CN115086538A - 一种拍摄位置确定方法、装置、设备及介质 - Google Patents
一种拍摄位置确定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115086538A CN115086538A CN202110276355.3A CN202110276355A CN115086538A CN 115086538 A CN115086538 A CN 115086538A CN 202110276355 A CN202110276355 A CN 202110276355A CN 115086538 A CN115086538 A CN 115086538A
- Authority
- CN
- China
- Prior art keywords
- target
- determining
- equation
- position information
- shooting position
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000006870 function Effects 0.000 claims description 44
- 230000003287 optical effect Effects 0.000 claims description 18
- 238000012512 characterization method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 abstract description 11
- 238000004422 calculation algorithm Methods 0.000 description 15
- 238000001514 detection method Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011478 gradient descent method Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本公开实施例涉及一种拍摄位置确定方法、装置、设备及介质，其中该方法包括：确定目标图像中目标区域的属性信息，其中，属性信息包括位置信息和尺寸信息，目标区域为目标图像中目标形状物体所在区域；根据目标区域的属性信息确定目标区域的第一方程；确定目标形状物体投影到目标图像中的投影区域的第二方程；根据第一方程和第二方程之间的误差确定目标拍摄位置信息。采用上述技术方案，通过图像中固定形状物体所在区域的位置和尺寸可以确定目标形状物体的实际投影方程，并根据目标形状物体的计算投影方程和实际投影方程之间的误差可以实现拍摄位置的确定，由于拍摄位置与误差相关，误差最小时拍摄位置较为精确，提高了拍摄位置确定的准确性。
Description
技术领域
本公开涉及图像处理技术领域，尤其涉及一种拍摄位置确定方法、装置、设备及介质。
背景技术
随着图像处理技术的不断发展，对图像处理的要求和需求日益增加。目前，基于图像确定拍摄位置时存在准确性较低的缺陷。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种拍摄位置确定方法、装置、设备及介质。
本公开实施例提供了一种拍摄位置确定方法，所述方法包括：
确定目标图像中目标区域的属性信息，其中，所述属性信息包括位置信息和尺寸信息，所述目标区域为所述目标图像中目标形状物体所在区域；
根据所述目标区域的属性信息确定所述目标区域的第一方程；
确定所述目标形状物体投影到所述目标图像中的投影区域的第二方程；
根据所述第一方程和所述第二方程之间的误差确定目标拍摄位置信息。
本公开实施例还提供了一种拍摄位置确定装置，所述装置包括：
属性模块，用于确定目标图像中目标区域的属性信息，其中，所述属性信息包括位置信息和尺寸信息，所述目标区域为所述目标图像中目标形状物体所在区域；
第一表征模块，用于根据所述目标区域的属性信息确定所述目标区域的第一方程；
第二表征模块，用于确定所述目标形状物体投影到所述目标图像中的投影区域的第二方程；
拍摄位置模块，用于根据所述第一方程和所述第二方程之间的误差确定目标拍摄位置信息。
本公开实施例还提供了一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现如本公开实施例提供的拍摄位置确定方法。
本公开实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行如本公开实施例提供的拍摄位置确定方法。
本公开实施例提供的技术方案与现有技术相比具有如下优点：本公开实施例提供的拍摄位置确定方案，确定目标图像中目标区域的属性信息，其中，属性信息包括位置信息和尺寸信息，目标区域为目标图像中目标形状物体所在区域；根据目标区域的属性信息确定目标区域的第一方程；确定目标形状物体投影到目标图像中的投影区域的第二方程；根据第一方程和第二方程之间的误差确定目标拍摄位置信息。采用上述技术方案，通过图像中固定形状物体所在区域的位置和尺寸可以确定目标形状物体的实际投影方程，并根据目标形状物体的计算投影方程和实际投影方程之间的误差可以实现拍摄位置的确定，由于拍摄位置与误差相关，误差最小时拍摄位置较为精确，进而提高了拍摄位置确定的准确性。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1为本公开实施例提供的一种拍摄位置确定方法的流程示意图；
