CN111862204A - 图像的视觉特征点的提取方法及相关装置 - Google Patents

Abstract

本申请提供了一种图像的视觉特征点的提取方法及相关装置，其中，该方法包括：对视觉定位图像进行图像划分，得到多个分块；多个分块中存在交叠区域；对每个分块进行视觉特征提取，得到每个分块对应的特征点集；合并交叠区域中坐标参数相同的特征点，并根据多个分块对应的多个特征点集确定视觉定位图像对应的总特征点集。由于交叠区域中会重复提取坐标参数相同的特征点，而坐标参数相同的特征点中，总存在一个特征点不靠近分块边界，从而通过将坐标参数相同的特征点进行合并的方式，可以实现对特征点附近预设范围内的特征进行正确提取，进而实现划分线附近的视觉特征点能够被正确提取，故本申请能够提升视觉特征点提取的准确性。

Description

图像的视觉特征点的提取方法及相关装置

技术领域

本申请涉及图像处理技术领域，具体而言，涉及一种图像的视觉特征点的提取方法及相关装置。

背景技术

在视觉定位任务中，通常通过视觉特征提取模块提取图像的视觉特征点，以完成视觉定位任务。其中，视觉特征点提取的有效性对定位的精度起着关键作用。

目前，在对图像进行视觉特征点提取前，通常会对图像进行预处理(例如对图像进行网格状的划分)，然后对预处理后的图像通过提取技术(例如SIFT(Scale-invariantfeature transform，尺度不变特征变换)、ORB(Oriented FAST and Rotated BRIEF，快速特征点提取和描述算法)等)进行视觉特征点的提取。由于现有的图像预处理的处理方式非常简单，在图像的划分线附近的视觉特征点常常会出现误匹配或失败匹配，进而造成视觉定位的精度大幅下降甚至失败。

因此，如何提升视觉特征点提取的准确性是目前亟待解决的技术问题。

发明内容

有鉴于此，本申请的目的在于提供一种图像的视觉特征点的提取方法及相关装置，能够提升视觉特征点提取的准确性。

第一方面，本申请实施例提供一种图像的视觉特征点的提取方法，包括：对视觉定位图像进行图像划分，得到多个分块；所述多个分块中存在交叠区域；对每个所述分块进行视觉特征提取，得到每个所述分块对应的特征点集；合并所述交叠区域中坐标参数相同的特征点，并根据所述多个分块对应的多个特征点集确定所述视觉定位图像对应的总特征点集。

在可选的实施方式中，所述对每个所述分块进行视觉特征提取，得到每个所述分块对应的特征点集的步骤包括：并行地对每个所述分块进行视觉特征提取，得到每个所述分块对应的特征点集；每个所述分块对应的特征点集的特征点数量位于预设数值范围内。

在可选的实施方式中，所述对视觉定位图像进行图像划分，得到多个分块的步骤包括：对所述视觉定位图像进行图像划分，得到多个分块，其中，任意相邻的两个分块之间存在交叠区域。

在可选的实施方式中，每个所述分块的大小为M×N，所述交叠区域的大小为m×n，并且m×n＝γM×γN，γ为小于1且大于0的预设系数。

在可选的实施方式中，所述并行地对每个所述分块进行视觉特征提取，得到每个所述分块对应的特征点集的步骤包括：并行地对每个所述分块进行视觉特征提取，得到每个所述分块对应的提取特征点集；所述提取特征点集的特征点数量大于或等于预设数值；从所述提取特征点集中确定所述特征点集，所述特征点集的特征点数量位于预设数值范围内。

在可选的实施方式中，所述从所述提取特征点集中确定所述特征点集，所述特征点集的特征点数量位于预设数值范围内的步骤包括：根据特征点的特征参数从所述提取特征点集中确定q个特征点作为所述特征点集；q位于预设数值范围内，所述特征参数包括响应值以及尺度参数中的至少一个参数。

在可选的实施方式中，每个特征点对应一个尺度参数，当所述多个特征点集合中存在多个坐标参数相同的特征点时，所述合并所述交叠区域中坐标参数相同的特征点，并根据所述多个分块对应的多个特征点集确定所述视觉定位图像对应的总特征点集的步骤包括：删除所述多个坐标参数相同的特征点中尺度参数较小的特征点；将删除后的所述多个特征点集合并为所述总特征点集。

第二方面，本申请实施例提供一种图像的视觉特征点的提取装置，包括：划分模块，用于对视觉定位图像进行图像划分，得到多个分块；所述多个分块中存在交叠区域；提取模块，用于对每个所述分块进行视觉特征提取，得到每个所述分块对应的特征点集；所述提取模块，还用于合并所述交叠区域中坐标参数相同的特征点，并根据所述多个分块对应的多个特征点集确定所述视觉定位图像对应的总特征点集。

