CN113888635A - 视觉定位方法、相关装置及计算机程序产品 - Google Patents

视觉定位方法、相关装置及计算机程序产品 Download PDF

Info

Publication number
CN113888635A
CN113888635A CN202111147751.2A CN202111147751A CN113888635A CN 113888635 A CN113888635 A CN 113888635A CN 202111147751 A CN202111147751 A CN 202111147751A CN 113888635 A CN113888635 A CN 113888635A
Authority
CN
China
Prior art keywords
map
image
contour
building
outline
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
CN202111147751.2A
Other languages
English (en)
Other versions
CN113888635B (zh
Inventor
杨威
叶晓青
谭啸
孙昊
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202111147751.2A priority Critical patent/CN113888635B/zh
Publication of CN113888635A publication Critical patent/CN113888635A/zh
Priority to US17/865,260 priority patent/US20230005171A1/en
Application granted granted Critical
Publication of CN113888635B publication Critical patent/CN113888635B/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
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G06T7/564—Depth or shape recovery from multiple images from contours
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20116—Active contour; Active surface; Snakes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30244—Camera pose

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本公开提供了视觉定位方法、装置、电子设备、计算机可读存储介质及计算机程序产品，涉及计算机视觉和深度学习等人工智能技术领域，可应用于视觉定位和三维视觉场景下。该方法的一具体实施方式包括：对定位用图像中包含的实际建筑物图像进行轮廓增强处理，得到实际建筑物轮廓，并从预设的轮廓地图中确定与该实际建筑物轮廓匹配的目标建筑物的位置信息，其中，该轮廓地图基于对真实全景地图中的非建筑物轮廓信息进行模糊处理后得到，最后，基于该位置信息生成视觉定位结果。该实施方式可以利用对真实全景地图中的非建筑物轮廓信息进行模糊处理后得到的轮廓地图来提供视觉定位服务，降低视觉定位过程中对于上传的定位用图像的清晰度要求。

