CN111967481B - 视觉定位方法、装置、电子设备及存储介质 - Google Patents
视觉定位方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111967481B CN111967481B CN202010985839.0A CN202010985839A CN111967481B CN 111967481 B CN111967481 B CN 111967481B CN 202010985839 A CN202010985839 A CN 202010985839A CN 111967481 B CN111967481 B CN 111967481B
- Authority
- CN
- China
- Prior art keywords
- target picture
- feature
- target
- features
- layout
- 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.)
- Active
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000000605 extraction Methods 0.000 claims description 34
- 230000015654 memory Effects 0.000 claims description 19
- 238000012216 screening Methods 0.000 claims description 15
- 230000003190 augmentative effect Effects 0.000 abstract description 2
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000004807 localization Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000002131 composite material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了视觉定位方法、装置、电子设备及存储介质,涉及计算机视觉定位、增强现实和深度学习技术领域。具体实现方案为:获取待定位位置的目标图片;对所述目标图片进行特征提取,获得所述目标图片的第一全局特征;其中,所述第一全局特征中包括第一布局特征和第一纹理特征,所述第一布局特征用于表征所述目标图片中各物体的空间结构信息;从数据库中获取多张候选图片;其中,每张候选图片的第二全局特征与所述第一全局特征之间的差异值小于所述数据库中其他图片的第二全局特征与所述第一全局特征之间的差异值;基于所述多张候选图片对所述待定位位置进行定位。
Description
技术领域
本申请涉及图像处理技术,尤其涉及计算机视觉定位技术领域,具体涉及一种视觉定位方法、装置、电子设备及存储介质。
背景技术
视觉定位技术通常可以分为粗定位和精定位,粗定位是指在数据库中查询与当前位置的图片类似的一些候选图片,并基于这些候选图片,得到多个候选位置。精定位是指使用验证技术验证上述多个候选位置的置信度,并将置信度较高的位置作为当前位置的定位结果。
目前,在粗定位阶段,通常是通过提取当前位置的图片的纹理特征,并基于该纹理特征与数据库中的图片进行匹配,以得到多张候选图片,构造当前位置的子地图。
发明内容
本公开提供了一种视觉定位方法、装置、电子设备及存储介质。
根据本公开的第一方面,提供了一种视觉定位方法,包括:
获取待定位位置的目标图片;
对所述目标图片进行特征提取,获得所述目标图片的第一全局特征;其中,所述第一全局特征中包括第一布局特征和第一纹理特征,所述第一布局特征用于表征所述目标图片中各物体的空间结构信息;
从数据库中获取多张候选图片;其中,每张候选图片的第二全局特征与所述第一全局特征之间的差异值小于所述数据库中其他图片的第二全局特征与所述第一全局特征之间的差异值;
基于所述多张候选图片对所述待定位位置进行定位。
根据本公开的第二方面,提供了一种视觉定位装置,包括:
第一获取模块,用于获取待定位位置的目标图片;
特征提取模块,用于对所述目标图片进行特征提取,获得所述目标图片的第一全局特征;其中,所述第一全局特征中包括第一布局特征和第一纹理特征,所述第一布局特征用于表征所述目标图片中各物体的空间结构信息;
