CN114581525A - 姿态确定方法及装置、电子设备和存储介质 - Google Patents

姿态确定方法及装置、电子设备和存储介质 Download PDF

Info

Publication number
CN114581525A
CN114581525A CN202210239443.0A CN202210239443A CN114581525A CN 114581525 A CN114581525 A CN 114581525A CN 202210239443 A CN202210239443 A CN 202210239443A CN 114581525 A CN114581525 A CN 114581525A
Authority
CN
China
Prior art keywords
point
image
target
determining
dimensional
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.)
Pending
Application number
CN202210239443.0A
Other languages
English (en)
Inventor
甄佳楠
周晓巍
孙佳明
张思宇
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.)
Zhejiang Shangtang Technology Development Co Ltd
Original Assignee
Zhejiang Shangtang Technology Development 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 Zhejiang Shangtang Technology Development Co Ltd filed Critical Zhejiang Shangtang Technology Development Co Ltd
Priority to CN202210239443.0A priority Critical patent/CN114581525A/zh
Publication of CN114581525A publication Critical patent/CN114581525A/zh
Priority to PCT/CN2022/129083 priority patent/WO2023168957A1/zh
Pending legal-status Critical Current

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
    • G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/10—Geometric effects
    • G06T15/20—Perspective computation
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20084—Artificial neural networks [ANN]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Graphics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本公开涉及一种姿态确定方法及装置、电子设备和存储介质，通过确定待识别图像中目标物品上的至少一个第一特征点，根据待识别图像中的目标物品从预存图像中确定至少一个目标图像，目标图像具有第二特征点和对应的三维点云，每个第二特征点在三维点云中具有对应的点。根据第一特征点和二特征点，以及第二特征点在三维点云中对应的点，确定至少一个第一特征点在三维点云中的目标点，以根据至少一个第一特征点在三维点云中的目标点确定待识别图像对应的目标姿态。本公开能够通过局部特征匹配的方式确定待识别图像中每个二维特征点对应的三维特征点，以根据三维特征点采集待识别图像时图像采集装置的姿态，提高了确定的目标姿态准确性。

