TW201937452A - 定位系統及方法及電腦可讀取儲存媒體 - Google Patents

定位系統及方法及電腦可讀取儲存媒體 Download PDF

Info

Publication number
TW201937452A
TW201937452A TW107106771A TW107106771A TW201937452A TW 201937452 A TW201937452 A TW 201937452A TW 107106771 A TW107106771 A TW 107106771A TW 107106771 A TW107106771 A TW 107106771A TW 201937452 A TW201937452 A TW 201937452A
Authority
TW
Taiwan
Prior art keywords
image
positioning
machine learning
positioning information
model
Prior art date
Application number
TW107106771A
Other languages
English (en)
Inventor
黃偉豪
Original Assignee
緯創資通股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 緯創資通股份有限公司 filed Critical 緯創資通股份有限公司
Priority to TW107106771A priority Critical patent/TW201937452A/zh
Priority to CN201810224927.1A priority patent/CN110222552A/zh
Priority to US15/959,754 priority patent/US20190272426A1/en
Publication of TW201937452A publication Critical patent/TW201937452A/zh

Links

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/17—Image acquisition using hand-held instruments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
    • G06V20/36—Indoor scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30244—Camera pose
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/10—Recognition assisted with metadata

Abstract

一種定位方法，包含以行動裝置擷取目前影像；透過網路將目前影像傳送至遠端；於遠端根據所儲存經機器學習所訓練出的模型，對目前影像進行影像辨識，該模型係根據複數環境影像及相應標記事先經過機器學習訓練而得到的，經辨識得到相應標記，該標記包含定位訊息；及透過網路將辨識得到的標記傳送給行動裝置。