第二获取模块,用于从数据库中获取多张候选图片;其中,每张候选图片的第二全局特征与所述第一全局特征之间的差异值小于所述数据库中其他图片的第二全局特征与所述第一全局特征之间的差异值;
定位模块,用于基于所述多张候选图片对所述待定位位置进行定位。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的指令,该指令被至少一个处理器执行,以使至少一个处理器能够执行第一方面中的任一项方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行第一方面中的任一项方法。
根据本申请的技术解决了视觉定位技术存在的定位准确性比较差的问题,提高了视觉定位的准确性。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请第一实施例的视觉定位方法的流程示意图;
图2是本申请实施例中提取第一全局特征的整体网络框架图;
图3是本申请实施例中布局网络的框架图;
图4是本申请实施例中视觉定位方法中粗定位的实现流程示意图;
图5是根据本申请第二实施例的视觉定位装置的结构示意图;
图6是用来实现本申请实施例的视觉定位方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
第一实施例
如图1所示,本申请提供一种视觉定位方法,包括如下步骤:
步骤S101:获取待定位位置的目标图片。
本实施例中,视觉定位方法涉及图像处理技术,具体涉及计算机视觉定位、增强现实和深度学习技术领域,其可以应用于电子设备,该电子设备可以为服务器,也可以为终端,这里不做具体限定。
所述目标图片可以为实时采集的图片,也可以为预先存储的图片,也可以为其他设备发送的图片,或者还可以为从网络上获取的图片。
比如,可以采用手机或者机器人等设备实时拍摄一张待定位位置的图片,或者获取之前拍摄的且存储在设备中的一张待定位位置的图片,或者接收其他设备发送的一张待定位位置的图片,当然,也可以从网络上获取一张待定位位置的图片。
所述待定位位置可以为室内场景下的位置,也可以为室外场景下的位置,这里不做具体限定,以下实施例中,该待定位位置将以室内场景下的位置为例进行详细说明。
步骤S102:对所述目标图片进行特征提取,获得所述目标图片的第一全局特征;其中,所述第一全局特征中包括第一布局特征和第一纹理特征,所述第一布局特征用于表征所述目标图片中各物体的空间结构信息。
该步骤中,可以采用一个或多个网络对目标图片进行特征提取,获得目标图片的第一全局特征。其中,所述第一全局特征包括第一布局特征和第一纹理特征。
第一布局特征用于表征目标图片中各物体的空间结构信息,该空间结构信息可以按照特定方式如物体的结构尺寸进行布局,得到布局信息,该布局信息可以为目标图片中各物体的布局信息即目标图片表征的当前整个场景的布局信息。
比如,目标图片中表征一个室内场景如房间A,房间A中的布局信息可以包括房间A中包括一张床和多张凳子,且床的左边放了一张凳子,以及床的右边放了一张凳子。
又比如,目标图片中表征另一个室内场景如房间B,房间B中的布局信息可以包括房间B中包括一幅画、一个桌柜和一盏灯,且墙上挂了一幅画,床边放了一个桌柜,桌柜上放了一盏灯。
还比如,目标图片中表征又一个室内场景如商场A的某个角落,该角落中的布局信息可以包括多个店铺和各个店铺之间的位置关系。
第一纹理特征可以表征目标图片中各物体的细节纹理,在室外场景中,各物体的纹理相对清晰,通过第一纹理特征进行待定位位置的粗定位时,可以相对避免光照和模糊的影响。
然而,在室内场景中,由于有些场景可能会存在重复纹理、纹理相对比较少或者无纹理的特点,比如,房间A中,床的左边放了一张凳子,以及床的右边放了一张凳子,在该种场景下,通过第一纹理特征进行待定位位置的粗定位时即会受到重复纹理的干扰,这样可能会导致粗定位的结果不太准确。
因此,在该步骤中,可以融合目标图片的第一布局特征和第一纹理特征,得到目标图片的第一全局特征。这样,当场景中重复纹理严重、或者纹理相对比较少,或者无纹理的时候,仍然可以通过第一布局特征对待定位位置进行定位,当场景中物体少的时候,又可以同时融合第一纹理特征和第一布局特征对待定位位置进行定位,如此,可以提高视觉定位的准确性。
步骤S103:从数据库中获取多张候选图片;其中,每张候选图片的第二全局特征与所述第一全局特征之间的差异值小于所述数据库中其他图片的第二全局特征与所述第一全局特征之间的差异值。