Description

姿态确定方法及装置、电子设备和存储介质
技术领域
本公开涉及计算机技术领域，尤其涉及一种姿态确定方法及装置、电子设备和存储介质。
背景技术
增强现实技术的重要用途之一就是与现实世界的真实物品进行交互并在其基础上渲染虚拟效果。而准确的估计与跟踪物品的6D姿态是进行交互渲染的前提，也是计算机视觉领域非常重要的研究问题。其中，物品6D姿态的具体定义为三个位移自由度外加三个旋转自由度。相关技术在物品背景改变等情况下的姿态估计结果会出现一定的偏差。同时，还难以区分两个近似位置角度下采集物品图像中物品的姿态差异。
发明内容
本公开提出了一种姿态确定方法及装置、电子设备和存储介质，旨在提高确定的目标姿态准确性。
根据本公开的第一方面，提供了一种姿态确定方法，包括：
确定待识别图像中目标物品上的至少一个第一特征点；
根据所述待识别图像中的目标物品从预存图像中确定至少一个目标图像，其中所述目标图像具有第二特征点和对应的三维点云，所述目标图像的第二特征点在所述三维点云中具有对应的点；
根据所述至少一个第一特征点和所述目标图像的第二特征点，以及所述第二特征点在所述三维点云中对应的点，确定所述至少一个第一特征点在所述三维点云中的目标点；
根据所述至少一个第一特征点在所述三维点云中的目标点确定所述待识别图像对应的目标姿态。
在一种可能的实现方式中，所述方法还包括：
确定至少一个预存图像，获取所述预存图像的至少一个第二特征点；
对每个所述预存图像的第二特征点进行匹配，得到多个第二特征点组，每个所述第二特征点组中的至少一个所述第二特征点用于表征所述目标物品上的同一位置；
根据所述目标物品对应的多个所述第二特征点组确定所述预存图像对应的三维点云，所述三维点云中每一个点与一个所述第二特征点组中的至少一个所述第二特征点对应。
在一种可能的实现方式中，所述根据所述目标物品对应的多个所述第二特征点组确定所述预存图像对应的三维点云包括：
通过运动恢复结构算法基于多个所述第二特征点组解算得到所述目标物品的三维点云。
在一种可能的实现方式中，所述根据所述待识别图像中的目标物品从预存图像中确定至少一个目标图像，包括：
确定每个所述预存图像对应的姿态信息；
确定所述待识别图像对应的初始姿态；
根据所述待识别图像的初始姿态和所述预存图像对应的姿态信息，从所述预存图像中确定所述至少一个目标图像。
在一种可能的实现方式中，所述确定每个所述预存图像对应的姿态信息包括：
对于每个所述预存图像，基于其中包括的每个所述第二特征点在所述三维点云中对应的点执行N点透视算法，得到所述预存图像对应的姿态信息。
在一种可能的实现方式中，所述待识别图像为连续采集的图像序列中的一帧，所述确定所述待识别图像对应的初始姿态包括：
确定所述图像序列中在所述待识别图像之前的多帧图像对应的在先姿态；
基于多个所述在先姿态执行外插值法，得到所述待识别图像对应的初始姿态。
在一种可能的实现方式中，所述根据所述至少一个第一特征点和所述目标图像的第二特征点，以及所述第二特征点在所述三维点云中对应的点，确定所述至少一个第一特征点在所述三维点云中的目标点，包括：
将所述待识别图像与所述目标图像进行特征点匹配，得到每个所述第一特征点匹配的第二特征点；
将每个所述第一特征点匹配的所述第二特征点在所述三维点云中对应的点确定为所述目标点。
在一种可能的实现方式中，所述根据所述至少一个第一特征点在所述三维点云中的目标点确定所述待识别图像对应的目标姿态，包括：
根据所述至少一个第一特征点在所述三维点云中的目标点执行N点透视算法，得到所述待识别图像对应的目标姿态。
在一种可能的实现方式中，所述待识别图像为连续采集的图像序列中的一帧，所述方法还包括：
确定所述待识别图像在所述图像序列中的下一帧图像作为参考图像，所述参考图像中包括在所述目标物品上的至少一个第三特征点；
根据所述待识别图像上每个所述第一特征点对应的目标点，确定所述参考图像上每个所述第三特征点对应的目标点；
根据每个所述第三特征点与所述目标点的对应关系确定所述参考图像对应的参考姿态。
在一种可能的实现方式中，所述根据所述待识别图像上每个所述第一特征点对应的目标点，确定所述参考图像上每个所述第三特征点对应的目标点包括：
根据稀疏光流算法跟踪所述待识别图像上每个所述第一特征点，得到每个所述第一特征点在所述参考图像上匹配的第三特征点；
确定每个所述第一特征点匹配的所述第三特征点与所述第一特征点在所述三维点云中对应的目标点对应。
根据本公开的第二方面，提供了一种姿态确定装置，包括：
第一信息确定模块，用于确定待识别图像中目标物品上的至少一个第一特征点；
第二信息确定模块，用于根据所述待识别图像中的目标物品从预存图像中确定至少一个目标图像，其中所述目标图像具有第二特征点和对应的三维点云，所述目标图像的第二特征点在所述三维点云中具有对应的点；
目标点匹配模块，用于根据所述至少一个第一特征点和所述目标图像的第二特征点，以及所述第二特征点在所述三维点云中对应的点，确定所述至少一个第一特征点在所述三维点云中的目标点；
姿态确定模块，用于根据所述至少一个第一特征点在所述三维点云中的目标点确定所述待识别图像对应的目标姿态。
在一种可能的实现方式中，所述装置还包括：
预存图像确定模块，用于确定至少一个预存图像，获取所述预存图像的至少一个第二特征点；
第一特征点匹配模块，用于对每个所述预存图像的第二特征点进行匹配，得到多个第二特征点组，每个所述第二特征点组中的至少一个所述第二特征点用于表征所述目标物品上的同一位置；
三维点匹配模块，用于根据所述目标物品对应的多个所述第二特征点组确定所述预存图像对应的三维点云，所述三维点云中每一个点与一个所述第二特征点组中的至少一个所述第二特征点对应。
在一种可能的实现方式中，所述三维点匹配模块包括：
点云生成子模块，用于通过运动恢复结构算法基于多个所述第二特征点组解算得到所述目标物品的三维点云。
在一种可能的实现方式中，所述第二信息确定模块，包括：
第一姿态确定子模块，用于确定每个所述预存图像对应的姿态信息；
第二姿态确定子模块，用于确定所述待识别图像对应的初始姿态；
姿态筛选子模块，用于根据所述待识别图像的初始姿态和所述预存图像对应的姿态信息，从所述预存图像中确定所述至少一个目标图像。
在一种可能的实现方式中，所述第一姿态确定子模块包括：
第一姿态确定单元，用于对于每个所述预存图像，基于其中包括的每个所述第二特征点在所述三维点云中对应的点执行N点透视算法，得到所述预存图像对应的姿态信息。
在一种可能的实现方式中，所述待识别图像为连续采集的图像序列中的一帧，所述第二姿态确定子模块包括：
