CN112945240B - 特征点位置的确定方法、装置、设备及可读存储介质 - Google Patents
特征点位置的确定方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN112945240B CN112945240B CN202110283596.0A CN202110283596A CN112945240B CN 112945240 B CN112945240 B CN 112945240B CN 202110283596 A CN202110283596 A CN 202110283596A CN 112945240 B CN112945240 B CN 112945240B
- Authority
- CN
- China
- Prior art keywords
- coordinate
- initial
- target
- feature point
- incremental equation
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
Abstract
本申请公开了一种特征点位置的确定方法、装置、设备及可读存储介质,属于计算机技术领域。方法包括:获取待确定位置的目标特征点;响应于目标特征点的类型为已初始化,将目标特征点在上次初始化过程得到的坐标确定为目标特征点的初始坐标;获取目标特征点的先验信息,先验信息包括初始坐标对应增量方程的系数矩阵和初始坐标对应增量方程的列向量;基于初始坐标对应增量方程的系数矩阵和初始坐标对应增量方程的列向量,对初始坐标进行更新,得到目标特征点的目标坐标,将目标特征点的目标坐标确定为目标特征点的位置。该方法使得确定的目标特征点的位置更加准确。
Description
技术领域
本申请实施例涉及计算机技术领域,特别涉及一种特征点位置的确定方法、装置、设备及可读存储介质。
背景技术
视觉惯性里程计(Visual-Inertial Odometry,VIO),又称视觉惯性导航系统(Visual-inertial System,VINS),能够仅利用一个或多个相机加上一个或多个惯导单元来完成定位,是能够一定程度上取代GPS(Global Positioning System,全球定位系统)和激光定位实现高精度状态估计的导航定位方法。
相关技术中,获取待确定位置的目标特征点,响应于目标特征点已初始化,则将初始化的结果确定为目标特征点的目标坐标,将目标特征点的目标坐标确定为目标特征点的位置,目标特征点的位置用于对VIO中的参数进行更新,以提高VIO定位的准确性。
然而,上述直接将初始化的结果确定为目标特征点的目标坐标的方法,使得确定的目标坐标不够准确,也即是确定的目标特征点的位置不够准确。由于目标特征点的位置用于对VIO中的参数进行更新,当目标特征点的位置不够准确时,采用目标特征点的位置更新VIO的参数之后得到的参数的准确性也较低,使得VIO的定位准确性也较低。
发明内容
本申请实施例提供了一种特征点位置的确定方法、装置、设备及可读存储介质,可用于解决相关技术中的问题。所述技术方案如下:
一方面,本申请实施例提供了一种特征点位置的确定方法,所述方法包括:
获取待确定位置的目标特征点;
响应于所述目标特征点的类型为已初始化,将所述目标特征点在上次初始化过程得到的坐标确定为所述目标特征点的初始坐标;
获取所述目标特征点的先验信息,所述先验信息包括所述初始坐标对应增量方程的系数矩阵和所述初始坐标对应增量方程的列向量,所述初始坐标对应增量方程的系数矩阵和所述初始坐标对应增量方程的列向量用于确定第一增量,所述第一增量用于对所述初始坐标进行更新;
基于所述初始坐标对应增量方程的系数矩阵和所述初始坐标对应增量方程的列向量,对所述初始坐标进行更新,得到所述目标特征点的目标坐标,将所述目标特征点的目标坐标确定为所述目标特征点的位置,所述目标特征点的位置用于对视觉惯性里程计的参数进行更新。
在一种可能的实现方式中,所述基于所述初始坐标对应增量方程的系数矩阵和所述初始坐标对应增量方程的列向量,对所述初始坐标进行更新,得到所述目标特征点的目标坐标,包括:
确定所述初始坐标对应的第一残差;
基于所述第一残差,确定所述初始坐标对应的第一雅克比矩阵;
基于所述第一残差、所述第一雅克比矩阵、所述初始坐标、所述初始坐标对应增量方程的系数矩阵、所述初始坐标对应增量方程的列向量以及初始阻尼因子,获取第一增量方程;
基于所述第一残差,确定所述初始坐标对应的初始代价值;
基于所述第一增量方程和所述初始坐标对应的初始代价值,对所述初始坐标进行更新,得到所述目标特征点的目标坐标。
在一种可能的实现方式中,所述基于所述第一增量方程和所述初始坐标对应的初始代价值,对所述初始坐标进行更新,得到所述目标特征点的目标坐标,包括:
对所述第一增量方程进行求解,得到第一增量;
基于所述第一增量和所述初始坐标,确定第一坐标;
基于所述第一坐标、所述第一残差、所述初始坐标、所述初始坐标对应增量方程的系数矩阵和所述初始坐标对应增量方程的列向量,确定所述第一坐标对应的代价值;
响应于所述第一坐标对应的代价值小于所述初始代价值且不小于目标代价值,对所述初始阻尼因子进行减小调整,得到第一阻尼因子;
确定所述第一坐标对应的第二残差和所述第一坐标对应的第二雅克比矩阵;
基于所述第二残差、所述第二雅克比矩阵、所述第一坐标、所述第一坐标对应增量方程的系数矩阵、所述第一坐标对应增量方程的列向量以及所述第一阻尼因子,重新确定第二坐标,直至重新确定的第二坐标对应的代价值小于目标代价值,将所述第二坐标确定为所述目标特征点的目标坐标。
在一种可能的实现方式中,所述基于所述第一残差、所述第一雅克比矩阵、所述初始坐标、所述初始坐标对应增量方程的系数矩阵、所述初始坐标对应增量方程的列向量以及所述初始阻尼因子,获取第一增量方程,包括:
基于所述第一残差、所述第一雅克比矩阵、所述初始坐标、初始坐标对应增量方程的系数矩阵、所述初始坐标对应增量方程的列向量以及所述初始阻尼因子,按照下述公式获取第一增量方程:
(JTJ+H0+λI)*Δx=JTr+b0+H0*(x-x0)
其中,所述J为所述第一雅克比矩阵,所述H0为初始坐标对应增量方程的系数矩阵,所述λ为所述初始阻尼因子,所述I为单位矩阵,所述r为所述第一残差,所述b0为所述初始坐标对应增量方程的列向量,所述x0为所述初始坐标,所述x为上次迭代所得到的所述目标特征点的坐标。
在一种可能的实现方式中,所述基于所述第一坐标、所述第一残差、所述初始坐标、初始坐标对应增量方程的系数矩阵和所述初始坐标对应增量方程的列向量,确定所述第一坐标对应的代价值,包括:
基于所述第一坐标、所述第一残差、所述初始坐标、初始坐标对应增量方程的系数矩阵和所述初始坐标对应增量方程的列向量,获取代价函数;
对所述代价函数进行求解,得到所述第一坐标对应的代价值。
在一种可能的实现方式中,所述基于所述第一坐标、所述第一残差、所述初始坐标、初始坐标对应增量方程的系数矩阵和所述初始坐标对应增量方程的列向量,获取代价函数,包括:
基于所述第一坐标、所述残差、所述初始坐标、初始坐标对应增量方程的系数矩阵和所述初始坐标对应增量方程的列向量,按照下述公式获取代价函数cost:
cost=rTr+(X-x0+H0 -1b0)TH0(X-x0+H0 -1b0)
其中,所述r为所述第一残差,所述X为所述第一坐标,所述x0为所述初始坐标,所述H0为初始坐标对应增量方程的系数矩阵,所述b0为所述初始坐标对应增量方程的列向量。
在一种可能的实现方式中,所述方法还包括:
响应于所述第一坐标对应的代价值不小于所述初始代价值,对所述初始阻尼因子进行增大调整,得到第二阻尼因子;
基于所述第二阻尼因子、所述第一残差、所述第一雅克比矩阵、所述初始坐标、所述初始坐标对应增量方程的系数矩阵以及所述初始坐标对应增量方程的列向量,获取第二增量方程,直至所述第二增量方程所确定的第三坐标对应的代价值小于所述初始代价值且不小于目标代价值,对所述第二阻尼因子进行减小调整,得到第三阻尼因子;
确定所述第三坐标对应的第三残差和所述第三坐标对应的第三雅克比矩阵;
基于所述第三残差、所述第三雅克比矩阵、所述第三坐标、所述第三坐标对应增量方程的系数矩阵、所述第三坐标对应增量方程的列向量以及所述第三阻尼因子,重新确定第四坐标,直至重新确定的第四坐标对应的代价值小于目标代价值,将所述第四坐标确定为所述目标特征点的目标坐标。
在一种可能的实现方式中,所述获取待确定位置的目标特征点以及所述目标特征点的类型之前,所述方法还包括:
基于所述目标特征点在上次初始化得到的坐标,确定所述目标特征点的深度;
响应于所述目标特征点的深度满足深度要求,确定所述目标特征点的类型为已初始化;
响应于所述目标特征点的深度不满足所述深度要求,确定所述目标特征点的类型为未初始化。
在一种可能的实现方式中,所述基于初始坐标对应增量方程的系数矩阵和所述初始坐标对应增量方程的列向量,对所述初始坐标进行更新,得到所述目标特征点的目标坐标之后,所述方法还包括:
将所述目标特征点的先验信息更新为所述目标坐标对应增量方程的系数矩阵和所述目标坐标对应增量方程的列向量。
另一方面,本申请实施例提供了一种特征点位置的确定装置,所述装置包括:
获取模块,用于获取待确定位置的目标特征点;
确定模块,用于响应于所述目标特征点的类型为已初始化,将所述目标特征点在上次初始化过程得到的坐标确定为所述目标特征点的初始坐标;
所述获取模块,还用于获取所述目标特征点的先验信息,所述先验信息包括初始坐标对应增量方程的系数矩阵和所述初始坐标对应增量方程的列向量,所述初始坐标对应增量方程的系数矩阵和所述初始坐标对应增量方程的列向量用于确定第一增量,所述第一增量用于对所述初始坐标进行更新;
更新模块,用于基于初始坐标对应增量方程的系数矩阵和所述初始坐标对应增量方程的列向量,对所述初始坐标进行更新,得到所述目标特征点的目标坐标;
所述确定模块,还用于将所述目标特征点的目标坐标确定为所述目标特征点的位置,所述目标特征点的位置用于对视觉惯性里程计的参数进行更新。
在一种可能的实现方式中,所述更新模块,用于确定所述初始坐标对应的第一残差;
基于所述第一残差,确定所述初始坐标对应的第一雅克比矩阵;
基于所述第一残差、所述第一雅克比矩阵、所述初始坐标、初始坐标对应增量方程的系数矩阵、所述初始坐标对应增量方程的列向量以及初始阻尼因子,获取第一增量方程;
基于所述第一残差,确定所述初始坐标对应的初始代价值;
基于所述第一增量方程和所述初始坐标对应的初始代价值,对所述初始坐标进行更新,得到所述目标特征点的目标坐标。
在一种可能的实现方式中,所述更新模块,用于对所述第一增量方程进行求解,得到第一增量;
基于所述第一增量和所述初始坐标,确定第一坐标;
基于所述第一坐标、所述第一残差、所述初始坐标、初始坐标对应增量方程的系数矩阵和所述初始坐标对应增量方程的列向量,确定所述第一坐标对应的代价值;
响应于所述第一坐标对应的代价值小于所述初始代价值且不小于目标代价值,对所述初始阻尼因子进行减小调整,得到第一阻尼因子;
确定所述第一坐标对应的第二残差和所述第一坐标对应的第二雅克比矩阵;
基于所述第二残差、所述第二雅克比矩阵、所述第一坐标、所述第一坐标对应增量方程的系数矩阵、所述第一坐标对应增量方程的列向量以及所述第一阻尼因子,重新确定第二坐标,直至重新确定的第二坐标对应的代价值小于目标代价值,将所述第二坐标确定为所述目标特征点的目标坐标。
在一种可能的实现方式中,所述更新模块,用于基于所述第一残差、所述第一雅克比矩阵、所述初始坐标、初始坐标对应增量方程的系数矩阵、所述初始坐标对应增量方程的列向量以及初始阻尼因子,按照下述公式获取第一增量方程:
(JTJ+H0+λI)*Δx=JTr+b0+H0*(x-x0)
其中,所述J为所述第一雅克比矩阵,所述H0为初始坐标对应增量方程的系数矩阵,所述λ为所述初始阻尼因子,所述I为单位矩阵,所述r为所述第一残差,所述b0为所述初始坐标对应增量方程的列向量,所述x0为所述初始坐标,所述x为上次迭代所得到的所述目标特征点的坐标。
在一种可能的实现方式中,所述更新模块,用于基于所述第一坐标、所述第一残差、所述初始坐标、初始坐标对应增量方程的系数矩阵和所述初始坐标对应增量方程的列向量,获取代价函数;
对所述代价函数进行求解,得到所述第一坐标对应的代价值。
在一种可能的实现方式中,所述更新模块,用于基于所述第一坐标、所述第一残差、所述初始坐标、初始坐标对应增量方程的系数矩阵和所述初始坐标对应增量方程的列向量,按照下述公式获取代价函数cost:
cost=rTr+(X-x0+H0 -1b0)TH0(X-x0+H0 -1b0)
其中,所述r为所述第一残差,所述X为所述第一坐标,所述x0为所述初始坐标,所述H0为初始坐标对应增量方程的系数矩阵,所述b0为所述初始坐标对应增量方程的列向量。
在一种可能的实现方式中,所述更新模块,还用于响应于所述第一坐标对应的代价值不小于所述初始代价值,对所述初始阻尼因子进行增大调整,得到第二阻尼因子;
基于所述第二阻尼因子、所述第一残差、所述第一雅克比矩阵、所述初始坐标、所述初始坐标对应增量方程的系数矩阵以及所述初始坐标对应增量方程的列向量,获取第二增量方程,直至所述第二增量方程所确定的第三坐标对应的代价值小于所述初始代价值且不小于目标代价值,对所述第二阻尼因子进行减小调整,得到第三阻尼因子;
确定所述第三坐标对应的第三残差和所述第三坐标对应的第三雅克比矩阵;
基于所述第三残差、所述第三雅克比矩阵、所述第三坐标、所述第三坐标对应增量方程的系数矩阵、所述第三坐标对应增量方程的列向量以及所述第三阻尼因子,重新确定第四坐标,直至重新确定的第四坐标对应的代价值小于目标代价值,将所述第四坐标确定为所述目标特征点的目标坐标。
在一种可能的实现方式中,所述确定模块,还用于基于所述目标特征点在上次初始化得到的坐标,确定所述目标特征点的深度;
响应于所述目标特征点的深度满足深度要求,确定所述目标特征点的类型为已初始化;
响应于所述目标特征点的深度不满足所述深度要求,确定所述目标特征点的类型为未初始化。
在一种可能的实现方式中,所述更新模块,还用于将所述目标特征点的先验信息更新为所述目标坐标对应增量方程的系数矩阵和所述目标坐标对应增量方程的列向量。
另一方面,本申请实施例提供了一种电子设备,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行,以实现上述任一所述的特征点位置的确定方法。
另一方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条程序代码,所述至少一条程序代码由处理器加载并执行,以实现上述任一所述的特征点位置的确定方法。
另一方面,还提供了一种计算机程序或计算机程序产品,所述计算机程序或计算机程序产品中存储有至少一条计算机指令,所述至少一条计算机指令由处理器加载并执行,以实现上述任一种特征点位置的确定方法。
本申请实施例提供的技术方案至少带来如下有益效果:
本申请实施例提供的技术方案在目标特征点的类型为已初始化时,将上次初始化过程得到的坐标作为目标特征点的初始坐标,对初始坐标进行更新,以得到目标特征点的目标坐标。经过该更新过程,能够使得确定的目标特征点的目标坐标的准确性更高,也即是提高确定的目标特征点的位置的准确性。根据该目标特征点的位置更新视觉惯性里程计的参数之后得到的参数的准确性也较高,进而可以提高视觉惯性里程计的定位准确度。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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的附图。
图1是本申请实施例提供的一种特征点位置的确定方法的实施环境示意图;
图2是本申请实施例提供的一种特征点位置的确定方法的流程图;
图3是本申请实施例提供的一种特征点位置的确定方法的流程图;
图4是本申请实施例提供的一种特征点位置的确定方法的流程图;
图5是本申请实施例提供的一种特征点位置的确定装置的结构示意图;
图6是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
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
图1是本申请实施例提供的一种特征点位置的确定方法的实施环境示意图,如图1所示,该实施环境包括:电子设备101。
电子设备101可以是智能手机、游戏主机、台式计算机、平板电脑、电子书阅读器、MP3(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)播放器、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器和膝上型便携计算机中的至少一种。电子设备101用于执行本申请实施例提供的特征点位置的确定方法。
电子设备101可以泛指多个电子设备中的一个,本实施例仅以电子设备101来举例说明。本领域技术人员可以知晓,上述电子设备101的数量可以更多或更少。比如上述电子设备101可以仅为一个,或者上述电子设备101为几十个或几百个,或者更多数量,本申请实施例对电子设备的数量和设备类型不加以限定。
基于上述实施环境,本申请实施例提供了一种特征点位置的确定方法,以图2所示的本申请实施例提供的一种特征点位置的确定方法的流程图为例,该方法可由图1中的电子设备101执行。如图2所示,该方法包括下述步骤201至步骤205:
在步骤201中,获取待确定位置的目标特征点。
在本申请示例性实施例中,电子设备中安装和运行有视觉惯性里程计(Visual-Inertial Odometry,VIO),VIO用于对目标特征点进行跟踪,得到目标特征点的位置。该目标特征点的位置确定过程为获取多张包含有目标特征点的图片,基于目标特征点在多张图片中的图像坐标,确定目标特征点的位置。其中,目标特征点在多张图片中的图像坐标为二维坐标,目标特征点的目标坐标为三维坐标。
在一种可能的实现方式中,VIO跟踪的图像中包括一个或多个个体,每个个体对应于一个或多个特征点,将个体中包括的任意一个特征点确定为能够代表该个体的目标特征点。示例性地,VIO跟踪的图像中包括一个人,由于人的眼珠的特征点对应的像素值不同于周围其他特征点对应的像素值,因此可以将人的眼珠的特征点确定为能够代表人的目标特征点,也即是将人的眼珠的特征点确定为待确定位置的目标特征点。当然,还可以采用其它方式确定目标特征点,本申请实施例对目标特征点的确定方式不加以限定。VIO跟踪的图像中还可以包括其他类型的个体,本申请实施例对图像所包括的个体的类型也不加以限定。
