在确定存在当前帧图像的前N帧图像时，才执行本发明实施例提供的定位标识匹配方法。
假设，N等于2；此时，若当前帧图像为第一帧图像，由于不存在基础数据，指定定位标识在当前帧图像中的位置无法预测；若当前帧图像为第二帧图像，当前帧图像之前只存在一帧图像，而位置预测需要两帧图像的相关数据作为基础数据，因此基础数据不足，指定定位标识在当前帧图像中的位置也无法预测。因此，当当前帧图像为第一帧图像或第二帧图像时，可以采用现有的定位标识匹配方法，在积累了足够的基础数据后，再开始采用本发明实施例提供的定位标识匹配方法。
本发明实施例还提供了一种非易失性计算机存储介质，该非易失性计算机存储介质存储有计算机可执行指令，该计算机可执行指令用于使计算机执行上述任意方法实施例中的定位标识匹配方法。
采用本发明实施例提供的非易失性计算机存储介质，能够实现定位标识的快速匹配，进而实现目标对象的低延时追踪定位。
本发明实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非易失性计算机存储介质上的计算机程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，该计算机执行上述任意方法实施例中的定位标识匹配方法。
采用本发明实施例提供的计算机程序产品，能够实现定位标识的快速匹配，进而实现目标对象的低延时追踪定位。
基于同一发明构思，根据本发明上述实施例提供的定位标识匹配方法，相应地，本发明实施例还提供了一种定位标识匹配装置，如图4所示，具体可以包括：
预测单元401，用于根据指定定位标识在当前帧图像的前N帧图像中的位置，对该指定定位标识在当前帧图像中的位置进行预测，得到预测位置，其中，N为大于等于2的整数；
确定单元402，用于确定当前帧图像中，距离预测单元401得到的预测位置最近的定位标识图像为该指定定位标识的图像。
实际实施时，预测单元401，具体用于基于该指定定位标识在当前帧图像的前N帧图像中的位置，采用线性预测算法对该指定定位标识在当前帧图像中的位置进行预测。
实际实施时，预测单元401，具体用于基于该指定定位标识在当前帧图像的前N帧图像中的位置，采用卡尔曼预测算法对该指定定位标识在当前帧图像中的位置进行预测。
在本发明的一个实际应用场景中，该指定定位标识为指定发光标记点。
进一步的，该指定发光标记点具体为位于虚拟现实设备上的指定发光标记点。
本发明实施例中各单元的功能可对应于图2或图3所示流程中的相应处理步骤，在此不再赘述。
采用本发明实施例提供的定位标识匹配装置，能够实现定位标识的快速匹配，进而实现目标对象的低延时追踪定位。
本发明实施例还提供了一种执行定位标识匹配方法的电子设备，如图5所示，该电子设备包括：至少一个处理器501；以及，与该至少一个处理器501通信连接的存储器502，图5中以一个处理器501为例。
执行定位标识匹配方法的电子设备还可以包括：输入装置503和输出装置504。
处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其它方式连接，图5中以通过总线连接为例。
存储器502作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及单元，如本发明实施例中的定位标识匹配方法对应的程序指令/单元。处理器501通过运行存储在存储器502中的非易失性软件程序、指令以及单元，从而执行电子设备的各种功能应用以及数据处理，即实现上述方法实施例定位标识匹配方法。
存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据列表项操作的处理装置的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其它非易失性固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至列表项操作的处理装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置503可接收输入的数字或字符信息，以及产生与定位标识匹配装置的用户设置以及功能控制有关的键信号输入。输出装置504可包括显示屏等显示设备。
该非易失性软件程序、非易失性计算机可执行程序或单元存储在存储器502中，当被至少一个处理器501执行时，执行上述任意方法实施例中的定位标识匹配方法。
上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。
采用本发明实施例提供的电子设备，能够实现定位标识的快速匹配，进而实现目标对象的低延时追踪定位。
本发明实施例的电子设备可以为虚拟现实设备，也可以以如下多种形式存在，包括但不限于：
(1)移动通信设备：这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括：智能手机、多媒体手机、功能性手机，以及低端手机等。
(2)超移动个人计算机设备：这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括：PDA(Personal Digital Assistant，个人数字助手)、MID(Mobile Internet Devices，移动互联网设备)和UMPC(Ultra-mobilePersonal Computer，超级移动个人计算机)设备等。
(3)便携式娱乐设备：这类设备可以显示和播放多媒体内容。该类设备包括：音频、视频播放器，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。
(4)服务器：提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
(5)其它具有数据交互功能的电子装置。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
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各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的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计算机可读存储介质中，如ROM(Read Only Memory，只读存储器)/RAM(Random Access Memory，随机存取存储器)、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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种定位标识匹配方法，其特征在于，包括：
根据指定定位标识在当前帧图像的前N帧图像中的位置，对所述指定定位标识在当前帧图像中的位置进行预测，得到预测位置，其中，N为大于等于2的整数；
确定当前帧图像中，距离所述预测位置最近的定位标识图像为所述指定定位标识的图像。
2.根据权利要求1所述的方法，其特征在于，根据指定定位标识在当前帧图像的前N帧图像中的位置，对所述指定定位标识在当前帧图像中的位置进行预测，具体包括：
基于指定定位标识在当前帧图像的前N帧图像中的位置，采用线性预测算法对所述指定定位标识在当前帧图像中的位置进行预测。
3.根据权利要求1所述的方法，其特征在于，根据指定定位标识在当前帧图像的前N帧图像中的位置，对所述指定定位标识在当前帧图像中的位置进行预测，具体包括：
基于指定定位标识在当前帧图像的前N帧图像中的位置，采用卡尔曼预测算法对所述指定定位标识在当前帧图像中的位置进行预测。
4.根据权利要求1-3任一所述的方法，其特征在于，所述指定定位标识为指定发光标记点。
5.一种定位标识匹配装置，其特征在于，包括：
预测单元，用于根据指定定位标识在当前帧图像的前N帧图像中的位置，对所述指定定位标识在当前帧图像中的位置进行预测，得到预测位置，其中，N为大于等于2的整数；
确定单元，用于确定当前帧图像中，距离所述预测位置最近的定位标识图像为所述指定定位标识的图像。
6.根据权利要求5所述的装置，其特征在于，所述预测单元，具体用于基于指定定位标识在当前帧图像的前N帧图像中的位置，采用线性预测算法对所述指定定位标识在当前帧图像中的位置进行预测。
7.根据权利要求5所述的装置，其特征在于，所述预测单元，具体用于基于指定定位标识在当前帧图像的前N帧图像中的位置，采用卡尔曼预测算法对所述指定定位标识在当前帧图像中的位置进行预测。
8.根据权利要求5-7任一所述的装置，其特征在于，所述指定定位标识为指定发光标记点。
9.一种电子设备，其特征在于，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-4中任一项所述的方法。
10.一种非易失性计算机存储介质，所述非易失性计算机存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行权利要求1-4中任一项所述的方法。
CN201710494540.3A 2017-06-26 2017-06-26 一种定位标识匹配方法、装置及电子设备 Active CN107330943B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710494540.3A CN107330943B (zh) 2017-06-26 2017-06-26 一种定位标识匹配方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710494540.3A CN107330943B (zh) 2017-06-26 2017-06-26 一种定位标识匹配方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN107330943A true CN107330943A (zh) 2017-11-07
CN107330943B CN107330943B (zh) 2023-07-21