Description

定位系統及方法及電腦可讀取儲存媒體
本發明係有關一種室內定位系統與方法，特別是一種基於機器學習(machine learning)以進行影像辨識的定位系統與方法。
行動裝置(例如智慧型手機)普遍使用全球（衛星）定位系統(global positioning system, GPS)來進行定位。然而，由於在室內空間無法接收到衛星信號，因此無法藉由全球（衛星）定位系統來進行定位。
目前的室內定位技術係於室內設置許多發射器或/且感測器以進行室內定位。然而，發射器/感測器需要定期的維護與校準，因此需要花費維護成本。此外，發射器/感測器經長期使用後，會造成訊號的衰減，造成定位的準確度的下降。另一方面，傳統的室內定位技術需要與使用者的行動裝置進行連線通訊，然而因為每台行動裝置的訊號處理功能有異，且訊號強度不一樣，可能會造成辨識誤差，降低準確度。
因此亟需提出一種新穎的定位機制，用以降低成本且能提高準確度。
鑑於上述，本發明實施例的目的之一在於提出一種基於機器學習以進行影像辨識的定位系統與方法，特別是一種室內定位系統與方法，不需使用發射器/感測器，因此節省了相關的建構費用與維護費用，且不受訊號強弱或信號衰減的影響。
根據本發明實施例，定位系統包含行動裝置及影像辨識系統。行動裝置包含影像擷取裝置；及行動處理器，啟動影像擷取裝置以擷取目前影像。影像辨識系統包含儲存裝置，儲存經機器學習所訓練出的模型，該模型係根據複數環境影像及相應標記事先經過機器學習訓練而得到的，且該標記包含定位訊息；及影像處理器，透過網路接收目前影像，該影像處理器根據所儲存的模型，對目前影像進行影像辨識，經辨識得到相應標記，並將辨識得到的標記透過網路傳送給行動處理器。
第一圖顯示本發明第一實施例之定位系統(localization system)100的系統方塊圖，第二圖顯示本發明第一實施例之定位方法200的流程圖。本實施例較佳適用於室內定位，但也可以應用於室外的定位。
在本實施例中，定位系統100可包含行動裝置(mobile device)11，例如智慧型手機，但不限定於此。行動裝置11主要包含影像擷取裝置111、行動處理器112及第一電腦可讀取儲存媒體(computer readable storage medium)113。其中，第一電腦可讀取儲存媒體113可儲存第一電腦程式114，例如行動應用程式(APP)，供行動處理器112執行。第一電腦可讀取儲存媒體113可包含唯讀記憶體、快閃記憶體或其他適於儲存電腦程式的記憶裝置。行動處理器112可包含中央處理單元(CPU)，用以執行第一電腦可讀取儲存媒體113所儲存的第一電腦程式114。影像擷取裝置111可包含相機。當使用者開啟第一電腦程式114(步驟21)並輸入目的地名稱後，行動處理器112會啟動影像擷取裝置111，用以擷取(室內)環境的目前影像(步驟22)。行動處理器112透過網路12(例如網際網路)，將所擷取的目前影像傳送至(遠端)影像辨識系統13(步驟23)。
影像辨識系統13可設於雲端，但不限定於此。影像辨識系統13主要包含影像處理器131、第二電腦可讀取儲存媒體132及儲存裝置133。其中，影像處理器131接收行動裝置11所傳送的目前影像。第二電腦可讀取儲存媒體132可儲存第二電腦程式134，例如影像辨識應用程式，供影像處理器131執行以進行影像辨識。儲存裝置133儲存經機器學習(machine learning)所訓練出的模型(model)，該模型係根據複數環境影像及相應標記(label)事先經過機器學習訓練而得到的，其中標記係記載環境影像的相應定位訊息，例如座標、深度、視角或與環境影像相關的其他訊息。第二電腦可讀取儲存媒體132與儲存裝置133可包含唯讀記憶體、快閃記憶體或其他適於儲存電腦程式、影像資料的記憶裝置。關於模型的產生，將於後續篇幅介紹。
