CN111767965A - 图像匹配方法、装置、电子设备及存储介质 - Google Patents
图像匹配方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111767965A CN111767965A CN202010654500.2A CN202010654500A CN111767965A CN 111767965 A CN111767965 A CN 111767965A CN 202010654500 A CN202010654500 A CN 202010654500A CN 111767965 A CN111767965 A CN 111767965A
- Authority
- CN
- China
- Prior art keywords
- feature point
- image
- point
- pixel
- determining
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种图像匹配方法、装置、电子设备及存储介质,包括:针对第一图像中的每个第一特征点,以该第一特征点在所述第二图像中的映射坐标为中心,在所述第二图像中确定出一个大小满足第一预设条件的区域,并确定出位于所述区域内的第二特征点,作为待选特征点,根据该第一特征点和待选特征点的二进制描述子,确定该第一特征点和待选特征点之间的汉明距离小于预设距离时,确定该第一特征点和所述待选特征点匹配成功;根据第一图像和第二图像中匹配成功的特征点对的数量,确定出表征第一图像和第二图像是否匹配的结果,无需将第一特征点与第二图像中的全部特征点进行一一匹配,减少特征点匹配次数,继而缩短图像匹配时间,提高图像匹配的速度。
Description
技术领域
本申请涉及图像处理技术领域,具体而言,涉及一种图像匹配方法、装置、电子设备及存储介质。
背景技术
定位与实时建图是机器人导航和控制研究领域的两个基本问题,机器人研究领域的同步定位与地图构建(Simultaneous Localization And Mapping,SLAM)技术是协同解决这两大问题的关键技术之一。目前,SLAM技术是机器人、自动驾驶、增强现实等领域的关键技术之一,是智能移动平台感知周围环境变化的基础技术。由于图像或视频能够提供丰富的环境信息,所以大部分SLAM技术研究集中于视觉算法(VSALM)。在VSLAM中,图像匹配技术是SLAM的核心,关系到后续的定位与建图,同时,在图像拼接、目标跟踪、人脸识别、三维重建等领域有着广泛应用。然而,现有的图像匹配技术(例如,快速特征点提取和描述的算法(Oriented FAST and Rotated BRIEF,ORB))普遍存在着匹配速度慢的问题。
发明内容
鉴于此,本申请实施例的目的在于提供一种图像匹配方法、装置、电子设备及存储介质,以在保证图像匹配准确度的基础上,提高图像匹配速度。
第一方面,本申请实施例提供一种图像匹配方法,所述方法包括:分别确定出预先获取的第一图像的第一特征点及预先获取的第二图像的第二特征点;其中,所述第一图像和所述第二图像的大小形状相同;针对每张图像的每个特征点,根据该特征点周围的像素点的像素值,确定出用于描述该特征点的信息的二进制描述子;针对所述第一图像中的第一特征点,以该第一特征点在所述第二图像中的映射坐标为中心,在所述第二图像中确定出一个大小满足第一预设条件的区域,并确定出位于所述区域内的第二特征点,作为待选特征点;根据该第一特征点和所述待选特征点的二进制描述子,在确定该第一特征点和所述待选特征点之间的汉明距离小于预设距离时,确定该第一特征点和所述待选特征点匹配成功;根据所述第一图像和所述第二图像中匹配成功的特征点对的数量,确定出表征所述第一图像和所述第二图像是否匹配的结果,其中,任意两对匹配成功的特征点对中的特征点均不相同。
由于现有的图像匹配技术存在特征点匹配次数较多的问题,继而导致整个图像匹配过程耗时较长,因此,在上述实现过程中,针对第一图像中的第一特征点,以该第一特征点在所述第二图像中的映射坐标为中心,在所述第二图像中确定出一个大小满足第一预设条件的区域,并确定出位于所述区域内的第二特征点,作为待选特征点,后续只需要将该第一特征点与待选特征点进行匹配,无需将该第一特征点与所述第二图像中的全部特征点进行一一匹配,极大地减少了特征点匹配的次数,继而缩短第一图像和第二图像的匹配时间,提高图像匹配的速度。
基于第一方面,在一种可能的设计中,所述针对每张图像的每个特征点,根据该特征点周围的像素点的像素值,确定出用于描述该特征点的信息的二进制描述子包括:针对每张图像的每个特征点,按照第一预设规则在该图像中确定出离散分布在该特征点周围的多个大小为3*3的像素块;针对该图像中的每个特征点,利用与该特征点对应的多个像素块中的像素点的像素值,确定出用于描述该特征点的信息的二进制描述子。
由于距离很近的像素点的像素值差异不大,因此,在上述实现过程中,针对每张图中的每个特征点,利用该特征点周围的多个像素块的像素点的像素值来描述该特征点的信息,与现有技术中利用位于该特征点周围的全部像素块来描述该特征点的信息相比,本申请利用较少的像素块就能充分地描述该特征点的信息,不仅降低特征点的二进制描述子的计算复杂度,而且还降低了后续特征点的匹配所需复杂度。
基于第一方面,在一种可能的设计中,所述针对该图像中的每个特征点,利用与该特征点对应的多个像素块中的像素点的像素值,确定出用于描述该特征点的信息的二进制描述子,包括:针对该图像中的每个特征点对应的多个像素块中的每个像素块,从该像素块中,确定出除该像素块的中心点以外的像素值满足第二预设条件的第一像素点;从所述第一像素点开始,沿着预设方向,将该像素块中除该中心点以外的其余像素点依次与所述中心点的像素值进行比较;针对所述其余像素点中的每个像素点,若比较结果表征该像素点的像素值大于所述中心点,将初始特征向量中与该像素点在所述其余像素点中的比较顺序位置相同的索引位置的元素置1,否则将所述位置相同的索引位置的元素置0,以对所述初始特征向量进行更新;根据该特征点对应的各个像素块所对应的更新后的特征向量,确定出用于描述该特征点的信息的二进制描述子。
在上述实现过程中,通过上述方式能够快速地确定出用于描述该特征点的信息的二进制描述子。