图2为本公开实施例提供的另一种拍摄位置确定方法的流程示意图；
图3为本公开实施例提供的一种拍摄位置确定装置的结构示意图；
图4为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
图1为本公开实施例提供的一种拍摄位置确定方法的流程示意图，该方法可以由拍摄位置确定装置执行，其中该装置可以采用软件和/或硬件实现，一般可集成在电子设备中。如图1所示，该方法包括：
步骤101、确定目标图像中目标区域的属性信息，其中，属性信息包括位置信息和尺寸信息，目标区域为目标图像中目标形状物体所在区域。
其中，目标图像可以为任意一个由需要确定位置的拍摄装置拍摄得到的图像，可以为实时拍摄的图像，也可以为实时拍摄的视频中的任意一个图像帧，具体不限。本公开实施例中的拍摄装置可以为具有图像采集功能的设备，可以为单独的相机，也可以为终端设备上的拍摄模块，例如可以为手机上的相机。目标区域可以为目标图像中目标形状物体所在的区域，也即具有目标形状的区域，目标形状物体的形状是指能够采用一个方程表征的形状，例如目标形状可以包括椭圆形和圆形等，本公开实施例以目标形状物体为圆形物体，目标区域为椭圆形区域为例进行说明。
目标区域的属性信息包括位置和尺寸信息，位置信息是指能够表征目标区域在目标图像中的位置的信息，具体可以包括目标区域在目标图像中的顶点坐标、中心点坐标等信息。尺寸信息是指目标区域的大小信息。例如当目标区域为椭圆形区域时，属性信息可以包括椭圆形区域的中心点坐标以及长短轴尺寸等。
本公开实施例中，获取目标图像之后，可以采用任意一种检测方式确定目标图像中目标区域的属性信息，例如目标形状物体为圆形物体时，可以采用预设检测算法或特征点跟踪算法确定目标区域的位置信息。
步骤102、根据目标区域的属性信息确定目标区域的第一方程。
本公开实施例中，根据目标区域的属性信息确定目标区域的第一方程，包括：根据目标区域的尺寸信息和/或位置信息，确定表征目标区域的第一方程，其中，位置信息包括目标区域在目标图像中的顶点坐标、中心点坐标。其中，第一方程是指通过检测目标图像确定的用于表征目标区域的方程。
根据目标区域的形状所对应的二维方程，通过目标区域的尺寸信息计算上述二维方程中的系数，或者通过顶点坐标以及中心点坐标计算上述二维方程中的系数，得到表征目标区域的第一方程。示例性的，当目标区域为椭圆形区域时，尺寸信息可以为长短轴尺寸，根据长短轴尺寸可以直接确定椭圆形区域对应的椭圆方程为x^2/a^2+y^2/b^2＝1，其中a＝M/2，b＝N/2，M表征椭圆的长轴尺寸，N表示椭圆的短轴尺寸；或者，根据目标区域的顶点坐标和中心点坐标通过计算得到上述a和b，即可确定椭圆方程。
步骤103、确定目标形状物体投影到目标图像中的投影区域的第二方程。
其中，投影区域是通过计算得到的目标形状物体投影到目标图像中的区域，与目标区域相对应。第二方程是指通过投影计算得到的用于表征投影区域的方程。
本公开实施例中，确定目标形状物体投影到目标图像中的投影区域的第二表征信息，包括：对目标形状物体对应的边缘轮廓进行采样，得到初始特征点；基于相机投影模型将初始特征点投影到目标图像中，得到目标特征点；根据目标特征点进行拟合得到表征投影区域的第二方程。
目标形状物体的位置信息已知，目标形状物体的边缘轮廓的形状可以采用方程进行表示，因此可以根据该方程实现采样。通过对该目标形状物体的边缘轮廓进行均匀采样，可以得到初始特征点，初始特征点的坐标可以计算得到。初始特征点的数量可以根据实际情况确定，例如预设数量可以为5。例如圆形物体可以采用x^2+y^2＝1表示，可以在圆周上均匀采样，得到5个初始特征点。
相机投影模型可以为拍摄装置的小孔投影模型。相机投影模型的投影方程中目标图像中目标特征点的位置信息与初始特征点在世界坐标系下的位置信息、拍摄装置的内部参数、拍摄位置所在坐标系到世界坐标系的旋转矩阵、拍摄位置所在坐标系下世界坐标系的原点的位置信息相关，拍摄位置所在坐标系下世界坐标系的原点的位置信息与目标拍摄位置信息相关。相机投影模型的投影方程可以为p＝π[K(R12*W20+T]，其中，W20表示初始特征点在世界坐标系下的位置信息，p表示目标图像中目标特征点的位置信息，π表示设定系数，T为三维坐标，投影方程中等号右侧的值也为三维坐标，p为二维坐标，π可以为三维坐标中最后一维的值。K表示拍摄装置的内部参数，具体可以包括拍摄位置焦距、畸变参数等拍摄装置内部的一些参数，R12表示拍摄位置所在坐标系到世界坐标系的旋转矩阵，T＝-1*R12*W10，W10表示世界坐标系下的拍摄位置信息，T表示拍摄位置所在坐标系下世界坐标系的原点的位置信息。
将上述初始特征点的坐标输入投影方程中，可以确定各初始特征点投影到目标图像中的目标特征点的坐标；之后根据目标特征点的坐标采用拟合算法进行投影区域的拟合，可以得到表征投影区域的第二方程。第二方程与上述第一方程不同。例如，当目标区域为椭圆形区域时，投影区域也为椭圆形区域，则可以采用目标特征点的坐标进行椭圆拟合，得到表征投影区域的椭圆方程，也即第二方程。
步骤104、根据第一方程和第二方程之间的误差确定目标拍摄位置信息。
其中，拍摄位置信息可以为拍摄目标图像的拍摄装置所在的位置相对于世界坐标系的位置信息。
