CN113252045A - 设备定位方法、装置、电子设备及可读存储介质 - Google Patents

Abstract

本申请提供一种设备定位方法、装置、电子设备及可读存储介质，涉及图像处理技术领域。该方法通过将设备当前采集的目标图像与构建的基准地图进行特征点匹配，获得匹配的特征点，然后根据匹配的特征点分别在目标图像中截取第一区域图像以及在基准地图中截取第二区域图像，再将两个区域图像进行匹配，这样设备无需依赖GPS装置即可实现定位，并且由于截取的区域图像包含更多的信息，所以将两个区域图像进行匹配后来确定设备的当前坐标，更准确。

Description

设备定位方法、装置、电子设备及可读存储介质

技术领域

本申请涉及图像处理技术领域，具体而言，涉及一种设备定位方法、装置、电子设备及可读存储介质。

背景技术

一些移动设备（如无人机）一般依靠自身安装的定位装置（如GPS定位装置）实现定位，但是若在GPS定位装置故障或者信号较差时，则依赖GPS定位装置无法实现定位。目前针对该问题未有相应的解决方案。

发明内容

本申请实施例的目的在于提供一种设备定位方法、装置、电子设备及可读存储介质，用以改善现有技术中依赖GPS定位装置进行定位，若在GPS定位装置故障或者信号较差时无法定位的问题。

第一方面，本申请实施例提供了一种设备定位方法，所述方法包括：获取设备当前采集的目标图像；将所述目标图像与构建的基准地图进行特征点匹配，获得匹配的特征点，所述匹配的特征点包括在所述目标图像中的第一特征点以及在所述基准地图中的第二特征点；根据所述第一特征点在所述目标图像中截取第一区域图像，以及根据所述第二特征点在所述基准地图中截取第二区域图像；若所述第一区域图像与所述第二区域图像匹配，则基于匹配的所述第一区域图像和所述第二区域图像获取所述设备的当前坐标。

在上述实现过程中，通过将设备当前采集的目标图像与构建的基准地图进行特征点匹配，获得匹配的特征点，然后根据匹配的特征点分别在目标图像中截取第一区域图像以及在基准地图中截取第二区域图像，再将两个区域图像进行匹配，从而通过区域图像的匹配可以筛选出无效的匹配特征点，这样设备无需依赖GPS装置即可实现定位，并且由于截取的区域图像包含更多的信息，所以将两个区域图像进行匹配后来确定设备的当前坐标，更准确。

可选地，所述根据所述第一特征点在所述目标图像中截取第一区域图像，以及根据所述第二特征点在所述基准地图中截取第二区域图像，包括：

在所述目标图像中截取包含所述第一特征点的第一区域图像，以及在所述基准地图中截取包含所述第二特征点的第二区域图像。这样可以提高两张区域图像匹配的准确度。

可选地，所述在所述目标图像中截取包含所述第一特征点的第一区域图像，以及在所述基准地图中截取包含所述第二特征点的第二区域图像，包括：

在所述目标图像中截取以所述第一特征点为中心点的第一区域图像，以及在所述基准地图中截取以所述第二特征点为中心点的第二区域图像。这样在区域图像进行匹配时，可以依赖特征点周围更多的特征信息，匹配精度更高。

可选地，通过以下方式确定所述第一区域图像与所述第二区域图像是否匹配：

计算获得所述第一区域图像和所述第二区域图像之间的相似度；

在所述相似度大于预设相似度时，则确定所述第一区域图像与所述第二区域图像匹配。

可选地，所述计算获得所述第一区域图像和所述第二区域图像之间的相似度，包括：

提取所述第一区域图像的第一边缘信息，以及提取所述第二区域图像的第二边缘信息；

计算获得所述第一边缘信息与所述第二边缘信息之间的豪斯多夫Hausdorff距离，其中，所述Hausdorff距离用于表征所述第一区域图像和所述第二区域图像之间的相似度。

在上述实现过程中，由于Hausdorff距离是一种用于表征边缘信息的距离，能够有效解决图像中被遮挡的问题，所以，能够更准确地判断出两张区域图像之间的相似度。

可选地，所述基于匹配的所述第一区域图像和所述第二区域图像获取所述设备的当前坐标，包括：

获取所述第一区域图像的多个第一角点的坐标以及获取所述第二区域图像的多个第二角点的坐标；

根据所述多个第一角点的坐标和所述多个第二角点的坐标计算获得所述第一区域图像与所述第二区域图像之间的映射变换矩阵；

根据所述映射变换矩阵以及所述目标图像的中心点坐标获得所述设备的当前坐标。

可选地，在所述匹配的特征点包括多对时，所截取的第一区域图像为N张，所截取的第二区域图像为N张，取i为1到M，M小于或等于N，第i张第一区域图像与第i张第二区域图像匹配，所述基于所述第二区域图像获取所述设备的当前坐标，包括：

