CN112184890A - 一种应用于电子地图中的摄像头精准定位方法及处理终端 - Google Patents

一种应用于电子地图中的摄像头精准定位方法及处理终端 Download PDF

Info

Publication number
CN112184890A
CN112184890A CN202011100418.1A CN202011100418A CN112184890A CN 112184890 A CN112184890 A CN 112184890A CN 202011100418 A CN202011100418 A CN 202011100418A CN 112184890 A CN112184890 A CN 112184890A
Authority
CN
China
Prior art keywords
camera
dimensional
shooting
video frame
electronic map
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
CN202011100418.1A
Other languages
English (en)
Other versions
CN112184890B (zh
Inventor
高星
徐建明
石立阳
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.)
PCI Suntek Technology Co Ltd
Original Assignee
PCI Suntek Technology 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 PCI Suntek Technology Co Ltd filed Critical PCI Suntek Technology Co Ltd
Priority to CN202011100418.1A priority Critical patent/CN112184890B/zh
Publication of CN112184890A publication Critical patent/CN112184890A/zh
Priority to PCT/CN2021/122607 priority patent/WO2022078240A1/zh
Application granted granted Critical
Publication of CN112184890B publication Critical patent/CN112184890B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)
  • Studio Devices (AREA)
  • Instructional Devices (AREA)

Abstract

本发明涉及一种应用于电子地图中的摄像头精准定位方法及处理终端，所述方法包括：步骤1：获得目标区域的影像资料；步骤2：将目标区域生成三维模型；步骤3：建立特征点词袋，生成稀疏三维点云；步骤4：获得待定位摄像头的拍摄资料和位置信息，得到目标视频帧，提取第二图像特征点；步骤5：进行特征点和位置匹配，找到拍摄画面；步骤6：选定一个内参初值，得到目标视频帧的初始外参；步骤7：根据初始外参，计算得到重投影误差；步骤8：内参初值增加预设值b，得到新的内参初值；步骤9：重复步骤6‑步骤8，得到最小重投影误差对应的内参数、姿态和三维位置。本发明能够确定出摄像头的具体高度、处于室内还是室外、摄像头朝向的具体方向。