本公开实施例中，根据第一方程和第二方程之间的误差确定目标拍摄位置信息，包括：根据第一方程和第二方程构建表征误差的误差函数，其中，误差函数的变量为拍摄位置；根据误差函数确定误差的极小值，并将误差的极小值对应的拍摄位置确定为目标拍摄位置信息。
误差函数可以根据第一方程和第二方程进行构建，误差函数的变量为拍摄位置。示例性的，当目标区域为椭圆形区域时，假设通过投影计算得到的第二方程表示为a1x2+b1y2+c1xy+d1x+e1y+f1＝0，通过目标图像中目标区域的位置和尺寸确定的第一方程表示为a2x2+b2y2+c2xy+d2x+e2y+f2＝0，则误差函数可以表示为error＝|a1-a2|+|b1-b2|+|c1-c2|+|d1-d2|+|e1-e2|，其中error表示误差，第二方程中的系数a1、b1、c1、d1、e1和f1与拍摄位置有关，该误差函数的变量为拍摄位置。
可选的，根据误差函数确定误差的极小值，包括：采用梯度下降法沿梯度下降的方向对误差函数进行求解，确定误差的极小值。梯度下降法(gradient descent)是一个最优化算法，常用于机器学习和人工智能当中用来递归性地逼近最小偏差模型。可以理解的是上述梯度下降法仅仅是一个确定误差的极小值的示例，还可以采用其他方式确定。
具体可以采用梯度下降法沿梯度下降的方向求解误差的极小值，当误差在两次迭代之间的差值小于设定值时终止迭代，得到误差的极小值。之后，将误差的极小值输入上述误差函数中，计算得到的拍摄位置为目标拍摄位置信息。
本公开实施例提供的拍摄位置确定方案，确定目标图像中目标区域的属性信息，其中，属性信息包括位置信息和尺寸信息，目标区域为目标图像中目标形状物体所在区域；根据目标区域的属性信息确定目标区域的第一方程；确定目标形状物体投影到目标图像中的投影区域的第二方程；根据第一方程和第二方程之间的误差确定目标拍摄位置信息。采用上述技术方案，通过图像中固定形状物体所在区域的位置和尺寸可以确定目标形状物体的实际投影方程，并根据目标形状物体的计算投影方程和实际投影方程之间的误差可以实现拍摄位置的确定，由于拍摄位置与误差相关，误差最小时拍摄位置较为精确，进而提高了拍摄位置确定的准确性。
在一些实施例中，确定目标图像中目标区域的位置信息，包括：提取目标视频中的第一图像，并确定目标区域在第一图像中的第一位置信息；根据第一位置信息确定的初始特征点对目标图像进行光流跟踪，得到目标特征点；其中，目标图像为目标视频中第一图像的相邻视频帧；对目标特征点进行拟合，得到目标区域在目标图像中的位置信息。
其中，目标视频可以为包括目标图像的视频，可以为任意一个需要进行检测和跟踪的视频，可以为采用具有视频采集功能的设备拍摄得到的视频，也可以为从互联网或其他设备获取得到的视频，具体不限。目标图像可以为目标视频中的任意一个图像帧，第一图像可以为目标视频中与目标图像相邻的按照时间顺序的上一个图像帧。第一位置信息是指目标区域在第一图像中的位置信息，可以包括顶点坐标、中心点坐标等信息。
本公开实施例中，采用预设检测算法对第一图像进行目标区域的检测，确定目标区域在第一图像中的第一位置信息。上述预设检测算法可以为基于深度学习的检测算法或轮廓检测算法等，具体可以根据实际情况确定，例如目标区域为椭圆形区域时，预设检测算法可以为任意一种椭圆检测算法，采用椭圆检测算法对第一图像进行轮廓检测，然后对轮廓检测得到的椭圆轮廓进行拟合，得到目标区域在第一图像中的第一位置信息。
根据第一位置信息确定初始特征点，包括：根据第一位置信息对第一图像中的目标区域的边缘轮廓进行采样，确定初始特征点。可选的，根据第一位置信息对第一图像中的目标区域的边缘轮廓进行采样，确定初始特征点，包括：当目标区域为椭圆形区域，根据第一位置信息将目标区域在极坐标下进行表示得到椭圆轮廓；其中，第一位置信息包括目标区域在第一图像中的顶点坐标和/或中心点坐标；按照预设极角间隔在椭圆轮廓中进行采样，得到初始特征点。
之后对上述采样得到的初始特征点采用光流跟踪算法进行跟踪，保留跟踪成功的特征点为目标特征点，剔除跟踪失败的特征点。对目标特征点进行拟合，得到目标区域在目标图像中的位置信息。
在一些实施例中，对目标特征点进行拟合，得到目标区域在目标图像中的位置信息，包括：如果目标特征点在目标区域的边缘轮廓上的覆盖范围大于或等于预设范围，则对目标特征点进行拟合，得到目标区域在目标图像中的位置信息。其中，预设范围是指预先设置的满足目标区域形状的范围，具体可以根据实际情况设置，例如预设范围可以为边缘轮廓的整个范围的3/4。具体的，确定目标特征点之后，可以判断目标点在目标区域的边缘轮廓上的覆盖范围是否大于或等于预设范围，若是，则采用拟合算法对目标特征点进行拟合，得到目标区域在在目标图像中的位置信息。如果目标特征点在目标区域的边缘轮廓上的覆盖范围小于预设范围，则可以直接采用预设检测算法对目标图像进行检测，确定目标区域在目标图像中的位置信息。
在一些实施例中，在确定目标区域在第一图像中的第一位置信息之后，还包括：确定目标图像相对于第一图像的变化参数；根据第一位置信息确定的初始特征点对目标图像进行光流跟踪，得到目标特征点，包括：如果基于变化参数确定目标不满足复用条件，则执行根据第一位置信息确定的初始特征点对目标图像进行光流跟踪，得到目标特征点。
