CN114332648B - 一种位置标识方法及电子设备 - Google Patents
一种位置标识方法及电子设备 Download PDFInfo
- Publication number
- CN114332648B CN114332648B CN202210213685.2A CN202210213685A CN114332648B CN 114332648 B CN114332648 B CN 114332648B CN 202210213685 A CN202210213685 A CN 202210213685A CN 114332648 B CN114332648 B CN 114332648B
- Authority
- CN
- China
- Prior art keywords
- contour
- electronic equipment
- image
- landscape
- contour line
- 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
Landscapes
- User Interface Of Digital Computer (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种位置标识方法,应用于电子设备,包括:电子设备在进入目标区域时,获取目标区域对应的全景图像;全景图像包括目标区域内的景观轮廓特征和景观标记信息;电子设备从全景图像中截取与自身当前方位对应的目标图像;电子设备从自身在目标区域内采集的实拍图像中提取景观轮廓特征,将实拍图像中的景观轮廓特征与目标图像中的景观轮廓特征进行匹配,以确定实拍图像在全景图像中的位置;电子设备根据实拍图像在全景图像中的位置,在实拍图像中添加景观标记信息。本申请示出的技术方案,能够使用户通过景观标记信息快速确定远距离景观,增强用户在旅游观光过程中的体验。
Description
技术领域
本申请涉及终端技术领域,尤其涉及一种位置标识方法及电子设备。
背景技术
随着旅游观光文化的普及,电子设备在旅游行业的应用更加多元化。电子设备能够帮助用户进行路线规划、场景解说、景观标识,以便于用户对当前旅游场景有更多了解。在旅游观光过程中,部分景观(例如:各种山脉的峰顶奇石、溶洞中不同造型的石笋、不同颜色形状的丹霞景观地貌、不同名称位置的海岛等)用户不能够近距离观看,仅能在指示牌上阅读相关介绍信息,并在观景台上远望。在用户远距离观看景观的过程中,由于景观距离过远、景观之间相似造型多以及天气变化等因素,用户无法快速确定景观位置。
现有技术常通过卫星影像图或者同步定位与地图构建(Simultaneouslocalization and mapping,SLAM)方法确定景观位置。卫星影像图是由多幅卫星遥感影像按照其地理坐标镶嵌拼接而成的影像图,仅能从景观上方拍摄以反应景观的地貌特征;SLAM点线定位方法使用特征点和特征直线作为定位特征。
卫星影像图由于存在方位的局限性,难以从用户观看景观的视角确定景观位置;同时景观环境中直线数量少、特征点数量少、景观变化大、且景观与用户距离远,SLAM方法难以适用于景观环境中;因此,卫星影像图与SLAM方法均不适用于远距离景观位置的确定。
发明内容
本申请提供了一种位置标识方法及电子设备,以解决用户在观看远距离景观时,由于景观距离过远、景观之间相似造型多以及天气变化等因素,用户无法快速确定景观位置的问题,能够使用户通过景观标记信息快速确定远距离景观,增强用户在旅游观光过程中的体验。
第一方面,本申请示出了一种位置标识方法,应用于电子设备,包括:电子设备在进入目标区域时,获取目标区域对应的全景图像;全景图像包括目标区域内的景观轮廓特征和景观标记信息;电子设备从全景图像中截取与自身当前方位对应的目标图像;电子设备从自身在目标区域内采集的实拍图像中提取景观轮廓特征,将实拍图像中的景观轮廓特征与目标图像中的景观轮廓特征进行匹配,以确定实拍图像在全景图像中的位置;电子设备根据实拍图像在全景图像中的位置,在实拍图像中添加景观标记信息。采用本实施方式,电子设备能够通过将实拍图像与全景图像进行匹配以使实拍图像显示景观标记信息,使用户通过景观标记信息快速确定远距离景观,增强用户在旅游观光过程中的体验。
在一种可选择的实现方式中,电子设备在进入目标区域时,获取目标区域对应的全景图像,包括:电子设备判断当前是否处于目标区域;如果电子设备当前处于目标区域,电子设备从云端存储中获取预先采集的全景图像,或者从本地存储中获取预先采集的全景图像。采用本实施方式,电子设备能够在用户到达特定场景的情况下获取全景图像,使用户在该场景获得更好的观光体验。
在一种可选择的实现方式中,电子设备从全景图像中截取与自身当前方位对应的目标图像,包括:电子设备通过惯性测量单元IMU和全球定位系统GNSS确定电子设备的方位信息;方位信息包括电子设备的位置信息和方位角;电子设备根据方位信息从全景图像中截取与自身当前方位对应的目标图像。采用本实施方式,电子设备能够更准确的进行定位以更好的在用户视角获取景观标识信息。
在一种可选择的实现方式中,电子设备从全景图像中截取与自身当前方位对应的目标图像,包括:电子设备对目标图像进行畸变矫正后,以还原目标图像。采用本实施方式,电子设备能够将目标图像矫正后进行匹配以获得更准确得匹配效果。
在一种可选择的实现方式中,电子设备从自身在目标区域内采集的实拍图像中提取景观轮廓特征,将实拍图像中的景观轮廓特征与目标图像中的景观轮廓特征进行匹配,包括:电子设备将实拍图像进行预处理,预处理用于使实拍图像符合边缘检测算法的检测条件;电子设备根据边缘检测算法获得实拍图像中的离散边缘点;电子设备根据离散边缘点获得至少一条第一轮廓线,第一轮廓线用于表征实拍图像中的边缘界限;电子设备从第一轮廓线中获取至少一条第二轮廓线;第二轮廓线用于提取实拍图像的景观轮廓特征;电子设备将从第二轮廓线中获取的第一轮廓特征点坐标和第一特征值向量确定为实拍图像的景观轮廓特征。采用本实施方式,电子设备能够将实拍图像进行处理以获得更好的匹配效果。
在一种可选择的实现方式中,电子设备根据离散边缘点获得至少一条第一轮廓线,包括:电子设备根据8邻域算法将离散边缘点连接以获得至少一条第一轮廓线。采用本实施方式,电子设备通过该种边缘跟踪方式能够获得更准确的边缘跟踪效果。
在一种可选择的实现方式中,电子设备从第一轮廓线中获取至少一条第二轮廓线,包括:电子设备获取各个第一轮廓线的长度,以确定第一轮廓线的最大长度;电子设备计算每条第一轮廓线与最大长度的比值;电子设备根据比值从第一轮廓线中筛选出至少一条第二候选轮廓线,第二候选轮廓线的比值大于预设的长度阈值。采用本实施方式,电子设备能够筛掉较小的轮廓线,便于进行轮廓匹配。
在一种可选择的实现方式中,电子设备从第一轮廓线中获取至少一条第二轮廓线,包括:电子设备从第一轮廓线中筛选出第二候选轮廓线后,计算至少一条第二候选轮廓线的轮廓边界点的轮廓梯度;电子设备判断至少一条第二候选轮廓线中是否存在轮廓梯度相匹配的第二候选轮廓线;如果存在轮廓梯度相匹配的所述第二候选轮廓线;电子设备执行合并操作将第二候选轮廓线合并为同一轮廓线;如果不存在轮廓梯度相匹配的所述第二候选轮廓线;电子设备不执行合并操作;电子设备判断是否存在轮廓梯度相匹配的所述第二候选轮廓线后,从第二候选轮廓线中由大至小选取长度值排名前N(N≥1)的第二候选轮廓线确定为第二轮廓线。采用本实施方式,电子设备能够将第二候选轮廓线进行合并,便于进行轮廓匹配。
在一种可选择的实现方式中,电子设备将从第二轮廓线中获取的第一轮廓特征点坐标和第一特征值向量确定为实拍图像的景观轮廓特征,包括:电子设备将第二轮廓线进行高斯低通滤波;高斯低通滤波用于增大第二轮廓线的平滑度;电子设备将高斯低通滤波后的第二轮廓线根据间隔步长进行重采样,以获得至少一个采样点;电子设备计算采样点的曲线曲率;电子设备根据曲线曲率将采样点的至少一个局部极大值点确定为第一轮廓特征点。采用本实施方式,电子设备能够将第二轮廓线进行平滑处理并重采样,便于进行轮廓匹配,同时增加匹配的准确度。
在一种可选择的实现方式中,电子设备从自身在目标区域内采集的实拍图像中提取景观轮廓特征,将实拍图像中的景观轮廓特征与目标图像中的景观轮廓特征进行匹配,包括:电子设备获取实拍图像中景观轮廓特征的第一轮廓特征点和目标图像中景观轮廓特征的第二轮廓特征点;其中,第二轮廓特征点为预提取获得;电子设备根据第一轮廓特征点和第二轮廓特征点生成匹配点对,以根据匹配点对将实拍图像中的景观轮廓特征与目标图像中的景观轮廓特征进行匹配;其中,匹配点对用于使目标区域的景观标记信息投影于实拍图像中。采用本实施方式,电子设备能够将实拍图像与全景图像通过匹配点对进行匹配,以达到较好的匹配效果。
在一种可选择的实现方式中,电子设备将从第二轮廓线中获取的第一轮廓特征点坐标和第一特征值向量确定为实拍图像的景观轮廓特征,包括:所述电子设备根据所述第一轮廓特征点的弧长弦长比以及曲率角特征量确定所述第一特征值向量;其中,所述弧长弦长比为根据任意相邻的两个第一轮廓特征点获取,所述曲率角特征量为除边界所述第一轮廓特征点以外的任意所述第一轮廓特征点与其相邻的轮廓特征点的余弦值。采用本实施方式,电子设备能够确定第一特征值向量,以通过第一特征值向量将实拍图像与全景图像通过匹配点对进行匹配,达到较好的匹配效果。