该步骤中,所述数据库中可以包括多张图片,通过这些图片可以构造一个或多个大的场景,比如,这些图片中包括商场A的各个角落的图片,可以通过这些图片构造商场A中内部的地图。通过拍摄商场A的某个角落的目标图片,并基于该目标图片进行视觉定位,即可以定位得到该目标图片中的某个角落在商场A中内部的位置。
又比如,这些图片中包括一栋房子的各个角落的图片,则可以通过这些图片构造该房子内部的地图。通过拍摄该房子的某个角落的目标图片,并基于该目标图片进行视觉定位,即可以定位得到该目标图片中的某个角落在该房子中内部的位置。
在获取待定位位置的目标图片之前,可以预先获取该待定位位置对应的数据库,该数据库中可以包括该待定位位置的图片或者与该待定位位置比较近的位置的图片。
获取数据库之后,可以对数据库的多张图片中每张图片进行特征提取,得到每张图片的第二全局特征。其中,第二全局特征与第一全局特征一样,可以包括图片的第二布局特征和第二纹理纹理,且第二布局特征用于表征图片中各物体的空间结构信息。
可以分别将第一全局特征和数据库中每张图片的第二全局特征进行特征比对,在特征差异比较小的情况下,可以将与第一全局特征的特征差异比较小的第二全局特征对应的图片确定为候选图片。其中,第一全局特征和第二全局特征之间的特征差异可以用欧式距离来表征,也可以用其他距离来表征如曼哈顿距离,这里不做具体限定。
可选的,可以将各第二全局特征与第一全局特征的特征差异值从大到小排列,将排列在前的N个第二全局特征对应的图片确定为候选图片,N为正整数,比如N可以为30,即从数据库中选取30张与目标图片比较类似的图片作为候选图片。
在这些候选图片中,可能会存在基于某一张或几张候选图片确定的位置与基于大部分候选图片确定的位置之间的距离差距比较远,这一张或几张候选图片可以称之为离群值,此时可以将其剔除。具体的,可以使用共视关系(co-visibility)技术剔除离群值,以得到更精确的候选图片,构造出该待定位位置的子地图。
步骤S104:基于所述多张候选图片对所述待定位位置进行定位。
上述步骤为视觉定位技术的粗定位过程,其目的是基于目标图片得到待定位位置的子地图。而该步骤中,其为视觉定位技术的精定位过程,其目的是基于粗定位得到的子地图,得到待定位位置在基于数据库构造的地图中的位置。
具体的,可以基于这些候选图片进行精确的匹配定位,得到多个候选位置,然后使用验证verify技术验证上述多个候选位置的置信度,并将置信度较高的候选位置确定为待定位位置的定位结果。
本实施例中,通过获取待定位位置的目标图片;对所述目标图片进行特征提取,获得所述目标图片的第一全局特征;其中,所述第一全局特征中包括第一布局特征和第一纹理特征,所述第一布局特征用于表征所述目标图片中各物体的空间结构信息;从数据库中获取多张候选图片;其中,每张候选图片的第二全局特征与所述第一全局特征之间的差异值小于所述数据库中其他图片的第二全局特征与所述第一全局特征之间的差异值;基于所述多张候选图片对所述待定位位置进行定位。这样,当场景中重复纹理严重、或者纹理相对比较少,或者无纹理的时候,仍然可以通过第一布局特征对待定位位置进行定位,当场景中物体少的时候,又可以同时融合第一纹理特征和第一布局特征对待定位位置进行定位,如此,可以提高视觉定位的准确性。
并且,通过融合第一纹理特征和第一布局特征对待定位位置进行定位,可以避免定位结果有时出现错误而有时又是正确的情况发生,因而还可以提高视觉定位的稳定性。
可选的,所述步骤S102具体包括:
基于第一网络对所述目标图片进行第一特征提取,获得所述第一布局特征;
基于第二网络对所述目标图片进行第二特征提取,获得所述第一纹理特征;
基于第三网络将所述第一布局特征和所述第一纹理特征进行融合,获得所述第一全局特征。
该实施方式中,可以融合两条网络生成最终的携带有布局信息的第一全局特征,这两条网络分别为第一网络和第二网络,第一网络可以称之为布局网络,第二网络可以称之为纹理网络。
参见图2,图2是本申请实施例中提取第一全局特征的整体网络框架图,如图2所示,通过一个复合网络提取目标图片的第一全局特征,该复合网络包括布局网络和纹理网络。
具体的,首先,通过数据采集获得目标图片,将目标图片作为布局网络的输入数据,以及作为纹理网络的输入数据分别输入至布局网络和纹理网络中。
其中,布局网络和纹理网络均为特征抽取网络,纹理网络可以为卷积神经网络,其包括多个卷积层,其是以表象为基础,抽取的是目标图片中的视觉描述信息,对抽取的视觉描述信息全局池化,输出视觉描述特征,该视觉描述特征即为目标图片的第一纹理特征。