Description

视觉定位方法、相关装置及计算机程序产品
技术领域
本公开涉及计算机技术领域，具体涉及计算机视觉和深度学习等人工智能技术领域，可应用于视觉定位和三维视觉场景下，尤其涉及视觉定位方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
背景技术
为了更好的为用户呈现场景信息，以便于用户对场景中的实际信息获取、基于实际信息获取导航服务，现有技术中越来越多的使用全景地图为用户提供相关服务。
全景地图场景由于包含大量人造的几何轮廓以及纹理，所以为视觉定位任务提供了较为良好的条件。
发明内容
本公开实施例提出了一种视觉定位方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
第一方面，本公开实施例提出了一种视觉定位方法，包括：对定位用图像中包含的实际建筑物图像进行轮廓增强处理，得到实际建筑物轮廓；从预设的轮廓地图中确定与该实际建筑物轮廓匹配的目标建筑物的位置信息，其中，该轮廓地图基于对真实全景地图中的非建筑物轮廓信息进行模糊处理后得到；基于该位置信息生成视觉定位结果。
第二方面，本公开实施例提出了一种视觉定位装置，包括：实际建筑轮廓获取单元，被配置成对定位用图像中包含的实际建筑物图像进行轮廓增强处理，得到实际建筑物轮廓；位置信息确定单元，被配置成从预设的轮廓地图中确定与该实际建筑物轮廓匹配的目标建筑物的位置信息，其中，该轮廓地图基于对真实全景地图中的非建筑物轮廓信息进行模糊处理后得到；视觉定位结果生成单元，被配置成基于该位置信息生成视觉定位结果。
第三方面，本公开实施例提供了一种电子设备，该电子设备包括：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执行时能够实现如第一方面中任一实现方式描述的视觉定位方法。
第四方面，本公开实施例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时能够实现如第一方面中任一实现方式描述的视觉定位方法。
第五方面，本公开实施例提供了一种包括计算机程序的计算机程序产品，该计算机程序在被处理器执行时能够实现如第一方面中任一实现方式描述的视觉定位方法。
本公开实施例提供的视觉定位方法、装置、电子设备、计算机可读存储介质及计算机程序产品，对定位用图像中包含的实际建筑物图像进行轮廓增强处理，得到实际建筑物轮廓，并从预设的轮廓地图中确定与该实际建筑物轮廓匹配的目标建筑物的位置信息，其中，该轮廓地图基于对真实全景地图中的非建筑物轮廓信息进行模糊处理后得到，最后，基于该位置信息生成视觉定位结果。
本公开可以利用对真实全景地图中的非建筑物轮廓信息进行模糊处理后得到的轮廓地图来提供视觉定位服务，降低视觉定位过程中对于上传的定位用图像的清晰度要求，以便于在用户上传图像质量不佳、特征较少的情况下，依然可以完成匹配、定位工作。
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
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：
图1是本公开可以应用于其中的示例性系统架构；
图2为本公开实施例提供的一种视觉定位方法的流程图；
图3为本公开实施例提供的另一种视觉定位方法的流程图；
图4-1、4-2、4-3、4-4为本公开实施例提供的在一应用场景下的视觉定位方法的效果示意图；
图5为本公开实施例提供的一种视觉定位装置的结构框图；
图6为本公开实施例提供的一种适用于执行视觉定位方法的电子设备的结构示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
此外，本公开涉及的技术方案中，所涉及的用户个人信息的获取、存储、使用、加工、运输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
图1示出了可以应用本公开的视觉定位方法、装置、电子设备及计算机可读存储介质的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103和服务器105上可以安装有各种用于实现两者之间进行信息通讯的应用，例如视觉定位类应用、图像匹配类应用、即时通讯类应用等。
终端设备101、102、103和服务器105可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等；当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中，其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器；服务器为软件时，可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。
服务器105通过内置的各种应用可以提供各种服务，以可以提供视觉定位服务的视觉定位类应用为例，服务器105在运行该视觉定位类应用时可实现如下效果：首先，通过网络104从终端设备101、102、103中获取到定位用图像，并对该定位用图像中包含的实际建筑物图像进行轮廓增强处理，得到实际建筑物轮廓；然后，服务器105从预设的轮廓地图中确定与该实际建筑物轮廓匹配的目标建筑物的位置信息，其中，该轮廓地图基于对真实全景地图中的非建筑物轮廓信息进行模糊处理后得到；最后，服务器105基于该位置信息生成视觉定位结果。