在可选的实施方式中，所述提取模块用于并行地对每个所述分块进行视觉特征提取，得到每个所述分块对应的特征点集；每个所述分块对应的特征点集的特征点数量位于预设数值范围内。

在可选的实施方式中，所述划分模块用于对视觉定位图像进行图像划分，得到多个分块，其中，任意相邻的两个分块之间存在交叠区域。

在可选的实施方式中，每个所述分块的大小为M×N，所述交叠区域的大小为m×n，并且m×n＝γM×γN，γ为小于1且大于0的预设系数。

在可选的实施方式中，所述提取模块用于并行地对每个所述分块进行视觉特征提取，得到每个所述分块对应的提取特征点集；所述提取特征点集的特征点数量大于或等于预设数值；所述提取模块还用于从所述提取特征点集中确定所述特征点集，所述特征点集的特征点数量位于预设数值范围内。

在可选的实施方式中，所述提取模块用于根据特征点的特征参数从所述提取特征点集中确定q个特征点作为所述特征点集；q位于预设数值范围内，所述特征参数包括响应值以及尺度参数中的至少一个参数。

在可选的实施方式中，每个特征点对应一个尺度参数，当所述多个特征点集合中存在多个坐标参数相同的特征点时，所述提取模块用于删除所述多个坐标参数相同的特征点中尺度参数较小的特征点；所述提取模块还用于将删除后的所述多个特征点集合并为所述总特征点集。

第三方面，本申请实施例提供一种电子设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如前述实施方式任一所述方法的步骤。

第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如前述实施方式任一所述方法的步骤。

基于上述任一方面，由于多个分块中存在交叠区域，两个交叠的分块的交叠区域中会重复提取坐标参数相同的特征点，而坐标参数相同的特征点中，总存在一个特征点不靠近分块边界，通过将交叠区域中坐标参数相同的特征点进行合并的方式，可以实现对特征点附近的预设范围内的特征进行正确提取，进而实现交叠的两个分块的划分线附近的视觉特征点能够被正确提取，故本申请能够提升视觉特征点提取的准确性。

另外，在一些实施例中，由于任意相邻的两个分块之间存在交叠区域，任意靠近或位于分块边界的特征点总会存在一个坐标参数相同的特征点不靠近分块边界，进而可以完全避免图像的划分线附近的视觉特征点由于没有提取到该点附近的预设范围内的特征而出现误匹配或失败匹配的情况，故而进一步提升视觉特征点提取的准确性。

另外，在一些实施例中，由于通过并行地对每个分块进行视觉特征提取，本申请还可以提升图像的视觉特征点的提取速度，进而本申请能够提升视觉特征点提取的提取效率。由于确保每个分块对应的特征点集的特征点数量位于预设数值范围内，即每个分块中的特征点集的特征点数量相近，整个视觉定位图像的特征点分布较为均为，避免所提取的视觉特征点集中分布在如行人、动态物体等无效的特征区域，故而本申请所提取的总特征点集能够表示出该图像的总体特征，能够进一步提升视觉特征点提取的准确性。

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示出了现有的对图像进行视觉特征点提取的示意图；

图2示出了本申请实施例提供的一种应用场景示意图；

图3示出了本申请实施例提供的图像的视觉特征点的提取方法的一种流程示意图；

图4示出了本申请实施例提供的图像的视觉特征点的提取过程中的一种手机的用户界面示意图；

图5示出了本申请实施例提供的图像的视觉特征点的提取过程中的另一种手机的用户界面示意图；

图6示出了本申请实施例提供的方法对图像进行视觉特征点提取的一种示意图；

图7示出了本申请实施例提供的图像的视觉特征点的提取过程中的另一种手机的用户界面示意图；

图8示出了本申请实施例提供的图像的视觉特征点的提取方法中，图像的视觉特征点的提取具体方法的流程图；

图9示出了本申请实施例提供的方法对图像进行视觉特征点提取的另一种示意图；

图10示出了本申请实施例提供的方法对图像进行视觉特征点提取的另一种示意图；

图11示出了本申请实施例提供的图像的视觉特征点的提取方法中，图像的视觉特征点的提取具体方法的流程图；

图12示出了本申请实施例提供的图像的视觉特征点的提取方法中，图像的视觉特征点的提取具体方法的流程图；

图13示出了本申请实施例提供的方法对图像进行视觉特征点提取的另一种示意图；

图14示出了本申请实施例提供的一种图像的视觉特征点的提取装置的结构示意图；

图15示出了本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。

另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

为了使得本领域技术人员能够使用本申请内容，结合特定应用场景“用户通过手机等电子设备进行AR(Augmented Reality，增强现实)导航”，给出以下实施方式。对于本领域技术人员来说，在不脱离本申请的精神和范围的情况下，可以将这里定义的一般原理应用于其他实施例和应用场景。虽然本申请主要围绕用户通过手机等电子设备进行AR导航进行描述，但是应该理解，这仅是一个示例性实施例。