在一种可选择的实现方式中,所述电子设备根据弧长弦长比以及曲率角特征量确定所述第一特征值向量,包括:电子设备计算任意相邻的两个轮廓特征点之间的像素数,以得到至少一个弧长;电子设备获取弧长与弧长对应的弦长的比值,以得到弧长弦长比;其中,弦长为任意相邻的两个轮廓特征点之间的坐标距离。采用本实施方式,电子设备能够确定第一特征值向量,以通过第一特征值向量将实拍图像与全景图像通过匹配点对进行匹配,达到较好的匹配效果。
在一种可选择的实现方式中,电子设备根据第一轮廓特征点和第二轮廓特征点生成匹配点对,包括:电子设备计算第一轮廓特征点与第二轮廓特征点的特征空间距离;特征空间距离为第二特征值向量与第一特征值向量之间的欧式距离;其中,第二特征值向量为电子设备根据第二轮廓特征点的弧长弦长比以及曲率角特征量确定;电子设备将特征空间距离由小至大选取距离值排名前N(N≥1)的第一轮廓特征点与第二轮廓特征点确定为匹配点对。采用本实施方式,电子设备能够将实拍图像与全景图像通过匹配点对进行匹配,达到较好的匹配效果。
在一种可选择的实现方式中,电子设备根据实拍图像在全景图像中的位置,在实拍图像中添加景观标记信息,包括:电子设备根据匹配点对确定实拍图像与全景图像的单应性矩阵;电子设备将全景图像中的景观标记信息通过单应性矩阵投影至实拍图像中,以使实拍图像获取景观标记信息坐标;电子设备根据景观标记信息坐标将景观标记信息添加至实拍图像中。采用本实施方式,电子设备使用户通过景观标记信息快速确定远距离景观,增强用户在旅游观光过程中的体验。
第二方面,本申请实施例提供了一种电子设备,包括:存储器和处理器,处理器和存储器耦合;其中,存储器包括有程序指令,程序指令被处理器运行时,使得电子设备执行如上述第一方面及其各个实现方式中的方法。
第三方面,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序指令,当计算机程序指令被运行时,实现如上所述第一方面及其各个实现方式中的方法。
附图说明
图1为本申请实施例提供的一种场景示意图;
图2为本申请实施例提供的卫星影像定位远距离景观示意图;
图3为本申请实施例提供的定位与地图构建定位示意图;
图4为本申请实施例提供的电子设备100的硬件结构示意图;
图5为本申请实施例提供的电子设备100的软件结构示意图;
图6为本申请实施例提供的位置标识方法的流程图;
图7为本申请实施例提供的当前方位示意图;
图8为本申请实施例提供的电子设备配置流程图;
图9为本申请实施例提供的预处理后的实拍图像示意图;
图10为本申请实施例提供的第一轮廓线示意图;
图11为本申请实施例提供的第二候选轮廓线示意图;
图12为本申请实施例提供的电子设备配置流程图;
图13是本申请另一实施例提供的第二候选轮廓线示意图;
图14是本申请另一实施例提供的第二候选轮廓线示意图;
图15是本申请实施例提供的重采样示意图;
图16是本申请实施例提供的第一轮廓特征点示意图;
图17为本申请实施例示出的夹角示意图;
图18为本申请实施例示出的弧长弦长示意图;
图19为本申请实施例提供的一种电子设备示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例的技术方案进行清楚地描述。
在本申请的描述中,除非另有说明,“/”表示“或”的意思,例如,A/B可以表示A或B。本文中的“和/或”仅仅是一种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。此外,“至少一个”是指一个或多个,“多个”是指两个或两个以上。“第一”、“第二”等字样并不对数量和执行次序进行限定,并且“第一”、“第二”等字样也并不限定一定不同。
需要说明的是,本申请中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
为了便于技术人员理解本申请实施例的技术方案,下面先对本申请实施例涉及的技术术语进行解释说明。
1、惯性测量单元(Inertial measurement unit,IMU):可用于从加速计、陀螺仪及其他传感器中持续稳定地获取多轴位置信息。IMU通常装有三轴的陀螺仪和三个方向的加速度计,以测量物体在三维空间中的角速度和加速度,进而解析出物体的姿态。
2、全球定位系统(Global Navigation Satellite System,GNSS):是在地球表面或近地空间的任何地点为用户提供全天候的三维坐标和速度以及时间信息的空基无线电导航定位系统。
3、同步定位与地图构建(Simultaneous localization and mapping,SLAM):是将一个机器人放入未知环境中移动,在移动过程中根据位置和地图进行自身定位,同时在自身定位的基础上建造增量式地图以实现机器人的自主定位和导航。
4、增强现实(Augmented Reality,AR):是一种将虚拟信息与真实世界巧妙融合的技术,能够运用多媒体、三维建模、实时跟踪及注册、智能交互、传感等多种技术手段,将计算机生成的文字、图像、三维模型、音乐、视频等虚拟信息模拟仿真后,应用到真实世界中,两种信息互为补充以实现对真实世界的增强。
下面首先结合附图对本申请实施例的应用场景进行说明。
本申请实施例提供的方法可以应用于用户观看远距离景观的场景。用户在旅游观光观看远距离景观(例如各种山脉的峰顶奇石、溶洞中不同造型的石笋、不同颜色形状的丹霞景观地貌以及不同名称位置的海岛)过程中,仅能在观景台上进行观看,由于景观距离远,景观之间相似造型多,以及天气影响等情况,用户仅凭在指示牌上阅读相关介绍信息以及肉眼观看无法准确识别具体景观。
图1是本申请实施例适用的一种场景示意图。如图1所示,用户在观景台上观看第一峰时,由于整座山脉有多个峰,且峰与峰之间形状相似,用户在辨别第一峰时,易将第一峰与其右侧的相似峰辨认混淆,尤其在有云雾遮挡的情况下,辨认难度更加增大。电子设备提供的景观标记信息能够帮助用户快速的确定远距离景观位置。
需要说明的是,在用户确定远距离景观位置的过程中,电子设备可以基于自身的方位来确定当前方位的远距离景观,从而在用户的视角快速确定远距离景观位置。
图2是一种卫星影像定位远距离景观示意图。如图2所示,卫星影像仅能从景观上方拍摄图像,由于从景观上方拍摄的图像不适合用户观看,因此卫星影像定位降低了用户的体验性。
图3是一种定位与地图构建定位示意图。如图3所示,SLAM应用于环境定位中,通过记录以某种形式的感知获取的信息,以和当前的感知结果相比较,来实现对现实定位的评估。SLAM可以采用点线定位的方式,使用特征点和特征直线,电子设备需要感知到图像中的特征点和特征直线以对图中所示的峰进行定位,但是图中所示的峰所处的环境多为复杂曲线,电子设备难以根据特征点和特征直线获取到图中所示的峰。需要说明的是,SLAM具有多种定位方式,点线定位的方式仅为SLAM定位方式的其中一种,本申请仅以点线定位方式为示例进行说明,SLAM其他方式在复杂场景下均存在与点线定位方式同样的问题。
上述技术方案中,电子设备在复杂场景下难以提取到特征点和特征直线,进而无法准确定位远距离景观,并在远距离景观中准确的显示景观标记信息,因此在远距离景观等复杂环境中,SLAM方法并不适用。
由此可见,在用户观看远距离景观的场景中,现有技术的电子设备无法有效地对远距离场景进行定位并在电子设备中准确显示景观标记信息,导致用户无法快速准确的确定远距离景观的位置。
为了解决现有技术中存在的问题,本申请实施例示出了一种位置标识方法。该方法可应用于电子设备。
本申请中的电子设备100可以为平板电脑(portable android device,PAD)、个人数字处理(personal digital assistant,PDA)、具有无线通信功能的手持设备、计算设备、车载设备或可穿戴设备,虚拟现实(virtual reality,VR)终端设备、增强现实(augmentedreality,AR)终端设备、工业控制(industrial control)中的无线终端、无人驾驶(selfdriving)中的无线终端、远程医疗(remote medical)中的无线终端、智能电网(smartgrid)中的无线终端、运输安全(transportation safety)中的无线终端、智慧城市(smartcity)中的无线终端、智慧家庭(smart home)中的无线终端等具有触控屏的移动终端或固定终端。本申请实施例中对终端设备的形态不做具体限定。
图4示出了电子设备100的硬件结构示意图。
电子设备100可以包括处理器110,存储器120,天线130,移动通信模块140和传感器模块150。其中,处理器110可以包括一个或多个处理单元,例如:处理器110可以包括应用处理器(application processor,AP),调制解调处理器,图形处理器(graphicsprocessing unit,GPU),图像信号处理器(image signal processor,ISP),控制器,视频编解码器,数字信号处理器(digital signal processor,DSP),基带处理器,和/或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。控制器可以根据指令操作码和时序信号,产生操作控制信号,完成取指令和执行指令的控制。传感器模块150可以包括陀螺仪传感器150A,气压传感器150B,磁传感器150C,加速度传感器150D、重力传感器150E等。