需要指出的是，定位用图像除可以从终端设备101、102、103通过网络104获取到之外，也可以通过各种方式预先存储在服务器105本地。因此，当服务器105检测到本地已经存储有这些数据时(例如开始处理之前留存的待处理的视觉定位任务)，可选择直接从本地获取这些数据，在此种情况下，示例性系统架构100也可以不包括终端设备101、102、103和网络104。
由于存储轮廓地图、对图像中的内容进行轮廓增强处理以及轮廓之间的匹配需要占用较多的运算资源和较强的运算能力，因此本公开后续各实施例所提供的视觉定位方法一般由拥有较强运算能力、较多运算资源的服务器105来执行，相应地，视觉定位装置一般也设置于服务器105中。但同时也需要指出的是，在终端设备101、102、103也具有满足要求的运算能力和运算资源时，终端设备101、102、103也可以通过其上安装的视觉定位类应用完成上述本交由服务器105做的各项运算，进而输出与服务器105同样的结果。尤其是在同时存在多种具有不同运算能力的终端设备的情况下，但视觉定位类应用判断所在的终端设备拥有较强的运算能力和剩余较多的运算资源时，可以让终端设备来执行上述运算，从而适当减轻服务器105的运算压力，相应的，视觉定位装置也可以设置于终端设备101、102、103中。在此种情况下，示例性系统架构100也可以不包括服务器105和网络104。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
请参考图2，图2为本公开实施例提供的一种视觉定位方法的流程图，其中流程200包括以下步骤：
步骤201，对定位用图像中包含的实际建筑物图像进行轮廓增强处理，得到实际建筑物轮廓。
在本实施例中，由视觉定位方法的执行主体(例如图1所示的服务器105)在获取到定位用图像后，对定位用图像中包含的实际建筑物图像进行轮廓增强处理，得到实际建筑物轮廓，通常可以通过使用径向基函数(Radial Basis Function，简称RBF)神经网络、逆向传播多层前馈(Back Propagation，简称BP)神经网络等神经网络对定位用图像中的实际建筑物图像的轮廓进行识别，并在获取到识别结果后，对该实际建筑物图像的轮廓进行轮廓增强处理，得到实际建筑物轮廓。
在实践中，也可以通过对定位用图像中的内容进行锐化处理、调整定位用图像的对比度的方式，突出定位用图像中所包含的实际建筑物图像的轮廓，达到增强、提取该实际建筑物轮廓的目的。
需要指出的是，定位用图像可以由上述执行主体直接从本地的存储设备获取，也可以从非本地的存储设备(例如图1所示的终端设备101、102、103)中获取。本地的存储设备可以是设置在上述执行主体内的一个数据存储模块，例如服务器硬盘，在此种情况下，定位用图像可以在本地快速读取到；非本地的存储设备还可以为其它任何被设置用于存储数据的电子设备，例如一些用户终端等，在此情况下，上述执行主体可以通过向该电子设备发送获取命令来获取所需的定位用图像。
步骤202，从预设的轮廓地图中确定与实际建筑物轮廓匹配的目标建筑物的位置信息。
在本实施例中，在基于上述步骤201中得到实际建筑物轮廓后，调用预设的轮廓地图，该轮廓地图是基于对真实全景地图中的非建筑物轮廓信息进行模糊处理后得到的，真实全景地图，为根据真实的场景拍摄后，对拍摄得到的图像进行去重、拼接等方式连成的图像，该真实全景图像中的与真实场景所对应，因此，该真实全景地图也称为360度全景地图、全景环视地图等，在获取到该轮廓地图后，基于上述步骤201中得到的实际建筑物轮廓与该轮廓地图中的内容进行匹配，以确定轮廓地图中记载的与该实际建筑物轮廓相匹配的目标建筑物，并从该轮廓地图中地图该目标建筑物的位置信息。
其中，轮廓地图在获取到真实全景地图中的内容后识别该真实全景图像中所包括的内容(各内容的特征)后，对该内容进行降清晰度、模糊等处理，以模糊该真实全景地图中的非建筑内容的轮廓后得到，优选的，将该真实全景地图中的内容模糊至，所得到的轮廓地图中仅能提取处属于建筑物的轮廓信息，以减少除建筑物外的内容的干扰，减少用于为定位用图像提供视觉定位的轮廓地图中的特征，避免因轮廓地图中特征过多导致无法与定位用图像进行匹配。
步骤203，基于位置信息生成视觉定位结果。
在本实施例中，从该轮廓地图中地图该目标建筑物的位置信息后，生成对应的视觉定位结果，以便于根据该视觉定位结果确定该定位用图像的拍摄位置。
本公开实施例提供的视觉定位方法，可以利用对真实全景地图中的非建筑物轮廓信息进行模糊处理后得到的轮廓地图来提供视觉定位服务，降低视觉定位过程中对于上传的定位用图像的清晰度要求，以便于在用户上传图像质量不佳、特征较少的情况下，依然可以完成匹配、定位工作。
在本实施例的一些可选的实现方式中，对定位用图像中包含的实际建筑物图像进行轮廓增强处理，得到实际建筑物轮廓，包括：提取定位用图像中包含的实际建筑物图像；通过锐化处理提升该实际建筑物图像中实际建筑物的边缘的对比度，得到锐化图像；提取该锐化图像中该实际建筑物对应的轮廓信息，生成实际建筑物轮廓。