基于第一方面,在一种可能的设计中,所述针对该图像中的每个特征点,利用与该特征点对应的多个像素块中的像素点的像素值,确定出用于描述该特征点的信息的二进制描述子,包括:针对该图像的每个特征点,确定出该特征点的主方向;针对所述对应的多个像素块中的每个像素块,将该像素块的中心点按照所述主方向进行旋转,以使该像素块的中心点的方向与所述主方向一致,得到旋转后的中心点的位置;以所述旋转后的中心点的位置为中心,确定出包含所述旋转后的中心点,且大小为3*3的新的像素块;利用与该特征点对应的多个新的像素块中的像素点的像素值,确定出用于描述该特征点的信息的二进制描述子。
在上述实现过程中,在第一图像和第二图像是从不同的角度拍摄相同的对象所得到的图像时,需要将第一图像和/或第二图像进行旋转后,才能使两张图像中的对应的特征点能够完全重合,因此,在确定出该图像的特征点的主方向之后,将与该特征点对应的多个像素块中的每个像素块的中心点按照所述主方向进行旋转,以使该像素块的中心点的方向与所述主方向一致,继而根据旋转后的中心点的位置为中心,确定出包含所述旋转后的中心点,且大小为3*3的新的像素块,并利用新的像素块来确定出该特征点的二进制描述子,保证在第一图像和第二图像是从不同的角度拍摄相同的对象所得到的图像时,也能准确地得到所述第一图像和所述第二图像匹配成功的结果。
基于第一方面,在一种可能的设计中,所述确定出位于所述区域内的第二特征点,作为待选特征点,包括:针对所述第二图像中的第二特征点,根据该第二特征点和所述区域在预先确定的坐标系中的位置,确定该第二特征点是否在所述区域内;若该第二特征点位于所述区域内,确定该第二特征点为所述待选特征点。
在上述实现过程中,针对所述第二图像中的第二特征点,根据该第二特征点和所述区域在预先确定的坐标系中的位置,能够快速地确定该第二特征点是否在所述区域内,因此,通过上述方式能够快速地确定出位于所述区域内的第二特征点。
基于第一方面,在一种可能的设计中,所述根据所述第一图像和所述第二图像中匹配成功的特征点对的数量,确定出表征所述第一图像和所述第二图像是否匹配的结果,包括:利用GMS算法函数,从所述匹配成功的特征点对中确定出匹配错误的特征点对;将所述匹配错误的特征点对从所述初步匹配成功的特征点中剔除,得到最终匹配成功的特征点对;根据所述最终匹配成功的特征点对的数量,确定出表征所述第一图像和所述第二图像是否匹配的结果。
在上述实现过程中,利用GMS算法函数,将匹配错误的特征点对从初步匹配成功的特征点中剔除,提高特征点匹配结果的准确度,继而提高图像匹配结果的准确度。
第二方面,本申请实施例提供一种图像匹配装置,所述装置包括:特征点确定单元,用于分别确定出预先获取的第一图像的第一特征点及预先获取的第二图像的第二特征点;其中,所述第一图像和所述第二图像的大小形状相同;描述子确定单元,用于针对该图像的每个特征点,根据该特征点周围的像素点的像素值,确定出用于描述该特征点的信息的二进制描述子;待选特征点确定单元,用于针对所述第一图像中的第一特征点,以该第一特征点在所述第二图像中的映射坐标为中心,在所述第二图像中确定出一个大小满足第一预设条件的区域,并确定出位于所述区域内的第二特征点,作为待选特征点;特征点匹配单元,用于根据该第一特征点和所述待选特征点的二进制描述子,在确定该第一特征点和所述待选特征点之间的汉明距离小于预设距离时,确定该第一特征点和所述待选特征点匹配成功;匹配结果确定单元,用于根据所述第一图像和所述第二图像中匹配成功的特征点对的数量,确定出表征所述第一图像和所述第二图像是否匹配的结果,其中,任意两对匹配成功的特征点对中的特征点均不相同。
基于第二方面,在一种可能的设计中,所述描述子确定单元,包括:像素块确定单元,用于针对每张图像的每个特征点,按照第一预设规则在该图像中确定出离散分布在该特征点周围的多个大小为3*3的像素块;描述子确定子单元,用于针对该图像中的每个特征点,利用与该特征点对应的多个像素块中的像素点的像素值,确定出用于描述该特征点的信息的二进制描述子。
基于第二方面,在一种可能的设计中,所述描述子确定子单元,具体用于针对该图像中的每个特征点对应的多个像素块中的每个像素块,从该像素块中,确定出除该像素块的中心点以外的像素值满足第二预设条件的第一像素点;以及从所述第一像素点开始,沿着预设方向,将该像素块中除该中心点以外的其余像素点依次与所述中心点的像素值进行比较;针对所述其余像素点中的每个像素点,若比较结果表征该像素点的像素值大于所述中心点,将初始特征向量中与该像素点在所述其余像素点中的比较顺序位置相同的索引位置的元素置1,否则将所述位置相同的索引位置的元素置0,以对所述初始特征向量进行更新;根据该特征点对应的各个像素块所对应的更新后的特征向量,确定出用于描述该特征点的信息的二进制描述子。
基于第二方面,在一种可能的设计中,所述描述子确定子单元,还用于针对该图像的每个特征点,确定出该特征点的主方向;以及针对所述对应的多个像素块中的每个像素块,将该像素块的中心点按照所述主方向进行旋转,以使该像素块的中心点的方向与所述主方向一致,得到旋转后的中心点的位置;以所述旋转后的中心点的位置为中心,确定出包含所述旋转后的中心点,且大小为3*3的新的像素块;利用与该特征点对应的多个新的像素块中的像素点的像素值,确定出用于描述该特征点的信息的二进制描述子。
基于第二方面,在一种可能的设计中,所述待选特征点确定单元,具体用于针对所述第二图像中的第二特征点,根据该第二特征点和所述区域在预先确定的坐标系中的位置,确定该第二特征点是否在所述区域内;以及若该第二特征点位于所述区域内,确定该第二特征点为所述待选特征点。
基于第二方面,在一种可能的设计中,所述匹配结果确定单元,具体用于利用GMS算法函数,从所述匹配成功的特征点对中确定出匹配错误的特征点对;以及将所述匹配错误的特征点对从所述初步匹配成功的特征点中剔除,得到最终匹配成功的特征点对;根据所述最终匹配成功的特征点对的数量,确定出表征所述第一图像和所述第二图像是否匹配的结果。
第三方面,本申请实施例提供一种电子设备,包括处理器以及与所述处理器连接的存储器,所述存储器内存储计算机程序,当所述计算机程序被所述处理器执行时,使得所述电子设备执行第一方面所述的方法。
