CN110060322B - 平面提取方法、装置、系统和存储介质 - Google Patents
平面提取方法、装置、系统和存储介质 Download PDFInfo
- Publication number
- CN110060322B CN110060322B CN201910181534.1A CN201910181534A CN110060322B CN 110060322 B CN110060322 B CN 110060322B CN 201910181534 A CN201910181534 A CN 201910181534A CN 110060322 B CN110060322 B CN 110060322B
- Authority
- CN
- China
- Prior art keywords
- point
- point cloud
- plane
- manager
- points
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
Landscapes
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种平面提取方法、装置、系统和存储介质。该方法包括:获取传感器数据,并基于传感器数据计算得到当前视角下的点云数据;确定已构建的平面点管理器中是否存在与点云数据中的点云点具有相同标识的点云点,其中每个平面点管理器被构建为包括能够拟合出一个平面的点云点;以及如果存在,则更新包括与点云数据中的点云点具有相同标识的点云点的平面点管理器,并基于经更新的平面点管理器重新拟合平面,如果不存在,则将点云数据加入到临时点管理器中。根据本发明实施例的平面提取方法、装置和系统通过构建并维护平面点管理器保证平面提取的连续性,既能保证较小的计算量,又能保证较好的精度和鲁棒性。
Description
技术领域
本发明涉及增强现实技术领域,更具体地涉及一种平面提取方法、装置、系统和存储介质。
背景技术
增强现实(Augmented Reality,简称为AR)技术是通过带有视觉传感器的设备实现在物理真实场景中添加并显示虚拟信息,实现现实和虚拟场景的交互。同步定位与地图构建(Simultaneous localization and mapping,简称为SLAM)是AR中的一项重要技术,该技术能在真实场景中构建三维地图,并对传感设备进行即时定位。
根据传感器的不同,SLAM所用到的方法技术也不同,其中利用视觉传感器(如相机)和惯性测量单元两种传感器对应的SLAM方法称为视觉惯性里程计(Visual–InertialOdometry,简称为VIO)。由于传感器具有测量噪声,VIO方法构建出来的地图存在着误差,同时,由于该方法得到的是稀疏的三维地图(点云),这给AR应用带来很多阻碍。在一般的AR场景中,通常都会选择在三维地图中提取出平面(水平面),然后在平面上添加虚拟物体。
现有的平面提取方法主要包括两种:一种是直接在所有的三维点云中拟合出平面;另一种是先提取出当前相机视角下的三维点云,然后在这个点云中运用平面拟合的方法提取出平面。然而,这两种方法均存在问题:第一种方法利用了所有的点云信息,随着点云的增加计算量也会越来越大;第二种方法计算量相对较小,但是却只使用了当前视角下的点云信息,在纹理不丰富的场景下精度和鲁棒性都较差。
发明内容
为了解决上述问题而提出了本发明。本发明提出了一种平面提取方案,其通过构建并维护平面点管理器保证平面提取的连续性,既能保证较小的计算量,又能保证较好的精度和鲁棒性。下面简要描述本发明提出的平面提取方案,更多细节将在后续结合附图在具体实施方式中加以描述。
根据本发明一方面,提供了一种平面提取方法,所述方法包括:获取传感器数据,并基于所述传感器数据计算得到当前视角下的点云数据,所述点云数据包括每个点云点的标识和位置坐标;确定已构建的平面点管理器中是否存在与所述点云数据中的点云点具有相同标识的点云点,其中每个所述平面点管理器被构建为包括能够拟合出一个平面的点云点;以及如果存在,则更新包括与所述点云数据中的点云点具有相同标识的点云点的平面点管理器,并基于经更新的平面点管理器重新拟合平面,如果不存在,则将所述点云数据加入到临时点管理器中。
在本发明的一个实施例中,确定所述临时点管理器中的点云点是否能够拟合出平面;以及如果是,则从所述临时点管理器中挑选出能拟合出平面的点云点构建新的平面点管理器,并基于所构建的平面点管理器拟合平面,如果否,则清空所述临时点管理器,并回到所述获取传感器数据的步骤。
在本发明的一个实施例中,所述方法还包括:当不存在已构建的平面点管理器时,将计算得到的当前视角下的所述点云数据加入到所述临时点管理器中,并在确定所述临时点管理器中的点云点能够拟合出平面时构建平面点管理器。
在本发明的一个实施例中,在具有相同标识的点云点中,所述平面点管理器中的点云点的位置坐标被定义为第一位置坐标,所述点云数据中的点云点的位置坐标被定义为第二位置坐标,则:所述更新包括:将所述平面点管理器中的所述第一位置坐标更新为所述点云数据中的所述第二位置坐标,得到所述经更新的平面点管理器;并且所述重新拟合包括:从所述经更新的平面点管理器中挑选出能够拟合平面的点云点重新拟合平面。
在本发明的一个实施例中,对点云点的所述挑选包括:将挑选点数初始化为0,将挑选点初始化为空值,在给定循环次数内进行如下循环:从待挑选的点云点中随机挑选一个点云点;计算所述待挑选的点云点中其他点云点的位置坐标中的z坐标与随机挑选出的点云点的z坐标之间的差值;确定所述差值小于给定阈值的点云点,并统计所述差值小于给定阈值的点云点的数目;如果所述数目小于所述挑选点数,则回到所述随机挑选的步骤;如果所述数目不小于所述挑选点数,则将所述数目赋值给所述挑选点数,将所确定的点云点赋值给所述挑选点,并回到所述随机挑选的步骤;当达到所述给定循环次数时,输出所述挑选点得到挑选的点云点。
在本发明的一个实施例中,所述传感器数据包括视觉传感器数据和惯性传感器数据。