具体的，在获取到定位用图像后，提取该定位用图像中包含的实际建筑物图像，通过锐化处理提升该实际建筑物图像中实际建筑物的边缘的对比度，锐化处理，又称为图像锐化(Image Sharpening)是补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得清晰的处理方式，可分为空间域处理和频域处理两类，图像锐化是为了突出图像上地物的边缘、轮廓，或某些线性目标要素的特征，这种滤波方法提高了地物边缘与周围像元之间的反差，在提升该实际建筑物图像中实际建筑物的边缘的对比度后，得到锐化图像，并从该锐化图像中该实际建筑物对应的轮廓信息，生成实际建筑物轮廓，该方式通过对定位用图像进行锐化处理后，可以更为精准、快速的、便捷的从该定位用图像获取到实际建筑物轮廓，降低实际建筑物轮廓的获取难度。
在本实施例的一些可选的实现方式中，该视觉定位方法，还包括：根据该实际建筑物轮廓与该目标建筑物的标准轮廓之间的差异信息生成该定位用图像的拍摄位姿信息。
具体的，在基于位置信息生成视觉定位结果后，将与该实际建筑物轮廓所对应的建筑物确定为目标建筑物，并提取该目标建筑物的标准轮廓，其中，该标准轮廓可基于预先拍摄的真实全景图像等内容进行确定，该标准轮廓用于指示处于标准位姿下拍摄得到的
将该标准轮廓与该实际建筑物轮廓进行比较后，得到两者的差异信息，示例性的，该差异信息可以为属于同一空间点、位置的实际建筑物轮廓和该标准轮廓之间的夹角等，在获取到该差异信息后，基于该差异信息确定获取该定位用图像时的拍摄角度等位姿信息，以提升视觉定位的质量。
请参考图3，图3为本公开实施例提供的一种视觉定位方法中，用于生成轮廓地图的流程图，其中流程300包括以下步骤：
步骤301，获取真实全景地图，并确定真实全景图像中包括的参照建筑物图像。
在本实施例中，获取到真实全景图像后，识别该真实全景图像中所包括的内容，并确定该真实全景图像中所包括的建筑物图像。
步骤302，对真实全景地图进行高斯模糊处理，得到模糊全景地图。
在本实施例中，使用高斯卷积核对真实全景图像进行模糊处理，以得到模糊全景图像。
在本实施例的一些可选的实现方式中，还可以预先根据模糊处理后得到的模糊全景地图的清晰度需求确定所对应的高斯卷积核大小，并对应各高斯卷积核的大小设置对应的处理模板，以便于通过调用处理模板的方式调用对应的高斯卷积核的相应配置，对该真实全景图像进行处理并得到对应清晰度的模糊全景地图。
进一步的，在后续基于模糊全景地图生成轮廓地图时，可根据实际的配置需求任选其中一个清晰度的模糊全景地图，以得到与该清晰度对应的轮廓地图，其中，优选的，对应各清晰度的模糊全景地图生成各清晰度的轮廓地图，以便于得到多个清晰度的轮廓地图后，根据用户所传入的、用于视觉定位的图像后，根据该图像的清晰度选取最为接近的清晰度的轮廓地图，以平衡视觉定位服务质量和完成视觉定位服务之间的平衡关系。
步骤303，提取模糊全景地图中的轮廓信息，基于模糊全景地图中与参照建筑物图像对应的轮廓信息生成轮廓地图。
在本实施例中，在基于上述步骤302中得到模糊全景图像后，可利用特征提取器对该模糊全景图像进行处理，以提取该模糊全景图像中所包括的特征，并在得到特征后，保留其中属于参照建筑物的轮廓特征、生成与该参照建筑物图像对应的轮廓信息，汇总该模糊全景地图中存在的各参照建筑物的轮廓信息，以形成完整的轮廓地图。
在本实施例的一些可选的实现方式中，提取该模糊全景地图中的轮廓信息，基于该模糊全景地图中与该参照建筑物图像对应的轮廓信息生成该轮廓地图，包括：对该模糊全景地图进行边缘提取，得到仅包含被定义为1的边缘部分和被定义为0的非边缘部分的二值化边缘全景地图；将以矩阵形式表示的该参照建筑物图像对应的特征信息和该二值化边缘地图进行相乘，生成该轮廓地图。
具体的，在提取该模糊全景图像中所包括的特征后，将该特征对应部分的像素点标1，其余标0，得到二值化边缘全景地图，然后利用以矩阵形式表达的参考建筑物图像对应的特征信息与该二值化边缘全景地图想乘，以完成对该二值化边缘全景地图中属于该参照建筑物图像的轮廓信息的提取，并最终生成轮廓地图，以通过二值化方式联合完成对模糊全景地图中属于参照建筑物图像的轮廓的提取，减少单独使用模糊全景地图进行轮廓分析所带来的误差影响，提高生成的轮廓地图质量。
在本实施例中，可以基于高斯模糊的方式对真实全景地图进行模糊处理，以得到模糊全景地图，在不影响原有的参照建筑物图像的轮廓信息的情况下，不会额外生成其他噪声轮廓，保证生成的模糊全景地图的质量。
为加深理解，本公开还结合一个具体应用场景，给出了一种具体的实现方案，具体如下：
首先，在获取到真实全景地图Ii后，其中，该全景真实地图中的部分图像可如图4-1所示，利用固定模板大小的高斯卷积核对该真实全景图像Ii进行模糊处理得到模糊全景图像
Figure BDA0003286068240000091
并使用特征提取器Fextractor对模糊后的模糊全景图像进行特征提取，并从得到的特征中确定属于参照建筑物图像的特征信息
Figure BDA0003286068240000092
接下来，对模糊全景图像
Figure BDA0003286068240000093
进行边缘提取，得到仅包含被定义为1的边缘部分和被定义为0的非边缘部分的二值化边缘全景地图
Figure BDA0003286068240000094
并利用将
Figure BDA0003286068240000095
与
Figure BDA0003286068240000096
相乘，便得到了仅包含有参照建筑物图像所对应轮廓的轮廓地图
Figure BDA0003286068240000097
该轮廓地图中与上述图4-1所示部分所对应的内容可如图4-2所示。
