CN115660945A - 一种坐标转换方法、装置、电子设备及存储介质 - Google Patents
一种坐标转换方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115660945A CN115660945A CN202211330427.9A CN202211330427A CN115660945A CN 115660945 A CN115660945 A CN 115660945A CN 202211330427 A CN202211330427 A CN 202211330427A CN 115660945 A CN115660945 A CN 115660945A
- Authority
- CN
- China
- Prior art keywords
- image
- coordinate
- reference image
- target
- determining
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
本公开关于一种坐标转换方法、装置、电子设备及存储介质，包括：获取初始地图图像及目标地图图像；基于预设缩放比例，从初始地图图像中截取目标点位对应的模板图像，并从目标地图图像中截取目标点位对应的基准图像，目标点位位于模板图像及基准图像的中心点，基准图像的边长大于模板图像的边长；基于模板图像，对基准图像进行自适应单目标匹配检测，确定基准图像中与模板图像相匹配的匹配区域；基于匹配区域在基准图像中的位置信息及预设缩放比例，确定目标点位在基准图像对应坐标系中的目标坐标。这样，运用计算机视觉和图像识别技术领域进行自适应单目标匹配检测，建立一种新型的坐标转换模型，可以满足高精度的应用需求场景。
Description
技术领域
本公开涉及数据处理技术领域，尤其涉及一种坐标转换方法、装置、电子设备及存储介质。
背景技术
GIS(Geographic Information System，地理信息系统)地图在当前生产运营和数据分析过程中已得到广泛应用，不同的地图服务可能采用不同的坐标系，而在跨系统、跨业务场景融合中，可能调用不同坐标系的GIS数据，因此，需要进行坐标转换，将不同坐标系的GIS数据转换在同一坐标系下进行计算和分析。
现有技术中，通常使用传统地理学科的数学方法，对不同坐标系中的GIS数据进行坐标转换，基于数据位置采集方式、地图观测绘制技术等条件，这种坐标转换方式会产生较大的误差。
但是，在一些场景中，对GIS数据的精度要求较高，当前的坐标转换方式无法满足高精度要求，只能依靠人工肉眼观察，对转换后的GIS数据进行准确位置校准和误差度量，需要耗费大量的人力且效率低下，无法实现大数据量的坐标转换任务。
发明内容
本公开提供一种坐标转换系统、方法、装置、电子设备及存储介质，以至少解决相关技术中坐标转换方式无法满足高精度要求，只能依靠人工肉眼观察，需要耗费大量的人力且效率低下，无法实现大数据量的坐标转换任务的问题。本公开的技术方案如下：
根据本公开实施例的第一方面，提供一种坐标转换方法，包括：
获取初始地图图像及目标地图图像，所述初始地图图像及所述目标地图图像分别采用不同的坐标系；
基于预设缩放比例，从所述初始地图图像中截取目标点位对应的模板图像，并从所述目标地图图像中截取所述目标点位对应的基准图像，所述目标点位位于所述模板图像及所述基准图像的中心点，所述基准图像的边长大于所述模板图像的边长；
基于所述模板图像，对所述基准图像进行自适应单目标匹配检测，确定所述基准图像中与所述模板图像相匹配的匹配区域；
基于所述匹配区域在所述基准图像中的位置信息及所述预设缩放比例，确定所述目标点位在所述基准图像对应坐标系中的目标坐标。
可选地，所述基于所述模板图像，对所述基准图像进行自适应单目标匹配检测，确定所述基准图像中与所述模板图像相匹配的匹配区域，包括：
对所述模板图像进行k次不同比例的缩放，得到k张候选图像，所述k为大于1的自然数；
在所述基准图像中，对所述候选图像进行图像匹配，确定所述基准图像中与所述候选图像对应的候选区域；
分别计算所述候选区域与所述模板图像之间的相似度，将相似度最大的候选区域作为匹配区域。
可选地，在所述基于所述匹配区域在所述基准图像中的位置信息及所述预设缩放比例，确定所述目标点位在所述基准图像对应坐标系中的目标坐标之后，还包括：
根据预设转换规则，将所述目标点位在所述模板图像对应坐标系中的初始坐标转换为在所述基准图像对应坐标系中的参考坐标；
根据所述目标坐标与所述参考坐标，确定转换误差值，所述转换误差值用于指示所述预设转换规则应用于所述初始地图图像及所述目标地图图像之间产生的误差。
可选地，在所述基于所述模板图像，对所述基准图像进行自适应单目标匹配检测，确定所述基准图像中与所述模板图像相匹配的匹配区域之前，还包括：
分别对所述模板图像及所述基准图像进行图像增强处理，得到修复模板图像及修复基准图像；
所述基于所述模板图像，对所述基准图像进行自适应单目标匹配检测，确定所述基准图像中与所述模板图像相匹配的匹配区域，包括：
基于所述修复模板图像，对所述修复基准图像进行自适应单目标匹配检测，确定所述修复基准图像中与所述修复模板图像相匹配的匹配区域。
可选地，所述分别对所述模板图像及所述基准图像进行图像增强处理，得到修复模板图像及修复基准图像，包括：
将所述模板图像或所述基准图像作为原始图像，创建所述原始图像对应的灰度图；
对所述灰度图进行边缘检测，得到边缘图像；
对所述边缘图像进行闭运算，得到掩码图；
基于所述原始图像，对所述掩码图进行插值修复，得到所述原始图像对应的修复图像，作为修复模板图像或修复基准图像。
可选地，所述对所述灰度图进行边缘检测，得到边缘图像，包括：
利用单尺度视网膜皮层算法，对所述灰度图进行高斯滤波及卷积平滑处理，得到平滑图像；
利用预设算子，对所述平滑图像进行图像梯度运算，得到边缘检测结果；
对所述边缘检测结果进行非极大值抑制及双阈值处理，筛除所述边缘检测结果中的误检，得到边缘图像。
可选地，所述匹配区域在所述基准图像中的位置信息包括所述匹配区域在所述基准图像中的左上角坐标及右下角坐标，所述基于所述匹配区域在所述基准图像中的位置信息及所述预设缩放比例，确定所述目标点位在所述基准图像对应坐标系中的目标坐标，包括：
获取所述基准图像的原点坐标及当前分辨率，所述原点坐标为所述基准图像的图像原点在所述基准图像对应坐标系中的坐标；
根据所述左上角坐标及所述右下角坐标，确定所述匹配区域的中心点与所述图像原点之间的横坐标距离及纵坐标距离；
根据所述横坐标距离、所述纵坐标距离、所述预设缩放比例、所述当前分辨率及所述原点坐标，确定所述目标点位在所述基准图像对应坐标系中的目标坐标。
可选地，所述根据所述左上角坐标及所述右下角坐标，确定所述匹配区域的中心点与所述图像原点之间的横坐标距离及纵坐标距离，包括：
确定所述左上角坐标的横坐标及所述右下角坐标的横坐标的均值，作为所述匹配区域的中心点与所述图像原点之间的横坐标距离；
确定所述左上角坐标的纵坐标及所述右下角坐标的纵坐标的均值，作为所述匹配区域的中心点与所述图像原点之间的纵坐标距离；
所述根据所述横坐标距离、所述纵坐标距离、所述预设缩放比例、所述当前分辨率及所述原点坐标，确定所述目标点位在所述基准图像对应坐标系中的目标坐标，包括：