布局网络是以结构为基础,抽取的是目标图片的布局信息。具体的,在抽取布局信息时,可以分别抽取目标图片中各个物体的位置信息和属性信息,各个物体的位置信息构成了一个二维的中心点地图,该中心点地图中的每个点所在的位置可以表示物体在当前场景中的中心点位置,另外,该中心点地图中的每个点也可以具备其相应的语义信息,而各个物体的属性信息构成了一个三维的空间关系地图,该空间关系地图中可以表示各个物体相互之间的空间约束关系。针对该中心点地图和空间关系地图,进行曼哈顿布局优化,输出布局信息,对布局信息全局池化,输出结构描述特征,该结构描述特征即为目标图片的第一布局特征。
之后,可以将视觉描述特征和结构描述特征进行连接。
复合网络还可以包括第三网络,该第三网络可以称之为融合网络,其可以通过全连接层或多层感知器(MLP,Multi-Layer Perceptron)融合连接的视觉描述特征和结构描述特征,最终输出融合的特征,该融合的特征即为目标图片的第一全局特征。
本实施方式中,通过两条网络分别对目标图片进行特征提取,获得目标图片的第一布局特征和第一纹理特征,并使用全连接层融合两条网络的结果,这样,在最终输出的第一全局特征中同时融合了目标图片中各物体的纹理信息和空间结构信息。如此,当场景中重复纹理严重、或者纹理相对比较少,或者无纹理的时候,仍然可以通过第一布局特征对待定位位置进行定位,当场景中物体少的时候,又可以同时融合第一纹理特征和第一布局特征对待定位位置进行定位,从而可以提高视觉定位的准确性。
并且,在基于布局网络对目标图片进行特征提取时,其输入是表征待定位位置的当前场景的一张目标图片,其输入简单,因此可以节省图片采集的时间消耗,且还能够达到实时的视觉定位效果。
可选的,所述基于第一网络对所述目标图片进行第一特征提取,获得所述第一布局特征包括:
基于第一网络对所述目标图片进行第一特征提取,获得所述目标图片中各物体的空间结构信息;其中,所述空间结构信息中包括物体的语义信息和属性信息,所述属性信息表征该物体与所述目标图片中其他物体之间的约束关系;
基于所述目标图片中各物体的语义信息和属性信息,构造所述目标图片的第一布局特征。
本实施方式中,参见图3,图3是本申请实施例中布局网络的框架图,如图3所示,该布局网络中包括多个网络,分别为对目标图片中当前场景的布局进行估计的布局估计(Layout Estimation)网络,对目标图片进行三维物体检测(3D Object Detection)网络,网格生成(Mesh Generation)网络。
具体的,将目标图片输入至布局估计网络中,生成目标图片中各物体的布局相关信息,该布局相关信息可以包括相机姿势、布局中心、布局方向和布局尺寸。同时,将目标图片进行二维边界框检测后分别输入至网格生成网络和三维物体检测网络,网格生成网络输出物体网格,并将物体网格嵌入至三维物体检测网络输出的信息中,得到各物体的空间结构信息。
该空间结构信息可以包括物体的语义信息和属性信息,语义信息可以包括物体的类别,比如该物体为“床”,属性信息可以表征该物体与所述目标图片中其他物体之间的约束关系,可以具体包括物距、物体方向、物体的结构尺寸和物体的投射中心。
可以根据目标图片中各物体的结构尺寸进行布局,具体的,如图3所示,将目标图片中各物体的语义信息和属性信息嵌入至布局估计网络输出的布局相关信息中,最终得到目标图片中当前场景的布局信息。该布局信息可以构成一个向量,向量中携带了各物体的语义信息和属性信息,最终构造成第一布局特征。
本实施方式中,第一布局特征中包括目标图片中各物体的语义信息和各物体相互之间的约束关系,这样,可以使得粗定位过程更加鲁棒,从而可以提高视觉定位产品的稳定性。
可选的,所述属性信息包括物体的结构尺寸,所述基于所述目标图片中各物体的语义信息和属性信息,构造所述目标图片的第一布局特征包括:
以所述目标图片中目标物体的结构尺寸为单位,对所述目标图片中其他物体的结构尺寸进行归一化;其中,所述目标物体为所述目标图片中结构尺寸最大的物体;
基于所述目标图片中各物体的语义信息和目标属性信息,构造所述目标图片的第一布局特征;其中,所述目标属性信息包括归一化后的结构尺寸。
本实施方式中,属性信息中可以包括物体的结构尺寸,可以根据各物体的结构尺寸对各物体进行布局,为了防止不同距离观测物体带来的尺寸误差,可以使用最大物体的结构尺寸作为一个单位,对目标图片中所有检测出来的物体的结构尺寸进行归一化,得到目标属性信息。
之后基于所述目标图片中各物体的语义信息和目标属性信息,构造所述目标图片的第一布局特征。
如此,构造的第一布局特征中可以防止不同距离观测物体带来的尺寸误差,从而可以进一步提高视觉定位的准确性。
可选的,所述步骤S103具体包括:
分别获取所述第一全局特征和所述数据库中每张图片的第二全局特征之间的欧式距离;