处理器110中还可以设置存储器,用于存储指令和数据。在一些实施例中,处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据,可从存储器中直接调用。避免了重复存取,减少了处理器110的等待时间,因而提高了系统的效率。
电子设备100的无线通信功能可以通过天线130,移动通信模块140,调制解调处理器以及基带处理器等实现。其中,天线130包括至少一个天线面板,每个天线面板均可用于发射和接收电磁波信号,天线130可用于覆盖单个或多个通信频带。在另外一些实施例中,天线103可以和调谐开关结合使用。
移动通信模块140可以提供应用在电子设备100上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块140可以包括至少一个滤波器,开关,功率放大器,低噪声放大器(low noise amplifier,LNA)等。移动通信模块140可以由天线130接收电磁波,并对接收的电磁波进行滤波,放大等处理,传送至调制解调处理器进行解调。移动通信模块140还可以对经调制解调处理器调制后的信号放大,经天线130转为电磁波辐射出去。在一些实施例中,移动通信模块140的至少部分功能模块可以被设置于处理器110中。在一些实施例中,移动通信模块140的至少部分功能模块可以与处理器110的至少部分模块被设置在同一个器件中。
调制解调处理器可以包括调制器和解调器。其中,调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器处理。低频基带信号经基带处理器处理后,被传递给应用处理器。应用处理器通过音频设备输出声音信号,或通过显示屏显示图像或视频。在一些实施例中,调制解调处理器可以是独立的器件。在另一些实施例中,调制解调处理器可以独立于处理器110,与移动通信模块140或其他功能模块设置在同一个器件中。
在一些实施例中,电子设备100的天线130和移动通信模块140耦合,使得用户设备100可以通过无线通信技术与网络以及其他设备通信。无线通信技术可以包括第五代移动通信技术新空口(5th generation mobile networks new radio,5G NR),全球移动通讯系统(global system for mobile communications,GSM),通用分组无线服务(generalpacket radio service,GPRS),码分多址接入(code division multiple access,CDMA),宽带码分多址(wideband code division multiple access,WCDMA),时分码分多址(time-division code division multiple access,TD-SCDMA),长期演进技术(long termevolution,LTE)等。
存储器120可以用于存储计算机可执行程序代码,可执行程序代码包括指令。存储器120可以包括存储程序区和存储数据区。其中,存储程序区可存储操作系统,至少一个功能所需的应用程序(比如声音播放功能,图像播放功能等)等。存储数据区可存储用户设备100使用过程中所创建的数据(比如音频数据,电话本等)等。此外,存储器120可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件,闪存器件,通用闪存存储器(universal flash storage,UFS)等。处理器110通过运行存储在存储器120的指令,和/或存储在设置于处理器中的存储器的指令,执行用户设备100的各种功能应用以及数据处理。
陀螺仪传感器150A可以用于确定电子设备100的运动姿态。在一些实施例中,可以通过陀螺仪传感器150A确定电子设备100围绕三个轴(即,x,y和z轴)的角速度。陀螺仪传感器150A可以用于拍摄防抖。示例性的,当按下快门,陀螺仪传感器150A检测电子设备100抖动的角度,根据角度计算出镜头模组需要补偿的距离,让镜头通过反向运动抵消用户设备100的抖动,实现防抖。陀螺仪传感器150A还可以用于导航,体感游戏场景。
气压传感器150B用于测量气压。在一些实施例中,电子设备100通过气压传感器180C测得的气压值计算海拔高度,辅助定位和导航。
加速度传感器150D可检测电子设备100在各个方向上(一般为三轴)加速度的大小。当电子设备100静止时可检测出重力的大小及方向。还可以用于识别用户设备姿态,应用于横竖屏切换,计步器等应用。
可以理解的是,本申请实施例示意的结构并不构成对电子设备100的具体限定。在本申请另一些实施例中,电子设备100可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。
上述电子设备100的软件系统可以采用分层架构,事件驱动架构,微核架构,微服务架构,或云架构。本申请实施例以分层架构的Android系统为例,示例性说明电子设备100的软件结构。
图5示出了电子设备100的软件结构示意图。
分层架构将软件分成若干个层,每一层都有清晰的角色和分工。层与层之间通过软件接口通信。在一些实施例中,将Android系统分为四层,从上至下分别为应用程序层,应用程序框架层,安卓运行时(Android runtime)和系统库,以及内核层。
应用程序层可以包括一系列应用程序包。
如图5所示,应用程序包可以包括相机,图库,邮箱,蓝牙,备忘录,音乐,视频,文件管理等应用程序(APP)。
应用程序框架层为应用程序层的应用程序提供应用编程接口(applicationprogramming interface,API)和编程框架。应用程序框架层包括一些预先定义的函数。
如图5所示,应用程序框架层可以包括窗口管理器,视图系统,拖拽管理器,内容提供器,资源管理器,通知管理器等。其中,应用程序框架层各功能模块可以集成到图4示意的处理器110中,本实施例中应用程序框架层的功能可以由图4示意的硬件处理器110实现。
窗口管理器用于管理窗口程序。示例性的,窗口管理器可以获取显示屏184大小,判断是否有状态栏,锁定屏幕,截取屏幕等。窗口管理器还可以对应用程序层中各APP的分布,以及各APP的窗口布局进行管理,以实现显示屏184显示两个APP窗口的功能。此外,窗口管理器具备识别APP所支持的文件类型的等功能,这样,窗口管理器能够确定APP是否能够支持用户拖入对象的文件类型。
视图系统包括可视界面元素,例如显示文字的界面元素,显示图像的界面元素等。视图系统可用于构建APP的显示界面。显示界面可以由一个或多个视图组成的。例如,包括各类APP图标的显示界面等。视图系统还可以构建被拖拽对象的快照。所述快照例如包括快照的尺寸,标识等,所述标识可以包括图层和标志等。
拖拽管理器可以基于触摸传感器160B上报的检测信号,确定用户触摸的位置以及相应对象的快照。进而,拖拽管理器可以控制相应快照随着用户触摸的位置在显示屏180移动,以实现拖拽功能。
内容提供器用来存放和获取数据,并使这些数据可以被应用程序访问。所述数据可以包括视频,图像,音频,拨打和接听的电话,浏览历史和书签,电话簿等。
资源管理器为应用程序提供各种资源,比如本地化字符串,图标,图像,布局文件,视频文件等等。
通知管理器使应用程序可以在状态栏中显示通知信息,可以用于传达告知类型的消息,可以短暂停留后自动消失,无需用户交互。比如通知管理器被用于告知下载完成,消息提醒等。通知管理器还可以是以图表或者滚动条文本形式出现在系统顶部状态栏的通知,例如后台运行的应用程序的通知,还可以是以对话窗口形式出现在屏幕上的通知。例如在状态栏提示文本信息,发出提示音,电子设备振动,指示灯闪烁等。
Android Runtime包括核心库和虚拟机。Android runtime负责安卓系统的调度和管理。
核心库包含两部分:一部分是java语言需要调用的功能函数,另一部分是安卓的核心库。
应用程序层和应用程序框架层运行在虚拟机中。虚拟机将应用程序层和应用程序框架层的java文件执行为二进制文件。虚拟机用于执行对象生命周期的管理,堆栈管理,线程管理,安全和异常的管理,以及垃圾回收等功能。
系统库可以包括多个功能模块。例如:表面管理器(surface manager),媒体库(media libraries),三维图形处理库(例如:OpenGL ES),2D图形引擎(例如:SGL)、配件管理服务、蓝牙apk、BT stack等。
表面管理器用于对显示子系统进行管理,并且为多个应用程序提供了2D和3D图层的融合。
媒体库支持多种常用的音频,视频格式回放和录制,以及静态图像文件等。媒体库可以支持多种音视频编码格式,例如:MPEG4,H.264,MP3,AAC,AMR,JPG,PNG等。
三维图形处理库用于实现三维图形绘图,图像渲染,合成,和图层处理等。
2D图形引擎是2D绘图的绘图引擎。
配件管理服务用于对于电子设备的配件(例如,无线键盘、触控笔、耳机、鼠标等)进行管理,例如与配件的配对、连接、断连以及数据传输等。
蓝牙apk的主要负责电子设备蓝牙状态的管理,连接BT stack,提供各种蓝牙服务。