确定所述横坐标距离、所述预设缩放比例与预设常量的第一乘积，将所述第一乘积与所述原点坐标的横坐标相加，作为所述目标点位在所述基准图像对应坐标系中的横坐标；
确定所述纵坐标距离、所述预设缩放比例与预设常量的第二乘积，将所述第二乘积与所述原点坐标的纵坐标相加，作为所述目标点位在所述基准图像对应坐标系中的纵坐标，得到目标坐标。
根据本公开实施例的第二方面，提供一种坐标转换装置，包括：
获取模块，用于获取初始地图图像及目标地图图像，所述初始地图图像及所述目标地图图像分别采用不同的坐标系；
截取模块，用于基于预设缩放比例，从所述初始地图图像中截取目标点位对应的模板图像，并从所述目标地图图像中截取所述目标点位对应的基准图像，所述目标点位位于所述模板图像及所述基准图像的中心点，所述基准图像的边长大于所述模板图像的边长；
匹配模块，用于基于所述模板图像，对所述基准图像进行自适应单目标匹配检测，确定所述基准图像中与所述模板图像相匹配的匹配区域；
确定模块，用于基于所述匹配区域在所述基准图像中的位置信息及所述预设缩放比例，确定所述目标点位在所述基准图像对应坐标系中的目标坐标。
可选地，所述匹配模块，用于：
对所述模板图像进行k次不同比例的缩放，得到k张候选图像，所述k为大于1的自然数；
在所述基准图像中，对所述候选图像进行图像匹配，确定所述基准图像中与所述候选图像对应的候选区域；
分别计算所述候选区域与所述模板图像之间的相似度，将相似度最大的候选区域作为匹配区域。
可选地，所述装置还包括误差检测模块，用于：
根据预设转换规则，将所述目标点位在所述模板图像对应坐标系中的初始坐标转换为在所述基准图像对应坐标系中的参考坐标；
根据所述目标坐标与所述参考坐标，确定转换误差值，所述转换误差值用于指示所述预设转换规则应用于所述初始地图图像及所述目标地图图像之间产生的误差。
可选地，所述装置还包括预处理模块，用于：
分别对所述模板图像及所述基准图像进行图像增强处理，得到修复模板图像及修复基准图像；
所述基于所述模板图像，对所述基准图像进行自适应单目标匹配检测，确定所述基准图像中与所述模板图像相匹配的匹配区域，包括：
基于所述修复模板图像，对所述修复基准图像进行自适应单目标匹配检测，确定所述修复基准图像中与所述修复模板图像相匹配的匹配区域。
可选地，所述预处理模块，用于：
将所述模板图像或所述基准图像作为原始图像，创建所述原始图像对应的灰度图；
对所述灰度图进行边缘检测，得到边缘图像；
对所述边缘图像进行闭运算，得到掩码图；
基于所述原始图像，对所述掩码图进行插值修复，得到所述原始图像对应的修复图像，作为修复模板图像或修复基准图像。
可选地，所述预处理模块，用于：
利用单尺度视网膜皮层算法，对所述灰度图进行高斯滤波及卷积平滑处理，得到平滑图像；
利用预设算子，对所述平滑图像进行图像梯度运算，得到边缘检测结果；
对所述边缘检测结果进行非极大值抑制及双阈值处理，筛除所述边缘检测结果中的误检，得到边缘图像。
可选地，所述匹配区域在所述基准图像中的位置信息包括所述匹配区域在所述基准图像中的左上角坐标及右下角坐标，所述确定模块，用于：
获取所述基准图像的原点坐标及当前分辨率，所述原点坐标为所述基准图像的图像原点在所述基准图像对应坐标系中的坐标；
根据所述左上角坐标及所述右下角坐标，确定所述匹配区域的中心点与所述图像原点之间的横坐标距离及纵坐标距离；
根据所述横坐标距离、所述纵坐标距离、所述预设缩放比例、所述当前分辨率及所述原点坐标，确定所述目标点位在所述基准图像对应坐标系中的目标坐标。
可选地，所述确定模块，用于：
确定所述左上角坐标的横坐标及所述右下角坐标的横坐标的均值，作为所述匹配区域的中心点与所述图像原点之间的横坐标距离；
确定所述左上角坐标的纵坐标及所述右下角坐标的纵坐标的均值，作为所述匹配区域的中心点与所述图像原点之间的纵坐标距离；
所述根据所述横坐标距离、所述纵坐标距离、所述预设缩放比例、所述当前分辨率及所述原点坐标，确定所述目标点位在所述基准图像对应坐标系中的目标坐标，包括：
确定所述横坐标距离、所述预设缩放比例与预设常量的第一乘积，将所述第一乘积与所述原点坐标的横坐标相加，作为所述目标点位在所述基准图像对应坐标系中的横坐标；
确定所述纵坐标距离、所述预设缩放比例与预设常量的第二乘积，将所述第二乘积与所述原点坐标的纵坐标相加，作为所述目标点位在所述基准图像对应坐标系中的纵坐标，得到目标坐标。
根据本公开实施例的第三方面，提供一种坐标转换电子设备，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现所述任一项所述的坐标转换方法。
根据本公开实施例的第四方面，提供一种计算机可读存储介质，当所述计算机可读存储介质中的指令由坐标转换电子设备的处理器执行时，使得坐标转换电子设备能够执行所述任一项所述的坐标转换方法。
根据本公开实施例的第五方面，提供一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现所述任一项所述的坐标转换方法。
本公开的实施例提供的技术方案至少带来以下有益效果：
获取初始地图图像及目标地图图像，初始地图图像及目标地图图像分别采用不同的坐标系；基于预设缩放比例，从初始地图图像中截取目标点位对应的模板图像，并从目标地图图像中截取目标点位对应的基准图像，目标点位位于模板图像及基准图像的中心点，基准图像的边长大于模板图像的边长；基于模板图像，对基准图像进行自适应单目标匹配检测，确定基准图像中与模板图像相匹配的匹配区域；基于匹配区域在基准图像中的位置信息及预设缩放比例，确定目标点位在基准图像对应坐标系中的目标坐标。
这样，通过从初始地图图像及目标地图图像中截取基准图像和模板图像，运用计算机视觉和图像识别技术领域进行自适应单目标匹配检测，建立一种新型的坐标转换模型，确定目标点位在基准图像对应坐标系中的目标坐标，相比于传统地理学科的数学方法，本申请的坐标转换方法精度更高，可以满足高精度的应用需求场景，同时，可以减少二次校准过程对人工的依赖，提高坐标转换效率，可以实现大数据量的坐标转换任务。
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，并不能限制本公开。
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，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种坐标转换方法的流程图。
图2是根据一示例性实施例示出的一种模板图像的示意图。
图3是根据一示例性实施例示出的一基准图像的示意图。
图4是根据一示例性实施例示出的一种坐标转换方法的逻辑示意图。
图5是根据一示例性实施例示出的一种坐标转换装置的框图。
图6是根据一示例性实施例示出的一种用于坐标转换的电子设备的框图。
图7是根据一示例性实施例示出的一种用于坐标转换的装置的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本公开的说明书和权利要求书及所述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种坐标转换方法的流程图，如图1所示，该坐标转换方法包括：