Description

一种应用于电子地图中的摄像头精准定位方法及处理终端
技术领域
本发明涉及电子地图技术领域，具体涉及一种应用于电子地图中的摄像头精准定位方法及处理终端。
背景技术
在一个城市中，监控摄像头数十万计，即使是由行政机关使用的用于公共监控的摄像头也是数以万计。对于诸如交通用的监控摄像头、警用安防用的监控摄像头等而言，往往在电子地图调阅这些监控摄像头时，需要确定目标区域能够被哪些摄像头覆盖，但由于摄像头准确的位置、姿态、焦距、畸变参数等难以确定，往往很难做到这一点。因此，需要能够准确定位摄像头，这一需求在安防行业成为了迫切需求。
目前实际使用中，通常会采用地理测绘的方式确定摄像头的GPS坐标，例如，安防监控视频联网平台上的一机一档模块，一机一档模块内存储有摄像头的位置信息(经纬度信息)。当采用这种摄像头定位方式，其工作量是巨大的，需要使用到差分GPS仪、全站仪等专业的测绘装备，而且需要每个摄像头采用人工进行地理测绘，工作量巨大。这也导致在目前电子地图特别是三维电子地图中，往往是由人工在三维电子地图上手动标记出摄像头的经纬度。更有甚者，通过摄像头所在的目标物体(通常为大厦)的经纬度来代替摄像头的经纬度，实质上是摄像头的近似经纬度，无法做到精准定位。
目前的摄像头定位方法，导致在电子地图中无法知道摄像头的具体高度、处于室内还是室外、摄像头朝向的具体方向等信息，也无法通过算法以实现自动对于某一特定的目标区域，能够确定哪些摄像头可以覆盖该目标区域，以及无法基于算法以实现自动计算出某一个具体监控视频画面中是否有其他可用的监控摄像头资源，以实现可进行高低点联动视频跳转。
发明内容
针对现有技术的不足，本发明的目的之一提供一种应用于电子地图中的摄像头精准定位方法，其能够解决应用于电子地图中基于视觉覆盖的目标区域范围内的摄像头的准确位置、姿态和内参数的问题；
本发明的目的之二提供一种处理终端，其能够解决应用于电子地图中基于视觉覆盖的目标区域范围内的摄像头的准确位置、姿态和内参数的问题。
实现本发明的目的之一的技术方案为：一种应用于电子地图中的摄像头精准定位方法，包括如下步骤：
步骤1：根据目标区域的影像资料，将目标区域生成三维模型；
步骤2：从影像资料中提取每一个拍摄画面的第一图像特征点，将第一图像特征点在所述三维模型中生成稀疏三维点云；
步骤3：获得待定位摄像头的拍摄资料，并从拍摄资料中提取任一视频帧，记为目标视频帧，提取目标视频帧的第二图像特征点；
步骤4：将目标视频帧与影像资料的每一个拍摄画面进行比较，将匹配程度最高的第一图像特征点对应的拍摄画面作为拍摄画面ref，
拍摄画面ref特征点的像素坐标分别与目标视频帧的每个特征点的像素坐标和稀疏三维点云的三维坐标建立映射关系；
步骤5：选定待定位摄像头的一个内参初值，根据内参初值确定目标视频帧的初始外参；
步骤6：根据初始外参，与影像资料的所有拍摄画面进行光束法平差处理，计算得到重投影误差；
步骤7：更新内参初值，得到新的内参初值；
步骤8：重复步骤5-步骤7，直至当前新的内参初值超过预设值，则停止，计算得到每一个内参初值对应的重投影误差，从而得到最小重投影误差对应的内参数、姿态和三维位置。
进一步地，执行所述步骤1之前，还包括步骤0：对目标区域进行拍摄，获得包括目标区域的影像资料和拍摄相机的拍摄位置、姿态和内/外参数。
进一步地，所述步骤0中，对目标区域采用巡游采集拍摄，巡游采集拍摄包括空中的无人机倾斜拍摄和路面的采集车拍摄，或，无人机分别在高空和低空进行拍摄。
进一步地，所述步骤2中，第一图像特征点为道路标志标线角点或通用计算机视觉特征点。
进一步地，所述拍摄画面ref特征点的像素坐标分别与目标视频帧的每个特征点的像素坐标和稀疏三维点云的三维坐标建立映射关系，具体为，
目标视频帧每个特征点的像素坐标对应为拍摄画面ref特征点的像素坐标，拍摄画面ref特征点的像素坐标还对应有稀疏三维点云的三维坐标。
