CN111563138A - 定位方法及装置、电子设备和存储介质 - Google Patents
定位方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111563138A CN111563138A CN202010367526.9A CN202010367526A CN111563138A CN 111563138 A CN111563138 A CN 111563138A CN 202010367526 A CN202010367526 A CN 202010367526A CN 111563138 A CN111563138 A CN 111563138A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- feature point
- matching
- point matching
- pose
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000000717 retained effect Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/003—Navigation within 3D models or images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
-
- 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
Abstract
本公开涉及一种定位方法及装置、电子设备和存储介质，所述方法包括：将图像采集设备采集的图像与所述图像采集设备所处区域对应的离线地图进行特征点匹配，得到特征点匹配对，所述特征点匹配对包括三维匹配对及二维匹配对；根据所述特征点匹配对，确定所述图像采集设备的位姿。本公开实施例可实现提高定位的精度。
Description
技术领域
本公开涉及计算机视觉技术领域，尤其涉及一种定位方法及装置、电子设备和存储介质。
背景技术
基于视觉的定位在室内外导航及AR(Augmented Reality，增强现实)中有非常广泛的应用。
相关技术预先构建三维点云地图，当用户发起定位请求时，从用户拍摄的图像中提取特征点与三维点云地图中的三维特征点进行匹配，以根据匹配结果求解图像采集设备的位姿(位姿包括图像采集设备在指定坐标系中的位置和旋转)，进而根据图像采集设备的位姿完成定位，但由于三维点云地图中的三维特征点稀疏，且在较大尺度的场景中，三维点云中存在相似的多个三维特征点，会导致图像采集设备的位姿求解精度低，进而导致定位精度低。
发明内容
本公开提出了一种能提高定位精度的一种定位方法及装置、电子设备和存储介质。
根据本公开的一方面，提供了一种定位方法，包括：
将图像采集设备采集的图像与所述图像采集设备所处区域对应的离线地图进行特征点匹配，得到特征点匹配对，所述特征点匹配对包括三维匹配对及二维匹配对；
根据所述特征点匹配对，确定所述图像采集设备的位姿。
在一种可能的实现方式中，所述离线地图包括三维点云地图及所述三维点云地图对应的多张二维图像，
所述将图像采集设备采集的图像与图像采集设备当前所处区域对应的离线地图进行特征点匹配，得到特征点匹配对，包括：
将所述图像采集设备采集的图像中的二维特征点与所述三维点云地图中的三维特征点进行特征点匹配，得到所述三维匹配对；
将所述图像采集设备采集的图像中的二维特征点与所述二维图像中的二维特征点进行特征点匹配，得到所述二维匹配对。
在一种可能的实现方式中，所述根据所述特征点匹配对，确定所述图像采集设备的位姿，包括：
从所述特征点匹配结果中确定出第一特征点匹配对；
根据所述第一特征点匹配对，确定所述图像采集设备的初步位姿；
根据所述初步位姿，确定各所述特征点匹配对的相对偏差；
将相对偏差小于偏差阈值的特征点匹配对，作为第二特征点匹配对；
在所述第二特征点匹配对的数量达到数量阈值的情况下，根据所述第二特征点匹配对对所述初步位姿进行调整，得到所述图像采集设备的位姿。
在一种可能的实现方式中，所述根据所述特征点匹配对，确定所述图像采集设备的位姿，还包括：
在所述第二特征点匹配对的数量未达到数量阈值的情况下，从所述特征点匹配对中确定出第三特征点匹配对。
在一种可能的实现方式中，所述特征点匹配对为三维匹配对，所述根据所述初步位姿，确定各所述特征点匹配对的相对偏差，包括：
根据所述三维匹配对中的三维特征点及所述初步位姿，确定目标二维特征点；
将所述三维匹配对中的二维特征点与所述目标二维特征点之间的距离，作为所述三维匹配对的相对偏差。
在一种可能的实现方式中，所述特征点匹配对为二维匹配对，所述根据所述初步位姿，确定各所述特征点匹配对的相对偏差，包括：
根据所述二维匹配对中的第一二维特征点及所述初步位姿，确定目标直线；
将所述二维匹配对中的第二二维特征点及所述目标直线之间的距离，作为所述二维匹配结果的相对偏差。