第四方面,本申请实施例提供一种存储介质,所述存储介质中存储有计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行第一方面所述的方法。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的图像匹配方法的流程示意图。
图2为本申请实施例提供的特征点周围的像素块示意图。
图3为本申请实施例提供的特征点周围的像素块另一种示意图。
图4为本申请实施例提供的3*3像素块的示意图。
图5为本申请实施例提供的3*3像素块的另一种示意图。
图6为本申请实施例提供的根据第一图像在第二图像内确定出的区域的示意图。
图7为本申请实施例提供的图像匹配装置的结构示意图。
图8为本申请实施例提供的电子设备的结构示意图。
图标:700-图像匹配装置;710-特征点确定单元;720-描述子确定单元;730-待选特征点确定单元;740-特征点匹配单元;750-匹配结果确定单元;800-电子设备;801-处理器;802-存储器;803-通信接口。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行描述。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参照图1,图1为本申请实施例提供的一种图像匹配方法的流程图,下面将对图1所示的流程进行详细阐述,所述方法包括步骤:S11、S12、S13、S14和S15。
S11:分别确定出预先获取的第一图像的第一特征点及预先获取的第二图像的第二特征点;其中,所述第一图像和所述第二图像的大小形状相同。
S12:针对每张图像的每个特征点,根据该特征点周围的像素点的像素值,确定出用于描述该特征点的信息的二进制描述子。
S13:针对所述第一图像中的第一特征点,以该第一特征点在所述第二图像中的映射坐标为中心,在所述第二图像中确定出一个大小满足第一预设条件的区域,并确定出位于所述区域内的第二特征点,作为待选特征点。
S14:根据该第一特征点和所述待选特征点的二进制描述子,在确定该第一特征点和所述待选特征点之间的汉明距离小于预设距离时,确定该第一特征点和所述待选特征点匹配成功。
S15:根据所述第一图像和所述第二图像中匹配成功的特征点对的数量,确定出表征所述第一图像和所述第二图像是否匹配的结果,其中,任意两对匹配成功的特征点对中的特征点均不相同。
下面对上述方法进行详细介绍。
S11:分别确定出预先获取的第一图像的第一特征点及预先获取的第二图像的第二特征点;其中,所述第一图像和所述第二图像的大小形状相同。
其中,所述第一图像和所述第二图像的大小形状相同,是指若所述第一图像的尺寸为长6cm,宽5cm,所述第二图像的尺寸也为长6cm,宽5cm。其中,所述第一图像和所述第二图像虽尺寸相同但各自所包含的内容不一定相同。
在实际实施过程中,S11可以按照如下方式实施,在获取到所述第一图像和所述第二图像之后,利用角点检测(Features from accelerated segment test,FAST)算法确定出所述第一图像的第一特征点和所述第二图像的第二特征点,其中,利用FAST算法确定图像的特征点的具体实施方式为本领域熟知技术,因此,在此不再赘述,在其他实施例中,也可以采用其他方式确定所述第一图像和所述第二图像的特征点。
在确定出所述第一图像的第一特征点和所述第二图像的第二特征点之后,执行步骤S12。
S12:针对每张图像的每个特征点,根据该特征点周围的像素点的像素值,确定出用于描述该特征点的信息的二进制描述子。
由于距离很近的像素点的像素值差异不大,因此,作为一种实施方式,S12包括步骤:A1和A2。
A1:针对(第一图像及第二图像中的)每张图像的每个特征点,按照第一预设规则在该图像中确定出离散分布在该特征点周围的多个大小为3*3的像素块。
针对所述第一图像和所述第二图像中的每张图像中的每个特征点,以该特征点(如图2所示的特征点Kp)为中心,在该图像中确定出离散分布在该特征点周围的32个大小为3*3的像素块,并利用数字对各个像素块进行标记,以区分各个像素块,其中,值的一提的是,所述第一图像和所述第二图像采用相同的方式对各个像素块进行标记;在其他实施例中,也可以以该特征点为中心,在该图像中确定出离散分布在该特征点周围的22个大小为3*3的像素块,具体不做限制,只需要保证第一张图像和所述第二张图像采用相同的方式确定出位于特征点周围的多个大小为3*3的像素块。
可以理解的是,3*3的像素块表征像素块包括9个像素点。A2:针对该图像中的每个特征点,利用与该特征点对应的多个像素块中的像素点的像素值,确定出用于描述该特征点的信息的二进制描述子。
作为一种实施方式,S12包括步骤:D1和A2。
D1:针对每张图像的每个特征点,按照第二预设规则在该图像中确定出位于该特征点周围的多个大小为3*3的像素块。
针对所述第一图像和所述第二图像中的每张图像中的每个特征点,以该特征点(如图3所示的特征点Kp)为中心,在该图像中确定出离散分布在该特征点周围的29个大小为3*3的像素块,并利用数字对各个像素块进行标记,以区分各个像素块,其中,值的一提的是,所述第一图像和所述第二图像采用相同的方式对各个像素块进行标记。
A2:针对该图像中的每个特征点,利用与该特征点对应的多个像素块中的像素点的像素值,确定出用于描述该特征点的信息的二进制描述子。
为了能够快速地确定出用于描述该特征点的信息的二进制描述子,因此,作为一种实施方式,A2包括步骤:A21、A22、A23和A24。
A21:针对该图像中的每个特征点对应的多个像素块中的每个像素块,从该像素块中,确定出除该像素块的中心点以外的像素值满足第二预设条件的第一像素点。
可以理解的是,针对该图像中的每个特征点对应的多个像素块中的每个像素块,将该像素块中除该像素块的中心点(即图4和图5所示中标记为P的像素点)以外的其余像素点进行像素值比较,确定出像素值最大或者像素值最小的第一像素点(即图4所示中标记为min的像素点),以保证各个特征点对应的二进制描述子的一致性。
A22:从所述第一像素点开始,沿着预设方向,将该像素块中除该中心点以外的其余像素点依次与所述中心点的像素值进行比较。