第二姿态确定单元，用于确定所述图像序列中在所述待识别图像之前的多帧图像对应的在先姿态；
第三姿态确定单元，用于基于多个所述在先姿态执行外插值法，得到所述待识别图像对应的初始姿态。
在一种可能的实现方式中，所述目标点匹配模块，包括：
第一特征点匹配子模块，用于将所述待识别图像与所述目标图像进行特征点匹配，得到每个所述第一特征点匹配的第二特征点；
第一目标点匹配子模块，用于将每个所述第一特征点匹配的所述第二特征点在所述三维点云中对应的点确定为所述目标点。
在一种可能的实现方式中，所述姿态确定模块，包括：
第三姿态确定子模块，用于根据所述至少一个第一特征点在所述三维点云中的目标点执行N点透视算法，得到所述待识别图像对应的目标姿态。
在一种可能的实现方式中，所述待识别图像为连续采集的图像序列中的一帧，所述装置还包括：
参考图像确定模块，用于确定所述待识别图像在所述图像序列中的下一帧图像作为参考图像，所述参考图像中包括在所述目标物品上的至少一个第三特征点；
第二特征点匹配模块，用于根据所述待识别图像上每个所述第一特征点对应的目标点，确定所述参考图像上每个所述第三特征点对应的目标点；
参考姿态确定模块，用于根据每个所述第三特征点与所述目标点的对应关系确定所述参考图像对应的参考姿态。
在一种可能的实现方式中，所述第二特征点匹配模块包括：
第二特征点匹配子模块，用于根据稀疏光流算法跟踪所述待识别图像上每个所述第一特征点，得到每个所述第一特征点在所述参考图像上匹配的第三特征点；
第二目标点匹配子模块，用于确定每个所述第一特征点匹配的所述第三特征点与所述第一特征点在所述三维点云中对应的目标点对应。
根据本公开的第三方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
根据本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
在本公开实施例中，通过局部特征匹配的方式确定待识别图像中每个二维第一特征点在预存图像中对应的二维第二特征点，再根据与每个第一特征点匹配的第二特征点对应的三维特征点确定采集待识别图像时图像采集装置的姿态，提高了确定的目标姿态准确性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的一种姿态确定方法的流程图；
图2示出根据本公开实施例的一种三维点云的示意图；
图3示出根据本公开实施例的一种第二特征点匹配过程的示意图；
图4示出根据本公开实施例的一种确定目标姿态的示意图；
图5示出根据本公开实施例的一种确定参考姿态的示意图；
图6示出根据本公开实施例的一种姿态确定装置的示意图；
图7示出根据本公开实施例的一种电子设备的示意图；
图8示出根据本公开实施例的另一种电子设备的示意图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“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。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
本公开实施例的姿态确定方法可以由终端设备或服务器等电子设备执行。其中，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等固定或移动装置。服务器可以为单独的服务器或多个服务器组成的服务器集群。任意电子设备均可以通过处理器调用存储器中存储的计算机可读指令的方式来实现本公开实施例的姿态确定方法。
在一种可能的实现方式中，本公开实施例用于在获取到包括目标物品的待识别图像后，根据多个包括目标物品的预存图像构建的三维点云，准确的确定采集待识别图像时图像采集装置的姿态。
图1示出根据本公开实施例的一种姿态确定方法的流程图。如图1所示，本公开实施例的物品姿态方法可以包括以下步骤S10-S40。
步骤S10、确定待识别图像中目标物品上的至少一个第一特征点。
在一种可能的实现方式中，本公开实施例的姿态确定方法用于确定二维的待识别图像对应的目标姿态，即采集该待识别图像时图像采集装置的姿态。待识别图像通过图像采集装置采集目标物品的方式确定，可以通过单独采集的方式获取的单张图像，或者移动的图像采集装置在移动过程中连续获取的图像序列中的一帧图像。电子设备在确定待识别图像后，确定在待识别图像中目标物品上的至少一个第一特征点。其中，目标物品为在图像采集过程中不改变姿态的静态物品，可以为无生命静物或有生命但在图像采集过程中固定不动的物品。
可选地，待识别图像上的第一特征点的确定过程可以为先通过对象识别，得到图像中的目标物品，再进一步在目标物品上确定至少一个用于表征目标物品局部区域的第一特征点。其中，每个第一特征点还可以具有用于描述第一特征点局部特征的第一描述子，即第一描述子用于表征待识别图像中目标物品的局部区域特征。
进一步地，第一描述子的确定方式可以为提取第一特征点所在位置中的预设特征，并根据预设特征的分布情况确定特征向量作为第一描述子。预设特征可以根据实际需要设定，可以包括颜色特征和纹理特征中的至少一种。第一描述子可以为任意特征描述子，例如可以是方向梯度直方图(HOG，Histogram of Oriented Gradients)特征描述子。第一描述子的确定过程可以为确定第一特征点所在位置内每个像素在水平和垂直两个方向上的梯度变化，并根据梯度变化确定每个像素的幅值和方向以根据每个像素的梯度幅值和方向生成直方图。进一步地通过直方图标准化得到特征向量作为第一描述子。
步骤S20、根据所述待识别图像中的目标物品从预存图像中确定至少一个目标图像。
在一种可能的实现方式中，在确定待识别图像中目标物品后，进一步确定该目标物品的三维点云和至少一个目标图像。其中，每个预存图像均为通过图像采集装置预先采集目标物品得到的图像，可以存储在电子设备本地或远程连接的数据库中。电子设备确定的至少一个目标图像可以为全部预存图像，或者部分预存图像。可选地，电子设备可以根据任意预设的规则在预存图像中获取至少一个目标图像。例如，电子设备可以确定每个预存图像对应的姿态信息，以及确定待识别图像对应的初始姿态，根据待识别图像的初始姿态和预存图像对应的姿态信息，从预存图像中确定至少一个目标图像。