进一步地，所述将目标视频帧与影像资料的每一个拍摄画面进行比较，找到与第二图像特征点匹配程度最高的第一图像特征点，具体为，
根据第一图像特征点为每一个拍摄画面建立特征点词袋，通过特征点词袋，将目标视频帧与影像资料中的每一个拍摄画面进行特征点和位置匹配，找到与第二图像特征点匹配程度最高的第一图像特征点。
进一步地，所述步骤8中的预设值为待定位摄像头的视场角范围。
进一步地，所述内参初值的初始值为待定位摄像头的视场角范围的下限值，更新内参初值为每次增加b＝5°。
进一步地，所述步骤8之后，还包括，
步骤9：根据最终计算得到的待定位摄像头的内参数、姿态和三维位置，将内参数、姿态和三维位置映射到步骤1中的三维模型中，通过三维地图的空间分析和可视域分析处理，确定待定位摄像头在三维电子地图中的具体高度和处于室内还是室外，以及三维电子地图中某一目标区域是否能被所述待定位摄像头覆盖。
实现本发明的目的之二的技术方案为：一种处理终端，，其包括：
存储器，用于存储程序指令；
处理器，用于运行所述程序指令，以执行所述的应用于电子地图中的摄像头精准定位方法的步骤。
本发明的有益效果为：本发明能够在电子三维地图中确定出摄像头的具体高度、处于室内还是室外、摄像头朝向的具体方向等信息，并且自动对于某一特定的目标区域，能够确定哪些摄像头可以覆盖该目标区域，以及自动计算出某一个具体监控视频画面中是否有其他可用的监控摄像头资源，以实现后续可进行高低点联动视频跳转的应用。
附图说明
图1为较佳实施例的流程示意图；
图2为处理终端的示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚，下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
如图1所示，一种应用于电子地图中的摄像头精准定位方法，包括如下步骤：
步骤1：对目标区域进行巡游采集拍摄，获得包括目标区域的影像资料和拍摄相机的内/外参数，目标区域通常选为一个城市的城区或某一特定指定区域。
本步骤中，巡游采集拍摄包括空中的无人机倾斜拍摄和路面的采集车拍摄，例如街景采集车，从而能够获得目标区域内各目标物体的三维位置信息和路面信息，路面信息包括道路标志标线。采用这种结合拍摄方式，能够获得目标区域内各个目标物体(包括路面)的三维位置信息和路面信息，从而为后续将其转换为三维模型打下基础。当然，也可以只采用无人机或采集车进行拍摄，采集车也能够拍摄得到目标物体的三维位置信息和路面信息。当只采用无人机拍摄时，可以将无人机分别在高空和低空进行拍摄，从而更好获得目标物体的三维位置信息和清晰拍摄到路面信息。这里的高空和低空仅是指无人机拍摄位置的相对高度，并不限制无人机拍摄位置的具体高度。
步骤2：根据获得的影像资料，将目标区域生成三维模型。三维模型中能够获得目标区域内任意一个拍摄点处拍摄相机的拍摄位置、姿态和内/外参数。
拍摄相机也即对应是实际巡游采集拍摄时的摄像头，对无人机而言，是无人机上自身携带的摄像头，对街景采集车而言，是采集车上携带的摄像头。根据影像资料，将目标区域生成三维模型，可以通过现有的摄影测量建模软件进行处理得到。
步骤3：从影像资料中提取每一个拍摄画面的第一图像特征点，并根据第一图像特征点为每一个拍摄画面建立特征点词袋，以及根据拍摄相机的内参数和外参数将第一图像特征点在三维模型中通过三角测量方法生成稀疏三维点云，这里的三维模型是指三维电子地图。
本步骤中，第一图像特征点可以是基于图像识别提取到的道路标志标线角点，或者是ORB、SIFT、SURF中任一种的通用计算机视觉特征点。
步骤4：获得待定位摄像头的拍摄资料和位置信息，拍摄资料通常为摄像头拍摄到的视频，并从拍摄资料中提取任一视频帧的第二图像特征点，从待定位摄像头的拍摄资料中提取的视频帧记为目标视频帧，待定位摄像头的位置信息可以通过一机一档模块获得，其位置信息是粗略的经纬度信息。通常待定位摄像头是固定在某个目标区域的某个建筑物上，其位置是固定而非移动的，因此，摄像头的拍摄角度通常是不变的，因此，可以从拍摄资料中找出任一视频帧，而不用提取每一帧视频帧，再从该视频帧中提取出第二图像特征点。