从所述第一像素点开始,沿着顺时针方向或者逆时针方向,将该像素块中除该中心点以外的其余像素点依次与所述中心点的像素值进行比较,得到多个比较结果,其中,比较结果与所述其余像素点中的各个像素点一一对应,比较结果中包括对应像素点的在所述其余像素点中的比较顺序位置。
如图5所示,若标记为1的像素点为第一像素点,且沿着顺时针方向,将该像素块中除该中心点以外的其余像素点依次与所述中心点的像素值进行比较,即将像素点1与像素点P进行比较之后,将像素点2与像素点P进行比较,再将像素点3与像素点P进行比较,依次类推,最后将像素点8与像素点P进行比较。
其中,在本实施例中,可以在得到该像素块对应的一个比较结果之后,就执行步骤A23;在其他实施例中,也可以在得到该像素块对应的全部比较结果之后,再执行步骤A23。
A23:针对所述其余像素点中的每个像素点,若比较结果表征该像素点的像素值大于所述中心点,将初始特征向量中与该像素点在所述其余像素点中的比较顺序位置相同的索引位置的元素置1,否则将所述位置相同的索引位置的元素置0,以对所述初始特征向量进行更新。
其中,在本实施例中,所述初始特征向量可以为一个维度为1*8的行向量,或者为一个维度为8*1的列向量,以保证初始特征向量的维度和各个像素块对应的比较结果的数量一致,其中,所述初始特征向量中的元素的值可以全为2,在其他实施例中,所述初始特征向量中的元素的值也可以为其它任意值,不做限制。
例如,针对所述其余像素点中的每个像素点,若比较结果表征该像素点的像素值大于所述中心点,且该像素点在所述其余像素点中的比较顺序位置为第一,则将所述初始特征向量[2,2,2,2,2,2,2,2]中索引位置为[1,1]的元素2修改为1,得到更新后的特征向量[1,2,2,2,2,2,2,2],若比较结果表征该像素点的像素值小于等于所述中心点,且该像素点在所述其余像素点中的比较顺序位置为第二,则将上次更新后的特征向量[1,2,2,2,2,2,2,2]中索引位置为[1,2]的元素的值修改为0,得到[1,0,2,2,2,2,2,2],依次类推,直到该像素块中的其余像素点中的各个像素点均用于所述初始特征向量的更新,得到最终更新后的特征向量之后,才执行步骤A24。
A24:根据该特征点对应的各个像素块所对应的更新后的特征向量,确定出用于描述该特征点的信息的二进制描述子。
在得到该特征点对应的各个像素块块对应的更新后的特征向量之后,按照各个像素块的标记的大小,将各个更新后的特征向量进行排列整合,得到用于描述该特征点的信息的二进制描述子,其中,在本实施例中,所述二进制描述子为行向量,在其他实施例中,所述描述子也可以为列向量,矩阵等。
由于第一图像和第二图像是从不同的角度拍摄相同的对象所得到的图像,因此,需要将第一图像和/或第二图像进行旋转后,才能使两张图像中的对应的特征点能够完全重合,因此,作为一种实施方式,A2包括步骤:A26、A27、A28和A29。
A26:针对该图像的每个特征点,确定出该特征点的主方向。
针对步骤S11中确定出的每个特征点,利用质心算法确定出该特征点的主方向,其中,确定该特征点的主方向的具体实施方式为本领域熟知技术,因此,在此不再赘述。
在确定出该特征点的主方向和该特征点对应的多个像素块之后,执行步骤A27。
A27:针对所述对应的多个像素块中的每个像素块,将该像素块的中心点按照所述主方向进行旋转,以使该像素块的中心点的方向与所述主方向一致,得到旋转后的中心点的位置。
针对所述对应的多个像素块中的每个像素块,将该像素块的中心点按照所述主方向进行旋转,以使该像素块的中心点的方向与所述主方向一致,得到旋后的中心点在预先确定的坐标系中的位置。
在得到旋转后的中心点的位置之后,执行步骤A28。
A28:以所述旋转后的中心点的位置为中心,确定出包含所述旋转后的中心点,且大小为3*3的新的像素块。
A29:利用与该特征点对应的多个新的像素块中的像素点的像素值,确定出用于描述该特征点的信息的二进制描述子。
其中,A29的具体实施方式和A21-A24的实施方式相同,因此,在此不再赘述。
S13:针对所述第一图像中的第一特征点,以该第一特征点在所述第二图像中的映射坐标为中心,在所述第二图像中确定出一个大小满足第一预设条件的区域,并确定出位于所述区域内的第二特征点,作为待选特征点。
请参照图6,针对所述第一图像中的第一特征点,以该第一特征点(如图6中的第一特征点A1)在所述第二图像中的映射坐标为中心,在所述第二图像中确定出一个长为所述第二图像的长的1/5,宽为所述第二图像的宽的1/5的区域,其中,该第一特征点的映射坐标为该第一特征点在预先确定的坐标系中的坐标;并根据表征所述区域的轮廓大小的多个轮廓点在所述预先确定的坐标系中的坐标,所述第二图像中的各个第二特征点的坐标,确定出位于所述区域内的第二特征点,作为待选特征点(如图6中的第二特征点B1和B2);在其他实施例中,也可以该第一特征点在所述第二图像中的映射坐标为中心,在所述第二图像中确定出一个长为所述第二图像的长的1/4,宽为所述第二图像的宽的1/5的区域。
其中,位于所述区域内的第二特征点的数量可以为一个,也可以为两个或者多个。作为一种实施方式,针对所述第一图像中的每个特征点,均采用步骤S13的方式执行。
作为一种实施方式,所述确定出位于所述区域内的第二特征点,作为待选特征点,包括步骤:B1和B2。
B1:针对所述第二图像中的第二特征点,根据该第二特征点和所述区域在预先确定的坐标系中的位置,确定该第二特征点是否在所述区域内。
B2:若该第二特征点位于所述区域内,确定该第二特征点为所述待选特征点。
在确定出该第一特征点的待选特征点之后,执行步骤S14。
S14:根据该第一特征点和所述待选特征点的二进制描述子,确定该第一特征点和所述待选特征点之间的汉明距离小于预设距离时,确定该第一特征点和所述待选特征点匹配成功。
其中,在本实施例中,所述预设距离为110,在其他实施例中,所述预设距离也可以为105或者125,所述预设距离根据用户需求设定。
根据该第一特征点和所述待选特征点中的一个第二特征点的二进制描述子,确定该第一特征点和所述待选特征点之间的汉明距离,将所述汉明距离与所述预设距离进行大小比较,若所述汉明距离小于所述预设距离时,确定该第一特征点和所述待选特征点匹配成功,将所述第一图像中的下一个第一特征点与所述下一个第一特征点对应的待选特征点进行比较;