BT stack提供蓝牙所有的实际操作,包括:开关蓝牙,蓝牙的管理,搜索管理,链路管理以及各种profile的实现等
内核层是硬件和软件之间的层。内核层至少包含显示驱动,摄像头驱动,音频驱动,传感器驱动等,本申请实施例对此不做任何限制。
图6为本申请实施例提供的位置标识方法的流程图。如图6所示,本申请实施例的位置标识方法包括以下步骤:
步骤S101,电子设备在进入目标区域时,获取目标区域对应的全景图像;全景图像包括目标区域内的景观轮廓特征和景观标记信息。
作为一种可选择的实现方式,电子设备在进入目标区域时,获取目标区域对应的全景图像,包括:电子设备判断当前是否处于目标区域;如果电子设备当前处于目标区域,电子设备从云端存储中获取预先采集的全景图像,或者从本地存储中获取预先采集的全景图像。
需要说明的是,全景图像是通过广角的方式表现周围环境的图像,其可以通过专业相机捕捉整个场景的图像信息或者使用建模软件渲染过后的图片,使用软件进行图像拼合得到,并用专门的播放器进行播放。全景图像实现了将平面照片或者计算机建模图片变为360度图像,用于虚拟现实浏览,以将二维的平面图像模拟为真实的三维空间呈现给用户。
需要注意的是,本申请实施例的应用场景中,用户在目标区域可以用肉眼观测到当前全方位景观,本申请实施例中的全景图像并非用于用户观看,而是为了向用户提供全方位图像以将用户拍摄到的实拍图像在任一角度均能与全景图像进行匹配,从而使实拍图像能够显示景观标记信息。
作为一种可选择的实现方式,电子设备可以通过GNSS判断当前是否处于目标区域。本申请实施例中,目标区域可以是预先设置的区域,比如观景台等。在预先设置目标区域的过程中,电子设备可以预先存储目标区域的GNSS坐标范围,当电子设备位于该GNSS坐标范围内,即可认为电子设备在目标区域。
作为一种可选择的实现方式,电子设备可以通过用户特定行为判断当前是否处于目标区域。在观看远距离景观场景中,观景台上通常设置有指示牌以对远距离景观进行介绍,当用户对远距离景观的背景知识存在学习需求时,用户通过电子设备扫描指示牌上的二维码等特定行为可以判断用户此时位于观景台,电子设备通过用户扫描二维码的特定行为确定电子设备当前在目标区域范围内。
步骤S102,电子设备从全景图像中截取与自身当前方位对应的目标图像。
图7为本申请实施例提供的当前方位示意图。如图7所示,电子设备在进入目标区域时,获取目标区域对应的全景图像,电子设备将其图像采集装置可采集的图像确定为其自身当前方位对应的目标图像。示例的,以电子设备自身当前方位为水平轴0度为例,可以截取水平轴正负20度范围内的图像确定为目标图像。
需要说明的是,在电子设备的图像采集装置能够采集的图像范围内,任意角度均可作为目标图像的选取范围,本申请实施例中的图像范围仅为示例性说明。
作为一种可选择的实现方式,电子设备从全景图像中截取与自身当前方位对应的目标图像,包括:电子设备通过IMU和GNSS确定电子设备的方位信息;方位信息包括电子设备的位置信息和方位角;电子设备根据方位信息从全景图像中截取与自身当前方位对应的目标图像。
其中,电子设备通过GNSS可以获取电子设备当前的位置信息,包括但不限于获取电子设备当前的经度信息、纬度信息、高度信息、水平精度信息、垂直精度信息、移动速度等。进一步的,电子设备通过IMU可以获取电子设备当前的方位角,例如电子设备当前的倾斜角度。电子设备将IMU和GNSS共同使用可以获得更准确的位置信息。
作为一种可选择的实现方式,电子设备从全景图像中截取与自身当前方位对应的目标图像,包括:电子设备对全景图像进行畸变矫正后,从全景图像中截取与自身当前方位对应的目标图像。
作为一种可选择的实现方式,电子设备从全景图像中截取与自身当前方位对应的目标图像,还包括:电子设备对目标图像进行畸变矫正。
需要注意的是,全景图像中通常存在全景畸变,而电子设备的实拍图像通常为二维平面图像,不存在图像畸变,这使得全景图像和实拍图像不利于后续直接匹配。因此,本申请实施例可以对获取的全景图像进行畸变矫正,以便于后续与实拍图像进行匹配。其中,全景畸变是扫描成像过程中,由于像距保持不变,物距随着扫描角度的增大而增大,从而导致图像从中心到两边比例尺逐渐缩小产生的图像畸变。全景图像的畸变矫正可以采用分段矫正的方式,将全景图像分为多个区段,对于每个区段的图像进行矫正处理以得到多个角度的二维图像。
这里需要说明的是,在本申请实施例中,电子设备可以不需要预先将全景图像的全部方位均进行畸变矫正,而是在确定了目标图像后,仅针对目标图像进行畸变矫正即可以将实拍图像与矫正后的目标图像进行匹配。采用该种实施方式,电子设备能够将实拍图像与目标图像快速匹配,同时仅产生较小的系统消耗。
步骤S103,电子设备从自身在目标区域内采集的实拍图像中提取景观轮廓特征,将实拍图像中的景观轮廓特征与目标图像中的景观轮廓特征进行匹配,以确定实拍图像在全景图像中的位置。
作为一种可选择的实现方式,电子设备从自身在目标区域内采集的实拍图像中提取景观轮廓特征,将实拍图像中的景观轮廓特征与目标图像中的景观轮廓特征进行匹配,包括如图8所示的步骤S1031~S1035。
步骤S1031,电子设备将实拍图像进行预处理,预处理用于使实拍图像符合边缘检测算法的检测条件。
图9为本申请实施例提供的预处理后的实拍图像示意图。当用户采用电子设备拍摄实拍图像时,实拍图像通常为彩色图像,不适用于进行边缘检测,因此电子设备需要将彩色图像转化为如图9所示的灰度图像。本申请实施例中对实拍图像进行预处理的方式包括:调节实拍图像的灰度、对比度以及高斯滤波,以将图像进行灰度化、提升对比度以及平滑处理,进而得到较好的图像边缘。
步骤S1032,电子设备根据边缘检测算法获得实拍图像中的离散边缘点。
作为一种可选择的实施方式,电子设备可以根据Canny边缘检测算子获取实拍图像中的离散边缘点。Canny边缘检测算子通过寻找梯度、跟踪边缘的方式来获取图像中的离散边缘点,其中,寻找梯度的方法是对图像中的每个像素点的最大值以及生成的边缘的方向,进而根据原始图像生成了图像的亮度梯度图和亮度梯度的方向;跟踪边缘的方法是根据梯度阈值确定边缘点。示例性的,本申请实施例示出的场景中,根据景观的特征可以将梯度阈值设置为(100,200),电子设备将实拍图像中该梯度范围内的像素点确定为离散边缘点。需要说明的是,梯度阈值可以根据不同景观设置不同的梯度阈值,具体根据景观的实际情况进行设置。
步骤S1033,电子设备根据离散边缘点获得至少一条第一轮廓线,第一轮廓线用于表征实拍图像中的边缘界限。
作为一种可选择的实现方式,电子设备根据离散边缘点获得至少一条第一轮廓线,包括:电子设备根据8邻域算法将离散边缘点连接以获得至少一条第一轮廓线。
图10为本申请实施例提供的第一轮廓线示意图。如图10所示,电子设备对如图9所示的实拍图像进行边缘检测后,需要通过边缘跟踪将离散边缘点进行串接,以获得如图10所示的多条第一轮廓线。
需要说明的是,电子设备根据离散边缘点获取第一轮廓线的方式包括但不限于通过8邻域算法,根据实际景观的特点还可以采用4邻域算法、区域生长算法等边缘跟踪算法以获取实拍图像中的边缘界限。
步骤S1034,电子设备从第一轮廓线中获取至少一条第二轮廓线;第二轮廓线用于提取实拍图像的景观轮廓特征。
作为一种可选择的实现方式,电子设备从第一轮廓线中获取至少一条第二轮廓线,包括:电子设备获取各个第一轮廓线的长度,以确定第一轮廓线的最大长度;电子设备计算每条第一轮廓线与最大长度的比值;电子设备根据比值从第一轮廓线中筛选出至少一条第二候选轮廓线,第二候选轮廓线的比值大于预设的长度阈值。
图11为本申请实施例提供的第二轮廓线示意图。如图11所示,由于第一轮廓线为多条长短不一的轮廓线,在电子设备进行景观轮廓特征匹配的过程中,若将所有第一轮廓线均进行特征匹配,则会造成不必要的系统消耗,因此,仅对长度较长,特征稳定的第一轮廓线进行特征匹配即可达到准确的匹配效果。电子设备通过对图10中示出的第一轮廓线设定长度阈值可筛掉小型轮廓线。示例的,图10中第一轮廓线的最大长度为20,其余长度分别为1,2,3,……,则计算每条第一轮廓线与最大长度的比值,分别为:1/20,2/20,3/20,……;电子设备可根据图10所示的山峰的景观特征将预设的长度阈值设置为0.5,将第一轮廓线与最大长度的比值小于0.5的小型轮廓线消除,仅保留第一轮廓线与最大长度的比值大于0.5的第一轮廓线作为第二候选轮廓线。
作为一种可选择的实现方式,电子设备从第一轮廓线中获取至少一条第二轮廓线,包括如图12所示的步骤S1201~S1205:
S1201,电子设备从第一轮廓线中筛选出第二候选轮廓线后,计算至少一条第二候选轮廓线的轮廓边界点的轮廓梯度。
图13为本申请实施例示出的第二候选轮廓线示意图。如图13所示,每条第二候选轮廓线的两端为该第二候选轮廓线的轮廓边界点(如图13所示的轮廓边界点1和轮廓边界点5为一条第二候选轮廓线的轮廓边界点,轮廓边界点3和轮廓边界点6为另一条第二候选轮廓线的轮廓边界点),计算第二候选轮廓线的轮廓边界点的轮廓梯度的方式为:电子设备获取第二候选轮廓线的轮廓边界点,以及第二候选轮廓线的轮廓边界点的相邻点(如图13中所示的轮廓边界点1和其相邻点2);根据轮廓边界点1的像素坐标和相邻点2的像素坐标计算轮廓边界点1的轮廓梯度;具体公式为:
其中,(x1,y1)为轮廓边界点1的像素坐标;(x2,y2)为相邻点2的像素坐标,d(e1)为具有轮廓边界点1的轮廓梯度。