需要说明的是，本申请实施例中将会用到术语“包括”，用于指出其后所声明的特征的存在，但并不排除增加其它的特征。

在实现本申请实施例的技术方案的过程中，本申请发明人发现：

目前，在对图像进行视觉特征点提取前，通常会对图像进行预处理(如图1所示，对①所示的图像进行网格状的2×2划分，得到②所示的图像)，然后对预处理后的图像通过提取技术(例如SIFT、ORB等)进行视觉特征点的提取(如图1所示，对②所示的图像进行视觉特征点的提取，得到③所示的图像)。由于现有的图像预处理的处理方式非常简单，而视觉特征点需要根据该点附近的预设范围内的特征进行提取，在图像的划分线附近的视觉特征点常常因为没有提取到该点附近的预设范围内的特征而出现误匹配或失败匹配(如③所示的图像中的划分线附近的视觉特征点)。

故在通过现有的提取技术对图像进行的视觉特征点以完成视觉定位任务的过程中，由于现有的图像预处理的处理方式非常简单，在图像的划分线附近的视觉特征点常常会出现误匹配或失败匹配，进而造成视觉定位的精度大幅下降甚至失败。

因此，为了改善上述缺陷，本申请实施例提出一种图像的视觉特征点的提取方法及相关装置，其能够提升视觉特征点提取的准确性。需要说明的是，以上现有技术中的方案所存在的缺陷，均是发明人在经过实践并仔细研究后得出的结果，因此，上述问题的发现过程以及下文中本申请实施例针对上述问题所提出的解决方案，都应该是发明人在本申请过程中对本申请做出的贡献。

首先，本申请实施例提供的一种图像的视觉特征点的提取方法可应用于电子设备中，该电子设备的设备类型可以是服务器、手机、平板电脑、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)、手持计算机、上网本、个人数字助理(personal digital assistant，PDA)、可穿戴电子设备、虚拟现实设备、汽车中控台等电子设备，本申请实施例对此不做任何限制。

应理解，在具备有获取数据以及处理数据功能的电子设备(例如，服务器、手机、平板电脑等)上，都可以应用本申请提供的图像的视觉特征点的提取方法。

为便于理解，以该电子设备的设备类型为服务器为例，请参照图2，服务器100可以与手机200通信连接，服务器100可以包括处理器。处理器可以处理与图像的视觉特征点的提取有关的信息和/或数据，以执行本申请中描述的一个或多个功能。例如，处理器可以从手机获取视觉定位图像相关的数据，并对视觉定位图像进行视觉特征点的提取，进而实现本申请提供的图像的视觉特征点的提取方法。在一些实施例中，处理器可以包括一个或多个处理核(例如，单核处理器或多核处理器)。仅作为举例，处理器可以包括中央处理单元(Central Processing Unit，CPU)、专用集成电路(Application Specific IntegratedCircuit，ASIC)、专用指令集处理器(Application Specific Instruction-setProcessor，ASIP)、图形处理单元(Graphics Processing Unit，GPU)、物理处理单元(Physics Processing Unit，PPU)、数字信号处理器(Digital Signal Processor，DSP)、现场可编程门阵列(Field Programmable Gate Array，FPGA)、可编程逻辑器件(Programmable Logic Device，PLD)、控制器、微控制器单元、简化指令集计算机(ReducedInstruction Set Computing，RISC)、或微处理器等，或其任意组合。

为了便于理解，本申请以下实施例将以图2所示的服务器和手机为例，结合附图和应用场景(用户通过手机等电子设备进行AR导航)，对本申请实施例提供的图像的视觉特征点的提取方法进行具体阐述。

请参照图3，图3为本申请实施例提供的图像的视觉特征点的提取的一种流程示意图。该方法可以应用于上述的电子设备(例如服务器)，可以包括以下步骤：

S100，对视觉定位图像进行图像划分，得到多个分块；多个分块中存在交叠区域。

在一些可能的实施例中，基于图2所示的手机以及服务器，并结合“用户通过手机等电子设备进行AR导航”的应用场景，如图4所示，该手机的屏幕显示系统显示了当前输出的界面内容201，该界面内容201为手机的主界面。该主界面上显示了多款应用程序，例如，“通讯录”、“定位”、“设备”、“便签”、“更新”、“信息”、“通话”、“设置”以及“导航”。应理解，该界面内容201还可以包括其他应用程序，本申请对此不作限定。

当用户有询问路径的需求时，可以通过手机进行AR导航(即用户可以通过操作手机实现AR导航)。此时，手机可以响应用户操作，当手机检测到用户点击主界面上的“导航”应用程序的图标202的操作后，可以启动“导航”应用程序，在启动“导航”应用程序后，如图5所示，手机的界面内容201可以呈现如界面203的内容。此时，手机可以打开摄像头，拍摄摄像头朝向的环境的图像，并可以将环境的图像通过显示屏显示出来。