进一步地，待识别图像中目标物品姿态的初步估计可以根据任意现有方式确定，例如，当待识别图像为连续采集的图像序列中的一帧时，可以确定图像序列中在待识别图像之前的多帧图像对应的在先姿态，即采集之前多帧图像时图像采集装置的姿态。基于多个在先姿态执行外插值法，得到待识别图像对应的初始姿态。或者，还可以直接将待识别图像输入一个预先训练得到的姿态估计模型，进行姿态估计后输出对应的初始姿态等。初始姿态可以通过向量表示，包括采集待识别图像时图像采集装置在目标三维坐标系中的三个位移参数以及三个旋转参数。
可选地，待识别图像的初始姿态和每个预存图像的姿态信息均可以通过向量表示，因此可以直接通过计算向量距离的方式确定待识别图像和预存图像的姿态匹配情况，筛选出向量距离小于预设的距离阈值的预存图像作为目标图像。
可选地，目标图像具有第二特征点和对应的三维点云，目标图像的第二特征点在三维点云中具有对应的点。目标物品的三维点云可以根据至少一个预存图像预先确定。或者，在确定待识别图像中的目标物品后，在数据库中筛选得到多个包括目标物品的预存图像，再根据多个预存图像确定目标物品的三维点云。可选地，目标物品的三维点云可以通过电子设备根据至少一个预存图像生成，或者通过服务器等其他设备根据至少一个预存图像生成。在电子设备生成三维点云的情况下，电子设备可以在执行本公开实施例的姿态确定方法之前生成三维点云，或者在执行本公开实施例的姿态确定方法的过程中生成目标物品的三维点云。
可选地，在本公开实施例中目标物品的三维点云由电子设备生成时，根据多个预存图像确定目标物品三维点云的过程可以先确定至少一个预存图像，并获取预测图像的至少一个第二特征点。对每个预存图像的第二特征点进行匹配，得到多个第二特征点组，每个第二特征点组中的至少一个第二特征点用于表征目标物品上的同一位置。根据目标物品对应的多个第二特征点组确定预存图像对应的三维点云，三维点云中每一个点与一个第二特征点组中的至少一个第二特征点对应。也就是说，可以通过姿态筛选的方式在多个预存图像中筛选得到与待识别图像中物品姿态相似的图像作为目标图像。
其中，每个预存图像中可以包括目标物品，至少一个第二特征点位于对应预存图像中的目标物品上，第二特征点用于表征目标物品局部区域。可选地，每个第二特征点还可以具有对应的用于描述局部特征的第二描述子，即第二描述子用于表征预存图像中目标物品的局部区域特征。进一步地，第二特征点匹配的过程可以基于第二描述子实现，即电子设备根据每个预存图像的至少一个第二特征点的第二描述子，对每个预存图像的第二特征点进行匹配得到多个第二特征点组。每个第二特征点组中的至少一个第二特征点用于表征目标物品上的同一位置。再根据目标物品对应的多个第二特征点组确定三维点云，三维点云中每一个点与一个第二特征点组中的至少一个所述第二特征点对应。
在一种可能的实现方式中，多个第二特征点组的确定过程可以为，在多个预存图像中随机抽取一个作为目标预存图像，基于第二描述子将目标预存图像中每一个目标第二特征点分别与其他预存图像进行局部特征匹配，并将匹配到的多个第二特征点与该目标特征点组成一个第二特征点组。进一步地，再重新确定一个未被匹配到的第二特征点所在的预存图像作为目标预存图像，再将其中未被匹配到的目标第二特征点与其他未被匹配到的第二特征点进行第二描述子匹配确定第二特征点组，直到全部第二特征点均被匹配，或每个第二特征点的匹配过程已经全部第二特征点后。
可选地，在每两个第二特征点基于第二描述子进行匹配时，可以计算两个第二特征点的第二描述子之间的距离得到局部特征的匹配程度，距离越近匹配程度越高。其中，第二描述子为向量，可以通过直接对向量进行内积得到两个第二描述子之间的距离。进一步地，还可以通过局部特征和空间位置两个参数进行第二特征点的匹配。进一步地，在得到多个第二特征点组后，可以通过运动恢复结构算法基于多个第二特征点组解算得到目标物品的三维点云。即根据每个第二特征点组中第二特征点所在图像的获取时间确定特征点跟踪轨迹，根据多个特征点跟踪轨迹确定目标物品的一个三维点，组成三维点云。因此，三维点云中的每个三维点与一个第二特征点组中的全部第二特征点对应，即在三维点云的构建过程中即可以得到其中每个三维点与至少一个二维第二特征点的对应关系。
图2示出根据本公开实施例的一种三维点云的示意图。如图2所示，三维点云20中包括多个在三维坐标系中的三维点，每个三维点具有至少一个对应的二维第二特征点。
图3示出根据本公开实施例的一种第二特征点匹配过程的示意图。如图3所示，对于第一预存图像30和第二预存图像31，其中均包括目标物品32。第一预存图像30和第二预存图像31中的目标物品32上均具有多个第二特征点，在基于对应的第二描述子匹配时，可以根据局部特征将表征目标物品32相同位置的第二特征点匹配在一起。
进一步地，每个预存图像还具有对应的姿态信息，用于表征采集预存图像时图像采集装置的姿态。该姿态信息可以通过向量表示，包括采集预存图像时图像采集装置在目标三维坐标系中的三个位移参数以及三个旋转参数，目标三维坐标系可以预先设定或选中。可选地，姿态信息可以在采集预存图像时确定并与预存图像一同存储。或者，姿态信息还可以在确定三维点云后，根据其中包括的多个第二特征点在三维点云中对应的三维点确定。也就是说，可以对于每个预存图像，基于其中包括的每个第二特征点与三维点云中三维点的对应关系执行N点透视算法，得到预存图像对应的姿态信息，即采集每个预存图像时图像采集装置的姿态。
步骤S30、根据所述至少一个第一特征点和所述目标图像的第二特征点，以及所述第二特征点在所述三维点云中对应的点，确定所述至少一个第一特征点在所述三维点云中的目标点。
在一种可能的实现方式中，电子设备在确定待识别图像中目标物品的至少一个特征点，以及待识别图像对应至少一个目标图像的第二特征点后，可以根据多个第一特征点、第二特征点、以及第二特征点在三维点云中对应的点确定至少一个第一特征点在三维点云中的目标点。也就是说，通过第一特征点和第二特征点的二维点匹配间接实现第一特征点和目标点的二维点与三维点的匹配。可选地，电子设备可以将待识别图像与目标图像进行特征点匹配，得到每个第一特征点匹配的第二特征点。再将每个第一特征点匹配的第二特征点在三维点云中对应的点确定为目标点。
示例性地，本公开实施例可以通过描述子进行第一特征点和第二特征点的匹配。例如，电子设备可以根据待识别图像中每个第一特征点的第一描述子，以及至少一个目标图像中每个第二特征点的第二描述子进行特征点匹配，以确定多个第一特征点匹配的第二特征点，并根据第二特征点和目标点云中三维点的对应关系，间接确定第一特征点在三维点云中对应的点为目标点。可选地，根据第一描述子和第二描述子匹配第一特征点对应的第二特征点的过程，与步骤S20中两个第二特征点匹配的过程相同，在此不再赘述。