从获取的欧式距离中筛选出多个目标欧式距离;其中,每个目标欧式距离小于所述获取的欧式距离中其他欧式距离;
从所述数据库中筛选出所述多个目标欧式距离对应的图片,以筛选出所述多张候选图片。
本实施方式中,第一全局特征和第二全局特征之间的差异值可以用第一全局特征和第二全局特征之间的欧式距离来表征,可以分别计算所述第一全局特征和所述数据库中每张图片的第二全局特征之间的欧式距离;从获取的欧式距离中筛选出多个目标欧式距离,其中,可以采用K-近邻检索方式从获取的欧式距离中筛选出多个目标欧式距离,比如30个。
之后,从所述数据库中筛选出所述多个目标欧式距离对应的图片,以筛选出所述多张候选图片,并使用co-visibility技术剔除离群值,得到更精确的候选图片,构造出该待定位位置的子地图。
以下以图4为例简要说明粗定位的实现过程,参见图4,图4是本申请实施例中视觉定位方法中粗定位的实现流程示意图,如图4所示,获取目标图片,将目标图片输入至特征提取网络中,输出第一全局特征,将第一全局特征输入至K-近邻检索模块中,输出数据库中与目标图片最相近的30张候选图片,采用co-visibility技术剔除离群值,输出该待定位位置的子地图。
本实施方式中,通过计算第一全局特征和数据库中每张图片的第二全局特征之间的欧式距离,并基于获取的欧式距离通过K近邻检索方式从数据库中检索出多张候选图片,其检索方式简单。
第二实施例
如图5所示,本申请提供一种视觉定位装置500,包括:
第一获取模块501,用于获取待定位位置的目标图片;
特征提取模块502,用于对所述目标图片进行特征提取,获得所述目标图片的第一全局特征;其中,所述第一全局特征中包括第一布局特征和第一纹理特征,所述第一布局特征用于表征所述目标图片中各物体的空间结构信息;
第二获取模块503,用于从数据库中获取多张候选图片;其中,每张候选图片的第二全局特征与所述第一全局特征之间的差异值小于所述数据库中其他图片的第二全局特征与所述第一全局特征之间的差异值;
定位模块504,用于基于所述多张候选图片对所述待定位位置进行定位。
可选的,所述特征提取模块502包括:
第一特征提取单元,用于基于第一网络对所述目标图片进行第一特征提取,获得所述第一布局特征;
第二特征提取单元,用于基于第二网络对所述目标图片进行第二特征提取,获得所述第一纹理特征;
第三特征提取单元,用于基于第三网络将所述第一布局特征和所述第一纹理特征进行融合,获得所述第一全局特征。
可选的,所述第一特征提取单元,具体用于基于第一网络对所述目标图片进行第一特征提取,获得所述目标图片中各物体的空间结构信息;其中,所述空间结构信息中包括物体的语义信息和属性信息,所述属性信息表征该物体与所述目标图片中其他物体之间的约束关系;基于所述目标图片中各物体的语义信息和属性信息,构造所述目标图片的第一布局特征。
可选的,所述属性信息包括物体的结构尺寸,所述第一特征提取单元,具体用于以所述目标图片中目标物体的结构尺寸为单位,对所述目标图片中其他物体的结构尺寸进行归一化;其中,所述目标物体为所述目标图片中结构尺寸最大的物体;基于所述目标图片中各物体的语义信息和目标属性信息,构造所述目标图片的第一布局特征;其中,所述目标属性信息包括归一化后的结构尺寸。
可选的,所述第二获取模块503包括:
第一获取单元,用于分别获取所述第一全局特征和所述数据库中每张图片的第二全局特征之间的欧式距离;
第一筛选单元,用于从获取的欧式距离中筛选出多个目标欧式距离;其中,每个目标欧式距离小于所述获取的欧式距离中其他欧式距离;
第二筛选单元,用于从所述数据库中筛选出所述多个目标欧式距离对应的图片,以筛选出所述多张候选图片。
本申请提供的视觉定位装置500能够实现上述视觉定位方法实施例实现的各个过程,且能够达到相同的有益效果,为避免重复,这里不再赘述。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图6所示,是根据本申请实施例的视觉定位方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示,该电子设备包括:一个或多个处理器601、存储器602,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的视觉定位方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的视觉定位方法。