手机在获取到环境的图像后，将该图像作为视觉定位图像，并通过网络将该视觉定位图像发送至服务器，由服务器对该视觉定位图像进行图像划分，得到多个分块。如图6所示，服务器在获取到手机发送的视觉定位图像后，首先可以按照①中所示的分块方式对视觉定位图像进行划分，得到②中所示的多个分块(即多个图像块)，其中，①中所示的分块方式包括A、B、C、D四个划分块，A划分块为实线围成的区域，B、C、D划分块为不同密度的虚线围成的区域，该四个划分块的交叠关系为：A划分块与B划分块存在交叠部分，B划分块与A和D划分块存在交叠部分，D划分块与B和C存在交叠部分，C划分块与D和B划分块存在交叠部分。通过该四个划分块，服务器可以在对视觉定位图像进行划分后，得到对应的四个分块(A`、B`、C`、D`)，该四个分块的交叠关系与上述的四个划分块的交叠关系一致，即服务器对视觉定位图像进行图像划分，得到的多个分块中存在交叠区域。

需要说明的是，服务器既可以按图6所示的划分方式对视觉定位图像进行划分，也可以根据实际应用场景对视觉定位图像进行不同的划分，确保多个分块中存在交叠区域即可，因此本申请并未对服务器对视觉定位图像进行划分的方式进行限定。另外，上述的多个分块中存在交叠区域可以理解为：多个分块中至少存在一个交叠区域。也即是说，多个分块中，某两个分块之间可以不交叠。

需要补充的是，手机在获取到环境的图像后，可以直接将该图像作为视觉定位图像，并对该视觉定位图像进行图像的视觉特征点的提取，进而可以理解，本申请对于本申请提供的方法所应用的电子设备的具体设备类型不作限定，本实施例仅以一种特定的场景示例性地将本申请提供的方法应用在服务器上。

应理解，在S100之前，本申请提供的方法还可以包括：获取视觉定位图像，其中，该视觉定位图像可以是以表征一幅图像的数据，也可以是表征视频(即多副图像的数据)的数据，本申请对于视觉定位图像的具体形式不做限定。

S110，对每个分块进行视觉特征提取，得到每个分块对应的特征点集。

在一些可能的实施例中，请继续参照图6，服务器在对视觉定位图像进行图像划分，得到多个分块后(即得到②中所示的多个分块后)，服务器还可以对每个分块进行视觉特征提取，得到③中所示的视觉特征点，其中，a至m共同视觉特征点可以理解为坐标参数相同的特征点。具体的，A`、B`、C`、D`，A`分块对应的特征点集包括7个特征点，其中a至f特征点为A`分块与B`分块的交叠区域中的共同特征点；B`分块对应的特征点集包括24个特征点，其中a至f特征点为A`分块与B`分块的交叠区域中的共同特征点，g至j特征点为B`分块与C`分块的交叠区域中的共同特征点，j至m特征点为B`分块与D`分块的交叠区域中的共同特征点；C`分块对应的特征点集包括5个特征点，其中g至j特征点为C`分块与B`分块的交叠区域中的共同特征点，j特征点为C`分块与D`分块的交叠区域中的共同特征点；D`分块对应的特征点集包括5个特征点，其中j至m特征点为D`分块与B`分块的交叠区域中的共同特征点，j特征点为D`分块与C`分块的交叠区域中的共同特征点。可以理解，上述的共同特征点实际为重复提取的特征点。

需要说明的是，对每个分块进行视觉特征提取的提取方法可以是ORB提取方法、SIFT提取方法、siftGPU提取方法等。

应理解，由于多个分块中存在交叠区域，两个交叠的分块的交叠区域中会重复提取坐标参数相同的特征点，当两个交叠分块中的一个分块的交叠区域中存在某一特征点位于或靠近该分块边界时，该特征点在两个交叠分块中的另一个分块实际并未位于或靠近该分块边界，即坐标参数相同的特征点中，总存在一个特征点不靠近分块边界。

S120，合并交叠区域中坐标参数相同的特征点，并根据多个分块对应的多个特征点集确定视觉定位图像对应的总特征点集。

在一些可能的实施例中，请再参照图6，由于交叠区域中存在重复提取的特征点(例如，A`分块和B`分块对应的特征点集中均包括了a至f特征点)，因此，在得到每个分块对应的特征点集后，服务器还可以合并交叠区域中坐标参数相同的特征点，以合并A`分块与B`分块的交叠区域中的坐标参数相同的特征点(即共同特征点)为例，服务器可以随机保留A`分块对应的特征点集中的a特征点和B`分块对应的特征点集中的a特征点中的一个，即随机保留坐标参数相同的特征点中的一个，进而实现合并交叠区域中坐标参数相同的特征点。

