CN116086427A - 基准地图获取方法、装置、设备和存储介质 - Google Patents
基准地图获取方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN116086427A CN116086427A CN202211566897.5A CN202211566897A CN116086427A CN 116086427 A CN116086427 A CN 116086427A CN 202211566897 A CN202211566897 A CN 202211566897A CN 116086427 A CN116086427 A CN 116086427A
- Authority
- CN
- China
- Prior art keywords
- sub
- map
- maps
- common
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请提供一种基准地图获取方法、装置、设备和存储介质,包括:获取针对目标场景中的不同区域生成的多个子地图;根据多个子地图分别对应的地图数据,确定多个子地图分别对应的场景信息量评价指标;根据场景信息量评价指标,从多个子地图中确定出目标子地图作为基准地图,基准地图为多个子地图进行拼接以生成目标场景的地图时的起始子地图。本方案中,通过设置场景信息量评价指标来衡量各个子地图对应的场景信息量,进而,基于场景信息量评价指标可以从多个子地图中筛选出包含场景信息量最多的子地图作为基准地图,在将多个子地图进行拼接时,其他子地图能够较好的与基准地图进行匹配,进而快速的拼接出高质量的地图。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种基准地图获取方法、装置、设备和存储介质。
背景技术
随着人工智能的发展,机器人能够在不同场景下进行不同类型的作业,比如:扫地机器人可用于地面清洁,仓储机器人可用于货物分拣等。机器人之所以能够在各种场景下进行作业,是因为机器人预先构建有当前场景的地图,基于该地图机器人能够定位其在当前场景中的具体位置以及进行路径规划,实现机器人的自主移动。相关技术中,通常采用即时定位与地图构建(Simu ltaneous Local ization and Mapping,简称SLAM)的方式进行场景地图构建。
在对大型环境进行地图构建时,通常需要对目标环境的不同区域分别进行地图构建,然后从构建好的不同区域的地图中选择一个地图作为基准地图,通过将其他地图与基准地图进行拼接来完成该目标环境的地图构建。在地图拼接过程中,基准地图的选择直接影响到地图拼接的质量和速度。
发明内容
本发明实施例提供一种基准地图获取方法、装置、设备和存储介质,用于提高基于基准地图进行地图拼接时的质量和速度。
第一方面,本发明实施例提供一种基准地图获取方法,所述方法包括:
获取针对目标场景中的不同区域生成的多个子地图;
根据所述多个子地图分别对应的地图数据,确定所述多个子地图分别对应的场景信息量评价指标;
根据所述场景信息量评价指标,从所述多个子地图中确定出目标子地图作为基准地图,所述基准地图为所述多个子地图进行拼接以生成所述目标场景的地图时的起始子地图。
第二方面,本发明实施例提供一种基准地图获取装置,所述装置包括:
获取模块,用于获取针对目标场景中的不同区域生成的多个子地图;
处理模块,用于根据所述多个子地图分别对应的地图数据,确定所述多个子地图分别对应的场景信息量评价指标;根据所述场景信息量评价指标,从所述多个子地图中确定出目标子地图作为基准地图,所述基准地图为所述多个子地图进行拼接以生成所述目标场景的地图时的起始子地图。
第三方面,本发明实施例提供一种电子设备,包括:惯性测量单元、相机、激光传感器、存储器、处理器、通信接口;其中,所述存储器上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如第一方面所述的基准地图获取方法。
第四方面,本发明实施例提供了一种非暂时性机器可读存储介质,所述非暂时性机器可读存储介质上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器至少可以实现如第一方面所述的基准地图获取方法。
本发明实施例中,在构建目标场景对应的地图时,先将目标场景划分为不同的区域,然后分别构建不同区域对应的地图,称为子地图;之后,从多个子地图中选取出一个目标子地图作为基准地图也即多个子地图进行拼接时的起始子地图,并基于基准地图对多个子地图进行拼接,以得到目标场景对应的地图。本方案中,通过设置场景信息量评价指标来衡量各个子地图对应的场景信息量,进而,基于场景信息量评价指标可以从多个子地图中筛选出包含场景信息量最多的子地图作为基准地图。由于基准地图包含的场景信息量最多,对应覆盖的目标场景也最多,因此,在将多个子地图进行拼接时,其他子地图能够较好的与基准地图进行匹配,进而快速的拼接出高质量的地图。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基准地图获取方法的流程图;
图2为本发明实施例提供的另一种基准地图获取方法的流程图;
图3为本发明实施例提供的一种共视特征点的示意图;
图4为本发明实施例提供的一种基准地图获取装置的结构示意图;
图5为本实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
另外,下述各方法实施例中的步骤时序仅为一种举例,而非严格限定。
图1为本发明实施例提供的一种基准地图获取方法的流程图,如图1所示,该方法包括如下步骤:
101、获取针对目标场景中的不同区域生成的多个子地图。
102、根据多个子地图分别对应的地图数据,确定多个子地图分别对应的场景信息量评价指标。
103、根据多个子地图分别对应的场景信息量评价指标,从多个子地图中确定出目标子地图作为基准地图,其中,基准地图为多个子地图进行拼接以生成目标场景的地图时的起始子地图。
本发明实施例提供的基准地图获取方法,可以应用于机器人,或者,可以应用于安装在智能手机、笔记本电脑或服务器上的机器人客户端,该机器人客户端可与机器人通过网络通信进行信息、指令的交互。
在对目标场景进行地图构建(即建图)时,通常需要先使用感知设备(比如:惯性测量单元、激光传感器等传感器、相机等)来感知目标场景,然后基于感知设备获取到的场景信息(比如:点云数据、视觉图像等)进行地图构建。
实际应用中,在对一些较大的目标场景(比如:室外场景)进行地图构建时,一次性获取整个目标场景的全部场景信息难度较大,且存在建图过程中一旦发生错误就需要重新建图的缺陷。为此,通常会先将目标场景划分为不同的区域,然后针对不同的区域分别通过感知设备采集对应的场景信息,并根据各区域对应场景信息构建各区域的子地图,最后将不同区域的子地图进行拼接以得到目标场景的地图。本实施例中,将不同区域对应的地图称为子地图,以便与目标场景对应的地图进行区分。
为便于多个子地图进行拼接,在对目标场景进行区域划分时,不同的两个区域之间存在共视区域,共视区域是指能够同时被两个区域内的感知设备感知到的区域,也可理解为两个区域之间的重叠区域。可以理解的是,若区域A和区域B之间存在共视区域X,则区域A对应的子地图Ma与区域B对应的子地图Mb中均存在与共视区域X对应的部分地图,从而子地图Ma和子地图Mb可基于共视区域X对应的部分地图进行拼接。例如,可以通过构建共视区域X对应的部分地图的线性几何约束计算出子地图Ma和子地图Mb之间的空间相对变换,最后通过相对变换来实现子地图Ma和子地图Mb的拼接。
针对目标场景中不同区域对应的多个子地图,在进行拼接时,需要先从多个子地图中确定出一个起始子地图,也即本实施例中的基准地图,其他子地图与基准地图进行拼接以得到目标场景的地图。其中,基准地图的选取会影响到地图拼接的效率和最终的拼接质量,比如:随机从多个子地图中选择一个子地图作为基准地图,若该子地图覆盖的目标场景较少,则其他子地图可能无法与该子地图进行拼接,最终会导致拼接失败或拼接得到的地图准确度较差。
为提高多个子地图在进行拼接时的效率和拼接得到的地图的准确度,本方案中,在获取针对目标场景中的不同区域生成的多个子地图后,根据多个子地图分别对应的地图数据,确定多个子地图分别对应的场景信息量评价指标,其中,场景信息量评价指标用于衡量各个子地图对应的场景信息量。进而,基于场景信息量评价指标可以从多个子地图中筛选出包含场景信息量最多的子地图作为基准地图。可以理解的是,基准地图包含的场景信息量越多,其覆盖的目标场景和对应的共视区域也越多,从而,在将多个子地图进行拼接时,其他子地图能够较好的与基准地图进行匹配,进而快速的拼接出高质量的地图。
具体实施过程中,可设置能够描述子地图包含的场景信息量的参数,基于各个参数确定多个子地图分别对应的场景信息量评价指标。结合图2进行说明。
图2为本发明实施例提供的另一种基准地图获取方法的流程图,如图2所示,该方法包括如下步骤:
201、获取针对目标场景中的不同区域生成的多个子地图,各子地图分别对应有地图数据。其中,地图数据包括:针对目标场景中的不同区域所采集的视觉图像对应的二维特征点、二维特征点在目标场景中对应的三维空间点、采集视觉图像时的移动数据以及对应子地图的尺寸信息,视觉图像用于生成子地图。
实际应用中,地图有多种分类方式,例如,根据用于生成地图的数据类型,可以将地图划分为视觉地图、点云地图等。可以理解的是,不同种类的地图,其对应的能够描述地图所包含的场景信息量的参数也不相同。为便于理解,本实施例中,以子地图是视觉地图为例进行说明,但并不以此为限。
针对目标场景中的任一区域Y,在生成区域Y的子地图(视觉地图)时,先通过相机获取区域Y的视频流;然后从视频流中确定用于生成子地图的多个关键帧,也即本实施例中的视觉图像;之后从视觉图像中提取二维特征点,并确定二维特征点的在目标场景中对应的三维空间点(也可称为地图点);最后,结合在采集视觉图像时的移动数据,生成区域Y的子地图,该子地图对应有尺寸信息。其中,移动数据包括:移动路径和与移动路径匹配的位姿数据,位姿数据包含旋转信息和平移信息。
