CN110260857A - 视觉地图的校准方法、装置及存储介质 - Google Patents
视觉地图的校准方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110260857A CN110260857A CN201910587663.0A CN201910587663A CN110260857A CN 110260857 A CN110260857 A CN 110260857A CN 201910587663 A CN201910587663 A CN 201910587663A CN 110260857 A CN110260857 A CN 110260857A
- Authority
- CN
- China
- Prior art keywords
- map
- visual
- image data
- vision
- visual sensor
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 230000000007 visual effect Effects 0.000 claims abstract description 109
- 238000005259 measurement Methods 0.000 claims abstract description 33
- 230000015654 memory Effects 0.000 claims description 19
- 238000009434 installation Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Automation & Control Theory (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种视觉地图的校准方法、装置及存储介质。该方法包括:获取视觉传感器采集的图像数据,根据图像数据确定视觉传感器的运动轨迹,基于视觉传感器的运动轨迹和图像数据生成初始视觉地图,基于基准测量地图对初始视觉地图进行校准,得到校准后的第一视觉地图,其中基准测量地图为室内场景布局图。通过上述校准过程可快速有效的构建视觉地图,为视觉定位提供精准的地图数据。
Description
技术领域
本发明实施例涉及信息处理技术领域,尤其涉及一种视觉地图的校准方法、装置及存储介质。
背景技术
室内地图主要用于GPS信号弱,或者没有GPS信号,或者GPS定位精度无法满足需求的室内场景,例如大型商场、地下停车场、候机大厅内。当用户进入室内场所,特别是大面积复杂地形室内场所的情况下(这种室内场所有时候也会包括非常多的兴趣点POI),用户往往期望像室外导航一样,在室内使用便携设备,例如智能如手机等,进行精准导航。与室外导航相比,室内导航对于定位精度的要求更高。
目前,采用激光雷达技术可以生成较为准确的室内地图,但由于设备昂贵,创建室内地图的成本较高,且激光点云图无法直接应用于视觉定位。因此,亟需利用视觉技术解决室内场景下的精准建图。
发明内容
本发明提供一种视觉地图的校准方法、装置及存储介质,可以快速有效的构建视觉地图,为视觉定位提供精准的地图数据。
本发明的第一方面提供一种视觉地图的校准方法,包括:
获取视觉传感器采集的图像数据;
根据所述图像数据确定所述视觉传感器的运动轨迹;
基于所述视觉传感器的运动轨迹和所述图像数据生成初始视觉地图;
基于基准测量地图对所述初始视觉地图进行校准,得到校准后的第一视觉地图,所述基准测量地图为室内场景布局图。
在一种可能的实现方式中,所述根据所述图像数据确定所述视觉传感器的运动轨迹,包括:
提取所述图像数据中相邻两个图像帧的特征点,并进行特征点匹配;
根据所述相邻两个图像帧匹配的特征点确定视觉传感器的位姿信息;
根据多个所述位姿信息确定所述视觉传感器的运动轨迹。
在一种可能的实现方式中,所述基于所述视觉传感器的运动轨迹和所述图像数据生成初始视觉地图,包括:
根据所述视觉传感器的位姿信息和所述位姿信息对应的相邻两个图像帧匹配的特征点,确定所述特征点在三维空间中的第一坐标位置;
根据所述运动轨迹上各个特征点在三维空间中的第一坐标位置,生成所述初始视觉地图。
在一种可能的实现方式中,基于基准测量地图对所述初始视觉地图进行校准,得到校准后的第一视觉地图,包括:
获取所述初始视觉地图中多个关键位置点的第二坐标位置;
获取所述多个关键位置点在所述基准测量地图中的第三坐标位置;
基于所述第二坐标位置和所述第三坐标位置,将所述初始视觉地图与所述基准测量地图对齐,得到校准后的第一视觉地图。
可选的,所述对齐包括以下至少一项:对所述初始视觉地图的平移、旋转或缩放。
可选的,所述关键位置点包括拐角、电梯口、出入口或者其他兴趣点POI。