在合并完交叠区域中坐标参数相同的特征点后，服务器可以将A`至D`分块对应的四个特征点集合并为一个特征点集作为视觉定位图像对应的总特征点集，以实现根据多个分块对应的多个特征点集确定视觉定位图像对应的总特征点集。

在一些可能的实施例中，当服务器确定出总特征点集后可以根据总特征点集确定出图像的视觉定位点，并根据视觉定位点确定出与用户需求对应的方位标识数据，进而有效地完成视觉定位任务。然后将该方位标识数据发送至手机，以支持手机进行AR导航，进而手机可以根据该方位标识数据在显示屏上显示出相应的路径指示(如图7所示，手机可以根据方位标识数据在显示屏上显示出“导航信息：直走30米到目的地。”)，以实现用户的询问路径的需求，完成用户可以通过操作手机实现AR导航。

应理解，由于多个分块中存在交叠区域，两个交叠的分块的交叠区域中会重复提取坐标参数相同的特征点，而坐标参数相同的特征点中，总存在一个特征点不靠近分块边界。从而通过将交叠区域中坐标参数相同的特征点进行合并的方式，可以实现对该特征点附近的预设范围内的特征进行正确提取，进而多个分块中存在交叠区域可以确保交叠的两个分块的划分线附近的视觉特征点能够被正确提取，故本申请能够提升视觉特征点提取的准确性。

进一步的，在图3的基础上，下面给出一种完整方案可能的实现方式，请参照图8，图8示出了本申请实施例提供的多轮对话的对话数据处理方法的另一种流程图。

对于如何对视觉定位图像进行图像划分，以进一步提升视觉特征点提取的准确性，S100可以包括：

S101，对视觉定位图像进行图像划分，得到多个分块，其中，任意相邻的两个分块之间存在交叠区域。

在一些可能的实施例中，基于图5所示的应用场景中的视觉定位图像，请参照图9，服务器可以分别按①、②、③、④中所示的划分块(1至4)对该视觉定位图像进行划分，得到如图10所示的多个分块(1至4)，其中，分块1与分块2、3相邻，且分块1与分块2、3之间存在交叠区域；分块2与分块1、4相邻，且分块2与分块1、4之间存在交叠区域；分块3与分块1、4相邻，且分块3与分块1、4之间存在交叠区域；分块4与分块2、3相邻，且分块4与分块2、3之间存在交叠区域。即图10所示的多个分块，任意相邻的两个分块之间存在交叠区域。

由于任意相邻的两个分块之间存在交叠区域，任意靠近或位于分块边界的特征点总会存在一个坐标参数相同的特征点不靠近分块边界，进而可以完全避免图像的划分线附近的视觉特征点由于没有提取到该点附近的预设范围内的特征而出现误匹配或失败匹配的情况，故而进一步提升视觉特征点提取的准确性。

进一步的，为了合理地对视觉定位图像进行图像划分，服务器对视觉定位图像进行图像划分所得到的每个分块的大小可以为M×N，交叠区域的大小可以为m×n，并且m×n＝γM×γN，γ为小于1且大于0的预设系数。可选地，γ的取值范围可以为1/5～1/2，即0.2～0.5。

还需要补充的是，上述的多个分块的数量可以是N1×N2，其中，N1、N2的范围可以是3～8，且N1、N2可以不相等。

应理解，上述参数的设置均为发明人通过多次的试验得到的合理值，通过上述参数的设定，能够合理地对视觉定位图像进行图像划分，并且提升视觉特征点提取的准确性以及提取效率。

另外，在实现本申请实施例的技术方案的过程中，本申请发明人还发现：

在实际应用场景中，图像中通常存在大量的无效特征区域(如行人、动态物体等)，当这些区域的纹理比较丰富时，现有的提取技术所提取的视觉特征点将集中在这些区域，再如图1所示，当采用SIFT或ORB等视觉特征点提取算法对②中所示的图像进行视觉特征点提取时，所提取出的视觉特征点通常的分布如③中所示，③所示的图像中的视觉特征点集中在行人等动态物体上，没有很好的表示出该图像的总体特征。

故在通过现有的提取技术对图像进行的视觉特征点以完成视觉定位任务的过程中，现有的提取技术对图像进行的视觉特征点的提取常常会集中分布在如行人、动态物体等无效的特征区域，这会导致视觉定位出现大量误匹配或失败匹配，造成视觉定位的精度大幅下降甚至失败。

因此，为了改善上述缺陷，本申请实施例所提供的方法还能够进一步提升视觉特征点提取的准确性。需要说明的是，以上现有技术中的方案所存在的缺陷，均是发明人在经过实践并仔细研究后得出的结果，因此，上述问题的发现过程以及下文中本申请实施例针对上述问题所提出的解决方案，都应该是发明人在本申请过程中对本申请做出的贡献。