进一步地，对于待识别图像中每一个第一特征点，可以通过计算第一描述子和每个候选图像上第二特征点第二描述子的距离，确定距离最近的第二特征点匹配，并确定每个第一特征点匹配的第二特征点在三维点云中对应的点为目标点。
步骤S40、根据所述至少一个第一特征点在所述三维点云中的目标点确定所述待识别图像对应的目标姿态。
在一种可能的实现方式中，在确定待识别图像中每个第一特征点在三维点云中匹配的目标点后，即确定待识别图像中每一个第一特征点表征的目标物品位置在三维空间中的位置。可选地，可以根据至少一个第一特征点和每个目标点的对应关系确定待识别图像对应的目标姿态，例如可以根据至少一个第一特征点在三维点云中的目标点执行N点透视算法，得到待识别图像对应的目标姿态。即可以根据多个目标点与第一特征点的对应关系构建先写方程求解，得到目标姿态。
图4示出根据本公开实施例的一种确定目标姿态的示意图。如图4所示，在需要确定待识别图像41对应的目标姿态时，先根据待识别图像41与预存图像40进行姿态匹配，在多个预存图像40中筛选得到至少一个目标图像42，再根据待识别图像41中的第一特征点与每个目标图像42中的第二特征点进行局部特征匹配，得到至少一个与第一特征点匹配的第二特征点作为匹配特征点43。进一步地，确定每个匹配特征点43在三维点云44中匹配的点为目标点45，再根据待识别图像41中每个第一特征点匹配的目标点45执行N点透视算法，得到待识别图像对应的目标姿态46。
进一步地，在待识别图像为连续采集的图像序列中的一帧，且需要确定获取的图像训练中每一帧图像采集时图像采集装置的姿态时，可以基于前一帧图像采集时图像采集装置的姿态确定当前帧图像采集时图像采集装置的姿态。例如，可以在获取连续采集的图像序列时，从图像序列中抽取图像帧1作为待识别图像，并确定图像序列中第2-N帧图像帧为参考图像。在确定待识别图像的中每个第一特征点与三维点云中点的对应关系后，根据每个第一特征点在三维点云中对应的目标点，确定所述参考图像中多个第二特征点在三维点云中对应的参考点，并根据第三特征点和参考点的对应关系确定每个参考图像帧的参考姿态。进一步地，由于多次确定的参考姿态均基于准确的目标姿态得到，随着参考图像在图像序列中距离待识别图像的距离越来越远，准确度会越来越低。为避免上述问题，在确定第N帧图像帧为参考图像后，再抽取第N+1帧为下一个待识别图像。通过本公开实施例的姿态确定方法确定当前待识别图像的目标姿态，以继续通过传递方式确定N+2-N+N帧的参考姿态。
在一种可能的实现方式中，根据待识别图像的目标姿态确定相邻的下一帧参考图像的参考姿态的过程可以包括以下步骤：先确定待识别图像在图像序列中的下一帧图像作为参考图像，参考图像中包括在目标物品上的至少一个第三特征点。根据待识别图像上每个第一特征点对应的目标点，根据待识别图像上每个第一特征点对应的目标点，确定参考图像上每个第三特征点对应的目标点。再根据每个第三特征点与目标点的对应关系确定参考图像对应的参考姿态。其中，参考图像上每个第三特征点和目标点的对应关系可以基于稀疏光流算法确定，即根据稀疏光流算法跟踪待识别图像上每个第一特征点，得到每个第一特征点在参考图像上匹配的第三特征点。确定每个第一特征点匹配的第三特征点与第一特征点在三维点云中对应的目标点对应。进一步地根据每个第三特征点和对应目标点执行N视算法，得到参考图像对应的参考姿态。可选地，还可以在确定当前参考图像的参考姿态后，根据当前参考图像中第三特征点和目标点的对应关系顺序确定图像序列中下一帧图像的参考姿态。
图5示出根据本公开实施例的一种确定参考姿态的示意图。如图5所示，对于图像序列50中确定的待识别图像51，可以根据局部特征匹配的方式，确定待识别图像51中每个第一特征点在从预存图像中筛选得到的目标图像52中匹配的第二特征点53。进一步地确定每个第一特征点匹配的第二特征点53在三维点云54中对应的三维点为目标点55，并确定第一特征点与目标点55的对应关系确定待识别图像的目标姿态56。
进一步地，对于图像序列50中在待识别图像51下一帧位置的参考图像57，可以基于跟踪算法根据待识别图像51、目标点55和参考图像57确定参考图像57的参考姿态。可选地，可以根据稀疏光流算法确定待识别图像51中每个第一特征点和参考图像57中每个第三特征点的对应关系，并根据每个第一特征点和目标点55的对应关系确定每个第三特征点和目标点55的对应关系。根据每个第三特征点和目标点55的对应关系确定参考图像57的参考姿态58。
本公开实施例能够通过局部特征匹配的方式确定待识别图像中每个二维特征点与目标图像中每个二维特征点的对应关系，并根据多个目标图像生成三维点云，进一步得到待识别图像中每个二维特征点和三维点云中三维特征点的对应关系，以准确的确定采集待识别图像时图像采集装置的姿态，提高了确定的目标姿态准确性。同时，本公开实施例还可以通过估计待识别图像的初步姿态的方式对目标图像进行初步筛选，减小了二维特征点匹配过程的计算量，提高了姿态确定过程的效率。
进一步地，在对多个连续采集的图像确定姿态时，可以先通过二维特征点匹配的方式间接匹配得到待识别图像上每个二维特征点对应的三维特征点，确定目标姿态。再进一步基于稀疏光流算法跟踪确定后续获得的多帧图像的二维特征点与待识别图像上三维特征点的对应关系，快速且准确的确定在待识别图像后采集的多帧图像的参考姿态。同时，该方式还能够准确的感知图像采集位置变化较小时的姿态变化。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外，本公开还提供了姿态确定装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种姿态确定方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
图6示出根据本公开实施例的一种姿态确定装置的示意图。如图6所示，本公开实施例的姿态确定装置包括：
第一信息确定模块60，用于确定待识别图像中目标物品上的至少一个第一特征点；
第二信息确定模块61，用于根据所述待识别图像中的目标物品从预存图像中确定至少一个目标图像，其中所述目标图像具有第二特征点和对应的三维点云，所述目标图像的第二特征点在所述三维点云中具有对应的点；
目标点匹配模块62，用于根据所述至少一个第一特征点和所述目标图像的第二特征点，以及所述第二特征点在所述三维点云中对应的点，确定所述至少一个第一特征点在所述三维点云中的目标点；
姿态确定模块63，用于根据所述至少一个第一特征点在所述三维点云中的目标点确定所述待识别图像对应的目标姿态。