其中，第二图像特征点和第一图像特征点为相同类型的图像特征点，也即若第一图像特征点为道路标志标线角点，第二图像特征点也为道路标志标线角点，第一图像特征点为ORB，第二图像特征点也为ORB，其他也是一样。
步骤5：通过特征点词袋，将目标视频帧与影像资料中的每一个拍摄画面进行特征点和位置匹配，找到与第二图像特征点匹配程度最高的第一图像特征点，从而得到匹配程度最高的第一图像特征点对应的拍摄画面，匹配程度最高的第一图像特征点对应的拍摄画面记为拍摄画面ref。也即是，将第二图像特征点分别与特征点词袋中每一个拍摄画面对应的第一图像特征点进行匹配比较，找到匹配程度最高的第一图像特征点，该第一图像特征点对应的拍摄画面即是本步骤需要找到的拍摄画面ref。
通过本步骤的匹配结果，目标视频帧每个特征点的像素坐标(即二维图像坐标)对应为拍摄画面ref特征点的像素坐标，拍摄画面ref特征点的像素坐标还对应有稀疏三维点云的三维坐标，三维坐标也即是指包括高度在内的地理坐标。
步骤6：对待定位摄像头的视场角范围内选定一个内参初值，内参初值的初始值优选为待定位摄像头的视场角范围的下限值。摄像头的视场角范围在出厂初时已被设定，目前，摄像头的视场角范围通常在30-150°，因此，内参初值的初始值可以选为30°。根据该内参初值、目标视频帧匹配出的特征点的像素坐标和三维坐标，通过PnP算法得到目标视频帧的初始外参。
步骤7：根据初始外参，与影像资料的所有拍摄画面进行光束法平差处理，也即通过光束法平差对内参和外参进行优化，，计算得到重投影误差。
步骤8：在上一次的内参初值的基础上，增加一个预设值b，得到新的内参初值。
本步骤中，b＝5°。若摄像头的视场角范围在30-150°，内参初值选定为30°，相当于每隔5°选定一个内参初值，然后重复步骤6和步骤7，得到每个内参初值对应的初始外参，以及每个初始外参对应的重投影误差，直至新的内参初值超过150°则停止，也即内参初值限定在摄像头的视场角范围内，从而在这些所有重投影误差中找到最小的重投影误差。
步骤9：重复步骤6-步骤8，直至当前新的内参初值超过待定位摄像头的视场角范围，则停止，计算得到每一个内参初值对应的重投影误差，从而得到最小重投影误差对应的内参数、姿态和三维位置。
其中，若待定位的摄像头是静止拍摄摄像头，也即摄像头无法转动拍摄，而只能朝某一指定方向进行拍摄的摄像头，则可通过最小重投影误差直接得到该摄像头的位置和姿态。若待定位的摄像头是转动拍摄摄像头，也即可转动进行多个方向进行拍摄的摄像头，则根据步骤4中提取得到的视频帧对应的PTZ值计算出PT0点时的姿态，而位置一直保持不变，从而得到待定位摄像头的位置和姿态信息。
步骤10：根据最终计算得到的待定位摄像头的内参数、姿态和三维位置，将内参数、姿态和三维位置映射到步骤2中的三维模型中，通过三维地图的空间分析和可视域分析处理，从而能够有效确定待定位摄像头在三维电子地图中的具体高度和处于室内还是室外，以及三维电子地图中某一目标区域是否能被该摄像头覆盖到。
本发明能实现将监控摄像头在高精度三维视觉地图(也即是电子三维地图)上实现自动定位，能够最大程度发挥无人机倾斜摄影和采集车街景采集数据的价值，解决常规三维地图模型在实际使用中所存在的缺陷。基于本发明，监控视频使用者可以确定视觉地图覆盖范围内所有监控视频摄像头的准确位置、姿态和内参数(如FOV，畸变参数)，进而基于视频准确可视域的应用，如全域感知、全景回溯、告警关联、指哪打哪、人形轨、高低联动和枪球联动等应用，才可能大规模落地。
如图2所示，本发明还提供一种处理终端100，其包括：
存储器101，用于存储程序指令；
处理器102，用于运行所述程序指令，以执行所述应用于电子地图中的摄像头精准定位方法的步骤。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。