取i为1到M，根据匹配的特征点各自在第i张第一区域图像和在第i张第二区域图像的坐标计算获得所述第一区域图像与所述第二区域图像之间的映射变换矩阵；

根据所述映射变换矩阵以及所述目标图像的中心点坐标获得所述设备的当前坐标。

在上述实现过程中，在多张区域图像匹配时，通过获得映射变换矩阵来确定设备的当前坐标，解决了在多张区域图像匹配无法确定最终坐标的问题。

可选地，通过以下方式构建所述基准地图：

获取不同时刻下采集的初始图像，所述初始图像中包含坐标信息；

提取每张所述初始图像中的各个特征点的特征信息，并形成包含各个初始图像中各个特征点的特征信息的基准地图；

所述将所述目标图像与构建的基准地图进行特征点匹配，获得匹配的特征点，包括：

提取所述目标图像中各个特征点的特征信息；

根据所述目标图像中各个特征点的特征信息以及各个初始图像中各个特征点的特征信息，将所述目标图像与各个初始图像进行特征点匹配，获得匹配的特征点。

在上述实现过程中，预先采集不同时刻的初始图像来构建基准地图，这样构建的基准地图的分辨率或者特征信息不同，包含有多尺度特征信息，所以能够在多尺度下对设备实现更准确地定位。

第二方面，本申请实施例提供了一种设备定位装置，所述装置包括：

图像获取模块，用于获取设备当前采集的目标图像；

特征点匹配模块，用于将所述目标图像与构建的基准地图进行特征点匹配，获得匹配的特征点，所述匹配的特征点包括在所述目标图像中的第一特征点以及在所述基准地图中的第二特征点；

图像截取模块，用于根据所述第一特征点在所述目标图像中截取第一区域图像，以及根据所述第二特征点在所述基准地图中截取第二区域图像；

定位模块，用于若所述第一区域图像与所述第二区域图像匹配，则基于匹配的所述第一区域图像和所述第二区域图像获取所述设备的当前坐标。

可选地，所述图像截取模块，用于在所述目标图像中截取包含所述第一特征点的第一区域图像，以及在所述基准地图中截取包含所述第二特征点的第二区域图像。

可选地，所述图像截取模块，用于在所述目标图像中截取以所述第一特征点为中心点的第一区域图像，以及在所述基准地图中截取以所述第二特征点为中心点的第二区域图像。

可选地，所述定位模块，用于计算获得所述第一区域图像和所述第二区域图像之间的相似度；在所述相似度大于预设相似度时，则确定所述第一区域图像与所述第二区域图像匹配。

可选地，所述定位模块，用于提取所述第一区域图像的第一边缘信息，以及提取所述第二区域图像的第二边缘信息；计算获得所述第一边缘信息与所述第二边缘信息之间的豪斯多夫Hausdorff距离，其中，所述Hausdorff距离用于表征所述第一区域图像和所述第二区域图像之间的相似度。

可选地，所述定位模块，用于获取所述第一区域图像的多个第一角点的坐标以及获取所述第二区域图像的多个第二角点的坐标；根据所述多个第一角点的坐标和所述多个第二角点的坐标计算获得所述第一区域图像与所述第二区域图像之间的映射变换矩阵；根据所述映射变换矩阵以及所述目标图像的中心点坐标获得所述设备的当前坐标。

可选地，在所述匹配的特征点包括多对时，所截取的第一区域图像为N张，所截取的第二区域图像为N张，取i为1到M，M小于或等于N，第i张第一区域图像与第i张第二区域图像匹配，所述定位模块，用于取i为1到M，根据匹配的特征点各自在第i张第一区域图像和在第i张第二区域图像的坐标计算获得所述第一区域图像与所述第二区域图像之间的映射变换矩阵；根据所述映射变换矩阵以及所述目标图像的中心点坐标获得所述设备的当前坐标。

可选地，通过以下方式构建所述基准地图：

获取不同时刻下采集的初始图像，所述初始图像中包含坐标信息；

提取每张所述初始图像中的各个特征点的特征信息，并形成包含各个初始图像中各个特征点的特征信息的基准地图；

所述特征点匹配模块，用于提取所述目标图像中各个特征点的特征信息；根据所述目标图像中各个特征点的特征信息以及各个初始图像中各个特征点的特征信息，将所述目标图像与各个初始图像进行特征点匹配，获得匹配的特征点。

第三方面，本申请实施例提供一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上述第一方面提供的所述方法中的步骤。

第四方面，本申请实施例提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时运行如上述第一方面提供的所述方法中的步骤。

本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例提供的一种用于执行设备定位方法的电子设备的结构示意图；

图2为本申请实施例提供的一种设备定位方法的流程图；

图3为本申请实施例提供的一种区域图像截取的第一示意图；

图4为本申请实施例提供的一种区域图像截取的第二示意图；

图5为本申请实施例提供的一种区域图像截取的第三示意图；

图6为本申请实施例提供的一种区域图像截取的第四示意图；

图7为本申请实施例提供的一种区域图像截取的第五示意图；

图8为本申请实施例提供的一种区域图像截取的第六示意图；

图9为本申请实施例提供的一种区域图像截取的第七示意图；

图10为本申请实施例提供的一种设备定位装置的结构框图。

具体实施方式

下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述。

本申请实施例提供了一种设备定位方法，该方法通过将设备当前采集的目标图像与构建的基准地图进行特征点匹配，获得匹配的特征点，然后根据匹配的特征点分别在目标图像中截取第一区域图像以及在基准地图中截取第二区域图像，再将两个区域图像进行匹配，这样设备无需依赖GPS装置即可实现自主定位。

