CN117870650A - 一种ar定位地图更新的方法和装置 - Google Patents
一种ar定位地图更新的方法和装置 Download PDFInfo
- Publication number
- CN117870650A CN117870650A CN202410062477.6A CN202410062477A CN117870650A CN 117870650 A CN117870650 A CN 117870650A CN 202410062477 A CN202410062477 A CN 202410062477A CN 117870650 A CN117870650 A CN 117870650A
- Authority
- CN
- China
- Prior art keywords
- positioning
- map
- image
- verified
- original
- 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 62
- 239000011159 matrix material Substances 0.000 claims description 38
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 15
- 238000005457 optimization Methods 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 10
- 238000006073 displacement reaction Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 101100391172 Dictyostelium discoideum forA gene Proteins 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 12
- 230000000007 visual effect Effects 0.000 description 12
- 230000033001 locomotion Effects 0.000 description 11
- 238000005259 measurement Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000008901 benefit Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 230000004807 localization Effects 0.000 description 5
- 230000003190 augmentative effect Effects 0.000 description 4
- 230000008859 change Effects 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
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本公开提供一种AR定位地图更新的方法,包括:获取用户端设备上传的定位图像;计算其在原AR定位地图中的第一定位结果,更新待更新区块的置信度,并判断待更新区块的置信度是否低于第一预设阈值;如果是,则判定该待更新区块需更新,对待更新区块进行重建得到待验证局部场景AR定位地图;获取用户端设备上传的新的定位图像;计算其在待验证局部场景AR定位地图中的第二定位结果,更新待验证局部场景AR定位地图的置信度和点云信息,并判断待验证局部场景AR定位地图的置信度是否高于第二预设阈值;如果是,则将待验证局部场景AR定位地图和原AR定位地图进行融合,得到新的AR定位地图,并将原AR定位地图替换为新的AR定位地图。
Description
技术领域
本公开的实施例涉及增强现实领域,具体地,涉及适用于一种AR定位地图更新的方法和装置。
背景技术
由于视觉定位的AR定位地图存在由于场景变化导致点云数据与实时场景不一致的问题,而该问题又直接影响着用户终端在场景中的定位精度甚至定位成功率。
现有AR定位地图更新的技术一般有:
1)工作人员定期检查场景的变化情况,当AR定位地图场景发生变化时,由工作人员用专用采集设备重新采集整个场景或者局部场景的图像数据,手动完成更新部分的图像数据替换,之后重新建图,并更新云端AR定位地图。需要工作人员定期进行场景检查,发现问题后进行图像数据采集、集成和处理,可能造成更新过程较长,维护成本较高,且更新的数据处理与集成需要较多的计算资源。
2)允许用户提供实时反馈或编辑地图信息。用户可以通过应用程序提交环境变化情况,并在文档指导下完成变化场景数据的采集和上传,这些信息用于在云端更新地图。一方面对用户操作有着较高的要求,操作复杂,另一方面需要有效的审核机制来过滤和验证用户提供的信息,防止错误或虚假数据的传入。
发明内容
本文中描述的实施例提供了一种AR定位地图更新的方法和装置,以解决上述技术问题。
根据本公开的第一方面,提供了一种AR定位地图更新的方法,包括:
获取用户端设备上传的定位图像;
计算所述定位图像在原AR定位地图中的第一定位结果;
如果所述第一定位结果为定位失败,则根据与定位失败图像相邻近区域的定位成功图像计算所述定位失败图像在所述原AR定位地图中的定位姿态,并根据所述定位姿态确定待更新区块的位置;
根据所述第一定位结果,更新所述待更新区块的置信度,并判断所述待更新区块的置信度是否低于第一预设阈值;
如果所述待更新区块的置信度低于所述第一预设阈值,则判定该待更新区块需进行更新,根据所述定位失败图像和所述与所述定位失败图像相邻近区域的定位成功图像,对所述待更新区块进行重建,得到待验证局部场景AR定位地图;
获取所述用户端设备上传的新的定位图像;
计算所述新的定位图像在所述待验证局部场景AR定位地图中的第二定位结果;
根据所述第二定位结果,更新所述待验证局部场景AR定位地图的置信度和所述待验证局部场景AR定位地图的点云信息,并判断所述待验证局部场景AR定位地图的置信度是否高于第二预设阈值;