在图3的基础上，为了解决现有的提取技术对图像进行的视觉特征点的提取常常会集中分布在如行人、动态物体等无效的特征区域的技术问题，请参照图11，S110可以包括：并行地对每个分块进行视觉特征提取，得到每个分块对应的特征点集；每个分块对应的特征点集的特征点数量位于预设数值范围内。

在一些可能的实施例中，为了提升图像的视觉特征点的提取速度，服务器在对视觉定位图像进行图像划分，得到多个分块后，还可以并行地对每个分块进行视觉特征提取，得到每个分块对应的特征点集，其中，每个分块对应的特征点集的特征点数量位于预设数值范围内。

应理解，由于通过并行地对每个分块进行视觉特征提取，本申请还可以提升图像的视觉特征点的提取速度，进而本申请能够提升视觉特征点提取的提取效率。由于确保每个分块对应的特征点集的特征点数量位于预设数值范围内，即每个分块中的特征点集的特征点数量相近，整个视觉定位图像的特征点分布较为均为，避免所提取的视觉特征点集中分布在如行人、动态物体等无效的特征区域，故而本申请所提取的总特征点集能够表示出该图像的总体特征，能够进一步提升视觉特征点提取的准确性。

进一步的，在图11的基础上，请参照图12，对于如何并行地对每个分块进行视觉特征提取，得到每个分块对应的特征点集，S111可以包括：

S111-1，并行地对每个分块进行视觉特征提取，得到每个分块对应的提取特征点集；提取特征点集的特征点数量大于或等于预设数值。

在一些可能的实施例中，假设预设数值为250，则服务器可以在并行地对每个分块进行视觉特征提取时，对每个分块至少提取250个特征点作为该分块对应的特征点集。

S111-2，从提取特征点集中确定特征点集，特征点集的特征点数量位于预设数值范围内。

在一些可能的实施例中，假设该预设数值范围为125±5，当得到每个分块对应的提取特征点集后，以对一个分块对应的提取特征点集中确定特征点集为例，服务器可以从该提取特征点集提取出125个特征点作为特征点集。

需要说明的是，上述的预设数值范围可以简化为一个预设值。

进一步的，每个特征点对应一个特征参数，对于如何从提取特征点集中确定特征点集，可以：根据特征点的特征参数从提取特征点集中确定q个特征点作为特征点集；特征参数包括响应值以及尺度参数中的至少一个参数。

当特征参数包括响应值时，对于如何根据特征点的特征参数从提取特征点集中确定q个特征点作为特征点集，在一些可能的实施例中，可以：按响应值由大到小的顺序将提取特征点集中的前q个特征点的集合确定为特征点集。例如，假设预设数值范围为125±5，则从分块A中提取的提取特征点集包括250个特征点后，可以按特征点的响应值由大到小的顺序将该250个特征点依次排列，然后取前125个特征点作为特征点集。

当特征参数包括尺度参数时，对于如何根据特征点的特征参数从提取特征点集中确定q个特征点作为特征点集，在一些可能的实施例中，可以：按尺度参数由大到小的顺序将提取特征点集中的前q个特征点的集合确定为特征点集。例如，假设预设数值范围为125±5，则从分块A中提取的提取特征点集包括250个特征点后，可以按特征点的尺度参数由大到小的顺序将该250个特征点依次排列，然后取前125个特征点作为特征点集。

当特征参数包括响应值以及尺度参数时，对于如何根据特征点的特征参数从提取特征点集中确定q个特征点作为特征点集，在一些可能的实施例中，可以：按响应值由大到小的顺序将提取特征点集中的前q1个特征点的集合，然后按尺度参数由大到小的顺序将前q1个特征点的集合中的q2个特征点的集合确定为特征点集，其中，q1大于q2，q2位于预设数值范围内。例如，假设预设数值范围为125±5，则从分块A中提取的提取特征点集包括250个特征点后，可以先按特征点的响应值由大到小的顺序将该250个特征点依次排列，然后取前200个特征点，然后按特征点的尺度参数由大到小的顺序将该200个特征点依次排列，取前125个特征点作为特征点集。

基于上述可能的实施例，可以理解，本申请对于根据特征点的特征参数从提取特征点集中确定q个特征点作为特征点集的具体形式未作限定，在实际的应用场景中，可以根据实际需求采用不同的实施方式实现根据特征点的特征参数从提取特征点集中确定q个特征点作为特征点集。

可选地，假设上述的多个分块的数量为N1×N2，一幅视觉定位图像需要提取的视觉特征点为Q，则每个分块需要提取的视觉特征点可以为Q/(N1×N2)，上述的预设数值可以为α×Q/(N1×N2)，其中α取值范围为1.0～2.0，Q的取值范围为500～4000。应理解，上述参数的设置均为发明人通过多次的试验得到的合理值，通过上述参数的设定，能够合理地对视觉定位图像进行图像划分，并且提升视觉特征点提取的准确性以及提取效率。