请参照图1，图1为本申请实施例提供的一种用于执行设备定位方法的电子设备的结构示意图，所述电子设备可以包括：至少一个处理器110，例如CPU，至少一个通信接口120，至少一个存储器130和至少一个通信总线140。其中，通信总线140用于实现这些组件直接的连接通信。其中，本申请实施例中设备的通信接口120用于与其他节点设备进行信令或数据的通信。存储器130可以是高速RAM存储器，也可以是非易失性的存储器（non-volatilememory），例如至少一个磁盘存储器。存储器130可选的还可以是至少一个位于远离前述处理器的存储装置。存储器130中存储有计算机可读取指令，当所述计算机可读取指令由所述处理器110执行时，电子设备执行下述图2所示方法过程。例如，存储器130可用于存储基准地图等信息，处理器110可用于在进行设备定位时，从存储器130中读取基准地图，然后与设备采集的目标图像进行特征点匹配，并进行区域图像截取，进行区域图像匹配等操作，进而实现对设备的定位。

可以理解，图1所示的结构仅为示意，所述电子设备还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。

请参照图2，图2为本申请实施例提供的一种设备定位方法的流程图，该方法包括如下步骤：

步骤S110：获取设备当前采集的目标图像。

在本申请实施例中，设备可以指无人机、无人车等设备，为了便于描述，下述实施例在描述过程以无人机为例进行描述。

为了实现自主导航或者是外部设备为了对无人机进行更好地飞行控制，需要获取无人机的坐标，本申请实施例中为了不依赖GPS装置进行定位，无人机上可无需安装GPS装置。无人机在进行定位时，可以进行图像采集，如在需要获取无人机的坐标时，无人机可以控制无人机上搭载的摄像头进行拍照，获得目标图像。无人机将当前采集的图像作为目标图像（可以理解地，无人机在需要定位时所采集的图像均可称为目标图像，在无人机的实时定位过程中，无人机所采集的目标图像可以有多张，本申请中针对基于每张目标图像进行定位的处理方式均相同）发送给电子设备，以便于电子设备基于目标图像进行分析，以对无人机进行定位。可以理解地，本申请中，电子设备可以为服务器、终端设备（如手机、计算机等）等具有数据计算能力的设备，而在无人机自主导航的场景下，电子设备也可以为无人机，这样无人机自身即可基于所采集的目标图像进行自主定位，而在电子设备控制无人机飞行的过程中，电子设备可以为服务器。为了便于描述，下述以电子设备为服务器为例进行说明。

在一些实施方式中，无人机上也可以搭载有GPS装置，若无人机在检测到GPS装置故障或者信号较差时，则无人机才进行目标图像的采集，以利用本申请提供的设备定位方法实现定位，这样在GPS装置不可用时，不需要GPS装置即可实现定位。在检测到GPS装置恢复正常工作时，无人机则可切换到由GPS装置进行定位，这样可以将两种定位方式结合，以使得在任何时刻都可以获得更精确的定位。

步骤S120：将所述目标图像与构建的基准地图进行特征点匹配，获得匹配的特征点，所述匹配的特征点包括在目标图像中的第一特征点以及在基准地图中的第二特征点。

无人机在将采集的目标图像发送给电子设备后，电子设备可将目标图像与构建的基准地图进行特征点匹配。其中，基准地图可以是指无人机的监控区域的地图，如无人机需要对某个区域进行巡航监控，则该基准地图可以是指该区域的地图，其可以是预先通过无人机对该区域进行图像采集，然后基于采集的图像进行构建的，或者也可以是从网络上下载的针对该区域的卫星地图，该基准地图中包含有各个位置点（如各个特征点）的坐标信息（如经纬度信息）。

在进行特征点匹配时，可以先对目标图像进行特征提取以及对基准地图进行特征提取，分别提取两个图像中各个特征点的特征信息，如采用二进制特征提取算子来进行特征提取，二进制特征提取算子如ORB（Oriented FAST and Rotated BRIEF）、BRISK（BinaryRobust Invariant Scalable Keypoints）、FREAK（Fast Retina Keypoint）等。通过这些二进制特征提取算子来提取目标图像和基准地图中的特征点的特征信息，这样特征信息是一些二进制特征，在进行特征点匹配时，可以实现快速计算，提高匹配效率。当然，提取目标图像和基准地图中各个特征点的特征信息还可以采用其他特征提取算法，如SIFT特征提取方法等。