於步驟24，影像處理器131根據儲存裝置133所儲存的模型，對目前影像進行影像辨識，經辨識得到相應標記。步驟24的影像辨識可使用傳統影像處理技術，其細節不予贅述。接著，於步驟25，影像處理器131將所得到的標記透過網路12傳送給行動裝置11的行動處理器12，其根據該標記以得到所在位置的座標及其他訊息(例如深度及視角)，用以導引行動裝置11的使用者。在一實施例中，步驟24所得到的標記係為現實座標。在另一實施例中，步驟24所得到的標記係為虛擬座標，在傳送給行動裝置11之前，須經轉換以得到現實座標；或者傳送虛擬座標給行動裝置11，由行動裝置11進行轉換以得到現實座標。
第三圖顯示本發明第二實施例之定位系統300的系統方塊圖，第四圖顯示本發明第二實施例之定位方法400的流程圖。本實施例較佳適用於室內定位，但也可以應用於室外的定位。
在本實施例中，定位系統300可實施於行動裝置(例如智慧型手機)內，但不限定於此。定位系統300主要包含影像擷取裝置31、處理器32、電腦可讀取儲存媒體33及儲存裝置34。其中，電腦可讀取儲存媒體33可儲存電腦程式35，例如行動應用程式(APP)，供處理器32執行。電腦可讀取儲存媒體33可包含唯讀記憶體、快閃記憶體或其他適於儲存電腦程式的記憶裝置。處理器32可包含影像處理器，用以執行電腦可讀取儲存媒體33所儲存的電腦程式35。影像擷取裝置31可包含相機。當使用者開啟電腦程式35(步驟41)並輸入目的地名稱後，處理器32會啟動影像擷取裝置31，用以擷取(室內)環境的目前影像(步驟42)。
儲存裝置34儲存經機器學習(machine learning)所訓練出的模型(model)，該模型係根據複數環境影像及相應標記(label)事先經過機器學習訓練而得到的，其中標記係記載環境影像的定位訊息，例如座標、深度、視角或與環境影像相關的其他訊息。儲存裝置34可包含唯讀記憶體、快閃記憶體或其他適於儲存影像資料的記憶裝置。
於步驟43，處理器32根據儲存裝置34所儲存的模型，對目前影像進行影像辨識，經辨識得到相應標記。根據該標記可得到所在位置的座標及其他訊息(例如深度及視角)，用以導引定位系統300(例如行動裝置)的使用者。在一實施例中，步驟43所得到的標記係為現實座標。在另一實施例中，步驟43所得到的標記係為虛擬座標，須經轉換以得到現實座標。
第五圖顯示本發明實施例之機器學習系統500，用以產生經訓練的模型，以提供給影像處理器131(第一圖)或處理器32(第三圖)進行影像辨識及(室內)定位。第六圖顯示本發明實施例之機器學習方法600，用以產生經訓練的模型，以進行影像辨識及(室內)定位。
在本實施例中，機器學習系統500可包含全景(panorama)相機51，用以擷取得到全景影像(步驟61)。在一實施例中，全景相機51可包含全方位(omnidirectional)相機，例如虛擬實境(VR)-360相機，其具有360度視場(field of view)，因而可以於同一時間擷取各個方向的影像以得到全景影像。全方位相機可以是由複數相機所組成，或者為含有複數鏡頭(lens)的單一相機。在另一實施例中，使用具有限視場的相機(非全方位相機)以擷取多張影像，再將其組合為全景影像。