Claims (10)

1.一种应用于电子地图中的摄像头精准定位方法，其特征在于，包括如下步骤：
步骤1：根据目标区域的影像资料，将目标区域生成三维模型；
步骤2：从影像资料中提取每一个拍摄画面的第一图像特征点，将第一图像特征点在所述三维模型中生成稀疏三维点云；
步骤3：获得待定位摄像头的拍摄资料，并从拍摄资料中提取任一视频帧，记为目标视频帧，提取目标视频帧的第二图像特征点；
步骤4：将目标视频帧与影像资料的每一个拍摄画面进行比较，将匹配程度最高的第一图像特征点对应的拍摄画面作为拍摄画面ref，
拍摄画面ref特征点的像素坐标分别与目标视频帧的每个特征点的像素坐标和稀疏三维点云的三维坐标建立映射关系；
步骤5：选定待定位摄像头的一个内参初值，根据内参初值确定目标视频帧的初始外参；
步骤6：根据初始外参，与影像资料的所有拍摄画面进行光束法平差处理，计算得到重投影误差；
步骤7：更新内参初值，得到新的内参初值；
步骤8：重复步骤5-步骤7，直至当前新的内参初值超过预设值，则停止，计算得到每一个内参初值对应的重投影误差，从而得到最小重投影误差对应的内参数、姿态和三维位置。
2.根据权利要求1所述的应用于电子地图中的摄像头精准定位方法，其特征在于，执行所述步骤1之前，还包括步骤0：对目标区域进行拍摄，获得包括目标区域的影像资料和拍摄相机的拍摄位置、姿态和内/外参数。
3.根据权利要求2所述的应用于电子地图中的摄像头精准定位方法，其特征在于，所述步骤0中，对目标区域采用巡游采集拍摄，巡游采集拍摄包括空中的无人机倾斜拍摄和路面的采集车拍摄，或，无人机分别在高空和低空进行拍摄。
4.根据权利要求1所述的应用于电子地图中的摄像头精准定位方法，其特征在于，所述步骤2中，第一图像特征点为道路标志标线角点或通用计算机视觉特征点。
5.根据权利要求1所述的应用于电子地图中的摄像头精准定位方法，其特征在于，所述拍摄画面ref特征点的像素坐标分别与目标视频帧的每个特征点的像素坐标和稀疏三维点云的三维坐标建立映射关系，具体为，
目标视频帧每个特征点的像素坐标对应为拍摄画面ref特征点的像素坐标，拍摄画面ref特征点的像素坐标还对应有稀疏三维点云的三维坐标。
6.根据权利要求1所述的应用于电子地图中的摄像头精准定位方法，其特征在于，所述将目标视频帧与影像资料的每一个拍摄画面进行比较，找到与第二图像特征点匹配程度最高的第一图像特征点，具体为，
根据第一图像特征点为每一个拍摄画面建立特征点词袋，通过特征点词袋，将目标视频帧与影像资料中的每一个拍摄画面进行特征点和位置匹配，找到与第二图像特征点匹配程度最高的第一图像特征点。
7.根据权利要求1所述的应用于电子地图中的摄像头精准定位方法，其特征在于，所述步骤8中的预设值为待定位摄像头的视场角范围。
8.根据权利要求1所述的应用于电子地图中的摄像头精准定位方法，其特征在于，所述内参初值的初始值为待定位摄像头的视场角范围的下限值，更新内参初值为每次增加b＝5°。
9.根据权利要求1所述的应用于电子地图中的摄像头精准定位方法，其特征在于，所述步骤8之后，还包括，
步骤9：根据最终计算得到的待定位摄像头的内参数、姿态和三维位置，将内参数、姿态和三维位置映射到步骤1中的三维模型中，通过三维地图的空间分析和可视域分析处理，确定待定位摄像头在三维电子地图中的具体高度和处于室内还是室外，以及三维电子地图中某一目标区域是否能被所述待定位摄像头覆盖。
10.一种处理终端，其特征在于，其包括：
存储器，用于存储程序指令；
处理器，用于运行所述程序指令，以执行如权利要求1、4-9任一项所述的应用于电子地图中的摄像头精准定位方法的步骤。
CN202011100418.1A 2020-10-14 2020-10-14 一种应用于电子地图中的摄像头精准定位方法及处理终端 Active CN112184890B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011100418.1A CN112184890B (zh) 2020-10-14 2020-10-14 一种应用于电子地图中的摄像头精准定位方法及处理终端
PCT/CN2021/122607 WO2022078240A1 (zh) 2020-10-14 2021-10-08 一种应用于电子地图中的摄像头精准定位方法及处理终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011100418.1A CN112184890B (zh) 2020-10-14 2020-10-14 一种应用于电子地图中的摄像头精准定位方法及处理终端