进一步的，在获取到定位用图像Iquery后，该定位用图像可如图4-3所示，使用对该定位用图像Iquery锁包含的实际建筑物图像进行轮廓增强处理，得到实际建筑物轮廓
Figure BDA0003286068240000098
该实际建筑物轮廓可如图4-4所示，并将该实际建筑物轮廓输入至该轮廓地图
Figure BDA0003286068240000099
中进行匹配，确定与该实际建筑物轮廓匹配的目标建筑物的位置信息。
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种视觉定位装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的视觉定位装置500可以包括：实际建筑轮廓获取单元501、位置信息确定单元502、视觉定位结果生成单元503。其中，实际建筑轮廓获取单元501，被配置成对定位用图像中包含的实际建筑物图像进行轮廓增强处理，得到实际建筑物轮廓；位置信息确定单元502，被配置成从预设的轮廓地图中确定与该实际建筑物轮廓匹配的目标建筑物的位置信息，其中，该轮廓地图基于对真实全景地图中的非建筑物轮廓信息进行模糊处理后得到；视觉定位结果生成单元503，被配置成基于该位置信息生成视觉定位结果。
在本实施例中，视觉定位装置500中：实际建筑轮廓获取单元501、位置信息确定单元502、视觉定位结果生成单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-203的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，被配置成生成该轮廓地图的轮廓地图生成单元，该轮廓地图生成单元中，包括：参照建筑物图像确定子单元，被配置成获取该真实全景地图，并确定该真实全景图像中包括的参照建筑物图像；模糊全景地图生成子单元，被配置成对该真实全景地图进行高斯模糊处理，得到模糊全景地图；轮廓地图生成子单元，被配置成提取该模糊全景地图中的轮廓信息，基于该模糊全景地图中与该参照建筑物图像对应的轮廓信息生成该轮廓地图。
在本实施例的一些可选的实现方式中，该模糊全景地图生成子单元，进一步被配置成，分别使用大小不同的高斯卷积核对该真实全景地图进行高斯模糊处理，对应得到模糊程度不同的各模糊全景地图。
在本实施例的一些可选的实现方式中，该轮廓地图生成子单元，包括：二值化处理模块，被配置成对该模糊全景地图进行边缘提取，得到仅包含被定义为1的边缘部分和被定义为0的非边缘部分的二值化边缘全景地图；轮廓地图生成模块，被配置成将以矩阵形式表示的该参照建筑物图像对应的特征信息和该二值化边缘地图进行相乘，生成该轮廓地图。
在本实施例的一些可选的实现方式中，该实际建筑轮廓获取单元，包括：实际建筑物图像提取子单元，被配置成提取定位用图像中包含的实际建筑物图像；锐化图像生成子单元，被配置成通过锐化处理提升该实际建筑物图像中实际建筑物的边缘的对比度，得到锐化图像；实际建筑轮廓生成子单元，被配置成提取该锐化图像中该实际建筑物对应的轮廓信息，生成实际建筑物轮廓。
在本实施例的一些可选的实现方式中，该视觉定位装置，还包括：位姿信息生成单元，被配置成根据该实际建筑物轮廓与该目标建筑物的标准轮廓之间的差异信息生成该定位用图像的拍摄位姿信息。
本实施例作为对应于上述方法实施例的装置实施例存在，本实施例提供的视觉定位装置，可以利用对真实全景地图中的非建筑物轮廓信息进行模糊处理后得到的轮廓地图来提供视觉定位服务，降低视觉定位过程中对于上传的定位用图像的清晰度要求，以便于在用户上传图像质量不佳、特征较少的情况下，依然可以完成匹配、定位工作。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。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/或者要求的本公开的实现。
如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如视觉定位方法。例如，在一些实施例中，视觉定位方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的视觉定位方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行视觉定位方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大，业务扩展性弱的缺陷。服务器也可以分为分布式系统的服务器，或者是结合了区块链的服务器。
根据本公开实施例的技术方案，可以利用对真实全景地图中的非建筑物轮廓信息进行模糊处理后得到的轮廓地图来提供视觉定位服务，降低视觉定位过程中对于上传的定位用图像的清晰度要求，以便于在用户上传图像质量不佳、特征较少的情况下，依然可以完成匹配、定位工作。
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，本公开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，只要能够实现本公开提供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，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (15)