在一种可能的实现方式中，所述装置还包括：
预存图像确定模块，用于确定至少一个预存图像，获取所述预存图像的至少一个第二特征点；
第一特征点匹配模块，用于对每个所述预存图像的第二特征点进行匹配，得到多个第二特征点组，每个所述第二特征点组中的至少一个所述第二特征点用于表征所述目标物品上的同一位置；
三维点匹配模块，用于根据所述目标物品对应的多个所述第二特征点组确定所述预存图像对应的三维点云，所述三维点云中每一个点与一个所述第二特征点组中的至少一个所述第二特征点对应。
在一种可能的实现方式中，所述三维点匹配模块包括：
点云生成子模块，用于通过运动恢复结构算法基于多个所述第二特征点组解算得到所述目标物品的三维点云。
在一种可能的实现方式中，所述第二信息确定模块61，包括：
第一姿态确定子模块，用于确定每个所述预存图像对应的姿态信息；
第二姿态确定子模块，用于确定所述待识别图像对应的初始姿态；
姿态筛选子模块，用于根据所述待识别图像的初始姿态和所述预存图像对应的姿态信息，从所述预存图像中确定所述至少一个目标图像。
在一种可能的实现方式中，所述第一姿态确定子模块包括：
第一姿态确定单元，用于对于每个所述预存图像，基于其中包括的每个所述第二特征点在所述三维点云中对应的点执行N点透视算法，得到所述预存图像对应的姿态信息。
在一种可能的实现方式中，所述待识别图像为连续采集的图像序列中的一帧，所述第二姿态确定子模块包括：
第二姿态确定单元，用于确定所述图像序列中在所述待识别图像之前的多帧图像对应的在先姿态；
第三姿态确定单元，用于基于多个所述在先姿态执行外插值法，得到所述待识别图像对应的初始姿态。
在一种可能的实现方式中，所述目标点匹配模块62，包括：
第一特征点匹配子模块，用于将所述待识别图像与所述目标图像进行特征点匹配，得到每个所述第一特征点匹配的第二特征点；
第一目标点匹配子模块，用于将每个所述第一特征点匹配的所述第二特征点在所述三维点云中对应的点确定为所述目标点。
在一种可能的实现方式中，所述姿态确定模块63，包括：
第三姿态确定子模块，用于根据所述至少一个第一特征点在所述三维点云中的目标点执行N点透视算法，得到所述待识别图像对应的目标姿态。
在一种可能的实现方式中，所述待识别图像为连续采集的图像序列中的一帧，所述装置还包括：
参考图像确定模块，用于确定所述待识别图像在所述图像序列中的下一帧图像作为参考图像，所述参考图像中包括在所述目标物品上的至少一个第三特征点；
第二特征点匹配模块，用于根据所述待识别图像上每个所述第一特征点对应的目标点，确定所述参考图像上每个所述第三特征点对应的目标点；
参考姿态确定模块，用于根据每个所述第三特征点与所述目标点的对应关系确定所述参考图像对应的参考姿态。
在一种可能的实现方式中，所述第二特征点匹配模块包括：
第二特征点匹配子模块，用于根据稀疏光流算法跟踪所述待识别图像上每个所述第一特征点，得到每个所述第一特征点在所述参考图像上匹配的第三特征点；
第二目标点匹配子模块，用于确定每个所述第一特征点匹配的所述第三特征点与所述第一特征点在所述三维点云中对应的目标点对应。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图7示出根据本公开实施例的一种电子设备800的示意图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
参照图7，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物品的存在。传感器组件814还可以包括光传感器，如互补金属氧化物半导体(CMOS)或电荷耦合装置(CCD)图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如无线网络(WiFi)，第二代移动通信技术(2G)或第三代移动通信技术(3G)，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
本公开涉及增强现实领域，通过获取现实环境中的目标物品的图像信息，进而借助各类视觉相关算法实现对目标物品的相关特征、状态及属性进行检测或识别处理，从而得到与具体应用匹配的虚拟与现实相结合的AR效果。示例性的，目标物品可涉及与人体相关的脸部、肢体、手势、动作等，或者与物品相关的标识物、标志物，或者与场馆或场所相关的沙盘、展示区域或展示物品等。视觉相关算法可涉及视觉定位、SLAM、三维重建、图像注册、背景分割、对象的关键点提取及跟踪、对象的位姿或深度检测等。具体应用不仅可以涉及跟真实场景或物品相关的导览、导航、讲解、重建、虚拟效果叠加展示等交互场景，还可以涉及与人相关的特效处理，比如妆容美化、肢体美化、特效展示、虚拟模型展示等交互场景。可通过卷积神经网络，实现对目标物品的相关特征、状态及属性进行检测或识别处理。上述卷积神经网络是基于深度学习框架进行模型训练而得到的网络模型。
图8示出根据本公开实施例的另一种电子设备1900的示意图。例如，电子设备1900可以被提供为一服务器。参照图8，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如微软服务器操作系统(Windows ServerTM)，苹果公司推出的基于图形用户界面操作系统(Mac OSXTM)，多用户多进程的计算机操作系统(UnixTM),自由和开放原代码的类Unix操作系统(LinuxTM)，开放原代码的类Unix操作系统(FreeBSDTM)或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
若本申请技术方案涉及个人信息，应用本申请技术方案的产品在处理个人信息前，已明确告知个人信息处理规则，并取得个人自主同意。若本申请技术方案涉及敏感个人信息，应用本申请技术方案的产品在处理敏感个人信息前，已取得个人单独同意，并且同时满足“明示同意”的要求。例如，在摄像头等个人信息采集装置处，设置明确显著的标识告知已进入个人信息采集范围，将会对个人信息进行采集，若个人自愿进入采集范围即视为同意对其个人信息进行采集；或者在个人信息处理的装置上，利用明显的标识/信息告知个人信息处理规则的情况下，通过弹窗信息或请个人自行上传其个人信息等方式获得个人授权；其中，个人信息处理规则可包括个人信息处理者、个人信息处理目的、处理方式以及处理的个人信息种类等信息。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (13)