在一种可能的实现方式中,所述基于基准测量地图对所述初始视觉地图进行校准,得到校准后的第一视觉地图之后,所述方法还包括:
采用光束法平差对所述校准后的第一视觉地图的地图轨迹进行优化,得到第二视觉地图。
本发明的第二方面提供一种视觉地图的校准装置,包括:
获取模块,用于获取视觉传感器采集的图像数据;
确定模块,用于根据所述图像数据确定所述视觉传感器的运动轨迹;
生成模块,用于基于所述视觉传感器的运动轨迹和所述图像数据生成初始视觉地图;
校准模块,用于基于基准测量地图对所述初始视觉地图进行校准,得到校准后的第一视觉地图;所述基准测量地图为室内场景布局图。
本发明的第三方面提供一种视觉地图的校准装置,包括:
存储器;
处理器;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如本发明第一方面任一项所述的视觉地图的校准方法。
本发明的第四方面提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行以实现如本发明第一方面任一项所述的视觉地图的校准方法。
本发明实施例提供一种视觉地图的校准方法、装置及存储介质。该方法包括:获取视觉传感器采集的图像数据,根据图像数据确定视觉传感器的运动轨迹,基于视觉传感器的运动轨迹和图像数据生成初始视觉地图,基于基准测量地图对初始视觉地图进行校准,得到校准后的第一视觉地图,其中基准测量地图为室内场景布局图。通过上述校准过程可快速有效的构建视觉地图,为视觉定位提供精准的地图数据。
附图说明
图1为本发明一实施例提供的视觉地图的校准方法的流程示意图;
图2为本发明一实施例提供的图像特征点在三维空间的示意图;
图3为本发明另一实施例提供的视觉地图的校准方法的流程示意图;
图4为本发明一实施例提供的视觉地图的校准装置的功能结构示意图;
图5为本发明一实施例提供的视觉地图的校准装置的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
本发明的说明书和权利要求书中的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
本发明的说明书中通篇提到的“一实施例”或“另一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“在一些实施例中”或“在本实施例中”未必一定指相同的实施例。需要说明的是,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。
图1为本发明一实施例提供的视觉地图的校准方法的流程示意图,图2为本发明一实施例提供的图像特征点在三维空间的示意图。本实施例提供的视觉地图的校准方法可以由任意执行该方法的装置来执行,该装置可以终端设备,例如智能手机、平板电脑、无人机、机器人、AR/VR设备等,也可以是服务器,例如地图服务器等。该装置可以通过软件和/或硬件实现。如图1所示,本实施例提供的方法包括:
步骤101、获取视觉传感器采集的图像数据。
在本实施例中,视觉传感器也称可视化传感器,可以是摄像机或者照相机等用来采集图像数据的装置。视觉传感器具有从一整幅图像捕获光线的数以千计的像素,图像的清晰和细腻程度通常用分辨率来衡量,以像素数量来表示。
本实施例采用视觉传感器来采集图像数据进行视觉地图的创建,降低了制作视觉地图的成本,且视觉传感器采集的图像信息要比激光雷达得到的图像信息丰富,有利于后期的图像处理。
视觉传感器采集的图像数据包括多张连续图像帧,其中相邻的两个图像帧可以包括相同的图像特征点,例如两个图像帧中均包括电梯间,只是电梯间在两个图像帧中的位置和/或大小不同。需要指出的是,本实施例的视觉传感器采集的图像数据可以是室内场景的图像数据,也可以是室外场景的图像数据,对此本实施例不做具体限定。
步骤102、根据图像数据确定视觉传感器的运动轨迹。
本实施例中,在获取多张连续图像帧之后,将第一帧图像所属的相机坐标系作为世界坐标系,进行视觉地图的初始化。
具体的,提取图像数据中相邻两个图像帧的特征点,并进行特征点匹配;根据相邻两个图像帧匹配的特征点确定视觉传感器的位姿信息;根据多个位姿信息确定视觉传感器的运动轨迹。
在一些实例中,相邻两个图像帧的特征点的数量可以为多个,对应的,对多个特征点进行特征点匹配,根据多个匹配的特征点确定视觉传感器的位姿信息。上述对图像的特征点提取可以采用现有的几种特征点提取算法,例如SIFT、HOG、SURF、ORB、LBP、HAAR等。
其中,视觉传感器的位姿信息可以理解为视觉传感器在指定坐标系,如世界坐标系中的位置坐标和角度朝向,也就是初始视觉地图的地图轨迹。地图轨迹上的每一个地图点都对应多个位于不同图像帧的2D特征点,形成2D-3D的对应关系。
步骤103、基于视觉传感器的运动轨迹和图像数据生成初始视觉地图。
具体的,根据视觉传感器的位姿信息和位姿信息对应的相邻两个图像帧匹配的特征点,确定特征点在三维空间中的第一坐标位置;根据运动轨迹上各个特征点在三维空间中的第一坐标位置,生成初始视觉地图。
如图2所示,任意两个相邻的图像帧,分别为第i帧图像和第i+1帧图像,第i帧图像上的特征点1与第i+1帧图像上的特征点1′均对应三维空间中的目标物a,根据视觉传感器的位姿信息和位姿信息对应的相邻两个图像帧中匹配的一对特征点1和1′在像平面上的位置,可以确定目标物a在三维空间中的坐标位置。当然,相邻两个图像帧中可能存在多对匹配的特征点,基于相同的原理,可以确定多对匹配的特征点在三维空间中的坐标位置。可以理解的是,生成的初始视觉地图中包括运动轨迹以及运动轨迹上的每一个位置处所有特征点在三维空间中的坐标位置信息。
步骤104、基于基准测量地图对初始视觉地图进行校准,得到校准后的第一视觉地图。
在本实施例中,基准测量地图为室内场景布局图,例如商场布局图、机场布局图、写字楼布局图。在获取基准测量地图之后,可以利用基准测量地图中的关键位置点,对初始视觉地图进行校准。
其中,关键位置点包括拐角、电梯口、出入口或者其他兴趣点POI等。
具体的校准过程如下:
A、获取初始视觉地图中多个关键位置点的第二坐标位置;
B、获取多个关键位置点在基准测量地图中的第三坐标位置;
C、基于第二坐标位置和第三坐标位置,将初始视觉地图与基准测量地图对齐,得到校准后的第一视觉地图。
对齐操作包括以下至少一项:对初始视觉地图的平移、旋转或缩放。需要说明的是,上述对齐操作是对初始视觉地图整体的平移、旋转或缩放。
本发明实施例提供的视觉地图的校准方法,通过获取视觉传感器采集的图像数据,根据图像数据确定视觉传感器的运动轨迹,基于视觉传感器的运动轨迹和图像数据生成初始视觉地图,基于基准测量地图对初始视觉地图进行校准,得到校准后的第一视觉地图,其中基准测量地图为室内场景布局图。通过上述校准过程可快速有效的构建视觉地图,为视觉定位提供精准的地图数据。
在上述实施例的基础上,下面一个实施例示出了对上述校准后的第一视觉地图的优化过程,进一步提高视觉地图的精准度。下面结合附图对本实施例提供的校准方法进行详细说明。
图2为本发明另一实施例提供的视觉地图的校准方法的流程示意图。如图2所示,本实施例提供的校准方法包括:
步骤201、获取视觉传感器采集的图像数据。
步骤202、根据图像数据确定视觉传感器的运动轨迹。
步骤203、基于基准测量地图对初始视觉地图进行校准,得到校准后的第一视觉地图。
本实施例的步骤201至步骤203同上述实施例的步骤101至步骤103,具体可参见上述实施例,此处不再赘述。
步骤204、采用光束法平差对校准后的第一视觉地图的地图轨迹进行优化,得到第二视觉地图。
在本实施例中,校准后的第一视觉地图可能存在以下误差:重投影误差、视觉传感器位置误差、视觉传感器的相对位置误差。
重投影误差是指视觉地图中三维地图点反投影至视觉传感器像平面的二维点与该三维地图点对应的位于像平面的图像特征点之间的距离差值。在反投影过程中,首先利用视觉传感器在世界坐标系中的位姿信息将三维地图点由世界坐标系转换至视觉传感器所在的坐标系,比如相机坐标系;再利用视觉传感器的内部参数将三维地图点反投影至图像平面,即像平面坐标系。
视觉传感器位置误差是指初始视觉地图中选取的关键位置点的坐标位置与基准测量地图中关键位置点的坐标位置的距离差值。通过上述实施例的步骤103,该距离差值较小。
视觉传感器的相对位置误差是指相邻图像帧对应的视觉传感器的相对位姿的差值,包括距离差值和/或角度差值。相邻两个图像帧对应的视觉传感器的相对位姿的差值应尽可能等于初始的相对位姿的差值,否则随着图像帧的迭代视觉传感器的相对位置误差将越来越大,视觉地图的地图轨迹将偏离视觉传感器实际的运动轨迹。
本实施例将上述几种误差项输入至光束法平差优化模型中,通过模型优化得到第二视觉地图。光束法平差优化模型的优化方法主要是非线性优化方法,例如梯度下降法、高斯牛顿法、Levenberg-Marquardt方法。
通过本实施例提供的光束法平差优化模型对校准后的第一视觉地图的地图轨迹进一步优化,得到精准度更高的第二视觉地图,为视觉定位提供更加精准的地图数据。
图3为本发明一实施例提供的视觉地图的校准装置的功能结构示意图。如图3所示,本实施例提供的视觉地图的校准装置300,包括:
获取模块301,用于获取视觉传感器采集的图像数据;
确定模块302,用于根据所述图像数据确定所述视觉传感器的运动轨迹;
生成模块303,用于基于所述视觉传感器的运动轨迹和所述图像数据生成初始视觉地图;
校准模块304,用于基于基准测量地图对所述初始视觉地图进行校准,得到校准后的第一视觉地图;所述基准测量地图为室内场景布局图。
本发明实施例提供的视觉地图的校准装置包括获取模块、确定模块、生成模块和校准模块。通过获取模块获取视觉传感器采集的图像数据,确定模块根据所述图像数据确定视觉传感器的运动轨迹,生成模块基于视觉传感器的运动轨迹和图像数据生成初始视觉地图,校准模块基于基准测量地图对初始视觉地图进行校准,得到校准后的第一视觉地图。上述装置可快速有效的构建精准的视觉地图,为视觉定位提供精准的地图数据。
在一种可能的实现方式中,所述确定模块303,具体用于:
提取所述图像数据中相邻两个图像帧的特征点,并进行特征点匹配;
根据所述相邻两个图像帧匹配的特征点确定视觉传感器的位姿信息;
根据多个所述位姿信息确定所述视觉传感器的运动轨迹。
在一种可能的实现方式中,所述确定模块302,还用于:
根据所述视觉传感器的位姿信息和所述位姿信息对应的相邻两个图像帧匹配的特征点,确定所述特征点在三维空间中的第一坐标位置;
所述生成模块303,具体用于根据所述运动轨迹上各个特征点在三维空间中的第一坐标位置,生成所述初始视觉地图。
在一种可能的实现方式中,所述获取模块301,还用于:
获取所述初始视觉地图中多个关键位置点的第二坐标位置;
获取所述多个关键位置点在所述基准测量地图中的第三坐标位置;
所述校准模块304,具体用于基于所述第二坐标位置和所述第三坐标位置,将所述初始视觉地图与所述基准测量地图对齐,得到校准后的第一视觉地图。
可选的,所述对齐包括以下至少一项:对所述初始视觉地图的平移、旋转或缩放。
可选的,所述关键位置点包括拐角、电梯口、出入口或者其他兴趣点POI。
在一种可能的实现方式中,所述校准模块304,还用于:
采用光束法平差对所述校准后的第一视觉地图的地图轨迹进行优化,得到第二视觉地图。
本实施例提供的视觉地图的校准装置,可以执行上述方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图5为本发明一实施例提供的视觉地图的校准装置的硬件结构示意图。如图5所示,本实施例提供的视觉地图的校准装置400,包括:
存储器401;
处理器402;以及
计算机程序;
其中,计算机程序存储在存储器401中,并被配置为由处理器402执行以实现如前述任一项方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
可选的,存储器401既可以是独立的,也可以跟处理器402集成在一起。
当存储器401是独立于处理器402之外的器件时,视觉地图的校准装置400还包括:
总线403,用于连接存储器401和处理器402。
本实施例提供的视觉地图的校准装置可以是终端设备,例如智能手机、平板电脑、无人机、机器人、AR/VR设备等,也可以是服务器,例如地图服务器,对此本实施例不做具体限定。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器402执行以实现如上方法实施例中视觉地图的校准装置400所执行的各个步骤。
应理解,上述处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application Specific Integrated Circuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
上述存储介质可以是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。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits,简称:ASIC)中。当然,处理器和存储介质也可以作为分立组件存在于视觉地图的校准装置中。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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,或者对其中部分或者全部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范围。
Claims (10)
1.一种视觉地图的校准方法,其特征在于,包括:
获取视觉传感器采集的图像数据;
根据所述图像数据确定所述视觉传感器的运动轨迹;
基于所述视觉传感器的运动轨迹和所述图像数据生成初始视觉地图;
基于基准测量地图对所述初始视觉地图进行校准,得到校准后的第一视觉地图,所述基准测量地图为室内场景布局图。
2.根据权利要求1所述的方法,其特征在于,所述根据所述图像数据确定所述视觉传感器的运动轨迹,包括:
提取所述图像数据中相邻两个图像帧的特征点,并进行特征点匹配;
根据所述相邻两个图像帧匹配的特征点确定视觉传感器的位姿信息;
根据多个所述位姿信息确定所述视觉传感器的运动轨迹。
3.根据权利要求2所述的方法,其特征在于,所述基于所述视觉传感器的运动轨迹和所述图像数据生成初始视觉地图,包括:
根据所述视觉传感器的位姿信息和所述位姿信息对应的相邻两个图像帧匹配的特征点,确定所述特征点在三维空间中的第一坐标位置;
根据所述运动轨迹上各个特征点在三维空间中的第一坐标位置,生成所述初始视觉地图。
4.根据权利要求1所述的方法,其特征在于,基于基准测量地图对所述初始视觉地图进行校准,得到校准后的第一视觉地图,包括:
获取所述初始视觉地图中多个关键位置点的第二坐标位置;
获取所述多个关键位置点在所述基准测量地图中的第三坐标位置;
基于所述第二坐标位置和所述第三坐标位置,将所述初始视觉地图与所述基准测量地图对齐,得到校准后的第一视觉地图。
5.根据权利要求4所述的方法,其特征在于,所述对齐包括以下至少一项:对所述初始视觉地图的平移、旋转或缩放。
6.根据权利要求4所述的方法,其特征在于,所述关键位置点包括拐角、电梯口、出入口或者其他兴趣点POI。
7.根据权利要求1所述的方法,其特征在于,所述基于基准测量地图对所述初始视觉地图进行校准,得到校准后的第一视觉地图之后,所述方法还包括:
采用光束法平差对所述校准后的第一视觉地图的地图轨迹进行优化,得到第二视觉地图。
8.一种视觉地图的校准装置,其特征在于,包括:
获取模块,用于获取视觉传感器采集的图像数据;
确定模块,用于根据所述图像数据确定所述视觉传感器的运动轨迹;
生成模块,用于基于所述视觉传感器的运动轨迹和所述图像数据生成初始视觉地图;
校准模块,用于基于基准测量地图对所述初始视觉地图进行校准,得到校准后的第一视觉地图;所述基准测量地图为室内场景布局图。
9.一种视觉地图的校准装置,其特征在于,包括:
存储器;
处理器;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如权利要求1-7任一项所述的视觉地图的校准方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器执行以实现如权利要求1-7任一项所述的视觉地图的校准方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910587663.0A CN110260857A (zh) | 2019-07-02 | 2019-07-02 | 视觉地图的校准方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910587663.0A CN110260857A (zh) | 2019-07-02 | 2019-07-02 | 视觉地图的校准方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110260857A true CN110260857A (zh) | 2019-09-20 |
Family
ID=67923670
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910587663.0A Pending CN110260857A (zh) | 2019-07-02 | 2019-07-02 | 视觉地图的校准方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110260857A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110823225A (zh) * | 2019-10-29 | 2020-02-21 | 北京影谱科技股份有限公司 | 室内动态情景下的定位方法和装置 |
CN110825832A (zh) * | 2019-11-07 | 2020-02-21 | 深圳创维数字技术有限公司 | Slam地图更新方法、装置及计算机可读存储介质 |
CN111292420A (zh) * | 2020-02-28 | 2020-06-16 | 北京百度网讯科技有限公司 | 用于构建地图的方法和装置 |
CN111328017A (zh) * | 2020-02-18 | 2020-06-23 | 深圳市愚公科技有限公司 | 一种地图传输方法和装置 |
CN111801664A (zh) * | 2020-05-11 | 2020-10-20 | 蜂图科技有限公司 | 一种实景地图生成方法、装置、设备及可读存储介质 |
CN112284401A (zh) * | 2020-10-12 | 2021-01-29 | 广州小鹏自动驾驶科技有限公司 | 一种数据处理的方法和装置 |
CN113643440A (zh) * | 2021-07-06 | 2021-11-12 | 北京百度网讯科技有限公司 | 定位方法、装置、设备和存储介质 |