在进行特征点匹配时，可以将目标图像中的各个特征点与基准地图中的各个特征点进行距离计算，如将目标图像中的特征点x1与基准地图中的特征点y1进行汉明距离或欧式距离计算，若计算出的距离小于一个预设值，则认为特征点x1与特征点y1匹配，反之，则不匹配，此时特征点x1可以称为第一特征点，特征点y1可以称为第二特征点。按照该方式则可以获得目标图像与基准地图中匹配的特征点。可以理解地，一个特征点还可能有多个匹配的特征点，如特征点x1可能还与基准地图中的特征点y2匹配，特征点y1还可能与目标图像中的特征点x2匹配。

步骤S130：根据所述第一特征点在所述目标图像中截取第一区域图像，以及根据所述第二特征点在所述基准地图中截取第二区域图像。

由于在进行特征点匹配之后，获得的匹配的特征点较多，这些特征点可能存在一些无效的特征点，即可能是匹配错误的特征点对，如果仅仅基于匹配的特征点进行定位可能并不准确，为了对这些匹配有误的特征点对进行筛选，所以还需要根据第一特征点在目标图像中截取第一区域图像，根据第二特征点在基准地图中截取第二区域图像。

其中，在进行图像截取时，可以基于特征点所在的位置来截取，在一些实施方式中，可以在目标图像中截取包含第一特征点的第一区域图像，以及在基准地图中截取包含第二特征点的第二图像，如图3所示。在另一些实施方式中，还可以截取未包含第一特征点的第一区域图像以及未包含第二特征点的第二区域图像，如以第一特征点所在的位置偏移一定数量（如第一偏移量，偏移的数量可以根据实际需求设定，但是应该尽量偏移较小的位置为宜，如偏移一个特征点的位置）的特征点，然后以该特征点为边界点截取第一区域图像，同理，以第二特征点所在的位置偏移一定数量（第二偏移量）的特征点，然后以该特征点为边界点截取第二区域图像，如图4所示。其中，第一偏移量和第二偏移量可以相同也可以不同，所截取的区域图像的形状和大小可以根据需求灵活设置。

为了进行更准确地定位，在一些实施方式中，在截取区域图像时，可以在目标图像中截取以第一特征点为中心点的第一区域图像，以及在基准地图中截取以第二特征点为中心点的第二区域图像，如图5所示。其中，第一区域图像和第二区域图像的尺寸和形状可以根据实际需求灵活设置，如第一区域图像和第二区域图像均为正方形或长方形，为了进行区域图像的准确匹配，第一区域图像和第二区域图像的尺寸和形状可以相同，或者有略微差异。

这样所截取的第一区域图像和第二区域图像所包含的特征信息更多，可通过匹配第一区域图像和第二区域图像来进行无人机定位。

步骤S140：若所述第一区域图像与所述第二区域图像匹配，则基于匹配的所述第一区域图像和所述第二区域图像获取所述设备的当前坐标。

在一些实施方式中，可以将第一区域图像与第二区域图像进行匹配，如果两个区域图像匹配，则认为匹配的特征点是有效的特征点对。所以在一些实施方式中，可以将根据第一区域图像和第二区域图像之间的映射关系来确定无人机的当前坐标。

在上述实现过程中，通过将设备当前采集的目标图像与构建的基准地图进行特征点匹配，获得匹配的特征点，然后根据匹配的特征点分别在目标图像中截取第一区域图像以及在基准地图中截取第二区域图像，再将两个区域图像进行匹配，这样设备无需依赖GPS装置即可实现定位，并且由于截取的区域图像包含更多的信息，所以将两个区域图像进行匹配后来确定设备的当前坐标，更准确。

在本申请中的任意一种实施方式的基础上，在构建基准地图时，还可以构建多模态的基准地图，如可以获取不同时刻下采集的初始图像，该初始图像中包含坐标信息，然后提取每张初始图像中的各个特征点的特征信息，并形成包含各个初始图像中各个特征点的特征信息的基准地图。

其中，初始图像可以是指无人机通过巡航所采集的巡航区域内的图像，或者是指巡航区域内的卫星地图，由于收集的初始图像来自于不同的时刻，而在不同时刻下可能受采集设备、光照、外界环境等影响导致巡航区域的地貌、地形等不同，所以，这样获得的初始图像的分辨率以及特征可能不同，如此根据初始图像构建的基准地图是一种多模态的形式，进而在进行特征匹配时，可以进行多尺度特征的提取，能够实现更准确的定位。

可以理解地，一张初始图像可以认为是一张基准地图，也就是说构建的基准地图包含有多张，在构建基准地图时，可以先提取每张初始图像中各个特征点的特征信息并存储，基准地图中的特征点的特征信息可以认为是包含这多张初始图像中各个特征点的特征信息，这种情况下，基准地图的特征点的特征信息可以是预先提取并存储好的，在进行特征点匹配时，可无需重新进行基准地图的特征提取，匹配效率更高。

在进行特征点匹配时，可以先提取目标图像中各个特征点的特征信息，然后根据目标图像中各个特征点的特征信息以及各个初始图像中各个特征点的特征信息，将目标图像与各个初始图像进行特征点匹配，获得匹配的特征点。