1.一种姿态确定方法，其特征在于，所述方法包括：
确定待识别图像中目标物品上的至少一个第一特征点；
根据所述待识别图像中的目标物品从预存图像中确定至少一个目标图像，其中所述目标图像具有第二特征点和对应的三维点云，所述目标图像的第二特征点在所述三维点云中具有对应的点；
根据所述至少一个第一特征点和所述目标图像的第二特征点，以及所述第二特征点在所述三维点云中对应的点，确定所述至少一个第一特征点在所述三维点云中的目标点；
根据所述至少一个第一特征点在所述三维点云中的目标点确定所述待识别图像对应的目标姿态。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
确定至少一个预存图像，获取所述预存图像的至少一个第二特征点；
对每个所述预存图像的第二特征点进行匹配，得到多个第二特征点组，每个所述第二特征点组中的至少一个所述第二特征点用于表征所述目标物品上的同一位置；
根据所述目标物品对应的多个所述第二特征点组确定所述预存图像对应的三维点云，所述三维点云中每一个点与一个所述第二特征点组中的至少一个所述第二特征点对应。
3.根据权利要求2所述的方法，其特征在于，所述根据所述目标物品对应的多个所述第二特征点组确定所述预存图像对应的三维点云包括：
通过运动恢复结构算法基于多个所述第二特征点组解算得到所述目标物品的三维点云。
4.根据权利要求1-3中任意一项所述的方法，其特征在于，所述根据所述待识别图像中的目标物品从预存图像中确定至少一个目标图像，包括：
确定每个所述预存图像对应的姿态信息；
确定所述待识别图像对应的初始姿态；
根据所述待识别图像的初始姿态和所述预存图像对应的姿态信息，从所述预存图像中确定所述至少一个目标图像。
5.根据权利要求4所述的方法，其特征在于，所述确定每个所述预存图像对应的姿态信息包括：
对于每个所述预存图像，基于其中包括的每个所述第二特征点在所述三维点云中对应的点执行N点透视算法，得到所述预存图像对应的姿态信息。
6.根据权利要求4或5所述的方法，其特征在于，所述待识别图像为连续采集的图像序列中的一帧，所述确定所述待识别图像对应的初始姿态包括：
确定所述图像序列中在所述待识别图像之前的多帧图像对应的在先姿态；
基于多个所述在先姿态执行外插值法，得到所述待识别图像对应的初始姿态。
7.根据权利要求1-6中任意一项所述的方法，其特征在于，所述根据所述至少一个第一特征点和所述目标图像的第二特征点，以及所述第二特征点在所述三维点云中对应的点，确定所述至少一个第一特征点在所述三维点云中的目标点，包括：
将所述待识别图像与所述目标图像进行特征点匹配，得到每个所述第一特征点匹配的第二特征点；
将每个所述第一特征点匹配的所述第二特征点在所述三维点云中对应的点确定为所述目标点。
8.根据权利要求1-7中任意一项所述的方法，其特征在于，所述根据所述至少一个第一特征点在所述三维点云中的目标点确定所述待识别图像对应的目标姿态，包括：
根据所述至少一个第一特征点在所述三维点云中的目标点执行N点透视算法，得到所述待识别图像对应的目标姿态。
9.根据权利1-8中任意一项所述的方法，其特征在于，所述待识别图像为连续采集的图像序列中的一帧，所述方法还包括：
确定所述待识别图像在所述图像序列中的下一帧图像作为参考图像，所述参考图像中包括在所述目标物品上的至少一个第三特征点；
根据所述待识别图像上每个所述第一特征点对应的目标点，确定所述参考图像上每个所述第三特征点对应的目标点；
根据每个所述第三特征点与所述目标点的对应关系确定所述参考图像对应的参考姿态。
10.根据权利要求9所述的方法，其特征在于，所述根据所述待识别图像上每个所述第一特征点对应的目标点，确定所述参考图像上每个所述第三特征点对应的目标点包括：
根据稀疏光流算法跟踪所述待识别图像上每个所述第一特征点，得到每个所述第一特征点在所述参考图像上匹配的第三特征点；
确定每个所述第一特征点匹配的所述第三特征点与所述第一特征点在所述三维点云中对应的目标点对应。
11.一种姿态确定装置，其特征在于，所述装置包括：
第一信息确定模块，用于确定待识别图像中目标物品上的至少一个第一特征点；
第二信息确定模块，用于根据所述待识别图像中的目标物品从预存图像中确定至少一个目标图像，其中所述目标图像具有第二特征点和对应的三维点云，所述目标图像的第二特征点在所述三维点云中具有对应的点；
目标点匹配模块，用于根据所述至少一个第一特征点和所述目标图像的第二特征点，以及所述第二特征点在所述三维点云中对应的点，确定所述至少一个第一特征点在所述三维点云中的目标点；
姿态确定模块，用于根据所述至少一个第一特征点在所述三维点云中的目标点确定所述待识别图像对应的目标姿态。
12.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至10中任意一项所述的方法。
13.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至10中任意一项所述的方法。
CN202210239443.0A 2022-03-11 2022-03-11 姿态确定方法及装置、电子设备和存储介质 Pending CN114581525A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210239443.0A CN114581525A (zh) 2022-03-11 2022-03-11 姿态确定方法及装置、电子设备和存储介质
PCT/CN2022/129083 WO2023168957A1 (zh) 2022-03-11 2022-11-01 姿态确定方法、装置、电子设备、存储介质及程序