反之,若确定该第一特征点和所述待选特征点匹配失败,且与该第一特征点对应的待选特征点中存在未参与比较的第二特征点时,根据该第一特征点和所述未参与比较的第二特征点中的一个第二特征点的二进制描述子,确定该第一特征点和所述待选特征点之间的汉明距离,若所述汉明距离小于所述预设距离时,确定该第一特征点和所述待选特征点匹配成功。
作为一种实施方式,针对该第一特征点,分别确定所述待选特征点中的各个第二特征点与该第一特征点之间的汉明距离,若存在多个汉明距离小于所述预设距离的第二特征点时,则确定汉明最小的第二特征点与该第一特征点匹配成功。
S15:根据所述第一图像和所述第二图像中匹配成功的特征点对的数量,确定出表征所述第一图像和所述第二图像是否匹配的结果,其中,任意两对匹配成功的特征点对中的特征点均不相同。
根据所述第一图像和所述第二图像中匹配成功的特征点对的数量,确定出匹配成功的特征点对的数量与所述第一特征点或所述第二特征点的数量的比值,在比值大于预设值时,确定所述第一图像和所述第二图像匹配的成功,反正,确定所述第一图像和所述第二图像匹配失败。
其中,在本实施例中,所述预设值为0.8,在其他实施例中,所述预设值可以为0.75或者0.9,所述预设值根据用户需求设定。
为了进一步提高图像匹配的准确度,作为一种实施方式,S15包括步骤:C1、C2和C3。
C1:利用基于网格的运动估计(Grid-based Motion Statistics,GMS)算法函数,从所述匹配成功的特征点对中确定出匹配错误的特征点对。
其中,C1的具体实施方式为本领域熟知技术,因此,在此不再赘述。
C2:将所述匹配错误的特征点对从所述初步匹配成功的特征点中剔除,得到最终匹配成功的特征点对。
C3:根据所述最终匹配成功的特征点对的数量,确定出表征所述第一图像和所述第二图像是否匹配的结果。
确定出最终匹配成功的特征点对的数量与所述第一特征点或所述第二特征点的数量的比值,在比值大于预设值时,确定所述第一图像和所述第二图像匹配的成功,反正,确定所述第一图像和所述第二图像匹配失败。
作为一种实施方式,在S13之后,所述方法还包括:
针对所述第一图像中的第三特征点,以该第三特征点在所述第二图像中的映射坐标为中心,在所述第二图像中确定出一个大小满足所述第一预设条件的第三区域。
从所述第二图像中与所述第一图像匹配失败的第二特征点,以及未与所述第一图像进行匹配的第二特征点中,确定出位于所述第三区域的第二特征点,作为第三待选特征点。
根据该第三特征点和所述第三待选特征点的二进制描述子,在确定该第三特征点和所述第三待选特征点之间的汉明距离小于所述预设距离时,确定该第三特征点和所述第三待选特征点匹配成功。
请参照表1,表1示出了利用本申请实施例所提供的方法进行图像匹配所用的时间和利用传统的ORB算法进行图像匹配所用的时间,通过对比表1中传统ORB算法与本算法的匹配所用时间可知,本申请在保持较高匹配精度的同时,计算描述子所用时间降低了34%,匹配总体所用时间降低了9%,满足SLAM技术对于图像匹配的匹配精度和匹配时间需求。
表1传统ORB算法与本发明中算法的匹配所用时间对比
请参照图7,图7是本申请实施例提供的一种图像匹配装置700的结构框图。下面将对图7所示的结构框图进行阐述,所示装置包括:
特征点确定单元710,用于分别确定出预先获取的第一图像的第一特征点及预先获取的第二图像的第二特征点;其中,所述第一图像和所述第二图像的大小形状相同。
描述子确定单元720,用于针对该图像的每个特征点,根据该特征点周围的像素点的像素值,确定出用于描述该特征点的信息的二进制描述子。
待选特征点确定单元730,用于针对所述第一图像中的第一特征点,以该第一特征点在所述第二图像中的映射坐标为中心,在所述第二图像中确定出一个大小满足第一预设条件的区域,并确定出位于所述区域内的第二特征点,作为待选特征点。
特征点匹配单元740,用于根据该第一特征点和所述待选特征点的二进制描述子,在确定该第一特征点和所述待选特征点之间的汉明距离小于预设距离时,确定该第一特征点和所述待选特征点匹配成功。
匹配结果确定单元750,用于根据所述第一图像和所述第二图像中匹配成功的特征点对的数量,确定出表征所述第一图像和所述第二图像是否匹配的结果,其中,任意两对匹配成功的特征点对中的特征点均不相同。
作为一种实施方式,所述描述子确定单元720,包括:像素块确定单元,用于针对每张图像的每个特征点,按照第一预设规则在该图像中确定出离散分布在该特征点周围的多个大小为3*3的像素块;描述子确定子单元,用于针对该图像中的每个特征点,利用与该特征点对应的多个像素块中的像素点的像素值,确定出用于描述该特征点的信息的二进制描述子。
作为一种实施方式,所述描述子确定子单元,具体用于针对该图像中的每个特征点对应的多个像素块中的每个像素块,从该像素块中,确定出除该像素块的中心点以外的像素值满足第二预设条件的第一像素点;以及从所述第一像素点开始,沿着预设方向,将该像素块中除该中心点以外的其余像素点依次与所述中心点的像素值进行比较;针对所述其余像素点中的每个像素点,若比较结果表征该像素点的像素值大于所述中心点,将初始特征向量中与该像素点在所述其余像素点中的比较顺序位置相同的索引位置的元素置1,否则将所述位置相同的索引位置的元素置0,以对所述初始特征向量进行更新;根据该特征点对应的各个像素块所对应的更新后的特征向量,确定出用于描述该特征点的信息的二进制描述子。
作为一种实施方式,所述描述子确定子单元,还用于针对该图像的每个特征点,确定出该特征点的主方向;以及针对所述对应的多个像素块中的每个像素块,将该像素块的中心点按照所述主方向进行旋转,以使该像素块的中心点的方向与所述主方向一致,得到旋转后的中心点的位置;以所述旋转后的中心点的位置为中心,确定出包含所述旋转后的中心点,且大小为3*3的新的像素块;利用与该特征点对应的多个新的像素块中的像素点的像素值,确定出用于描述该特征点的信息的二进制描述子。
作为一种实施方式,所述待选特征点确定单元730,具体用于针对所述第二图像中的第二特征点,根据该第二特征点和所述区域在预先确定的坐标系中的位置,确定该第二特征点是否在所述区域内;以及若该第二特征点位于所述区域内,确定该第二特征点为所述待选特征点。