在本发明的一个实施例中,所述基于所述传感器数据计算得到当前视角下的点云数据包括:基于所述传感器数据通过视觉惯性里程计计算得到当前视角下的点云数据。
根据本发明另一方面,提供了一种平面提取装置,所述装置包括:计算模块,用于获取传感器数据,并基于所述传感器数据计算得到当前视角下的点云数据,所述点云数据包括每个点云点的标识和位置坐标;以及管理模块,用于确定已构建的平面点管理器中是否存在与所述点云数据中的点云点具有相同标识的点云点,其中每个所述平面点管理器被构建为包括能够拟合出一个平面的点云点,如果存在,则更新包括与所述点云数据中的点云点具有相同标识的点云点的平面点管理器,并基于经更新的平面点管理器重新拟合平面,如果不存在,则将所述点云数据加入到临时点管理器中。
在本发明的一个实施例中,所述管理模块还用于:确定所述临时点管理器中的点云点是否能够拟合出平面;以及如果是,则从所述临时点管理器中挑选出能拟合出平面的点云点构建新的平面点管理器,并基于所构建的平面点管理器拟合平面,如果否,则清空所述临时点管理器,并由所述计算模块再次获取传感器数据。
在本发明的一个实施例中,所述管理模块还用于:当不存在已构建的平面点管理器时,将所述计算模块计算得到的当前视角下的所述点云数据加入到所述临时点管理器中,并由所述管理模块在确定所述临时点管理器中的点云点能够拟合出平面时构建平面点管理器。
在本发明的一个实施例中,在具有相同标识的点云点中,所述平面点管理器中的点云点的位置坐标被定义为第一位置坐标,所述点云数据中的点云点的位置坐标被定义为第二位置坐标,则:所述管理模块实施的所述更新包括:将所述平面点管理器中的所述第一位置坐标更新为所述点云数据中的所述第二位置坐标,得到所述经更新的平面点管理器;并且所述管理模块实施的所述重新拟合包括:从所述经更新的平面点管理器中挑选出能够拟合平面的点云点重新拟合平面。
在本发明的一个实施例中,所述管理模块对点云点的所述挑选包括:将挑选点数初始化为0,将挑选点初始化为空值,在给定循环次数内进行如下循环:从待挑选的点云点中随机挑选一个点云点;计算所述待挑选的点云点中其他点云点的位置坐标中的z坐标与随机挑选出的点云点的z坐标之间的差值;确定所述差值小于给定阈值的点云点,并统计所述差值小于给定阈值的点云点的数目;如果所述数目小于所述挑选点数,则回到所述随机挑选的步骤;如果所述数目不小于所述挑选点数,则将所述数目赋值给所述挑选点数,将所确定的点云点赋值给所述挑选点,并回到所述随机挑选的步骤;当达到所述给定循环次数时,输出所述挑选点得到挑选的点云点。
在本发明的一个实施例中,所述传感器数据包括视觉传感器数据和惯性传感器数据。
在本发明的一个实施例中,所述计算模块进一步用于:基于所述传感器数据通过视觉惯性里程计计算得到当前视角下的点云数据。
根据本发明又一方面,提供了一种平面提取系统,所述系统包括存储装置和处理器,所述存储装置上存储有由所述处理器运行的计算机程序,所述计算机程序在被所述处理器运行时执行上述任一项所述的平面提取方法。
根据本发明再一方面,提供了一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序在运行时执行上述任一项所述的平面提取方法。
根据本发明又一方面,提供了一种计算机程序,所述计算机程序被计算机或处理器运行时用于执行上述任一项所述的平面提取方法,所述计算机程序还用于实现上述任一项所述的平面提取装置中的各模块。
根据本发明实施例的平面提取方法、装置和系统通过构建并维护平面点管理器保证平面提取的连续性,既能保证较小的计算量,又能保证较好的精度和鲁棒性。
附图说明
通过结合附图对本发明实施例进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与本发明实施例一起用于解释本发明,并不构成对本发明的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1示出用于实现根据本发明实施例的平面提取方法、装置和系统的示例电子设备的示意性框图;
图2示出根据本发明实施例的平面提取方法的示意性流程图;
图3示出根据本发明实施例的平面提取装置的示意性框图;以及
图4示出根据本发明实施例的平面提取系统的示意性框图。
具体实施方式
为了使得本发明的目的、技术方案和优点更为明显,下面将参照附图详细描述根据本发明的示例实施例。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例,本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。
首先,参照图1来描述用于实现本发明实施例的平面提取方法、装置和系统的示例电子设备100。
如图1所示,电子设备100包括一个或多个处理器102、一个或多个存储装置104、输入装置106、输出装置108以及图像采集装置110,这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意,图1所示的电子设备100的组件和结构只是示例性的,而非限制性的,根据需要,所述电子设备也可以具有其他组件和结构。
所述处理器102可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制所述电子设备100中的其它组件以执行期望的功能。
所述存储装置104可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器102可以运行所述程序指令,以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如所述应用程序使用和/或产生的各种数据等。
所述输入装置106可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