在一种可能的实现方式中，所述根据所述第二特征点匹配对对所述初步位姿进行调整，得到所述图像采集设备的位姿，包括：
调整所述初步位姿，直至各第二特征点匹配对对应的相对偏差的平方和最小。
根据本公开的一方面，提供了一种定位装置，包括：
匹配模块，用于将图像采集设备采集的图像与所述图像采集设备所处区域对应的离线地图进行特征点匹配，得到特征点匹配对，所述特征点匹配对包括三维匹配对及二维匹配对；
确定模块，用于根据所述特征点匹配对，确定所述图像采集设备的位姿。
在一种可能的实现方式中，所述离线地图包括三维点云地图及所述三维点云地图对应的多张二维图像，所述匹配模块，还用于：
将所述图像采集设备采集的图像中的二维特征点与所述三维点云地图中的三维特征点进行特征点匹配，得到所述三维匹配对；
将所述图像采集设备采集的图像中的二维特征点与所述二维图像中的二维特征点进行特征点匹配，得到所述二维匹配对。
在一种可能的实现方式中，所述确定模块，还用于：
从所述特征点匹配结果中确定出第一特征点匹配对；
根据所述第一特征点匹配对，确定所述图像采集设备的初步位姿；
根据所述初步位姿，确定各所述特征点匹配对的相对偏差；
将相对偏差小于偏差阈值的特征点匹配对，作为第二特征点匹配对；
在所述第二特征点匹配对的数量达到数量阈值的情况下，根据所述第二特征点匹配对对所述初步位姿进行调整，得到所述图像采集设备的位姿。
在一种可能的实现方式中，所述确定模块，还用于：
在所述第二特征点匹配对的数量未达到数量阈值的情况下，从所述特征点匹配对中确定出第三特征点匹配对。
在一种可能的实现方式中，所述特征点匹配对为三维匹配对，所述确定模块，还用于：
根据所述三维匹配对中的三维特征点及所述初步位姿，确定目标二维特征点；
将所述三维匹配对中的二维特征点与所述目标二维特征点之间的距离，作为所述三维匹配对的相对偏差。
在一种可能的实现方式中，所述特征点匹配对为二维匹配对，所述确定模块，还用于：
根据所述二维匹配对中的第一二维特征点及所述初步位姿，确定目标直线；
将所述二维匹配对中的第二二维特征点及所述目标直线之间的距离，作为所述二维匹配结果的相对偏差。
在一种可能的实现方式中，所述确定模块，还用于：
调整所述初步位姿，直至各第二特征点匹配对对应的相对偏差的平方和最小。
根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，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，将图像采集设备采集的图像与所述图像采集设备所处区域对应的离线地图进行特征点匹配，可以得到包括三维匹配结果及二维匹配结果的特征点匹配对，根据三维匹配对及二维匹配对，可以确定所述图像采集设备的位姿。根据本公开实施例提供的定位方法及装置、电子设备和存储介质，可以结合三维匹配对及二维匹配对确定图像采集设备的位姿，可以缓解由于三维特征点稀疏及相似三维特征点所导致的位姿求解精度不高的问题，提高了图像采集设备的位姿精度，提高了定位精度。
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示出根据本公开实施例的定位方法的流程图；
图2示出根据本公开实施例的定位方法的流程图；
图3示出根据本公开实施例的定位方法的流程图；
图4示出根据本公开实施例的定位装置的框图；
图5示出根据本公开实施例的一种电子设备800的框图；
图6示出根据本公开实施例的一种电子设备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。
图1示出根据本公开实施例的定位方法的流程图，所述定位方法可以由终端设备或服务器等电子设备执行，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等，所述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。或者，可通过服务器执行所述方法。
如图1所示，所述定位方法可以包括：
在步骤S11中，将图像采集设备采集的图像与所述图像采集设备所处区域对应的离线地图进行特征点匹配，得到特征点匹配对，所述特征点匹配对包括三维匹配对及二维匹配对。
举例来说，可以预先构建离线地图，该离线地图包括三维点云地图及构建该三维点云地图的多张二维图像(可以从构建三维点云地图的所有二维图像中保留部分二维图像，例如可以在所有二维图像中确定出第一张图像与第二张图像的相似度，在相似度低于相似度阈值时，可以将第一张图像及第二张图像均保留下来作为离线地图中的二维图像，并继续确定第二张图像与第三张图像的相似度；在第一张图像与第二张图像的相似度高于相似度阈值时，可以继续确定第一张图像与第三张图像的相似度，在第一张图像与第三张图像的相似度低于相似度阈值时，可以将第一张图像及第三张图像均保留下来作为离线地图中的二维图像，并继续确定第三张图像与第四张图像的相似度，……，以此类推)。
用户在发起定位请求时，可以通过图像采集设备采集所处位置的图像，并可以提取采集的图像中的特征点，将所采集图像中的特征点与离线地图的特征点进行特征点匹配，得到特征点匹配对。