Publications (2)

Publication Number Publication Date
CN112184890A true CN112184890A (zh) 2021-01-05
CN112184890B CN112184890B (zh) 2023-06-30

Family

ID=73950229

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011100418.1A Active CN112184890B (zh) 2020-10-14 2020-10-14 一种应用于电子地图中的摄像头精准定位方法及处理终端

Country Status (2)

Country Link
CN (1) CN112184890B (zh)
WO (1) WO2022078240A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022078240A1 (zh) * 2020-10-14 2022-04-21 佳都科技集团股份有限公司 一种应用于电子地图中的摄像头精准定位方法及处理终端
WO2023273415A1 (zh) * 2021-06-30 2023-01-05 达闼机器人股份有限公司 基于无人机的定位方法、装置、存储介质、电子设备和产品
CN115883812A (zh) * 2022-11-30 2023-03-31 重庆大学 基于粒子群算法的多传感器协同布站方法
WO2023065657A1 (zh) * 2021-10-18 2023-04-27 上海商汤智能科技有限公司 地图构建方法、装置、设备、存储介质及程序

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115439469B (zh) * 2022-10-12 2024-03-22 东南大学 基于无人机的建筑缺陷检测方法、装置及电子设备
CN115861546B (zh) * 2022-12-23 2023-08-08 四川农业大学 一种基于神经体渲染的作物几何感知与三维表型重建方法
CN116630598B (zh) * 2023-07-19 2023-09-29 齐鲁空天信息研究院 大场景下的视觉定位方法、装置、电子设备及存储介质
CN117459688B (zh) * 2023-12-26 2024-05-03 海纳云物联科技有限公司 基于地图系统的摄像头角度标示方法、装置及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104596502A (zh) * 2015-01-23 2015-05-06 浙江大学 一种基于cad模型与单目视觉的物体位姿测量方法
JP2017102708A (ja) * 2015-12-02 2017-06-08 日本放送協会 オブジェクト追跡装置及びそのプログラム
WO2017215295A1 (zh) * 2016-06-14 2017-12-21 华为技术有限公司 一种摄像机参数调整方法、导播摄像机及系统
CN109945853A (zh) * 2019-03-26 2019-06-28 西安因诺航空科技有限公司 一种基于3d点云航拍图像的地理坐标定位系统和方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105869136A (zh) * 2015-01-22 2016-08-17 北京雷动云合智能技术有限公司 一种基于多摄像机的协作式视觉slam方法
US10593060B2 (en) * 2017-04-14 2020-03-17 TwoAntz, Inc. Visual positioning and navigation device and method thereof
CN109003305B (zh) * 2018-07-18 2021-07-20 江苏实景信息科技有限公司 一种定位定姿方法及装置
CN110796706A (zh) * 2019-11-08 2020-02-14 四川长虹电器股份有限公司 视觉定位方法及系统
CN112184890B (zh) * 2020-10-14 2023-06-30 佳都科技集团股份有限公司 一种应用于电子地图中的摄像头精准定位方法及处理终端