其中，变换参数是指表征目标图像相对于第一图像的变化情况的参数。可选的，确定目标图像相对于第一图像的变化参数，可以包括：提取第一图像中的第一特征点；根据第一特征点对目标图像进行光流跟踪，确定第二特征点，将第二特征点与第一特征点之间的移动距离确定为变化参数。第一特征点可以为采用FAST角点检测算法对第一图像检测得到的角点。复用条件是指目标图像对目标区域的位置确定能否复用第一图像的具体判断条件。其中，变化阈值是指预先设置的阈值，可以根据实际情况设置，例如通过为目标图像中特征点相对于第一视频中对应的特征点的移动信息表征变化参数时，变换阈值可以为距离阈值设置为0.8。
具体的，确定目标图像相对于第一图像的变化参数之后，可以将变化参数与变化阈值进行比对，如果确定变化参数大于变化阈值，则可以确定目标图像不满足复用条件，需要重新跟踪，执行根据第一位置信息确定的初始特征点对目标图像进行光流跟踪，得到目标特征点；否则确定目标图像满足复用条件，则将第一位置信息确定为目标区域在目标图像中的位置信息。
在上述方案中，在对视频的一个图像帧的目标区域检测的基础上，通过特征点跟踪和拟合即可实现更加准确地确定目标图像中目标区域的位置，提升了对目标图像中目标区域位置确定的计算效率。并且，通过对相邻两个视频帧增加复用条件的判断，当视频中相邻两个视频帧的变化较大时，采用上述特征点跟踪和拟合实现目标区域的位置的确定；当视频中相邻两个视频帧的变化或差异较小时，则说明两个视频帧相似性较高，此时下一个视频帧可以直接复用上一个视频帧的目标区域的位置信息，不用重新进行检测，节省了工作量，提高了计算效率。
图2为本公开实施例提供的另一种拍摄位置确定方法的流程示意图本实施例在上述实施例的基础上，进一步优化了上述拍摄位置确定方法。如图2所示，该方法包括：
步骤201、确定目标图像中目标区域的属性信息。
其中，属性信息包括位置信息和尺寸信息，目标区域为目标图像中目标形状物体所在区域。
可选的，确定目标图像中目标区域的位置信息，包括：提取目标视频中的第一图像，并确定目标区域在第一图像中的第一位置信息；根据第一位置信息确定的初始特征点对目标图像进行光流跟踪，得到目标特征点；其中，目标图像为目标视频中第一图像的相邻视频帧；对目标特征点进行拟合，得到目标区域在目标图像中的位置信息。
步骤202、根据目标区域的尺寸信息和/或位置信息，确定表征目标区域的第一方程。
其中，位置信息包括目标区域在目标图像中的顶点坐标、中心点坐标。
步骤203、对目标形状物体对应的边缘轮廓进行采样，得到初始特征点。
步骤204、基于相机投影模型将初始特征点投影到目标图像中，得到目标特征点。
其中，相机投影模型的投影方程中目标图像中目标特征点的位置信息与初始特征点在世界坐标系下的位置信息、拍摄装置的内部参数、拍摄位置所在坐标系到世界坐标系的旋转矩阵、拍摄位置所在坐标系下世界坐标系的原点的位置信息相关，拍摄位置所在坐标系下世界坐标系的原点的位置信息与目标拍摄位置信息相关。
步骤205、根据目标特征点进行拟合得到表征投影区域的第二方程。
步骤206、根据第一方程和第二方程构建表征误差的误差函数。
其中，误差函数的变量为拍摄位置。
步骤207、根据误差函数确定误差的极小值，并将误差的极小值对应的拍摄位置确定为目标拍摄位置信息。
可选的，根据误差函数确定误差的极小值，包括：采用梯度下降法沿梯度下降的方向对误差函数进行求解，确定误差的极小值。
本公开实施例中，可以构建通过图像检测确定的实际投影区域对应的方程和空间中物体在图像上的计算投影区域对应的方程之间的误差函数，并根据误差函数优化其变量也即拍摄位置，当误差为极小时，确定的拍摄位置的精确度大大提高。
本公开实施例提供的拍摄位置确定方案，确定目标图像中目标区域的属性信息，其中，属性信息包括位置信息和尺寸信息，目标区域为目标图像中目标形状物体所在区域；根据目标区域的属性信息确定目标区域的第一方程；确定目标形状物体投影到目标图像中的投影区域的第二方程；根据第一方程和第二方程之间的误差确定目标拍摄位置信息。采用上述技术方案，通过图像中固定形状物体所在区域的位置和尺寸可以确定目标形状物体的实际投影方程，并根据目标形状物体的计算投影方程和实际投影方程之间的误差可以实现拍摄位置的确定，由于拍摄位置与误差相关，误差最小时拍摄位置较为精确，提高了拍摄位置确定的准确性。
图3为本公开实施例提供的一种拍摄位置确定装置的结构示意图，该装置可由软件和/或硬件实现，一般可集成在电子设备中。如图3所示，该装置包括：
属性模块301，用于确定目标图像中目标区域的属性信息，其中，所述属性信息包括位置信息和尺寸信息，所述目标区域为所述目标图像中目标形状物体所在区域；
第一表征模块302，用于根据所述目标区域的属性信息确定所述目标区域的第一方程；
第二表征模块303，用于确定所述目标形状物体投影到所述目标图像中的投影区域的第二方程；
拍摄位置模块304，用于根据所述第一方程和所述第二方程之间的误差确定目标拍摄位置信息。
可选的，所述第一表征模块302具体用于：
根据所述目标区域的尺寸信息和/或所述位置信息，确定表征所述目标区域的第一方程，其中，所述位置信息包括所述目标区域在所述目标图像中的顶点坐标、中心点坐标。
可选的，所述第二表征模块303具体用于：
对所述目标形状物体对应的边缘轮廓进行采样，得到初始特征点；
基于相机投影模型将所述初始特征点投影到所述目标图像中，得到目标特征点；
根据所述目标特征点进行拟合得到表征所述投影区域的第二方程。
可选的，所述相机投影模型的投影方程中所述目标图像中所述目标特征点的位置信息与所述初始特征点在世界坐标系下的位置信息、拍摄装置的内部参数、拍摄位置所在坐标系到所述世界坐标系的旋转矩阵、所述拍摄位置所在坐标系下所述世界坐标系的原点的位置信息相关，所述拍摄位置所在坐标系下所述世界坐标系的原点的位置信息与所述目标拍摄位置信息相关。