如果所述待验证局部场景AR地图的置信度高于所述第二预设阈值,则将所述待验证局部场景AR定位地图和所述原AR定位地图进行融合,得到新的AR定位地图,并将所述原AR定位地图替换为所述新的AR定位地图。
一些实施例中,所述计算所述定位图像在原AR定位地图中的第一定位结果的步骤,具体包括:
对所述定位图像进行特征提取,提取出图像中的特征点;
将所述特征点与所述原AR定位地图中存储的特征进行匹配,根据匹配结果确定第一定位结果;
如果匹配失败,则第一定位结果为定位失败;
如果匹配成功,则第一定位结果为定位成功。
一些实施例中,所述根据与定位失败图像相邻近区域的定位成功图像计算所述定位失败图像在所述原AR定位地图中的定位姿态,并根据所述定位姿态确定待更新区块的位置的步骤,具体包括:
获取用户端设备上传的定位失败图像的VIO姿态、与定位失败图像相邻近区域的定位成功图像的VIO姿态、与定位失败图像相邻近区域的定位成功图像在原AR定位地图的定位姿态;
根据所述定位失败图像的VIO姿态、与定位失败图像相邻近区域的定位成功图像的VIO姿态、与定位失败图像相邻近区域的定位成功图像在原AR定位地图的定位姿态,计算所述定位失败图像在所述原AR定位地图中的定位姿态,计算方法如下:
设定在所述原AR定位地图内成功失败图像Ib在用户端设备VIO坐标系内的姿态为与图像Ib邻近的在原AR定位地图内成功定位图像Ia在用户端设备VIO坐标系内的姿态为/>以及图像Ia在原AR定位地图内的姿态为/>计算图像Ib在原AR定位地图内的姿态为/>表示为/>
其中,I表示VIO坐标系,m表示AR地图坐标系, R表示三维旋转矩阵,R-1表示三维旋转矩阵的逆矩阵,t表示位移向量,0T表示矩阵的转置,0表示零矩阵;
根据确定所述待更新区块的位置。
一些实施例中,所述根据所述第一定位结果,更新所述待更新区块的置信度的步骤,具体包括:
如果所述第一定位结果为定位失败,则下调所述待更新区块的置信度,并将所述待更新区块的置信度标识低置信度;
如果所述第一定位结果为定位成功,则上调所述待更新区块的置信度。
一些实施例中,所述计算所述新的定位图像在所述待验证局部场景AR定位地图中的第二定位结果的步骤,具体包括:
对所述新的定位图像进行特征提取,得到提取的特征;
将所述提取的特征与所述待验证局部AR定位地图中存储的特征进行匹配,根据匹配结果确定第二定位结果;
如果匹配失败,则第二定位结果为定位失败;
如果匹配成功,则第二定位结果为定位成功。
一些实施例中,所述根据所述第二定位结果,更新所述待验证局部AR定位地图的置信度的步骤,具体包括:
如果所述第二定位结果为定位失败,则下调所述待验证局部AR定位地图的置信度;
如果所述第二定位结果为定位成功,则上调所述待验证局部AR定位地图的置信度。
一些实施例中,所述将所述待验证局部AR定位地图和所述原AR定位地图进行融合的步骤,具体包括:
对于在所述原AR定位地图的定位成功图像,设定其图像序列在所述待验证局部AR定位地图中的姿态序列为其中,该图像序列通过PNP算法获得的在所述原AR地图中的姿态序列为/>在理想情况下,存在着一个相似变换矩阵/>对于在所述原AR定位地图的定位成功图像,设定其图像序列在所述待验证局部AR定位地图中的姿态序列为/>其中,该图像序列在所述原AR地图中的姿态序列为/>存在着一个相似变换矩阵/>使得/>成立;
其中,i表示图像序列图像序号,P表示待验证局部AR定位地图坐标系,m表示原AR定位地图坐标系,T表示欧式变换矩阵,其中,R表示三维旋转矩阵,0T表示矩阵的转置,0表示零矩阵,t表示位移向量;/>表示相似变换矩阵,形式如下/>其中,R表示三维旋转矩阵,t表示位移向量,s表示缩放因子
以作为优化目标,求出/>的估计结果,其中,r(residual)表示计算值与真实值之间的残差,n表示所用参与优化计算的图像的数量,待验证局部AR定位地图的点云信息经过/>逆矩阵/>的映射可实现与所述原AR定位地图的坐标对齐,其中,当/>时,有/>
删除所述原AR定位地图中的低置信度信息。
根据本公开的第二方面,提供了一种AR定位地图更新的装置,包括:
获取模块,用于获取用户端设备上传的定位图像;
第一计算模块,用于计算所述定位图像在原AR定位地图中的第一定位结果;
第一处理模块,用于如果所述第一定位结果为定位失败,则根据与定位失败图像相邻近区域的定位成功图像计算所述定位失败图像在所述原AR定位地图中的定位姿态,并根据所述定位姿态确定待更新区块的位置;根据所述第一定位结果,更新所述待更新区块的置信度,并判断所述待更新区块的置信度是否低于第一预设阈值;如果所述待更新区块的置信度低于所述第一预设阈值,则判定该待更新区块需进行更新,根据所述定位失败图像和所述与所述定位失败图像相邻近区域的定位成功图像,对所述待更新区块进行重建,得到待验证局部场景AR定位地图;
所述获取模块,还用于获取所述用户端设备上传的新的定位图像;
第二计算模块,还用于计算所述新的定位图像在所述待验证局部场景AR定位地图中的第二定位结果;
第二处理模块,还用于根据所述第二定位结果,更新所述待验证局部场景AR定位地图的置信度和所述待验证局部场景AR定位地图的点云信息,并判断所述待验证局部场景AR定位地图的置信度是否高于第二预设阈值;如果所述待验证局部场景AR地图的置信度高于所述第二预设阈值,则将所述待验证局部场景AR定位地图和所述原AR定位地图进行融合,得到新的AR定位地图,并将所述原AR定位地图替换为所述新的AR定位地图。
根据本公开的第三方面,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,处理器执行计算机程序时实现如以上任意一个实施例中AR定位地图更新的方法的步骤。
根据本公开的第四方面,提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如以上任意一个实施例中AR定位地图更新的方法的步骤。
本申请实施例提供AR定位地图更新的方法,获取用户端设备上传的定位图像;计算所述定位图像在原AR定位地图中的第一定位结果;如果所述第一定位结果为定位失败,则根据与定位失败图像相邻近区域的定位成功图像计算所述定位失败图像在所述原AR定位地图中的定位姿态,并根据所述定位姿态确定待更新区块的位置;根据所述第一定位结果,更新所述待更新区块的置信度,并判断所述待更新区块的置信度是否低于第一预设阈值;如果所述待更新区块的置信度低于所述第一预设阈值,则判定该待更新区块需进行更新,根据所述定位失败图像和所述与所述定位失败图像相邻近区域的定位成功图像,对所述待更新区块进行重建,得到待验证局部场景AR定位地图;获取所述用户端设备上传的新的定位图像;计算所述新的定位图像在所述待验证局部场景AR定位地图中的第二定位结果;根据所述第二定位结果,更新所述待验证局部场景AR定位地图的置信度和所述待验证局部场景AR定位地图的点云信息,并判断所述待验证局部场景AR定位地图的置信度是否高于第二预设阈值;如果所述待验证局部场景AR地图的置信度高于所述第二预设阈值,则将所述待验证局部场景AR定位地图和所述原AR定位地图进行融合,得到新的AR定位地图,并将所述原AR定位地图替换为所述新的AR定位地图。如此,本公开基于用户在场景中定位的上传定位图像自动判断地图场景是否发生改变,并利用用户上传的定位图像自动进行变化场景的局部地图数据更新,不需安排工作人员重新采集整个场景数据进行地图的整体重建,也不需要对用户提出额外的操作要求,因此相对现有方法有着自动化程度高、成本低以及对用户友好的优点。
上述说明仅是本申请实施例技术方案的概述,为了能够更清楚了解本申请实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本申请实施例的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本公开的实施例的技术方案,下面将对实施例的附图进行简要说明,应当知道,以下描述的附图仅仅涉及本公开的一些实施例,而非对本公开的限制,其中:
图1是本公开实施例提供的一种AR定位地图更新的方法的应用环境示意图。
图2是本公开实施例提供的一种AR定位地图更新的方法的原理示意图。
图3是本公开实施例提供的一种AR定位地图更新的方法的流程示意图。
图4是本公开实施例提供的一种AR定位地图更新的装置的结构示意图。
图5是本公开实施例提供的一种实例示意图。
图6是本公开实施例提供的一种实例示意图。
图7是本公开实施例提供的一种实例示意图。
图8是本公开实施例提供的一种计算机设备的结构示意图。
需要注意的是,附图中的元素是示意性的,没有按比例绘制。
具体实施方式
为了使本公开的实施例的目的、技术方案和优点更加清楚,下面将结合附图,对本公开的实施例的技术方案进行清楚、完整的描述。显然,所描述的实施例是本公开的一部分实施例,而不是全部的实施例。基于所描述的本公开的实施例,本领域技术人员在无需创造性劳动的前提下所获得的所有其它实施例,也都属于本公开保护的范围。
除非另外定义,否则在此使用的所有术语(包括技术和科学术语)具有与本公开主题所属领域的技术人员所通常理解的相同含义。进一步将理解的是,诸如在通常使用的词典中定义的那些的术语应解释为具有与说明书上下文和相关技术中它们的含义一致的含义,并且将不以理想化或过于正式的形式来解释,除非在此另外明确定义。如在此所使用的,将两个或更多部分“连接”或“耦接”到一起的陈述应指这些部分直接结合到一起或通过一个或多个中间部件结合。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语“实施例”并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
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:存在A,同时存在A和B,存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。诸如“第一”和“第二”的术语仅用于将一个部件(或部件的一部分)与另一个部件(或部件的另一部分)区分开。
在本申请的描述中,除非另有说明,“多个”的含义是指两个以上(包括两个),同理,“多组”指的是两组以上(包括两组)。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
在本申请中,需要理解的是,所涉及的术语可以是用于实现本发明一部分的技术手段或者其他总结性技术术语,例如,术语可以包括:
AR(Argument Reality):增强现实,一种将虚拟信息与真实世界巧妙融合的技术,将计算机生成的文字、图像、模型、视频等虚拟信息模拟仿真后,应用到真实世界中,两种信息互为补充,实现对真实世界的“增强”。
位姿(pose):位置和姿态(朝向),例如:在二维中一般是3Dof(x,y,yaw),三维中一般是6Dof(x,y,z,yaw,pitch,roll),后三个元素描述物体的姿态,其中yaw是航向角,绕Z轴旋转;pitch是俯仰角,绕Y轴旋转;roll是翻滚角,绕X轴旋转。
在VIO局部坐标系下进行定位,如AR眼镜上通常使用的VIO,IOS手机的ARKit,Android手机的ARCore,华为手机的AREngine,精度误差较小。
VIO,即Visual Inertial Odometry(视觉惯性里程计),是一种将视觉和惯性测量数据融合的定位方法。它通过结合IMU和相机来获取环境的几何信息,并通过计算机视觉技术进行处理和分析,以实现精确的定位和导航。
VIO的基本原理是将IMU和相机融合在一起,通过IMU的加速度和角速度测量值来获得相机的姿态信息,并通过相机的图像信息来获得环境的几何信息。通过对这些信息进行融合和处理,可以获得相机的位置和姿态信息,从而实现精确的定位和导航。
VIO具有高精度、高分辨率、低成本等优点,因此在许多领域得到了广泛应用。在机器人导航、无人驾驶、无人机飞行等领域,VIO被广泛应用于实现精确的定位和导航。同时,VIO还可以与其他传感器如激光雷达、GPS等进行融合,以进一步提高定位精度和稳定性。
VIO的精度和性能受到多种因素的影响,如光照条件、图像质量、运动速度等。因此,在使用VIO进行视觉定位时,需要进行标定和校准,以消除误差和提高精度。同时,还需要对VIO的数据进行处理和分析,以提取出有用的信息,并进行融合和优化,以实现精确、可靠的视觉定位。
IMU,即Inertial Measurement Unit(惯性测量单元),是一种基于惯性原理的测量系统,通常由三个方向的加速度计和三个方向的陀螺仪组成。