在一种可能的实现方式中,电子设备中存储有各个特征点的类型以及特征点编号和特征点的类型的对应关系,响应于电子设备确定出待确定位置的目标特征点之后,确定目标特征点的编号,基于目标特征点的编号以及特征点编号和特征点的类型的对应关系,确定目标特征点的类型。目标特征点的类型包括已初始化和未初始化。
如下表一所示为本申请实施例提供的一种特征点编号和特征点的类型的对应关系的表格。
表一
特征点编号 | 特征点的类型 |
特征点1 | 已初始化 |
特征点2 | 未初始化 |
特征点3 | 已初始化 |
由上述表一可知,特征点编号为特征点1时,特征点的类型为已初始化;特征点编号为特征点2时,特征点的类型为未初始化;特征点编号为特征点3时,特征点的类型为已初始化。
需要说明的是,上述表一仅为本申请实施例提供的有限数量个特征点编号和特征点的类型的对应关系的表格,并不对电子设备中存储的特征点编号和特征点的类型的数量进行限制。
示例性地,电子设备确定的目标特征点的编号为特征点1,基于目标特征点的编号以及特征点编号和特征点的类型的对应关系,确定出特征点1的类型为已初始化,也即是目标特征点的类型为已初始化。
在一种可能的实现方式中,电子设备需要基于上次初始化过程得到的坐标来确定特征点的类型,该过程如下:基于目标特征点在上次初始化得到的坐标,确定目标特征点的深度;响应于目标特征点的深度满足深度要求,确定目标特征点的类型为已初始化;响应于目标特征点的深度不满足深度要求,确定目标特征点的类型为未初始化。
其中,目标特征点在上次初始化得到的坐标为三维坐标,目标特征点的深度为目标特征点在上次初始化得到的坐标中的第三方向的坐标,也即是目标特征点在上次初始化得到的坐标中Z方向的值。深度要求为深度大于零,或者为其它深度要求,本申请实施例对此不加以限定。
示例性地,深度要求为深度大于零,目标特征点在上次初始化得到的坐标为(1,2,3),基于目标特征点在上次初始化得到的坐标确定目标特征点的深度为3,由于目标特征点的深度满足深度要求,因此确定目标特征点的类型为已初始化。
又例如,深度要求为深度大于零,目标特征点在上次初始化得到的坐标为(1,2,-3),基于目标特征点在上次初始化得到的坐标确定目标特征点的深度为-3,由于目标特征点的深度不满足深度要求,因此确定目标特征点的类型为未初始化。
在步骤202中,响应于目标特征点的类型为已初始化,将目标特征点在上次初始化过程得到的坐标确定为目标特征点的初始坐标。
在一种可能的实现方式中,目标特征点的类型为已初始化时,说明目标特征点在此次处理过程之前,已进行过初始化,当本次处理过程为对目标特征点进行第二次初始化时,目标特征点的第一次初始化过程得到的坐标在下述图3所示的实施例中进行说明,在此不再赘述。当本次处理过程为对目标特征点进行第N次初始化时,则目标特征点的上次初始化过程,也即是第N-1的初始化过程与第N次的初始化过程一致,其中,N为大于等于3的整数。
由于上次初始化过程得到的坐标仅为利用上次初始化时间点之前的信息来确定的目标特征点位置,而任何估计算法都是存在误差的,所以当前时间点有了更多的信息可以帮助确定更准确的目标特征点位置。因此,本申请将目标特征点在上次初始化的过程得到的坐标确定为本次初始化过程中目标特征点的初始坐标,基于该初始坐标进行更新,从而得到目标特征点的目标坐标,该目标坐标的确定过程如下述步骤203和步骤204。
在步骤203中,获取目标特征点的先验信息,先验信息包括初始坐标对应增量方程的系数矩阵和初始坐标对应增量方程的列向量。
在一种可能的实现方式中,电子设备中存储有目标特征点每次初始化过程得到的坐标以及与该坐标对应的先验信息。将上次初始化过程得到的坐标确定为目标特征点的初始坐标之后,获取上次初始化过程得到的坐标所对应的先验信息,也即是获取初始坐标对应的先验信息,初始坐标对应的先验信息包括上次初始化过程得到的坐标所对应增量方程的系数矩阵(初始坐标对应增量方程的系数矩阵)和上次初始化过程得到的坐标所对应增量方程的列向量(初始坐标对应增量方程的列向量)。
在步骤204中,基于初始坐标对应增量方程的系数矩阵和初始坐标对应增量方程的列向量,对初始坐标进行更新,得到目标特征点的目标坐标。
在一种可能的实现方式中,初始坐标对应增量方程的系数矩阵和初始坐标对应增量方程的列向量用于确定第一增量,第一增量用于对初始坐标进行更新,第一增量为目标特征点的目标坐标和目标特征点的初始坐标之间的差值。基于初始坐标对应增量方程的系数矩阵和初始坐标对应增量方程的列向量,采用L-M(Levenberg-Marquardt,麦夸特)迭代的方式对初始坐标进行更新,得到目标特征点的目标坐标的过程如下:
基于初始坐标,确定初始坐标对应的第一残差;基于第一残差,确定初始坐标对应的第一雅克比矩阵;基于第一残差、第一雅克比矩阵、初始坐标、初始坐标对应增量方程的系数矩阵、初始坐标对应增量方程的列向量以及初始阻尼因子,获取第一增量方程;基于第一残差,确定初始坐标对应的初始代价值;基于第一增量方程和初始坐标对应的初始代价值,对初始坐标进行更新,得到目标特征点的目标坐标。
其中,基于初始坐标,确定初始坐标对应的第一残差的过程如下:获取参考图像,确定目标特征点在参考图像中的图像坐标。由于目标特征点的初始坐标为三维坐标,而目标特征点在参考图像中的图像坐标为二维坐标,因此对目标特征点的初始坐标进行归一化处理,得到目标特征点的初始坐标对应的归一化坐标;基于摄像装置的参数计算目标特征点在参考图像中的图像坐标对应的归一化坐标;将初始坐标对应的归一化坐标和图像坐标对应的归一化坐标对应相减,得到初始坐标对应的第一残差。
在一种可能的实现方式中,基于第一残差、第一雅克比矩阵、初始坐标、初始坐标对应增量方程的系数矩阵、初始坐标对应增量方程的列向量以及初始阻尼因子,按照下述公式(1)获取第一增量方程:
(JTJ+H0+λI)*Δx=JTr+b0+H0*(x-x0) (1)
在上述公式(1)中,J为第一雅克比矩阵,H0为初始坐标对应增量方程的系数矩阵,λ为初始阻尼因子,I为单位矩阵,r为第一残差,b0为初始坐标对应增量方程的列向量,x0为初始坐标,x为上次迭代所得到的目标特征点的坐标。当本次为第一次迭代时,x=x0,当本次为第二次迭代时,x为第一次迭代所得到的目标特征点的坐标。其中,初始阻尼因子的取值由用户设置,例如,初始阻尼因子的取值为0.001。
在一种可能的实现方式中,基于第一残差,按照下述公式(2)确定初始坐标对应的初始代价值cost0’:
cost0’=rTr (2)
在上述公式(2)中,r为第一残差。
在一种可能的实现方式中,基于第一增量方程和初始坐标对应的初始代价值,对初始坐标进行更新,得到目标特征点的目标坐标的过程为:对第一增量方程进行求解,得到第一增量;基于第一增量和初始坐标,确定第一坐标;基于第一坐标、第一残差、初始坐标、初始坐标对应增量方程的系数矩阵和初始坐标对应增量方程的列向量,确定第一坐标对应的代价值;响应于第一坐标对应的代价值小于初始代价值且不小于目标代价值,对初始阻尼因子进行减小调整,得到第一阻尼因子;确定第一坐标对应的第二残差和第一坐标对应的第二雅克比矩阵;基于第二残差、第二雅克比矩阵、第一坐标、第一坐标对应增量方程的系数矩阵、第一坐标对应增量方程的列向量以及第一阻尼因子,重新确定第二坐标,直至重新确定的第二坐标对应的代价值小于目标代价值,将第二坐标确定为目标特征点的目标坐标。
在一种可能的实现方式中,响应于第一坐标对应的代价值小于初始代价值且小于目标代价值,将所述第一坐标确定为目标特征点的目标坐标。
其中,目标代价值基于经验进行设置,或者根据不同的应用场景进行调整,本申请实施例对此不加以限定。
在一种可能的实现方式中,基于第一增量和初始坐标,按照下述公式(3)确定第一坐标X:
X=x0-Δx (3)
在上述公式(3)中,x0为初始坐标,Δx为第一增量。
在一种可能的实现方式中,基于第一坐标、第一残差、初始坐标、初始坐标对应增量方程的系数矩阵和初始坐标对应增量方程的列向量,确定第一坐标对应的代价值的过程为:基于第一坐标、第一残差、初始坐标、初始坐标对应增量方程的系数矩阵和初始坐标对应增量方程的列向量,获取代价函数;对代价函数进行求解,得到第一坐标对应的代价值。
其中,基于第一坐标、残差、初始坐标、初始坐标对应增量方程的系数矩阵和初始坐标对应增量方程的列向量,按照下述公式(4)获取代价函数:
cost=rTr+(X-x0+H0 -1b0)TH0(X-x0+H0 -1b0) (4)
在上述公式(4)中,r为第一残差,X为第一坐标,x0为初始坐标,H0为初始坐标对应增量方程的系数矩阵,b0为初始坐标对应增量方程的列向量。