相应的,如图13所示的另一条第二候选轮廓线中,电子设备根据轮廓边界点3和其相邻点4计算轮廓边界点3的轮廓梯度;具体公式为:
其中,(x3,y3)轮廓边界点3的像素坐标;(x4,y4)为相邻点4的像素坐标,d(e2)为具有轮廓边界点3的轮廓梯度。
S1202,电子设备判断至少一条第二候选轮廓线中是否存在轮廓梯度相匹配的第二候选轮廓线。
作为一种可行的实施方式,电子设备可以根据预设的轮廓梯度阈值判断是否存在梯度相匹配的第二候选轮廓线。示例的,轮廓梯度阈值可以设置为0.5;以如图13所示的具有轮廓边界点1的第二候选轮廓线的轮廓梯度为d(e1)=1.7,如图13所示的具有轮廓边界点3的第二候选轮廓线的轮廓梯度为d(e2)=1.75为例;由于d(e1)-d(e2)<0.5;同时轮廓边界点1和轮廓边界点3的坐标位置相近;因此电子设备可以认为具有轮廓边界点1的第二候选轮廓线与具有轮廓边界点3的第二候选轮廓线轮廓梯度相匹配。
需要说明的是,轮廓梯度阈值可以根据需要达到的匹配程度依据具体情况设置,本申请示出的轮廓梯度阈值仅用于示例性说明。
S1203,如果存在轮廓梯度相匹配的所述第二候选轮廓线;电子设备执行合并操作将第二候选轮廓线合并为同一轮廓线。
电子设备根据轮廓梯度阈值筛选出的第二候选轮廓线包括多种情况。例如:第一种情况是筛选出轮廓梯度阈值在一定偏差范围内、且轮廓边界点相近的两条第二候选轮廓线,如图13中所示的两条第二候选轮廓线,该两条线中间存在断点,两条第二候选轮廓线的边缘梯度相近且轮廓边界点首尾位置相近,因此电子设备可以将该两条线进行连接以合并为同一轮廓线。第二种情况是筛选出轮廓梯度阈值在极小偏差范围内、且两端轮廓边界点均相近的两条第二候选轮廓线,如图14中所示的两条第二候选轮廓线,由于每条轮廓线均是以连接离散边缘点的像素点形成的,因此,一条强轮廓线是由多条弱轮廓线合并形成的,将如图14中所示的具有轮廓边界点1的第二候选轮廓线与具有轮廓边界点1’的第二候选轮廓线可以合并为具有轮廓边界点1”的第二候选轮廓线;电子设备可以将多条梯度相匹配的弱轮廓线合并为同一轮廓线。
S1204,如果不存在轮廓梯度相匹配的所述第二候选轮廓线;电子设备不执行合并操作。
S1205,电子设备判断是否存在轮廓梯度相匹配的第二候选轮廓线后,从第二候选轮廓线中由大至小选取长度值排名前N(N≥1)的第二候选轮廓线确定为第二轮廓线。
电子设备将多条第二候选轮廓线的长度进行排名,以将较稳定的第二候选轮廓线确定为第二轮廓线。如图13所示的第二候选轮廓线中,长度值排名前2名的第二候选轮廓线长度长,曲线稳定,但是仅根据该两条轮廓线提取的景观轮廓特征可能不够典型,电子设备可以增加确定第二轮廓线的数量,如确定长度值排名前4的第二候选轮廓线确定为第二轮廓线。需要注意的是,N的值可以通过景观的实际情况设置。
步骤S1035,电子设备将从第二轮廓线中获取的第一轮廓特征点坐标和第一特征值向量确定为实拍图像的景观轮廓特征。
作为一种可选择的实现方式,电子设备将从第二轮廓线中获取的第一轮廓特征点坐标和第一特征值向量确定为实拍图像的景观轮廓特征,包括:电子设备将第二轮廓线进行高斯低通滤波;高斯低通滤波用于增大第二轮廓线的平滑度;电子设备将高斯低通滤波后的第二轮廓线根据间隔步长进行重采样,以获得至少一个采样点;电子设备计算采样点的曲线曲率;电子设备根据曲线曲率将采样点的至少一个局部极大值点确定为第一轮廓特征点。
高斯低通滤波是一种线性平滑滤波,可用于图像处理中消除高斯噪声,以对整幅图像内每一个像素点的值与其邻域内其他像素点进行加权平均。示例的,本申请的应用场景中,高斯低通滤波的sigma值可以设置为1。
图15为本申请实施例示出的重采样示意图。如图15所示,电子设备将间隔步长设置为3,每隔3个像素点对第二轮廓线进行重采样,以获得多个采样点。
作为一种可行的实施方式,电子设备沿采样点所在的第二轮廓线的曲线方向计算采样点的曲线曲率K,曲线曲率K的计算公式如下:
其中,dx1,dy1为采样点在x,y方向上的一阶导数;dx2,dy2为采样点在x,y方向上的二阶导数。
图16为本申请实施例示出的第一轮廓特征点示意图。如图16所示,电子设备获沿采样点所在的第二轮廓线的曲线方向,根据采样点的曲线曲率K,计算采样点的局部极大值点确定为第一轮廓特征点。
作为一种可选择的实现方式,电子设备从自身在目标区域内采集的实拍图像中提取景观轮廓特征,将实拍图像中的景观轮廓特征与目标图像中的景观轮廓特征进行匹配,包括:电子设备获取实拍图像中景观轮廓特征的第一轮廓特征点和目标图像中景观轮廓特征的第二轮廓特征点;其中,第二轮廓特征点为预提取获得;电子设备根据第一轮廓特征点和第二轮廓特征点生成匹配点对,以根据匹配点对将实拍图像中的景观轮廓特征与目标图像中的景观轮廓特征进行匹配;其中,匹配点对用于使目标区域的景观标记信息投影于实拍图像中。
图17为本申请实施例示出的夹角示意图。如图17所示,电子设备将从第二轮廓线中获取的第一轮廓特征点坐标和第一特征值向量确定为实拍图像的景观轮廓特征,包括:电子设备根据第一轮廓特征点的弧长弦长比以及曲率角特征量确定第一特征值向量;其中,弧长弦长比为根据任意相邻的两个第一轮廓特征点获取,曲率角特征量为除边界第一轮廓特征点以外的任意第一轮廓特征点与其相邻的第一轮廓特征点的余弦值。
图18为本申请实施例示出的弧长弦长示意图。如图18所示,电子设备根据弧长弦长比以及曲率角特征量确定所述第一特征值向量,包括:电子设备计算任意相邻的两个第一轮廓特征点之间的像素数,以得到至少一个弧长;电子设备获取弧长与弧长对应的弦长的比值,以得到弧长弦长比。其中,弦长为任意相邻的两个第一轮廓特征点之间的坐标距离。
作为一种可选择的实现方式,电子设备根据第一轮廓特征点和第二轮廓特征点生成匹配点对,包括:电子设备计算第一轮廓特征点与第二轮廓特征点的特征空间距离;特征空间距离为第二特征值向量与第一特征值向量之间的欧式距离;其中,第二特征值向量为电子设备根据第二轮廓特征点的弧长弦长比以及曲率角特征量确定;电子设备将空间距离由小至大选取距离值排名前N(N≥1)的第一轮廓特征点与第二轮廓特征点确定为匹配点对。
需要说明的是,全景图像中包括第二轮廓特征点和第二特征值向量,全景图像中提取第二轮廓特征点和第二特征值向量的方式与实拍图像中取第一轮廓特征点和第一特征值向量的方式相同。全景图像中的第二轮廓特征点和第二特征值向量是预先提取内置于全景图像中的。
需要注意的是,除边界轮廓特征点以外的每个第一轮廓特征点在该点位置对应唯一的第一特征值向量;在电子设备确定匹配点对的过程中,仅将具有唯一第一特征值向量的第一轮廓特征点用于确定匹配点对。同理可应用于全景图像中的第二轮廓特征点。
电子设备计算第一轮廓特征点与第二轮廓特征点的空间距离的公式为:
其中,Preal为第一轮廓特征点,Ppredefined为第二轮廓特征点,D(Preal,Ppredefined)为第一轮廓特征点与第二轮廓特征点的特征空间距离,Prl(Preal)为第一轮廓特征点的弧长弦长比,Prl(Ppredefined)为第二轮廓特征点的弧长弦长比,J(Preal)为第一轮廓特征点的曲率角特征量,J(Ppredefined)为第二轮廓特征点的曲率角特征量,α、β用于平衡该公式,α>0,β>0。
电子设备将空间距离由小至大选取距离值排名前N(N≥1)的第一轮廓特征点与第二轮廓特征点确定为匹配点对。由于匹配点过少达到的匹配效果不好,匹配点过多会增加系统消耗,因此,电子设备可以确定至少4个匹配点对用于将实拍图像与全景图像进行匹配。
作为一种可选择的实现方式,电子设备在获取第一轮廓特征点后,对全景图像上与第一轮廓特征点在同一对应曲线上的第二轮廓特征点进行遍历,记录全景图像上的同一对应曲线。电子设备将全景图像遍历后出现次数最多的曲线确定为该全景图像的对应曲线,并在该条对应曲线上重新寻找未找到对应点的特征点以将离群第二轮廓特征点进行重匹配。
S104,电子设备根据实拍图像在全景图像中的位置,在实拍图像中添加景观标记信息。
作为一种可选择的实现方式,电子设备根据实拍图像在全景图像中的位置,在实拍图像中添加景观标记信息,包括:电子设备根据匹配点对确定实拍图像与全景图像的单应性矩阵;电子设备将全景图像中的景观标记信息通过单应性矩阵投影至实拍图像中,以使实拍图像获取景观标记信息坐标;电子设备根据景观标记信息坐标将景观标记信息添加至实拍图像中。
电子设备根据多个匹配点对的坐标确定实拍图像与全景图像的单应性矩阵。单应性矩阵可以用于表征具备射影变化关系的两二维平面之间的位置映射关系。电子设备根据多个匹配点对的坐标确定实拍图像与全景图像之间的单应性矩阵,以确定实拍图像与全景图像之间的位置映射关系的方法是根据现有的计算单应性矩阵的方法可得到的,在此不予详述。
本申请示出的一种位置标识方法,能够解决用户在观看远距离景观时,由于景观距离过远、景观之间相似造型多以及天气变化等因素,用户无法快速确定景观位置的问题,能够使用户通过景观标记信息快速确定远距离景观,增强用户在旅游观光过程中的体验。
上述本申请提供的实施例中,从电子设备本身、以及电子设备与网络、卫星等交互的角度对本申请提供的位置标识方法的各方案进行了介绍。可以理解的是,电子设备为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