所述输出装置108可以向外部(例如用户)输出各种信息(例如图像或声音),并且可以包括显示器、扬声器等中的一个或多个。
所述图像采集装置110可以采集用户期望的图像(例如照片、视频等),并且将所采集的图像存储在所述存储装置104中以供其它组件使用。应当理解,图像采集装置110仅是示例,电子设备100可以不包括图像采集装置110。在这种情况下,可以利用具有图像采集能力的部件采集图像,并将采集的图像发送给电子设备100。
示例性地,用于实现根据本发明实施例的平面提取方法、装置和系统的示例电子设备可以被实现为诸如智能手机、平板电脑等终端,或任何具有计算能力的电子设备。
下面,将参考图2描述根据本发明一个实施例的平面提取方法200。如图2所示,平面提取方法200可以包括如下步骤:
在步骤S210,获取传感器数据,并基于所述传感器数据计算得到当前视角下的点云数据,所述点云数据包括每个点云点的标识和位置坐标。
在本发明的实施例中,在步骤S210所获取的传感器数据可以理解为传感器针对某对象或场景所采集的数据。基于所获取的传感器数据,可以计算某对象或场景在传感器的当前视角下的点云数据。一般地,点云数据可以包括点云点的标识(ID)和位置坐标(x,y,z)。
在一个实施例中,传感器数据可以包括视觉传感器数据和惯性传感器数据。也就是说,在步骤S210中,可以获取视觉传感器针对某对象或场景所采集的数据和惯性传感器针对该对象或场景所采集的数据,并基于所获取的传感器数据进行VIO计算,得到当前视角下的点云数据。
在步骤S220,确定已构建的平面点管理器中是否存在与所述点云数据中的点云点具有相同标识的点云点,如果存在,则更新包括与所述点云数据中的点云点具有相同标识的点云点的平面点管理器,并基于经更新的平面点管理器重新拟合平面,如果不存在,则将所述点云数据加入到临时点管理器中,其中每个所述平面点管理器被构建为包括能够拟合出一个平面的点云点。
在本发明的实施例中,通过构建平面点管理器来辅助实施平面提取。其中,每个平面点管理器被构建为包括拟合出一个平面的点云点。也就是说,每个平面点管理器中可以包括若干点云点,这些点云点中的一些或全部能够用来拟合出一个平面。换言之,一个平面点管理器可以对应于一个平面。基于所构建的平面点管理器,可每次仅使用一个视角下的点云信息进行平面提取计算,但又能与已得到的平面产生关联。
具体地,如步骤S220中所描述的,可以确定已构建的平面点管理器中是否存在与步骤S210中计算得到的点云数据中的点云点具有相同标识的点云点,即可以基于点云点的ID遍历已构建的平面点管理器中的点云,查找是否有平面点管理器中存在点云点具有与当前视角下的点云数据中的点云点相同的ID。
如果已构建的平面点管理器中存在平面点管理器包括与当前视角下的点云数据中的点云点具有相同ID的点云点,则表明在步骤S210计算得到了该ID的点云点更精确的位置坐标,则需要更新包括该ID的点云点的平面点管理器,即更新该平面点管理器中的该ID的点云点的位置坐标。
假设在具有相同ID的点云点中,所述平面点管理器中的点云点的位置坐标被定义为第一位置坐标,所述点云数据中的点云点的位置坐标被定义为第二位置坐标,则上述的更新可以为:将所述平面点管理器中的所述第一位置坐标更新为所述点云数据中的所述第二位置坐标。基于此,包括该ID的点云点的平面点管理器也得到了更新,经更新的该平面点管理器中所包括的点云点发生了变化,需重新来进行平面提取,即重新计算平面的方程。具体地,可以在经更新的平面点管理器中挑选出能够拟合平面的点云点,并基于挑选出的点云点重新拟合平面。
如果已构建的平面点管理器中不存在平面点管理器包括与当前视角下的点云数据中的点云点具有相同ID的点云点,则表明在步骤S210计算得到了新的点云点,则可以将所得的新点云点加入到临时点管理器中。临时点管理器顾名思义可以为临时保存一些点云点的管理器,这些点云点当前没有出现在任何已构建的平面点管理器中。
随着加入到临时点管理器的点云数据的增多,可能出现临时点管理器中出现一些点云点可以用于拟合出平面的情况。因此,在本发明的另一个实施例中,可以进一步确定临时点管理器中的点云点是否能够拟合出平面(未在图2中示出)。如果临时点管理器中存在点云点能够拟合出平面,则可以从所述临时点管理器中挑选出能拟合出平面的点云点构建新的平面点管理器,并基于所构建的平面点管理器拟合平面;如果临时点管理器中的点云点不能拟合出平面,则可以继续等待其他点云点的加入,或者可以清空临时点管理器,然后可以回到获取传感器数据的步骤(即步骤S210)以得到其他视角下的点云数据,并循环上述过程。
应注意,在本发明的平面提取方法中,在首次获取传感器数据计算得到点云数据时尚未构建任何平面点管理器,即不存在已构建的平面点管理器,此时可以将计算得到的当前视角下的点云数据加入到临时点管理器中,并且可以确定临时点管理器中的点云点是否能够拟合出平面。如果能够拟合平面,则可以从临时点管理器中挑选出能拟合出平面的点云点构建平面点管理器,并基于所构建的平面点管理器拟合平面;如果临时点管理器中的点云点不能拟合出平面,则可以回到步骤S210继续获取传感器数据以得到其他视角下的点云数据,在那时,已构建过平面点管理器,可直接实施步骤S220。
根据本发明的实施例,在前面描述的从经更新的平面点管理器中挑选点云点用于进行平面拟合,以及从临时点管理器中挑选点云点用于进行平面拟合时,对点云点的挑选可以包括如下过程:首先,将挑选点数(例如表示为best count)初始化为0(即初始化bestcount=0),将挑选点(例如表示为best points)初始化为空值(即初始化best points=NULL),然后在给定循环次数(例如表示为N,N可以取决于待挑选的点云点的数目以及需求的计算精度)内进行如下循环:
从待挑选的点云点中随机挑选一个点云点(例如表示为P0);计算所述待挑选的点云点中其他点云点的位置坐标中的z坐标与随机挑选出的点云点的z坐标之间的差值(例如表示为dz);确定所述差值小于给定阈值的点云点(例如表示为points),并统计所述差值小于给定阈值的点云点的数目(例如表示为count);如果所述数目小于所述挑选点数(即count<best count),则回到所述随机挑选的步骤(即进入下一次循环);如果所述数目不小于所述挑选点数(即count≥best count),则将所述数目赋值给所述挑选点数(即bestcount=count),将所确定的点云点赋值给所述挑选点(即best points=points),并回到所述随机挑选的步骤(即进入下一次循环);当达到所述给定循环次数时,输出所述挑选点得到挑选的点云点(即输出best points)。
基于上述点云点的挑选过程,可以挑选出能够用于拟合平面的最佳点云点。当然,这仅是示例性的,还可以采用任何其他合适的挑选点云点的方法。
基于上面的描述,根据本发明实施例的平面提取方法通过构建并维护平面点管理器保证平面提取的连续性,既能保证较小的计算量,又能保证较好的精度和鲁棒性。
以上示例性地描述了根据本发明实施例的平面提取方法。示例性地,根据本发明实施例的平面提取方法可以在具有存储器和处理器的设备、装置或者系统中实现。
此外,根据本发明实施例的平面提取方法可以方便地部署到智能手机、平板电脑、个人计算机等移动设备上。替代地,根据本发明实施例的平面提取方法还可以部署在服务器端(或云端)。替代地,根据本发明实施例的平面提取方法还可以分布地部署在服务器端(或云端)和个人终端处。
下面结合图3描述本发明另一方面提供的平面提取装置。图3示出了根据本发明实施例的平面提取装置300的示意性框图。
如图3所示,根据本发明实施例的平面提取装置300包括计算模块310和管理模块320。其中,计算模块310用于获取传感器数据,并基于所述传感器数据计算得到当前视角下的点云数据,所述点云数据包括每个点云点的标识和位置坐标。管理模块320用于确定已构建的平面点管理器中是否存在与所述点云数据中的点云点具有相同标识的点云点,其中每个所述平面点管理器被构建为包括能够拟合出一个平面的点云点,如果存在,则更新包括与所述点云数据中的点云点具有相同标识的点云点的平面点管理器,并基于经更新的平面点管理器重新拟合平面,如果不存在,则将所述点云数据加入到临时点管理器中。所述各个模块可分别执行上文中结合图2描述的平面提取方法的各个步骤/功能。以下仅对平面提取装置300的各模块的主要功能进行描述,而省略以上已经描述过的细节内容。
在本发明的实施例中,计算模块310所获取的传感器数据可以理解为传感器针对某对象或场景所采集的数据。基于所获取的传感器数据,计算模块310可以计算某对象或场景在传感器的当前视角下的点云数据。一般地,点云数据可以包括点云点的标识(ID)和位置坐标(x,y,z)。
在一个实施例中,传感器数据可以包括视觉传感器数据和惯性传感器数据。也就是说,计算模块310可以获取视觉传感器针对某对象或场景所采集的数据和惯性传感器针对该对象或场景所采集的数据,并基于所获取的传感器数据进行VIO计算,得到当前视角下的点云数据。
在本发明的实施例中,通过构建平面点管理器来辅助实施平面提取。其中,每个平面点管理器被构建为包括拟合出一个平面的点云点。也就是说,每个平面点管理器中可以包括若干点云点,这些点云点中的一些或全部能够用来拟合出一个平面。换言之,一个平面点管理器可以对应于一个平面。基于所构建的平面点管理器,管理模块320可每次仅使用一个视角下的点云信息进行平面提取计算,但又能与已得到的平面产生关联。
具体地,管理模块320可以确定已构建的平面点管理器中是否存在与计算模块310计算得到的点云数据中的点云点具有相同标识的点云点,即管理模块320可以基于点云点的ID遍历已构建的平面点管理器中的点云,查找是否有平面点管理器中存在点云点具有与当前视角下的点云数据中的点云点相同的ID。
如果已构建的平面点管理器中存在平面点管理器包括与当前视角下的点云数据中的点云点具有相同ID的点云点,则表明在步骤S210计算得到了该ID的点云点更精确的位置坐标,则管理模块320可以更新包括该ID的点云点的平面点管理器,即更新该平面点管理器中的该ID的点云点的位置坐标。
假设在具有相同ID的点云点中,所述平面点管理器中的点云点的位置坐标被定义为第一位置坐标,所述点云数据中的点云点的位置坐标被定义为第二位置坐标,则上述的更新可以为:将所述平面点管理器中的所述第一位置坐标更新为所述点云数据中的所述第二位置坐标。基于此,包括该ID的点云点的平面点管理器也得到了更新,经更新的该平面点管理器中所包括的点云点发生了变化,管理模块320可以重新来进行平面提取,即重新计算平面的方程。具体地,管理模块320可以在经更新的平面点管理器中挑选出能够拟合平面的点云点,并基于挑选出的点云点重新拟合平面。
如果已构建的平面点管理器中不存在平面点管理器包括与当前视角下的点云数据中的点云点具有相同ID的点云点,则表明在步骤S210计算得到了新的点云点,则管理模块320可以将所得的新点云点加入到临时点管理器中。临时点管理器顾名思义可以为临时保存一些点云点的管理器,这些点云点当前没有出现在任何已构建的平面点管理器中。
随着加入到临时点管理器的点云数据的增多,可能出现临时点管理器中出现一些点云点可以用于拟合出平面的情况。因此,在本发明的另一个实施例中,管理模块320可以进一步确定临时点管理器中的点云点是否能够拟合出平面。如果临时点管理器中存在点云点能够拟合出平面,则管理模块320可以从所述临时点管理器中挑选出能拟合出平面的点云点构建新的平面点管理器,并基于所构建的平面点管理器拟合平面;如果临时点管理器中的点云点不能拟合出平面,则可以继续等待其他点云点的加入,或者管理模块320可以清空临时点管理器,然后可以继续由计算模块310获取传感器数据以得到其他视角下的点云数据,并循环上述过程。