例如，若获得有5张初始图像，则可以认为有5张基准地图，各个基准地图的分辨率和/或特征不同，在进行特征点匹配时，可以分别计算目标图像中的各特征点与这5张基准地图中的各特征点之间的汉明距离或欧式距离等，在距离小于预设值时，则认为两个特征点匹配，反之，则不匹配。这样对于目标图像的一个特征点，则可能分别与不同基准地图中的特征点匹配，如目标图像中的特征点x1与基准地图1中的特征点y11匹配，并与基准地图2中的特征点y21匹配，或者目标图像中的特征点x2与基准地图2中的特征点y21匹配。如此获得的匹配特征点包含有多对，此时这些匹配的特征点对可能是一些误匹配特征点对，所以，还需要通过截取第一区域图像和第二区域图像进行匹配来进一步对这些误匹配特征点对进行筛除，以便于对无人机进行准确地定位。

下面针对特征点匹配的各种情况对截取第一区域图像和第二区域图像的各种方式分别进行说明。

情况1、目标图像中只有一个特征点x1与一个基准地图（如基准地图1）中的特征点y11匹配，这种情况中所截取的第一区域图像和第二区域图像可以如上图5所示（假如均以特征点为中心点进行截取）。

这种情况下，若此时第一区域图像和第二区域图像匹配，则在进行无人机定位时，可以先获取第一区域图像与目标图像的中心点坐标之间的偏移量（如第一区域图像的中心点坐标与目标图像的中心点坐标之间的偏移量（包括横坐标之间的偏移量和纵坐标之间的偏移量）），然后基于第一区域图像和第二区域图像计算获得两张区域图像之间的缩放比例，然后可根据目标图像的中心点坐标、偏移量、缩放比例计算得到目标图像的中心点坐标映射到基准地图中的坐标（此时可认为是两张图像中的图像坐标之间的映射），然后将该坐标转换为GPS坐标，该GPS坐标即可作为无人机的当前坐标。或者，若第一区域图像和第二区域图像为矩形图像，则可以根据第一区域图像的四个角点的坐标（即多个第一角点的坐标）和第二区域图像的四个角点的坐标（即多个第二角点的坐标）计算获得第一区域图像到第二区域图像的映射变换矩阵，然后将目标图像的中心点坐标乘以映射变换矩阵即可获得无人机的当前坐标。

情况2、目标图像有多个特征点分别与一个基准地图（如基准地图1）中的特征点匹配，如目标图像中的特征点x1与基准地图1中的特征点y11匹配，目标图像中的特征点x2与基准地图1中的特征点y12匹配。这种情况中所截取的第一区域图像和第二区域图像可以如图6所示。

这种情况下，所截取的第一区域图像包括a1和a2，第二区域图像包含b11和b12，在进行区域匹配时，可以将a1与b11进行匹配，将a2与b12进行匹配，若经过匹配，只有其中一个区域图像能匹配上（表示其中有一对匹配的特征点是无效的，可能是匹配错误的特征点对，通过区域图像匹配，则可以剔除误匹配的特征点对），则可按照情况1中的方式来确定无人机的当前坐标。若此时有两个区域图像或者两个以上的区域图像匹配上（通过区域图像的匹配可以筛选出有效的特征点对，这样后续计算获得的映射变换矩阵更准确），则可以先计算一个映射变换矩阵，然后根据映射变换矩阵来确定无人机的当前坐标。

也就是说，在这种情况下，匹配的特征点包括多对，如所截取的第一区域图像为N张，所截取的第二区域图像为N张，若取i为1到M，M小于或等于N，则其中第i张第一区域图像与第i张第二区域图像匹配，即在N张区域图像中有M张区域图像匹配，N为大于等于2的整数。此时，在获取设备的当前坐标时，可以取i为1到M，然后根据匹配的特征点各自在第i张第一区域图像和在第i张第二区域图像的坐标计算获得第一区域图像与第二区域图像之间的映射变换矩阵，再根据映射变换矩阵以及目标图像的中心点坐标获得设备的当前坐标。

继续以上述示例说明，上述示例中，N为2，M也为2，先获取特征点x1和x2的坐标，以及获取特征点y11和y12的坐标，然后根据四个特征点的坐标来计算映射变换矩阵，映射变换矩阵可以为单映射变换矩阵或者透视变换矩阵，可以使用最小均方误差或者RANSAC方法计算获得。这样即可找到目标图像与基准地图1之间的一种映射关系，从而可以将目标图像的中心点坐标与映射变换矩阵相乘即可得到无人机的当前坐标，即无人机在基准地图1中的坐标。

情况3、目标图像有多个特征点分别与一个基准地图（如基准地图1）中的特征点匹配，如目标图像中的特征点x1与基准地图1中的特征点y11匹配，目标图像中的特征点x2与基准地图1中的特征点y12匹配。这种情况中所截取的第一区域图像和第二区域图像可以如图7所示，即第一区域图像a1包含目标图像中的特征点x1和x2，第二区域图像b11包含基准地图1中的特征点y11和y12，即这种情况下截取的第一区域图像和第二区域图像均为一张，上述情况2中有多张，情况1中由于只有一对特征点匹配，所以也只有一张。此时由于只有一张第一区域图像和第二区域图像，所以可以按照情况1中的方式来确定无人机的当前坐标。