在步骤S11中，获取初始地图图像及目标地图图像，初始地图图像及目标地图图像分别采用不同的坐标系。
GIS地图在当前生产运营和数据分析过程中已得到广泛应用，不同的地图服务可能采用不同的坐标系，而在跨系统、跨业务场景融合中，可能调用不同坐标系的GIS数据，因此，需要进行坐标转换，将不同坐标系的GIS数据转换在同一坐标系下。
在本申请中，初始地图图像即为需要进行坐标转换的GIS数据所在的地图，通过坐标转换，将目标点位在初始地图图像对应坐标系中的坐标转换为目标地图图像对应坐标系中的坐标，这样，初始地图图像中的GIS数据可以在目标地图图像中进行展示、计算和分析。
其中，初始地图图像及目标地图图像采用的坐标系可以为WGS84(World GeodeticSystem 1984，世界大地测量系统1984版)坐标系、GCJ02(Guojia Cehui Ju 02，国家测量局02号标准)坐标系、BD09(BaiDu09，百度标准)坐标系及CGCS2000(China GeodeticCoordinate System 2000，国家大地坐标系2000版)坐标系等等，具体不做限定。
在步骤S12中，基于预设缩放比例，从初始地图图像中截取目标点位对应的模板图像，并从目标地图图像中截取目标点位对应的基准图像，目标点位位于模板图像及基准图像的中心点，基准图像的边长大于模板图像的边长。
在本步骤中，采用同一预设缩放比例展示初始地图图像及目标地图图像，然后，可以从初始地图图像及目标地图图像中截取目标点位分别对应的模板图像和基准图像，其中，在截取时，目标点位位于模板图像和基准图像的中心，并且，基准图像的边长大于模板图像的边长。
其中，缩放比例也就是地图的比例尺，比如，如果选取缩放比例为1：5000，即地图上1厘米长度相当于实际距离5000厘米。在本步骤中，预设缩放比例可以是预设的固定值，也可以是随机选取的值，或者，也可以根据当前场景的精度需求进行设定，具体不做限定，只需维持初始地图图像及目标地图图像采用同一预设缩放比例即可。
在截取模板图像和基准图像时，可以采用selenium(一种浏览器自动化测试框架)网页自动化测试方法实现图像截取，以目标点位为中心点，从初始地图图像中截取长为La的正方形图像，作为模板图像，从目标地图图像中截取长为Lb的正方形图像，作为基准图像，其中，Lb大于La，图像长度的单位可以为像素，也可以为毫米或厘米，具体不做限定。
举例而言，如图2和图3所示，分别为基准图像和模板图像的示意图，其中，Pa和Pb分别为基准图像和模板图像的中心点，并且表示同一目标点位，可以看出，基准图像的边长Lb大于模板图像的边长La，P0则表示基准图像的图像原点。
在步骤S13中，基于模板图像，对基准图像进行自适应单目标匹配检测，确定基准图像中与模板图像相匹配的匹配区域。
在本步骤中，基于模板图像，对基准图像进行自适应单目标匹配检测，也就是说，截取出模板图像及基准图像之后，可以在基准图像中对模板图像进行匹配，确定基准图像中与模板图像相匹配的区域，作为匹配区域。
在自适应单目标匹配检测过程中，可以对基准图像及模板图像进行多次目标匹配，然后从多次匹配结果中进一步确定与模板图像相似度最高的匹配区域，比如，可以采用不同的匹配算法，或者，通过对模板图像的多次缩放，分别与基准图像进行多次目标匹配，然后从多次匹配结果中进一步确定与模板图像相似度最高的匹配区域，等等。
其中，从多次匹配结果中进一步确定与模板图像相似度最高的匹配区域时，需要进行相似度计算，在本申请中，可以采用归一化相关系数、杰卡德相似系数、余弦相似度或皮尔逊相关系数等，具体不做限定。
这样，通过多次目标匹配，从中择优作为匹配结果，相比于仅进行一次匹配即确定匹配区域的方式，可以提高目标匹配的精度，进而提高后续坐标转换的精度。
一种实现方式中，基于模板图像，对基准图像进行自适应单目标匹配检测，确定基准图像中与模板图像相匹配的匹配区域，包括：对模板图像进行k次不同比例的缩放，得到k张候选图像，k为大于1的自然数；在基准图像中，对候选图像进行图像匹配，确定基准图像中与候选图像对应的候选区域；分别计算候选区域与模板图像之间的相似度，将相似度最大的候选区域作为匹配区域。
也就是说，将基准图像和模板图像为目标检测的输入，进行自适应单目标匹配检测，载入基准图像与模板图像后，进行k次迭代，每一次迭代将模板图像等比例放大或缩小，每改变一次模板图大小就进行一轮目标匹配计算过程，可以得到k个候选区域。然后，将得到的k个候选区域分别与未进行等比例放大或缩小的原始模板图像进行相似性比较，筛选出相似性最好的候选区域，输出匹配结果。
其中，计算候选区域与模板图像之间的相似度可以使用归一化相关系数，归一化相关系数越接近1，则表示候选区域与模板图像之间的相似度越高。
一种实现方式中，在基于模板图像，对基准图像进行自适应单目标匹配检测，确定基准图像中与模板图像相匹配的匹配区域之前，还包括：分别对模板图像及基准图像进行图像增强处理，得到修复模板图像及修复基准图像；那么，对应的，基于模板图像，对基准图像进行自适应单目标匹配检测，确定基准图像中与模板图像相匹配的匹配区域，包括：基于修复模板图像，对修复基准图像进行自适应单目标匹配检测，确定修复基准图像中与修复模板图像相匹配的匹配区域。
也就是说，需要通过图像增强算法，对模板图像及基准图像进行预处理，可以理解，直接采集获得的模板图像及基准图像中还存在众多干扰信息，包括建筑楼宇名称、道路名称、POI(Point of interesting，兴趣点)图标和POI名称等，会导致最终匹配结果性能降低，对模板图像及基准图像进行图像增强处理，可以消除模板图像及基准图像中的干扰要素信息，同时保留区域轮廓、建筑轮廓、道路轮廓等主要地图要素，进一步提升目标匹配以及后续坐标转换的准确率。
其中，分别对模板图像及基准图像进行图像增强处理，得到修复模板图像及修复基准图像，包括：将模板图像或基准图像作为原始图像，创建原始图像对应的灰度图；对灰度图进行边缘检测，得到边缘图像；对边缘图像进行闭运算，得到掩码图；基于原始图像，对掩码图进行插值修复，得到原始图像对应的修复图像，作为修复模板图像或修复基准图像。
其中，可以基于RGB三通道模式读取基准图像和模板图像，创建灰度图，可以理解，灰度图相比于彩色图，可以消除部分干扰信息，并且，可以减少计算过程中的信息量，提高运算速度。
在模板图像及基准图像中，边缘部分集中了图像的大部分信息，一幅图像的边缘结构与特点往往是决定图像特质的重要部分，因此，提高对灰度图进行边缘检测，边缘图像中可以保留区域轮廓、建筑轮廓、道路轮廓等主要地图要素。其中，边缘检测算法可以采用微分法、差分边缘检测算法、拉普拉斯边缘检测算法以及Canny多级边缘检测算法等等，具体不做限定。
举例而言，在Canny多级边缘检测算法中，对灰度图进行边缘检测，得到边缘图像，可以包括：利用单尺度视网膜皮层(Retinex)算法，对灰度图进行高斯滤波及卷积平滑处理，得到平滑图像；利用预设算子，对平滑图像进行图像梯度运算，得到边缘检测结果；对边缘检测结果进行非极大值抑制及双阈值处理，筛除边缘检测结果中的误检，得到边缘图像。
也就是说，首先，采用单尺度Retinex算法，对灰度图使用高斯滤波及卷积平滑处理，得到平滑图像，其中，高斯核函数标准偏差指定0值，将灰度图数组中所有零元素替换成非零最小元素，再对灰度图数组取对数后运算归一化，对像素每一位进行线性变换，并对图像通道加权融合，从而进一步去除灰度图中的噪声。