在一种可能的实现方式中，所述离线地图包括三维点云地图及所述三维点云地图对应的多张二维图像，所述将图像采集设备采集的图像与图像采集设备当前所处区域对应的离线地图进行特征点匹配，得到特征点匹配对，可以包括：
(1)将所述图像采集设备采集的图像中的二维特征点与所述三维点云地图中的三维特征点进行特征点匹配，得到所述三维匹配对；
举例来说，将图像中提取到的二维特征点与三维点云地图中的三维特征点进行特征点匹配，例如：在二维特征点与三维特征点的相似度满足阈值条件时，可以确定该二维特征点与三维特征点匹配，得到图像中二维特征点与三维点云地图中三维特征点对应的三维匹配对，该三维匹配对中包括三维特征点及与图像中与该三维特征点匹配的二维特征点。
将所有的二维特征点和三维特征点转换成对应的特征描述符，其中，特征描述符为用于描述特征点的一组向量，(每个二维特征点对应一个特征描述符，每个三维特征点由多个二维特征点生成，该三维特征点对应有多个特征描述符(生成该三维特征点的多个二维特征点对应的多个特征描述符))，各个特征描述符可以作为高维空间中的点，确定二维特征点与三维特征点的相似度，可以包括确定二维特征点对应的特征描述符与三维特征点对应的特征描述符之间的距离。示例性的，可以确定离各个二维特征点对应的特征描述符距离最近(即相似度最高)的三维特征点的特征描述符，该特征描述符与二维特征点的特征描述符之间的距离满足距离阈值(距离阈值为预设的数值，取值可以根据需求进行确定，本公开对此不作限定)时，确定该特征描述符所属的三维特征点与该二维特征点匹配，该三维特征点与二维特征点可以组成三维匹配对。
(2)将所述图像采集设备采集的图像中的二维特征点与所述二维图像中的二维特征点进行特征点匹配，得到所述二维匹配对。
举例来说，将图像中提取的二维特征点与离线地图中的二维特征点进行特征点匹配，例如：在图像中的二维特征点与离线地图中的二维特征点的相似度满足阈值条件时，可以确定该图像中的二维特征点与离线地图中的二维特征点匹配，得到图像中二维特征点与离线地图中二维特征点对应的二维匹配对，该二维匹配对中包括离线地图中二维特征点及与该二维特征点匹配的图像中的二维特征点。
将所有的二维特征点转换成对应的特征描述符(每个二维特征点对应一个特征描述符)，各个特征描述符可以作为高维空间中的点，确定图像采集设备采集的图像中的二维特征点与离线地图对应的二维图像的二维特征点的相似度，可以包括确定图像采集设备采集的图像中的二维特征点对应的特征描述符与离线地图对应的二维图像的二维特征点对应的特征描述符之间的距离。示例性的，可以确定离各个图像采集设备采集的地图中的二维特征点对应的特征描述符最近的，离线地图中的二维特征点的特征描述符，该特征描述符与图像采集设备采集的二维特征点的特征描述符之间的距离满足距离阈值(距离阈值为预设的数值，取值可以根据需求进行确定，本公开对此不作限定)时，确定该特征描述符所对应的离线地图中的二维特征点与该图像采集设备采集的图像中的二维特征点匹配，该图像采集设备采集的图像中的二维特征点与离线地图的二维特征点可以组成二维匹配对。
在步骤S12中，根据所述特征点匹配对，确定所述图像采集设备的位姿。
举例来说，可以根据三维匹配对和/或二维匹配对，确定图像采集设备的初步位姿，进一步的可以根据三维匹配对和二维匹配对对图像采集设备的初步位姿进行调整，以得到精准度更高的图像采集设备的位姿。
在确定图像采集设备的位姿后，完成定位。这样，将图像采集设备采集的图像与所述图像采集设备所处区域对应的离线地图进行特征点匹配，可以得到包括三维匹配结果及二维匹配结果的特征点匹配对，根据三维匹配对及二维匹配对，可以确定所述图像采集设备的位姿。根据本公开实施例提供的定位方法，可以结合三维匹配对及二维匹配对确定图像采集设备的位姿，可以缓解由于三维特征点稀疏及相似三维特征点所导致的位姿求解精度不高的问题，提高了图像采集设备的位姿精度，提高了定位精度。
在一种可能的实现方式中，如图2所示，所述根据所述特征点匹配对，确定所述图像采集设备的位姿，可以包括：
在步骤S21中，从所述特征点匹配对中确定出第一特征点匹配对。
在步骤S22中，根据所述第一特征点匹配对，确定所述图像采集设备的初步位姿。
举例来说，上述第一特征点匹配对可以为根据位姿求解方式，从特征点匹配结果中选择的预置数量的三维匹配对和/或二维匹配对，本公开对于选取的位姿求解方式不做具体限定。
例如：可以从特征点匹配对中随机选取预置数量(例如：3个)个三维匹配对，确定图像采集设备的初步位姿；或者，可以从特征点匹配对中随机选取预置数量个(例如：6个)个二维匹配对，确定图像采集设备的初步位姿；或者，还可以从特征点匹配结果中随机选取预置数量个三维匹配对及二维匹配对(例如：1个三维匹配对和5个二维匹配对)，确定图像采集设备的初步位姿。
在步骤S23中，根据所述初步位姿，确定各所述特征点匹配对的相对偏差。
举例来说，在得到图像采集设备的初步位姿后，可以根据该初步位姿确定各特征点匹配对的相对偏差，该相对偏差可以用于表示在该初步位姿下，各特征点匹配对中的特征点的匹配程度的偏差。