情况4、目标图像有多个特征点分别与多个基准地图（如基准地图1和基准地图2）中的特征点匹配，如目标图像中的特征点x1与基准地图1中的特征点y11匹配，目标图像中的特征点x2与基准地图1中的特征点y12匹配，目标图像中的特征点x3与基准地图2中的特征点y21匹配，目标图像中的特征点x4与基准地图2中的特征点y22匹配。这种情况中所截取的第一区域图像和第二区域图像可以如上图8所示。

需要说明的是，若在进行区域图像匹配后，若发现目标图像与基准地图1的区域图像匹配的数量比目标图像与基准地图2的区域图像匹配的数量更多，则可以直接根据情况2中计算获得目标图像到基准地图1之间的映射变换矩阵，以此来获得无人机的当前坐标。

或者，若在进行区域图像匹配后，可以先将只有一张区域图像匹配的基准地图剔除，例如，若此时目标图像中还有特征点与基准地图3中的特征点匹配，若通过区域图像匹配后，目标图像中针对基准地图3所截取的第一区域图像与基准地图3中所截取的第二区域图像只有一个匹配或者没有匹配时，则将该匹配结果剔除，不参与后续的坐标计算。

例如，若在图8中，若是第一区域图像a1与第二区域图像b11匹配，第一区域图像a2与第二区域图像b12匹配，第一区域图像a3与第二区域图像b21匹配，第一区域图像a4与第二区域图像b22匹配，则此时可以按照情况2中的方式分别计算获得两个映射变换矩阵（如获得映射变换矩阵1和映射变换矩阵2），然后将目标图像的中心点坐标分别乘以两个映射变换矩阵，此时获得两个初始坐标，然后可以将这两个初始坐标的平均坐标作为无人机的当前坐标。或者，还可以先对获得的多个初始坐标进行筛选，如筛选多个初始坐标中明显不靠近的一些初始坐标，如初始坐标1和初始坐标2距离较近，而初始坐标3和初始坐标1、初始坐标2距离较远，则可以把初始坐标3剔除，将初始坐标1和初始坐标2的平均坐标作为无人机的当前坐标。

情况5，在情况4的基础上，所截取的第一区域图像和第二区域图像还可以如图9所示，这种情况下，在进行区域匹配后，若只有其中一个区域图像匹配，则按照情况1中的方式来确定无人机的当前坐标。若有多个区域图像匹配，则可以分别按照情况1中的方式来获得无人机的坐标，此时获得两个坐标，然后可将这两个当前坐标的平均坐标作为无人机的当前坐标。如图9中，第一区域图像a1与第二区域图像b11匹配，第一区域图像a2与第二区域图像b21匹配，则可以按照情况1中的方式来获得两个无人机的坐标，然后将这两个坐标的平均坐标作为无人机的当前坐标。

需要说明的是，上述获得的无人机的当前坐标可以认为是无人机在基准地图中的图像坐标，若需要获得无人机的GPS坐标，还需要将无人机的当前坐标转换为对应的GPS坐标，从而实现无人机的定位。或者基准地图中每个位置点均标注有对应的GPS坐标，在获得基准地图中无人机的当前坐标后，可直接根据标注的GPS坐标获得无人机的GPS坐标。

还需要说明的是，上述实施例中为了描述的方便，仅列出了部分匹配的特征点对，上述经过区域图像匹配后确定的有效匹配的特征点对应该有很多，这样可以将一些误匹配的特征点对剔除，实际上可以根据大量的有效匹配的特征点对的坐标来计算获得映射变换矩阵，使得计算获得的映射变换矩阵更准确，后续对无人机的定位也更准确。

还需要说明的是，若是所有的第一区域图像与第二区域图像均不匹配时，则反馈给无人机，使得无人机重新进行图像采集（如继续在当前位置进行图像采集或者飞行一小段距离后进行图像采集），然后继续上述的过程，直至能够匹配获得无人机的坐标为止。当然，如果在达到预设次数未匹配时，可以对图像的相似度阈值或者特征点匹配的阈值进行适应性调整。

在上述实施例的基础上，在确定第一区域图像是否与第二区域图像匹配的方式中，可以计算获得第一区域图像和第二区域图像之间的相似度，在相似度大于预设相似度时，则确定第一区域图像与第二区域图像匹配。

其中，可以计算第一区域图像与第二区域图像之间的余弦距离或者是图像哈希值，则可以用余弦距离或图像哈希值来表征两张图像之间的相似度，在余弦距离小于预设距离或者图像哈希值小于预设值时，表明两张图像之间的相似度大于预设相似度，则确定两张图像匹配。

