CN111538855A - 视觉定位方法及装置、电子设备和存储介质 - Google Patents

视觉定位方法及装置、电子设备和存储介质 Download PDF

Info

Publication number
CN111538855A
CN111538855A CN202010358078.6A CN202010358078A CN111538855A CN 111538855 A CN111538855 A CN 111538855A CN 202010358078 A CN202010358078 A CN 202010358078A CN 111538855 A CN111538855 A CN 111538855A
Authority
CN
China
Prior art keywords
candidate
pose information
image
group corresponding
image group
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
CN202010358078.6A
Other languages
English (en)
Other versions
CN111538855B (zh
Inventor
张笑宇
焦飞
盛崇山
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.)
Zhejiang Shangtang Technology Development Co Ltd
Original Assignee
Zhejiang Shangtang Technology Development 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 Zhejiang Shangtang Technology Development Co Ltd filed Critical Zhejiang Shangtang Technology Development Co Ltd
Priority to CN202010358078.6A priority Critical patent/CN111538855B/zh
Publication of CN111538855A publication Critical patent/CN111538855A/zh
Application granted granted Critical
Publication of CN111538855B publication Critical patent/CN111538855B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/532—Query formulation, e.g. graphical querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本公开涉及一种视觉定位方法及装置、电子设备和存储介质。所述方法包括：根据数据库中的图像与查询图像的相似度，确定与所述查询图像对应的至少一个候选图像组；对所述至少一个候选图像组中的候选图像与所述查询图像进行特征点匹配，得到所述查询图像对应的至少一项候选位姿信息；基于所述至少一项候选位姿信息对应的候选图像组的内点，确定所述至少一项候选位姿信息的置信度；根据所述至少一项候选位姿信息，以及所述至少一项候选位姿信息的置信度，确定所述查询图像的视觉定位结果。

Description

视觉定位方法及装置、电子设备和存储介质
技术领域
本公开涉及计算机视觉技术领域，尤其涉及一种视觉定位方法及装置、电子设备和存储介质。
背景技术
视觉定位是计算机视觉领域与机器人领域的重要问题。在视觉定位中，无需布置任何有源设备，仅通过周围的视觉信息便可以得到自身位姿，是一种低成本的定位方式。尤其在GPS(Global Positioning System，全球定位系统)信号不稳定的大型场馆等室内场景中，基于视觉的定位导航显得尤为重要。
发明内容
本公开提供了一种视觉定位技术方案。
根据本公开的一方面，提供了一种视觉定位方法，包括：
根据数据库中的图像与查询图像的相似度，确定与所述查询图像对应的至少一个候选图像组；
对所述至少一个候选图像组中的候选图像与所述查询图像进行特征点匹配，得到所述查询图像对应的至少一项候选位姿信息；
基于所述至少一项候选位姿信息对应的候选图像组的内点，确定所述至少一项候选位姿信息的置信度；
根据所述至少一项候选位姿信息，以及所述至少一项候选位姿信息的置信度，确定所述查询图像的视觉定位结果。
通过根据数据库中的图像与查询图像的相似度，确定与所述查询图像对应的至少一个候选图像组，对所述至少一个候选图像组中的候选图像与所述查询图像进行特征点匹配，得到所述查询图像对应的至少一项候选位姿信息，基于所述至少一项候选位姿信息对应的候选图像组的内点，确定所述至少一项候选位姿信息的置信度，根据所述至少一项候选位姿信息，以及所述至少一项候选位姿信息的置信度，确定所述查询图像的视觉定位结果，由此能够提高视觉定位的准确性，降低视觉定位的误报率。
在一种可能的实现方式中，所述基于所述至少一项候选位姿信息对应的候选图像组的内点，确定所述至少一项候选位姿信息的置信度，包括：
基于所述至少一项候选位姿信息对应的候选图像组的内点的数量和位置信息中的一项或两项，确定所述至少一项候选位姿信息的置信度。
在该实现方式中，通过基于所述至少一项候选位姿信息对应的候选图像组的内点的数量和位置信息中的一项或两项，确定所述至少一项候选位姿信息的置信度，由此确定的置信度能够较准确地反映候选位姿信息属于查询图像对应的真实位姿的可能性，从而能够提高视觉定位的准确性。
在一种可能的实现方式中，所述基于所述至少一项候选位姿信息对应的候选图像组的内点的数量和位置信息中的一项或两项，确定所述至少一项候选位姿信息的置信度，包括：
对于所述至少一项候选位姿信息中的任意一项候选位姿信息，根据该项候选位姿信息对应的候选图像组的内点的数量，以及所述至少一项候选位姿信息对应的候选图像组的内点的总量，确定该项候选位姿信息对应的候选图像组的内点比例；
至少根据该项候选位姿信息对应的候选图像组的内点比例，确定该项候选位姿信息的置信度。
根据该项候选位姿信息对应的候选图像组的内点比例，确定该项候选位姿信息的置信度，所确定的置信度能够反映该项候选位姿信息对应的候选图像组的内点的主导性，基于由此确定的各项候选位姿信息的置信度确定视觉定位结果，有助于提高视觉定位的准确性。
在一种可能的实现方式中，所述基于所述至少一项候选位姿信息对应的候选图像组的内点的数量和位置信息中的一项或两项，确定所述至少一项候选位姿信息的置信度，包括：
对于所述至少一项候选位姿信息中的任意一项候选位姿信息，根据该项候选位姿信息对应的候选图像组的内点的位置信息，确定该项候选位姿信息对应的候选图像组的内点的分布情况得分，其中，该项候选位姿信息对应的候选图像组的内点的分布情况得分用于表示该项候选位姿信息对应的候选图像组的内点分布的离散程度；
至少根据该项候选位姿信息对应的候选图像组的内点的分布情况得分，确定该项候选位姿信息的置信度。
根据该示例确定的任意一项候选位姿信息的置信度能够反映该项候选位姿信息对应的候选图像组的内点分布的离散程度，基于由此确定的各项候选位姿信息的置信度确定视觉定位结果，有助于提高视觉定位的准确性。
在一种可能的实现方式中，所述根据该项候选位姿信息对应的候选图像组的内点的位置信息，确定该项候选位姿信息对应的候选图像组的内点的分布情况得分，包括：
根据该项候选位姿信息对应的候选图像组的内点的位置信息，确定该项候选位姿信息对应的候选图像组的内点所占区域的面积，并根据该项候选位姿信息对应的候选图像组的内点所占区域的面积，确定该项候选位姿信息对应的候选图像组的内点的分布情况得分。
通过根据该项候选位姿信息对应的候选图像组的内点所占区域的面积，确定该项候选位姿信息对应的候选图像组的内点的分布情况得分，由此确定的分布情况得分能够较准确地反映该候选图像组的内点分布的离散程度，从而有助于提高视觉定位的准确性。
在一种可能的实现方式中，所述至少根据该项候选位姿信息对应的候选图像组的内点的分布情况得分，确定该项候选位姿信息的置信度，包括：
根据该项候选位姿信息对应的候选图像组的内点的分布情况得分，以及据该项候选位姿信息对应的候选图像组的内点的数量和内点比例中的一项或两项，确定该项候选位姿信息的置信度。
通过根据该项候选位姿信息对应的候选图像组的内点的分布情况得分，以及据该项候选位姿信息对应的候选图像组的内点的数量和内点比例中的一项或两项，确定该项候选位姿信息的置信度，由此能够反映该项候选位姿信息对应的候选图像组的内点的主导性和内点分布的离散程度，基于由此确定的各项候选位姿信息的置信度确定视觉定位结果，有助于提高视觉定位的准确性。
在一种可能的实现方式中，所述根据数据库中的图像与查询图像的相似度，确定与所述查询图像对应的至少一个候选图像组，包括：
根据数据库中与所述查询图像的的相似度大于或等于相似度阈值的图像，确定至少一个候选图像；
对所述至少一个候选图像进行图像聚类，得到所述至少一个候选图像组。
基于该实现方式，能够得到与查询图像相似的至少一个候选图像组，由此基于至少一个候选图像组对查询图像进行视觉定位，有助于判断查询图像是否属于相似场景或相似纹理，从而能够减少相似场景或相似纹理带来的误判。
在一种可能的实现方式中，所述对所述至少一个候选图像进行图像聚类，包括：
根据所述至少一个候选图像中的不同候选图像之间相同的特征点的数量，对所述至少一个候选图像进行图像聚类。
通过根据所述至少一个候选图像中的不同候选图像之间相同的特征点的数量，对所述至少一个候选图像进行图像聚类，由此能够将属于相似场景或重复纹理的候选图像归类至同一个候选图像组，从而有助于提高视觉定位的准确性。
在一种可能的实现方式中，在所述根据数据库中的图像与查询图像的相似度，确定与所述查询图像对应的至少一个候选图像组之前，所述方法还包括：
获取至少一个待定位图像；
确定所述至少一个待定位图像的质量信息；
在所述至少一个待定位图像中存在质量信息满足质量条件的待定位图像的情况下，将所述质量信息满足质量条件的待定位图像确定为查询图像；和/或，在所述至少一个待定位图像中不存在质量信息满足质量条件的待定位图像的情况下，发出提示信息。
在该实现方式中，通过将质量信息满足质量条件的待定位图像作为查询图像进行视觉定位，由此能够进一步提高视觉定位的准确性，避免采用低质量的图像进行视觉定位而得到错误的视觉定位结果；通过过滤低质量的图像，能够减轻运算压力，减少对计算资源的浪费；通过发出提示信息，能够提醒用户或机器人获得质量更高的图像，以提高视觉定位的准确性。
根据本公开的一方面，提供了一种视觉定位装置，包括：
第一确定模块，用于根据数据库中的图像与查询图像的相似度，确定与所述查询图像对应的至少一个候选图像组；
匹配模块，用于对所述至少一个候选图像组中的候选图像与所述查询图像进行特征点匹配，得到所述查询图像对应的至少一项候选位姿信息；
第二确定模块，用于基于所述至少一项候选位姿信息对应的候选图像组的内点，确定所述至少一项候选位姿信息的置信度；
第三确定模块，用于根据所述至少一项候选位姿信息，以及所述至少一项候选位姿信息的置信度，确定所述查询图像的视觉定位结果。
在一种可能的实现方式中，所述第二确定模块用于：
基于所述至少一项候选位姿信息对应的候选图像组的内点的数量和位置信息中的一项或两项，确定所述至少一项候选位姿信息的置信度。
在一种可能的实现方式中，所述第二确定模块用于：
对于所述至少一项候选位姿信息中的任意一项候选位姿信息，根据该项候选位姿信息对应的候选图像组的内点的数量，以及所述至少一项候选位姿信息对应的候选图像组的内点的总量，确定该项候选位姿信息对应的候选图像组的内点比例；
至少根据该项候选位姿信息对应的候选图像组的内点比例，确定该项候选位姿信息的置信度。
在一种可能的实现方式中，所述第二确定模块用于：
对于所述至少一项候选位姿信息中的任意一项候选位姿信息，根据该项候选位姿信息对应的候选图像组的内点的位置信息，确定该项候选位姿信息对应的候选图像组的内点的分布情况得分，其中，该项候选位姿信息对应的候选图像组的内点的分布情况得分用于表示该项候选位姿信息对应的候选图像组的内点分布的离散程度；
至少根据该项候选位姿信息对应的候选图像组的内点的分布情况得分，确定该项候选位姿信息的置信度。
在一种可能的实现方式中，所述第二确定模块用于：
根据该项候选位姿信息对应的候选图像组的内点的位置信息，确定该项候选位姿信息对应的候选图像组的内点所占区域的面积，并根据该项候选位姿信息对应的候选图像组的内点所占区域的面积，确定该项候选位姿信息对应的候选图像组的内点的分布情况得分。
在一种可能的实现方式中，所述第二确定模块用于：
根据该项候选位姿信息对应的候选图像组的内点的分布情况得分，以及据该项候选位姿信息对应的候选图像组的内点的数量和内点比例中的一项或两项，确定该项候选位姿信息的置信度。
在一种可能的实现方式中，所述第一确定模块用于：
根据数据库中与所述查询图像的的相似度大于或等于相似度阈值的图像，确定至少一个候选图像；
对所述至少一个候选图像进行图像聚类，得到所述至少一个候选图像组。
在一种可能的实现方式中，所述第一确定模块用于：
根据所述至少一个候选图像中的不同候选图像之间相同的特征点的数量，对所述至少一个候选图像进行图像聚类。
在一种可能的实现方式中，所述装置还包括：
获取模块，用于获取至少一个待定位图像；
第四确定模块，用于确定所述至少一个待定位图像的质量信息；
第五确定模块，用于在所述至少一个待定位图像中存在质量信息满足质量条件的待定位图像的情况下，将所述质量信息满足质量条件的待定位图像确定为查询图像；和/或，在所述至少一个待定位图像中不存在质量信息满足质量条件的待定位图像的情况下，发出提示信息。
根据本公开的一方面，提供了一种电子设备，包括：一个或多个处理器；用于存储可执行指令的存储器；其中，所述一个或多个处理器被配置为调用所述存储器存储的可执行指令，以执行上述方法。
根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
在本公开实施例中，通过根据数据库中的图像与查询图像的相似度，确定与所述查询图像对应的至少一个候选图像组，对所述至少一个候选图像组中的候选图像与所述查询图像进行特征点匹配，得到所述查询图像对应的至少一项候选位姿信息，基于所述至少一项候选位姿信息对应的候选图像组的内点，确定所述至少一项候选位姿信息的置信度，根据所述至少一项候选位姿信息，以及所述至少一项候选位姿信息的置信度，确定所述查询图像的视觉定位结果，由此能够提高视觉定位的准确性，降低视觉定位的误报率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。
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
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出本公开实施例提供的视觉定位方法的流程图。
图2示出本公开实施例提供的视觉定位方法中不同清晰度的两个待定位图像的示意图。
图3示出本公开实施例提供的视觉定位方法中仅存在一个候选图像组的示意图。
图4示出本公开实施例提供的视觉定位方法中存在4个候选图像组的示意图。
图5示出根据本公开实施例的视觉定位装置的框图。
图6示出本公开实施例提供的一种电子设备800的框图。
图7示出本公开实施例提供的一种电子设备1900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。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好地说明本公开，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。
视觉定位的原理是通过将摄像头当前拍摄的图像的视觉特征与数据库中的图像的视觉特征进行特征匹配，得到视觉意义上最接近的一组图像，再根据定位需求采用相应的算法解算出摄像头的拍摄位置和角度，从而实现定位与导航。然而，由于室内定位中同一栋建筑中可能有完全相似的房间、装饰等相似场景和重复纹理，导致视觉定位往往会存在难以降低的误报率。
为了解决类似于上文所述的技术问题，本公开实施例提供了一种视觉定位方法及装置、电子设备和存储介质，通过根据数据库中的图像与查询图像的相似度，确定与所述查询图像对应的至少一个候选图像组，对所述至少一个候选图像组中的候选图像与所述查询图像进行特征点匹配，得到所述查询图像对应的至少一项候选位姿信息，基于所述至少一项候选位姿信息对应的候选图像组的内点，确定所述至少一项候选位姿信息的置信度，根据所述至少一项候选位姿信息，以及所述至少一项候选位姿信息的置信度，确定所述查询图像的视觉定位结果，由此能够提高视觉定位的准确性，降低视觉定位的误报率。
图1示出本公开实施例提供的视觉定位方法的流程图。所述视觉定位方法的执行主体可以是视觉定位装置。例如，所述视觉定位方法可以由终端设备或服务器或其它处理设备执行。其中，终端设备可以是用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备或者可穿戴设备等。在一些可能的实现方式中，所述视觉定位方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图1所示，所述视觉定位方法包括步骤S11至步骤S14。
在一种可能的实现方式中，在步骤S11所述根据数据库中的图像与查询图像的相似度，确定与所述查询图像对应的至少一个候选图像组之前，所述方法还包括：获取至少一个待定位图像；确定所述至少一个待定位图像的质量信息；在所述至少一个待定位图像中存在质量信息满足质量条件的待定位图像的情况下，将所述质量信息满足质量条件的待定位图像确定为查询图像；和/或，在所述至少一个待定位图像中不存在质量信息满足质量条件的待定位图像的情况下，发出提示信息。
其中，待定位图像可以表示需要进行视觉定位的图像，例如，可以将摄像头采集的视频流中的视频帧作为待定位图像。
作为该实现方式的一个示例，待定位图像的质量信息可以包括待定位图像的清晰度。例如，可以通过拉普拉斯算子或者sobel算子计算待定位图像的梯度方差，得到待定位图像的清晰度，也可以通过Reblur二次模糊得到更准确的清晰度。在该示例中，待定位图像的质量信息满足质量条件可以包括：待定位图像的清晰度大于或等于清晰度阈值。在一个例子中，在所述至少一个待定位图像中不存在清晰度大于或等于清晰度阈值的待定位图像的情况下，可以发出“请稳定摄像头”的提示信息。图2示出本公开实施例提供的视觉定位方法中不同清晰度的两个待定位图像的示意图。其中，右侧的待定位图像的清晰度高于左侧的待定位图像的清晰度。
作为该实现方式的一个示例，待定位图像的质量信息可以包括待定位图像的亮度。例如，可以将待定位图像的平均灰度值作为待定位图像的亮度。在该示例中，待定位图像的质量信息满足质量条件可以包括：待定位图像的亮度大于或等于亮度阈值。在一个例子中，在所述至少一个待定位图像中不存在亮度大于或等于亮度阈值的待定位图像的情况下，可以发出“请对准光线充足的区域”的提示信息。
作为该实现方式的一个示例，待定位图像的质量信息可以包括待定位图像的纹理的丰富度。在一个例子中，可以提取待定位图像的特征点，根据待定位图像的特征点的数量确定待定位图像的纹理的丰富度，其中，待定位图像的特征点越多，则待定位图像的纹理的丰富度越大。例如，干净的墙面、干净的地面等区域的纹理的丰富度较低。在该示例中，待定位图像的质量信息满足质量条件可以包括：待定位图像的纹理的丰富度大于或等于丰富度阈值。在一个例子中，在所述至少一个待定位图像中不存在纹理的丰富度大于或等于丰富度阈值的待定位图像的情况下，可以发出“请朝向特征丰富的区域”的提示信息。
作为该实现方式的一个示例，待定位图像的质量信息可以包括待定位图像的清晰度、亮度和纹理的丰富度中的两项或三项；待定位图像的质量信息满足质量条件可以包括以下两项或三项：待定位图像的清晰度大于或等于清晰度阈值、待定位图像的亮度大于或等于亮度阈值、待定位图像的纹理的丰富度大于或等于丰富度阈值。
在该实现方式中，通过将质量信息满足质量条件的待定位图像作为查询图像进行视觉定位，由此能够进一步提高视觉定位的准确性，避免采用低质量的图像进行视觉定位而得到错误的视觉定位结果；通过过滤低质量的图像，能够减轻运算压力，减少对计算资源的浪费；通过发出提示信息，能够提醒用户或机器人获得质量更高的图像，以提高视觉定位的准确性。
在步骤S11中，根据数据库中的图像与查询图像的相似度，确定与所述查询图像对应的至少一个候选图像组。
在本公开实施例中，查询图像的数量可以为一个或多个。为了便于理解，下文以一个查询图像为例进行说明。候选图像组的数量可以为一个或多个，每个候选图像组可以包括一个或多个候选图像。在本公开实施例中，候选图像组也可以称为共视组，属于同一候选图像组的任意两个候选图像之间可以认为具有共视关系，属于不同候选图像组的任意两个候选图像之间可以认为不具有共视关系。
在一种可能的实现方式中，所述根据数据库中的图像与查询图像的相似度，确定与所述查询图像对应的至少一个候选图像组，包括：根据数据库中与所述查询图像的相似度大于或等于相似度阈值的图像，确定至少一个候选图像；对所述至少一个候选图像进行图像聚类，得到所述至少一个候选图像组。
在该实现方式中，可以将数据库中与查询图像的相似度大于或等于相似度阈值的图像分别作为候选图像，或者，可以将数据库中与查询图像的相似度大于或等于相似度阈值的部分图像作为候选图像，其中，候选图像的数量可以为一个或多个。
基于该实现方式，能够得到与查询图像相似的至少一个候选图像组，由此基于至少一个候选图像组对查询图像进行视觉定位，有助于判断查询图像是否属于相似场景或相似纹理，从而能够减少相似场景或相似纹理带来的误判。
作为该实现方式的一个示例，所述对所述至少一个候选图像进行图像聚类，包括：根据所述至少一个候选图像中的不同候选图像之间相同的特征点的数量，对所述至少一个候选图像进行图像聚类。
在一个例子中，若两个候选图像中相同的特征点的数量大于或等于预设阈值，则可以将该两个候选图像归至同一候选图像组。其中，预设阈值大于或等于1。例如，预设阈值可以等于1或者5等。当然，本领域技术人员可以根据实际应用场景需求灵活设置预设阈值的大小，本公开实施例对此不作限定。
在该示例中，通过根据所述至少一个候选图像中的不同候选图像之间相同的特征点的数量，对所述至少一个候选图像进行图像聚类，由此能够将属于相似场景或重复纹理的候选图像归类至同一个候选图像组，从而有助于提高视觉定位的准确性。
在该实现方式的其他示例中，可以采用K-means等方法对所述至少一个候选图像进行图像聚类，本公开实施例对此不作限定。
在步骤S12中，对所述至少一个候选图像组中的候选图像与所述查询图像进行特征点匹配，得到所述查询图像对应的至少一项候选位姿信息。
在本公开实施例中，位姿信息可以包括位置信息和姿态信息中的一种或两种。其中，位置信息可以采用坐标来表示，姿态信息可以采用角度来表示。
在本公开实施例中，可以采用PnP(Perspective-n-Point，透视n点)等方法对所述至少一个候选图像组中的候选图像的特征点与所述查询图像的特征点进行特征点匹配。例如，可以采用EPnP(Efficient Perspective-n-Point，高效的透视n点)、P3P(Perspective-3-Point，透视3点)或者DLS(Direct Least-Squares，直接最小二乘)等方法对所述至少一个候选图像组中的候选图像与所述查询图像进行特征点匹配。
在一种可能的实现方式中，若经过特征点匹配后，确定该候选图像组的内点的数量大于或等于第一阈值，则可以确定根据该候选图像组计算位姿成功，并将根据该候选图像组确定的位姿信息确定为查询图像对应的一项候选位姿信息。若经过特征点匹配后，确定该候选图像组的内点的数量小于第一阈值，则可以确定根据该候选图像组计算位姿失败，因此可以不将根据该候选图像组确定的位姿信息作为查询图像对应的候选位姿信息。
在步骤S13中，基于所述至少一项候选位姿信息对应的候选图像组的内点，确定所述至少一项候选位姿信息的置信度。
在本公开实施例中，内点可以表示在求解位姿时正确匹配的特征点。在一种可能的实现方式中，可以根据RANSAC(RANdom Sample Consensus，随机抽样一致)算法的inlier_mask，确定候选图像组的内点。
在一种可能的实现方式中，所述基于所述至少一项候选位姿信息对应的候选图像组的内点，确定所述至少一项候选位姿信息的置信度，包括：基于所述至少一项候选位姿信息对应的候选图像组的内点的数量和位置信息中的一项或两项，确定所述至少一项候选位姿信息的置信度。
在该实现方式中，通过基于所述至少一项候选位姿信息对应的候选图像组的内点的数量和位置信息中的一项或两项，确定所述至少一项候选位姿信息的置信度，由此确定的置信度能够较准确地反映候选位姿信息属于查询图像对应的真实位姿的可能性，从而能够提高视觉定位的准确性。
作为该实现方式的一个示例，所述基于所述至少一项候选位姿信息对应的候选图像组的内点的数量和位置信息中的一项或两项，确定所述至少一项候选位姿信息的置信度，包括：对于所述至少一项候选位姿信息中的任意一项候选位姿信息，根据该项候选位姿信息对应的候选图像组的内点的数量，以及所述至少一项候选位姿信息对应的候选图像组的内点的总量，确定该项候选位姿信息对应的候选图像组的内点比例；至少根据该项候选位姿信息对应的候选图像组的内点比例，确定该项候选位姿信息的置信度。
其中，所述至少一项候选位姿信息对应的候选图像组的内点的总量可以表示所述至少一项候选位姿信息中的各项候选位姿信息对应的候选图像组的内点的数量的总和。
在该示例中，任意一项候选位姿信息的置信度与该项候选位姿信息对应的候选图像组的内点比例正相关。即，该项候选位姿信息对应的候选图像组的内点比例越大，则该项候选位姿信息的置信度越高；该项候选位姿信息对应的候选图像组的内点比例越小，则该项候选位姿信息的置信度越低。
其中，任意一项候选位姿信息对应的候选图像组的内点比例越大，则表明该项候选位姿信息对应的候选图像组的内点的主导性越高。因此，根据该项候选位姿信息对应的候选图像组的内点比例，确定该项候选位姿信息的置信度，所确定的置信度能够反映该项候选位姿信息对应的候选图像组的内点的主导性，基于由此确定的各项候选位姿信息的置信度确定视觉定位结果，有助于提高视觉定位的准确性。
作为该实现方式的一个示例，所述基于所述至少一项候选位姿信息对应的候选图像组的内点的数量和位置信息中的一项或两项，确定所述至少一项候选位姿信息的置信度，包括：对于所述至少一项候选位姿信息中的任意一项候选位姿信息，根据该项候选位姿信息对应的候选图像组的内点的位置信息，确定该项候选位姿信息对应的候选图像组的内点的分布情况得分，其中，该项候选位姿信息对应的候选图像组的内点的分布情况得分用于表示该项候选位姿信息对应的候选图像组的内点分布的离散程度；至少根据该项候选位姿信息对应的候选图像组的内点的分布情况得分，确定该项候选位姿信息的置信度。
在该示例中，对于所述至少一项候选位姿信息中的任意一项候选位姿信息，该项候选位姿信息对应的候选图像组的内点分布的离散程度越高，即该项候选位姿信息对应的候选图像组的内点分布越均匀，则该候选图像组的内点的分布情况得分越大。在该示例中，任意一项候选位姿信息的置信度与该项候选位姿信息对应的候选图像组的内点的分布情况得分正相关。即，该项候选位姿信息对应的候选图像组的内点的分布情况得分越大，则该项候选位姿信息的置信度越高；该项候选位姿信息对应的候选图像组的内点的分布情况得分越小，则该项候选位姿信息的置信度越低。
根据该示例确定的任意一项候选位姿信息的置信度能够反映该项候选位姿信息对应的候选图像组的内点分布的离散程度，基于由此确定的各项候选位姿信息的置信度确定视觉定位结果，有助于提高视觉定位的准确性。
在一个例子中，所述根据该项候选位姿信息对应的候选图像组的内点的位置信息，确定该项候选位姿信息对应的候选图像组的内点的分布情况得分，包括：根据该项候选位姿信息对应的候选图像组的内点的位置信息，确定该项候选位姿信息对应的候选图像组的内点所占区域的面积，并根据该项候选位姿信息对应的候选图像组的内点所占区域的面积，确定该项候选位姿信息对应的候选图像组的内点的分布情况得分。
在这个例子中，候选图像组的内点所占区域，可以为该候选图像组的最外围的内点围成的区域，或者可以为该候选图像组的最外围的内点的最小外接多变形(例如最小外接四边形)所占的区域，本公开实施例对此不作限定。在这个例子中，可以将该项候选位姿信息对应的候选图像组的内点所占区域的面积与候选图像的面积的比值，确定为该项候选位姿信息对应的候选图像组的内点的分布情况得分，或者，可以将该项候选位姿信息对应的候选图像组的内点所占区域的面积，确定为该项候选位姿信息对应的候选图像组的内点的分布情况得分。
在这个例子中，通过根据该项候选位姿信息对应的候选图像组的内点所占区域的面积，确定该项候选位姿信息对应的候选图像组的内点的分布情况得分，由此确定的分布情况得分能够较准确地反映该候选图像组的内点分布的离散程度，从而有助于提高视觉定位的准确性。
在另一个例子中，所述根据该项候选位姿信息对应的候选图像组的内点的位置信息，确定该项候选位姿信息对应的候选图像组的内点的分布情况得分，包括：根据该项候选位姿信息对应的候选图像组的内点的位置信息，确定该项候选位姿信息对应的候选图像组的内点的坐标的方差或标准差；根据该项候选位姿信息对应的候选图像组的内点的坐标的方差或标准差，确定该项候选位姿信息对应的候选图像组的内点的分布情况得分。例如，可以将该项候选位姿信息对应的候选图像组的内点的坐标的方差或标准差，作为该项候选位姿信息对应的候选图像组的内点的分布情况得分。又如，可以将该项候选位姿信息对应的候选图像组的内点的横坐标的方差与纵坐标的方差的乘积，作为该项候选位姿信息对应的候选图像组的内点的分布情况得分。
在一个例子中，所述至少根据该项候选位姿信息对应的候选图像组的内点的分布情况得分，确定该项候选位姿信息的置信度，包括：根据该项候选位姿信息对应的候选图像组的内点的分布情况得分，以及据该项候选位姿信息对应的候选图像组的内点的数量和内点比例中的一项或两项，确定该项候选位姿信息的置信度。
在这个例子中，任意一项候选位姿信息的置信度与该项候选位姿信息对应的候选图像组的内点的数量正相关。即，该项候选位姿信息对应的候选图像组的内点的数量越大，则该项候选位姿信息的置信度越高；该项候选位姿信息对应的候选图像组的内点的数量越小，则该项候选位姿信息的置信度越低。
在这个例子中，通过根据该项候选位姿信息对应的候选图像组的内点的分布情况得分，以及据该项候选位姿信息对应的候选图像组的内点的数量和内点比例中的一项或两项，确定该项候选位姿信息的置信度，由此能够反映该项候选位姿信息对应的候选图像组的内点的主导性和内点分布的离散程度，基于由此确定的各项候选位姿信息的置信度确定视觉定位结果，有助于提高视觉定位的准确性。
例如，可以采用式1确定所述至少一项候选位姿信息中的任意一项候选位姿信息的置信度c，
c＝k1s1+k2s2+k3s3 式1，
其中，s1表示该项候选位姿信息的内点的分布情况得分，s2表示该项候选位姿信息的内点的数量，s3表示该项候选位姿信息的内点比例，k1表示s1对应的权重，表示s2对应的权重，k3s3表示s3对应的权重。
在步骤S14中，根据所述至少一项候选位姿信息，以及所述至少一项候选位姿信息的置信度，确定所述查询图像的视觉定位结果。
在一种可能的实现方式中，若所述至少一项候选位姿信息的置信度中最高的置信度大于或等于第二阈值，则可以将该最高的置信度对应的候选位姿信息确定为所述查询图像的视觉定位结果。若所述至少一项候选位姿信息的置信度中最高的置信度小于第二阈值，则可以采用新的查询图像重新进行视觉定位，直至得到大于获得等于第二阈值的置信度。
在另一种可能的实现方式中，若所述至少一项候选位姿信息的置信度中最高的置信度与第二高的置信度的差值大于或等于第三阈值，则可以将该最高的置信度对应的候选位姿信息确定为所述查询图像的视觉定位结果。若所述至少一项候选位姿信息的置信度中最高的置信度与第二高的置信度的差值小于第三阈值，则可以采用新的查询图像重新进行视觉定位，直至得到的候选位姿信息的置信度中最高的置信度与第二高的置信度的差值大于或等于第三阈值。
在另一种可能的实现方式中，若所述至少一项候选位姿信息的置信度中最高的置信度大于或等于第二阈值，且该最高的置信度与第二高的置信度的差值大于或等于第三阈值，则可以将该最高的置信度对应的候选位姿信息确定为所述查询图像的视觉定位结果。若所述至少一项候选位姿信息的置信度中最高的置信度小于第二阈值，或者该最高的置信度与第二高的置信度的差值小于第三阈值，则可以采用新的查询图像重新进行视觉定位，直至得到的候选位姿信息的置信度中最高的置信度大于或等于第二阈值，且该最高的置信度与第二高的置信度的差值大于或等于第三阈值。
在另一种可能的实现方式中，可以将置信度最高的一项候选位姿信息确定为所述查询图像的视觉定位结果。
在另一种可能的实现方式中，若在所述至少一项候选位姿信息的置信度中，存在多项候选位姿信息的置信度大于或等于第四阈值，且该多项候选位姿信息中任意两项候选位姿信息的差异大于或等于预设差异，则可以表明发生了相似场景或相似纹理干扰，其中，第四阈值小于或等于第二阈值。在这种情况下，可以发出“请移步特征丰富的区域”的提示信息，指导用户或者机器人转向特征更丰富的角度，以采用新的查询图像重新进行视觉定位，获得更准确的视觉定位结果，从而减少因相似纹理或者相似场景引起的误报。其中，任意两项候选位姿信息的差异可以包括该两项候选位姿信息中的位置之间的距离和角度的差值，预设差异可以包括预设距离和预设角度。若该两项候选位姿信息中的位置之间的距离大于或等于预设距离，或者该两项候选位姿信息中的角度的差值大于或等于预设角度，则可以确定该两项候选位姿信息的差异大于或等于预设差异。
在一种可能的实现方式中，可以在指定时间范围的视频流中选取置信度最高的候选位姿信息作为视觉定位结果，从而得到更准确的视觉定位结果。
图3示出本公开实施例提供的视觉定位方法中仅存在一个候选图像组的示意图。在图3中，横坐标为图像平面坐标系的横坐标，纵坐标为图像平面坐标系的纵坐标。候选图像组G1中包括70个候选图像。在图3所示的示例中，不存在与候选图像组G1对应的候选位姿信息互斥的候选位姿信息，因此，可以将候选图像组G1对应的候选位姿信息确定为查询图像的视觉定位结果。其中，两项候选位姿信息互斥可以表示该两项候选位姿信息的差异大于或等于预设差异。
图4示出本公开实施例提供的视觉定位方法中存在4个候选图像组的示意图。在图4中，横坐标为图像平面坐标系的横坐标，纵坐标为图像平面坐标系的纵坐标。候选图像组G1中包括27个候选图像，候选图像组G2中包括16个候选图像，候选图像组G3中包括1个候选图像，候选图像组G4中包括1个候选图像。若在候选图像组G1-G4对应的候选位姿信息的置信度中，候选图像组G1对应的候选位姿信息的置信度最高，候选图像组G2对应的候选位姿信息的置信度第二高，候选图像组G1与候选图像组G2对应的候选位姿信息的置信度的差值较接近，例如小于第三阈值，则可以不将候选图像组G1-G4中任一候选图像组的候选位姿信息作为查询图像的视觉定位结果，以降低误报的可能性。在这种情况下，可以返回提示信息，例如，可以返回“请移步特征丰富的区域”的提示信息，以利用新的查询图像重新进行视觉定位。
本公开实施例可以应用于各种需要进行视觉定位的应用场景中。下面对部分应用场景进行介绍。
例如，本公开实施例可以应用于基于客户端的视觉定位导航服务系统中，为用户提供更加准确的定位与导航结果。
又如，可以将本公开实施例应用于机器人自主视觉定位导航中，通过机器人摄像头拍摄的视频流获得高置信度的绝对位姿信息。例如，可以将本公开实施例应用于机器人送餐服务、机器人管家、清洁机器人、仓储机器人、AGV(Automated Guided Vehicle，自动化导引)机器人等需要获得全局位姿的定位导航场景中。
又如，可以将本公开实施例应用于AR(Augmented Reality，增强现实)设备中，从而获得用户的绝对位姿信息，由此能够支持多用户同时定位及多用户AR交互。
又如，本公开实施例可以为无人驾驶汽车提供视觉信息的定位导航辅助。尤其在野外行驶、地下停车场泊车等GPS信息不可靠的场景中，可以利用本算法得到可靠准确的位姿信息。
本公开实施例提高了视觉定位的准确性、可靠性和稳定性，从而能够提高定位导航使用者的使用体验。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外，本公开还提供了视觉定位装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种视觉定位方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
图5示出根据本公开实施例的视觉定位装置的框图。如图5所示，所述视觉定位装置包括：第一确定模块51，用于根据数据库中的图像与查询图像的相似度，确定与所述查询图像对应的至少一个候选图像组；匹配模块52，用于对所述至少一个候选图像组中的候选图像与所述查询图像进行特征点匹配，得到所述查询图像对应的至少一项候选位姿信息；第二确定模块53，用于基于所述至少一项候选位姿信息对应的候选图像组的内点，确定所述至少一项候选位姿信息的置信度；第三确定模块54，用于根据所述至少一项候选位姿信息，以及所述至少一项候选位姿信息的置信度，确定所述查询图像的视觉定位结果。
在一种可能的实现方式中，所述第二确定模块53用于：基于所述至少一项候选位姿信息对应的候选图像组的内点的数量和位置信息中的一项或两项，确定所述至少一项候选位姿信息的置信度。
在一种可能的实现方式中，所述第二确定模块53用于：对于所述至少一项候选位姿信息中的任意一项候选位姿信息，根据该项候选位姿信息对应的候选图像组的内点的数量，以及所述至少一项候选位姿信息对应的候选图像组的内点的总量，确定该项候选位姿信息对应的候选图像组的内点比例；至少根据该项候选位姿信息对应的候选图像组的内点比例，确定该项候选位姿信息的置信度。
在一种可能的实现方式中，所述第二确定模块53用于：对于所述至少一项候选位姿信息中的任意一项候选位姿信息，根据该项候选位姿信息对应的候选图像组的内点的位置信息，确定该项候选位姿信息对应的候选图像组的内点的分布情况得分，其中，该项候选位姿信息对应的候选图像组的内点的分布情况得分用于表示该项候选位姿信息对应的候选图像组的内点分布的离散程度；至少根据该项候选位姿信息对应的候选图像组的内点的分布情况得分，确定该项候选位姿信息的置信度。
在一种可能的实现方式中，所述第二确定模块53用于：根据该项候选位姿信息对应的候选图像组的内点的位置信息，确定该项候选位姿信息对应的候选图像组的内点所占区域的面积，并根据该项候选位姿信息对应的候选图像组的内点所占区域的面积，确定该项候选位姿信息对应的候选图像组的内点的分布情况得分。
在一种可能的实现方式中，所述第二确定模块53用于：根据该项候选位姿信息对应的候选图像组的内点的分布情况得分，以及据该项候选位姿信息对应的候选图像组的内点的数量和内点比例中的一项或两项，确定该项候选位姿信息的置信度。
在一种可能的实现方式中，所述第一确定模块51用于：根据数据库中与所述查询图像的的相似度大于或等于相似度阈值的图像，确定至少一个候选图像；对所述至少一个候选图像进行图像聚类，得到所述至少一个候选图像组。
在一种可能的实现方式中，所述第一确定模块51用于：根据所述至少一个候选图像中的不同候选图像之间相同的特征点的数量，对所述至少一个候选图像进行图像聚类。
在一种可能的实现方式中，所述装置还包括：获取模块，用于获取至少一个待定位图像；第四确定模块，用于确定所述至少一个待定位图像的质量信息；第五确定模块，用于在所述至少一个待定位图像中存在质量信息满足质量条件的待定位图像的情况下，将所述质量信息满足质量条件的待定位图像确定为查询图像；和/或，在所述至少一个待定位图像中不存在质量信息满足质量条件的待定位图像的情况下，发出提示信息。
在本公开实施例中，通过根据数据库中的图像与查询图像的相似度，确定与所述查询图像对应的至少一个候选图像组，对所述至少一个候选图像组中的候选图像与所述查询图像进行特征点匹配，得到所述查询图像对应的至少一项候选位姿信息，基于所述至少一项候选位姿信息对应的候选图像组的内点，确定所述至少一项候选位姿信息的置信度，根据所述至少一项候选位姿信息，以及所述至少一项候选位姿信息的置信度，确定所述查询图像的视觉定位结果，由此能够提高视觉定位的准确性，降低视觉定位的误报率。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本公开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指令，所述计算机程序指令被处理器执行时实现上述方法。其中，所述计算机可读存储介质可以是非易失性计算机可读存储介质，或者可以是易失性计算机可读存储介质。
本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，当计算机可读代码在设备上运行时，设备中的处理器执行用于实现如上任一实施例提供的视觉定位方法的指令。
本公开实施例还提供了另一种计算机程序产品，用于存储计算机可读指令，指令被执行时使得计算机执行上述任一实施例提供的视觉定位方法的操作。
本公开实施例还提供一种电子设备，包括：一个或多个处理器；用于存储可执行指令的存储器；其中，所述一个或多个处理器被配置为调用所述存储器存储的可执行指令，以执行上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图6示出本公开实施例提供的一种电子设备800的框图。例如，电子设备800可以是移动电话，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，个人数字助理等终端。
参照图6，电子设备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通常控制电子设备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电子设备800的操作。这些数据的示例包括用于在电子设备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为电子设备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，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备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。当电子设备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)，当电子设备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，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备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被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如Wi-Fi、2G、3G、4G/LTE、5G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，电子设备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，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图7示出本公开实施例提供的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图7，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如Windows
Figure BDA0002474139650000201
Mac OS
Figure BDA0002474139650000202
Figure BDA0002474139650000203
或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922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。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
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 (12)

1.一种视觉定位方法，其特征在于，包括：
根据数据库中的图像与查询图像的相似度，确定与所述查询图像对应的至少一个候选图像组；
对所述至少一个候选图像组中的候选图像与所述查询图像进行特征点匹配，得到所述查询图像对应的至少一项候选位姿信息；
基于所述至少一项候选位姿信息对应的候选图像组的内点，确定所述至少一项候选位姿信息的置信度；
根据所述至少一项候选位姿信息，以及所述至少一项候选位姿信息的置信度，确定所述查询图像的视觉定位结果。
2.根据权利要求1所述的方法，其特征在于，所述基于所述至少一项候选位姿信息对应的候选图像组的内点，确定所述至少一项候选位姿信息的置信度，包括：
基于所述至少一项候选位姿信息对应的候选图像组的内点的数量和位置信息中的一项或两项，确定所述至少一项候选位姿信息的置信度。
3.根据权利要求2所述的方法，其特征在于，所述基于所述至少一项候选位姿信息对应的候选图像组的内点的数量和位置信息中的一项或两项，确定所述至少一项候选位姿信息的置信度，包括：
对于所述至少一项候选位姿信息中的任意一项候选位姿信息，根据该项候选位姿信息对应的候选图像组的内点的数量，以及所述至少一项候选位姿信息对应的候选图像组的内点的总量，确定该项候选位姿信息对应的候选图像组的内点比例；
至少根据该项候选位姿信息对应的候选图像组的内点比例，确定该项候选位姿信息的置信度。
4.根据权利要求2或3所述的方法，其特征在于，所述基于所述至少一项候选位姿信息对应的候选图像组的内点的数量和位置信息中的一项或两项，确定所述至少一项候选位姿信息的置信度，包括：
对于所述至少一项候选位姿信息中的任意一项候选位姿信息，根据该项候选位姿信息对应的候选图像组的内点的位置信息，确定该项候选位姿信息对应的候选图像组的内点的分布情况得分，其中，该项候选位姿信息对应的候选图像组的内点的分布情况得分用于表示该项候选位姿信息对应的候选图像组的内点分布的离散程度；
至少根据该项候选位姿信息对应的候选图像组的内点的分布情况得分，确定该项候选位姿信息的置信度。
5.根据权利要求4所述的方法，其特征在于，所述根据该项候选位姿信息对应的候选图像组的内点的位置信息，确定该项候选位姿信息对应的候选图像组的内点的分布情况得分，包括：
根据该项候选位姿信息对应的候选图像组的内点的位置信息，确定该项候选位姿信息对应的候选图像组的内点所占区域的面积，并根据该项候选位姿信息对应的候选图像组的内点所占区域的面积，确定该项候选位姿信息对应的候选图像组的内点的分布情况得分。
6.根据权利要求4或5所述的方法，其特征在于，所述至少根据该项候选位姿信息对应的候选图像组的内点的分布情况得分，确定该项候选位姿信息的置信度，包括：
根据该项候选位姿信息对应的候选图像组的内点的分布情况得分，以及据该项候选位姿信息对应的候选图像组的内点的数量和内点比例中的一项或两项，确定该项候选位姿信息的置信度。
7.根据权利要求1至6中任意一项所述的方法，其特征在于，所述根据数据库中的图像与查询图像的相似度，确定与所述查询图像对应的至少一个候选图像组，包括：
根据数据库中与所述查询图像的相似度大于或等于相似度阈值的图像，确定至少一个候选图像；
对所述至少一个候选图像进行图像聚类，得到所述至少一个候选图像组。
8.根据权利要求7所述的方法，其特征在于，所述对所述至少一个候选图像进行图像聚类，包括：
根据所述至少一个候选图像中的不同候选图像之间相同的特征点的数量，对所述至少一个候选图像进行图像聚类。
9.根据权利要求1至8中任意一项所述的方法，其特征在于，在所述根据数据库中的图像与查询图像的相似度，确定与所述查询图像对应的至少一个候选图像组之前，所述方法还包括：
获取至少一个待定位图像；
确定所述至少一个待定位图像的质量信息；
在所述至少一个待定位图像中存在质量信息满足质量条件的待定位图像的情况下，将所述质量信息满足质量条件的待定位图像确定为查询图像；和/或，在所述至少一个待定位图像中不存在质量信息满足质量条件的待定位图像的情况下，发出提示信息。
10.一种视觉定位装置，其特征在于，包括：
第一确定模块，用于根据数据库中的图像与查询图像的相似度，确定与所述查询图像对应的至少一个候选图像组；
匹配模块，用于对所述至少一个候选图像组中的候选图像与所述查询图像进行特征点匹配，得到所述查询图像对应的至少一项候选位姿信息；
第二确定模块，用于基于所述至少一项候选位姿信息对应的候选图像组的内点，确定所述至少一项候选位姿信息的置信度；
第三确定模块，用于根据所述至少一项候选位姿信息，以及所述至少一项候选位姿信息的置信度，确定所述查询图像的视觉定位结果。
11.一种电子设备，其特征在于，包括：
一个或多个处理器；
用于存储可执行指令的存储器；
其中，所述一个或多个处理器被配置为调用所述存储器存储的可执行指令，以执行权利要求1至9中任意一项所述的方法。
12.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至9中任意一项所述的方法。
CN202010358078.6A 2020-04-29 2020-04-29 视觉定位方法及装置、电子设备和存储介质 Active CN111538855B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010358078.6A CN111538855B (zh) 2020-04-29 2020-04-29 视觉定位方法及装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010358078.6A CN111538855B (zh) 2020-04-29 2020-04-29 视觉定位方法及装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN111538855A true CN111538855A (zh) 2020-08-14
CN111538855B CN111538855B (zh) 2024-03-08

Family

ID=71978912

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010358078.6A Active CN111538855B (zh) 2020-04-29 2020-04-29 视觉定位方法及装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN111538855B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112328715A (zh) * 2020-10-16 2021-02-05 浙江商汤科技开发有限公司 视觉定位方法及相关模型的训练方法及相关装置、设备
CN112949751A (zh) * 2021-03-25 2021-06-11 深圳市商汤科技有限公司 车辆图像聚类及轨迹还原方法
CN113077513A (zh) * 2021-06-03 2021-07-06 深圳市优必选科技股份有限公司 视觉定位方法、装置和计算机设备
CN113936064A (zh) * 2021-12-17 2022-01-14 荣耀终端有限公司 定位方法和装置
CN116664812A (zh) * 2022-11-30 2023-08-29 荣耀终端有限公司 一种视觉定位方法、视觉定位系统及电子设备
WO2023179523A1 (zh) * 2022-03-22 2023-09-28 北京字跳网络技术有限公司 一种定位方法、装置及电子设备
CN117115238A (zh) * 2023-04-12 2023-11-24 荣耀终端有限公司 一种确定位姿的方法、电子设备及存储介质

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102236675A (zh) * 2010-04-30 2011-11-09 华为技术有限公司 图像特征点匹配对处理、图像检索方法及设备
CN104239882A (zh) * 2013-06-14 2014-12-24 富士通株式会社 图像相似度确定装置和方法以及图像特征获取装置和方法
US20170161303A1 (en) * 2015-12-03 2017-06-08 Industrial Technology Research Institute Information querying method based on user location, device to device relay gateway system and controller
US20180297207A1 (en) * 2017-04-14 2018-10-18 TwoAntz, Inc. Visual positioning and navigation device and method thereof
CN109887003A (zh) * 2019-01-23 2019-06-14 亮风台（上海）信息科技有限公司 一种用于进行三维跟踪初始化的方法与设备
CN109993793A (zh) * 2019-03-29 2019-07-09 北京易达图灵科技有限公司 视觉定位方法及装置
WO2019140745A1 (zh) * 2018-01-16 2019-07-25 广东省智能制造研究所 机器人定位方法及装置
CN110070577A (zh) * 2019-04-30 2019-07-30 电子科技大学 基于特征点分布的视觉slam关键帧与特征点选取方法
CN110097045A (zh) * 2018-01-31 2019-08-06 株式会社理光 一种定位方法、定位装置及可读存储介质
CN110119190A (zh) * 2018-02-06 2019-08-13 广东虚拟现实科技有限公司 定位方法、装置、识别跟踪系统及计算机可读介质
CN110188782A (zh) * 2019-06-11 2019-08-30 北京字节跳动网络技术有限公司 图像相似性确定方法、装置、电子设备及可读存储介质
US20200005487A1 (en) * 2018-06-28 2020-01-02 Ubtech Robotics Corp Ltd Positioning method and robot using the same
CN111046125A (zh) * 2019-12-16 2020-04-21 视辰信息科技(上海)有限公司 一种视觉定位方法、系统及计算机可读存储介质

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102236675A (zh) * 2010-04-30 2011-11-09 华为技术有限公司 图像特征点匹配对处理、图像检索方法及设备
CN104239882A (zh) * 2013-06-14 2014-12-24 富士通株式会社 图像相似度确定装置和方法以及图像特征获取装置和方法
US20170161303A1 (en) * 2015-12-03 2017-06-08 Industrial Technology Research Institute Information querying method based on user location, device to device relay gateway system and controller
US20180297207A1 (en) * 2017-04-14 2018-10-18 TwoAntz, Inc. Visual positioning and navigation device and method thereof
WO2019140745A1 (zh) * 2018-01-16 2019-07-25 广东省智能制造研究所 机器人定位方法及装置
CN110097045A (zh) * 2018-01-31 2019-08-06 株式会社理光 一种定位方法、定位装置及可读存储介质
JP2019133658A (ja) * 2018-01-31 2019-08-08 株式会社リコー 測位方法、測位装置及び読取り可能な記憶媒体
CN110119190A (zh) * 2018-02-06 2019-08-13 广东虚拟现实科技有限公司 定位方法、装置、识别跟踪系统及计算机可读介质
US20200005487A1 (en) * 2018-06-28 2020-01-02 Ubtech Robotics Corp Ltd Positioning method and robot using the same
CN110657803A (zh) * 2018-06-28 2020-01-07 深圳市优必选科技有限公司 机器人定位方法、装置以及存储装置
CN109887003A (zh) * 2019-01-23 2019-06-14 亮风台（上海）信息科技有限公司 一种用于进行三维跟踪初始化的方法与设备
CN109993793A (zh) * 2019-03-29 2019-07-09 北京易达图灵科技有限公司 视觉定位方法及装置
CN110070577A (zh) * 2019-04-30 2019-07-30 电子科技大学 基于特征点分布的视觉slam关键帧与特征点选取方法
CN110188782A (zh) * 2019-06-11 2019-08-30 北京字节跳动网络技术有限公司 图像相似性确定方法、装置、电子设备及可读存储介质
CN111046125A (zh) * 2019-12-16 2020-04-21 视辰信息科技(上海)有限公司 一种视觉定位方法、系统及计算机可读存储介质

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112328715A (zh) * 2020-10-16 2021-02-05 浙江商汤科技开发有限公司 视觉定位方法及相关模型的训练方法及相关装置、设备
CN112949751A (zh) * 2021-03-25 2021-06-11 深圳市商汤科技有限公司 车辆图像聚类及轨迹还原方法
CN113077513A (zh) * 2021-06-03 2021-07-06 深圳市优必选科技股份有限公司 视觉定位方法、装置和计算机设备
CN113936064A (zh) * 2021-12-17 2022-01-14 荣耀终端有限公司 定位方法和装置
WO2023179523A1 (zh) * 2022-03-22 2023-09-28 北京字跳网络技术有限公司 一种定位方法、装置及电子设备
CN116664812A (zh) * 2022-11-30 2023-08-29 荣耀终端有限公司 一种视觉定位方法、视觉定位系统及电子设备
CN116664812B (zh) * 2022-11-30 2024-06-07 荣耀终端有限公司 一种视觉定位方法、视觉定位系统及电子设备
CN117115238A (zh) * 2023-04-12 2023-11-24 荣耀终端有限公司 一种确定位姿的方法、电子设备及存储介质

Also Published As

Publication number Publication date
CN111538855B (zh) 2024-03-08

Similar Documents

Publication Publication Date Title
CN111538855B (zh) 视觉定位方法及装置、电子设备和存储介质
CN109697734B (zh) 位姿估计方法及装置、电子设备和存储介质
US20210097715A1 (en) Image generation method and device, electronic device and storage medium
CN106651955B (zh) 图片中目标物的定位方法及装置
US9953506B2 (en) Alarming method and device
KR101694643B1 (ko) 이미지 분할 방법, 장치, 기기, 프로그램 및 기록매체
CN110503689B (zh) 位姿预测方法、模型训练方法及装置
CN110647834A (zh) 人脸和人手关联检测方法及装置、电子设备和存储介质
CN109948494B (zh) 图像处理方法及装置、电子设备和存储介质
CN109584362B (zh) 三维模型构建方法及装置、电子设备和存储介质
US20210158560A1 (en) Method and device for obtaining localization information and storage medium
CN111340048B (zh) 图像处理方法及装置、电子设备和存储介质
CN110473259A (zh) 位姿确定方法及装置、电子设备和存储介质
CN110933488A (zh) 视频剪辑方法及装置
CN110197518B (zh) 曲线抽稀方法及装置
CN112219224B (zh) 图像处理方法及装置、电子设备和存储介质
CN110928627A (zh) 界面展示方法及装置、电子设备和存储介质
CN111860373B (zh) 目标检测方法及装置、电子设备和存储介质
CN114088061B (zh) 目标定位方法及装置、电子设备和存储介质
CN111563138A (zh) 定位方法及装置、电子设备和存储介质
CN111401230A (zh) 姿态估计方法及装置、电子设备和存储介质
CN111311588B (zh) 重定位方法及装置、电子设备和存储介质
CN112767541B (zh) 三维重建方法及装置、电子设备和存储介质
CN113538310A (zh) 图像处理方法及装置、电子设备和存储介质
CN111859003B (zh) 视觉定位方法及装置、电子设备和存储介质

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