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210239443.0A CN114581525A (zh) 2022-03-11 2022-03-11 姿态确定方法及装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN114581525A true CN114581525A (zh) 2022-06-03

Family

ID=81775356

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210239443.0A Pending CN114581525A (zh) 2022-03-11 2022-03-11 姿态确定方法及装置、电子设备和存储介质

Country Status (2)

Country Link
CN (1) CN114581525A (zh)
WO (1) WO2023168957A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115131507A (zh) * 2022-07-27 2022-09-30 北京百度网讯科技有限公司 图像处理方法、图像处理设备和元宇宙三维重建方法
WO2023168957A1 (zh) * 2022-03-11 2023-09-14 上海商汤智能科技有限公司 姿态确定方法、装置、电子设备、存储介质及程序

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101791590B1 (ko) * 2010-11-05 2017-10-30 삼성전자주식회사 물체 자세 인식장치 및 이를 이용한 물체 자세 인식방법
US10535160B2 (en) * 2017-07-24 2020-01-14 Visom Technology, Inc. Markerless augmented reality (AR) system
CN111652103B (zh) * 2020-05-27 2023-09-19 北京百度网讯科技有限公司 室内定位方法、装置、设备以及存储介质
CN112465903A (zh) * 2020-12-21 2021-03-09 上海交通大学宁波人工智能研究院 一种基于深度学习点云匹配的6dof物体姿态估计方法
CN114581525A (zh) * 2022-03-11 2022-06-03 浙江商汤科技开发有限公司 姿态确定方法及装置、电子设备和存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023168957A1 (zh) * 2022-03-11 2023-09-14 上海商汤智能科技有限公司 姿态确定方法、装置、电子设备、存储介质及程序
CN115131507A (zh) * 2022-07-27 2022-09-30 北京百度网讯科技有限公司 图像处理方法、图像处理设备和元宇宙三维重建方法

Also Published As

Publication number Publication date
WO2023168957A1 (zh) 2023-09-14

Similar Documents

Publication Publication Date Title
CN110674719B (zh) 目标对象匹配方法及装置、电子设备和存储介质
CN111401230B (zh) 姿态估计方法及装置、电子设备和存储介质
CN109840917B (zh) 图像处理方法及装置、网络训练方法及装置
CN109410276B (zh) 关键点位置确定方法、装置及电子设备
WO2023168957A1 (zh) 姿态确定方法、装置、电子设备、存储介质及程序
CN111523485A (zh) 位姿识别方法及装置、电子设备和存储介质
CN114445562A (zh) 三维重建方法及装置、电子设备和存储介质
CN112991381B (zh) 图像处理方法及装置、电子设备和存储介质
CN110853095A (zh) 相机定位方法、装置、电子设备及存储介质
CN112184787A (zh) 图像配准方法及装置、电子设备和存储介质
CN113643356A (zh) 相机位姿确定、虚拟物体显示方法、装置及电子设备
CN114088062A (zh) 目标定位方法及装置、电子设备和存储介质
CN112906484A (zh) 一种视频帧处理方法及装置、电子设备和存储介质
CN113822798B (zh) 生成对抗网络训练方法及装置、电子设备和存储介质
CN113052874B (zh) 目标跟踪方法及装置、电子设备和存储介质
CN113379896A (zh) 三维重建方法及装置、电子设备和存储介质
CN114067085A (zh) 一种虚拟对象的显示方法及装置、电子设备和存储介质
CN112767541A (zh) 三维重建方法及装置、电子设备和存储介质
CN114445753A (zh) 人脸跟踪识别方法及装置、电子设备和存储介质
CN114565962A (zh) 人脸图像处理方法及装置、电子设备和存储介质
CN114550086A (zh) 一种人群定位方法及装置、电子设备和存储介质
CN114648649A (zh) 人脸匹配方法及装置、电子设备和存储介质
CN114519794A (zh) 特征点匹配方法及装置、电子设备和存储介质
CN114387622A (zh) 动物重识别方法及装置、电子设备和存储介质
CN114550261A (zh) 人脸识别方法及装置、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