1.一种视觉定位方法，包括：
对定位用图像中包含的实际建筑物图像进行轮廓增强处理，得到实际建筑物轮廓；
从预设的轮廓地图中确定与所述实际建筑物轮廓匹配的目标建筑物的位置信息，其中，所述轮廓地图基于对真实全景地图中的非建筑物轮廓信息进行模糊处理后得到；
基于所述位置信息生成视觉定位结果。
2.根据权利要求1所述的方法，所述轮廓地图的生成步骤，包括：
获取所述真实全景地图，并确定所述真实全景图像中包括的参照建筑物图像；
对所述真实全景地图进行高斯模糊处理，得到模糊全景地图；
提取所述模糊全景地图中的轮廓信息，基于所述模糊全景地图中与所述参照建筑物图像对应的轮廓信息生成所述轮廓地图。
3.根据权利要求2所述的方法，其中，所述对所述真实全景地图进行高斯模糊处理，得到模糊全景地图，包括：
分别使用大小不同的高斯卷积核对所述真实全景地图进行高斯模糊处理，对应得到模糊程度不同的各模糊全景地图。
4.根据权利要求2所述的方法，其中，所述提取所述模糊全景地图中的轮廓信息，基于所述模糊全景地图中与所述参照建筑物图像对应的轮廓信息生成所述轮廓地图，包括：
对所述模糊全景地图进行边缘提取，得到仅包含被定义为1的边缘部分和被定义为0的非边缘部分的二值化边缘全景地图；
将以矩阵形式表示的所述参照建筑物图像对应的特征信息和所述二值化边缘地图进行相乘，生成所述轮廓地图。
5.根据权利要求1所述的方法，其中，所述对定位用图像中包含的实际建筑物图像进行轮廓增强处理，得到实际建筑物轮廓，包括：
提取定位用图像中包含的实际建筑物图像；
通过锐化处理提升所述实际建筑物图像中实际建筑物的边缘的对比度，得到锐化图像；
提取所述锐化图像中所述实际建筑物对应的轮廓信息，生成实际建筑物轮廓。
6.根据权利要求1-5任一项所述的方法，还包括：
根据所述实际建筑物轮廓与所述目标建筑物的标准轮廓之间的差异信息生成所述定位用图像的拍摄位姿信息。
7.一种视觉定位装置，包括：
实际建筑轮廓获取单元，被配置成对定位用图像中包含的实际建筑物图像进行轮廓增强处理，得到实际建筑物轮廓；
位置信息确定单元，被配置成从预设的轮廓地图中确定与所述实际建筑物轮廓匹配的目标建筑物的位置信息，其中，所述轮廓地图基于对真实全景地图中的非建筑物轮廓信息进行模糊处理后得到；
视觉定位结果生成单元，被配置成基于所述位置信息生成视觉定位结果。
8.根据权利要求7所述的装置，还包括，被配置成生成所述轮廓地图的轮廓地图生成单元，所述轮廓地图生成单元中，包括：
参照建筑物图像确定子单元，被配置成获取所述真实全景地图，并确定所述真实全景图像中包括的参照建筑物图像；
模糊全景地图生成子单元，被配置成对所述真实全景地图进行高斯模糊处理，得到模糊全景地图；
轮廓地图生成子单元，被配置成提取所述模糊全景地图中的轮廓信息，基于所述模糊全景地图中与所述参照建筑物图像对应的轮廓信息生成所述轮廓地图。
9.根据权利要求8所述的装置，其中，所述模糊全景地图生成子单元，进一步被配置成，分别使用大小不同的高斯卷积核对所述真实全景地图进行高斯模糊处理，对应得到模糊程度不同的各模糊全景地图。
10.根据权利要求8所述的装置，其中，所述轮廓地图生成子单元，包括：
二值化处理模块，被配置成对所述模糊全景地图进行边缘提取，得到仅包含被定义为1的边缘部分和被定义为0的非边缘部分的二值化边缘全景地图；
轮廓地图生成模块，被配置成将以矩阵形式表示的所述参照建筑物图像对应的特征信息和所述二值化边缘地图进行相乘，生成所述轮廓地图。
11.根据权利要求7所述的装置，其中，所述实际建筑轮廓获取单元，包括：
实际建筑物图像提取子单元，被配置成提取定位用图像中包含的实际建筑物图像；
锐化图像生成子单元，被配置成通过锐化处理提升所述实际建筑物图像中实际建筑物的边缘的对比度，得到锐化图像；
实际建筑轮廓生成子单元，被配置成提取所述锐化图像中所述实际建筑物对应的轮廓信息，生成实际建筑物轮廓。
12.根据权利要求7-11中任一项所述的装置，还包括：
位姿信息生成单元，被配置成根据所述实际建筑物轮廓与所述目标建筑物的标准轮廓之间的差异信息生成所述定位用图像的拍摄位姿信息。
13.一种电子设备，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1-6中任一项所述的视觉定位方法。
14.一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1-6中任一项所述的视觉定位方法。
15.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的视觉定位方法。
CN202111147751.2A 2021-09-29 2021-09-29 视觉定位方法、相关装置 Active CN113888635B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111147751.2A CN113888635B (zh) 2021-09-29 2021-09-29 视觉定位方法、相关装置
US17/865,260 US20230005171A1 (en) 2021-09-29 2022-07-14 Visual positioning method, related apparatus and computer program product