在一种可能的实现方式中,响应于第一坐标对应的代价值不小于初始代价值,对阻尼因子进行增大调整,得到第二阻尼因子,基于第二阻尼因子、第一残差、第一雅克比矩阵、初始坐标、初始坐标对应增量方程的系数矩阵以及初始坐标对应增量方程的列向量,获取第二增量方程,直至第二增量方程所确定的第三坐标对应的代价值小于初始代价值且不小于目标代价值,对第二阻尼因子进行减小调整,得到第三阻尼因子;确定第三坐标对应的第三残差和第三坐标对应的第三雅克比矩阵;基于第三残差、第三雅克比矩阵、第三坐标、第三坐标对应增量方程的系数矩阵、第三坐标对应增量方程的列向量以及第三阻尼因子,重新确定第四坐标,直至重新确定的第四坐标对应的代价值小于目标代价值,将第四坐标确定为目标特征点的目标坐标。
示例性地,对初始阻尼因子进行减小调整,得到第一阻尼因子为:将初始阻尼因子调整为原来的十分之一,得到第一阻尼因子,即第一阻尼因子λ=λ/10。对初始阻尼因子进行增大调整,得到第二阻尼因子为:将初始阻尼因子调整为原来的10倍,得到第二阻尼因子,即第二阻尼因子λ=λ*10。当然,还可以按照其他方式对阻尼因子进行减小调整或增大调整,本申请实施例对此不加以限定。
在步骤205中,将目标特征点的目标坐标确定为目标特征点的位置,目标特征点的位置用于对视觉惯性里程计的参数进行更新。
在一种可能的实现方式中,确定出目标特征点的目标坐标之后,将目标特征点的目标坐标确定为目标特征点的位置。例如,目标特征点的目标坐标为(100,130,90),则目标特征点的位置为(100,130,90)对应的位置。
在一种可能的实现方式中,确定出目标特征点的位置之后,将目标特征点的位置输入VIO中,以对VIO中的参数进行调整,以提高VIO确定位置的准确性,得到参数调整后的VIO,采用该参数调整后的VIO进行定位时的准确性更高。
在一种可能的实现方式中,确定出目标特征点的目标坐标之后,还可以基于目标特征点的目标坐标调整目标特征点的类型,该过程如下:基于目标特征点的目标坐标,确定目标特征点的目标深度;响应于目标特征点的目标深度大于深度要求,保持目标特征点的类型为已初始化;响应于目标特征点的目标深度不大于深度要求,将目标特征点的类型调整为未初始化。该深度要求与上述步骤201中的深度要求一致。
在一种可能的实现方式中,响应于将第一坐标确定为目标特征点的目标坐标之后,对公式(1)进行变换,得到公式(5):
H1*Δx=b1 (5)
在上述公式(5)中,H1为目标坐标对应增量方程的系数矩阵,b1为目标坐标对应增量方程的列向量,Δx为第一增量。
需要说明的是,当将第M次迭代得到的坐标确定为目标特征点的目标坐标时,则对第M次迭代的增量方程进行变化,得到如上述公式(5)类似的方程,进而确定目标坐标对应增量方程的系数矩阵和目标坐标对应增量方程的列向量。
在一种可能的实现方式中,确定出目标特征点的目标坐标之后,还需对目标特征点的先验信息进行更新,也即是,将目标特征点的先验信息更新为目标坐标对应增量方程的系数矩阵和目标坐标对应增量方程的列向量,以便下次对目标特征点进行初始化时提取并使用。
上述方法在目标特征点的类型为已初始化时,将上次初始化过程得到的坐标作为目标特征点的初始坐标,对初始坐标进行更新,以得到目标特征点的目标坐标。经过该更新过程,能够使得确定的目标特征点的目标坐标的准确性更高,也即是提高确定的目标特征点的位置的准确性。根据该目标特征点的位置更新视觉惯性里程计的参数之后得到的参数的准确性也较高,进而可以提高视觉惯性里程计的定位准确度。
图3所示为本申请实施例提供的一种特征点位置的确定方法的流程图,该方法可以图1中的电子设备101执行,该方法为目标特征点的类型为未初始化时,目标特征点经过初始化过程得到坐标的过程。该方法包括下述步骤:
在步骤301中,获取两张候选图片,确定目标特征点分别在两张候选图片中的第一图像坐标和第二图像坐标。
在一种可能的实现方式中,在电子设备获取的多张包含有目标特征点的图片中确定两张图片为候选图片,如候选图片为图片一和图片二。获取目标特征点在图片一中的图像坐标和目标特征点在图片二中的图像坐标,得到两个图像坐标。
在一种可能的实现方式中,可以有如下两种实现方式在电子设备获取的多张包含有目标特征点的图片中确定两张候选图片:
实现方式一、在电子设备获取的多张包含有目标特征点的图片中随机确定两张图片作为候选图片。
在一种可能的实现方式中,电子设备获取到十张包含有目标特征点的图片,分别为第一张图片、第二张图片直至第十张图片,电子设备在这十张图片中随机确定两张图片作为候选图片。如电子设备将第一张图片和第五张图片确定为候选图片。
实现方式二、在电子设备获取的多张包含有目标特征点的图片中确定拍摄距离满足目标距离的两张图片为候选图片。
在一种可能的实现方式中,拍摄距离为两张图片之间间隔的图片数量。由于图片的拍摄距离越近,图片的相似度越高,也即是图片的拍摄距离越近,目标特征点在图片中的坐标越接近,因此为了使目标特征点的初始坐标更加准确,对候选图片的确定加以限定,也即是将拍摄距离大于目标距离的两张图片确定为候选图片。目标距离为任意数值,本申请实施例对此不加以限定,如目标距离为5,也即是两张图片之间的间隔图片数量为5。
示例性地,电子设备共获取10张图片,分别为第一张图片、第二张图片直至第十张图片,目标距离为5,因此将拍摄距离大于5的两张图片确定为候选图片。例如,将第一张图片和第七张图片确定为候选图片;又例如,将第一张图片和第十张图片确定为候选图片。
需要说明的是,可以选择上述任一种实现方式确定候选图片,本申请实施例对确定候选图片的方式不加以限定。
在一种可能的实现方式中,确定出两张候选图片之后,采用能够测量的工具确定目标特征点在第一张候选图片中的第一图像坐标以及目标特征点在第二张候选图片中的第二图像坐标。
在步骤302中,对第一图像坐标和第二图像坐标进行三角化处理,得到目标特征点的初始坐标。
在一种可能的实现方式中,对第一图像坐标和第二图像坐标进行三角化处理的过程如下:
获取电子设备的摄像装置的参数,包括:宽度偏移cx、高度偏移cy、宽度焦距fx和高度焦距fy。基于摄像装置的参数和第一图像坐标进行归一化处理,得到第一归一化坐标;基于摄像装置的参数和第二图像坐标进行归一化处理,得到第二归一化坐标。例如,第一图像坐标为A=(u,v),基于摄像装置的参数和第一图像坐标进行归一化处理,得到第一图像坐标对应的归一化坐标为 第二图像坐标对应的归一化坐标的确定过程与第一图像坐标对应的归一化坐标的确定过程一致,在此不再赘述。
设定第一图像坐标对应的深度为s1,第二图像坐标对应的深度为s2;获取电子设备的摄像装置运动过程的旋转矩阵R和平移向量t,根据旋转矩阵R和平移向量t,即可将第二图像坐标转换到与第一图像坐标相同的坐标系中,该转换过程如下述公式(6)所示:
在上述公式(6)中,(x1,y1,z1)为第一图像坐标,(x2,y2,z2)为第二图像坐标,R为旋转矩阵,t为平移向量。
对上述公式(6)进行求解,得到s1的取值和s2的取值。
基于深度s1和第一归一化坐标A′,确定目标特征点在第一图像坐标系下的初始坐标为X0=s1*A′。当然,还可以基于深度s2和第二归一化坐标B′,确定目标特征点在第二图像坐标系下的初始坐标为X0=s2*B′。
示例性地,深度s1为3,第一归一化坐标A′=(1/3,2/3,1),则目标特征点在第一图像坐标系下的初始坐标为X0=s1*A′=3*(1/3,2/3,1)=(1,2,3)。
在步骤303中,获取参考图片,基于目标特征点在参考图片中的图像坐标和目标特征点的初始坐标,确定目标特征点在该次初始化过程的残差。
在一种可能的实现方式中,在电子设备获取的包含有目标特征点的多张图片中随机确定一张图片为参考图片,如确定第三张图片为参考图片。按照上述确定目标特征点在候选图片中的图像坐标的方式确定目标特征点在参考图片中的图像坐标。再基于目标特征点在参考图片中的图像坐标和目标特征点的初始坐标,确定目标特征点在该次初始化过程的残差。由于目标特征点在参考图片中的图像坐标为二维坐标,而目标特征点的初始坐标为三维坐标,因此需要先对目标特征点的初始坐标进行归一化处理,得到目标特征点的归一化坐标,归一化坐标为二维坐标,基于摄像装置的参数,确定图像坐标对应的归一化坐标。将图像坐标对应的归一化坐标与目标特征点的归一化坐标对应相减,得到目标特征点在该次初始化过程的残差。其中,对应相减为图像坐标对应的归一化坐标中X方向的值与目标特征点的归一化坐标中X方向的值相减,图像坐标对应的归一化坐标中Y方向的值与目标特征点的归一化坐标中Y方向的值相减。
在步骤304中,基于目标特征点的初始坐标和目标特征点在该次初始化过程的残差,确定目标特征点在该次初始化过程得到的坐标。
在一种可能的实现方式中,基于目标特征点在该次初始化过程中每次迭代的残差确定目标特征点在该次初始化过程中每次迭代的雅克比矩阵。基于目标特征点在该次初始化过程中每次迭代的雅克比矩阵和目标特征点在该次初始化过程中每次迭代的残差,获取增量方程。对增量方程进行求解,得到每次迭代的参考增量,基于初始坐标和每次迭代的参考增量确定目标特征点在该次初始化过程得到的坐标。
其中,获取的增量方程如下述公式(7)所示:
(J0 TJ0+λI)*Δx=J0 Tr0 (7)
在上述公式(7)中,J0为目标特征点在该次初始化过程中每次迭代的雅克比矩阵,r0为目标特征点在该次初始化过程中每次迭代的残差,λ为阻尼因子,I为单位矩阵。其中,阻尼因子的取值为用户设置的数值,例如,阻尼因子为0.001。