应注意,在本发明的平面提取方法中,在计算模块310首次获取传感器数据计算得到点云数据时尚未构建任何平面点管理器,即不存在已构建的平面点管理器,此时管理模块320可以将计算得到的当前视角下的点云数据加入到临时点管理器中,并且可以确定临时点管理器中的点云点是否能够拟合出平面。如果能够拟合平面,则管理模块320可以从临时点管理器中挑选出能拟合出平面的点云点构建平面点管理器,并基于所构建的平面点管理器拟合平面;如果临时点管理器中的点云点不能拟合出平面,则可以由计算模块310继续获取传感器数据以得到其他视角下的点云数据,在那时,已构建过平面点管理器,管理模块320可确定已构建的平面点管理器中是否存在平面点管理器包括与计算得到的点云数据中的点云点具有相同标识的点云点。
根据本发明的实施例,在前面描述的管理模块320从经更新的平面点管理器中挑选点云点用于进行平面拟合,以及从临时点管理器中挑选点云点用于进行平面拟合时,对点云点的挑选可以包括如下过程:首先,将挑选点数(例如表示为best count)初始化为0(即初始化best count=0),将挑选点(例如表示为best points)初始化为空值(即初始化best points=NULL),然后在给定循环次数(例如表示为N,N可以取决于待挑选的点云点的数目以及需求的计算精度)内进行如下循环:
从待挑选的点云点中随机挑选一个点云点(例如表示为P0);计算所述待挑选的点云点中其他点云点的位置坐标中的z坐标与随机挑选出的点云点的z坐标之间的差值(例如表示为dz);确定所述差值小于给定阈值的点云点(例如表示为points),并统计所述差值小于给定阈值的点云点的数目(例如表示为count);如果所述数目小于所述挑选点数(即count<best count),则回到所述随机挑选的步骤(即进入下一次循环);如果所述数目不小于所述挑选点数(即count≥best count),则将所述数目赋值给所述挑选点数(即bestcount=count),将所确定的点云点赋值给所述挑选点(即best points=points),并回到所述随机挑选的步骤(即进入下一次循环);当达到所述给定循环次数时,输出所述挑选点得到挑选的点云点(即输出best points)。
基于上述点云点的挑选过程,管理模块320可以挑选出能够用于拟合平面的最佳点云点。当然,这仅是示例性的,管理模块320还可以采用任何其他合适的挑选点云点的方法。
基于上面的描述,根据本发明实施例的平面提取装置通过构建并维护平面点管理器保证平面提取的连续性,既能保证较小的计算量,又能保证较好的精度和鲁棒性。
图4示出了根据本发明实施例的平面提取系统400的示意性框图。平面提取系统400包括存储装置410以及处理器420。
其中,存储装置410存储用于实现根据本发明实施例的平面提取方法中的相应步骤的程序。处理器420用于运行存储装置410中存储的程序,以执行根据本发明实施例的平面提取方法的相应步骤,并且用于实现根据本发明实施例的平面提取装置中的相应模块。此外,平面提取系统400还可以包括图像采集装置(例如传感器,未在图4中示出),其可以用于针对某对象或场景采集数据。当然,图像采集装置不是必需的,平面提取系统400也可以从其他外部图像采集装置(例如其他相机等)获取针对某对象或场景采集的数据。
在一个实施例中,在所述程序被处理器420运行时使得平面提取系统400执行以下步骤:获取传感器数据,并基于所述传感器数据计算得到当前视角下的点云数据,所述点云数据包括每个点云点的标识和位置坐标;确定已构建的平面点管理器中是否存在与所述点云数据中的点云点具有相同标识的点云点,其中每个所述平面点管理器被构建为包括能够拟合出一个平面的点云点;以及如果存在,则更新包括与所述点云数据中的点云点具有相同标识的点云点的平面点管理器,并基于经更新的平面点管理器重新拟合平面,如果不存在,则将所述点云数据加入到临时点管理器中。
在本发明的一个实施例中,在所述程序被处理器420运行时还使得平面提取系统400执行以下步骤:确定所述临时点管理器中的点云点是否能够拟合出平面;以及如果是,则从所述临时点管理器中挑选出能拟合出平面的点云点构建新的平面点管理器,并基于所构建的平面点管理器拟合平面,如果否,则清空所述临时点管理器,并回到所述获取传感器数据的步骤。
在本发明的一个实施例中,在所述程序被处理器420运行时还使得平面提取系统400执行以下步骤:当不存在已构建的平面点管理器时,将计算得到的当前视角下的所述点云数据加入到所述临时点管理器中,并在确定所述临时点管理器中的点云点能够拟合出平面时构建平面点管理器。
在本发明的一个实施例中,在具有相同标识的点云点中,所述平面点管理器中的点云点的位置坐标被定义为第一位置坐标,所述点云数据中的点云点的位置坐标被定义为第二位置坐标,则在所述程序被处理器420运行时使得平面提取系统400执行的所述更新包括:将所述平面点管理器中的所述第一位置坐标更新为所述点云数据中的所述第二位置坐标,得到所述经更新的平面点管理器;并且在所述程序被处理器420运行时使得平面提取系统400执行的所述重新拟合包括:从所述经更新的平面点管理器中挑选出能够拟合平面的点云点重新拟合平面。
在本发明的一个实施例中,在所述程序被处理器420运行时使得平面提取系统400执行的对点云点的所述挑选包括:将挑选点数初始化为0,将挑选点初始化为空值,在给定循环次数内进行如下循环:从待挑选的点云点中随机挑选一个点云点;计算所述待挑选的点云点中其他点云点的位置坐标中的z坐标与随机挑选出的点云点的z坐标之间的差值;确定所述差值小于给定阈值的点云点,并统计所述差值小于给定阈值的点云点的数目;如果所述数目小于所述挑选点数,则回到所述随机挑选的步骤;如果所述数目不小于所述挑选点数,则将所述数目赋值给所述挑选点数,将所确定的点云点赋值给所述挑选点,并回到所述随机挑选的步骤;当达到所述给定循环次数时,输出所述挑选点得到挑选的点云点。
在本发明的一个实施例中,所述传感器数据包括视觉传感器数据和惯性传感器数据。
在本发明的一个实施例中,在所述程序被处理器420运行时使得平面提取系统400执行的所述基于所述传感器数据计算得到当前视角下的点云数据包括:基于所述传感器数据通过视觉惯性里程计计算得到当前视角下的点云数据。