作为一种实施方式,所述匹配结果确定单元750,具体用于利用GMS算法函数,从所述匹配成功的特征点对中确定出匹配错误的特征点对;以及将所述匹配错误的特征点对从所述初步匹配成功的特征点中剔除,得到最终匹配成功的特征点对;根据所述最终匹配成功的特征点对的数量,确定出表征所述第一图像和所述第二图像是否匹配的结果。
本实施例对的各功能单元实现各自功能的过程,请参见上述图1-6所示实施例中描述的内容,此处不再赘述。
请参照图8,图8为本申请实施例提供的一种电子设备的结构示意图,电子设备800可以是个人电脑(personal computer,PC)、平板电脑、智能手机、个人数字助理(personaldigital assistant,PDA)等。
电子设备800可以包括:存储器802、处理801、通信接口803和通信总线,通信总线用于实现这些组件的连接通信。
所述存储器802用于存储第一图像、第二图像,以及本申请实施例提供的图像匹配方法和装置对应的计算程序指令等各种数据,其中,存储器802可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(ErasableProgrammable Read-Only Memory,EPROM),电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory,EEPROM)等。
处理器801用于读取并运行存储于存储器中的图像匹配方法和装置对应的计算机程序指令,以确定出表征第一图像和第二图像是否匹配的结果。
其中,处理器801可能是一种集成电路芯片,具有信号的处理能力。上述的处理器801可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。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。
通信接口803,用于接收或者发送数据。
此外,本申请实施例还提供了一种存储介质,在该存储介质中存储有计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行本申请任一项实施方式所提供的方法
综上所述,由于现有的图像匹配技术存在特征点匹配次数较多的问题,继而导致整个图像匹配过程耗时较长,因此,本申请各实施例提出的一种图像匹配方法、装置、电子设备及存储介质,针对第一图像中的第一特征点,以该第一特征点在所述第二图像中的映射坐标为中心,在所述第二图像中确定出一个大小满足第一预设条件的区域,并确定出位于所述区域内的第二特征点,作为待选特征点,后续只需要将该第一特征点与待选特征点进行匹配,无需将该第一特征点与所述第二图像中的全部特征点进行一一匹配,极大地减少了特征点匹配的次数,继而缩短第一图像和第二图像的匹配时间,提高图像匹配的速度。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、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、程序段或代码的一部分,所述模块、程序段或代码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。也应当注意,在有些作为替换的实现方式中,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装置来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
Claims (10)
1.一种图像匹配方法,其特征在于,所述方法包括:
分别确定出预先获取的第一图像的第一特征点及预先获取的第二图像的第二特征点;其中,所述第一图像和所述第二图像的大小形状相同;
针对每张图像的每个特征点,根据该特征点周围的像素点的像素值,确定出用于描述该特征点的信息的二进制描述子;
针对所述第一图像中的第一特征点,以该第一特征点在所述第二图像中的映射坐标为中心,在所述第二图像中确定出一个大小满足第一预设条件的区域,并确定出位于所述区域内的第二特征点,作为待选特征点;
根据该第一特征点和所述待选特征点的二进制描述子,在确定该第一特征点和所述待选特征点之间的汉明距离小于预设距离时,确定该第一特征点和所述待选特征点匹配成功;
根据所述第一图像和所述第二图像中匹配成功的特征点对的数量,确定出表征所述第一图像和所述第二图像是否匹配的结果,其中,任意两对匹配成功的特征点对中的特征点均不相同。
2.根据权利要求1所述的方法,其特征在于,所述针对每张图像的每个特征点,根据该特征点周围的像素点的像素值,确定出用于描述该特征点的信息的二进制描述子包括:
针对每张图像的每个特征点,按照第一预设规则在该图像中确定出离散分布在该特征点周围的多个大小为3*3的像素块;
针对该图像中的每个特征点,利用与该特征点对应的多个像素块中的像素点的像素值,确定出用于描述该特征点的信息的二进制描述子。
3.根据权利要求2所述的方法,其特征在于,所述针对该图像中的每个特征点,利用与该特征点对应的多个像素块中的像素点的像素值,确定出用于描述该特征点的信息的二进制描述子,包括:
针对该图像中的每个特征点对应的多个像素块中的每个像素块,从该像素块中,确定出除该像素块的中心点以外的像素值满足第二预设条件的第一像素点;
从所述第一像素点开始,沿着预设方向,将该像素块中除该中心点以外的其余像素点依次与所述中心点的像素值进行比较;
针对所述其余像素点中的每个像素点,若比较结果表征该像素点的像素值大于所述中心点,将初始特征向量中与该像素点在所述其余像素点中的比较顺序位置相同的索引位置的元素置1,否则将所述位置相同的索引位置的元素置0,以对所述初始特征向量进行更新;
根据该特征点对应的各个像素块所对应的更新后的特征向量,确定出用于描述该特征点的信息的二进制描述子。
4.根据权利要求2所述的方法,其特征在于,所述针对该图像中的每个特征点,利用与该特征点对应的多个像素块中的像素点的像素值,确定出用于描述该特征点的信息的二进制描述子,包括:
针对该图像的每个特征点,确定出该特征点的主方向;
针对所述对应的多个像素块中的每个像素块,将该像素块的中心点按照所述主方向进行旋转,以使该像素块的中心点的方向与所述主方向一致,得到旋转后的中心点的位置;