在一种可能的实现方式中，所述特征点匹配对为三维匹配结果，所述根据所述初步位姿，确定各所述特征点匹配对的相对偏差，可以包括：
根据所述三维匹配对中的三维特征点及所述初步位姿，确定目标二维特征点；
将所述三维匹配对中的二维特征点与所述目标二维特征点之间的距离，作为所述三维匹配结果的相对偏差。
举例来说，可以根据初步位姿对三维匹配对中的三维特征点进行投影，确定在该初步位姿下该三维特征点对应的目标二维特征点。示例性的，初步位姿包括位置T和旋转R，对于三维特征点P(x1，y1，z1)，通过映射函数：R×P+T，可以得到目标三维特征点(x2，y2，z2)，通过三维特征点进行变换可以得到目标二维特征点(x2/z2，y2/z2)。
在确定目标二维特征点后，可以确定该目标二维特征点与三维匹配对中的二维特征点之间的距离，并将该距离作为三维匹配结果的相对偏差。
在一种可能的实现方式中，所述特征点匹配对为二维匹配对，所述根据所述初步位姿，确定各所述特征点匹配对的相对偏差，可以包括：
根据所述二维匹配对中的第一二维特征点及所述初步位姿，确定目标直线；
将所述二维匹配对中的第二二维特征点及所述目标直线之间的距离，作为所述二维匹配对的相对偏差。
举例来说，可以根据初步位姿对二维匹配对中的二维图像对应的二维特征点进行投影，确定在该初步位姿下该二维特征点对应的目标直线。示例性的，初步位姿包括位置T和旋转R，对于二维特征点S(x3，y3)，将二维特征点S构造为三维特征点S1(x3，y3，1)，通过R×S1，得到三维向量，将该三维向量与T进行叉乘，可以得到目标直线。
在得到目标直线后，可以确定该目标直线与二维匹配结果中另一二维特征点之间的距离，并将该距离作为二维匹配对的相对偏差。
在步骤S24中，将相对偏差小于偏差阈值的特征点匹配对，作为第二特征点匹配对。
举例来说，在确定各特征点匹配对对应的相对偏差后，可以确定相对偏差小于偏差阈值的特征点匹配对，并将该特征点匹配对作为第二特征点匹配对，其中，偏差阈值可以为预设的数值，其取值可以由位姿精度需求确定。
在步骤S25中，在所述第二特征点匹配对的数量达到数量阈值的情况下，根据所述第二特征点匹配对对所述初步位姿进行调整，得到所述图像采集设备的位姿。
举例来说，在确定第二特征点匹配对后，可以确定第二特征点匹配对的数量是否达到数量阈值，在达到数量阈值的情况下，可以根据第二特征点匹配对的相对偏差对所述初步位姿进行调整，得到所述图像采集设备的位姿，其中，数量阈值可以为预设的数值，其取值可以由位姿精度需求确定。
在一种可能的实现方式中，所述根据所述特征点匹配对，确定所述图像采集设备的位姿，还包括：
在所述第二特征点匹配对的数量未达到数量阈值的情况下，从所述特征点匹配对中确定出第三特征点匹配对。
举例来说，在确定的第二特征点匹配对的数量未达到数量阈值的情况下，可以从特征点匹配对中确定出第三特征点匹配对(第三特征点匹配对的选取方式与第一特征点匹配对的选取方式相同)，并根据第三特征点匹配对确定图像采集设备的初步位姿，在得到图像采集设备的初步位姿后，可以根据初步位姿，确定各所述特征点匹配对的相对偏差，将相对偏差小于偏差阈值的特征点匹配对，作为第二特征点匹配对，在第二特征点匹配对的数量达到数量阈值的情况下，根据第二特征点匹配对对初步位姿进行调整，得到图像采集设备的位姿。
在一种可能的实现方式中，可以随机选取多组第一特征点匹配对，根据多组第一特征点匹配对确定多个第一初步位姿，并确定各个第一初步位姿对应的第二特征点匹配对的数量，将对应的第二特征点匹配对的数量最大的第一初步位姿作为图像采集设备的初步位姿。
这样一来，通过三维匹配对联合二维匹配对确定图像采集设备的位姿，可以缓解由于三维特征点稀疏及相似三维特征点所导致的位姿求解精度不高的问题，提高了图像采集设备的位姿精度，提高了定位精度。
在一种可能的实现方式中，所述根据所述第二特征点匹配对对所述初步位姿进行调整，得到所述图像采集设备的位姿，可以包括：
调整所述初步位姿，直至各第二特征点匹配对对应的相对偏差的平方和最小。
举例来说，在第二特征点匹配对的数量达到数量阈值的情况下，可以对初步位姿进行不断调整，并根据每一次调整后的初步位姿确定各第二特征点匹配对的相对偏差，直至第二特征点匹配对对应的相对偏差的平方和最小时，确定该初步位姿为图像采集设备的位姿，可以得到高精度的位姿，进而提高定位精度。
为使本领域技术人员更好的理解本公开实施例，以下通过具体示例对本公开实施例加以说明。
参照图3，用户在发起定位请求时，可以通过图像采集设备采集图像，并提取图像中的二维特征，与离线地图中的特征点进行特征匹配，得到特征匹配对，具体包括：与三维点云地图中的三维特征点进行三维特征匹配，得到三维匹配对，与二维地图中的二维特征点进行二维特征匹配，得到二维匹配对。
从特征点匹配对中确定第一特征点匹配对，并根据第一特征点匹配对确定图像采集设备的初步位姿。根据图像采集设备的初步位姿确定各特征点匹配对对应的相对偏差，将相对偏差满足偏差阈值的特征点匹配对确定第二特征点匹配对。