CN115222808A (zh) * | 2021-06-30 | 2022-10-21 | 达闼机器人股份有限公司 | 基于无人机的定位方法、装置、存储介质和电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102960035A (zh) * | 2010-05-19 | 2013-03-06 | 诺基亚公司 | 扩展的指纹产生 |
US9037529B2 (en) * | 2011-06-15 | 2015-05-19 | Ceresis, Llc | Method for generating visual mapping of knowledge information from parsing of text inputs for subjects and predicates |
CN105469405A (zh) * | 2015-11-26 | 2016-04-06 | 清华大学 | 基于视觉测程的同时定位与地图构建方法 |
CN107564060A (zh) * | 2017-07-13 | 2018-01-09 | 塔米智能科技(北京)有限公司 | 一种消除slam导航累积误差的方法 |
CN108873908A (zh) * | 2018-07-12 | 2018-11-23 | 重庆大学 | 基于视觉slam和网络地图结合的机器人城市导航系统 |
-
2019
- 2019-07-02 CN CN201910587663.0A patent/CN110260857A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102960035A (zh) * | 2010-05-19 | 2013-03-06 | 诺基亚公司 | 扩展的指纹产生 |
US9037529B2 (en) * | 2011-06-15 | 2015-05-19 | Ceresis, Llc | Method for generating visual mapping of knowledge information from parsing of text inputs for subjects and predicates |
CN105469405A (zh) * | 2015-11-26 | 2016-04-06 | 清华大学 | 基于视觉测程的同时定位与地图构建方法 |
CN107564060A (zh) * | 2017-07-13 | 2018-01-09 | 塔米智能科技(北京)有限公司 | 一种消除slam导航累积误差的方法 |
CN108873908A (zh) * | 2018-07-12 | 2018-11-23 | 重庆大学 | 基于视觉slam和网络地图结合的机器人城市导航系统 |
Non-Patent Citations (1)
Title |
---|
陈慧岩等: "《无人驾驶车辆理论与设计》", 31 March 2018, 北京理工大学出版社 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110823225A (zh) * | 2019-10-29 | 2020-02-21 | 北京影谱科技股份有限公司 | 室内动态情景下的定位方法和装置 |
CN110825832A (zh) * | 2019-11-07 | 2020-02-21 | 深圳创维数字技术有限公司 | Slam地图更新方法、装置及计算机可读存储介质 |
CN111328017A (zh) * | 2020-02-18 | 2020-06-23 | 深圳市愚公科技有限公司 | 一种地图传输方法和装置 |
CN111328017B (zh) * | 2020-02-18 | 2021-05-14 | 深圳市愚公科技有限公司 | 一种地图传输方法和装置 |
CN111292420A (zh) * | 2020-02-28 | 2020-06-16 | 北京百度网讯科技有限公司 | 用于构建地图的方法和装置 |
CN111801664A (zh) * | 2020-05-11 | 2020-10-20 | 蜂图科技有限公司 | 一种实景地图生成方法、装置、设备及可读存储介质 |
WO2021226780A1 (zh) * | 2020-05-11 | 2021-11-18 | 蜂图志科技控股有限公司 | 一种实景地图生成方法、装置、设备及可读存储介质 |
CN112284401A (zh) * | 2020-10-12 | 2021-01-29 | 广州小鹏自动驾驶科技有限公司 | 一种数据处理的方法和装置 |