图19为本申请实施例提供的一种电子设备示意图。如图19所示,电子设备通过图19示出的硬件结构实现相应的功能,电子设备包括:存储器1901和处理器1902,处理器1902和存储器1901耦合;其中,存储器1901包括有程序指令,程序指令被处理器1902运行时,使得电子设备执行下程序步骤:
电子设备在进入目标区域时,获取目标区域对应的全景图像;全景图像包括目标区域内的景观轮廓特征和景观标记信息;电子设备从全景图像中截取与自身当前方位对应的目标图像;电子设备从自身在目标区域内采集的实拍图像中提取景观轮廓特征,将实拍图像中的景观轮廓特征与目标图像中的景观轮廓特征进行匹配,以确定实拍图像在全景图像中的位置;电子设备根据实拍图像在全景图像中的位置,在实拍图像中添加景观标记信息。
作为一种可行的实施方式,当所述计算机程序指令被所述处理器1902执行时,使得所述装置具体执行如下程序步骤:
电子设备在进入目标区域时,获取目标区域对应的全景图像,具体包括:
电子设备判断当前是否处于目标区域;如果电子设备当前处于目标区域,电子设备从云端存储中获取预先采集的全景图像,或者从本地存储中获取预先采集的全景图像。
作为一种可行的实施方式,当所述计算机程序指令被所述处理器1902执行时,使得所述装置具体执行如下程序步骤:
电子设备从全景图像中截取与自身当前方位对应的目标图像,具体包括:
电子设备通过惯性测量单元IMU和全球定位系统GNSS确定电子设备的方位信息;方位信息包括电子设备的位置信息和方位角;电子设备根据方位信息从全景图像中截取与自身当前方位对应的目标图像。
作为一种可行的实施方式,当所述计算机程序指令被所述处理器1902执行时,使得所述装置具体执行如下程序步骤:
电子设备从全景图像中截取与自身当前方位对应的目标图像,具体包括:电子设备对目标图像进行畸变矫正后,以还原目标图像。
作为一种可行的实施方式,当所述计算机程序指令被所述处理器1902执行时,使得所述装置具体执行如下程序步骤:
电子设备从自身在目标区域内采集的实拍图像中提取景观轮廓特征,将实拍图像中的景观轮廓特征与目标图像中的景观轮廓特征进行匹配,具体包括:
电子设备将实拍图像进行预处理,预处理用于使实拍图像符合边缘检测算法的检测条件;电子设备根据边缘检测算法获得实拍图像中的离散边缘点;电子设备根据离散边缘点获得至少一条第一轮廓线,第一轮廓线用于表征实拍图像中的边缘界限;电子设备从第一轮廓线中获取至少一条第二轮廓线;第二轮廓线用于提取实拍图像的景观轮廓特征;电子设备将从第二轮廓线中获取的第一轮廓特征点坐标和第一特征值向量确定为实拍图像的景观轮廓特征。
作为一种可行的实施方式,当所述计算机程序指令被所述处理器1902执行时,使得所述装置具体执行如下程序步骤:
电子设备根据离散边缘点获得至少一条第一轮廓线,具体包括:
电子设备根据8邻域算法将离散边缘点连接以获得至少一条第一轮廓线。
作为一种可行的实施方式,当所述计算机程序指令被所述处理器1902执行时,使得所述装置具体执行如下程序步骤:
电子设备从第一轮廓线中获取至少一条第二轮廓线,具体包括:
电子设备获取各个第一轮廓线的长度,以确定第一轮廓线的最大长度;电子设备计算每条第一轮廓线与最大长度的比值;电子设备根据比值从第一轮廓线中筛选出至少一条第二候选轮廓线,第二候选轮廓线的比值大于预设的长度阈值。
作为一种可行的实施方式,当所述计算机程序指令被所述处理器1902执行时,使得所述装置具体执行如下程序步骤:
电子设备从第一轮廓线中获取至少一条第二轮廓线,具体包括:
电子设备从第一轮廓线中筛选出第二候选轮廓线后,计算至少一条第二候选轮廓线的轮廓边界点的轮廓梯度;电子设备判断至少一条第二候选轮廓线中是否存在轮廓梯度相匹配的第二候选轮廓线;如果存在轮廓梯度相匹配的所述第二候选轮廓线;电子设备执行合并操作将第二候选轮廓线合并为同一轮廓线;如果不存在轮廓梯度相匹配的所述第二候选轮廓线;电子设备不执行合并操作;电子设备判断是否存在轮廓梯度相匹配的所述第二候选轮廓线后,从第二候选轮廓线中由大至小选取长度值排名前N(N≥1)的第二候选轮廓线确定为第二轮廓线。
作为一种可行的实施方式,当所述计算机程序指令被所述处理器1902执行时,使得所述装置具体执行如下程序步骤:
电子设备将从第二轮廓线中获取的第一轮廓特征点坐标和第一特征值向量确定为实拍图像的景观轮廓特征,具体包括:
电子设备将第二轮廓线进行高斯低通滤波;高斯低通滤波用于增大第二轮廓线的平滑度;电子设备将高斯低通滤波后的第二轮廓线根据间隔步长进行重采样,以获得至少一个采样点;电子设备计算采样点的曲线曲率;电子设备根据曲线曲率将采样点的至少一个局部极大值点确定为第一轮廓特征点。
作为一种可行的实施方式,当所述计算机程序指令被所述处理器1902执行时,使得所述装置具体执行如下程序步骤:
电子设备从自身在目标区域内采集的实拍图像中提取景观轮廓特征,将实拍图像中的景观轮廓特征与目标图像中的景观轮廓特征进行匹配,具体包括:
电子设备获取实拍图像中景观轮廓特征的第一轮廓特征点和目标图像中景观轮廓特征的第二轮廓特征点;其中,第二轮廓特征点为预提取获得;电子设备根据第一轮廓特征点和第二轮廓特征点生成匹配点对,以根据匹配点对将实拍图像中的景观轮廓特征与目标图像中的景观轮廓特征进行匹配;其中,匹配点对用于使目标区域的景观标记信息投影于实拍图像中。
作为一种可行的实施方式,当所述计算机程序指令被所述处理器1902执行时,使得所述装置具体执行如下程序步骤:
电子设备根据第一轮廓特征点的弧长弦长比以及曲率角特征量确定第一特征值向量;其中,弧长弦长比为根据任意相邻的两个第一轮廓特征点获取,曲率角特征量为除边界第一轮廓特征点以外的任意第一轮廓特征点与其相邻的第一轮廓特征点的余弦值。
作为一种可行的实施方式,当所述计算机程序指令被所述处理器1902执行时,使得所述装置具体执行如下程序步骤:
电子设备根据弧长弦长比以及曲率角特征量确定所述第一特征值向量,包括:
电子设备计算任意相邻的两个第一轮廓特征点之间的像素数,以得到至少一个弧长;电子设备获取弧长与弧长对应的弦长的比值,以得到弧长弦长比;其中,弦长为任意相邻的两个第一轮廓特征点之间的坐标距离。
作为一种可行的实施方式,当所述计算机程序指令被所述处理器1902执行时,使得所述装置具体执行如下程序步骤:
电子设备根据第一轮廓特征点和第二轮廓特征点生成匹配点对,具体包括:电子设备计算第一轮廓特征点与第二轮廓特征点的特征空间距离;第二特征值向量与第一特征值向量之间的欧式距离;其中,第二特征值向量为电子设备根据第二轮廓特征点的弧长弦长比以及曲率角特征量确定;电子设备将特征空间距离由小至大选取距离值排名前N(N≥1)的第一轮廓特征点与第二轮廓特征点确定为匹配点对。
作为一种可行的实施方式,当所述计算机程序指令被所述处理器1902执行时,使得所述装置具体执行如下程序步骤:
电子设备根据实拍图像在全景图像中的位置,在实拍图像中添加景观标记信息,具体包括:
电子设备根据匹配点对确定实拍图像与全景图像的单应性矩阵;电子设备将全景图像中的景观标记信息通过单应性矩阵投影至实拍图像中,以使实拍图像获取景观标记信息坐标;电子设备根据景观标记信息坐标将景观标记信息添加至实拍图像中。
具体实现中,对应电子设备本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序指令,当计算机程序指令被运行时,其中,设置在电子设备中的计算机存储介质可存储有程序,该程序执行时,可实施包括1至图18提供的位置标识方法的各实施例中的部分或全部步骤。任意设备中的存储介质均可为磁碟、光盘、只读存储记忆体(read-only memory,ROM)或随机存储记忆体(random access memory,RAM)等。
以上模块或单元的一个或多个可以软件、硬件或二者结合来实现。当以上任一模块或单元以软件实现的时候,所述软件以计算机程序指令的方式存在,并被存储在存储器中,处理器可以用于执行所述程序指令并实现以上方法流程。所述处理器可以包括但不限于以下至少一种:中央处理单元(central processing unit,CPU)、微处理器、数字信号处理器(DSP)、微控制器(microcontroller unit,MCU)、或人工智能处理器等各类运行软件的计算设备,每种计算设备可包括一个或多个用于执行软件指令以进行运算或处理的核。该处理器可以内置于SoC(片上系统)或专用集成电路(application specific integratedcircuit,ASIC),也可是一个独立的半导体芯片。该处理器内处理用于执行软件指令以进行运算或处理的核外,还可进一步包括必要的硬件加速器,如现场可编程门阵列(fieldprogrammable gate array,FPGA)、PLD(可编程逻辑器件)、或者实现专用逻辑运算的逻辑电路。
当以上模块或单元以硬件实现的时候,该硬件可以是CPU、微处理器、DSP、MCU、人工智能处理器、ASIC、SoC、FPGA、PLD、专用数字电路、硬件加速器或非集成的分立器件中的任一个或任一组合,其可以运行必要的软件或不依赖于软件以执行以上方法流程。
当以上模块或单元使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk (SSD))等。
应理解,在本申请实施例的各种实施例中,各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对实施例的实施过程构成任何限定。