在全景影像擷取的過程當中，可得到相應座標，其可由方位角速量測(orientation and angular velocity measuring)儀52(例如陀螺儀(gyroscope))而得到；也可得到相應的深度，其可由測距(distance surveying)儀53(例如光偵測與測距(light detection and ranging, Lidar)儀而得到。
本實施例之機器學習系統500可包含合成(rendering)裝置54，其接收所擷取的全景影像及定位訊息(例如座標與深度)，據以合成產生各種角度的複數(二維)環境影像及相應標記(例如定位訊息)(步驟62)。在一實施例中，步驟61與步驟62得到的是現實座標。在另一實施例中，步驟61得到的是現實座標，而步驟62所得到的則是虛擬座標，這兩者因此具有座標轉換關係。當知道其中一種座標，則可根據此座標轉換關係以得到另一種座標。
本實施例之機器學習系統500可包含訓練裝置55，其根據該些環境影像及相應標記經過機器學習訓練而得到模型(model)(步驟63)。經訓練後的模型則儲存於儲存裝置133(第一圖)或儲存裝置34(第三圖)，提供給影像處理器131(第一圖)或處理器32(第三圖)進行影像辨識。在一實施例中，訓練裝置55可包含多層的神經網路(neural network)，根據預估結果與實際結果的誤差，反覆修正神經網路並進行測試，直到準確度符合預期值，因而得到一個模型(model)。
根據上述，相較於傳統的室內定位技術，本實施例所提出的定位系統與方法完全不需設置發射器/感測器，因此節省了建構費用與維護費用。由於不需使用發射器/感測器，本實施例的定位機制不受訊號強弱或信號衰減的影響。
以上所述僅為本發明之較佳實施例而已，並非用以限定本發明之申請專利範圍；凡其它未脫離發明所揭示之精神下所完成之等效改變或修飾，均應包含在下述之申請專利範圍內。
100‧‧‧定位系統
11‧‧‧行動裝置
111‧‧‧影像擷取裝置
112‧‧‧行動處理器
113‧‧‧第一電腦可讀取儲存媒體
114‧‧‧第一電腦程式
12‧‧‧網路
13‧‧‧影像辨識系統
131‧‧‧影像處理器
132‧‧‧第二電腦可讀取儲存媒體
133‧‧‧儲存裝置
134‧‧‧第二電腦程式
200‧‧‧定位方法
21‧‧‧開啟電腦程式
22‧‧‧擷取目前影像
23‧‧‧將目前影像傳送至影像辨識系統
24‧‧‧進行影像辨識以得到標記
25‧‧‧將標記傳送給行動裝置
300‧‧‧定位系統
31‧‧‧影像擷取裝置
32‧‧‧處理器
33‧‧‧電腦可讀取儲存媒體
34‧‧‧儲存裝置
35‧‧‧電腦程式
400‧‧‧定位方法
41‧‧‧開啟電腦程式
42‧‧‧擷取目前影像
43‧‧‧進行影像辨識以得到標記
500‧‧‧機器學習系統
51‧‧‧全景相機
52‧‧‧方位角速量測儀
53‧‧‧測距儀
54‧‧‧合成裝置
55‧‧‧訓練裝置
600‧‧‧機器學習方法
61‧‧‧擷取全景影像
62‧‧‧合成產生複數環境影像及相應標記
63‧‧‧根據環境影像及相應標記經過機器學習訓練而得到模型
第一圖顯示本發明第一實施例之定位系統的系統方塊圖。 第二圖顯示本發明第一實施例之定位方法的流程圖。 第三圖顯示本發明第二實施例之定位系統的系統方塊圖。 第四圖顯示本發明第二實施例之定位方法的流程圖。 第五圖顯示本發明實施例之機器學習系統，用以產生經訓練的複數環境影像及相應標記。 第六圖顯示本發明實施例之機器學習方法，用以產生經訓練的複數環境影像及相應標記。