加速度计用于测量物体在三个方向上的加速度,而陀螺仪则用于测量物体在三个方向上的角速度。通过对这些测量值进行积分和计算,可以得到物体的姿态、速度和位置等信息。
IMU具有动态性能好、抗干扰能力强、精度高等优点,因此在许多领域得到了广泛应用。在视觉定位中,IMU可以用于辅助相机进行姿态估计和位置跟踪,提高视觉定位的精度和稳定性。
IMU的工作原理是基于牛顿第二定律和科里奥利力等物理原理,通过对测量值进行解算和处理,可以得到物体的运动状态信息。同时,IMU还可以与其他传感器如GPS、激光雷达等进行融合,以进一步提高测量精度和可靠性。
IMU的精度和性能受到多种因素的影响,如温度、噪声、零点漂移等。因此,在使用IMU进行视觉定位时,需要进行标定和校准,以消除误差和提高精度。同时,还需要对IMU的数据进行处理和分析,以提取出有用的信息,并进行融合和优化,以实现精确、可靠的视觉定位。
SFM是指"Structure from Motion",即通过对图像序列进行分析和处理,推导出场景中三维结构和相机运动的过程。
这种技术通常包括以下步骤:
特征提取:对图像序列中的每一帧进行特征提取,这些特征可能是角点、边缘、描述子等。
特征匹配:将不同帧中相似的特征点进行匹配,以确定它们在不同帧中的对应关系。
相机定位:通过已知的特征点匹配和几何推理,推导出相机在空间中的位置和姿态,也就是相机的定位。
三维重建:根据相机的运动和特征点的位置,估算出场景中物体的三维结构,即三维重建。
Bundle Adjustment(束调整):通过优化相机运动和三维点的估计,使得这些估计更加一致,这个过程称为Bundle Adjustment。
SFM通常应用于重建三维场景、建立三维模型、导航和SLAM(SimultaneousLocalization and Mapping)等领域。它在计算机视觉、增强现实、虚拟现实和机器人技术等领域有着广泛的应用。
PnP(Perspective-n-Point):是求解3D到2D点的对应方法。该方法描述了当知道n个3D空间点及其位置,如何估计相机的位姿。如果两张图像中的一张特征点3D位置已知,那么至少需要3个点对(以及至少一个额外验证点验证结果)就可以计算相机的运动。
本申请提供的一种AR定位地图更新的方法,可以应用在如图1所示的应用环境中,图1是本公开实施例提供的一种AR定位地图更新的方法的应用环境示意图。图2是本公开实施例提供的一种AR定位地图更新的方法的原理示意图。如图1所示,用户端设备110在目标场景下移动,在移动过程中,将定位图像上传给云端服务器120计算定位结果,如图2所示,云端服务器120基于用户端设备110上传的定位图像自动判断场景是否发生改变,并基于用户端设备110上传的定位图像自动进行AR定位地图的更新,以保持AR定位地图的准确性,为用户提供高精度、高可靠的定位服务。需要说明的是,上述用户端设备110可以是具有VIO(Visual-IMU based odometry)功能的智能手机、平板电脑、AR眼镜等智能设备和头戴设备等,云端服务器120中包括但不限于部署蓝牙定位服务、GPS定位服务,WIFI定位服务中的一种或多种的组合。
图3是本公开实施例提供的一种AR定位地图更新的方法的流程示意图。
如图3所示,AR定位地图更新的方法的具体过程包括以下步骤:
步骤S210、获取用户端设备上传的定位图像;
用户端设备上的摄像头会实时捕捉到场景的影像,这些定位图像会被收集并上传到云端服务器。
步骤S220、计算所述定位图像在原AR定位地图中的第一定位结果。
所述原AR定位地图为在云端服务器中已建立的AR定位地图,存储于云端服务器中;
具体地,步骤S220具体包括以下步骤:
云端服务器对收到的所述定位图像进行处理,首先进行的是特征提取,提取出图像中的特征点。图像中的特征可能包括边缘、颜色、纹理等,通常选择能够反映物体或环境独特信息的特征。
将提取出的特征点与云端服务器中的所述原AR定位地图中存储的特征进行匹配,找出同属一个物体或场景的特征点,根据匹配结果,确定第一定位结果;
如果匹配失败,则第一定位结果为定位失败;
如果匹配成功,则第一定位结果为定位成功。
步骤S230、如果所述第一定位结果为定位失败,则根据与定位失败图像相邻近区域的定位成功图像计算所述定位失败图像在所述原AR定位地图中的定位姿态,并根据所述定位姿态确定待更新区块的位置;
所述原AR定位地图可以分为多个区块,当定位成功时,直接根据定位结果就可以确定AR定位区块;
当定位失败时,据此可以判断出场景发生了变化,需要对该区块进行更新,根据计算出的定位姿态,确定待更新区块的位置。
定位图像包括:定位失败图像和定位成功图像。
特征匹配后,还需要估计图像的姿态,即设备的旋转和倾斜角度。这通常会结合设备的IMU(惯性测量单元)数据进行。
在AR(增强现实)系统中,设备的姿态(位置和朝向)通常通过基于特征点的视觉定位方法来确定,这种方法同时需要用到用户端设备的定位图像和预先建立的AR定位地图。
具体地,获取用户端设备上传的定位失败图像的VIO姿态、与定位失败图像相邻近区域的定位成功图像的VIO姿态、与定位失败图像相邻近区域的定位成功图像在原AR定位地图的定位姿态;
根据所述定位失败图像的VIO姿态、与定位失败图像相邻近区域的定位成功图像的VIO姿态、与定位失败图像相邻近区域的定位成功图像在原AR定位地图的定位姿态,计算所述定位失败图像在所述原AR定位地图中的定位姿态,计算方法如下:
设定在所述原AR定位地图内成功失败图像Ib在用户端设备VIO坐标系内的姿态为与图像Ib邻近的在原AR定位地图内成功定位图像Ia在用户端设备VIO坐标系内的姿态为/>以及图像Ia在原AR定位地图内的姿态为/>计算图像Ib在原AR定位地图内的姿态为表示为公式(1):
其中,I表示VIO坐标系,m表示AR地图坐标系, R表示三维旋转矩阵,R-1表示三维旋转矩阵的逆矩阵,t表示位移向量,0T表示矩阵的转置,0表示零矩阵;
根据确定所述待更新区块的位置。
确定邻近的在原AR定位地图的定位成功图像的数量,作为所用参与优化计算的图像的数量n。
步骤S240、根据所述第一定位结果,更新所述待更新区块的置信度,并判断所述待更新区块的置信度是否低于第一预设阈值;
如果所述第一定位结果为定位失败,则下调所述待更新区块的置信度;
如果所述第一定位结果为定位成功,则上调所述待更新区块的置信度。
步骤S250、如果所述待更新区块的置信度低于所述第一预设阈值,则判定该待更新区块需进行更新,根据所述定位失败图像和所述与所述定位失败图像相邻近区域的定位成功图像,对所述待更新区块进行重建,得到待验证局部场景AR定位地图。
当用户从定位良好的区块运动到当前区块,云端服务器后台自动检测发现用户在当前区块上传的定位图像持续出现定位成功率明显降低,且低于设定阈值时,则后台云端服务器据此标示出当前区块的置信度降低。
一些实施例中,可以采用SFM(Structure from Motion)方法完成初步重建。
SFM(Structure from Motion)方法具体包括以下步骤:
特征提取:对图像序列中的每一帧进行特征提取,这些特征可能是角点、边缘、描述子等。
特征匹配:将不同帧中相似的特征点进行匹配,以确定它们在不同帧中的对应关系。
相机定位:通过已知的特征点匹配和几何推理,推导出相机在空间中的位置和姿态,也就是相机的定位。
三维重建:根据相机的运动和特征点的位置,估算出场景中物体的三维结构,即三维重建。
Bundle Adjustment(束调整):通过优化相机运动和三维点的估计,使得这些估计更加一致,这个过程称为Bundle Adjustment。
步骤S260、在一段时间内,获取所述用户端设备上传的新的定位图像。
步骤S270、计算所述新的定位图像在所述待验证局部AR定位地图中的第二定位结果。
具体地,对所述新的定位图像进行特征提取,得到提取的特征;
将所述提取的特征与所述待验证局部AR定位地图中存储的特征进行匹配,根据匹配结果确定第二定位结果;
如果匹配失败,则第二定位结果为定位失败;
如果匹配成功,则第二定位结果为定位成功。
步骤S280、根据所述第二定位结果,更新所述待验证局部场景AR定位地图的置信度和所述待验证局部场景AR定位地图的点云信息,并判断所述待验证局部场景AR定位地图的置信度是否高于第二预设阈值。
如果所述第二定位结果为定位失败,则下调所述待验证局部AR定位地图的置信度;
如果所述第二定位结果为定位成功,则上调所述待验证局部AR定位地图的置信度。
所述待验证局部场景AR定位地图的点云信息,是待验证局部场景AR定位地图中存储的特征信息。通过不断的更新补充所述待验证局部场景AR定位地图的点云信息,可以提高定位准确度。
一些实施例中,所述第二阈值大于所述第一阈值,
步骤S290、如果所述待验证局部场景AR地图的置信度高于所述第二预设阈值,则将所述待验证局部场景AR定位地图和所述原AR定位地图进行融合,得到新的AR定位地图,并将所述原AR定位地图替换为所述新的AR定位地图。
将各个图像排成一列得到图像序列;
将各个姿态排成一列得到姿态序列。
对于在所述原AR定位地图的定位成功图像,设定其图像序列在所述待验证局部AR定位地图中的姿态序列为其中,该图像序列通过视觉定位算法获得在原AR地图中的姿态序列为/>在理想情况下,存在着一个相似变换矩阵/>使得公式(2)成立;
其中,i表示图像序列图像序号,P表示待验证局部AR定位地图坐标系,m表示原AR定位地图坐标系,T表示欧式变换矩阵,形式如下:
其中,R表示三维旋转矩阵,0T表示矩阵的转置,0表示零矩阵,t表示位移向量;
表示相似变换矩阵,形式如下:
其中,R表示三维旋转矩阵,t表示位移向量,s表示缩放因子,其中,所述缩放因子即所述AR地图的尺度参数;
例如:当待验证局部AR定位地图坐标系和原AR定位地图坐标系这两个坐标系方向完全一致时,两个坐标系之间的三维旋转矩阵为R=[1,0,0;0,1,0;0,0,1]。
以公式(3)作为优化目标,求出的估计结果,公式(3)表示为:
其中,r(residual)表示姿态测量值与估计值之间的残差,即结果的误差,n表示所用参与优化计算的图像的数量,表示姿态测量值与估计值之间的偏差,待验证局部AR定位地图的点云信息经过/>逆矩阵/>的映射可实现与所述原AR定位地图的坐标对齐,其中,当/>时,有/>
删除所述原AR定位地图中的低置信度信息。
通过利用参与了局部重建且在低置信度区域邻近所采集的数据在原AR定位地图中的定位结果可实现该待验证局部AR定位地图与原AR定位地图之间的坐标对齐。
经过以上步骤,就完成了AR定位地图更新。
本公开实施例基于用户在场景中定位的上传定位图像自动判断地图场景是否发生改变,并利用用户上传的定位图像自动进行变化场景的局部地图数据更新,不需安排工作人员重新采集整个场景数据进行地图的整体重建,也不需要对用户提出额外的操作要求,因此相对现有方法有着自动化程度高、成本低以及对用户友好的优点。
图4本实施例提供的一种AR定位地图更新的装置的结构示意图。
如图4所述,AR定位地图更新的装置可包括:获取模块310、第一计算模块320、第一处理模块330、第二计算模块340和第二处理模块350。
获取模块310,用于获取用户端设备上传的定位图像;
第一计算模块320,用于计算所述定位图像在原AR定位地图中的第一定位结果;
第一处理模块330,用于如果所述第一定位结果为定位失败,则根据与定位失败图像相邻近区域的定位成功图像计算所述定位失败图像在所述原AR定位地图中的定位姿态,并根据所述定位姿态确定待更新区块的位置;根据所述第一定位结果,更新所述待更新区块的置信度,并判断所述待更新区块的置信度是否低于第一预设阈值;如果所述待更新区块的置信度低于所述第一预设阈值,则判定该待更新区块需进行更新,根据所述定位失败图像和所述与所述定位失败图像相邻近区域的定位成功图像,对所述待更新区块进行重建,得到待验证局部场景AR定位地图;
所述获取模块310,还用于获取所述用户端设备上传的新的定位图像;
第二计算模块340,还用于计算所述新的定位图像在所述待验证局部场景AR定位地图中的第二定位结果;
第二处理模块350,还用于根据所述第二定位结果,更新所述待验证局部场景AR定位地图的置信度和所述待验证局部场景AR定位地图的点云信息,并判断所述待验证局部场景AR定位地图的置信度是否高于第二预设阈值;如果所述待验证局部场景AR地图的置信度高于所述第二预设阈值,则将所述待验证局部场景AR定位地图和所述原AR定位地图进行融合,得到新的AR定位地图,并将所述原AR定位地图替换为所述新的AR定位地图。
本公开提供的AR定位地图更新的装置,可执行上述方法实施例,其具体实现原理和技术效果,可参见上述方法实施例,本公开此处不再赘述。
下面以一个具体实例对本公开提供的AR定位地图更新的方法进行详细说明。