Family

ID=60194246

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710494540.3A Active CN107330943B (zh) 2017-06-26 2017-06-26 一种定位标识匹配方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN107330943B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108109175A (zh) * 2017-12-20 2018-06-01 北京搜狐新媒体信息技术有限公司 一种图像特征点的跟踪方法及装置
CN108304075A (zh) * 2018-02-11 2018-07-20 亮风台（上海）信息科技有限公司 一种在增强现实设备进行人机交互的方法与设备
CN111381589A (zh) * 2018-12-29 2020-07-07 沈阳新松机器人自动化股份有限公司 一种机器人路径规划方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040002642A1 (en) * 2002-07-01 2004-01-01 Doron Dekel Video pose tracking system and method
CN103226834A (zh) * 2013-03-26 2013-07-31 长安大学 一种图像运动目标特征点快速搜索方法
JP2015069648A (ja) * 2013-09-27 2015-04-13 株式会社リコー 目標検出方法及び目標検出システム
CN105141903A (zh) * 2015-08-13 2015-12-09 中国科学院自动化研究所 一种基于颜色信息的在视频中进行目标检索的方法
CN105203046A (zh) * 2015-09-10 2015-12-30 北京天远三维科技有限公司 多线阵列激光三维扫描系统及多线阵列激光三维扫描方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040002642A1 (en) * 2002-07-01 2004-01-01 Doron Dekel Video pose tracking system and method
CN103226834A (zh) * 2013-03-26 2013-07-31 长安大学 一种图像运动目标特征点快速搜索方法
JP2015069648A (ja) * 2013-09-27 2015-04-13 株式会社リコー 目標検出方法及び目標検出システム
CN105141903A (zh) * 2015-08-13 2015-12-09 中国科学院自动化研究所 一种基于颜色信息的在视频中进行目标检索的方法
CN105203046A (zh) * 2015-09-10 2015-12-30 北京天远三维科技有限公司 多线阵列激光三维扫描系统及多线阵列激光三维扫描方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
崔吉等: "基于卡尔曼滤波的多运动目标跟踪算法研究", 影像技术 *
朱一峰等: "人体运动目标检测与跟踪系统设计及算法仿真实现", 江汉大学学报(自然科学版) *
朱方文等: "基于共面标记点的AR跟踪系统", 上海大学学报(自然科学版) *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108109175A (zh) * 2017-12-20 2018-06-01 北京搜狐新媒体信息技术有限公司 一种图像特征点的跟踪方法及装置
CN108304075A (zh) * 2018-02-11 2018-07-20 亮风台（上海）信息科技有限公司 一种在增强现实设备进行人机交互的方法与设备
CN111381589A (zh) * 2018-12-29 2020-07-07 沈阳新松机器人自动化股份有限公司 一种机器人路径规划方法