可选的，所述拍摄位置模块304具体用于：
根据所述第一方程和所述第二方程构建表征误差的误差函数，其中，所述误差函数的变量为拍摄位置；
根据所述误差函数确定所述误差的极小值，并将所述误差的极小值对应的拍摄位置确定为所述目标拍摄位置信息。
可选的，所述拍摄位置模块304具体用于：
采用梯度下降法沿梯度下降的方向对所述误差函数进行求解，确定所述误差的极小值。
可选的，所述属性模块301具体用于：
提取目标视频中的第一图像，并确定目标区域在所述第一图像中的第一位置信息；
根据所述第一位置信息确定的初始特征点对所述目标图像进行光流跟踪，得到目标特征点；其中，所述目标图像为所述目标视频中所述第一图像的相邻视频帧；
对所述目标特征点进行拟合，得到所述目标区域在所述目标图像中的位置信息。
本公开实施例所提供的拍摄位置确定装置可执行本公开任意实施例所提供的拍摄位置确定方法，具备执行方法相应的功能模块和有益效果。
本公开实施例还提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现本公开任意实施例所提供的拍摄位置确定方法。
图4为本公开实施例提供的一种电子设备的结构示意图。，下面具体参考图4，其示出了适于用来实现本公开实施例中的电子设备400的结构示意图。本公开实施例中的电子设备400可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开实施例的拍摄位置确定方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：确定目标图像中目标区域的属性信息，其中，所述属性信息包括位置信息和尺寸信息，所述目标区域为所述目标图像中目标形状物体所在区域；根据所述目标区域的属性信息确定所述目标区域的第一表征信息；确定所述目标形状物体投影到所述目标图像中的投影区域的第二表征信息；根据所述第一表征信息和所述第二表征信息之间的误差确定相机的目标位置信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码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)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、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、或代码的一部分，该模块、程序段、或代码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。也应当注意，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，两个接连地表示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操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。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
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。
根据本公开的一个或多个实施例，本公开提供了一种拍摄位置确定方法，包括：
确定目标图像中目标区域的属性信息，其中，所述属性信息包括位置信息和尺寸信息，所述目标区域为所述目标图像中目标形状物体所在区域；
根据所述目标区域的属性信息确定所述目标区域的第一方程；
确定所述目标形状物体投影到所述目标图像中的投影区域的第二方程；
根据所述第一方程和所述第二方程之间的误差确定目标拍摄位置信息。
根据本公开的一个或多个实施例，本公开提供的拍摄位置确定方法中，根据所述目标区域的属性信息确定所述目标区域的第一方程，包括：
根据所述目标区域的尺寸信息和/或所述位置信息，确定表征所述目标区域的第一方程，其中，所述位置信息包括所述目标区域在所述目标图像中的顶点坐标、中心点坐标。
根据本公开的一个或多个实施例，本公开提供的拍摄位置确定方法中，确定所述目标形状物体投影到所述目标图像中的投影区域的第二方程，包括：
对所述目标形状物体对应的边缘轮廓进行采样，得到初始特征点；
基于相机投影模型将所述初始特征点投影到所述目标图像中，得到目标特征点；
根据所述目标特征点进行拟合得到表征所述投影区域的第二方程。
根据本公开的一个或多个实施例，本公开提供的拍摄位置确定方法中，所述相机投影模型的投影方程中所述目标图像中所述目标特征点的位置信息与所述初始特征点在世界坐标系下的位置信息、拍摄装置的内部参数、拍摄位置所在坐标系到所述世界坐标系的旋转矩阵、所述拍摄位置所在坐标系下所述世界坐标系的原点的位置信息相关，所述拍摄位置所在坐标系下所述世界坐标系的原点的位置信息与所述目标拍摄位置信息相关。
根据本公开的一个或多个实施例，本公开提供的拍摄位置确定方法中，根据所述第一方程和所述第二方程之间的误差确定目标拍摄位置信息，包括：
根据所述第一方程和所述第二方程构建表征误差的误差函数，其中，所述误差函数的变量为拍摄位置；
根据所述误差函数确定所述误差的极小值，并将所述误差的极小值对应的拍摄位置确定为所述目标拍摄位置信息。
根据本公开的一个或多个实施例，本公开提供的拍摄位置确定方法中，根据所述误差函数确定误差的极小值，包括：