在一些实施方式中，为了能够更好地判断两张区域图像是否匹配，还可以提取第一区域图像的第一边缘信息，以及提取第二区域图像的第二边缘信息，计算获得第一边缘信息与第二边缘信息之间的豪斯多夫Hausdorff距离，其中，Hausdorff距离用于表征第一区域图像和第二区域图像之间的相似度。

其中，可以采用相关的特征提取算法提取第一区域图像和第二区域图像中的边缘信息，该边缘信息可以是一种二进制数值，或者是特征向量，这样可以通过计算两个边缘信息之间的Hausdorff距离。Hausdorff距离是一种用于表征边缘信息的距离，能够有效解决图像中被遮挡的问题，所以，能够更准确地判断出两张区域图像之间的相似度。

请参照图10，图10为本申请实施例提供的一种设备定位装置200的结构框图，该装置200可以是电子设备上的模块、程序段或代码。应理解，该装置200与上述图2方法实施例对应，能够执行图2方法实施例涉及的各个步骤，该装置200具体的功能可以参见上文中的描述，为避免重复，此处适当省略详细描述。

可选地，所述装置200包括：

图像获取模块210，用于获取设备当前采集的目标图像；

特征点匹配模块220，用于将所述目标图像与构建的基准地图进行特征点匹配，获得匹配的特征点，所述匹配的特征点包括在所述目标图像中的第一特征点以及在所述基准地图中的第二特征点；

图像截取模块230，用于根据所述第一特征点在所述目标图像中截取第一区域图像，以及根据所述第二特征点在所述基准地图中截取第二区域图像；

定位模块240，用于若所述第一区域图像与所述第二区域图像匹配，则基于匹配的所述第一区域图像和所述第二区域图像获取所述设备的当前坐标。

可选地，所述图像截取模块230，用于在所述目标图像中截取包含所述第一特征点的第一区域图像，以及在所述基准地图中截取包含所述第二特征点的第二区域图像。

可选地，所述图像截取模块230，用于在所述目标图像中截取以所述第一特征点为中心点的第一区域图像，以及在所述基准地图中截取以所述第二特征点为中心点的第二区域图像。

可选地，所述定位模块240，用于计算获得所述第一区域图像和所述第二区域图像之间的相似度；在所述相似度大于预设相似度时，则确定所述第一区域图像与所述第二区域图像匹配。

可选地，所述定位模块240，用于提取所述第一区域图像的第一边缘信息，以及提取所述第二区域图像的第二边缘信息；计算获得所述第一边缘信息与所述第二边缘信息之间的豪斯多夫Hausdorff距离，其中，所述Hausdorff距离用于表征所述第一区域图像和所述第二区域图像之间的相似度。

可选地，所述定位模块240，用于获取所述第一区域图像的多个第一角点的坐标以及获取所述第二区域图像的多个第二角点的坐标；根据所述多个第一角点的坐标和所述多个第二角点的坐标计算获得所述第一区域图像与所述第二区域图像之间的映射变换矩阵；根据所述映射变换矩阵以及所述目标图像的中心点坐标获得所述设备的当前坐标。

可选地，在所述匹配的特征点包括多对时，所截取的第一区域图像为N张，所截取的第二区域图像为N张，取i为1到M，M小于或等于N，第i张第一区域图像与第i张第二区域图像匹配，所述定位模块240，用于取i为1到M，根据匹配的特征点各自在第i张第一区域图像和在第i张第二区域图像的坐标计算获得所述第一区域图像与所述第二区域图像之间的映射变换矩阵；根据所述映射变换矩阵以及所述目标图像的中心点坐标获得所述设备的当前坐标。

可选地，通过以下方式构建所述基准地图：

获取不同时刻下采集的初始图像，所述初始图像中包含坐标信息；

提取每张所述初始图像中的各个特征点的特征信息，并形成包含各个初始图像中各个特征点的特征信息的基准地图；

所述特征点匹配模块220，用于提取所述目标图像中各个特征点的特征信息；根据所述目标图像中各个特征点的特征信息以及各个初始图像中各个特征点的特征信息，将所述目标图像与各个初始图像进行特征点匹配，获得匹配的特征点。

需要说明的是，本领域技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再重复描述。

本申请实施例提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，执行如图2所示方法实施例中电子设备所执行的方法过程。

本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如，包括：获取设备当前采集的目标图像；将所述目标图像与构建的基准地图进行特征点匹配，获得匹配的特征点，所述匹配的特征点包括在所述目标图像中的第一特征点以及在所述基准地图中的第二特征点；根据所述第一特征点在所述目标图像中截取第一区域图像，以及根据所述第二特征点在所述基准地图中截取第二区域图像；若所述第一区域图像与所述第二区域图像匹配，则基于所述第二区域图像获取所述设备的当前坐标。

综上所述，本申请实施例提供一种设备定位方法、装置、电子设备及可读存储介质，通过将设备当前采集的目标图像与构建的基准地图进行特征点匹配，获得匹配的特征点，然后根据匹配的特征点分别在目标图像中截取第一区域图像以及在基准地图中截取第二区域图像，再将两个区域图像进行匹配，这样设备无需依赖GPS装置即可实现定位，并且由于截取的区域图像包含更多的信息，所以将两个区域图像进行匹配后来确定设备的当前坐标，更准确。