Claims (20)

  1. 一種定位系統，包含： 一行動裝置，包含： 一影像擷取裝置； 一行動處理器，啟動該影像擷取裝置以擷取一目前影像； 一影像辨識系統，包含： 一儲存裝置，儲存經機器學習所訓練出的模型，該模型係根據複數環境影像及相應標記事先經過機器學習訓練而得到的，且該標記包含定位訊息；及 一影像處理器，透過網路接收該目前影像，該影像處理器根據所儲存的該模型，對該目前影像進行影像辨識，經辨識得到相應標記，並將辨識得到的該標記透過該網路傳送給該行動處理器。
  2. 根據申請專利範圍第1項所述之定位系統，其中該定位訊息包含座標、深度或視角。
  3. 根據申請專利範圍第1項所述之定位系統，更包含： 一全景相機，用以擷取得到一全景影像及定位訊息； 一合成裝置，根據該全景影像及定位訊息據以合成產生該些環境影像及相應標記；及 一訓練裝置，根據該些環境影像及相應標記經過機器學習訓練而得到該模型。
  4. 根據申請專利範圍第3項所述之定位系統，其中該全景相機包含一全方位相機。
  5. 根據申請專利範圍第3項所述之定位系統，更包含一方位角速量測儀，用以得到該全景影像的相應座標。
  6. 根據申請專利範圍第3項所述之定位系統，更包含一測距儀，用以得到該全景影像的相應深度。
  7. 一種定位方法，包含： 以行動裝置擷取一目前影像； 透過網路將該目前影像傳送至遠端； 於遠端根據所儲存經機器學習所訓練出的模型，對該目前影像進行影像辨識，該模型係根據複數環境影像及相應標記事先經過機器學習訓練而得到的，經辨識得到相應標記，該標記包含定位訊息；及 透過該網路將辨識得到的該標記傳送給該行動裝置。
  8. 根據申請專利範圍第7項所述之定位方法，其中該定位訊息包含座標、深度或視角。
  9. 根據申請專利範圍第7項所述之定位方法，更包含： 擷取得到一全景影像及定位訊息； 根據該全景影像及定位訊息據以合成產生該些環境影像及相應標記；及 根據該些環境影像及相應標記經過機器學習訓練而得到該模型。
  10. 一種電腦可讀取儲存媒體，儲存有電腦程式，該電腦程式執行以下步驟以進行定位： 擷取一目前影像； 透過網路將該目前影像傳送至遠端的影像辨識系統，其根據所儲存經機器學習所訓練出的模型，對該目前影像進行影像辨識，該模型係根據複數環境影像及相應標記事先經過機器學習訓練而得到的，經辨識得到相應標記，該標記包含定位訊息；及 透過該網路接收辨識得到的該標記。
  11. 根據申請專利範圍第10項所述之電腦程式，其中該定位訊息包含座標、深度或視角。
  12. 一種定位系統，包含： 一影像擷取裝置； 一處理器，啟動該影像擷取裝置以擷取目前影像；及 一儲存裝置，儲存經機器學習所訓練出的模型，該模型係根據複數環境影像及相應標記事先經過機器學習訓練而得到的，且該標記包含定位訊息； 其中該處理器根據所儲存的該模型，對該目前影像進行影像辨識，經辨識得到相應標記。
  13. 根據申請專利範圍第12項所述之定位系統，其中該定位訊息包含座標、深度或視角。
  14. 根據申請專利範圍第12項所述之定位系統，更包含： 一全景相機，用以擷取得到一全景影像及定位訊息； 一合成裝置，根據該全景影像及定位訊息據以合成產生該些環境影像及相應標記；及 一訓練裝置，根據該些環境影像及相應標記經過機器學習訓練而得到該模型。
  15. 根據申請專利範圍第14項所述之定位系統，其中該全景相機包含一全方位相機。
  16. 一種定位方法，包含： 擷取一目前影像；及 根據所儲存經機器學習所訓練出的模型，對該目前影像進行影像辨識，該模型係根據複數環境影像及相應標記事先經過機器學習訓練而得到的，經辨識得到相應標記，該標記包含定位訊息。
  17. 根據申請專利範圍第16項所述之定位方法，其中該定位訊息包含座標、深度或視角。
  18. 根據申請專利範圍第16項所述之定位方法，更包含： 擷取得到一全景影像及定位訊息； 根據該全景影像及定位訊息據以合成產生該些環境影像及相應標記；及 根據該些環境影像及相應標記經過機器學習訓練而得到該模型。
  19. 一種電腦可讀取儲存媒體，儲存有電腦程式，該電腦程式執行以下步驟以進行定位： 擷取一目前影像； 根據所儲存經機器學習所訓練出的模型，對該目前影像進行影像辨識，該模型係根據複數環境影像及相應標記事先經過機器學習訓練而得到的，經辨識得到相應標記，該標記包含定位訊息。
  20. 根據申請專利範圍第19項所述之電腦程式，其中該定位訊息包含座標、深度或視角。
TW107106771A 2018-03-01 2018-03-01 定位系統及方法及電腦可讀取儲存媒體 TW201937452A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW107106771A TW201937452A (zh) 2018-03-01 2018-03-01 定位系統及方法及電腦可讀取儲存媒體
CN201810224927.1A CN110222552A (zh) 2018-03-01 2018-03-19 定位系统及方法及电脑可读取存储媒体
US15/959,754 US20190272426A1 (en) 2018-03-01 2018-04-23 Localization system and method and computer readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW107106771A TW201937452A (zh) 2018-03-01 2018-03-01 定位系統及方法及電腦可讀取儲存媒體