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111147751.2A CN113888635B (zh) 2021-09-29 2021-09-29 视觉定位方法、相关装置

Publications (2)

Publication Number Publication Date
CN113888635A true CN113888635A (zh) 2022-01-04
CN113888635B CN113888635B (zh) 2023-04-18

Family

ID=79007754

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111147751.2A Active CN113888635B (zh) 2021-09-29 2021-09-29 视觉定位方法、相关装置

Country Status (2)

Country Link
US (1) US20230005171A1 (zh)
CN (1) CN113888635B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116071429A (zh) * 2023-03-29 2023-05-05 天津市再登软件有限公司 一种被子图案轮廓识别方法、装置、电子设备及存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113971307B (zh) * 2021-10-27 2024-10-01 深圳须弥云图空间科技有限公司 一种关联关系生成方法、装置、存储介质及电子设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104281840A (zh) * 2014-09-28 2015-01-14 无锡清华信息科学与技术国家实验室物联网技术中心 一种基于智能终端定位识别建筑物的方法及装置
CN108229364A (zh) * 2017-12-28 2018-06-29 百度在线网络技术（北京）有限公司 建筑物轮廓生成方法、装置、计算机设备及存储介质
CN110440811A (zh) * 2019-08-29 2019-11-12 湖北三江航天红峰控制有限公司 一种通用型自主导航控制方法、装置及设备终端
CN110543917A (zh) * 2019-09-06 2019-12-06 电子科技大学 一种利用行人惯导轨迹与视频信息的室内地图匹配方法
CN110926475A (zh) * 2019-12-03 2020-03-27 北京邮电大学 一种无人机航点生成方法、装置及电子设备
CN111649724A (zh) * 2020-06-04 2020-09-11 百度在线网络技术（北京）有限公司 基于移动边缘计算的视觉定位方法和装置
CN111862218A (zh) * 2020-07-29 2020-10-30 上海高仙自动化科技发展有限公司 计算机设备定位方法、装置、计算机设备和存储介质
CN111862216A (zh) * 2020-07-29 2020-10-30 上海高仙自动化科技发展有限公司 计算机设备定位方法、装置、计算机设备和存储介质
CN112131324A (zh) * 2019-06-25 2020-12-25 上海擎感智能科技有限公司 一种地图显示方法及装置
CN112749584A (zh) * 2019-10-29 2021-05-04 北京初速度科技有限公司 一种基于图像检测的车辆定位方法及车载终端