Also Published As

Publication number Publication date
CN107330943B (zh) 2023-07-21

Similar Documents

Publication Publication Date Title
US10832124B2 (en) Generating natural language descriptions of images
CN107443373B (zh) 基于关节臂机器人的避碰轨迹规划方法和装置
CN112241764A (zh) 图像识别方法、装置、电子设备及存储介质
CN111044045B (zh) 基于神经网络的导航方法、装置及终端设备
CN107230475A (zh) 一种语音关键词识别方法、装置、终端及服务器
CN109948633A (zh) 用户性别预测方法、装置、存储介质及电子设备
CN107436762A (zh) 一种寄存器代码文件生成方法、装置和电子设备
CN107330943A (zh) 一种定位标识匹配方法、装置及电子设备
CN106775272A (zh) 选择方法、装置及电子设备
CN114139637B (zh) 多智能体信息融合方法、装置、电子设备及可读存储介质
CN109155005A (zh) 使用伪计数的增强学习
CN108154197A (zh) 实现虚拟场景中图像标注验证的方法及装置
CN106293765A (zh) 一种布局更新方法及装置
CN107133038A (zh) 一种应用程序换肤的方法及其装置
US20210248795A1 (en) Method, apparatus, and computer program for completing painting of image, and method, apparatus, and computer program for training artificial neural network
CN107506296A (zh) 一种输入法测试方法、装置、电子设备及存储介质
CN108108428A (zh) 一种构建语言模型的方法、输入法及系统
CN112381227B (zh) 神经网络生成方法、装置、电子设备及存储介质
CN110251942A (zh) 控制游戏场景中虚拟角色的方法及装置
CN110413510A (zh) 一种数据处理方法、装置及设备
CN103809985B (zh) 一种软件开发方案的生成方法及系统
CN108920353A (zh) 一种测试方法、装置及电子设备
CN106815042A (zh) 刷新页面的动态加载方法、装置及电子设备
US20170329803A1 (en) Method and device for image loading
CN111666771A (zh) 文书的语义标签抽取、装置、电子设备及可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 301-1, Room 301-3, Area B2, Animation Building, No. 126 Animation Road, Zhongxin Eco-city, Tianjin Binhai New Area, Tianjin

Applicant after: LE SHI ZHI XIN ELECTRONIC TECHNOLOGY (TIANJIN) Ltd.

Address before: 300453 Tianjin Binhai New Area, Tianjin Eco-city, No. 126 Animation and Animation Center Road, Area B1, Second Floor 201-427

Applicant before: Xinle Visual Intelligent Electronic Technology (Tianjin) Co.,Ltd.

Address after: 300453 Tianjin Binhai New Area, Tianjin Eco-city, No. 126 Animation and Animation Center Road, Area B1, Second Floor 201-427

Applicant after: Xinle Visual Intelligent Electronic Technology (Tianjin) Co.,Ltd.

Address before: 300467 Tianjin Binhai New Area, Tianjin ecological city animation Middle Road, building, No. two, B1 District, 201-427

Applicant before: LE SHI ZHI XIN ELECTRONIC TECHNOLOGY (TIANJIN) Ltd.

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant