CN115205383A - 相机位姿的确定方法、装置、电子设备及存储介质 - Google Patents
相机位姿的确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115205383A CN115205383A CN202210689999.XA CN202210689999A CN115205383A CN 115205383 A CN115205383 A CN 115205383A CN 202210689999 A CN202210689999 A CN 202210689999A CN 115205383 A CN115205383 A CN 115205383A
- Authority
- CN
- China
- Prior art keywords
- camera
- map
- determining
- pose
- virtual camera
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000000007 visual effect Effects 0.000 claims abstract description 34
- 238000003384 imaging method Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims description 20
- 230000003287 optical effect Effects 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000010845 search algorithm Methods 0.000 claims description 4
- 230000001629 suppression Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 229920001651 Cyanoacrylate Polymers 0.000 description 2
- 239000004830 Super Glue Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Studio Devices (AREA)
Abstract
本申请适用于图像处理领域,提供了相机位姿的确定方法、装置、电子设备及存储介质。相机位姿的确定方法包括:确定虚拟相机的视野范围内的地图点,地图点是三维地图中的地图点,虚拟相机与待确定位姿的目标相机的内参和外参相同;根据内参以及外参,将地图点投影在虚拟相机的成像平面上,得到第一特征点;确定目标相机拍摄得到的图像上与第一特征点匹配的第二特征点;根据地图点在世界坐标系下的坐标以及对应的第二特征点在目标相机拍摄得到的图像中的坐标,确定目标相机的位姿。由于目标相机拍摄得到的图像与多帧地图信息相对应,也即一次匹配可以用到多帧地图信息,因此提高了第二特征点与地图点的匹配效率,进而提高了相机位姿的计算效率。
Description
技术领域
本申请属于图像处理领域,尤其涉及相机位姿的确定方法、装置、电子设备及存储介质。
背景技术
为了确定相机的位姿,需要将相机拍摄得到的图像与三维地图中的地图点进行匹配。现有的匹配方法是将待匹配图像与地图库中搜索到的多帧地图信息进行匹配,以获得图像中的多个特征点与地图点的对应关系。但是进行多帧匹配会导致匹配效率低,进而影响相机位姿的计算效率。
发明内容
有鉴于此,本申请实施例提供了相机位姿的确定方法、装置、电子设备及存储介质,用以解决现有的多帧匹配方法中匹配效率低的问题。
本申请实施例的第一方面提供了一种相机位姿的确定方法,包括:
确定虚拟相机的视野范围内的地图点,所述地图点是三维地图中的地图点,所述虚拟相机与待确定位姿的目标相机的内参和外参相同;
根据所述内参以及所述外参,将所述地图点投影在所述虚拟相机的成像平面上,得到第一特征点;
确定所述目标相机拍摄得到的图像上与所述第一特征点匹配的第二特征点;
根据所述地图点在世界坐标系下的坐标以及对应的所述第二特征点在所述目标相机拍摄得到的图像中的坐标,确定所述目标相机的位姿。
在一种可能的实现方式中,所述确定虚拟相机的视野范围内的地图点,包括:
获取虚拟相机的预设位姿;
根据所述预设位姿以及所述虚拟相机的视场角,确定所述虚拟相机视野范围内的栅格,一个栅格对应所述三维地图中的一个区域;
将位于所述虚拟相机视野范围内的栅格中的地图点,作为所述虚拟相机的视野范围内的地图点。
在一种可能的实现方式中,所述栅格是在预设平面上的二维栅格,所述三维地图中的地图点所在的栅格由所述三维地图中的地图点在所述预设平面上的坐标确定,所述根据所述预设位姿以及所述虚拟相机的视场角,确定所述虚拟相机视野范围内的栅格,包括:
将所述预设位姿投影到所述预设平面,得到光心位置和前视方向;
根据所述光心位置、所述前视方向以及所述虚拟相机的视场角,确定所述虚拟相机视野范围内的栅格。
在一种可能的实现方式中,所述确定所述虚拟相机视野范围内的栅格,包括:
采用哈希搜索算法确定所述虚拟相机视野范围内的栅格。
在一种可能的实现方式中,所述预设位姿是所述目标相机上一时刻的位姿。
在一种可能的实现方式中,所述确定所述目标相机拍摄得到的图像上与所述第一特征点匹配的第二特征点,包括:
根据所述第一特征点生成虚拟关键帧;
确定所述虚拟关键帧与所述目标相机拍摄得到的图像的匹配关系;
根据所述匹配关系确定与所述第一特征点匹配的第二特征点。
在一种可能的实现方式中,所述根据所述内参以及所述外参,将所述地图点投影在所述虚拟相机的成像平面上,包括:
采用非极大值抑制算法从所述地图点确定目标地图点;
根据所述内参以及所述外参,将所述目标地图点投影在所述虚拟相机的成像平面上。
本申请实施例的第二方面提供了一种相机位姿的确定装置,包括:
确定模块,用于确定虚拟相机的视野范围内的地图点,所述地图点是三维地图中的地图点,所述虚拟相机与待确定位姿的目标相机的内参和外参相同;
投影模块,用于根据所述内参以及所述外参,将所述地图点投影在所述虚拟相机的成像平面上,得到第一特征点;
匹配模块,用于确定所述目标相机拍摄得到的图像上与所述第一特征点匹配的第二特征点;
计算模块,用于根据所述地图点在世界坐标系下的坐标以及对应的所述第二特征点在所述目标相机拍摄得到的图像中的坐标,确定所述目标相机的位姿。
本申请实施例的第三方面提供了一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的相机位姿的确定方法。
本申请实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的相机位姿的确定方法。
本申请实施例的第五方面提供了一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行上述第一方面中任一项所述的相机位姿的确定方法。
本申请实施例与现有技术相比存在的有益效果是:通过确定虚拟相机的视野范围内的地图点,根据虚拟相机的内参和外参,将地图点投影在虚拟相机的成像平面上,得到第一特征点,再确定目标相机拍摄得到的图像上与第一特征点匹配的第二特征点,最后根据地图点的坐标和对应的第二特征点的坐标确定目标相机的位姿。由于一个第一特征点由一个地图点生成,而第二特征点与第一特征点匹配,因此,多个第二特征点所在的目标相机拍摄得到的图像与多帧地图信息相对应,也即一次匹配可以用到多帧地图信息,提高了第二特征点与地图点的匹配效率,进而提高了相机位姿的计算效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1是本申请一实施例提供的相机位姿的确定方法的实现流程示意图;
图2是本申请实施例提供的相机位姿的确定装置示意图;
图3是本申请实施例提供的电子设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
另外,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
现有技术中,一般是通过多帧匹配的方法对相机拍摄得到的图像与三维地图中的地图点进行匹配,进而确定相机位姿。但是多帧匹配会导致匹配效率低,进而影响相机位姿的计算效率。
为此,本申请提供一种相机位姿的确定方法,先将地图点投影在虚拟相机的成像平面上,得到第一特征点,再确定目标相机拍摄得到的图像上与第一特征点匹配的第二特征点,最后根据地图点的坐标和对应的第二特征点的坐标确定目标相机的位姿。由于一个第一特征点由一个地图点生成,而第二特征点与第一特征点匹配,因此,多个第二特征点所在的目标相机拍摄得到的图像与多帧地图信息相对应,也即一次匹配可以用到多帧地图信息,提高了第二特征点与地图点的匹配效率,进而提高了相机位姿的计算效率。
下面对本申请提供的相机位姿的确定方法进行示例性说明。
请参阅附图1,本申请一实施例提供的相机位姿的确定方法包括:
S101:确定虚拟相机的视野范围内的地图点,所述地图点是三维地图中的地图点,所述虚拟相机与待确定位姿的目标相机的内参和外参相同。
其中,虚拟相机的视野范围内的地图点由虚拟相机的预设位姿以及虚拟相机的视场角确定,虚拟相机的视场角与目标相机的视场角相同。虚拟相机的位姿是与目标相机的位姿接近的位姿,以确保虚拟相机的视野范围内的地图点与目标相机的视野范围内的地图点存在交集,用于后续地图点与特征点的匹配。
在一实施例中,虚拟相机的预设位姿是目标相机上一时刻的位姿,从而可以确定虚拟相机的预设位姿与目标相机的位姿接近,且提高计算速度。其中,目标相机根据预先设定的时间间隔在每个时刻确定一次位姿。在另一实施例中,也可以先确定目标相机的初始位姿或者上一时刻的位姿,根据目标相机的运动速度和方向计算出目标相机当前的理论位姿,将该理论位姿作为虚拟相机的预设位姿。也可以将安装于目标相机上的重力传感器检测到的位姿作为虚拟相机的预设位姿。
在一实施例中,首先在空间建立坐标系,对应得到三维地图,或者直接导入预先建立的三维地图。三维地图可以是稀疏三维点云地图,以便于确定三维地图中的地图点。在确定三维地图后,将三维地图所在的空间划分为多个栅格,一个栅格对应空间中的一个区域,一个区域内有多个地图点,即一个栅格内有多个地图点。各栅格的尺寸可以相同,也可以不同。确定虚拟相机的预设位姿后,根据预设位姿以及虚拟相机的视场角,确定虚拟相机视野范围内的栅格,将位于虚拟相机视野范围内的栅格中的地图点作为虚拟相机视野范围内的地图点,通过栅格对地图点进行分类,在后续提取地图点时可以以栅格作为索引直接提取栅格内的地图点,从而提高了提取地图点的效率。
在一实施例中,栅格是预设平面上的二维栅格,三维地图中的地图点所在的栅格由三维地图中的地图点在预设平面上的坐标确定。预设平面可以是地面、平行于地面的平面或者垂直于地面的平面等。以预设平面是地面为例,设定三维地图中,坐标原点为o,xoy平面为地面,oz是垂直于地面的坐标轴。设定栅格尺寸,根据栅格尺寸确定每个栅格在地面上的区域。例如,设定栅格尺寸为3*3,从坐标原点o开始,根据栅格尺寸将地面划分为依次相邻的栅格。确定地图点的x坐标和y坐标,根据x坐标和y坐标即可确定该地图点对应的地面上的栅格,进而确定出地图点所在的栅格。
确定地图点所在的栅格后,将预设位姿投影到预设平面,得到虚拟相机的光心位置和前视方向。其中,相机位姿包括平移分量和旋转分量,平移分量表示相机在三维地图中的位置,旋转分量表示相机相对于参考位置的转动方向。将平移分量投影到预设平面,得到光心位置。例如,预设平面是地面,将平移分量的z轴坐标取0,即可得到光心位置。将旋转分量投影到预设平面,得到前视方向。根据光心位置、前视方向以及虚拟相机的视场角,即可确定虚拟相机视野范围内的栅格。示例性地,可以采用哈希搜索算法确定虚拟相机视野范围内的栅格,从而提高搜索效率。在其他实施例中,在确定光心位置和前视方向后,也可以确定相机视野范围对应的坐标范围,将位于坐标范围内的栅格作为虚拟相机视野范围内的栅格。
在一实施例中,在建立坐标系后,根据虚拟相机的视场角和预设位姿确定出相机视野范围内的地图点在预设方向上的大致范围,即预设范围,预设方向是垂直于预设平面的方向。之后,将预设方向上坐标在预设范围内的地图点作为后续用于划分栅格的地图点,即将预设方向上坐标在预设范围内的地图点作为每个栅格内的地图点,从而在后续计算时缩小搜索范围,提高计算效率。
S102:根据所述内参以及所述外参,将所述地图点投影在所述虚拟相机的成像平面上,得到第一特征点。
具体地,相机的外参反映世界坐标系和相机坐标系的对应关系,相机的内参反映相机坐标系到成像平面上的像素的对应关系,根据内参和外参进行坐标转换,即可得到与地图点对应的第一特征点。
在一实施例中,在确定目标相机的位姿之前,获取目标相机对已知尺寸的物体拍摄所得到的多帧图像,根据已知尺寸的物体在世界坐标系中的坐标以及在拍摄得到的图像中的坐标,确定出目标相机的内参和外参,从而提高了确定的内参和外参的准确度。
在确定内参和外参后,首先确定地图点在世界坐标系下的坐标,根据外参和地图点在世界坐标系下的坐标,确定地图点在相机坐标系下的坐标。根据地图点在相机坐标系下的坐标以及相机深度,得到地图点在相机归一化平面的位置。根据地图点在相机归一化平面的位置以及相机内参即可得到地图点在虚拟相机成像平面上的像素位置,该像素位置即为第一特征点的位置。
在一实施例中,在确定虚拟相机视野范围内的地图点后,采用非极大值抑制算法从地图点确定目标地图点,即在设定区域内,根据特征点的数量以及特征点对应的响应值,只取响应值最大的特征点作为目标特征点,再根据内参以及外参,将目标地图点投影在虚拟相机的成像平面上,从而可以在保证后续可以得到匹配关系的同时减少匹配的地图点数量,提高计算效率。
在另一实施例中,也可以在每个设定范围(例如每个栅格)内随机选取预设数量的地图点作为目标地图点,用于投影得到第一特征点。
S103:确定所述目标相机拍摄得到的图像上与所述第一特征点匹配的第二特征点。
具体地,第一特征点和第二特征点对应同一个地图点,第一特征点在虚拟相机的成像平面上的坐标与第二特征点在目标相机拍摄得到的图像上的坐标不同。
在一实施例中,首先根据第一特征点生成虚拟关键帧,虚拟关键帧与目标相机拍摄得到的图像近似,确定虚拟关键帧与目标相机拍摄得到的图像的匹配关系,该匹配关系为矩阵,根据该匹配关系即可确定与第一特征点匹配的第二特征点。
在一实施例中,在生成虚拟关键帧后,确定虚拟关键帧与目标相机拍摄得到的图像的相似度,例如可以将虚拟关键帧和目标相机拍摄得到的图像输入预先训练的神经网络模型,得到相似度。若相似度小于预设值,则重新确定虚拟相机的预设位姿,以生成新的虚拟关键帧,以提高生成的匹配关系的准确度。
在一实施例中,提取目标相机拍摄得到的图像上的特征点,根据提取得到的特征点与第一特征点确定匹配关系。示例性地,采用SuperPoint网络提取目标相机拍摄得到的图像上的特征点,将提取得到的特征点以及第一特征点输入SuperGlue网络,得到SuperGlue网络输出的虚拟关键帧与目标相机拍摄得到的图像之间的匹配关系。其中,用于确定匹配关系的特征点可以是全部第一特征点,也可以是部分第一特征点。确定出匹配关系后,根据匹配关系对第一特征点的坐标进行转换,即可得到第二特征点的坐标。其中,第一特征点的坐标是第一特征点在虚拟关键帧中的坐标,第二特征点的坐标是第二特征点在目标相机拍摄得到的图像中的坐标。
在其他实施例中,也可以通过计算虚拟关键帧上的第一特征点与目标相机拍摄得到的图像上的特征点之间的欧式距离,根据欧式距离确定出目标相机拍摄得到的图像上与第一特征点对应的第二特征点。
S104:根据所述地图点在世界坐标系下的坐标以及对应的所述第二特征点在所述目标相机拍摄得到的图像中的坐标,确定所述目标相机的位姿。
具体地,根据第一特征点与地图点的对应关系,以及第一特征点与第二特征点的对应关系确定与每个地图点对应的第二特征点,根据地图点在世界坐标系下的坐标以及对应的第二特征点在目标相机拍摄得到的图像中的坐标,确定地图点与第二特征点的投影关系,该投影关系可以用矩阵表示,根据投影关系以及目标相机的内参和外参确定目标相机的位姿。
在一实施例中,采用pnp算法确定目标相机的位姿,以提高计算效率。示例性地,可以通过opencv对pnp算法进行求解。
上述实施例中,由于一个第一特征点由一个地图点生成,而第二特征点与第一特征点匹配,因此,多个第二特征点所在的目标相机拍摄得到的图像与多帧地图信息相对应,也即一次匹配可以用到多帧地图信息,提高了第二特征点与地图点的匹配效率,进而提高了相机位姿的计算效率。
应理解,上述实施例中各步骤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,而不应对本申请实施例的实施过程构成任何限定。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
对应于上文实施例所述的相机位姿的确定方法,图2示出了本申请实施例提供的相机位姿的确定装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
如图2所示,相机位姿的确定装置包括,
确定模块21,用于确定虚拟相机的视野范围内的地图点,所述地图点是三维地图中的地图点,所述虚拟相机与待确定位姿的目标相机的内参和外参相同;
投影模块22,用于根据所述内参以及所述外参,将所述地图点投影在所述虚拟相机的成像平面上,得到第一特征点;
匹配模块23,用于确定所述目标相机拍摄得到的图像上与所述第一特征点匹配的第二特征点;
计算模块24,用于根据所述地图点在世界坐标系下的坐标以及对应的所述第二特征点在所述目标相机拍摄得到的图像中的坐标,确定所述目标相机的位姿。
在一种可能的实现方式中,确定模块21具体用于:
获取虚拟相机的预设位姿;
根据所述预设位姿以及所述虚拟相机的视场角,确定所述虚拟相机视野范围内的栅格,一个栅格对应所述三维地图中的一个区域;
将位于所述虚拟相机视野范围内的栅格中的地图点,作为所述虚拟相机的视野范围内的地图点。
在一种可能的实现方式中,所述栅格是在预设平面上的二维栅格,所述三维地图中的地图点所在的栅格由所述三维地图中的地图点在所述预设平面上的坐标确定,确定模块21具体用于:
将所述预设位姿投影到所述预设平面,得到光心位置和前视方向;
根据所述光心位置、所述前视方向以及所述虚拟相机的视场角,确定所述虚拟相机视野范围内的栅格。
在一种可能的实现方式中,确定模块21具体还用于:
采用哈希搜索算法确定所述虚拟相机视野范围内的栅格。
在一种可能的实现方式中,所述预设位姿是所述目标相机上一时刻的位姿。
在一种可能的实现方式中,匹配模块23具体用于:
根据所述第一特征点生成虚拟关键帧;
确定所述虚拟关键帧与所述目标相机拍摄得到的图像的匹配关系;
根据所述匹配关系确定与所述第一特征点匹配的第二特征点。
在一种可能的实现方式中,投影模块22具体用于:
采用非极大值抑制算法从所述地图点确定目标地图点;
根据所述内参以及所述外参,将所述目标地图点投影在所述虚拟相机的成像平面上。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
图3是本申请实施例提供的电子设备的结构示意图。所述电子设备可以是相机、机器人或与相机通信连接的终端设备。
如图3所示,该实施例的电子设备包括:处理器31、存储器32以及存储在所述存储器32中并可在所述处理器31上运行的计算机程序33。所述处理器31执行所述计算机程序33时实现上述相机位姿的确定方法实施例中的步骤,例如图1所示的步骤S101至S104。或者,所述处理器31执行所述计算机程序33时实现上述各装置实施例中各模块/单元的功能,例如图2所示确定模块21至计算模块24的功能。
示例性的,所述计算机程序33可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器32中,并由所述处理器31执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序33在所述电子设备中的执行过程。
本领域技术人员可以理解,图3仅仅是电子设备的示例,并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器31可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器32可以是所述电子设备的内部存储单元,例如电子设备的硬盘或内存。所述存储器32也可以是所述电子设备的外部存储设备,例如所述电子设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器32还可以既包括所述电子设备的内部存储单元也包括外部存储设备。所述存储器32用于存储所述计算机程序以及所述电子设备所需的其他程序和数据。所述存储器32还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露的装置/电子设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/电子设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。
本领域普通技术人员可以意识到,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,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,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。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种相机位姿的确定方法,其特征在于,包括:
确定虚拟相机的视野范围内的地图点,所述地图点是三维地图中的地图点,所述虚拟相机与待确定位姿的目标相机的内参和外参相同;
根据所述内参以及所述外参,将所述地图点投影在所述虚拟相机的成像平面上,得到第一特征点;
确定所述目标相机拍摄得到的图像上与所述第一特征点匹配的第二特征点;
根据所述地图点在世界坐标系下的坐标以及对应的所述第二特征点在所述目标相机拍摄得到的图像中的坐标,确定所述目标相机的位姿。
2.如权利要求1所述的方法,其特征在于,所述确定虚拟相机的视野范围内的地图点,包括:
获取虚拟相机的预设位姿;
根据所述预设位姿以及所述虚拟相机的视场角,确定所述虚拟相机视野范围内的栅格,一个栅格对应所述三维地图中的一个区域;
将位于所述虚拟相机视野范围内的栅格中的地图点,作为所述虚拟相机的视野范围内的地图点。
3.如权利要求2所述的方法,其特征在于,所述栅格是在预设平面上的二维栅格,所述三维地图中的地图点所在的栅格由所述三维地图中的地图点在所述预设平面上的坐标确定,所述根据所述预设位姿以及所述虚拟相机的视场角,确定所述虚拟相机视野范围内的栅格,包括:
将所述预设位姿投影到所述预设平面,得到光心位置和前视方向;
根据所述光心位置、所述前视方向以及所述虚拟相机的视场角,确定所述虚拟相机视野范围内的栅格。
4.如权利要求2所述的方法,其特征在于,所述确定所述虚拟相机视野范围内的栅格,包括:
采用哈希搜索算法确定所述虚拟相机视野范围内的栅格。
5.如权利要求2所述的方法,其特征在于,所述预设位姿是所述目标相机上一时刻的位姿。
6.如权利要求1所述的方法,其特征在于,所述确定所述目标相机拍摄得到的图像上与所述第一特征点匹配的第二特征点,包括:
根据所述第一特征点生成虚拟关键帧;
确定所述虚拟关键帧与所述目标相机拍摄得到的图像的匹配关系;
根据所述匹配关系确定与所述第一特征点匹配的第二特征点。
7.如权利要求1所述的方法,其特征在于,所述根据所述内参以及所述外参,将所述地图点投影在所述虚拟相机的成像平面上,包括:
采用非极大值抑制算法从所述地图点确定目标地图点;
根据所述内参以及所述外参,将所述目标地图点投影在所述虚拟相机的成像平面上。
8.一种相机位姿的确定装置,其特征在于,包括:
确定模块,用于确定虚拟相机的视野范围内的地图点,所述地图点是三维地图中的地图点,所述虚拟相机与待确定位姿的目标相机的内参和外参相同;
投影模块,用于根据所述内参以及所述外参,将所述地图点投影在所述虚拟相机的成像平面上,得到第一特征点;
匹配模块,用于确定所述目标相机拍摄得到的图像上与所述第一特征点匹配的第二特征点;
计算模块,用于根据所述地图点在世界坐标系下的坐标以及对应的所述第二特征点在所述目标相机拍摄得到的图像中的坐标,确定所述目标相机的位姿。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的相机位姿的确定方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的相机位姿的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210689999.XA CN115205383A (zh) | 2022-06-17 | 2022-06-17 | 相机位姿的确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210689999.XA CN115205383A (zh) | 2022-06-17 | 2022-06-17 | 相机位姿的确定方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115205383A true CN115205383A (zh) | 2022-10-18 |
Family
ID=83576569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210689999.XA Pending CN115205383A (zh) | 2022-06-17 | 2022-06-17 | 相机位姿的确定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115205383A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115423863A (zh) * | 2022-11-04 | 2022-12-02 | 深圳市其域创新科技有限公司 | 相机位姿估计方法、装置及计算机可读存储介质 |
CN115661493A (zh) * | 2022-12-28 | 2023-01-31 | 航天云机(北京)科技有限公司 | 一种对象位姿的确定方法及装置、设备及存储介质 |
CN116012377A (zh) * | 2023-03-24 | 2023-04-25 | 四川腾盾科技有限公司 | 一种基于卫星地图的无人机虚拟观测图像生成及定位方法 |
CN116664684A (zh) * | 2022-12-13 | 2023-08-29 | 荣耀终端有限公司 | 定位方法、电子设备及计算机可读存储介质 |
-
2022
- 2022-06-17 CN CN202210689999.XA patent/CN115205383A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115423863A (zh) * | 2022-11-04 | 2022-12-02 | 深圳市其域创新科技有限公司 | 相机位姿估计方法、装置及计算机可读存储介质 |