在本申请所提供的实施例中，应该理解到，所揭露装置和方法，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，所述单元的划分，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，多个单元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，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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。

再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。

以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。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 (11)

1.一种设备定位方法，其特征在于，所述方法包括：

获取设备当前采集的目标图像；

将所述目标图像与构建的基准地图进行特征点匹配，获得匹配的特征点，所述匹配的特征点包括在所述目标图像中的第一特征点以及在所述基准地图中的第二特征点；

根据所述第一特征点在所述目标图像中截取第一区域图像，以及根据所述第二特征点在所述基准地图中截取第二区域图像；

若所述第一区域图像与所述第二区域图像匹配，则基于匹配的所述第一区域图像和所述第二区域图像获取所述设备的当前坐标。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一特征点在所述目标图像中截取第一区域图像，以及根据所述第二特征点在所述基准地图中截取第二区域图像，包括：

在所述目标图像中截取包含所述第一特征点的第一区域图像，以及在所述基准地图中截取包含所述第二特征点的第二区域图像。

3.根据权利要求2所述的方法，其特征在于，所述在所述目标图像中截取包含所述第一特征点的第一区域图像，以及在所述基准地图中截取包含所述第二特征点的第二区域图像，包括：

在所述目标图像中截取以所述第一特征点为中心点的第一区域图像，以及在所述基准地图中截取以所述第二特征点为中心点的第二区域图像。

4.根据权利要求1所述的方法，其特征在于，通过以下方式确定所述第一区域图像与所述第二区域图像是否匹配：

计算获得所述第一区域图像和所述第二区域图像之间的相似度；

在所述相似度大于预设相似度时，则确定所述第一区域图像与所述第二区域图像匹配。

5.根据权利要求4所述的方法，其特征在于，所述计算获得所述第一区域图像和所述第二区域图像之间的相似度，包括：

提取所述第一区域图像的第一边缘信息，以及提取所述第二区域图像的第二边缘信息；

计算获得所述第一边缘信息与所述第二边缘信息之间的豪斯多夫Hausdorff距离，其中，所述Hausdorff距离用于表征所述第一区域图像和所述第二区域图像之间的相似度。

6.根据权利要求1所述的方法，其特征在于，所述基于匹配的所述第一区域图像和所述第二区域图像获取所述设备的当前坐标，包括：

获取所述第一区域图像的多个第一角点的坐标以及获取所述第二区域图像的多个第二角点的坐标；

根据所述多个第一角点的坐标和所述多个第二角点的坐标计算获得所述第一区域图像与所述第二区域图像之间的映射变换矩阵；

根据所述映射变换矩阵以及所述目标图像的中心点坐标获得所述设备的当前坐标。

7.根据权利要求1所述的方法，其特征在于，在所述匹配的特征点包括多对时，所截取的第一区域图像为N张，所截取的第二区域图像为N张，取i为1到M，M小于或等于N，第i张第一区域图像与第i张第二区域图像匹配，所述基于所述第二区域图像获取所述设备的当前坐标，包括：

取i为1到M，根据匹配的特征点各自在第i张第一区域图像和在第i张第二区域图像的坐标计算获得所述第一区域图像与所述第二区域图像之间的映射变换矩阵；

根据所述映射变换矩阵以及所述目标图像的中心点坐标获得所述设备的当前坐标。

8.根据权利要求1-7任一所述的方法，其特征在于，通过以下方式构建所述基准地图：

获取不同时刻下采集的初始图像，所述初始图像中包含坐标信息；

提取每张所述初始图像中的各个特征点的特征信息，并形成包含各个初始图像中各个特征点的特征信息的基准地图；

所述将所述目标图像与构建的基准地图进行特征点匹配，获得匹配的特征点，包括：

提取所述目标图像中各个特征点的特征信息；

根据所述目标图像中各个特征点的特征信息以及各个初始图像中各个特征点的特征信息，将所述目标图像与各个初始图像进行特征点匹配，获得匹配的特征点。

9.一种设备定位装置，其特征在于，所述装置包括：

图像获取模块，用于获取设备当前采集的目标图像；

特征点匹配模块，用于将所述目标图像与构建的基准地图进行特征点匹配，获得匹配的特征点，所述匹配的特征点包括在所述目标图像中的第一特征点以及在所述基准地图中的第二特征点；

图像截取模块，用于根据所述第一特征点在所述目标图像中截取第一区域图像，以及根据所述第二特征点在所述基准地图中截取第二区域图像；

定位模块，用于若所述第一区域图像与所述第二区域图像匹配，则基于匹配的所述第一区域图像和所述第二区域图像获取所述设备的当前坐标。

10.一种电子设备，其特征在于，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如权利要求1-8任一所述的方法。

11.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时运行如权利要求1-8任一所述的方法。

Images