举例而言,某用户头戴AR设备在某商场中走动,在移动过程中,该用户端设备将定位图像上传给云端服务器计算定位结果,云端服务器基于用户端设备上传的定位图像自动判断场景是否发生改变,如果场景发生改变,则根据用户端设备上传的定位图像自动进行AR定位地图的更新,以保持AR定位地图的准确性,具体实现如下:
如图5所示,1、2、3、4、5、6、7、8、9为原AR定位地图中的图像。
图5中,A、B、C、D、E、F为用户端设备上传的定位图像,且其在VIO坐标系下的姿态序列为其中,A在VIO坐标系下的姿态序列为/>B在VIO坐标系下的姿态序列为/>C在VIO坐标系下的姿态序列为/>D在VIO坐标系下的姿态序列为/>E在VIO坐标系下的姿态序列为/>F在VIO坐标系下的姿态序列为/>姿态序列为被排成一列的姿态。当区块(虚线框)内场景发生变化后,C、D、E、F四帧图像已无法在原AR定位地图中成功定位,而虚线框外的A、B两帧图像仍可以成功定位,且A帧图像在原AR定位地图中的定位结果为/>则根据/>可以推算得出C、D、E、F四帧图像在原AR定位地图内的姿态序列为/>云端服务器从而可以判断出C、D、E、F图像的空间位置在该区块(虚线框)内却定位不成功,据此可以判断出该区块(虚线框)的场景发生了变化,需要对该区块的地图进行更新,该区块为待更新区块,并据此标识出该区块(虚线框)的置信度降低。
如图6所示,为了对该区块(虚线框)的地图进行更新,在一段时间内,云端服务器从用户端设备收集到新的定位图像:a、b、c、d、e、f、g七帧图像,其在VIO坐标系下的姿态序列为并且通过SFM方法完成待验证局部AR定位地图P的创建,在待验证局部AR定位地图中,a、b、c、d、e、f、g对应的位姿序列为/>且图像a、b、c三帧图像可以在原AR定位地图内成功定位,在原AR地图中的姿态序列中的姿态为/>a、b、c为所用参与优化计算的图像,因此所用参与优化计算的图像的数量n为3。
当待验证局部AR定位地图通过用户端设备新上传定位数据测试表明定位成功率大于阈值后,认定该待验证局部AR地图的有效性。即可开始后续将该待验证局部AR定位地图与原AR定位地图进行融合的工作。以为优化目标,可以得到通过/> 可以计算得到/>
待验证局部AR定位地图P内图像和点云信息通过的映射即可实现与原AR定位地图的对齐,并删除虚线框内的失效图像6、7、8、9的相关地图信息。得到新的AR定位地图,并将所述原AR定位地图替换为所述新的AR定位地图。如图7所示。新的AR定位地图中包含1、2、3、4、5、a、b、c、d、e、f、g这十二帧图像。从而完成了本次局部AR定位地图的自动更新。
本申请实施例还提供了一种计算机设备。具体请参阅图8,图8为本实施例计算机设备基本结构框图。
计算机设备包括通过系统总线相互通信连接存储器410和处理器420。需要指出的是,图中仅示出了具有组件410-420的计算机设备,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
存储器410至少包括一种类型的可读存储介质,可读存储介质包括非易失性存储器(non-volatile memory)或易失性存储器,例如,闪存(flash memory)、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(random access memory,RAM)、只读存储器(read-only memory,ROM)、可擦写可编程只读存储器(erasable programmableread-only memory,EPROM)、电可擦写可编程只读存储器(electrically erasableprogrammable read-only memory,EEPROM)、可编程只读存储器(programmable read-onlymemory,PROM)、磁性存储器、磁盘、光盘等,RAM可以包括静态RAM或动态RAM。在一些实施例中,存储器410可以是计算机设备的内部存储单元,例如,该计算机设备的硬盘或内存。在另一些实施例中,存储器410也可以是计算机设备的外部存储设备,例如该计算机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)卡或闪存卡(Flash Card)等。当然,存储器410还可以既包括计算机设备的内部存储单元也包括其外部存储设备。本实施例中,存储器410通常用于存储安装于计算机设备的操作系统和各类应用软件,例如上述方法的程序代码等。此外,存储器410还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器420通常用于执行计算机设备的总体操作。本实施例中,存储器410用于存储程序代码或指令,程序代码包括计算机操作指令,处理器420用于执行存储器410存储的程序代码或指令或者处理数据,例如运行上述方法的程序代码。
本文中,总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外设部件互连标准(Peripheral Component Interconnect,PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture,EISA)总线等。该总线系统可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
本申请的另一实施例还提供一种计算机可读介质,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介质。计算机中的处理器读取存储在计算机可读介质中的计算机可读程序代码,使得处理器能够执行在上述方法中每个步骤、或各步骤的组合中规定的功能动作;生成实施在框图的每一块、或各块的组合中规定的功能动作的装置。
计算机可读介质包含但不限于电子、磁性、光学、电磁、红外的存储器或半导体系统、设备或者装置,或者前述的任意适当组合,存储器用于存储程序代码或指令,程序代码包括计算机操作指令,处理器用于执行存储器存储的上述方法的程序代码或指令。
存储器和处理器的定义,可以参考前述计算机设备实施例的描述,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,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信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
在本申请各个实施例中的各功能单元或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。
集成的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,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。本申请描述的“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了装置若干的单元权利要求中,这些装置中的若干个单元可以是通过同一个硬件项来具体体现。第一、第二、以及第三等的使用不表示任何顺序,可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。
以上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。
Claims (10)
1.一种AR定位地图更新的方法,其特征在于,包括:
获取用户端设备上传的定位图像;
计算所述定位图像在原AR定位地图中的第一定位结果;
如果所述第一定位结果为定位失败,则根据与定位失败图像相邻近区域的定位成功图像计算所述定位失败图像在所述原AR定位地图中的定位姿态,并根据所述定位姿态确定待更新区块的位置;
根据所述第一定位结果,更新所述待更新区块的置信度,并判断所述待更新区块的置信度是否低于第一预设阈值;
如果所述待更新区块的置信度低于所述第一预设阈值,则判定该待更新区块需进行更新,根据所述定位失败图像和所述与所述定位失败图像相邻近区域的定位成功图像,对所述待更新区块进行重建,得到待验证局部场景AR定位地图;
获取所述用户端设备上传的新的定位图像;
计算所述新的定位图像在所述待验证局部场景AR定位地图中的第二定位结果;
根据所述第二定位结果,更新所述待验证局部场景AR定位地图的置信度和所述待验证局部场景AR定位地图的点云信息,并判断所述待验证局部场景AR定位地图的置信度是否高于第二预设阈值;
如果所述待验证局部场景AR地图的置信度高于所述第二预设阈值,则将所述待验证局部场景AR定位地图和所述原AR定位地图进行融合,得到新的AR定位地图,并将所述原AR定位地图替换为所述新的AR定位地图。
2.根据权利要求1所述的方法,其特征在于,所述计算所述定位图像在原AR定位地图中的第一定位结果的步骤,具体包括:
对所述定位图像进行特征提取,提取出图像中的特征点;
将所述特征点与所述原AR定位地图中存储的特征进行匹配,根据匹配结果确定第一定位结果;
如果匹配失败,则第一定位结果为定位失败;
如果匹配成功,则第一定位结果为定位成功。
3.根据权利要求2所述的方法,其特征在于,所述根据与定位失败图像相邻近区域的定位成功图像计算所述定位失败图像在所述原AR定位地图中的定位姿态,并根据所述定位姿态确定待更新区块的位置的步骤,具体包括:
获取用户端设备上传的定位失败图像的VIO姿态、与定位失败图像相邻近区域的定位成功图像的VIO姿态、与定位失败图像相邻近区域的定位成功图像在原AR定位地图的定位姿态;
根据所述定位失败图像的VIO姿态、与定位失败图像相邻近区域的定位成功图像的VIO姿态、与定位失败图像相邻近区域的定位成功图像在原AR定位地图的定位姿态,计算所述定位失败图像在所述原AR定位地图中的定位姿态,计算方法如下:
设定在所述原AR定位地图内成功失败图像Ib在用户端设备VIO坐标系内的姿态为与图像Ib邻近的在原AR定位地图内成功定位图像Ia在用户端设备VIO坐标系内的姿态为以及图像Ia在原AR定位地图内的姿态为/>计算图像Ib在原AR定位地图内的姿态为表示为/>
其中,I表示VIO坐标系,m表示AR地图坐标系, R表示三维旋转矩阵,R-1表示三维旋转矩阵的逆矩阵,t表示位移向量,0T表示矩阵的转置,0表示零矩阵;
根据确定所述确定待更新区块的位置。
4.根据权利要求2所述的方法,其特征在于,所述根据所述第一定位结果,更新所述待更新区块的置信度的步骤,具体包括:
如果所述第一定位结果为定位失败,则下调所述待更新区块的置信度,并将所述待更新区块的置信度标识低置信度;
如果所述第一定位结果为定位成功,则上调所述待更新区块的置信度。
5.根据权利要求1所述的方法,其特征在于,所述计算所述新的定位图像在所述待验证局部场景AR定位地图中的第二定位结果的步骤,具体包括:
对所述新的定位图像进行特征提取,得到提取的特征;
将所述提取的特征与所述待验证局部AR定位地图中存储的特征进行匹配,根据匹配结果确定第二定位结果;
如果匹配失败,则第二定位结果为定位失败;
如果匹配成功,则第二定位结果为定位成功。
6.根据权利要求5所述的方法,其特征在于,所述根据所述第二定位结果,更新所述待验证局部AR定位地图的置信度的步骤,具体包括:
如果所述第二定位结果为定位失败,则下调所述待验证局部AR定位地图的置信度;
如果所述第二定位结果为定位成功,则上调所述待验证局部AR定位地图的置信度。
7.根据权利要求1所述的方法,其特征在于,所述将所述待验证局部AR定位地图和所述原AR定位地图进行融合的步骤,具体包括:
对于在所述原AR定位地图的定位成功图像,设定其图像序列在所述待验证局部AR定位地图中的姿态序列为其中,该图像序列在所述原AR地图中的姿态序列为/>存在着一个相似变换矩阵/>使得/>成立;
其中,i表示图像序列图像序号,P表示待验证局部AR定位地图坐标系,m表示原AR定位地图坐标系,T表示欧式变换矩阵,其中,R表示三维旋转矩阵,0T表示矩阵的转置,0表示零矩阵,t表示位移向量;/>表示相似变换矩阵,/>其中,R表示三维旋转矩阵,t表示位移向量,s表示缩放因子;
以作为优化目标,求出/>的估计结果,其中,r(residual)表示计算值与真实值之间的残差,n表示所用参与优化计算的图像的数量,待验证局部AR定位地图的点云信息经过/>逆矩阵/>的映射可实现与所述原AR定位地图的坐标对齐,其中,当/>时,有/>
删除所述原AR定位地图中的低置信度信息。
8.一种AR定位地图更新的装置,其特征在于,包括:
获取模块,用于获取用户端设备上传的定位图像;
第一计算模块,用于计算所述定位图像在原AR定位地图中的第一定位结果;
第一处理模块,用于如果所述第一定位结果为定位失败,则根据与定位失败图像相邻近区域的定位成功图像计算所述定位失败图像在所述原AR定位地图中的定位姿态,并根据所述定位姿态确定待更新区块的位置;根据所述第一定位结果,更新所述待更新区块的置信度,并判断所述待更新区块的置信度是否低于第一预设阈值;如果所述待更新区块的置信度低于所述第一预设阈值,则判定该待更新区块需进行更新,根据所述定位失败图像和所述与所述定位失败图像相邻近区域的定位成功图像,对所述待更新区块进行重建,得到待验证局部场景AR定位地图;
所述获取模块,还用于获取所述用户端设备上传的新的定位图像;
第二计算模块,还用于计算所述新的定位图像在所述待验证局部场景AR定位地图中的第二定位结果;
第二处理模块,还用于根据所述第二定位结果,更新所述待验证局部场景AR定位地图的置信度和所述待验证局部场景AR定位地图的点云信息,并判断所述待验证局部场景AR定位地图的置信度是否高于第二预设阈值;如果所述待验证局部场景AR地图的置信度高于所述第二预设阈值,则将所述待验证局部场景AR定位地图和所述原AR定位地图进行融合,得到新的AR定位地图,并将所述原AR定位地图替换为所述新的AR定位地图。
9.一种计算机设备,其特征在于,包括存储器和处理器,存储器中存储有计算机程序,处理器执行计算机程序时实现如权利要求1~7中任一所述的AR定位地图更新的方法。
10.一种计算机可读存储介质,其特征在于,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如权利要求1~7中任一所述的AR定位地图更新的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410062477.6A CN117870650A (zh) | 2024-01-16 | 2024-01-16 | 一种ar定位地图更新的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410062477.6A CN117870650A (zh) | 2024-01-16 | 2024-01-16 | 一种ar定位地图更新的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117870650A true CN117870650A (zh) | 2024-04-12 |
Family
ID=90584454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410062477.6A Pending CN117870650A (zh) | 2024-01-16 | 2024-01-16 | 一种ar定位地图更新的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117870650A (zh) |
-
2024
- 2024-01-16 CN CN202410062477.6A patent/CN117870650A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109974693B (zh) | 无人机定位方法、装置、计算机设备及存储介质 | |
CN109270545B (zh) | 一种定位真值校验方法、装置、设备及存储介质 | |
CN107888828B (zh) | 空间定位方法及装置、电子设备、以及存储介质 | |
CN107748569B (zh) | 用于无人机的运动控制方法、装置及无人机系统 | |
CN109461208B (zh) | 三维地图处理方法、装置、介质和计算设备 | |
CN111959495B (zh) | 车辆的控制方法、装置及车辆 | |
CN111829532B (zh) | 一种飞行器重定位系统和重定位方法 | |
CN113048980B (zh) | 位姿优化方法、装置、电子设备及存储介质 | |
CN116255992A (zh) | 一种同时定位与建图的方法和装置 | |
CN111623773B (zh) | 一种基于鱼眼视觉和惯性测量的目标定位方法及装置 | |
CN113933818A (zh) | 激光雷达外参的标定的方法、设备、存储介质及程序产品 | |
US20210192777A1 (en) | Method, device and storage medium for positioning object | |
CN110515110B (zh) | 数据评估的方法、装置、设备和计算机可读存储介质 | |
CN113761647B (zh) | 一种无人集群系统的仿真方法及系统 | |
CN115164936A (zh) | 高精地图制作中用于点云拼接的全局位姿修正方法及设备 | |
CN113223064A (zh) | 一种视觉惯性里程计尺度的估计方法和装置 | |
CN111783611B (zh) | 无人车的定位方法、装置、无人车及存储介质 | |
CN116958452A (zh) | 三维重建方法和系统 | |
CN115900697B (zh) | 对象运动轨迹信息处理方法、电子设备以及自动驾驶车辆 | |
KR102130687B1 (ko) | 다중 센서 플랫폼 간 정보 융합을 위한 시스템 | |
Irmisch et al. | Simulation framework for a visual-inertial navigation system | |
CN114413898B (zh) | 多传感器数据融合方法、装置、计算机设备及存储介质 | |
CN114674328B (zh) | 地图生成方法、装置、电子设备、存储介质、及车辆 | |
CN115727871A (zh) | 一种轨迹质量检测方法、装置、电子设备和存储介质 | |
CN117870650A (zh) | 一种ar定位地图更新的方法和装置 |
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 |