存储器602作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的视觉定位方法对应的程序指令/模块(例如,附图5所示的第一获取模块501、特征提取模块502、第二获取模块503和定位模块504)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的视觉定位方法。
存储器602可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据视觉定位方法的电子设备的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至视觉定位方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
视觉定位方法的电子设备还可以包括:输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接,图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息,以及产生与视觉定位方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。
本实施例中,通过获取待定位位置的目标图片;对所述目标图片进行特征提取,获得所述目标图片的第一全局特征;其中,所述第一全局特征中包括第一布局特征和第一纹理特征,所述第一布局特征用于表征所述目标图片中各物体的空间结构信息;从数据库中获取多张候选图片;其中,每张候选图片的第二全局特征与所述第一全局特征之间的差异值小于所述数据库中其他图片的第二全局特征与所述第一全局特征之间的差异值;基于所述多张候选图片对所述待定位位置进行定位。这样,当场景中重复纹理严重、或者纹理相对比较少,或者无纹理的时候,仍然可以通过第一布局特征对待定位位置进行定位,当场景中物体少的时候,又可以同时融合第一纹理特征和第一布局特征对待定位位置进行定位,如此,可以提高视觉定位的准确性。因此,根据本申请实施例的技术方案,很好地解决了视觉定位技术存在的定位准确性比较差的问题。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (8)
1.一种视觉定位方法,包括:
获取待定位位置的目标图片;
对所述目标图片进行特征提取,获得所述目标图片的第一全局特征;其中,所述第一全局特征中包括第一布局特征和第一纹理特征,所述第一布局特征用于表征所述目标图片中各物体的空间结构信息;
从数据库中获取多张候选图片;其中,每张候选图片的第二全局特征与所述第一全局特征之间的差异值小于所述数据库中其他图片的第二全局特征与所述第一全局特征之间的差异值;
基于所述多张候选图片对所述待定位位置进行定位;
所述对所述目标图片进行特征提取,获得所述目标图片的第一全局特征包括:
基于第一网络对所述目标图片进行第一特征提取,获得所述第一布局特征;
基于第二网络对所述目标图片进行第二特征提取,获得所述第一纹理特征;
基于第三网络将所述第一布局特征和所述第一纹理特征进行融合,获得所述第一全局特征;
所述基于第一网络对所述目标图片进行第一特征提取,获得所述第一布局特征包括:
基于第一网络对所述目标图片进行第一特征提取,获得所述目标图片中各物体的空间结构信息;其中,所述空间结构信息中包括物体的语义信息和属性信息,所述属性信息表征该物体与所述目标图片中其他物体之间的约束关系;
基于所述目标图片中各物体的语义信息和属性信息,构造所述目标图片的第一布局特征。
2.根据权利要求1所述的方法,其中,所述属性信息包括物体的结构尺寸,所述基于所述目标图片中各物体的语义信息和属性信息,构造所述目标图片的第一布局特征包括:
以所述目标图片中目标物体的结构尺寸为单位,对所述目标图片中其他物体的结构尺寸进行归一化;其中,所述目标物体为所述目标图片中结构尺寸最大的物体;
基于所述目标图片中各物体的语义信息和目标属性信息,构造所述目标图片的第一布局特征;其中,所述目标属性信息包括归一化后的结构尺寸。
3.根据权利要求1所述的方法,其中,所述从数据库中获取多张候选图片包括:
分别获取所述第一全局特征和所述数据库中每张图片的第二全局特征之间的欧式距离;
从获取的欧式距离中筛选出多个目标欧式距离;其中,每个目标欧式距离小于所述获取的欧式距离中其他欧式距离;
从所述数据库中筛选出所述多个目标欧式距离对应的图片,以筛选出所述多张候选图片。
4.一种视觉定位装置,包括:
第一获取模块,用于获取待定位位置的目标图片;
特征提取模块,用于对所述目标图片进行特征提取,获得所述目标图片的第一全局特征;其中,所述第一全局特征中包括第一布局特征和第一纹理特征,所述第一布局特征用于表征所述目标图片中各物体的空间结构信息;