在第二特征点匹配对的数量小于数量阈值时，可以重新确定阈值数量的第三特征点匹配对(图2中表示为返回从特征点匹配结果中确定第一特征点匹配对的步骤，并执行后面步骤)。
在第二特征点匹配对的数量大于数量阈值时，可以根据第二特征点匹配对对应的相对偏差调整初步位姿，并根据调整后的初步位姿重新确定第二特征点匹配对对应的相对偏差，直至第二特征点匹配对对应的相对偏差的平方和最小时，确定此时的初步位姿为图像采集设备的位姿。
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4示出根据本公开实施例的定位装置的框图，如图4所示，所述装置包括：
匹配模块41，可以用于将图像采集设备采集的图像与所述图像采集设备所处区域对应的离线地图进行特征点匹配，得到特征点匹配对，所述特征点匹配对包括三维匹配对及二维匹配对；
确定模块42，可以用于根据所述特征点匹配对，确定所述图像采集设备的位姿。
这样，将图像采集设备采集的图像与所述图像采集设备所处区域对应的离线地图进行特征点匹配，可以得到包括三维匹配结果及二维匹配结果的特征点匹配对，根据三维匹配对及二维匹配对，可以确定所述图像采集设备的位姿。根据本公开实施例提供的定位装置，可以结合三维匹配对及二维匹配对确定图像采集设备的位姿，可以缓解由于三维特征点稀疏及相似三维特征点所导致的位姿求解精度不高的问题，提高了图像采集设备的位姿精度，提高了定位精度。
在一种可能的实现方式中，所述离线地图包括三维点云地图及所述三维点云地图对应的多张二维图像，所述匹配模块，还可以用于：
将所述图像采集设备采集的图像中的二维特征点与所述三维点云地图中的三维特征点进行特征点匹配，得到所述三维匹配对；
将所述图像采集设备采集的图像中的二维特征点与所述二维图像中的二维特征点进行特征点匹配，得到所述二维匹配对。
在一种可能的实现方式中，所述确定模块，还可以用于：
从所述特征点匹配结果中确定出第一特征点匹配对；
根据所述第一特征点匹配对，确定所述图像采集设备的初步位姿；
根据所述初步位姿，确定各所述特征点匹配对的相对偏差；
将相对偏差小于偏差阈值的特征点匹配对，作为第二特征点匹配对；
在所述第二特征点匹配对的数量达到数量阈值的情况下，根据所述第二特征点匹配对对所述初步位姿进行调整，得到所述图像采集设备的位姿。
在一种可能的实现方式中，所述确定模块，还可以用于：
在所述第二特征点匹配对的数量未达到数量阈值的情况下，从所述特征点匹配对中确定出第三特征点匹配对。
在一种可能的实现方式中，所述特征点匹配对为三维匹配对，所述确定模块，还用于：
根据所述三维匹配对中的三维特征点及所述初步位姿，确定目标二维特征点；
将所述三维匹配对中的二维特征点与所述目标二维特征点之间的距离，作为所述三维匹配对的相对偏差。
在一种可能的实现方式中，所述特征点匹配对为二维匹配对，所述确定模块，还可以用于：
根据所述二维匹配对中的第一二维特征点及所述初步位姿，确定目标直线；
将所述二维匹配对中的第二二维特征点及所述目标直线之间的距离，作为所述二维匹配结果的相对偏差。
在一种可能的实现方式中，所述确定模块，还可以用于：
调整所述初步位姿，直至各第二特征点匹配对对应的相对偏差的平方和最小。
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。
本公开实施例还提出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。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。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
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定位方法的操作。
电子设备可以被提供为终端、服务器或其它形态的设备。
图5示出根据本公开实施例的一种电子设备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5，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WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，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6示出根据本公开实施例的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图6，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 ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM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 (10)