以所述旋转后的中心点的位置为中心,确定出包含所述旋转后的中心点,且大小为3*3的新的像素块;
利用与该特征点对应的多个新的像素块中的像素点的像素值,确定出用于描述该特征点的信息的二进制描述子。
5.根据权利要求1所述的方法,其特征在于,所述确定出位于所述区域内的第二特征点,作为待选特征点,包括:
针对所述第二图像中的第二特征点,根据该第二特征点和所述区域在预先确定的坐标系中的位置,确定该第二特征点是否在所述区域内;
若该第二特征点位于所述区域内,确定该第二特征点为所述待选特征点。
6.根据权利要求1所述的方法,其特征在于,所述根据所述第一图像和所述第二图像中匹配成功的特征点对的数量,确定出表征所述第一图像和所述第二图像是否匹配的结果,包括:
利用GMS算法函数,从所述匹配成功的特征点对中确定出匹配错误的特征点对;
将所述匹配错误的特征点对从所述初步匹配成功的特征点中剔除,得到最终匹配成功的特征点对;
根据所述最终匹配成功的特征点对的数量,确定出表征所述第一图像和所述第二图像是否匹配的结果。
7.一种图像匹配装置,其特征在于,所述装置包括:
特征点确定单元,用于分别确定出预先获取的第一图像的第一特征点及预先获取的第二图像的第二特征点;其中,所述第一图像和所述第二图像的大小形状相同;
描述子确定单元,用于针对该图像的每个特征点,根据该特征点周围的像素点的像素值,确定出用于描述该特征点的信息的二进制描述子;
待选特征点确定单元,用于针对所述第一图像中的每个第一特征点,以该第一特征点在所述第二图像中的映射坐标为中心,在所述第二图像中确定出一个大小满足第一预设条件的区域,并确定出位于所述区域内的第二特征点,作为待选特征点;
特征点匹配单元,用于根据该第一特征点和所述待选特征点的二进制描述子,在确定该第一特征点和所述待选特征点之间的汉明距离小于预设距离时,确定该第一特征点和所述待选特征点匹配成功;
匹配结果确定单元,用于根据所述第一图像和所述第二图像中匹配成功的特征点对的数量,确定出表征所述第一图像和所述第二图像是否匹配的结果,其中,任意两对匹配成功的特征点对中的特征点均不相同。
8.根据权利要求7所述的装置,其特征在于,所述描述子确定单元,包括:
像素块确定单元,用于针对每张图像的每个特征点,按照第一预设规则在该图像中确定出离散分布在该特征点周围的多个大小为3*3的像素块;
描述子确定子单元,用于针对该图像中的每个特征点,利用与该特征点对应的多个像素块中的像素点的像素值,确定出用于描述该特征点的信息的二进制描述子。
9.一种电子设备,其特征在于,包括存储器以及处理器,所述存储器中存储有计算机程序指令,所述计算机程序指令被所述处理器读取并运行时,执行如权利要求1-6中任一项所述的方法。
10.一种存储介质,其特征在于,所述存储介质上存储有计算机程序指令,所述计算机程序指令被计算机读取并运行时,执行如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010654500.2A CN111767965B (zh) | 2020-07-08 | 2020-07-08 | 图像匹配方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010654500.2A CN111767965B (zh) | 2020-07-08 | 2020-07-08 | 图像匹配方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111767965A true CN111767965A (zh) | 2020-10-13 |
CN111767965B CN111767965B (zh) | 2022-10-04 |
Family
ID=72726532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010654500.2A Active CN111767965B (zh) | 2020-07-08 | 2020-07-08 | 图像匹配方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111767965B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112330787A (zh) * | 2020-11-24 | 2021-02-05 | 沈阳东软智能医疗科技研究院有限公司 | 图像标注方法、装置、存储介质和电子设备 |
CN112686302A (zh) * | 2020-12-29 | 2021-04-20 | 科大讯飞股份有限公司 | 图像特征点匹配方法、计算机设备及存储装置 |
CN112766264A (zh) * | 2021-01-25 | 2021-05-07 | 广州互联网法院 | 图片比对方法及电子设备、计算机可读存储介质 |
CN116563583A (zh) * | 2023-07-07 | 2023-08-08 | 腾讯科技(深圳)有限公司 | 一种图像匹配的方法、地图信息的更新方法以及相关装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107967477A (zh) * | 2017-12-12 | 2018-04-27 | 福州大学 | 一种改进的sift特征联合匹配方法 |
CN109117851A (zh) * | 2018-07-06 | 2019-01-01 | 航天星图科技(北京)有限公司 | 一种基于网格统计约束的视频图像匹配方法 |
CN109801334A (zh) * | 2018-12-29 | 2019-05-24 | 歌尔股份有限公司 | 工件定位方法、标准点确定方法、装置及设备 |
CN110443295A (zh) * | 2019-07-30 | 2019-11-12 | 上海理工大学 | 改进的图像匹配与误匹配剔除算法 |
CN110675437A (zh) * | 2019-09-24 | 2020-01-10 | 重庆邮电大学 | 一种基于改进gms-orb特征的图像匹配方法及存储介质 |
-
2020