此外,根据本发明实施例,还提供了一种存储介质,在所述存储介质上存储了程序指令,在所述程序指令被计算机或处理器运行时用于执行本发明实施例的平面提取方法的相应步骤,并且用于实现根据本发明实施例的平面提取装置中的相应模块。所述存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。所述计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合。
在一个实施例中,所述计算机程序指令在被计算机运行时可以实现根据本发明实施例的平面提取装置的各个功能模块,并且/或者可以执行根据本发明实施例的平面提取方法。
在一个实施例中,所述计算机程序指令在被计算机或处理器运行时使计算机或处理器执行以下步骤:获取传感器数据,并基于所述传感器数据计算得到当前视角下的点云数据,所述点云数据包括每个点云点的标识和位置坐标;确定已构建的平面点管理器中是否存在与所述点云数据中的点云点具有相同标识的点云点,其中每个所述平面点管理器被构建为包括能够拟合出一个平面的点云点;以及如果存在,则更新包括与所述点云数据中的点云点具有相同标识的点云点的平面点管理器,并基于经更新的平面点管理器重新拟合平面,如果不存在,则将所述点云数据加入到临时点管理器中。
在本发明的一个实施例中,所述计算机程序指令在被计算机或处理器运行时还使计算机或处理器执行以下步骤:确定所述临时点管理器中的点云点是否能够拟合出平面;以及如果是,则从所述临时点管理器中挑选出能拟合出平面的点云点构建新的平面点管理器,并基于所构建的平面点管理器拟合平面,如果否,则清空所述临时点管理器,并回到所述获取传感器数据的步骤。
在本发明的一个实施例中,所述计算机程序指令在被计算机或处理器运行时还使计算机或处理器执行以下步骤:当不存在已构建的平面点管理器时,将计算得到的当前视角下的所述点云数据加入到所述临时点管理器中,并在确定所述临时点管理器中的点云点能够拟合出平面时构建平面点管理器。
在本发明的一个实施例中,在具有相同标识的点云点中,所述平面点管理器中的点云点的位置坐标被定义为第一位置坐标,所述点云数据中的点云点的位置坐标被定义为第二位置坐标,则所述计算机程序指令在被计算机或处理器运行时使计算机或处理器执行的所述更新包括:将所述平面点管理器中的所述第一位置坐标更新为所述点云数据中的所述第二位置坐标,得到所述经更新的平面点管理器;并且所述计算机程序指令在被计算机或处理器运行时使计算机或处理器执行的所述重新拟合包括:从所述经更新的平面点管理器中挑选出能够拟合平面的点云点重新拟合平面。
在本发明的一个实施例中,所述计算机程序指令在被计算机或处理器运行时使计算机或处理器执行的所述挑选包括:将挑选点数初始化为0,将挑选点初始化为空值,在给定循环次数内进行如下循环:从待挑选的点云点中随机挑选一个点云点;计算所述待挑选的点云点中其他点云点的位置坐标中的z坐标与随机挑选出的点云点的z坐标之间的差值;确定所述差值小于给定阈值的点云点,并统计所述差值小于给定阈值的点云点的数目;如果所述数目小于所述挑选点数,则回到所述随机挑选的步骤;如果所述数目不小于所述挑选点数,则将所述数目赋值给所述挑选点数,将所确定的点云点赋值给所述挑选点,并回到所述随机挑选的步骤;当达到所述给定循环次数时,输出所述挑选点得到挑选的点云点。
在本发明的一个实施例中,所述传感器数据包括视觉传感器数据和惯性传感器数据。
在本发明的一个实施例中,所述计算机程序指令在被计算机或处理器运行时使计算机或处理器执行的所述基于所述传感器数据计算得到当前视角下的点云数据包括:基于所述传感器数据通过视觉惯性里程计计算得到当前视角下的点云数据。
根据本发明实施例的平面提取装置中的各模块可以通过根据本发明实施例的平面提取的电子设备的处理器运行在存储器中存储的计算机程序指令来实现,或者可以在根据本发明实施例的计算机程序产品的计算机可读存储介质中存储的计算机指令被计算机运行时实现。
此外,根据本发明实施例,还提供了一种计算机程序,该计算机程序可以存储在云端或本地的存储介质上。在该计算机程序被计算机或处理器运行时用于执行本发明实施例的平面提取方法的相应步骤,并且用于实现根据本发明实施例的平面提取装置中的相应模块。
基于上面的描述,根据本发明实施例的平面提取方法、装置和系统通过构建并维护平面点管理器保证平面提取的连续性,既能保证较小的计算量,又能保证较好的精度和鲁棒性。
尽管这里已经参考附图描述了示例实施例,应理解上述示例实施例仅仅是示例性的,并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改,而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个设备,或一些特征可以忽略,或不执行。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该本发明的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如相应的权利要求书所反映的那样,其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域的技术人员可以理解,除了特征之间相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述,仅为本发明的具体实施方式或对具体实施方式的说明,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种平面提取方法,其特征在于,所述方法包括:
获取传感器数据,并基于所述传感器数据计算得到当前视角下的点云数据,所述点云数据包括每个点云点的标识和位置坐标;
确定已构建的平面点管理器中是否存在与所述点云数据中的点云点具有相同标识的点云点,其中每个所述平面点管理器被构建为包括能够拟合出一个平面的点云点;以及