对于如何合并交叠区域中坐标参数相同的特征点，并根据多个分块对应的多个特征点集确定视觉定位图像对应的总特征点集，每个特征点对应一个尺度参数，当多个特征点集合中存在多个坐标参数相同的特征点时，S120可以包括：

S121，删除多个坐标参数相同的特征点中尺度参数较小的特征点。

在一些可能实施例中，请参照图13，①所示的分块中包括a至h特征点(共同视觉特征点)，②所示的分块中包括b至j特征点，③所示的分块中包括a至e以及k特征点，④所示的分块中包括b至e以及i、j特征点。也即是说，服务器在对每个分块进行视觉特征提取时，得到的多个特征点集中存在坐标参数相同的特征点，例如①所示的分块中包括的a特征点与③所示的分块中同样包括的a特征点，应理解，①所示的分块中包括的a特征点与③所示的分块中同样包括的a特征点仅是坐标参数相同。

以删除①所示的分块中包括的a特征点与③所示的分块中同样包括的a特征点中尺度参数较小的特征点为例，可以删除尺度参数较小的那个特征点，保留尺度参数较大的那个特征点。

S122，将删除后的多个特征点集合并为总特征点集。

在一些可能实施例中，在删除多个坐标参数相同的特征点中尺度参数较小的特征点后，可以理解，此时的多个特征点集合中同一个坐标参数上仅存在一个特征点，进而可以将该多个特征点集合中的所有特征点直接作为总特征点集。

应理解，本申请通过并行地对每个分块进行视觉特征提取，得到每个分块对应的提取特征点集，且每个分块中的特征点集的特征点数量相近，整个视觉定位图像的特征点分布较为均为，避免所提取的视觉特征点集中分布在如行人、动态物体等无效的特征区域。以及本申请通过将交叠区域中坐标参数相同的特征点进行合并的方式，可以实现对该特征点附近的预设范围内的特征进行正确提取，进而交叠的两个分块的划分线附近的视觉特征点能够被正确提取，进而本申请能够极大地提升视觉特征点提取的准确性以及提取效率。

为了执行上述实施例及各个可能的方式中的相应步骤，下面给出一种图像的视觉特征点的提取装置的实现方式，请参阅图14，图14示出了本申请实施例提供的图像的视觉特征点的提取装置的一种功能模块图。需要说明的是，本实施例所提供的图像的视觉特征点的提取装置300，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。该图像的视觉特征点的提取装置300包括：划分模块310、提取模块320。

可选地，上述模块可以软件或固件(Firmware)的形式存储于存储器中或固化于该电子设备的操作系统(Operating System，OS)中，并可由电子设备中的处理器执行。同时，执行上述模块所需的数据、程序的代码等可以存储在存储器中。

其中，划分模块310可以用于支持电子设备执行上述S100、S101等，和/或用于本文所描述的技术的其他过程。

提取模块320可以用于支持电子设备执行上述S110、S120、S111、S111-1、S111-2、S121、S122等，和/或用于本文所描述的技术的其他过程。

需要说明的是，上述方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能模块的功能描述，在此不再赘述。

基于上述方法实施例，本申请实施例还提供了一种电子设备400，如图15所示，为本申请实施例提供的电子设备400结构示意图，包括：处理器410、存储器420、和总线430。存储器420可以用于存储一个或多个计算机程序，该一个或多个计算机程序包括指令(比如，图14中的装置中划分模块310、提取模块320对应的执行指令等)。当电子设备400运行时，所述处理器410与所述存储器420之间通过总线430通信，处理器410可以通过运行存储在存储器420的上述指令，从而使得电子设备400执行本申请一些实施例中所提供的图像的视觉特征点的提取，以及各种功能应用和数据处理等。

基于上述方法实施例，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述图像的视觉特征点的提取方法的步骤。

具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述图像的视觉特征点的提取方法，从而解决如何提升视觉特征点提取的准确性是目前亟待解决的技术问题，进而达到提升视觉特征点提取的准确性的效果。

综上所述，本申请实施例提供的图像的视觉特征点的提取方法及相关装置。该方法包括：对视觉定位图像进行图像划分，得到多个分块；多个分块中存在交叠区域；对每个分块进行视觉特征提取，得到每个分块对应的特征点集；合并交叠区域中坐标参数相同的特征点，并根据多个分块对应的多个特征点集确定视觉定位图像对应的总特征点集。由于多个分块中存在交叠区域，两个交叠的分块的交叠区域中会重复提取坐标参数相同的特征点，而坐标参数相同的特征点中，总存在一个特征点不靠近分块边界，通过将交叠区域中坐标参数相同的特征点进行合并的方式，可以实现对特征点附近的预设范围内的特征进行正确提取，进而实现交叠的两个分块的划分线附近的视觉特征点能够被正确提取，故本申请能够提升视觉特征点提取的准确性。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考方法实施例中的对应过程，本申请中不再赘述。在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，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，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (16)