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104281840A (zh) * 2014-09-28 2015-01-14 无锡清华信息科学与技术国家实验室物联网技术中心 一种基于智能终端定位识别建筑物的方法及装置
CN108229364A (zh) * 2017-12-28 2018-06-29 百度在线网络技术（北京）有限公司 建筑物轮廓生成方法、装置、计算机设备及存储介质
CN112131324A (zh) * 2019-06-25 2020-12-25 上海擎感智能科技有限公司 一种地图显示方法及装置
CN110440811A (zh) * 2019-08-29 2019-11-12 湖北三江航天红峰控制有限公司 一种通用型自主导航控制方法、装置及设备终端
CN110543917A (zh) * 2019-09-06 2019-12-06 电子科技大学 一种利用行人惯导轨迹与视频信息的室内地图匹配方法
CN112749584A (zh) * 2019-10-29 2021-05-04 北京初速度科技有限公司 一种基于图像检测的车辆定位方法及车载终端
CN110926475A (zh) * 2019-12-03 2020-03-27 北京邮电大学 一种无人机航点生成方法、装置及电子设备
CN111649724A (zh) * 2020-06-04 2020-09-11 百度在线网络技术（北京）有限公司 基于移动边缘计算的视觉定位方法和装置
CN111862218A (zh) * 2020-07-29 2020-10-30 上海高仙自动化科技发展有限公司 计算机设备定位方法、装置、计算机设备和存储介质
CN111862216A (zh) * 2020-07-29 2020-10-30 上海高仙自动化科技发展有限公司 计算机设备定位方法、装置、计算机设备和存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
TONG QIN ET AL.: ""RoadMap:A Light-Weight Semantic Map for Visual Localization towards Autonomous Driving"", 《ARXIV》 *
TSUNG-HAN TSAI ET AL.: ""Design of vision-based indoor positioning based on embedded system"", 《IET IMAGE PROCESSING》 *
任鹏博 等: ""基于监督的室内机器人导航系统研究"", 《测控技术》 *
熊曦: ""基于智能手机单张照片的建筑物快速定位算法"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116071429A (zh) * 2023-03-29 2023-05-05 天津市再登软件有限公司 一种被子图案轮廓识别方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN113888635B (zh) 2023-04-18
US20230005171A1 (en) 2023-01-05

Similar Documents

Publication Publication Date Title
CN112949767B (zh) 样本图像增量、图像检测模型训练及图像检测方法
CN110632608B (zh) 一种基于激光点云的目标检测方法和装置
CN109118456B (zh) 图像处理方法和装置
CN112862877B (zh) 用于训练图像处理网络和图像处理的方法和装置
CN113888635B (zh) 视觉定位方法、相关装置
CN112634343A (zh) 图像深度估计模型的训练方法、图像深度信息的处理方法
CN112967381B (zh) 三维重建方法、设备和介质
CN114792355B (zh) 虚拟形象生成方法、装置、电子设备和存储介质
CN115620321B (zh) 表格识别方法及装置、电子设备和存储介质
CN113326766B (zh) 文本检测模型的训练方法及装置、文本检测方法及装置
CN113888560A (zh) 用于处理图像的方法、装置、设备以及存储介质
CN114119990A (zh) 用于图像特征点匹配的方法、装置及计算机程序产品
CN113643260A (zh) 用于检测图像质量的方法、装置、设备、介质和产品
CN113112398A (zh) 图像处理方法和装置
CN110895699B (zh) 用于处理图像的特征点的方法和装置
CN114724144B (zh) 文本识别方法、模型的训练方法、装置、设备及介质
CN112991451B (zh) 图像识别方法、相关装置及计算机程序产品
CN116071625A (zh) 深度学习模型的训练方法、目标检测方法及装置
CN114723796A (zh) 一种三维点云生成方法、装置及电子设备
CN115019057A (zh) 图像特征提取模型确定方法及装置、图像识别方法及装置
CN113870428A (zh) 场景地图生成方法、相关装置及计算机程序产品
CN113610856A (zh) 训练图像分割模型和图像分割的方法和装置
CN114093006A (zh) 活体人脸检测模型的训练方法、装置、设备以及存储介质
CN113052173B (zh) 样本数据的特征增强方法和装置
CN114820908B (zh) 虚拟形象生成方法、装置、电子设备和存储介质

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