基于对增量方程进行求解,得到每次迭代的参考增量Δx的取值,基于初始坐标和每次迭代的参考增量的取值,按照下述公式(8)确定出目标特征点在该次初始化过程得到的坐标x0。
x0=X0-Δx1 (8)
在上述公式(8)中,X0为每次迭代中目标特征点的初始坐标,Δx1为每次迭代的参考增量。
电子设备确定出目标特征点在每次迭代过程得到的坐标之后,基于目标特征点在每次迭代过程的残差,按照下述公式(9)确定目标特征点在每次迭代过程的代价值cost0:
cost0=r0 Tr0 (9)
在上述公式(9)中,r0为目标特征点在该次迭代过程的残差。
如果目标特征点在该次迭代过程中的代价值相比上次迭代有所下降,对阻尼因子进行减小调整,得到调整后的阻尼因子,进入下一次迭代直至迭代得到的坐标对应的代价值小于目标代价值,则停止迭代过程,将最后一次迭代得到的坐标确定为目标坐标。反之,如果目标特征点在该次迭代过程中的代价值相比上次迭代没有下降,对阻尼因子进行增大调整,得到调整后的阻尼因子,基于调整后的阻尼因子重新获取增量方程继续本次迭代。
在一种可能的实现方式中,经过多次迭代使得代价值小于目标代价值后,将最后一次迭代得到的坐标确定为目标特征点在该次初始化过程得到的坐标,将目标特征点在该次初始化过程得到的坐标、目标特征点在该次初始化过程得到的坐标对应增量方程的系数矩阵和目标特征点在该次初始化过程得到的坐标对应增量方程的列向量对应存储,以便下次对已初始化的目标特征点进行初始化时使用。
图4所示为本申请实施例提供的一种特征点位置的确定方法的流程图,在该图4中,确定待确定位置的目标特征点,确定目标特征点是否已初始化;响应于目标特征点未初始化,基于两点三角化的方法确定目标特征点的初始坐标,对初始坐标进行调整,得到目标特征点的目标坐标,该过程与上述图3所示的实施例的实施过程一致,在此不再赘述。响应于目标特征点已初始化,将上次初始化过程得到的坐标作为目标特征点的初始坐标,获取初始坐标对应的先验信息,基于初始坐标对应的先验信息对初始坐标进行更新,得到目标特征点的目标坐标,该过程与上述图2所示的实施例的实施过程一致,在此不再赘述。
图5所示为本申请实施例提供的一种特征点位置的确定装置的结构示意图,如图5所示,该装置包括:
获取模块501,用于获取待确定位置的目标特征点;
确定模块502,用于响应于该目标特征点的类型为已初始化,将该目标特征点在上次初始化过程得到的坐标确定为该目标特征点的初始坐标;
该获取模块501,还用于获取该目标特征点的先验信息,该先验信息包括该初始坐标对应增量方程的系数矩阵和该初始坐标对应增量方程的列向量,初始坐标对应增量方程的系数矩阵和初始坐标对应增量方程的列向量用于确定第一增量,第一增量用于对初始坐标进行更新;
更新模块503,用于基于该初始坐标对应增量方程的系数矩阵和该初始坐标对应增量方程的列向量,对该初始坐标进行更新,得到该目标特征点的目标坐标;
该确定模块502,还用于将该目标特征点的目标坐标确定为该目标特征点的位置,该目标特征点的位置用于对视觉惯性里程计的参数进行更新。
在一种可能的实现方式中,该更新模块503,用于确定该初始坐标对应的第一残差;
基于该第一残差,确定初始坐标对应的第一雅克比矩阵;
基于该第一残差、该第一雅克比矩阵、该初始坐标、该初始坐标对应增量方程的系数矩阵、该初始坐标对应增量方程的列向量以及初始阻尼因子,获取第一增量方程;
基于第一残差,确定初始坐标对应的初始代价值;
基于该第一增量方程和该初始坐标对应的初始代价值,对该初始坐标进行更新,得到该目标特征点的目标坐标。
在一种可能的实现方式中,该更新模块503,用于对该第一增量方程进行求解,得到第一增量;
基于该第一增量和该初始坐标,确定第一坐标;
基于该第一坐标、该第一残差、该初始坐标、该初始坐标对应增量方程的系数矩阵和该初始坐标对应增量方程的列向量,确定该第一坐标对应的代价值;
响应于该第一坐标对应的代价值小于该初始代价值且不小于目标代价值,对初始阻尼因子进行减小调整,得到第一阻尼因子;确定第一坐标对应的第二残差和第一坐标对应的第二雅克比矩阵;基于第二残差、第二雅克比矩阵、第一坐标、第一坐标对应增量方程的系数矩阵、第一坐标对应增量方程的列向量以及第一阻尼因子,重新确定第二坐标,直至重新确定的第二坐标对应的代价值小于目标代价值,将第二坐标确定为目标特征点的目标坐标。
在一种可能的实现方式中,该更新模块503,用于基于该第一残差、该第一雅克比矩阵、该初始坐标、该初始坐标对应增量方程的系数矩阵、该初始坐标对应增量方程的列向量以及初始阻尼因子,按照下述公式获取第一增量方程:
(JTJ+H0+λI)*Δx=JTr+b0+H0*(x-x0)
其中,该J为该第一雅克比矩阵,该H0为该初始坐标对应增量方程的系数矩阵,该λ为初始阻尼因子,该I为单位矩阵,该r为该第一残差,该b0为该初始坐标对应增量方程的列向量,该x0为该初始坐标,该x为上次迭代所得到的该目标特征点的坐标。
在一种可能的实现方式中,该更新模块503,用于基于该第一坐标、该第一残差、该初始坐标、该初始坐标对应增量方程的系数矩阵和该初始坐标对应增量方程的列向量,获取代价函数;
对该代价函数进行求解,得到该第一坐标对应的代价值。
在一种可能的实现方式中,该更新模块503,用于基于该第一坐标、该第一残差、该初始坐标、该初始坐标对应增量方程的系数矩阵和该初始坐标对应增量方程的列向量,按照下述公式获取代价函数cost:
cost=rTr+(X-x0+H0 -1b0)TH0(X-x0+H0 -1b0)
其中,该r为该第一残差,该X为该第一坐标,该x0为该初始坐标,该H0为该初始坐标对应增量方程的系数矩阵,该b0为该增量方程初始坐标对应的列向量。
在一种可能的实现方式中,该更新模块503,还用于响应于该第一坐标对应的代价值不小于该初始代价值,对初始阻尼因子进行增大调整,得到第二阻尼因子;基于第二阻尼因子、第一残差、第一雅克比矩阵、初始坐标、初始坐标对应增量方程的系数矩阵以及初始坐标对应增量方程的列向量,获取第二增量方程,直至第二增量方程所确定的第三坐标对应的代价值小于初始代价值,对第二阻尼因子进行减小调整,得到第三阻尼因子;
确定第三坐标对应的第三残差和第三坐标对应的第三雅克比矩阵;
基于第三残差、第三雅克比矩阵、第三坐标、第三坐标对应增量方程的系数矩阵、第三坐标对应增量方程的列向量以及第三阻尼因子,重新确定第四坐标,直至重新确定的第四坐标对应的代价值小于目标代价值,将第四坐标确定为目标特征点的目标坐标。
在一种可能的实现方式中,该确定模块502,还用于基于该目标特征点在上次初始化得到的坐标,确定该目标特征点的深度;
响应于该目标特征点的深度满足深度要求,确定该目标特征点的类型为已初始化;
响应于该目标特征点的深度不满足该深度要求,确定该目标特征点的类型为未初始化。
在一种可能的实现方式中,该更新模块503,还用于将该目标特征点的先验信息更新为该目标坐标对应增量方程的系数矩阵、该目标坐标对应增量方程的列向量。
上述装置在目标特征点的类型为已初始化时,将上次初始化过程得到的坐标作为目标特征点的初始坐标,对初始坐标进行更新,以得到目标特征点的目标坐标。经过该更新过程,能够使得确定的目标特征点的目标坐标的准确性更高,也即是提高确定的目标特征点的位置的准确性。根据该目标特征点的位置更新视觉惯性里程计的参数之后得到的参数的准确性也较高,进而可以提高视觉惯性里程计的定位准确度。
应理解的是,上述图5提供的装置在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置与方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图6示出了本申请一个示例性实施例提供的电子设备600的结构框图。该电子设备600可以是便携式移动终端,比如:智能手机、平板电脑、MP3播放器(Moving PictureExperts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(MovingPicture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。电子设备600还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常,电子设备600包括有:处理器601和存储器602。
处理器601可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器601可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器601也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器601可以集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器601还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器602可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器602还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器602中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器601所执行以实现本申请中方法实施例提供的特征点位置的确定方法。