- 2020-07-08 CN CN202010654500.2A patent/CN111767965B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107967477A (zh) * | 2017-12-12 | 2018-04-27 | 福州大学 | 一种改进的sift特征联合匹配方法 |
CN109117851A (zh) * | 2018-07-06 | 2019-01-01 | 航天星图科技(北京)有限公司 | 一种基于网格统计约束的视频图像匹配方法 |
CN109801334A (zh) * | 2018-12-29 | 2019-05-24 | 歌尔股份有限公司 | 工件定位方法、标准点确定方法、装置及设备 |
CN110443295A (zh) * | 2019-07-30 | 2019-11-12 | 上海理工大学 | 改进的图像匹配与误匹配剔除算法 |
CN110675437A (zh) * | 2019-09-24 | 2020-01-10 | 重庆邮电大学 | 一种基于改进gms-orb特征的图像匹配方法及存储介质 |
Non-Patent Citations (1)
Title |
---|
XIAOGANG SONG ET AL.: "Reliability Evaluation of Fuzzy Multi-state Systems Based on Stochastic Computation", 《2020 IEEE INTERNATIONAL CONFERENCE ON ADVANCES IN ELECTRICAL ENGINEERING AND COMPUTER APPLICATIONS( AEECA)》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112330787A (zh) * | 2020-11-24 | 2021-02-05 | 沈阳东软智能医疗科技研究院有限公司 | 图像标注方法、装置、存储介质和电子设备 |
CN112330787B (zh) * | 2020-11-24 | 2023-12-15 | 沈阳东软智能医疗科技研究院有限公司 | 图像标注方法、装置、存储介质和电子设备 |
CN112686302A (zh) * | 2020-12-29 | 2021-04-20 | 科大讯飞股份有限公司 | 图像特征点匹配方法、计算机设备及存储装置 |
CN112686302B (zh) * | 2020-12-29 | 2024-02-13 | 科大讯飞股份有限公司 | 图像特征点匹配方法、计算机设备及存储装置 |
CN112766264A (zh) * | 2021-01-25 | 2021-05-07 | 广州互联网法院 | 图片比对方法及电子设备、计算机可读存储介质 |
CN116563583A (zh) * | 2023-07-07 | 2023-08-08 | 腾讯科技(深圳)有限公司 | 一种图像匹配的方法、地图信息的更新方法以及相关装置 |
CN116563583B (zh) * | 2023-07-07 | 2023-10-10 | 腾讯科技(深圳)有限公司 | 一种图像匹配的方法、地图信息的更新方法以及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111767965B (zh) | 2022-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111767965B (zh) | 图像匹配方法、装置、电子设备及存储介质 | |
CN110866496B (zh) | 基于深度图像的机器人定位与建图方法和装置 | |
CN107633526B (zh) | 一种图像跟踪点获取方法及设备、存储介质 | |
CN111612852B (zh) | 用于验证相机参数的方法和装置 | |
CN111815754A (zh) | 一种三维信息确定方法、三维信息确定装置及终端设备 | |
CN110866497B (zh) | 基于点线特征融合的机器人定位与建图方法和装置 | |
CN108399025B (zh) | 一种修正识别偏差的方法、装置及终端设备 | |
CN112991180B (zh) | 图像拼接方法、装置、设备以及存储介质 | |
CN112085033A (zh) | 一种模板匹配方法、装置、电子设备及存储介质 | |
CN114186632A (zh) | 关键点检测模型的训练方法、装置、设备、存储介质 | |
CN109948624A (zh) | 特征提取的方法、装置、电子设备和计算机存储介质 | |
CN111145634B (zh) | 一种校正地图的方法及装置 | |
CN115331213A (zh) | 字符识别方法、芯片、电子设备及存储介质 | |
CN113172636A (zh) | 一种自动手眼标定方法、装置及存储介质 | |
CN112036362A (zh) | 图像处理方法、装置、计算机设备和可读存储介质 | |
CN115630663A (zh) | 一种二维码识别方法、装置及电子设备 | |
CN113537309B (zh) | 一种对象识别方法、装置及电子设备 | |
CN112750164B (zh) | 轻量化定位模型的构建方法、定位方法、电子设备 | |
CN111951211B (zh) | 一种目标检测方法、装置及计算机可读存储介质 | |
CN111223139A (zh) | 目标定位方法及终端设备 | |
CN113227708B (zh) | 确定俯仰角的方法、装置及终端设备 | |
CN113361511A (zh) | 修正模型的建立方法、装置、设备及计算机可读存储介质 | |
CN109886127B (zh) | 指纹识别方法及终端设备 | |
CN113643318B (zh) | 图像分割方法、图像分割装置及终端设备 | |
CN113409373B (zh) | 图像处理方法及相关终端、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 |