然后，对利用预设算子，对平滑图像进行图像梯度运算，计算每个像素点的的梯度大小和梯度方向，识别出平滑图像中可能的边缘，作为边缘检测结果。其中，预设算子可以为Scharr算子、Sobel算子或Roberts算子等等，具体不做限定。
进而，对边缘检测结果进行非极大值抑制及双阈值处理，设置非极大值抑制消除边缘检测的杂散效应，应用双阈值确定真实及潜在边缘，通过抑制弱边缘完成最终边缘检测，筛除边缘检测结果中的误检，得到边缘图像。
在得到边缘图像之后，可以对边缘图像进行闭运算，得到掩码图，其中，闭运算是指使用形态学变化方法，对边缘图像进行先膨胀再腐蚀，排除图像黑洞，填平前景物体内的小裂缝，实现消除文字的效果，举例而言，滤波器大小可以设置为3x3，在闭运算中进行先膨胀后腐蚀过程。
然后，基于原始图像，对掩码图进行插值修复，比如，可以使用快速行进算法进行插值修复，实现去除图像黑点、笔划的效果，消除原始图像中的干扰要素，得到原始图像对应的修复图像，作为修复模板图像或修复基准图像。
在步骤S14中，基于匹配区域在基准图像中的位置信息及预设缩放比例，确定目标点位在基准图像对应坐标系中的目标坐标。
在本步骤中，确定基准图像中与模板图像相匹配的匹配区域之后，基于匹配区域在基准图像中的位置信息及预设缩放比例，可以建立一种新型的坐标转换模型，进一步确定目标点位在基准图像对应坐标系中的目标坐标。也就是说，基于目标点位在基准图像中的位置，以及已知的基准图像的某个坐标，计算目标点位在基准图像对应坐标系中的目标坐标。
一种实现方式中，匹配区域在基准图像中的位置信息包括匹配区域在基准图像中的左上角坐标及右下角坐标，基于匹配区域在基准图像中的位置信息及预设缩放比例，确定目标点位在基准图像对应坐标系中的目标坐标，包括：
获取基准图像的原点坐标及当前分辨率，原点坐标为基准图像的图像原点在基准图像对应坐标系中的坐标；根据左上角坐标及右下角坐标，确定匹配区域的中心点与图像原点之间的横坐标距离及纵坐标距离；根据横坐标距离、纵坐标距离、预设缩放比例、当前分辨率及原点坐标，确定目标点位在基准图像对应坐标系中的目标坐标。
其中，根据左上角坐标及右下角坐标，确定匹配区域的中心点与图像原点之间的横坐标距离及纵坐标距离，包括：确定左上角坐标的横坐标及右下角坐标的横坐标的均值，作为匹配区域的中心点与图像原点之间的横坐标距离；确定左上角坐标的纵坐标及右下角坐标的纵坐标的均值，作为匹配区域的中心点与图像原点之间的纵坐标距离；根据横坐标距离、纵坐标距离、预设缩放比例、当前分辨率及原点坐标，确定目标点位在基准图像对应坐标系中的目标坐标，包括：确定横坐标距离、预设缩放比例与预设常量的第一乘积，将第一乘积与原点坐标的横坐标相加，作为目标点位在基准图像对应坐标系中的横坐标；确定纵坐标距离、预设缩放比例与预设常量的第二乘积，将第二乘积与原点坐标的纵坐标相加，作为目标点位在基准图像对应坐标系中的纵坐标，得到目标坐标。
具体来说，匹配区域在基准图像中的位置信息可以表示为box＝[P1,P2]，其中，P1＝(X1，Y1)表示左上角坐标，P2＝(X2，Y2)表示右下角坐标，那么，匹配区域的中心点与图像原点之间的横坐标距离，可以表示为
匹配区域的中心点与图像原点之间的纵坐标距离可以表示为
进一步的，目标点位在基准图像对应坐标系中的横坐标可以表示为：
目标点位在基准图像对应坐标系中的纵坐标可以表示为：
其中，zoom表示预设缩放比例、(X0，Y0)表示基准图像的原点坐标、dpi表示分辨率，分辨率也就是每英寸上的像素数量，可以通过调用系统接口获取系统当前的dpi分辨率，C/100表示预设常量，其中，常量C可以取值为2.54，因为1英寸等于2.54厘米。。
一种实现方式中，在基于匹配区域在基准图像中的位置信息及预设缩放比例，确定目标点位在基准图像对应坐标系中的目标坐标之后，还包括：根据预设转换规则，将目标点位在模板图像对应坐标系中的初始坐标转换为在基准图像对应坐标系中的参考坐标；根据目标坐标与参考坐标，确定转换误差值，转换误差值用于指示预设转换规则应用于初始地图图像及目标地图图像之间产生的误差。
其中，其中，预设转换规则可以为任意的传统坐标转换手段，涵盖当前企业主流常用的地图坐标系，包含WGS84，GCJ02，BD09，CGCS2000坐标之间的转换算法，对于不同的坐标系而言，坐标转换涉及的内容可以涉及经纬度坐标和米制坐标的计算转换。这样，基于模板图像的坐标点Pa＝(Xa，Ya)，经过预设转换规则进行坐标转换，输出参考坐标Pb＝(Xb，Yb)。
举例而言，以WGS84和CGCS2000坐标的转换为例，WGS84坐标系中，经纬度投影分度带为6度带，CGCS2000坐标系采用米坐标Gauss Kruger(高斯-克吕格投影)，同一点位在WGS84和CGCS2000中的坐标差异主要来自历元、框架和精度，比如，当前的WGS84坐标是ITRF2008(International Terrestrial Reference Frame 08，国际地球参考架08版)框架在2005.0历元的坐标，CGCS2000坐标是ITRF97(International Terrestrial ReferenceFrame 97，国际地球参考架97版)框架在2000.0历元的坐标，因此需要进行ITRF2008与ITRF97框架的转换，依据两个框架的转换参数及其速率进行坐标转换。
由于目标坐标与参考坐标均属于目标地图图像的同一米制坐标系下，因此，可以根据目标坐标与参考坐标，确定转换误差值。比如，转换误差值可以为目标坐标与参考坐标之间的距离，计算公式为：
如图4所示，为本申请的一种实现方式的逻辑示意图。其中，选取四川省成都市为实施区域，实现WGS84坐标系地图和CGCS2000坐标系地图之间的坐标转换，初始地图图像描述为地图A，目标地图图像描述为地图B。具体实现过程包含：数据点位准备、初始坐标转换模块执行、图像采集、关键参数提取、图像预处理、自适应单目标匹配检测、关键参数映射转换、转换结果坐标点和初始转换误差度量。
在数据准备过程中，不同地图的颜色渲染、信息要素，如楼栋、道路、水系、POI等，其大小、粗细、绘制方法均存在差异，因此应选取两地图在统一比例尺下，且区域内有足够信息要素参照物的数据。
在本实施例中，可以选取地图缩放比例尺为1：5000，位置处于成都市新场村廖新路口数据点位Pa，周边有河流、三岔路口、POI等信息要素，以保证图像识别提升坐标转换精度的高效性。
在初始坐标转换过程中，使用WGS84坐标系的地图A中坐标点Pa，经初始坐标转换模块，得到CGCS2000坐标系的地图B下的坐标点Pb。
在图像采集过程中，可以采用selenium实现地图页面窗口的图像截取。比如，在本实施例中，可以对地图A截取Pa为中心点，大小为100x 100像素单位的图像作为模板图像，对地图B截取Pb为中心点，大小为800x 800像素单位的图像，作为基准图像。
在关键参数提取过程中，本实施例的关键参数包括：分辨率dpi＝96，预设缩放比例zoom＝1:5000，模板图像长度La＝100，基准图像长度Lb＝800。在不同的实施例中，由于终端显示分辨率不同，所进行转换的地图A和地图B对应不同，所得到的关键参数也有所变化。