CN115423863B (zh) * | 2022-11-04 | 2023-03-24 | 深圳市其域创新科技有限公司 | 相机位姿估计方法、装置及计算机可读存储介质 |
WO2024093635A1 (zh) * | 2022-11-04 | 2024-05-10 | 深圳市其域创新科技有限公司 | 相机位姿估计方法、装置及计算机可读存储介质 |
CN116664684A (zh) * | 2022-12-13 | 2023-08-29 | 荣耀终端有限公司 | 定位方法、电子设备及计算机可读存储介质 |
CN116664684B (zh) * | 2022-12-13 | 2024-04-05 | 荣耀终端有限公司 | 定位方法、电子设备及计算机可读存储介质 |
CN115661493A (zh) * | 2022-12-28 | 2023-01-31 | 航天云机(北京)科技有限公司 | 一种对象位姿的确定方法及装置、设备及存储介质 |
CN115661493B (zh) * | 2022-12-28 | 2023-07-04 | 航天云机(北京)科技有限公司 | 一种对象位姿的确定方法及装置、设备及存储介质 |
CN116012377A (zh) * | 2023-03-24 | 2023-04-25 | 四川腾盾科技有限公司 | 一种基于卫星地图的无人机虚拟观测图像生成及定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111145238B (zh) | 单目内窥镜图像的三维重建方法、装置及终端设备 | |
CN115205383A (zh) | 相机位姿的确定方法、装置、电子设备及存储介质 | |
CN107223269B (zh) | 三维场景定位方法和装置 | |
CN111815754B (zh) | 一种三维信息确定方法、三维信息确定装置及终端设备 | |
CN112686950B (zh) | 位姿估计方法、装置、终端设备及计算机可读存储介质 | |
CN111080776B (zh) | 人体动作三维数据采集和复现的处理方法及系统 | |
CN112802081B (zh) | 一种深度检测方法、装置、电子设备及存储介质 | |
CN110599586A (zh) | 一种半稠密场景重建方法、装置、电子设备及存储介质 | |
CN112198878B (zh) | 一种即时地图构建方法、装置、机器人及存储介质 | |
CN113379815A (zh) | 基于rgb相机与激光传感器的三维重建方法、装置及服务器 | |
CN113610918A (zh) | 位姿计算方法和装置、电子设备、可读存储介质 | |
CN116433843A (zh) | 基于双目视觉重建路线的三维模型重建方法及装置 | |
CN111161348B (zh) | 一种基于单目相机的物体位姿估计方法、装置及设备 | |
CN110673607A (zh) | 动态场景下的特征点提取方法、装置、及终端设备 | |
CN111179408B (zh) | 三维建模的方法及设备 | |
CN113191189A (zh) | 人脸活体检测方法、终端设备及计算机可读存储介质 | |
CN115661493B (zh) | 一种对象位姿的确定方法及装置、设备及存储介质 | |
CN109816709B (zh) | 基于单目摄像头的深度估计方法、装置及设备 | |
CN116863072A (zh) | 基于视觉-激光融合的单体三维重建方法及系统 | |
CN113724176A (zh) | 一种多摄像头动作捕捉无缝衔接方法、装置、终端及介质 | |
CN111986246B (zh) | 基于图像处理的三维模型重建方法、装置和存储介质 | |
CN114066731A (zh) | 生成全景图的方法、装置、电子设备及存储介质 | |
CN113240723A (zh) | 一种单目深度估计方法、装置以及深度评估设备 | |
CN112967398B (zh) | 一种三维数据重建方法、装置及电子设备 | |
CN117930169A (zh) | 目标检测方法、终端设备及计算机可读存储介质 |
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 |