Publications (1)

Publication Number Publication Date
TW201937452A true TW201937452A (zh) 2019-09-16

Family

ID=67768624

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107106771A TW201937452A (zh) 2018-03-01 2018-03-01 定位系統及方法及電腦可讀取儲存媒體

Country Status (3)

Country Link
US (1) US20190272426A1 (zh)
CN (1) CN110222552A (zh)
TW (1) TW201937452A (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110991297A (zh) * 2019-11-26 2020-04-10 中国科学院光电研究院 一种基于场景监控的目标定位方法及系统
CN112102398B (zh) * 2020-09-10 2022-07-29 腾讯科技（深圳）有限公司 一种定位方法、装置、设备及存储介质

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8625854B2 (en) * 2005-09-09 2014-01-07 Industrial Research Limited 3D scene scanner and a position and orientation system
US8160323B2 (en) * 2007-09-06 2012-04-17 Siemens Medical Solutions Usa, Inc. Learning a coarse-to-fine matching pursuit for fast point search in images or volumetric data using multi-class classification
US8385971B2 (en) * 2008-08-19 2013-02-26 Digimarc Corporation Methods and systems for content processing
CN101661098B (zh) * 2009-09-10 2011-07-27 上海交通大学 机器人餐厅多机器人自动定位系统
US8121618B2 (en) * 2009-10-28 2012-02-21 Digimarc Corporation Intuitive computing methods and systems
KR20150008840A (ko) * 2010-02-24 2015-01-23 아이피플렉 홀딩스 코포레이션 시각 장애인들을 지원하는 증강 현실 파노라마
US8660355B2 (en) * 2010-03-19 2014-02-25 Digimarc Corporation Methods and systems for determining image processing operations relevant to particular imagery
TW201318793A (zh) * 2011-11-08 2013-05-16 Univ Minghsin Sci & Tech 機器人光學定位系統及其定位方法
US8933929B1 (en) * 2012-01-03 2015-01-13 Google Inc. Transfer of annotations from panaromic imagery to matched photos
US11263823B2 (en) * 2012-02-24 2022-03-01 Matterport, Inc. Employing three-dimensional (3D) data predicted from two-dimensional (2D) images using neural networks for 3D modeling applications and other applications
US9488492B2 (en) * 2014-03-18 2016-11-08 Sri International Real-time system for multi-modal 3D geospatial mapping, object recognition, scene annotation and analytics
CN103398717B (zh) * 2013-08-22 2016-04-20 成都理想境界科技有限公司 全景地图数据库采集系统及基于视觉的定位、导航方法
US20150235073A1 (en) * 2014-01-28 2015-08-20 The Trustees Of The Stevens Institute Of Technology Flexible part-based representation for real-world face recognition apparatus and methods
US10203762B2 (en) * 2014-03-11 2019-02-12 Magic Leap, Inc. Methods and systems for creating virtual and augmented reality
WO2015197908A1 (en) * 2014-06-27 2015-12-30 Nokia Technologies Oy A method and technical equipment for determining a pose of a device
GB2532948B (en) * 2014-12-02 2021-04-14 Vivo Mobile Communication Co Ltd Object Recognition in a 3D scene
CN105716609B (zh) * 2016-01-15 2018-06-15 浙江梧斯源通信科技股份有限公司 一种机器人室内视觉定位方法
CN105721703B (zh) * 2016-02-25 2018-12-25 杭州映墨科技有限公司 一种利用手机设备传感器进行全景定位和朝向的方法
CN106709462A (zh) * 2016-12-29 2017-05-24 天津中科智能识别产业技术研究院有限公司 一种室内定位方法及其装置
US10368062B2 (en) * 2017-04-13 2019-07-30 Facebook, Inc. Panoramic camera systems
CN107591200B (zh) * 2017-08-25 2020-08-14 卫宁健康科技集团股份有限公司 基于深度学习及影像组学的骨龄标记识别评估方法及系统
US10769500B2 (en) * 2017-08-31 2020-09-08 Mitsubishi Electric Research Laboratories, Inc. Localization-aware active learning for object detection
CN107680135B (zh) * 2017-11-16 2019-07-23 珊口（上海）智能科技有限公司 定位方法、系统及所适用的机器人

Also Published As

Publication number Publication date
US20190272426A1 (en) 2019-09-05
CN110222552A (zh) 2019-09-10

Similar Documents

Publication Publication Date Title
US11163997B2 (en) Methods and apparatus for venue based augmented reality
TWI574223B (zh) 運用擴增實境技術之導航系統
WO2016199605A1 (ja) 画像処理装置および方法、並びにプログラム
CN103119611A (zh) 基于图像的定位的方法和设备
CN107885763B (zh) 室内图中兴趣点信息的更新方法、装置及计算机可读介质
WO2022077296A1 (zh) 三维重建方法、云台负载、可移动平台以及计算机可读存储介质
TW201937452A (zh) 定位系統及方法及電腦可讀取儲存媒體
US11314975B2 (en) Object identification in data relating to signals that are not human perceptible
Singh et al. Ubiquitous hybrid tracking techniques for augmented reality applications
TWI726630B (zh) 地圖建構系統以及地圖建構方法
WO2023103883A1 (zh) 对象自动标注方法、装置、电子设备及存储介质
US20210233271A1 (en) Information processing apparatus, server, movable object device, information processing method, and program
US20220198764A1 (en) Spatially Aware Environment Relocalization
JP7291251B2 (ja) 環境地図管理装置、環境地図管理方法及びプログラム
JP2009031206A (ja) 位置測定装置
US11418716B2 (en) Spherical image based registration and self-localization for onsite and offsite viewing
JP2008203991A (ja) 画像処理装置
US20200370919A1 (en) Method and system for creating a localization map for a vehicle
CN114429515A (zh) 一种点云地图构建方法、装置和设备
CN116576866B (zh) 导航方法和设备
JP7467206B2 (ja) 映像管理支援システムおよび映像管理支援方法
KR102393300B1 (ko) 객체 지도 생성 시스템 및 그 방법
TWI738315B (zh) 基於光標籤的自動追蹤拍攝系統
CN111145095B (zh) 一种带尺度测量的vr图生成方法及数据采集装置
WO2021082024A1 (zh) 虚实结合的定位方法