1.一种图像的视觉特征点的提取方法，其特征在于，包括：

对视觉定位图像进行图像划分，得到多个分块；所述多个分块中存在交叠区域；

对每个所述分块进行视觉特征提取，得到每个所述分块对应的特征点集；

合并所述交叠区域中坐标参数相同的特征点，并根据所述多个分块对应的多个特征点集确定所述视觉定位图像对应的总特征点集。

2.根据权利要求1所述的方法，其特征在于，所述对每个所述分块进行视觉特征提取，得到每个所述分块对应的特征点集的步骤包括：

并行地对每个所述分块进行视觉特征提取，得到每个所述分块对应的特征点集；每个所述分块对应的特征点集的特征点数量位于预设数值范围内。

3.根据权利要求1所述的方法，其特征在于，所述对所述视觉定位图像进行图像划分，得到多个分块的步骤包括：

对视觉定位图像进行图像划分，得到多个分块，其中，任意相邻的两个分块之间存在交叠区域。

4.根据权利要求3所述的方法，其特征在于，每个所述分块的大小为M×N，所述交叠区域的大小为m×n，并且m×n＝γM×γN，γ为小于1且大于0的预设系数。

5.根据权利要求2所述的方法，其特征在于，所述并行地对每个所述分块进行视觉特征提取，得到每个所述分块对应的特征点集的步骤包括：

并行地对每个所述分块进行视觉特征提取，得到每个所述分块对应的提取特征点集；所述提取特征点集的特征点数量大于或等于预设数值；

从所述提取特征点集中确定所述特征点集，所述特征点集的特征点数量位于预设数值范围内。

6.根据权利要求5所述的方法，其特征在于，所述从所述提取特征点集中确定所述特征点集，所述特征点集的特征点数量位于预设数值范围内的步骤包括：

根据特征点的特征参数从所述提取特征点集中确定q个特征点作为所述特征点集；q位于预设数值范围内，所述特征参数包括响应值以及尺度参数中的至少一个参数。

7.根据权利要求1所述的方法，其特征在于，每个特征点对应一个尺度参数，当所述多个特征点集合中存在多个坐标参数相同的特征点时，所述合并所述交叠区域中坐标参数相同的特征点，并根据所述多个分块对应的多个特征点集确定所述视觉定位图像对应的总特征点集的步骤包括：

删除所述多个坐标参数相同的特征点中尺度参数较小的特征点；

将删除后的所述多个特征点集合并为所述总特征点集。

8.一种图像的视觉特征点的提取装置，其特征在于，包括：

划分模块，用于对视觉定位图像进行图像划分，得到多个分块；所述多个分块中存在交叠区域；

提取模块，用于对每个所述分块进行视觉特征提取，得到每个所述分块对应的特征点集；

所述提取模块，还用于合并所述交叠区域中坐标参数相同的特征点，并根据所述多个分块对应的多个特征点集确定所述视觉定位图像对应的总特征点集。

9.根据权利要求8所述的装置，其特征在于，所述提取模块用于并行地对每个所述分块进行视觉特征提取，得到每个所述分块对应的特征点集；每个所述分块对应的特征点集的特征点数量位于预设数值范围内。

10.根据权利要求8所述的装置，其特征在于，所述划分模块用于对所述视觉定位图像进行图像划分，得到多个分块，其中，任意相邻的两个分块之间存在交叠区域。

11.根据权利要求10所述的装置，其特征在于，每个所述分块的大小为M×N，所述交叠区域的大小为m×n，并且m×n＝γM×γN，γ为小于1且大于0的预设系数。

12.根据权利要求9所述的装置，其特征在于，所述提取模块用于并行地对每个所述分块进行视觉特征提取，得到每个所述分块对应的提取特征点集；所述提取特征点集的特征点数量大于或等于预设数值；

所述提取模块还用于从所述提取特征点集中确定所述特征点集，所述特征点集的特征点数量位于预设数值范围内。

13.根据权利要求12所述的装置，其特征在于，所述提取模块用于根据特征点的特征参数从所述提取特征点集中确定q个特征点作为所述特征点集；q位于预设数值范围内，所述特征参数包括响应值以及尺度参数中的至少一个参数。

14.根据权利要求8所述的装置，其特征在于，每个特征点对应一个尺度参数，当所述多个特征点集合中存在多个坐标参数相同的特征点时，所述提取模块用于删除所述多个坐标参数相同的特征点中尺度参数较小的特征点；

所述提取模块还用于将删除后的所述多个特征点集合并为所述总特征点集。

15.一种电子设备，其特征在于，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如权利要求1至7任一所述方法的步骤。

16.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7任一所述方法的步骤。

Images