1.一种定位方法，其特征在于，包括：
将图像采集设备采集的图像与所述图像采集设备所处区域对应的离线地图进行特征点匹配，得到特征点匹配对，所述特征点匹配对包括三维匹配对及二维匹配对；
根据所述特征点匹配对，确定所述图像采集设备的位姿。
2.根据权利要求1所述的方法，其特征在于，所述离线地图包括三维点云地图及所述三维点云地图对应的多张二维图像，
所述将图像采集设备采集的图像与图像采集设备当前所处区域对应的离线地图进行特征点匹配，得到特征点匹配对，包括：
将所述图像采集设备采集的图像中的二维特征点与所述三维点云地图中的三维特征点进行特征点匹配，得到所述三维匹配对；
将所述图像采集设备采集的图像中的二维特征点与所述二维图像中的二维特征点进行特征点匹配，得到所述二维匹配对。
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述特征点匹配对，确定所述图像采集设备的位姿，包括：
从所述特征点匹配结果中确定出第一特征点匹配对；
根据所述第一特征点匹配对，确定所述图像采集设备的初步位姿；
根据所述初步位姿，确定各所述特征点匹配对的相对偏差；
将相对偏差小于偏差阈值的特征点匹配对，作为第二特征点匹配对；
在所述第二特征点匹配对的数量达到数量阈值的情况下，根据所述第二特征点匹配对对所述初步位姿进行调整，得到所述图像采集设备的位姿。
4.根据权利要求3所述的方法，其特征在于，所述根据所述特征点匹配对，确定所述图像采集设备的位姿，还包括：
在所述第二特征点匹配对的数量未达到数量阈值的情况下，从所述特征点匹配对中确定出第三特征点匹配对。
5.根据权利要求3或4所述的方法，其特征在于，所述特征点匹配对为三维匹配对，所述根据所述初步位姿，确定各所述特征点匹配对的相对偏差，包括：
根据所述三维匹配对中的三维特征点及所述初步位姿，确定目标二维特征点；
将所述三维匹配对中的二维特征点与所述目标二维特征点之间的距离，作为所述三维匹配对的相对偏差。
6.根据权利要求3或4所述的方法，其特征在于，所述特征点匹配对为二维匹配对，所述根据所述初步位姿，确定各所述特征点匹配对的相对偏差，包括：
根据所述二维匹配对中的第一二维特征点及所述初步位姿，确定目标直线；
将所述二维匹配对中的第二二维特征点及所述目标直线之间的距离，作为所述二维匹配结果的相对偏差。
7.根据权利要求3至6中任一项所述的方法，其特征在于，所述根据所述第二特征点匹配对对所述初步位姿进行调整，得到所述图像采集设备的位姿，包括：
调整所述初步位姿，直至各第二特征点匹配对对应的相对偏差的平方和最小。
8.一种定位装置，其特征在于，包括：
匹配模块，用于将图像采集设备采集的图像与所述图像采集设备所处区域对应的离线地图进行特征点匹配，得到特征点匹配对，所述特征点匹配对包括三维匹配对及二维匹配对；
确定模块，用于根据所述特征点匹配对，确定所述图像采集设备的位姿。
9.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至7中任意一项所述的方法。
10.一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7中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010367526.9A CN111563138B (zh) | 2020-04-30 | 2020-04-30 | 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 |
|---|---|---|---|
| CN202010367526.9A CN111563138B (zh) | 2020-04-30 | 2020-04-30 | 定位方法及装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111563138A true CN111563138A (zh) | 2020-08-21 |
| CN111563138B CN111563138B (zh) | 2024-01-05 |
Family
ID=72069007
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010367526.9A Active CN111563138B (zh) | 2020-04-30 | 2020-04-30 | 定位方法及装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111563138B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112598732A (zh) * | 2020-12-10 | 2021-04-02 | Oppo广东移动通信有限公司 | 目标设备定位方法、地图构建方法及装置、介质、设备 |