在图像预处理过程中，需对模板图像和基准图像进行预处理操作，消除不同地图图像间颜色渲染和文字图标等干扰信息导致的差异，以提高计算性能。具体来说，对模板图像和基准图像进行灰度处理后，对灰度图执行单尺度Retinex算法，使用高斯滤波与图像进行卷积实现平滑处理。对平滑处理后的图像采用Canny多级边缘检测算法进行检测边缘，通过高频降噪去除噪音点，并使用Scharr算子执行图像梯度运算，然后，对边缘图像进行闭运算，得到掩码图，进而，基于原模板图像和基准图像，对掩码图进行插值修复，使用快速行进算法去除图像黑点、笔划，消除干扰要素，输出结果图像，用于进行自适应单目标匹配检测。
在一些实施例中，若原始地图和目标地图的区域内信息要素过少，可能导致目标匹配相似度结果无法有效计算，因此，在一些实施例中，若关键参数中zoom、La、Lb的差异度过大，可能导致图像预处理效果有所不同，需要通过自适应目标匹配结果进行迭代计算。
在自适应单目标匹配过程中，流程环节包含：载入基准图像与模板图像；进行k次迭代，每一次迭代将模板图像等比例放大或缩小，每改变一次模板图大小就进行一轮与基准图像的目标匹配计算过程；得到基准图像中的k个候选区域；将得到的候选区域与原始模板图像进行相似性比较；筛选出相似性最好的候选区域；在基准图像上进行框选，输出匹配结果。在本实施例中，相似性算法可以使用归一化相关系数。
在一些实施例中，应使基准图像的大小合适才能得以在有效的迭代轮次中完成最终结果匹配输出，因此若基准图像过小会导致目标匹配不能输出有效的匹配区域。
在关键参数映射转换过程中，首先，获得匹配区域在基准图像中的位置信息box＝[P1,P2]，其中，P1＝(X1，Y1)表示匹配区域在左上角坐标，P2＝(X2，Y2)表示匹配区域在右下角坐标。然后，依据全局关键参数再进行映射转换，得到坐标转换结果。其中，关键参数可以包括：基准图像原点坐标P0、分辨率dpi、常量C、预设缩放比例zoom，则匹配区域中心点，即目标点位的目标坐标Pb*＝(Xb*，Yb*)，其计算公式为：
根据坐标转换结果，可以确定初始坐标转换误差。在该步骤中，已通过上述流程输出地图B上的初始转换坐标点Pa和最终转换坐标点Pb*，最后两个坐标点均属于地图B的同一米制坐标系下，可输出初始转换坐标方法的转换误差值。比如，转换误差值可以为目标坐标Pb*和参考坐标Pb之间的距离，计算公式为：
可以理解，在目前实际应用中的电子地图坐标转换方法其转换误差大约在50至200米，行业GIS商用软件的地图转换误差为40米至85米，而本申请运用计算机视觉和图像识别技术，进一步提升坐标转换精度，可以将转换误差值控制在25米以下，具有技术突破性和通用性，可在不同地图场景上广泛应用。
而且，本申请是基于现有传统坐标系领域转换技术基础之上，结合不同坐标系地图的关键参数，包含坐标系统参数和终端参数，采用计算机视觉图像处理技术进行数据预处理后，构建图像识别技术的模板自适应单目标匹配检测算法模型，实现原有传统坐标系转换方法的精度进一步提升，可为度量传统坐标系转换方法的误差结果提供自动化的技术手段，解决目前高精度企业GIS应用场景中在地图转换坐标后仍需人工二次校准的难题。
由以上可见，本公开的实施例提供的技术方案，通过从初始地图图像及目标地图图像中截取基准图像和模板图像，运用计算机视觉和图像识别技术领域进行自适应单目标匹配检测，建立一种新型的坐标转换模型，确定目标点位在基准图像对应坐标系中的目标坐标，相比于传统地理学科的数学方法，本申请的坐标转换方法精度更高，可以满足高精度的应用需求场景，同时，可以减少二次校准过程对人工的依赖，提高坐标转换效率，可以实现大数据量的坐标转换任务。
图5是根据一示例性实施例示出的一种坐标转换装置框图，包括：
获取模块201，用于获取初始地图图像及目标地图图像，所述初始地图图像及所述目标地图图像分别采用不同的坐标系；
截取模块202，用于基于预设缩放比例，从所述初始地图图像中截取目标点位对应的模板图像，并从所述目标地图图像中截取所述目标点位对应的基准图像，所述目标点位位于所述模板图像及所述基准图像的中心点，所述基准图像的边长大于所述模板图像的边长；
匹配模块203，用于基于所述模板图像，对所述基准图像进行自适应单目标匹配检测，确定所述基准图像中与所述模板图像相匹配的匹配区域；
确定模块204，用于基于所述匹配区域在所述基准图像中的位置信息及所述预设缩放比例，确定所述目标点位在所述基准图像对应坐标系中的目标坐标。
可选地，所述匹配模块203，用于：
对所述模板图像进行k次不同比例的缩放，得到k张候选图像，所述k为大于1的自然数；
在所述基准图像中，对所述候选图像进行图像匹配，确定所述基准图像中与所述候选图像对应的候选区域；
分别计算所述候选区域与所述模板图像之间的相似度，将相似度最大的候选区域作为匹配区域。
可选地，所述装置还包括误差检测模块，用于：
根据预设转换规则，将所述目标点位在所述模板图像对应坐标系中的初始坐标转换为在所述基准图像对应坐标系中的参考坐标；
根据所述目标坐标与所述参考坐标，确定转换误差值，所述转换误差值用于指示所述预设转换规则应用于所述初始地图图像及所述目标地图图像之间产生的误差。
可选地，所述装置还包括预处理模块，用于：
分别对所述模板图像及所述基准图像进行图像增强处理，得到修复模板图像及修复基准图像；
所述基于所述模板图像，对所述基准图像进行自适应单目标匹配检测，确定所述基准图像中与所述模板图像相匹配的匹配区域，包括：
基于所述修复模板图像，对所述修复基准图像进行自适应单目标匹配检测，确定所述修复基准图像中与所述修复模板图像相匹配的匹配区域。
可选地，所述预处理模块，用于：
将所述模板图像或所述基准图像作为原始图像，创建所述原始图像对应的灰度图；
对所述灰度图进行边缘检测，得到边缘图像；
对所述边缘图像进行闭运算，得到掩码图；
基于所述原始图像，对所述掩码图进行插值修复，得到所述原始图像对应的修复图像，作为修复模板图像或修复基准图像。
可选地，所述预处理模块，用于：
利用单尺度视网膜皮层算法，对所述灰度图进行高斯滤波及卷积平滑处理，得到平滑图像；
利用预设算子，对所述平滑图像进行图像梯度运算，得到边缘检测结果；
对所述边缘检测结果进行非极大值抑制及双阈值处理，筛除所述边缘检测结果中的误检，得到边缘图像。
可选地，所述匹配区域在所述基准图像中的位置信息包括所述匹配区域在所述基准图像中的左上角坐标及右下角坐标，所述确定模块204，用于：
获取所述基准图像的原点坐标及当前分辨率，所述原点坐标为所述基准图像的图像原点在所述基准图像对应坐标系中的坐标；
根据所述左上角坐标及所述右下角坐标，确定所述匹配区域的中心点与所述图像原点之间的横坐标距离及纵坐标距离；
根据所述横坐标距离、所述纵坐标距离、所述预设缩放比例、所述当前分辨率及所述原点坐标，确定所述目标点位在所述基准图像对应坐标系中的目标坐标。
可选地，所述确定模块204，用于：
确定所述左上角坐标的横坐标及所述右下角坐标的横坐标的均值，作为所述匹配区域的中心点与所述图像原点之间的横坐标距离；
确定所述左上角坐标的纵坐标及所述右下角坐标的纵坐标的均值，作为所述匹配区域的中心点与所述图像原点之间的纵坐标距离；
所述根据所述横坐标距离、所述纵坐标距离、所述预设缩放比例、所述当前分辨率及所述原点坐标，确定所述目标点位在所述基准图像对应坐标系中的目标坐标，包括：
确定所述横坐标距离、所述预设缩放比例与预设常量的第一乘积，将所述第一乘积与所述原点坐标的横坐标相加，作为所述目标点位在所述基准图像对应坐标系中的横坐标；