本说明书的各个部分均采用递进的方式进行描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点介绍的都是与其他实施例不同之处。尤其,对于装置和系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例部分的说明即可。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
Claims (16)
1.一种位置标识方法,其特征在于,应用于电子设备,所述方法包括:
所述电子设备在进入目标区域时,获取所述目标区域对应的全景图像;所述全景图像包括所述目标区域内的景观轮廓特征和景观标记信息;
所述电子设备从所述全景图像中截取与自身当前方位对应的目标图像;
所述电子设备根据边缘检测算法从自身在所述目标区域内采集的实拍图像中获取离散边缘点,并根据所述离散边缘点获得至少一条第一轮廓线,所述第一轮廓线用于表征所述实拍图像的边缘界限;
所述电子设备从所述第一轮廓线中获取至少一条第二轮廓线,并从所述第二轮廓线中获取第一轮廓特征点和第一特征值向量,作为所述实拍图像的景观轮廓特征;其中,所述第一轮廓特征点是根据所述第二轮廓线的曲率确定的,所述第一特征值向量是根据第一轮廓特征点的弧长弦长比以及曲率角特征量确定的;
所述电子设备将所述实拍图像中的景观轮廓特征与所述目标图像中的景观轮廓特征进行匹配,以确定所述实拍图像在所述全景图像中的位置;
所述电子设备根据所述实拍图像在所述全景图像中的位置,在所述实拍图像中添加所述景观标记信息。
2.根据权利要求1所述的位置标识方法,其特征在于,所述电子设备在进入目标区域时,获取所述目标区域对应的全景图像,包括:
所述电子设备判断当前是否处于所述目标区域;
如果所述电子设备当前处于所述目标区域,所述电子设备从云端存储中获取预先采集的全景图像,或者从本地存储中获取预先采集的全景图像。
3.根据权利要求1所述的位置标识方法,其特征在于,所述电子设备从所述全景图像中截取与自身当前方位对应的目标图像,包括:
所述电子设备通过惯性测量单元IMU和全球定位系统GNSS确定所述电子设备的方位信息;所述方位信息包括所述电子设备的位置信息和方位角;
所述电子设备根据所述方位信息从所述全景图像中截取与自身当前方位对应的目标图像。
4.根据权利要求1所述的位置标识方法,其特征在于,所述电子设备从所述全景图像中截取与自身当前方位对应的目标图像,包括:
所述电子设备对所述目标图像进行畸变矫正后,以还原所述目标图像。
5.根据权利要求1所述的位置标识方法,其特征在于,所述电子设备根据边缘检测算法从自身在所述目标区域内采集的实拍图像中获取离散边缘点之前,还包括:
所述电子设备将所述实拍图像进行预处理,所述预处理用于使所述实拍图像符合边缘检测算法的检测条件。
6.根据权利要求1所述的位置标识方法,其特征在于,所述电子设备根据所述离散边缘点获得至少一条第一轮廓线,包括:
所述电子设备根据8邻域算法将所述离散边缘点连接以获得至少一条第一轮廓线。
7.根据权利要求1所述的位置标识方法,其特征在于,所述电子设备从所述第一轮廓线中获取至少一条第二轮廓线,包括:
所述电子设备获取各个所述第一轮廓线的长度,以确定所述第一轮廓线的最大长度;
所述电子设备计算每条所述第一轮廓线与所述最大长度的比值;
所述电子设备根据所述比值从所述第一轮廓线中筛选出至少一条第二候选轮廓线,所述第二候选轮廓线的比值大于预设的长度阈值。
8.根据权利要求7所述的位置标识方法,其特征在于,所述电子设备从所述第一轮廓线中获取至少一条第二轮廓线,包括:
所述电子设备从所述第一轮廓线中筛选出第二候选轮廓线后,计算所述至少一条第二候选轮廓线的轮廓边界点的轮廓梯度;
所述电子设备判断所述至少一条第二候选轮廓线中是否存在所述轮廓梯度相匹配的所述第二候选轮廓线;
如果存在所述轮廓梯度相匹配的所述第二候选轮廓线;所述电子设备执行合并操作将所述第二候选轮廓线合并为同一轮廓线;
如果不存在所述轮廓梯度相匹配的所述第二候选轮廓线;所述电子设备不执行所述合并操作;
所述电子设备判断是否存在所述轮廓梯度相匹配的所述第二候选轮廓线后,从所述第二候选轮廓线中由大至小选取长度值排名前N(N≥1)的第二候选轮廓线确定为所述第二轮廓线。
9.根据权利要求1所述的位置标识方法,其特征在于,所述第一轮廓特征点通过以下步骤确定: 所述电子设备将所述第二轮廓线进行高斯低通滤波;所述高斯低通滤波用于增大所述第二轮廓线的平滑度;
所述电子设备将高斯低通滤波后的所述第二轮廓线根据间隔步长进行重采样,以获得至少一个采样点;
所述电子设备计算所述采样点的曲线曲率;
所述电子设备根据所述曲线曲率将所述采样点的至少一个局部极大值点确定为所述第一轮廓特征点。
10.根据权利要求1所述的位置标识方法,其特征在于,
所述电子设备将所述实拍图像中的景观轮廓特征与所述目标图像中的景观轮廓特征进行匹配,包括:
所述电子设备获取所述目标图像中景观轮廓特征的第二轮廓特征点,其中,所述第二轮廓特征点为预提取获得;
所述电子设备根据所述第一轮廓特征点和所述第二轮廓特征点生成匹配点对,以根据所述匹配点对将所述实拍图像中的景观轮廓特征与所述目标图像中的景观轮廓特征进行匹配;其中,所述匹配点对用于使所述目标区域的景观标记信息投影于所述实拍图像中。
11.根据权利要求10所述的位置标识方法,其特征在于,所述第一特征值向量通过以下步骤确定:
根据任意相邻的两个第一轮廓特征点获取所述弧长弦长比;
根据除边界所述第一轮廓特征点以外的任意所述第一轮廓特征点与其相邻的第一轮廓特征点的余弦值获取曲率角特征量,以将所述弧长弦长比和所述曲率角特征量确定为所述第一特征值向量。
12.根据权利要求11所述的位置标识方法,其特征在于,所述弧长弦长比通过以下步骤确定:
所述电子设备计算任意相邻的两个所述第一轮廓特征点之间的像素数,以得到至少一个弧长;
所述电子设备获取所述弧长与所述弧长对应的弦长的比值,以得到所述弧长弦长比;其中,所述弦长为任意相邻的两个所述第一轮廓特征点之间的坐标距离。
13.根据权利要求12所述的位置标识方法,其特征在于,所述电子设备根据所述第一轮廓特征点和所述第二轮廓特征点生成匹配点对,包括:
所述电子设备计算所述第一轮廓特征点与所述第二轮廓特征点的特征空间距离;所述特征空间距离为第二特征值向量与所述第一特征值向量之间的欧式距离;其中,所述第二特征值向量为所述电子设备根据所述第二轮廓特征点的弧长弦长比以及曲率角特征量确定;
所述电子设备将所述特征空间距离由小至大选取距离值排名前N(N≥1)的第一轮廓特征点与所述第二轮廓特征点确定为匹配点对。
14.根据权利要求10所述的位置标识方法,其特征在于,所述电子设备根据所述实拍图像在所述全景图像中的位置,在所述实拍图像中添加所述景观标记信息,包括:
所述电子设备根据所述匹配点对确定所述实拍图像与所述全景图像的单应性矩阵;
所述电子设备将所述全景图像中的景观标记信息通过所述单应性矩阵投影至所述实拍图像中,以使所述实拍图像获取所述景观标记信息坐标;
所述电子设备根据所述景观标记信息坐标将所述景观标记信息添加至所述实拍图像中。
15.一种电子设备,其特征在于,包括:存储器和处理器,所述处理器和所述存储器耦合;其中,所述存储器包括有程序指令,所述程序指令被所述处理器运行时,使得所述电子设备执行如权利要求1-14任一项所述的方法。
16.一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计算机程序指令,当所述计算机程序指令被运行时,实现如权利要求1-14任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210213685.2A CN114332648B (zh) | 2022-03-07 | 2022-03-07 | 一种位置标识方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210213685.2A CN114332648B (zh) | 2022-03-07 | 2022-03-07 | 一种位置标识方法及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114332648A CN114332648A (zh) | 2022-04-12 |
CN114332648B true CN114332648B (zh) | 2022-08-12 |
Family
ID=81030491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210213685.2A Active CN114332648B (zh) | 2022-03-07 | 2022-03-07 | 一种位置标识方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114332648B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115861576A (zh) * | 2022-12-09 | 2023-03-28 | 深圳市同立方科技有限公司 | 一种实现实景影像增强现实的方法、系统、设备及介质 |