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104596502A (zh) * 2015-01-23 2015-05-06 浙江大学 一种基于cad模型与单目视觉的物体位姿测量方法
JP2017102708A (ja) * 2015-12-02 2017-06-08 日本放送協会 オブジェクト追跡装置及びそのプログラム
WO2017215295A1 (zh) * 2016-06-14 2017-12-21 华为技术有限公司 一种摄像机参数调整方法、导播摄像机及系统
CN109945853A (zh) * 2019-03-26 2019-06-28 西安因诺航空科技有限公司 一种基于3d点云航拍图像的地理坐标定位系统和方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022078240A1 (zh) * 2020-10-14 2022-04-21 佳都科技集团股份有限公司 一种应用于电子地图中的摄像头精准定位方法及处理终端
WO2023273415A1 (zh) * 2021-06-30 2023-01-05 达闼机器人股份有限公司 基于无人机的定位方法、装置、存储介质、电子设备和产品
WO2023065657A1 (zh) * 2021-10-18 2023-04-27 上海商汤智能科技有限公司 地图构建方法、装置、设备、存储介质及程序
CN115883812A (zh) * 2022-11-30 2023-03-31 重庆大学 基于粒子群算法的多传感器协同布站方法

Also Published As

Publication number Publication date
CN112184890B (zh) 2023-06-30
WO2022078240A1 (zh) 2022-04-21

Similar Documents

Publication Publication Date Title
CN112184890B (zh) 一种应用于电子地图中的摄像头精准定位方法及处理终端
CN112085845B (zh) 基于无人机影像的室外场景快速三维重建装置
CN112767391B (zh) 融合三维点云和二维图像的电网线路部件缺陷定位方法
CN110310248B (zh) 一种无人机遥感影像实时拼接方法及系统
CN109523471B (zh) 一种地面坐标和广角摄像机画面坐标的转换方法、系统以及装置
CN109387186B (zh) 测绘信息获取方法、装置、电子设备及存储介质
CN109520500A (zh) 一种基于终端拍摄图像匹配的精确定位及街景库采集方法
CN110132274A (zh) 一种室内定位方法、装置、计算机设备及存储介质
CN108154558B (zh) 一种增强现实方法、装置和系统
CN109709977B (zh) 移动轨迹规划的方法、装置及移动物体
AU2007355942A1 (en) Arrangement and method for providing a three dimensional map representation of an area
KR101852368B1 (ko) Uav 촬영을 통한 vrs 지상기준점 방식의 지하시설물 정보 측정방법
CN115841487B (zh) 一种沿输电线路的隐患定位方法及终端
CN115423863B (zh) 相机位姿估计方法、装置及计算机可读存储介质
CN113066112A (zh) 一种基于三维模型数据的室内外融合方法及装置
CN109712249B (zh) 地理要素增强现实方法及装置
CN107741233A (zh) 一种三维室外地图的构建方法
JP2019207467A (ja) ３次元マップ補正装置、３次元マップ補正方法及び３次元マップ補正プログラム
US20160086339A1 (en) Method of providing cartograic information of an eletrical component in a power network
CN110617800A (zh) 基于民航客机的应急遥感监测方法、系统及存储介质
CN113763561B (zh) Poi数据生成方法、装置、存储介质及电子设备
CN110930510A (zh) 城市空间三维重建方法
CN111145095B (zh) 一种带尺度测量的vr图生成方法及数据采集装置
CN114390270B (zh) 实时智能站点全景查勘方法、装置和电子设备
CN116912320B (zh) 对象高程坐标的定位方法、装置、电子设备及介质

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 306, area 2, building 1, Fanshan Venture Center, Panyu energy saving science and Technology Park, 832 Yingbin Road, Donghuan street, Panyu District, Guangzhou, Guangdong 510000

Applicant after: Jiadu Technology Group Co.,Ltd.

Address before: Room 306, zone 2, building 1, Fanshan entrepreneurship center, Panyu energy saving technology park, No. 832 Yingbin Road, Donghuan street, Panyu District, Guangzhou City, Guangdong Province

Applicant before: PCI-SUNTEKTECH Co.,Ltd.

GR01 Patent grant
GR01 Patent grant