在一些实施例中,电子设备600还可选包括有:外围设备接口603和至少一个外围设备。处理器601、存储器602和外围设备接口603之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口603相连。具体地,外围设备包括:射频电路604、显示屏605、摄像头组件606、音频电路607、定位组件608和电源609中的至少一种。
外围设备接口603可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器601和存储器602。在一些实施例中,处理器601、存储器602和外围设备接口603被集成在同一芯片或电路板上;在一些其他实施例中,处理器601、存储器602和外围设备接口603中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路604用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路604通过电磁信号与通信网络以及其他通信设备进行通信。射频电路604将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路604包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路604可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路604还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏605用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏605是触摸显示屏时,显示屏605还具有采集在显示屏605的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器601进行处理。此时,显示屏605还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏605可以为一个,设置在电子设备600的前面板;在另一些实施例中,显示屏605可以为至少两个,分别设置在电子设备600的不同表面或呈折叠设计;在另一些实施例中,显示屏605可以是柔性显示屏,设置在电子设备600的弯曲表面上或折叠面上。甚至,显示屏605还可以设置成非矩形的不规则图形,也即异形屏。显示屏605可以采用LCD(Liquid Crystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件606用于采集图像或视频。可选地,摄像头组件606包括前置摄像头和后置摄像头。通常,前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件606还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路607可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器601进行处理,或者输入至射频电路604以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在电子设备600的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器601或射频电路604的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路607还可以包括耳机插孔。
定位组件608用于定位电子设备600的当前地理位置,以实现导航或LBS(LocationBased Service,基于位置的服务)。定位组件608可以是基于美国的GPS(GlobalPositioning System,全球定位系统)、中国的北斗系统或俄罗斯的伽利略系统的定位组件。
电源609用于为电子设备600中的各个组件进行供电。电源609可以是交流电、直流电、一次性电池或可充电电池。当电源609包括可充电电池时,该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池,无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
在一些实施例中,电子设备600还包括有一个或多个传感器610。该一个或多个传感器610包括但不限于:加速度传感器611、陀螺仪传感器612、压力传感器613、指纹传感器614、光学传感器615以及接近传感器616。
加速度传感器611可以检测以电子设备600建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器611可以用于检测重力加速度在三个坐标轴上的分量。处理器601可以根据加速度传感器611采集的重力加速度信号,控制显示屏605以横向视图或纵向视图进行用户界面的显示。加速度传感器611还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器612可以检测电子设备600的机体方向及转动角度,陀螺仪传感器612可以与加速度传感器611协同采集用户对电子设备600的3D动作。处理器601根据陀螺仪传感器612采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器613可以设置在电子设备600的侧边框和/或显示屏605的下层。当压力传感器613设置在电子设备600的侧边框时,可以检测用户对电子设备600的握持信号,由处理器601根据压力传感器613采集的握持信号进行左右手识别或快捷操作。当压力传感器613设置在显示屏605的下层时,由处理器601根据用户对显示屏605的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器614用于采集用户的指纹,由处理器601根据指纹传感器614采集到的指纹识别用户的身份,或者,由指纹传感器614根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由处理器601授权该用户执行相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器614可以被设置在电子设备600的正面、背面或侧面。当电子设备600上设置有物理按键或厂商Logo时,指纹传感器614可以与物理按键或厂商Logo集成在一起。
光学传感器615用于采集环境光强度。在一个实施例中,处理器601可以根据光学传感器615采集的环境光强度,控制显示屏605的显示亮度。具体地,当环境光强度较高时,调高显示屏605的显示亮度;当环境光强度较低时,调低显示屏605的显示亮度。在另一个实施例中,处理器601还可以根据光学传感器615采集的环境光强度,动态调整摄像头组件606的拍摄参数。
接近传感器616,也称距离传感器,通常设置在电子设备600的前面板。接近传感器616用于采集用户与电子设备600的正面之间的距离。在一个实施例中,当接近传感器616检测到用户与电子设备600的正面之间的距离逐渐变小时,由处理器601控制显示屏605从亮屏状态切换为息屏状态;当接近传感器616检测到用户与电子设备600的正面之间的距离逐渐变大时,由处理器601控制显示屏605从息屏状态切换为亮屏状态。
本领域技术人员可以理解,图6中示出的结构并不构成对电子设备600的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
在示例性实施例中,还提供了一种计算机可读存储介质,该存储介质中存储有至少一条程序代码,该至少一条程序代码由处理器加载并执行,以实现上述任一种特征点位置的确定方法。
可选地,上述计算机可读存储介质可以是只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、只读光盘(Compact Disc Read-OnlyMemory,CD-ROM)、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供了一种计算机程序或计算机程序产品,该计算机程序或计算机程序产品中存储有至少一条计算机指令,该至少一条计算机指令由处理器加载并执行,以实现上述任一种特征点位置的确定方法。
应当理解的是,在本文中提及的“多个”是指两个或两个以上。“和/或”,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。字符“/”一般表示前后关联对象是一种“或”的关系。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