第二获取模块,用于从数据库中获取多张候选图片;其中,每张候选图片的第二全局特征与所述第一全局特征之间的差异值小于所述数据库中其他图片的第二全局特征与所述第一全局特征之间的差异值;
定位模块,用于基于所述多张候选图片对所述待定位位置进行定位;
所述特征提取模块包括:
第一特征提取单元,用于基于第一网络对所述目标图片进行第一特征提取,获得所述第一布局特征;
第二特征提取单元,用于基于第二网络对所述目标图片进行第二特征提取,获得所述第一纹理特征;
第三特征提取单元,用于基于第三网络将所述第一布局特征和所述第一纹理特征进行融合,获得所述第一全局特征;
所述第一特征提取单元,具体用于基于第一网络对所述目标图片进行第一特征提取,获得所述目标图片中各物体的空间结构信息;其中,所述空间结构信息中包括物体的语义信息和属性信息,所述属性信息表征该物体与所述目标图片中其他物体之间的约束关系;基于所述目标图片中各物体的语义信息和属性信息,构造所述目标图片的第一布局特征。
5.根据权利要求4所述的装置,其中,所述属性信息包括物体的结构尺寸,所述第一特征提取单元,具体用于以所述目标图片中目标物体的结构尺寸为单位,对所述目标图片中其他物体的结构尺寸进行归一化;其中,所述目标物体为所述目标图片中结构尺寸最大的物体;基于所述目标图片中各物体的语义信息和目标属性信息,构造所述目标图片的第一布局特征;其中,所述目标属性信息包括归一化后的结构尺寸。
6.根据权利要求4所述的装置,其中,所述第二获取模块包括:
第一获取单元,用于分别获取所述第一全局特征和所述数据库中每张图片的第二全局特征之间的欧式距离;
第一筛选单元,用于从获取的欧式距离中筛选出多个目标欧式距离;其中,每个目标欧式距离小于所述获取的欧式距离中其他欧式距离;
第二筛选单元,用于从所述数据库中筛选出所述多个目标欧式距离对应的图片,以筛选出所述多张候选图片。
7.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-3中任一项所述的方法。
8.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-3中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010985839.0A CN111967481B (zh) | 2020-09-18 | 2020-09-18 | 视觉定位方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010985839.0A CN111967481B (zh) | 2020-09-18 | 2020-09-18 | 视觉定位方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111967481A CN111967481A (zh) | 2020-11-20 |
CN111967481B true CN111967481B (zh) | 2023-06-20 |
Family
ID=73386729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010985839.0A Active CN111967481B (zh) | 2020-09-18 | 2020-09-18 | 视觉定位方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111967481B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112598007B (zh) * | 2021-03-04 | 2021-05-18 | 浙江所托瑞安科技集团有限公司 | 图片训练集的筛选方法、装置、设备和可读存储介质 |
CN113096185B (zh) * | 2021-03-29 | 2023-06-06 | Oppo广东移动通信有限公司 | 视觉定位方法、视觉定位装置、存储介质与电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111369624A (zh) * | 2020-02-28 | 2020-07-03 | 北京百度网讯科技有限公司 | 定位方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2519348B (en) * | 2013-10-18 | 2021-04-14 | Vision Semantics Ltd | Visual data mining |