基于上述子地图生成过程,本实施例中,将视觉图像对应的二维特征点、二维特征点在目标场景中对应的三维空间点、采集视觉图像时的移动数据以及对应子地图的尺寸信息称为子地图的地图数据。其中,地图数据用于确定描述子地图包含的场景信息量的参数的取值。
本实施例中,用于描述子地图包含的场景信息量的参数包括:共视特征点数量、共视空间点数量、移动路径长度和面积。
202、根据第一子地图对应的二维特征点和第二子地图对应的二维特征点,确定第一子地图对应的共视特征点数量,共视特征点为第一子地图和第二子地图均包含的二维特征点;第一子地图为多个子地图中的任一个,第二子地图为多个子地图中除第一子地图外的其他子地图。
其中,共视特征点与前述共视区域对应,子地图之间的共视特征点数量越多,表明子地图对应的共视区域越多,子地图包含的场景信息量越多。
为便于理解,先结合图3,举例说明两个子地图之间的共视特征点数量的确定过程。
图3为本发明实施例提供的一种共视特征点的示意图。如图3所示,假设有两个子地图:子地图M1和子地图M2,目标场景中存在两个三维空间点分别为P1和P2,P1和P2位于子地图M1和子地图M2对应区域的共视区域。其中,P1在分别用于生成子地图M1和子地图M2的视觉图像(图3中用菱形表示)中对应于二维特征点F1,P2在分别用于生成子地图M1和子地图M2的视觉图像中对应于二维特征点F2。其中,F1和F2可能位于不同的视觉图像中,比如:视觉图像1中包含F1,视觉图像2中包含F1和F2等。
基于上述假设,根据子地图M1对应的二维特征点与子地图M2对应的二维特征点,可确定子地图M1和子地图M2均包含二维特征点F1和F2,由此,F1和F2即为子地图M1和子地图M2的共视特征点。如图3所示,子地图M1对应的二维特征点中包含有2个F1和2个F2,子地图M2对应的二维特征点中包含2个F1和3个F2。从而,子地图M1和子地图M2之间的共视特征点数量O12为9,包含4个F1和5个F2。
具体实施过程中,在确定第一子地图与第二子地图的共视特征点时,作为一种可选地方式,可基于第一子地图的每个二维特征点对应的描述子和第二子地图的二维特征点对应的描述子,进行距离计算,比如:计算欧式距离或汉明距离,若两个描述子对应的距离小于设定阈值,则确定这两个描述子对应的二维特征点为共视特征点。
实际应用中,第二子地图的数量可以为一个或多个。
举例来说,假设将目标场景划分成了n个不同区域,对应生成了n个子地图,分别为子地图M1、子地图M2,…,子地图Mn,其中n为大于1的整数。
若n等于2,则第二子地图的数量为一个,第一子地图对应的共视特征点的数量即为第一子地图与第二子地图之间的共视特征点的数量。举例来说,若第一子地图为子地图M1,第二子地图为子地图M2,则子地图M1对应的共视特征点的数量O1s即为子地图M1与子地图M2之间的共视特征点数量O12,即O1s=O12。类似地,子地图M2对应的共视特征点的数量O2s=O21,其中,O12=O21。
若n大于2,则第二子地图的数量为多个,即(n-1)个,第一子地图对应的共视特征点的数量为第一子地图与各第二子地图之间的共视特征点数量之和。具体实施过程中,先根据第一子地图对应的二维特征点和各第二子地图分别对应的二维特征点,确定第一子地图与各第二子地图之间的共视特征点数量;之后,确定第一子地图与各第二子地图之间的共视特征点数量之和为第一子地图的共视特征点数量。
举例来说,若第一子地图为子地图M1,则第二子地图对应于子地图M2、子地图M3,…,子地图Mn。在确定子地图M1对应的共视特征点的数量O1s时,先根据子地图M1对应的二维特征点和子地图M2对应的二维特征点,计算子地图M1和子地图M2之间的共视特征点数量O12,根据子地图M1对应的二维特征点和子地图M3对应的二维特征点,计算子地图M1和子地图M3之间的共视特征点数量O13,…,根据子地图M1对应的二维特征点和子地图Mn对应的二维特征点,计算子地图M1和子地图Mn之间的共视特征点数量O1n。之后,确定子地图M1对应的共视特征点的数量O1s为子地图M1与子地图M2、子地图M3,…,子地图Mn分别对应的共视特征点数量之和,即O1s=O12+O13+...+O1n。
203、根据第一子地图对应的共视特征点对应的三维空间点,确定第一子地图对应的共视空间点数量。
可以理解的是,使用相机进行拍摄的过程实际上是将三维空间转化为二维视觉图像的过程,视觉图像中的二维特征点在三维空间中均存在对应的三维空间点。
针对共视区域,在步骤202中通过共视特征点从二维的角度进行表征,在步骤203中通过共视空间点从三维的角度进行表征。可以理解的是,针对两个子地图之间的同一个共视区域,这两个子地图之间的共视特征点与共视空间点之间应当是匹配的,因为共视特征点和共视空间点是在表征同一个区域。
由于步骤202中已经确定了任意两个子地图之间的共视特征点,且地图数据中包含有个子地图对应的二维特征点在目标场景中对应的三维空间点,因此,针对任意两个子地图,可确定这两个子地图之间的共视特征点对应的三维空间点,并将确定出的三维空间点作为这两个子地图之间的共视空间点。子地图之间的共视空间点数量越多,表明子地图对应的共视区域越多,子地图包含的场景信息量越多。
举例来说,仍以图3中的子地图M1和子地图M2为例,基于图3对应的假设,确定了子地图M1和子地图M2之间的共视特征点为二维特征点F1和F2之后,进一步地,可确定二维特征点F1对应的三维空间点为P1,二维特征点F2对应的三维空间点为P2,从而子地图M1和子地图M2之间的共视空间点为三维空间点P1和P2,子地图M1与子地图M2之间的共视空间点的数量L12为2。
在确定任一子地图(即第一子地图)对应的共视空间点数量时,仍假设将目标场景划分成了n个不同区域,对应生成了n个子地图,分别为子地图M1、子地图M2,…,子地图Mn,其中n为大于1的整数。
若n等于2,则第二子地图的数量为一个,第一子地图对应的共视空间点的数量即为第一子地图与第二子地图之间的共视空间点的数量。举例来说,若第一子地图为子地图M1,第二子地图为子地图M2,则子地图M1对应的共视空间点的数量L1s即为子地图M1与子地图M2之间的共视空间点数量L12,即L1s=L12。类似地,子地图M2对应的共视空间点的数量L2s=L21,其中,L12=L21。
若n大于2,则第二子地图的数量为多个,即(n-1)个,第一子地图对应的共视特征点的数量为第一子地图与各第二子地图之间的共视空间点数量之和。具体实施过程中,先根据第一子地图与各第二子地图之间的共视特征点对应的三维空间点,确定第一子地图与各第二子地图之间的共视空间点数量;之后,确定第一子地图与各第二子地图之间的共视空间点数量之和为第一子地图对应的共视空间点数量。
举例来说,若第一子地图为子地图M1,则第二子地图对应于子地图M2、子地图M3,…,子地图Mn。在确定子地图M1对应的共视特征点的数量L1s时,先根据子地图M1与子地图M2之间的共视特征点对应的三维空间点,计算子地图M1和子地图M2之间的共视空间点数量L12,根据子地图M1与子地图M3之间的共视特征点对应的三维空间点,计算子地图M1和子地图M3之间的共视空间点数量L13,…,根据子地图M1与子地图Mn之间的共视特征点对应的三维空间点,计算子地图M1和子地图Mn之间的共视空间点数量L1n。之后,确定子地图M1对应的共视空间点的数量L1s为子地图M1与子地图M2、子地图M3,…,子地图Mn分别对应的共视空间点数量之和,即L1s=L12+L13+...+L1n。
204、根据第一子地图对应的移动数据,确定第一子地图对应的移动路径长度;根据第一子地图对应的尺寸信息,确定第一子地图对应的面积。
其中,移动路径可以理解为采集用于生成第一子地图的视觉图像时的移动路径。若通过在机器人上配置的相机采集用于生成第一子地图的视觉图像,则机器人在采集用于生成第一子地图的视觉图像时的移动路径即为第一子地图对应的移动路径。
可以理解的是,子地图的移动路径长度越长表明采集的场景信息越多,子地图对应的场景信息量越大。子地图的面积越大表明覆盖的目标场景越多,包含的场景信息越多。
205、根据多个子地图分别对应的共视特征点数量、共视空间点数量、移动路径长度和面积,确定多个子地图分别对应的场景信息量评价指标。
在确定多个子地图分别对应的场景信息量评价指标时,将多个子地图分别对应的多个参数(即共视特征点数量、共视空间点数量、移动路径长度和面积)进行综合考量,通过确定不同参数对应的分值,确定多个子地图分别对应的场景信息量评价指标。
具体地,根据第一子地图对应的共视特征点数量与共视特征点数量总和的比值,确定第一子地图的共视特征点数量分值。其中,共视特征点数量总和为多个子地图分别对应的共视特征点数量之和。
为便于理解,举例来说,仍假设将目标场景划分成了n个不同区域,对应生成了n个子地图,分别为子地图M1、子地图M2,…,子地图Mn,其中n为大于1的整数。
子地图MX(X的取值为1到n)对应的共视特征点数量分值,可以用如下公式(1)表示:
SOX= Oxs/ Onum (1)
其中,Oxs表示子地图MX对应的共视特征点数量,Oij表示子地图i与子地图j之间的共视特征点数量,O1s为子地图M1对应的共视特征点数量,O2s为子地图M2对应的共视特征点数量,O3s为子地图M3对应的共视特征点数量,…,Ons为子地图Mn对应的共视特征点数量。
根据第一子地图对应的共视空间点数量与共视空间点数量总和的比值,确定第一子地图的共视空间点数量分值,共视空间点数量总和为多个子地图分别对应的共视空间点数量之和。子地图MX的共视空间点数量分值,可以用如下公式(2)表示:
SLX= Lxs/ Lnum (2)
其中,Lxs表示子地图MX对应的共视空间点数量,Lij表示子地图i与子地图j之间的共视空间点数量,L1s为子地图M1对应的共视空间点数量,L2s为子地图M2对应的共视空间点数量,L3s为子地图M3对应的共视空间点数量,…,Lns为子地图Mn对应的共视空间点数量。
根据第一子地图对应的移动路径长度与移动路径长度总和的比值,确定第一子地图的移动路径长度分值,移动路径长度总和为多个子地图分别对应的移动路径长度之和。子地图MX的移动路径长度分值,可以用如下公式(3)表示:
SPX= PX/(P1+P2+…+Pn) (3)
其中,PX子地图MX对应的移动路径长度,P1为子地图M1对应的移动路径长度、P2为子地图M2对应的移动路径长度,…,Pn为子地图Mn对应的移动路径长度。
根据第一子地图对应的面积与面积总和的比值,确定第一子地图的面积分值,面积总和为多个子地图分别对应的面积之和。子地图MX的面积分值,可以用如下公式(4)表示:
SAX= AX/(A1+A2+…+An) (4)
其中,AX为子地图MX对应的面积,A1为子地图M1对应的面积、A2为子地图M2对应的面积,…,An为子地图Mn对应的面积。
实际应用中,在根据第一子地图的共视特征点数量分值、共视空间点数量分值、移动路径长度分值和面积分值,确定第一子地图对应的场景信息量评价指标时,可选地,可预先为各分值设置对应的权重。在具体实施过程中,确定第一子地图的共视特征点数量分值与第一设定权重的第一乘积、共视空间点数量分值与第二设定权重的第二乘积、移动路径长度分值与第三设定权重的第三乘积和面积分值与第四设定权重的第四乘积;将第一乘积、第二乘积、第三乘积和第四乘积之和作为第一子地图的场景信息量评价指标。
仍以子地图MX为例,其对应的场景信息评价指标可以表示为如下公式(5):
SX=WO*SOX+WL*SLX+WP*SPX+WA*SAX (5)
其中,WO表示共视特征点数量分值对应的权重,WL表示共视空间点数量分值对应的权重,WP表示移动路径长度分值对应的权重,WA表示面积分值对应的权重。
其中,权重WO,WL,WP和WA的取值大于0。实际应用中,可根据各权重对应的参量对评估子地图场景信息量的贡献程度,设置不同的数值,比如:WO=0.5,WL=0.3,WP=0.1,WA=0.1。
206、根据多个子地图分别对应的场景信息量评价指标,从多个子地图中确定出目标子地图作为基准地图,其中,基准地图为多个子地图进行拼接以生成目标场景的地图时的起始子地图。
具体地,在根据公式(5)确定各子地图对应的场景信息量评价指标后,从多个子地图中确定出数值最大的场景信息量评价指标对应的子地图为基准地图。
本实施例中,通过基于共视特征点数量、共视空间点数量、移动路径长度和面积四个参数,表征各子地图对应的场景信息量,从而可以确定各子地图对应的场景信息量评价指标,从多个子地图中选择出包含有最多场景信息的子地图,作为基准地图,进行多子地图的拼接,从而高效的生成目标场景的地图。
在一可选实施例中,在将多个子地图中的其他子地图与基准地图进行拼接的过程中,可可将基准地图更新为当前已拼接的地图,直至多个子地图中不存在未进行拼接的子地图。比如:目标场景被划分为3个不同区域,对应生成3个子地图,假设确定子地图M1为基准地图,若先将子地图M2与子地图M1进行拼接,则可在子地图M2与子地图M1拼接完成得到地图M12后,将地图M12作为基准地图,使子地图M3与地图M12进行拼接,以得到目标场景的地图M123。
以下将详细描述本发明的一个或多个实施例的基准地图获取装置。本领域技术人员可以理解,这些装置均可使用市售的硬件组件通过本方案所教导的步骤进行配置来构成。
图4为本发明实施例提供的一种基准地图获取装置的结构示意图,如图4所示,该装置包括:获取模块11,处理模块12。
获取模块11,用于获取针对目标场景中的不同区域生成的多个子地图。
处理模块12,用于根据所述多个子地图分别对应的地图数据,确定所述多个子地图分别对应的场景信息量评价指标;根据所述场景信息量评价指标,从所述多个子地图中确定出目标子地图作为基准地图,所述基准地图为所述多个子地图进行拼接以生成所述目标场景的地图时的起始子地图。
可选地,地图数据包括:针对所述目标场景中的不同区域所采集的视觉图像对应的二维特征点、所述二维特征点在所述目标场景中对应的三维空间点、采集所述视觉图像时的移动数据以及对应子地图的尺寸信息,所述视觉图像用于生成子地图。处理模块12,具体用于根据第一子地图对应的所述二维特征点和第二子地图对应的所述二维特征点,确定所述第一子地图对应的共视特征点数量;所述共视特征点为所述第一子地图和所述第二子地图均包含的二维特征点,所述第一子地图为所述多个子地图中的任一个,所述第二子地图为所述多个子地图中除所述第一子地图外的其他子地图;根据所述第一子地图对应的共视特征点对应的三维空间点,确定所述第一子地图对应的共视空间点数量;根据所述第一子地图对应的所述移动数据,确定所述第一子地图对应的移动路径长度;根据所述第一子地图对应的尺寸信息,确定所述第一子地图对应的面积;根据所述多个子地图分别对应的共视特征点数量、共视空间点数量、移动路径长度和面积,确定所述多个子地图分别对应的场景信息量评价指标。
可选地,所述第二子地图的数量为多个。处理模块12,还具体用于根据第一子地图对应的所述二维特征点和各第二子地图分别对应的所述二维特征点,确定所述第一子地图与各第二子地图之间的共视特征点数量;确定所述第一子地图与各第二子地图之间的共视特征点数量之和为所述第一子地图对应的共视特征点数量;根据所述第一子地图与各第二子地图之间的共视特征点对应的三维空间点,确定所述第一子地图与各第二子地图之间的共视空间点数量;确定所述第一子地图与各第二子地图之间的共视空间点数量之和为所述第一子地图对应的共视空间点数量。
可选地,处理模块12,还具体用于根据所述第一子地图对应的共视特征点数量与共视特征点数量总和的比值,确定所述第一子地图的共视特征点数量分值,所述共视特征点数量总和为所述多个子地图分别对应的共视特征点数量之和;根据所述第一子地图对应的共视空间点数量与共视空间点数量总和的比值,确定所述第一子地图的共视空间点数量分值,所述共视空间点数量总和为所述多个子地图分别对应的共视空间点数量之和;根据所述第一子地图对应的移动路径长度与移动路径长度总和的比值,确定所述第一子地图的移动路径长度分值,所述移动路径长度总和为所述多个子地图分别对应的移动路径长度之和;根据所述第一子地图对应的面积与面积总和的比值,确定所述第一子地图的面积分值,所述面积总和为所述多个子地图分别对应的面积之和;根据所述第一子地图的共视特征点数量分值、共视空间点数量分值、移动路径长度分值和面积分值,确定所述第一子地图对应的场景信息量评价指标。
可选地,处理模块12,还具体用于确定所述第一子地图的共视特征点数量分值与第一设定权重的第一乘积、共视空间点数量分值与第二设定权重的第二乘积、移动路径长度分值与第三设定权重的第三乘积和面积分值与第四设定权重的第四乘积;将所述第一乘积、所述第二乘积、所述第三乘积和所述第四乘积之和作为所述第一子地图的场景信息量评价指标。
可选地,处理模块12,还具体用于根据所述场景信息量评价指标,从所述多个子地图中确定出数值最大的场景信息量评价指标对应的子地图为基准地图。
可选地,处理模块12,还具体用于在将所述多个子地图中的其他子地图与所述基准地图进行拼接的过程中,将所述基准地图更新为当前已拼接的地图,直至所述多个子地图中不存在未进行拼接的子地图。
图4所示装置可以执行前述实施例中的步骤,详细的执行过程和技术效果参见前述实施例中的描述,在此不再赘述。
在一个可能的设计中,上述图5所示基准地图获取装置的结构可实现为一电子设备。如图5所示,该电子设备可以包括:该电子设备可以包括:存储器21、处理器22、通信接口23。其中,存储器21上存储有可执行代码,当所述可执行代码被处理器22执行时,使处理器22至少可以实现如前述实施例中提供的基准地图获取方法。
另外,本发明实施例提供了一种非暂时性机器可读存储介质,所述非暂时性机器可读存储介质上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器至少可以实现如前述实施例中提供的基准地图获取方法。
以上所描述的装置实施例仅仅是示意性的,其中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。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现,当然也可以通过硬件和软件结合的方式来实现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以计算机产品的形式体现出来,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,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发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基准地图获取方法,其特征在于,所述方法包括:
获取针对目标场景中的不同区域生成的多个子地图;
根据所述多个子地图分别对应的地图数据,确定所述多个子地图分别对应的场景信息量评价指标;
根据所述场景信息量评价指标,从所述多个子地图中确定出目标子地图作为基准地图,所述基准地图为所述多个子地图进行拼接以生成所述目标场景的地图时的起始子地图。
2.根据权利要求1所述的方法,其特征在于,所述地图数据包括:针对所述目标场景中的不同区域所采集的视觉图像对应的二维特征点、所述二维特征点在所述目标场景中对应的三维空间点、采集所述视觉图像时的移动数据以及对应子地图的尺寸信息,所述视觉图像用于生成子地图;
所述根据所述多个子地图分别对应的地图数据,确定所述多个子地图分别对应的场景信息量评价指标,包括:
根据第一子地图对应的所述二维特征点和第二子地图对应的所述二维特征点,确定所述第一子地图对应的共视特征点数量;所述共视特征点为所述第一子地图和所述第二子地图均包含的二维特征点,所述第一子地图为所述多个子地图中的任一个,所述第二子地图为所述多个子地图中除所述第一子地图外的其他子地图;
根据所述第一子地图对应的共视特征点对应的三维空间点,确定所述第一子地图对应的共视空间点数量;
根据所述第一子地图对应的所述移动数据,确定所述第一子地图对应的移动路径长度;
根据所述第一子地图对应的尺寸信息,确定所述第一子地图对应的面积;
根据所述多个子地图分别对应的共视特征点数量、共视空间点数量、移动路径长度和面积,确定所述多个子地图分别对应的场景信息量评价指标。
3.根据权利要求2所述的方法,其特征在于,所述第二子地图的数量为多个,所述根据第一子地图对应的所述二维特征点和第二子地图对应的所述二维特征点,确定所述第一子地图对应的共视特征点数量,包括:
根据第一子地图对应的所述二维特征点和各第二子地图分别对应的所述二维特征点,确定所述第一子地图与各第二子地图之间的共视特征点数量;
确定所述第一子地图与各第二子地图之间的共视特征点数量之和为所述第一子地图对应的共视特征点数量;
所述根据所述第一子地图对应的共视特征点对应的三维空间点,确定第一子地图对应的共视空间点数量,包括:
根据所述第一子地图与各第二子地图之间的共视特征点对应的三维空间点,确定所述第一子地图与各第二子地图之间的共视空间点数量;
确定所述第一子地图与各第二子地图之间的共视空间点数量之和为所述第一子地图对应的共视空间点数量。
4.根据权利要求2所述的方法,其特征在于,所述根据所述多个子地图分别对应的共视特征点数量、共视空间点数量、移动路径长度和面积,确定所述多个子地图分别对应的场景信息量评价指标,包括:
根据所述第一子地图对应的共视特征点数量与共视特征点数量总和的比值,确定所述第一子地图的共视特征点数量分值,所述共视特征点数量总和为所述多个子地图分别对应的共视特征点数量之和;
根据所述第一子地图对应的共视空间点数量与共视空间点数量总和的比值,确定所述第一子地图的共视空间点数量分值,所述共视空间点数量总和为所述多个子地图分别对应的共视空间点数量之和;
根据所述第一子地图对应的移动路径长度与移动路径长度总和的比值,确定所述第一子地图的移动路径长度分值,所述移动路径长度总和为所述多个子地图分别对应的移动路径长度之和;
根据所述第一子地图对应的面积与面积总和的比值,确定所述第一子地图的面积分值,所述面积总和为所述多个子地图分别对应的面积之和;
根据所述第一子地图的共视特征点数量分值、共视空间点数量分值、移动路径长度分值和面积分值,确定所述第一子地图对应的场景信息量评价指标。
5.根据权利要求4所述的方法,其特征在于,所述根据所述第一子地图的共视特征点数量分值、共视空间点数量分值、移动路径长度分值和面积分值,确定所述第一子地图对应的场景信息量评价指标,包括:
确定所述第一子地图的共视特征点数量分值与第一设定权重的第一乘积、共视空间点数量分值与第二设定权重的第二乘积、移动路径长度分值与第三设定权重的第三乘积和面积分值与第四设定权重的第四乘积;
将所述第一乘积、所述第二乘积、所述第三乘积和所述第四乘积之和作为所述第一子地图的场景信息量评价指标。
6.根据权利要求5所述的方法,其特征在于,所述根据所述场景信息量评价指标,从所述多个子地图中确定出目标子地图作为基准地图,包括:
根据所述场景信息量评价指标,从所述多个子地图中确定出数值最大的场景信息量评价指标对应的子地图为基准地图。
7.根据权利要求1至6中任一项所述的方法,其特征在于,所述方法还包括:
在将所述多个子地图中的其他子地图与所述基准地图进行拼接的过程中,将所述基准地图更新为当前已拼接的地图,直至所述多个子地图中不存在未进行拼接的子地图。
8.一种基准地图获取装置,其特征在于,所述装置包括:
获取模块,用于获取针对目标场景中的不同区域生成的多个子地图;
处理模块,用于根据所述多个子地图分别对应的地图数据,确定所述多个子地图分别对应的场景信息量评价指标;根据所述场景信息量评价指标,从所述多个子地图中确定出目标子地图作为基准地图,所述基准地图为所述多个子地图进行拼接以生成所述目标场景的地图时的起始子地图。
9.一种电子设备,其特征在于,包括:存储器、处理器、通信接口;其中,所述存储器上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如权利要求1至7中任一项所述的基准地图获取方法。
10.一种非暂时性机器可读存储介质,其特征在于,所述非暂时性机器可读存储介质上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如权利要求1至7中任一项所述的基准地图获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211566897.5A CN116086427A (zh) | 2022-12-07 | 2022-12-07 | 基准地图获取方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211566897.5A CN116086427A (zh) | 2022-12-07 | 2022-12-07 | 基准地图获取方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116086427A true CN116086427A (zh) | 2023-05-09 |