以上所述仅为本申请的示例性实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (12)
1.一种特征点位置的确定方法,其特征在于,所述方法包括:
获取待确定位置的目标特征点;
响应于所述目标特征点的类型为已初始化,将所述目标特征点在上次初始化过程得到的坐标确定为所述目标特征点的初始坐标;
获取所述目标特征点的先验信息,所述先验信息包括所述初始坐标对应增量方程的系数矩阵和所述初始坐标对应增量方程的列向量;
基于所述初始坐标、所述初始坐标对应增量方程的系数矩阵和所述初始坐标对应增量方程的列向量,获取第一增量方程,所述第一增量方程用于确定第一增量,所述第一增量用于对所述初始坐标进行更新;
基于所述第一增量方程,对所述初始坐标进行更新,得到所述目标特征点的目标坐标,将所述目标特征点的目标坐标确定为所述目标特征点的位置,所述目标特征点的位置用于对视觉惯性里程计的参数进行更新。
2.根据权利要求1所述的方法,其特征在于,所述基于所述初始坐标、所述初始坐标对应增量方程的系数矩阵和所述初始坐标对应增量方程的列向量,获取第一增量方程,包括:
确定所述初始坐标对应的第一残差;
基于所述第一残差,确定所述初始坐标对应的第一雅克比矩阵;
基于所述第一残差、所述第一雅克比矩阵、所述初始坐标、所述初始坐标对应增量方程的系数矩阵、所述初始坐标对应增量方程的列向量以及初始阻尼因子,获取第一增量方程;
所述基于所述第一增量方程,对所述初始坐标进行更新,得到所述目标特征点的目标坐标,包括:
基于所述第一残差,确定所述初始坐标对应的初始代价值;
基于所述第一增量方程和所述初始坐标对应的初始代价值,对所述初始坐标进行更新,得到所述目标特征点的目标坐标。
3.根据权利要求2所述的方法,其特征在于,所述基于所述第一增量方程和所述初始坐标对应的初始代价值,对所述初始坐标进行更新,得到所述目标特征点的目标坐标,包括:
对所述第一增量方程进行求解,得到第一增量;
基于所述第一增量和所述初始坐标,确定第一坐标;
基于所述第一坐标、所述第一残差、所述初始坐标、所述初始坐标对应增量方程的系数矩阵和所述初始坐标对应增量方程的列向量,确定所述第一坐标对应的代价值;
响应于所述第一坐标对应的代价值小于所述初始代价值,且不小于目标代价值,对所述初始阻尼因子进行减小调整,得到第一阻尼因子;
确定所述第一坐标对应的第二残差和所述第一坐标对应的第二雅克比矩阵;
基于所述第二残差、所述第二雅克比矩阵、所述第一坐标、所述第一坐标对应增量方程的系数矩阵、所述第一坐标对应增量方程的列向量以及所述第一阻尼因子,重新确定第二坐标,直至重新确定的第二坐标对应的代价值小于所述目标代价值,将所述第二坐标确定为所述目标特征点的目标坐标。
4.根据权利要求2所述的方法,其特征在于,所述基于所述第一残差、所述第一雅克比矩阵、所述初始坐标、所述初始坐标对应增量方程的系数矩阵、所述初始坐标对应增量方程的列向量以及初始阻尼因子,获取第一增量方程,包括:
基于所述第一残差、所述第一雅克比矩阵、所述初始坐标、所述初始坐标对应增量方程的系数矩阵、所述初始坐标对应增量方程的列向量以及初始阻尼因子,按照下述公式获取第一增量方程:
(JTJ+H0+λI)*Δx=JTr+b0+H0*(x-x0)
其中,所述J为所述第一雅克比矩阵,所述H0为所述初始坐标对应增量方程的系数矩阵,所述λ为所述初始阻尼因子,所述I为单位矩阵,所述r为所述第一残差,所述b0为所述初始坐标对应增量方程的列向量,所述x0为所述初始坐标,所述x为上次迭代所得到的所述目标特征点的坐标。
5.根据权利要求3所述的方法,其特征在于,所述基于所述第一坐标、所述第一残差、所述初始坐标、所述初始坐标对应增量方程的系数矩阵和所述初始坐标对应增量方程的列向量,确定所述第一坐标对应的代价值,包括:
基于所述第一坐标、所述第一残差、所述初始坐标、所述初始坐标对应增量方程的系数矩阵和所述初始坐标对应增量方程的列向量,获取代价函数;
对所述代价函数进行求解,得到所述第一坐标对应的代价值。
6.根据权利要求5所述的方法,其特征在于,所述基于所述第一坐标、所述第一残差、所述初始坐标、所述初始坐标对应增量方程的系数矩阵和所述初始坐标对应增量方程的列向量,获取代价函数,包括:
基于所述第一坐标、所述第一残差、所述初始坐标、所述初始坐标对应增量方程的系数矩阵和所述初始坐标对应增量方程的列向量,按照下述公式构造代价函数cost:
cost=rTr+(X-x0+H0 -1b0)TH0(X-x0+H0 -1b0)
其中,所述r为所述第一残差,所述X为所述第一坐标,所述x0为所述初始坐标,所述H0为所述初始坐标对应增量方程的系数矩阵,所述b0为所述初始坐标对应增量方程的列向量。
7.根据权利要求3至6任一所述的方法,其特征在于,所述方法还包括:
响应于所述第一坐标对应的代价值不小于所述初始代价值,对所述初始阻尼因子进行增大调整,得到第二阻尼因子;
基于所述第二阻尼因子、所述第一残差、所述第一雅克比矩阵、所述初始坐标、所述初始坐标对应增量方程的系数矩阵以及所述初始坐标对应增量方程的列向量,获取第二增量方程,直至所述第二增量方程所确定的第三坐标对应的代价值小于所述初始代价值且不小于目标代价值,对所述第二阻尼因子进行减小调整,得到第三阻尼因子;
确定所述第三坐标对应的第三残差和所述第三坐标对应的第三雅克比矩阵;
基于所述第三残差、所述第三雅克比矩阵、所述第三坐标、所述第三坐标对应增量方程的系数矩阵、所述第三坐标对应增量方程的列向量以及所述第三阻尼因子,重新确定第四坐标,直至重新确定的第四坐标对应的代价值小于所述目标代价值,将所述第四坐标确定为所述目标特征点的目标坐标。
8.根据权利要求1-6任一所述的方法,其特征在于,所述获取待确定位置的目标特征点之后,所述方法还包括:
基于所述目标特征点在上次初始化得到的坐标,确定所述目标特征点的深度;
响应于所述目标特征点的深度满足深度要求,确定所述目标特征点的类型为已初始化;
响应于所述目标特征点的深度不满足所述深度要求,确定所述目标特征点的类型为未初始化。
9.根据权利要求1-6任一所述的方法,其特征在于,所述基于所述第一增量方程,对所述初始坐标进行更新,得到所述目标特征点的目标坐标之后,所述方法还包括:
将所述目标特征点的先验信息更新为所述目标坐标对应增量方程的系数矩阵和所述目标坐标对应增量方程的列向量。
10.一种特征点位置的确定装置,其特征在于,所述装置包括:
获取模块,用于获取待确定位置的目标特征点;
确定模块,用于响应于所述目标特征点的类型为已初始化,将所述目标特征点在上次初始化过程得到的坐标确定为所述目标特征点的初始坐标;
所述获取模块,还用于获取所述目标特征点的先验信息,所述先验信息包括所述初始坐标对应增量方程的系数矩阵和所述初始坐标对应增量方程的列向量;
所述获取模块,还用于基于所述初始坐标、所述初始坐标对应增量方程的系数矩阵和所述初始坐标对应增量方程的列向量,获取第一增量方程,所述第一增量方程用于确定第一增量,所述第一增量用于对所述初始坐标进行更新;
更新模块,用于基于所述第一增量方程,对所述初始坐标进行更新,得到所述目标特征点的目标坐标;
所述确定模块,还用于将所述目标特征点的目标坐标确定为所述目标特征点的位置,所述目标特征点的位置用于对视觉惯性里程计的参数进行更新。
11.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行,以实现如权利要求1至9任一所述的特征点位置的确定方法。
12.一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中存储有至少一条程序代码,所述至少一条程序代码由处理器加载并执行,以实现如权利要求1至9任一所述的特征点位置的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110283596.0A CN112945240B (zh) | 2021-03-16 | 2021-03-16 | 特征点位置的确定方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110283596.0A CN112945240B (zh) | 2021-03-16 | 2021-03-16 | 特征点位置的确定方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112945240A CN112945240A (zh) | 2021-06-11 |
CN112945240B true CN112945240B (zh) | 2022-06-07 |
Family
ID=76230196