-
2020
- 2020-09-18 CN CN202010985839.0A patent/CN111967481B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111369624A (zh) * | 2020-02-28 | 2020-07-03 | 北京百度网讯科技有限公司 | 定位方法和装置 |
Non-Patent Citations (2)
Title |
---|
A Framework for Visual Position Estimation for Motor Vehicles;Andrew Rae,and etc;《2007 4th Workshop on Positioning, Navigation and Communication》;第223-228页 * |
面向智能车定位的道路环境视觉地图构建;李承;胡钊政;王相龙;黄刚;蔡浩;;中国公路学报(第11期);第142-150页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111967481A (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102612347B1 (ko) | 장치 위치 측정을 위한 다중 동기화 통합 모델 | |
WO2020206903A1 (zh) | 影像匹配方法、装置及计算机可读存储介质 | |
CN111462029B (zh) | 视觉点云与高精地图融合方法、装置和电子设备 | |
CN112270669B (zh) | 人体3d关键点检测方法、模型训练方法及相关装置 | |
JP7258066B2 (ja) | 測位方法、測位装置及び電子機器 | |
CN111739005B (zh) | 图像检测方法、装置、电子设备及存储介质 | |
CN111709874A (zh) | 图像调整的方法、装置、电子设备及存储介质 | |
US11423650B2 (en) | Visual positioning method and apparatus, and computer-readable storage medium | |
CN111967481B (zh) | 视觉定位方法、装置、电子设备及存储介质 | |
CN112150551A (zh) | 物体位姿的获取方法、装置和电子设备 | |
KR102566300B1 (ko) | 실내 측위 방법, 장치, 장비 및 저장 매체 | |
CN111222579B (zh) | 跨相机的障碍物关联方法、装置、设备、电子系统及介质 | |
US11721037B2 (en) | Indoor positioning method and apparatus, electronic device and storage medium | |
CN111291729B (zh) | 一种人体姿态估计方法、装置、设备及存储介质 | |
JP7150074B2 (ja) | エッジベースの拡張現実3次元追跡登録方法、装置及び電子機器 | |
JP7242994B2 (ja) | ビデオイベント識別方法、装置、電子デバイス及び記憶媒体 | |
CN111695519A (zh) | 关键点定位方法、装置、设备以及存储介质 | |
CN111462179B (zh) | 三维物体跟踪方法、装置及电子设备 | |
CN111311743A (zh) | 三维重建精度测试方法、测试装置和电子设备 | |
CN112017304B (zh) | 用于呈现增强现实数据的方法、装置、电子设备及介质 | |
CN112381877B (zh) | 定位融合、室内定位方法、装置、设备及介质 | |
CN114724254B (zh) | 确定动作类别的方法、装置、设备、存储介质 | |
CN112270760B (zh) | 一种定位方法、装置、电子设备及存储介质 | |
CN112200190B (zh) | 兴趣点的位置确定方法、装置、电子设备和存储介质 | |
CN112183484B (zh) | 一种图像处理方法、装置、设备以及存储介质 |
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 |