确定所述纵坐标距离、所述预设缩放比例与预设常量的第二乘积，将所述第二乘积与所述原点坐标的纵坐标相加，作为所述目标点位在所述基准图像对应坐标系中的纵坐标，得到目标坐标。
由以上可见，本公开的实施例提供的技术方案，通过从初始地图图像及目标地图图像中截取基准图像和模板图像，运用计算机视觉和图像识别技术领域进行自适应单目标匹配检测，建立一种新型的坐标转换模型，确定目标点位在基准图像对应坐标系中的目标坐标，相比于传统地理学科的数学方法，本申请的坐标转换方法精度更高，可以满足高精度的应用需求场景，同时，可以减少二次校准过程对人工的依赖，提高坐标转换效率，可以实现大数据量的坐标转换任务。
图6是根据一示例性实施例示出的一种用于坐标转换的电子设备的框图。
在示例性实施例中，还提供了一种包括指令的计算机可读存储介质，例如包括指令的存储器，所述指令可由电子设备的处理器执行以完成所述方法。可选地，计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中，还提供一种计算机程序产品，当其在计算机上运行时，使得计算机实现所述坐标转换的方法。
由以上可见，本公开的实施例提供的技术方案，通过从初始地图图像及目标地图图像中截取基准图像和模板图像，运用计算机视觉和图像识别技术领域进行自适应单目标匹配检测，建立一种新型的坐标转换模型，确定目标点位在基准图像对应坐标系中的目标坐标，相比于传统地理学科的数学方法，本申请的坐标转换方法精度更高，可以满足高精度的应用需求场景，同时，可以减少二次校准过程对人工的依赖，提高坐标转换效率，可以实现大数据量的坐标转换任务。
图7是根据一示例性实施例示出的一种用于坐标转换的装置800的框图。
例如，装置800可以是移动电话，计算机，数字广播电子设备，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。
参照图7，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电力组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制装置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，以完成所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设备800的操作。这些数据的示例包括用于在装置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807为装置800的各种组件提供电力。电源组件807可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和账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，以接收来自账户的输入信号。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)，当装置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，所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，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到设备800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，账户与装置800接触的存在或不存在，装置800方位或加速/减速和装置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体的存在。传感器组件814还可以包括光传感器，如CMOS或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被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，运营商网络(如2G、3G、4G或5G)，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，装置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，用于执行第一方面和第二方面所述的方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，所述指令可由装置800的处理器820执行以完成所述方法。可选地，例如，存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性非临时性计算机可读存储介质计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行所述实施例中任一所述的坐标转换方法。
由以上可见，本公开的实施例提供的技术方案，通过从初始地图图像及目标地图图像中截取基准图像和模板图像，运用计算机视觉和图像识别技术领域进行自适应单目标匹配检测，建立一种新型的坐标转换模型，确定目标点位在基准图像对应坐标系中的目标坐标，相比于传统地理学科的数学方法，本申请的坐标转换方法精度更高，可以满足高精度的应用需求场景，同时，可以减少二次校准过程对人工的依赖，提高坐标转换效率，可以实现大数据量的坐标转换任务。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (19)
1.一种坐标转换方法，其特征在于，包括：
获取初始地图图像及目标地图图像，所述初始地图图像及所述目标地图图像分别采用不同的坐标系；
基于预设缩放比例，从所述初始地图图像中截取目标点位对应的模板图像，并从所述目标地图图像中截取所述目标点位对应的基准图像，所述目标点位位于所述模板图像及所述基准图像的中心点，所述基准图像的边长大于所述模板图像的边长；
基于所述模板图像，对所述基准图像进行自适应单目标匹配检测，确定所述基准图像中与所述模板图像相匹配的匹配区域；
基于所述匹配区域在所述基准图像中的位置信息及所述预设缩放比例，确定所述目标点位在所述基准图像对应坐标系中的目标坐标。
2.根据权利要求1所述的坐标转换方法，其特征在于，所述基于所述模板图像，对所述基准图像进行自适应单目标匹配检测，确定所述基准图像中与所述模板图像相匹配的匹配区域，包括：
对所述模板图像进行k次不同比例的缩放，得到k张候选图像，所述k为大于1的自然数；
在所述基准图像中，对所述候选图像进行图像匹配，确定所述基准图像中与所述候选图像对应的候选区域；
分别计算所述候选区域与所述模板图像之间的相似度，将相似度最大的候选区域作为匹配区域。
3.根据权利要求1所述的坐标转换方法，其特征在于，在所述基于所述匹配区域在所述基准图像中的位置信息及所述预设缩放比例，确定所述目标点位在所述基准图像对应坐标系中的目标坐标之后，还包括：
根据预设转换规则，将所述目标点位在所述模板图像对应坐标系中的初始坐标转换为在所述基准图像对应坐标系中的参考坐标；