采用梯度下降法沿梯度下降的方向对所述误差函数进行求解，确定所述误差的极小值。
根据本公开的一个或多个实施例，本公开提供的拍摄位置确定方法中，确定目标图像中目标区域的位置信息，包括：
提取目标视频中的第一图像，并确定目标区域在所述第一图像中的第一位置信息；
根据所述第一位置信息确定的初始特征点对所述目标图像进行光流跟踪，得到目标特征点；其中，所述目标图像为所述目标视频中所述第一图像的相邻视频帧；
对所述目标特征点进行拟合，得到所述目标区域在所述目标图像中的位置信息。
根据本公开的一个或多个实施例，本公开提供了一种拍摄位置确定装置，包括：
属性模块，用于确定目标图像中目标区域的属性信息，其中，所述属性信息包括位置信息和尺寸信息，所述目标区域为所述目标图像中目标形状物体所在区域；
第一表征模块，用于根据所述目标区域的属性信息确定所述目标区域的第一方程；
第二表征模块，用于确定所述目标形状物体投影到所述目标图像中的投影区域的第二方程；
拍摄位置模块，用于根据所述第一方程和所述第二方程之间的误差确定目标拍摄位置信息。
根据本公开的一个或多个实施例，本公开提供的拍摄位置确定装置中，所述第一表征模块具体用于：
根据所述目标区域的尺寸信息和/或所述位置信息，确定表征所述目标区域的第一方程，其中，所述位置信息包括所述目标区域在所述目标图像中的顶点坐标、中心点坐标。
根据本公开的一个或多个实施例，本公开提供的拍摄位置确定装置中，所述第二表征模块具体用于：
对所述目标形状物体对应的边缘轮廓进行采样，得到初始特征点；
基于相机投影模型将所述初始特征点投影到所述目标图像中，得到目标特征点；
根据所述目标特征点进行拟合得到表征所述投影区域的第二方程。
根据本公开的一个或多个实施例，本公开提供的拍摄位置确定装置中，所述相机投影模型的投影方程中所述目标图像中所述目标特征点的位置信息与所述初始特征点在世界坐标系下的位置信息、拍摄装置的内部参数、拍摄位置所在坐标系到所述世界坐标系的旋转矩阵、所述拍摄位置所在坐标系下所述世界坐标系的原点的位置信息相关，所述拍摄位置所在坐标系下所述世界坐标系的原点的位置信息与所述目标拍摄位置信息相关。
根据本公开的一个或多个实施例，本公开提供的拍摄位置确定装置中，所述拍摄位置模块具体用于：
根据所述第一方程和所述第二方程构建表征误差的误差函数，其中，所述误差函数的变量为拍摄位置；
根据所述误差函数确定所述误差的极小值，并将所述误差的极小值对应的拍摄位置确定为所述目标拍摄位置信息。
根据本公开的一个或多个实施例，本公开提供的拍摄位置确定装置中，所述拍摄位置模块具体用于：
采用梯度下降法沿梯度下降的方向对所述误差函数进行求解，确定所述误差的极小值。
根据本公开的一个或多个实施例，本公开提供的拍摄位置确定装置中，所述属性模块具体用于：
提取目标视频中的第一图像，并确定目标区域在所述第一图像中的第一位置信息；
根据所述第一位置信息确定的初始特征点对所述目标图像进行光流跟踪，得到目标特征点；其中，所述目标图像为所述目标视频中所述第一图像的相邻视频帧；
对所述目标特征点进行拟合，得到所述目标区域在所述目标图像中的位置信息。
根据本公开的一个或多个实施例，本公开提供了一种电子设备，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现如本公开提供的任一所述的拍摄位置确定方法。
根据本公开的一个或多个实施例，本公开提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行如本公开提供的任一所述的拍摄位置确定方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (10)
1.一种拍摄位置确定方法，其特征在于，包括：
确定目标图像中目标区域的属性信息，其中，所述属性信息包括位置信息和尺寸信息，所述目标区域为所述目标图像中目标形状物体所在区域；
根据所述目标区域的属性信息确定所述目标区域的第一方程；
确定所述目标形状物体投影到所述目标图像中的投影区域的第二方程；
根据所述第一方程和所述第二方程之间的误差确定目标拍摄位置信息。
2.根据权利要求1所述的方法，其特征在于，根据所述目标区域的属性信息确定所述目标区域的第一方程，包括：
根据所述目标区域的尺寸信息和/或所述位置信息，确定表征所述目标区域的第一方程，其中，所述位置信息包括所述目标区域在所述目标图像中的顶点坐标、中心点坐标。
3.根据权利要求1所述的方法，其特征在于，确定所述目标形状物体投影到所述目标图像中的投影区域的第二方程，包括：
对所述目标形状物体对应的边缘轮廓进行采样，得到初始特征点；
基于相机投影模型将所述初始特征点投影到所述目标图像中，得到目标特征点；
根据所述目标特征点进行拟合得到表征所述投影区域的第二方程。
4.根据权利要求3所述的方法，其特征在于，所述相机投影模型的投影方程中所述目标图像中所述目标特征点的位置信息与所述初始特征点在世界坐标系下的位置信息、拍摄装置的内部参数、拍摄位置所在坐标系到所述世界坐标系的旋转矩阵、所述拍摄位置所在坐标系下所述世界坐标系的原点的位置信息相关，所述拍摄位置所在坐标系下所述世界坐标系的原点的位置信息与所述目标拍摄位置信息相关。
5.根据权利要求1所述的方法，其特征在于，根据所述第一方程和所述第二方程之间的误差确定目标拍摄位置信息，包括：
根据所述第一方程和所述第二方程构建表征误差的误差函数，其中，所述误差函数的变量为拍摄位置；