WO2022078301A1 (zh) * | 2020-10-12 | 2022-04-21 | 广州小鹏自动驾驶科技有限公司 | 一种数据处理的方法和装置 |
CN112284401B (zh) * | 2020-10-12 | 2022-10-14 | 广州小鹏自动驾驶科技有限公司 | 一种数据处理的方法和装置 |
CN115222808A (zh) * | 2021-06-30 | 2022-10-21 | 达闼机器人股份有限公司 | 基于无人机的定位方法、装置、存储介质和电子设备 |
CN113643440A (zh) * | 2021-07-06 | 2021-11-12 | 北京百度网讯科技有限公司 | 定位方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110260857A (zh) | 视觉地图的校准方法、装置及存储介质 | |
US11003956B2 (en) | System and method for training a neural network for visual localization based upon learning objects-of-interest dense match regression | |
CN108062776B (zh) | 相机姿态跟踪方法和装置 | |
CA2705809C (en) | Method and apparatus of taking aerial surveys | |
Zhang et al. | A UAV-based panoramic oblique photogrammetry (POP) approach using spherical projection | |
US6917702B2 (en) | Calibration of multiple cameras for a turntable-based 3D scanner | |
CN112444242B (zh) | 一种位姿优化方法及装置 | |
US9942535B2 (en) | Method for 3D scene structure modeling and camera registration from single image | |
CN108810473B (zh) | 一种在移动平台上实现gps映射摄像机画面坐标的方法及系统 | |
CN111476827B (zh) | 目标跟踪方法、系统、电子装置及存储介质 | |
CN109559349B (zh) | 一种用于标定的方法和装置 | |
US20060215935A1 (en) | System and architecture for automatic image registration | |
US20180150974A1 (en) | Image processing apparatus, method, and program | |
US20080050011A1 (en) | Modeling and texturing digital surface models in a mapping application | |
JP2014241155A (ja) | 画像の少なくとも1つの特徴として記述子を提供する方法及び特徴をマッチングする方法 | |
CN102084398A (zh) | 街道级图像到3d建筑物模型的对准 | |
CN113048980B (zh) | 位姿优化方法、装置、电子设备及存储介质 | |
CN109949365A (zh) | 基于路面特征点的车辆指定位置停车方法及系统 | |
CN112529957A (zh) | 确定摄像设备位姿的方法和装置、存储介质、电子设备 | |
CN115830135A (zh) | 一种图像处理方法、装置及电子设备 | |
JP2023523364A (ja) | 視覚測位方法、装置、機器及び可読記憶媒体 | |
CN116912195A (zh) | 旋转目标检测方法、系统、电子设备及存储介质 | |
CN116203976A (zh) | 变电站室内巡检方法、装置、无人机和存储介质 | |
CN115830073A (zh) | 地图要素重建方法、装置、计算机设备和存储介质 | |
JP2016038790A (ja) | 画像処理装置ならびにその画像特徴検出方法、プログラムおよび装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190920 |
|
RJ01 | Rejection of invention patent application after publication |