根据所述目标坐标与所述参考坐标，确定转换误差值，所述转换误差值用于指示所述预设转换规则应用于所述初始地图图像及所述目标地图图像之间产生的误差。
4.根据权利要求1所述的坐标转换方法，其特征在于，在所述基于所述模板图像，对所述基准图像进行自适应单目标匹配检测，确定所述基准图像中与所述模板图像相匹配的匹配区域之前，还包括：
分别对所述模板图像及所述基准图像进行图像增强处理，得到修复模板图像及修复基准图像；
所述基于所述模板图像，对所述基准图像进行自适应单目标匹配检测，确定所述基准图像中与所述模板图像相匹配的匹配区域，包括：
基于所述修复模板图像，对所述修复基准图像进行自适应单目标匹配检测，确定所述修复基准图像中与所述修复模板图像相匹配的匹配区域。
5.根据权利要求4所述的坐标转换方法，其特征在于，所述分别对所述模板图像及所述基准图像进行图像增强处理，得到修复模板图像及修复基准图像，包括：
将所述模板图像或所述基准图像作为原始图像，创建所述原始图像对应的灰度图；
对所述灰度图进行边缘检测，得到边缘图像；
对所述边缘图像进行闭运算，得到掩码图；
基于所述原始图像，对所述掩码图进行插值修复，得到所述原始图像对应的修复图像，作为修复模板图像或修复基准图像。
6.根据权利要求5所述的坐标转换方法，其特征在于，所述对所述灰度图进行边缘检测，得到边缘图像，包括：
利用单尺度视网膜皮层算法，对所述灰度图进行高斯滤波及卷积平滑处理，得到平滑图像；
利用预设算子，对所述平滑图像进行图像梯度运算，得到边缘检测结果；
对所述边缘检测结果进行非极大值抑制及双阈值处理，筛除所述边缘检测结果中的误检，得到边缘图像。
7.根据权利要求1所述的坐标转换方法，其特征在于，所述匹配区域在所述基准图像中的位置信息包括所述匹配区域在所述基准图像中的左上角坐标及右下角坐标，所述基于所述匹配区域在所述基准图像中的位置信息及所述预设缩放比例，确定所述目标点位在所述基准图像对应坐标系中的目标坐标，包括：
获取所述基准图像的原点坐标及当前分辨率，所述原点坐标为所述基准图像的图像原点在所述基准图像对应坐标系中的坐标；
根据所述左上角坐标及所述右下角坐标，确定所述匹配区域的中心点与所述图像原点之间的横坐标距离及纵坐标距离；
根据所述横坐标距离、所述纵坐标距离、所述预设缩放比例、所述当前分辨率及所述原点坐标，确定所述目标点位在所述基准图像对应坐标系中的目标坐标。
8.根据权利要求7所述的坐标转换方法，其特征在于，所述根据所述左上角坐标及所述右下角坐标，确定所述匹配区域的中心点与所述图像原点之间的横坐标距离及纵坐标距离，包括：
确定所述左上角坐标的横坐标及所述右下角坐标的横坐标的均值，作为所述匹配区域的中心点与所述图像原点之间的横坐标距离；
确定所述左上角坐标的纵坐标及所述右下角坐标的纵坐标的均值，作为所述匹配区域的中心点与所述图像原点之间的纵坐标距离；
所述根据所述横坐标距离、所述纵坐标距离、所述预设缩放比例、所述当前分辨率及所述原点坐标，确定所述目标点位在所述基准图像对应坐标系中的目标坐标，包括：
确定所述横坐标距离、所述预设缩放比例与预设常量的第一乘积，将所述第一乘积与所述原点坐标的横坐标相加，作为所述目标点位在所述基准图像对应坐标系中的横坐标；
确定所述纵坐标距离、所述预设缩放比例与预设常量的第二乘积，将所述第二乘积与所述原点坐标的纵坐标相加，作为所述目标点位在所述基准图像对应坐标系中的纵坐标，得到目标坐标。
9.一种坐标转换装置，其特征在于，包括：
获取模块，用于获取初始地图图像及目标地图图像，所述初始地图图像及所述目标地图图像分别采用不同的坐标系；
截取模块，用于基于预设缩放比例，从所述初始地图图像中截取目标点位对应的模板图像，并从所述目标地图图像中截取所述目标点位对应的基准图像，所述目标点位位于所述模板图像及所述基准图像的中心点，所述基准图像的边长大于所述模板图像的边长；
匹配模块，用于基于所述模板图像，对所述基准图像进行自适应单目标匹配检测，确定所述基准图像中与所述模板图像相匹配的匹配区域；
确定模块，用于基于所述匹配区域在所述基准图像中的位置信息及所述预设缩放比例，确定所述目标点位在所述基准图像对应坐标系中的目标坐标。
10.根据权利要求9所述的坐标转换装置，其特征在于，所述匹配模块，用于：
对所述模板图像进行k次不同比例的缩放，得到k张候选图像，所述k为大于1的自然数；
在所述基准图像中，对所述候选图像进行图像匹配，确定所述基准图像中与所述候选图像对应的候选区域；
分别计算所述候选区域与所述模板图像之间的相似度，将相似度最大的候选区域作为匹配区域。
11.根据权利要求9所述的坐标转换装置，其特征在于，所述装置还包括误差检测模块，用于：
根据预设转换规则，将所述目标点位在所述模板图像对应坐标系中的初始坐标转换为在所述基准图像对应坐标系中的参考坐标；
根据所述目标坐标与所述参考坐标，确定转换误差值，所述转换误差值用于指示所述预设转换规则应用于所述初始地图图像及所述目标地图图像之间产生的误差。
12.根据权利要求9所述的坐标转换装置，其特征在于，所述装置还包括预处理模块，用于：
分别对所述模板图像及所述基准图像进行图像增强处理，得到修复模板图像及修复基准图像；
所述基于所述模板图像，对所述基准图像进行自适应单目标匹配检测，确定所述基准图像中与所述模板图像相匹配的匹配区域，包括：
基于所述修复模板图像，对所述修复基准图像进行自适应单目标匹配检测，确定所述修复基准图像中与所述修复模板图像相匹配的匹配区域。
13.根据权利要求12所述的坐标转换装置，其特征在于，所述预处理模块，用于：
将所述模板图像或所述基准图像作为原始图像，创建所述原始图像对应的灰度图；
对所述灰度图进行边缘检测，得到边缘图像；
对所述边缘图像进行闭运算，得到掩码图；
基于所述原始图像，对所述掩码图进行插值修复，得到所述原始图像对应的修复图像，作为修复模板图像或修复基准图像。
14.根据权利要求13所述的坐标转换装置，其特征在于，所述预处理模块，用于：
利用单尺度视网膜皮层算法，对所述灰度图进行高斯滤波及卷积平滑处理，得到平滑图像；
利用预设算子，对所述平滑图像进行图像梯度运算，得到边缘检测结果；
对所述边缘检测结果进行非极大值抑制及双阈值处理，筛除所述边缘检测结果中的误检，得到边缘图像。
15.根据权利要求9所述的坐标转换装置，其特征在于，所述匹配区域在所述基准图像中的位置信息包括所述匹配区域在所述基准图像中的左上角坐标及右下角坐标，所述确定模块，用于：
获取所述基准图像的原点坐标及当前分辨率，所述原点坐标为所述基准图像的图像原点在所述基准图像对应坐标系中的坐标；
根据所述左上角坐标及所述右下角坐标，确定所述匹配区域的中心点与所述图像原点之间的横坐标距离及纵坐标距离；
根据所述横坐标距离、所述纵坐标距离、所述预设缩放比例、所述当前分辨率及所述原点坐标，确定所述目标点位在所述基准图像对应坐标系中的目标坐标。
16.根据权利要求15所述的坐标转换装置，其特征在于，所述确定模块，用于：
确定所述左上角坐标的横坐标及所述右下角坐标的横坐标的均值，作为所述匹配区域的中心点与所述图像原点之间的横坐标距离；
确定所述左上角坐标的纵坐标及所述右下角坐标的纵坐标的均值，作为所述匹配区域的中心点与所述图像原点之间的纵坐标距离；
所述根据所述横坐标距离、所述纵坐标距离、所述预设缩放比例、所述当前分辨率及所述原点坐标，确定所述目标点位在所述基准图像对应坐标系中的目标坐标，包括：