根据所述误差函数确定所述误差的极小值，并将所述误差的极小值对应的拍摄位置确定为所述目标拍摄位置信息。
6.根据权利要求5所述的方法，其特征在于，根据所述误差函数确定误差的极小值，包括：
采用梯度下降法沿梯度下降的方向对所述误差函数进行求解，确定所述误差的极小值。
7.根据权利要求1所述的方法，其特征在于，确定目标图像中目标区域的位置信息，包括：
提取目标视频中的第一图像，并确定目标区域在所述第一图像中的第一位置信息；
根据所述第一位置信息确定的初始特征点对所述目标图像进行光流跟踪，得到目标特征点；其中，所述目标图像为所述目标视频中所述第一图像的相邻视频帧；
对所述目标特征点进行拟合，得到所述目标区域在所述目标图像中的位置信息。
8.一种拍摄位置确定装置，其特征在于，包括：
属性模块，用于确定目标图像中目标区域的属性信息，其中，所述属性信息包括位置信息和尺寸信息，所述目标区域为所述目标图像中目标形状物体所在区域；
第一表征模块，用于根据所述目标区域的属性信息确定所述目标区域的第一方程；
第二表征模块，用于确定所述目标形状物体投影到所述目标图像中的投影区域的第二方程；
拍摄位置模块，用于根据所述第一方程和所述第二方程之间的误差确定目标拍摄位置信息。
9.一种电子设备，其特征在于，所述电子设备包括：
处理器；
用于存储所述处理器可执行指令的存储器；
所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述权利要求1-7中任一所述的拍摄位置确定方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-7中任一所述的拍摄位置确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110276355.3A CN115086538B (zh) | 2021-03-15 | 2021-03-15 | 一种拍摄位置确定方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110276355.3A CN115086538B (zh) | 2021-03-15 | 2021-03-15 | 一种拍摄位置确定方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115086538A true CN115086538A (zh) | 2022-09-20 |
| CN115086538B CN115086538B (zh) | 2024-03-15 |
Family
ID=83240995
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110276355.3A Active CN115086538B (zh) | 2021-03-15 | 2021-03-15 | 一种拍摄位置确定方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115086538B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116740982A (zh) * | 2023-08-15 | 2023-09-12 | 禾多科技（北京）有限公司 | 目标车位的确定方法、装置、存储介质及电子装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104717481A (zh) * | 2013-12-13 | 2015-06-17 | 松下知识产权经营株式会社 | 摄像装置、图像处理装置、摄像方法 |
| JP2015206654A (ja) * | 2014-04-18 | 2015-11-19 | キヤノン株式会社 | 情報処理装置、情報処理方法、プログラム |
| CN106204625A (zh) * | 2016-07-27 | 2016-12-07 | 大连理工大学 | 一种可变焦距柔性化位姿视觉测量方法 |
| CN107728617A (zh) * | 2017-09-27 | 2018-02-23 | 速感科技（北京）有限公司 | 多目在线标定方法、可移动机器人及系统 |
| US20190188902A1 (en) * | 2017-12-19 | 2019-06-20 | Sony Interactive Entertainment Inc. | Determining pixel values using reference images |
| CN110555880A (zh) * | 2019-08-26 | 2019-12-10 | 桂林电子科技大学 | 一种焦距未知的p6p相机位姿估计方法 |
| CN111311681A (zh) * | 2020-02-14 | 2020-06-19 | 北京云迹科技有限公司 | 视觉定位方法、装置、机器人及计算机可读存储介质 |
| CN112422829A (zh) * | 2020-11-19 | 2021-02-26 | 北京字节跳动网络技术有限公司 | 辅助拍摄图像的方法、装置、终端和存储介质 |
-
2021