CN116630219B (zh) * | 2023-07-21 | 2023-11-14 | 小米汽车科技有限公司 | 多相机的图像融合方法、装置及车辆 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108509621A (zh) * | 2018-04-03 | 2018-09-07 | 百度在线网络技术(北京)有限公司 | 景区全景图的景点识别方法、装置、服务器和存储介质 |
CN110458871A (zh) * | 2019-08-14 | 2019-11-15 | 上海霁目信息科技有限公司 | 模型与全景图的配准方法、系统、设备和介质以及地图 |
CN110866079A (zh) * | 2019-11-11 | 2020-03-06 | 桂林理工大学 | 一种智慧景区实景语义地图的生成与辅助定位方法 |
CN112509135A (zh) * | 2020-12-22 | 2021-03-16 | 北京百度网讯科技有限公司 | 元素标注方法、装置、设备、存储介质及计算机程序产品 |
CN112541479A (zh) * | 2020-12-25 | 2021-03-23 | 北京百度网讯科技有限公司 | 全景图与兴趣点挂接的方法、装置、电子设备及存储介质 |
CN113065615A (zh) * | 2021-06-02 | 2021-07-02 | 南京甄视智能科技有限公司 | 基于场景化的边缘分析算法下发方法、装置及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NZ782222A (en) * | 2019-04-12 | 2023-10-27 | Beijing Chengshi Wanglin Information Tech Co Ltd | Three-dimensional object modeling method, image processing method, and image processing device |
CN111862302B (zh) * | 2019-04-12 | 2022-05-17 | 北京城市网邻信息技术有限公司 | 图像处理和对象建模方法与设备、图像处理装置及介质 |
EP3994660A4 (en) * | 2019-07-01 | 2023-08-02 | Geomagical Labs, Inc. | METHOD AND SYSTEM FOR IMAGE GENERATION |
-
2022
- 2022-03-07 CN CN202210213685.2A patent/CN114332648B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108509621A (zh) * | 2018-04-03 | 2018-09-07 | 百度在线网络技术(北京)有限公司 | 景区全景图的景点识别方法、装置、服务器和存储介质 |
CN110458871A (zh) * | 2019-08-14 | 2019-11-15 | 上海霁目信息科技有限公司 | 模型与全景图的配准方法、系统、设备和介质以及地图 |
CN110866079A (zh) * | 2019-11-11 | 2020-03-06 | 桂林理工大学 | 一种智慧景区实景语义地图的生成与辅助定位方法 |
CN112509135A (zh) * | 2020-12-22 | 2021-03-16 | 北京百度网讯科技有限公司 | 元素标注方法、装置、设备、存储介质及计算机程序产品 |
CN112541479A (zh) * | 2020-12-25 | 2021-03-23 | 北京百度网讯科技有限公司 | 全景图与兴趣点挂接的方法、装置、电子设备及存储介质 |
CN113065615A (zh) * | 2021-06-02 | 2021-07-02 | 南京甄视智能科技有限公司 | 基于场景化的边缘分析算法下发方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114332648A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110555883B (zh) | 相机姿态追踪过程的重定位方法、装置及存储介质 | |
WO2019205865A1 (zh) | 相机姿态追踪过程的重定位方法、装置、设备及存储介质 | |
CN114332648B (zh) | 一种位置标识方法及电子设备 | |
US9514717B2 (en) | Method and apparatus for rendering items in a user interface | |
US20160063671A1 (en) | A method and apparatus for updating a field of view in a user interface | |
CN109961522B (zh) | 图像投射方法、装置、设备和存储介质 | |
CN109615686B (zh) | 潜在可视集合的确定方法、装置、设备及存储介质 | |
CN112749613B (zh) | 视频数据处理方法、装置、计算机设备及存储介质 | |
Fedorov et al. | A framework for outdoor mobile augmented reality and its application to mountain peak detection | |
WO2013128078A1 (en) | Method and apparatus for rendering items in a user interface | |
CN112348886B (zh) | 视觉定位方法、终端和服务器 | |
CN109974733A (zh) | 用于ar导航的poi显示方法、装置、终端和介质 | |
US10229543B2 (en) | Information processing device, information superimposed image display device, non-transitory computer readable medium recorded with marker display program, non-transitory computer readable medium recorded with information superimposed image display program, marker display method, and information-superimposed image display method | |
CN111192341A (zh) | 生成高精地图的方法、装置、自动驾驶设备及存储介质 | |
CN114170349A (zh) | 图像生成方法、装置、电子设备及存储介质 | |
US20200272308A1 (en) | Shake Event Detection System | |
CN107084740A (zh) | 一种导航方法和装置 | |
CN108933902A (zh) | 全景图像采集装置、建图方法及移动机器人 | |
CN113129411A (zh) | 一种仿生动画生成方法及电子设备 | |
CN111928861B (zh) | 地图构建方法及装置 | |
CN208638479U (zh) | 全景图像采集装置及移动机器人 | |
CN114359392B (zh) | 一种视觉定位方法、装置、芯片系统及存储介质 | |
CN115731370A (zh) | 一种大场景元宇宙空间叠加方法和装置 | |
CN114743395A (zh) | 一种信号灯检测方法、装置、设备及介质 | |
CN116433830A (zh) | 一种三维地图的创建方法及电子设备 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230930 Address after: 201306 building C, No. 888, Huanhu West 2nd Road, Lingang New District, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai Patentee after: Shanghai Glory Smart Technology Development Co.,Ltd. Address before: 518040 unit a, building 6, Shenye Zhongcheng, No. 8089, Hongli West Road, Xiangmihu street, Futian District, Shenzhen, Guangdong Province Patentee before: Honor Device Co.,Ltd. |
|
TR01 | Transfer of patent right |