| CN114494376A (zh) * | 2022-01-29 | 2022-05-13 | 山西华瑞鑫信息技术股份有限公司 | 一种镜像配准方法 |
| CN114531580A (zh) * | 2020-11-23 | 2022-05-24 | 北京四维图新科技股份有限公司 | 图像处理方法及装置 |
| CN115620264A (zh) * | 2022-12-02 | 2023-01-17 | 广汽埃安新能源汽车股份有限公司 | 车辆定位方法、装置、电子设备和计算机可读介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150036870A1 (en) * | 2013-07-30 | 2015-02-05 | The Boeing Company | Automated graph local constellation (glc) method of correspondence search for registration of 2-d and 3-d data |
| JP2017005532A (ja) * | 2015-06-11 | 2017-01-05 | 富士通株式会社 | カメラ姿勢推定装置、カメラ姿勢推定方法およびカメラ姿勢推定プログラム |
| CN106940186A (zh) * | 2017-02-16 | 2017-07-11 | 华中科技大学 | 一种机器人自主定位与导航方法及系统 |
| US20190178654A1 (en) * | 2016-08-04 | 2019-06-13 | Reification Inc. | Methods for simultaneous localization and mapping (slam) and related apparatus and systems |
| CN110223348A (zh) * | 2019-02-25 | 2019-09-10 | 湖南大学 | 基于rgb-d相机的机器人场景自适应位姿估计方法 |
| CN110246163A (zh) * | 2019-05-17 | 2019-09-17 | 联想（上海）信息技术有限公司 | 图像处理方法及其装置、设备、计算机存储介质 |
| CN110264509A (zh) * | 2018-04-27 | 2019-09-20 | 腾讯科技（深圳）有限公司 | 确定图像捕捉设备的位姿的方法、装置及其存储介质 |
| CN110335316A (zh) * | 2019-06-28 | 2019-10-15 | Oppo广东移动通信有限公司 | 基于深度信息的位姿确定方法、装置、介质与电子设备 |
| CN110728717A (zh) * | 2019-09-27 | 2020-01-24 | Oppo广东移动通信有限公司 | 定位方法及装置、设备、存储介质 |
| CN110738703A (zh) * | 2019-09-27 | 2020-01-31 | Oppo广东移动通信有限公司 | 定位方法及装置、终端、存储介质 |
-
2020
- 2020-04-30 CN CN202010367526.9A patent/CN111563138B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150036870A1 (en) * | 2013-07-30 | 2015-02-05 | The Boeing Company | Automated graph local constellation (glc) method of correspondence search for registration of 2-d and 3-d data |
| JP2017005532A (ja) * | 2015-06-11 | 2017-01-05 | 富士通株式会社 | カメラ姿勢推定装置、カメラ姿勢推定方法およびカメラ姿勢推定プログラム |
| US20190178654A1 (en) * | 2016-08-04 | 2019-06-13 | Reification Inc. | Methods for simultaneous localization and mapping (slam) and related apparatus and systems |
| CN106940186A (zh) * | 2017-02-16 | 2017-07-11 | 华中科技大学 | 一种机器人自主定位与导航方法及系统 |
| CN110264509A (zh) * | 2018-04-27 | 2019-09-20 | 腾讯科技（深圳）有限公司 | 确定图像捕捉设备的位姿的方法、装置及其存储介质 |
| CN110223348A (zh) * | 2019-02-25 | 2019-09-10 | 湖南大学 | 基于rgb-d相机的机器人场景自适应位姿估计方法 |