Family
ID=86203466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211566897.5A Pending CN116086427A (zh) | 2022-12-07 | 2022-12-07 | 基准地图获取方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116086427A (zh) |
-
2022
- 2022-12-07 CN CN202211566897.5A patent/CN116086427A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108537876B (zh) | 三维重建方法、装置、设备及存储介质 | |
Whelan et al. | Real-time large-scale dense RGB-D SLAM with volumetric fusion | |
CN109544615B (zh) | 基于图像的重定位方法、装置、终端及存储介质 | |
CN109658445A (zh) | 网络训练方法、增量建图方法、定位方法、装置及设备 | |
CN108701374B (zh) | 用于三维点云重建的方法和装置 | |
US20150379766A1 (en) | Generation of 3d models of an environment | |
EP3274964B1 (en) | Automatic connection of images using visual features | |
US9430872B2 (en) | Performance prediction for generation of point clouds from passive imagery | |
US10282898B1 (en) | Three-dimensional scene reconstruction | |
US9665978B2 (en) | Consistent tessellation via topology-aware surface tracking | |
CN109063549B (zh) | 基于深度神经网络的高分辨率航拍视频运动目标检测方法 | |
Humenberger et al. | Investigating the role of image retrieval for visual localization: An exhaustive benchmark | |
CN111868786B (zh) | 跨设备监控计算机视觉系统 | |
CN113223078A (zh) | 标志点的匹配方法、装置、计算机设备和存储介质 | |
Avraham et al. | Nerfels: renderable neural codes for improved camera pose estimation | |
US10791321B2 (en) | Constructing a user's face model using particle filters | |
Erat et al. | Real-time view planning for unstructured lumigraph modeling | |
CN112149528A (zh) | 一种全景图目标检测方法、系统、介质及设备 | |
CN116086427A (zh) | 基准地图获取方法、装置、设备和存储介质 | |
CN112146647B (zh) | 一种地面纹理的双目视觉定位方法及芯片 | |
CN115362478A (zh) | 用于标记图像之间的空间关系的强化学习模型 | |
Jenco | Virtual LiDAR error models in point cloud compression | |
Kalampokas et al. | Performance benchmark of deep learning human pose estimation for UAVs | |
Smutná | Investigating Visual Localisation Based on Semi-Generalized Camera Pose Estimation | |
Szabo | A Composable and reusable photogrammetric reconstruction library |
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 |