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110283596.0A Active CN112945240B (zh) | 2021-03-16 | 2021-03-16 | 特征点位置的确定方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112945240B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107743299A (zh) * | 2017-09-08 | 2018-02-27 | 天津大学 | 面向无人机机载移动传感器网络的一致性信息滤波算法 |
CN108648235A (zh) * | 2018-04-27 | 2018-10-12 | 腾讯科技(深圳)有限公司 | 相机姿态追踪过程的重定位方法、装置及存储介质 |
CN108921782A (zh) * | 2018-05-17 | 2018-11-30 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置及存储介质 |
CN110275193A (zh) * | 2019-08-14 | 2019-09-24 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于因子图的集群卫星协同导航方法 |
CN110763251A (zh) * | 2019-10-18 | 2020-02-07 | 华东交通大学 | 视觉惯性里程计优化的方法及系统 |
CN111179339A (zh) * | 2019-12-13 | 2020-05-19 | 深圳市瑞立视多媒体科技有限公司 | 基于三角测量的坐标定位方法、装置、设备及存储介质 |
CN111524194A (zh) * | 2020-04-24 | 2020-08-11 | 江苏盛海智能科技有限公司 | 一种激光雷达和双目视觉相互融合的定位方法及终端 |
CN111862200A (zh) * | 2020-06-30 | 2020-10-30 | 同济大学 | 一种煤棚内无人机定位方法 |
CN111932674A (zh) * | 2020-06-30 | 2020-11-13 | 博雅工道(北京)机器人科技有限公司 | 一种线激光视觉惯性系统的优化方法 |
CN112067007A (zh) * | 2020-11-12 | 2020-12-11 | 湖北亿咖通科技有限公司 | 地图生成方法、计算机存储介质及电子设备 |
CN112484725A (zh) * | 2020-11-23 | 2021-03-12 | 吉林大学 | 一种基于多传感器融合的智能汽车高精度定位与时空态势安全方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7353109B2 (en) * | 2004-02-05 | 2008-04-01 | Alpine Electronics, Inc. | Display method and apparatus for navigation system for performing cluster search of objects |
CN109387204B (zh) * | 2018-09-26 | 2020-08-28 | 东北大学 | 面向室内动态环境的移动机器人同步定位与构图方法 |
CN110398245B (zh) * | 2019-07-09 | 2021-04-16 | 武汉大学 | 基于脚戴式惯性测量单元的室内行人导航姿态估计方法 |
CN111862316B (zh) * | 2020-07-28 | 2024-01-05 | 杭州深瞳科技有限公司 | 一种基于优化的imu紧耦合稠密直接rgbd的三维重建方法 |
-
2021
- 2021-03-16 CN CN202110283596.0A patent/CN112945240B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107743299A (zh) * | 2017-09-08 | 2018-02-27 | 天津大学 | 面向无人机机载移动传感器网络的一致性信息滤波算法 |
CN108648235A (zh) * | 2018-04-27 | 2018-10-12 | 腾讯科技(深圳)有限公司 | 相机姿态追踪过程的重定位方法、装置及存储介质 |
CN108921782A (zh) * | 2018-05-17 | 2018-11-30 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置及存储介质 |
CN110275193A (zh) * | 2019-08-14 | 2019-09-24 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于因子图的集群卫星协同导航方法 |
CN110763251A (zh) * | 2019-10-18 | 2020-02-07 | 华东交通大学 | 视觉惯性里程计优化的方法及系统 |
CN111179339A (zh) * | 2019-12-13 | 2020-05-19 | 深圳市瑞立视多媒体科技有限公司 | 基于三角测量的坐标定位方法、装置、设备及存储介质 |
CN111524194A (zh) * | 2020-04-24 | 2020-08-11 | 江苏盛海智能科技有限公司 | 一种激光雷达和双目视觉相互融合的定位方法及终端 |
CN111862200A (zh) * | 2020-06-30 | 2020-10-30 | 同济大学 | 一种煤棚内无人机定位方法 |
CN111932674A (zh) * | 2020-06-30 | 2020-11-13 | 博雅工道(北京)机器人科技有限公司 | 一种线激光视觉惯性系统的优化方法 |
CN112067007A (zh) * | 2020-11-12 | 2020-12-11 | 湖北亿咖通科技有限公司 | 地图生成方法、计算机存储介质及电子设备 |
CN112484725A (zh) * | 2020-11-23 | 2021-03-12 | 吉林大学 | 一种基于多传感器融合的智能汽车高精度定位与时空态势安全方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112945240A (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110992493B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111464749B (zh) | 进行图像合成的方法、装置、设备及存储介质 | |
CN110986930B (zh) | 设备定位方法、装置、电子设备及存储介质 | |
CN109558837B (zh) | 人脸关键点检测方法、装置及存储介质 | |
CN110134744B (zh) | 对地磁信息进行更新的方法、装置和系统 | |
CN109166150B (zh) | 获取位姿的方法、装置存储介质 | |
CN111127509B (zh) | 目标跟踪方法、装置和计算机可读存储介质 | |
CN111754386B (zh) | 图像区域屏蔽方法、装置、设备及存储介质 | |
CN111897429A (zh) | 图像显示方法、装置、计算机设备及存储介质 | |
CN109886208B (zh) | 物体检测的方法、装置、计算机设备及存储介质 | |
CN112230908A (zh) | 一种对齐组件的方法、装置、电子设备及存储介质 | |
CN109754439B (zh) | 标定方法、装置、电子设备及介质 | |
CN113160031A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN113535039B (zh) | 更新页面的方法、装置、电子设备及计算机可读存储介质 | |
CN112945240B (zh) | 特征点位置的确定方法、装置、设备及可读存储介质 | |
CN111402873B (zh) | 语音信号处理方法、装置、设备及存储介质 | |
CN111179628B (zh) | 自动驾驶车辆的定位方法、装置、电子设备及存储介质 | |
CN112052153B (zh) | 产品版本测试方法及装置 | |
CN111488895B (zh) | 对抗数据生成方法、装置、设备及存储介质 | |
CN116681755B (zh) | 位姿预测方法和装置 | |
CN113409235B (zh) | 一种灭点估计的方法及装置 | |
CN115993133B (zh) | 磁力计校准的方法、装置、设备及存储介质 | |
CN113052408B (zh) | 一种社区聚合的方法及装置 | |
CN113129221B (zh) | 图像处理方法、装置、设备及存储介质 | |
CN112150554B (zh) | 画面显示方法、装置、终端和存储介质 |
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 |