| CN110246163A (zh) * | 2019-05-17 | 2019-09-17 | 联想（上海）信息技术有限公司 | 图像处理方法及其装置、设备、计算机存储介质 |
| CN110335316A (zh) * | 2019-06-28 | 2019-10-15 | Oppo广东移动通信有限公司 | 基于深度信息的位姿确定方法、装置、介质与电子设备 |
| CN110728717A (zh) * | 2019-09-27 | 2020-01-24 | Oppo广东移动通信有限公司 | 定位方法及装置、设备、存储介质 |
| CN110738703A (zh) * | 2019-09-27 | 2020-01-31 | Oppo广东移动通信有限公司 | 定位方法及装置、终端、存储介质 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114531580A (zh) * | 2020-11-23 | 2022-05-24 | 北京四维图新科技股份有限公司 | 图像处理方法及装置 |
| CN114531580B (zh) * | 2020-11-23 | 2023-11-21 | 北京四维图新科技股份有限公司 | 图像处理方法及装置 |
| CN112598732A (zh) * | 2020-12-10 | 2021-04-02 | Oppo广东移动通信有限公司 | 目标设备定位方法、地图构建方法及装置、介质、设备 |
| CN114494376A (zh) * | 2022-01-29 | 2022-05-13 | 山西华瑞鑫信息技术股份有限公司 | 一种镜像配准方法 |
| CN115620264A (zh) * | 2022-12-02 | 2023-01-17 | 广汽埃安新能源汽车股份有限公司 | 车辆定位方法、装置、电子设备和计算机可读介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111563138B (zh) | 2024-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111563138B (zh) | 定位方法及装置、电子设备和存储介质 | |
| CN112001321A (zh) | 网络训练、行人重识别方法及装置、电子设备和存储介质 | |
| CN110928627B (zh) | 界面展示方法及装置、电子设备和存储介质 | |
| CN111323007B (zh) | 定位方法及装置、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 | |
| CN112991553B (zh) | 信息展示方法及装置、电子设备和存储介质 | |
| CN111664866A (zh) | 定位展示方法及装置、定位方法及装置和电子设备 | |
| CN114019473A (zh) | 对象检测方法及装置、电子设备和存储介质 | |
| CN111401230B (zh) | 姿态估计方法及装置、电子设备和存储介质 | |
| CN112146645B (zh) | 一种坐标系对齐的方法及装置、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 | |
| CN111860373B (zh) | 目标检测方法及装置、电子设备和存储介质 | |
| WO2022134475A1 (zh) | 点云地图构建方法及装置、电子设备、存储介质和程序 | |
| CN112362047A (zh) | 定位方法及装置、电子设备和存储介质 | |
| CN112950712B (zh) | 定位方法及装置、电子设备和存储介质 | |
| CN113807253A (zh) | 人脸识别方法及装置、电子设备和存储介质 | |
| CN113345000A (zh) | 深度检测方法及装置、电子设备和存储介质 | |
| CN112102300A (zh) | 计数方法及装置、电子设备和存储介质 | |
| CN111354444A (zh) | 病理切片图像的展示方法及装置、电子设备和存储介质 | |
| CN110121115B (zh) | 精彩视频片段的确定方法及装置 | |
| CN114519794A (zh) | 特征点匹配方法及装置、电子设备和存储介质 | |
| CN114549983A (zh) | 计算机视觉模型训练方法及装置、电子设备和存储介质 | |
| CN114005124A (zh) | 采样方法及装置、电子设备和存储介质 | |
| CN112461245A (zh) | 数据处理方法及装置、电子设备和存储介质 | |
| CN112683262A (zh) | 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 |