- 2021-03-15 CN CN202110276355.3A patent/CN115086538B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104717481A (zh) * | 2013-12-13 | 2015-06-17 | 松下知识产权经营株式会社 | 摄像装置、图像处理装置、摄像方法 |
| JP2015206654A (ja) * | 2014-04-18 | 2015-11-19 | キヤノン株式会社 | 情報処理装置、情報処理方法、プログラム |
| CN106204625A (zh) * | 2016-07-27 | 2016-12-07 | 大连理工大学 | 一种可变焦距柔性化位姿视觉测量方法 |
| CN107728617A (zh) * | 2017-09-27 | 2018-02-23 | 速感科技（北京）有限公司 | 多目在线标定方法、可移动机器人及系统 |
| US20190188902A1 (en) * | 2017-12-19 | 2019-06-20 | Sony Interactive Entertainment Inc. | Determining pixel values using reference images |
| CN110555880A (zh) * | 2019-08-26 | 2019-12-10 | 桂林电子科技大学 | 一种焦距未知的p6p相机位姿估计方法 |
| CN111311681A (zh) * | 2020-02-14 | 2020-06-19 | 北京云迹科技有限公司 | 视觉定位方法、装置、机器人及计算机可读存储介质 |
| CN112422829A (zh) * | 2020-11-19 | 2021-02-26 | 北京字节跳动网络技术有限公司 | 辅助拍摄图像的方法、装置、终端和存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116740982A (zh) * | 2023-08-15 | 2023-09-12 | 禾多科技（北京）有限公司 | 目标车位的确定方法、装置、存储介质及电子装置 |
| CN116740982B (zh) * | 2023-08-15 | 2023-12-01 | 禾多科技（北京）有限公司 | 目标车位的确定方法、装置、存储介质及电子装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115086538B (zh) | 2024-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111127563A (zh) | 联合标定方法、装置、电子设备及存储介质 | |
| CN111783626A (zh) | 图像识别方法、装置、电子设备及存储介质 | |
| CN111402122A (zh) | 图像的贴图处理方法、装置、可读介质和电子设备 | |
| CN114993328B (zh) | 车辆定位评估方法、装置、设备和计算机可读介质 | |
| CN112330788A (zh) | 图像处理方法、装置、可读介质及电子设备 | |
| CN112907628A (zh) | 视频目标追踪方法、装置、存储介质及电子设备 | |
| CN115115593A (zh) | 一种扫描处理方法、装置、电子设备及存储介质 | |
| CN112818898B (zh) | 模型训练方法、装置和电子设备 | |
| CN115086538B (zh) | 一种拍摄位置确定方法、装置、设备及介质 | |
| CN111862351B (zh) | 定位模型优化方法、定位方法和定位设备 | |
| CN111586295B (zh) | 图像生成方法、装置和电子设备 | |
| CN115086541B (zh) | 一种拍摄位置确定方法、装置、设备及介质 | |
| CN110717467A (zh) | 头部姿势的估计方法、装置、设备及存储介质 | |
| CN115082516A (zh) | 一种目标跟踪方法、装置、设备及介质 | |
| CN113808134B (zh) | 油罐布局信息生成方法、装置、电子设备、介质 | |
| CN110348374B (zh) | 车辆检测方法、装置、电子设备及存储介质 | |
| CN113034570A (zh) | 图像处理方法、装置和电子设备 | |
| CN112037280A (zh) | 物体距离测量方法及装置 | |
| CN112418233A (zh) | 图像处理方法、装置、可读介质及电子设备 | |
| CN111768443A (zh) | 基于移动摄像头的图像处理方法和装置 | |
| CN115082515A (zh) | 一种目标跟踪方法、装置、设备及介质 | |
| CN112818748B (zh) | 确定视频中的平面的方法和装置、存储介质和电子设备 | |
| CN114359673B (zh) | 基于度量学习的小样本烟雾检测方法、装置和设备 | |
| CN113808050B (zh) | 3d点云的去噪方法、装置、设备及存储介质 | |
| US20240005552A1 (en) | Target tracking method and apparatus, device, and medium |
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 |