如果存在,则更新包括与所述点云数据中的点云点具有相同标识的点云点的平面点管理器,并基于经更新的平面点管理器重新拟合平面,如果不存在,则将所述点云数据加入到临时点管理器中;
所述方法还包括:
确定所述临时点管理器中的点云点是否能够拟合出平面;以及
如果是,则从所述临时点管理器中挑选出能拟合出平面的点云点构建新的平面点管理器,并基于所构建的平面点管理器拟合平面,如果否,则清空所述临时点管理器,并回到所述获取传感器数据的步骤。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当不存在已构建的平面点管理器时,将计算得到的当前视角下的所述点云数据加入到所述临时点管理器中,并在确定所述临时点管理器中的点云点能够拟合出平面时构建平面点管理器。
3.根据权利要求1所述的方法,其特征在于,在具有相同标识的点云点中,所述平面点管理器中的点云点的位置坐标被定义为第一位置坐标,所述点云数据中的点云点的位置坐标被定义为第二位置坐标,则:
所述更新包括:将所述平面点管理器中的所述第一位置坐标更新为所述点云数据中的所述第二位置坐标,得到所述经更新的平面点管理器;并且
所述重新拟合包括:从所述经更新的平面点管理器中挑选出能够拟合平面的点云点重新拟合平面。
4.根据权利要求1或3所述的方法,其特征在于,对点云点的所述挑选包括:将挑选点数初始化为0,将挑选点初始化为空值,在给定循环次数内进行如下循环:
从待挑选的点云点中随机挑选一个点云点;
计算所述待挑选的点云点中其他点云点的位置坐标中的z坐标与随机挑选出的点云点的z坐标之间的差值;
确定所述差值小于给定阈值的点云点,并统计所述差值小于给定阈值的点云点的数目;
如果所述数目小于所述挑选点数,则回到所述随机挑选的步骤;
如果所述数目不小于所述挑选点数,则将所述数目赋值给所述挑选点数,将所确定的点云点赋值给所述挑选点,并回到所述随机挑选的步骤;
当达到所述给定循环次数时,输出所述挑选点得到挑选的点云点。
5.根据权利要求1所述的方法,其特征在于,所述传感器数据包括视觉传感器数据和惯性传感器数据。
6.根据权利要求5所述的方法,其特征在于,所述基于所述传感器数据计算得到当前视角下的点云数据包括:
基于所述传感器数据通过视觉惯性里程计计算得到当前视角下的点云数据。
7.一种平面提取装置,其特征在于,所述装置包括:
计算模块,用于获取传感器数据,并基于所述传感器数据计算得到当前视角下的点云数据,所述点云数据包括每个点云点的标识和位置坐标;以及
管理模块,用于确定已构建的平面点管理器中是否存在与所述点云数据中的点云点具有相同标识的点云点,其中每个所述平面点管理器被构建为包括能够拟合出一个平面的点云点,如果存在,则更新包括与所述点云数据中的点云点具有相同标识的点云点的平面点管理器,并基于经更新的平面点管理器重新拟合平面,如果不存在,则将所述点云数据加入到临时点管理器中;
所述管理模块还用于:确定所述临时点管理器中的点云点是否能够拟合出平面,如果是,则从所述临时点管理器中挑选出能拟合出平面的点云点构建新的平面点管理器,并基于所构建的平面点管理器拟合平面,如果否,则清空所述临时点管理器,并回到所述获取传感器数据的步骤。
8.一种平面提取系统,其特征在于,所述系统包括存储装置和处理器,所述存储装置上存储有由所述处理器运行的计算机程序,所述计算机程序在被所述处理器运行时执行如权利要求1-6中的任一项所述的平面提取方法。
9.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序在运行时执行如权利要求1-6中的任一项所述的平面提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910181534.1A CN110060322B (zh) | 2019-03-11 | 2019-03-11 | 平面提取方法、装置、系统和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910181534.1A CN110060322B (zh) | 2019-03-11 | 2019-03-11 | 平面提取方法、装置、系统和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110060322A CN110060322A (zh) | 2019-07-26 |
CN110060322B true CN110060322B (zh) | 2023-03-03 |
Family
ID=67316079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910181534.1A Active CN110060322B (zh) | 2019-03-11 | 2019-03-11 | 平面提取方法、装置、系统和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110060322B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105590311A (zh) * | 2014-11-13 | 2016-05-18 | 富泰华工业(深圳)有限公司 | 图形化平面数据分析系统及方法 |
CN107680168A (zh) * | 2017-09-15 | 2018-02-09 | 电子科技大学 | 三维重建中基于平面拟合的网格简化方法 |
CN108765487A (zh) * | 2018-06-04 | 2018-11-06 | 百度在线网络技术(北京)有限公司 | 重建三维场景的方法、装置、设备和计算机可读存储介质 |