确定所述横坐标距离、所述预设缩放比例与预设常量的第一乘积，将所述第一乘积与所述原点坐标的横坐标相加，作为所述目标点位在所述基准图像对应坐标系中的横坐标；
确定所述纵坐标距离、所述预设缩放比例与预设常量的第二乘积，将所述第二乘积与所述原点坐标的纵坐标相加，作为所述目标点位在所述基准图像对应坐标系中的纵坐标，得到目标坐标。
17.一种电子设备，其特征在于，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如权利要求1至8中任一项所述的坐标转换方法。
18.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令由坐标转换电子设备的处理器执行时，使得坐标转换电子设备能够执行如权利要求1至8中任一项所述的坐标转换方法。
19.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8任一项所述的坐标转换方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211330427.9A CN115660945A (zh) | 2022-10-27 | 2022-10-27 | 一种坐标转换方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211330427.9A CN115660945A (zh) | 2022-10-27 | 2022-10-27 | 一种坐标转换方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115660945A true CN115660945A (zh) | 2023-01-31 |
Family
ID=84994307
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211330427.9A Pending CN115660945A (zh) | 2022-10-27 | 2022-10-27 | 一种坐标转换方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115660945A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116228773A (zh) * | 2023-05-09 | 2023-06-06 | 华芯程(杭州)科技有限公司 | 一种晶圆检测机台的量测数据校准方法、装置及设备 |
| CN116817772A (zh) * | 2023-08-31 | 2023-09-29 | 北京航为高科连接技术有限公司 | 航空沉头紧固件头部高度检测方法、装置及系统 |
-
2022
- 2022-10-27 CN CN202211330427.9A patent/CN115660945A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116228773A (zh) * | 2023-05-09 | 2023-06-06 | 华芯程(杭州)科技有限公司 | 一种晶圆检测机台的量测数据校准方法、装置及设备 |
| CN116228773B (zh) * | 2023-05-09 | 2023-08-04 | 华芯程(杭州)科技有限公司 | 一种晶圆检测机台的量测数据校准方法、装置及设备 |
| CN116817772A (zh) * | 2023-08-31 | 2023-09-29 | 北京航为高科连接技术有限公司 | 航空沉头紧固件头部高度检测方法、装置及系统 |
| CN116817772B (zh) * | 2023-08-31 | 2023-12-15 | 北京航为高科连接技术有限公司 | 航空沉头紧固件头部高度检测方法、装置及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11244432B2 (en) | Image filtering based on image gradients | |
| Guo et al. | An efficient fusion-based defogging | |
| CN108230333B (zh) | 图像处理方法、装置、计算机程序、存储介质和电子设备 | |
| KR101805090B1 (ko) | 영역 인식 방법 및 장치 | |
| CN109344832B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| US8891905B2 (en) | Boundary-based high resolution depth mapping | |
| CN115660945A (zh) | 一种坐标转换方法、装置、电子设备及存储介质 | |
| CN111291601B (zh) | 车道线识别方法和装置以及电子设备 | |
| CN108351962B (zh) | 具有自适应性通道特征的对象检测 | |
| CN113781406B (zh) | 电子元器件的划痕检测方法、装置及计算机设备 | |
| CN111968052B (zh) | 图像处理方法、图像处理装置及存储介质 | |
| CN112258404A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
| CN109784327B (zh) | 边界框确定方法、装置、电子设备及存储介质 | |
| CN112184635A (zh) | 目标检测方法、装置、存储介质及设备 | |
| CN112967264A (zh) | 缺陷检测方法及装置、电子设备和存储介质 | |
| CN114298902A (zh) | 一种图像对齐方法、装置、电子设备和存储介质 | |
| CN112308797A (zh) | 角点检测方法、装置、电子设备及可读存储介质 | |
| CN109544490B (zh) | 图像增强方法、装置和计算机可读存储介质 | |
| CN114299056A (zh) | 图像的瑕疵点的识别方法、瑕疵图像识别模型训练方法 | |
| CN116580305A (zh) | 一种基于深度学习的茶芽检测方法及其模型搭建方法 | |
| CN108810407B (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
| US11205064B1 (en) | Measuring quality of depth images in real time | |
| CN114723715A (zh) | 车辆目标检测方法、装置、设备、车辆及介质 | |
| CN114764839A (zh) | 动态视频生成方法、装置、可读存储介质及终端设备 | |
| CN114170251A (zh) | 一种图像语义分割方法、装置及电子设备 |
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 |