CN109410260A (zh) * | 2018-09-27 | 2019-03-01 | 先临三维科技股份有限公司 | 点云数据网格化方法、装置、计算机设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8793107B2 (en) * | 2011-12-01 | 2014-07-29 | Harris Corporation | Accuracy-based significant point derivation from dense 3D point clouds for terrain modeling |
-
2019
- 2019-03-11 CN CN201910181534.1A patent/CN110060322B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105590311A (zh) * | 2014-11-13 | 2016-05-18 | 富泰华工业(深圳)有限公司 | 图形化平面数据分析系统及方法 |
CN107680168A (zh) * | 2017-09-15 | 2018-02-09 | 电子科技大学 | 三维重建中基于平面拟合的网格简化方法 |
CN108765487A (zh) * | 2018-06-04 | 2018-11-06 | 百度在线网络技术(北京)有限公司 | 重建三维场景的方法、装置、设备和计算机可读存储介质 |
CN109410260A (zh) * | 2018-09-27 | 2019-03-01 | 先临三维科技股份有限公司 | 点云数据网格化方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
基于RANSAC算法的稳健点云平面拟合方法;杨军建等;《北京测绘》;20160425(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110060322A (zh) | 2019-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Rise of the indoor crowd: Reconstruction of building interior view via mobile crowdsourcing | |
CN108256404B (zh) | 行人检测方法和装置 | |
Chen et al. | Crowd map: Accurate reconstruction of indoor floor plans from crowdsourced sensor-rich videos | |
CN105493154B (zh) | 用于确定增强现实环境中的平面的范围的系统和方法 | |
JP5722502B2 (ja) | モバイルデバイスのための平面マッピングおよびトラッキング | |
CN106650662B (zh) | 目标对象遮挡检测方法及装置 | |
CN109146932B (zh) | 确定图像中目标点的世界坐标的方法、装置和系统 | |
CN109242961A (zh) | 一种脸部建模方法、装置、电子设备和计算机可读介质 | |
CN111833447A (zh) | 三维地图构建方法、三维地图构建装置及终端设备 | |
CN110619807B (zh) | 生成全局热力图的方法和装置 | |
CN110926478B (zh) | 一种ar导航路线纠偏方法、系统及计算机可读存储介质 | |
CN110866977A (zh) | 增强现实处理方法及装置、系统、存储介质和电子设备 | |
WO2022237026A1 (zh) | 平面信息检测方法及系统 | |
CN112419388A (zh) | 深度检测方法、装置、电子设备和计算机可读存储介质 | |
CN112882576B (zh) | Ar交互方法、装置、电子设备及存储介质 | |
CN111862150A (zh) | 图像跟踪的方法、装置、ar设备和计算机设备 | |
CN108921898A (zh) | 摄像机位姿确定方法、装置、电子设备和计算机可读介质 | |
Angladon et al. | The toulouse vanishing points dataset | |
CN113610702B (zh) | 一种建图方法、装置、电子设备及存储介质 | |
CN109816628B (zh) | 人脸评价方法及相关产品 | |
CN112258647B (zh) | 地图重建方法及装置、计算机可读介质和电子设备 | |
CN108875538B (zh) | 属性检测方法、装置和系统及存储介质 | |
CN112991441A (zh) | 相机定位方法、装置、电子设备及存储介质 | |
CN116858215B (zh) | 一种ar导航地图生成方法及装置 | |
CN109035303A (zh) | Slam系统相机跟踪方法及装置、计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230320 Address after: No. 1268, 1f, building 12, neijian Middle Road, Xisanqi building materials City, Haidian District, Beijing 100096 Patentee after: BEIJING KUANGSHI TECHNOLOGY Co.,Ltd. Patentee after: NANJING KUANGYUN TECHNOLOGY Co.,Ltd. Address before: 100190 A block 2, South Road, Haidian District Academy of Sciences, Beijing 313 Patentee before: BEIJING KUANGSHI TECHNOLOGY Co.,Ltd. |
|
TR01 | Transfer of patent right |