WO2021017358A1 - 位姿确定方法及装置、电子设备和存储介质 - Google Patents

位姿确定方法及装置、电子设备和存储介质 Download PDF

Info

Publication number
WO2021017358A1
WO2021017358A1 PCT/CN2019/123646 CN2019123646W WO2021017358A1 WO 2021017358 A1 WO2021017358 A1 WO 2021017358A1 CN 2019123646 W CN2019123646 W CN 2019123646W WO 2021017358 A1 WO2021017358 A1 WO 2021017358A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
pose
key point
processed
acquisition device
Prior art date
Application number
PCT/CN2019/123646
Other languages
English (en)
French (fr)
Inventor
朱铖恺
冯岩
武伟
闫俊杰
林思睿
Original Assignee
深圳市商汤科技有限公司
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 深圳市商汤科技有限公司 filed Critical 深圳市商汤科技有限公司
Priority to JP2021578183A priority Critical patent/JP2022540072A/ja
Publication of WO2021017358A1 publication Critical patent/WO2021017358A1/zh
Priority to US17/563,744 priority patent/US20220122292A1/en

Links

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
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • G06T2207/30232—Surveillance
    • 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

Definitions

  • the present disclosure relates to the field of computer technology, and in particular to a method and device for determining a pose, electronic equipment, and storage medium.
  • Camera calibration is the basic problem of visual positioning. Calculating the geographic location of the target and obtaining the visible area of the camera require calibration of the camera. In the related art, the commonly used calibration algorithm only considers the situation where the camera position is fixed. However, the current surveillance cameras in cities include many rotatable cameras.
  • the present disclosure proposes a pose determination method and device, electronic equipment and storage medium.
  • a pose determination method including:
  • the target pose of the image to be processed by the image acquisition device According to the correspondence between the first key point and the second key point, and the reference pose corresponding to the reference image, determine the target pose of the image to be processed by the image acquisition device.
  • a reference image matching the image to be processed can be selected, and the pose corresponding to the image to be processed is determined according to the pose of the reference image, which can generate rotation or displacement in the image acquisition device Time calibration of the corresponding pose can quickly adapt to new monitoring scenarios.
  • the obtaining a reference image matching the image to be processed includes:
  • the image acquisition device sequentially acquires during the rotation process
  • the reference image is determined from each first image according to the similarity between the first feature information and each of the second feature information.
  • the method further includes:
  • the geographic plane is a plane where the geographic location coordinates of the target point are located;
  • the determining the second homography matrix between the imaging plane and the geographic plane when the image acquiring device acquires the second image, and determining the internal parameter matrix of the image acquiring device include:
  • the second homography matrix between the imaging plane and the geographic plane when the image acquisition device collects the second image is determined, wherein
  • the target point is a plurality of non-collinear points in the second image
  • determining the reference pose corresponding to the second image according to the internal parameter matrix and the second homography matrix includes:
  • determining the reference pose corresponding to the at least one first image according to the reference pose corresponding to the second image includes:
  • the current first image is an image with a known reference pose among the plurality of first images, the current first image includes the second image, and the next first image is the at least one first image An image adjacent to the current first image in;
  • the reference pose of the first image can be obtained, and the reference poses of all the first images are iteratively determined according to the reference pose of the first first image, without the need for complex calibration methods for each first image.
  • the image is calibrated to improve processing efficiency.
  • a third homography matrix between the current first image and the next first image is determined according to the correspondence between the third key point and the fourth key point ,include:
  • the third position coordinates of the third key point in the current first image and the fourth position coordinates of the fourth key point in the next first image determine the current first image and The third homography matrix between the next first image.
  • determining the reference pose corresponding to the next first image according to the third homography matrix and the reference pose corresponding to the current first image includes:
  • the image acquisition device is collecting the to-be-processed
  • the target pose of the image including:
  • the image acquisition device is acquiring the target pose of the image to be processed.
  • the reference pose of the first image can be obtained, and the reference poses of all the first images are iteratively determined according to the reference pose of the first first image, without the need for complex calibration methods for each first image.
  • the image is calibrated to improve processing efficiency.
  • the corresponding reference pose, determining the target pose of the image to be processed by the image acquisition device includes:
  • the target pose is determined according to the reference pose corresponding to the reference image and the first pose change.
  • the reference pose corresponding to the reference image includes the rotation matrix and the displacement vector when the image acquisition device acquires the reference image
  • the target pose corresponding to the image to be processed includes the The image acquisition device acquires the rotation matrix and displacement vector of the image to be processed.
  • the feature extraction processing and the key point extraction processing are implemented by a convolutional neural network
  • the method further includes:
  • performing key point extraction processing on the feature map to obtain the key points of the sample image includes:
  • a pose determination device including:
  • the acquisition module is configured to acquire a reference image matching the image to be processed, wherein the image to be processed and the reference image are acquired by an image acquisition device, the reference image has a corresponding reference pose, and the reference position
  • the pose is used to indicate the pose of the image acquisition device when acquiring the reference image
  • the first extraction module is configured to perform key point extraction processing on the image to be processed and the reference image, respectively, to obtain the first key point in the image to be processed and the first key point in the reference image The corresponding second key point in
  • the first determining module is configured to determine, based on the correspondence between the first key point and the second key point, and the reference pose corresponding to the reference image, determine whether the image acquisition device is collecting the image to be processed Target pose.
  • the acquisition module is further configured to:
  • the image acquisition device sequentially acquires during the rotation process
  • the reference image is determined from each first image according to the similarity between the first feature information and each of the second feature information.
  • the device further includes:
  • the second determination module is used to determine the second homography matrix between the imaging plane and the geographic plane when the image acquisition device acquires the second image, and determine the internal parameter matrix of the image acquisition device, where
  • the second image is any one of the multiple first images
  • the geographic plane is a plane where the geographic location coordinates of the target point are located;
  • a third determining module configured to determine a reference pose corresponding to the second image according to the internal parameter matrix and the second homography matrix
  • the fourth determining module is configured to determine the reference pose corresponding to the at least one first image according to the reference pose corresponding to the second image.
  • the second determining module is further configured to:
  • the second homography matrix between the imaging plane and the geographic plane when the image acquisition device collects the second image is determined, wherein
  • the target point is a plurality of non-collinear points in the second image
  • the third determining module is further configured to:
  • the fourth determining module is further configured to:
  • the current first image is an image with a known reference pose among the plurality of first images, the current first image includes the second image, and the next first image is the at least one first image An image adjacent to the current first image in;
  • the fourth determining module is further configured to:
  • the third position coordinates of the third key point in the current first image and the fourth position coordinates of the fourth key point in the next first image determine the current first image and The third homography matrix between the next first image.
  • the fourth determining module is further configured to:
  • the first determining module is further configured to:
  • the image acquisition device is acquiring the target pose of the image to be processed.
  • the first determining module is further configured to:
  • the target pose is determined according to the reference pose corresponding to the reference image and the first pose change.
  • the reference pose corresponding to the reference image includes the rotation matrix and the displacement vector when the image acquisition device acquires the reference image
  • the target pose corresponding to the image to be processed includes the The image acquisition device acquires the rotation matrix and displacement vector of the image to be processed.
  • the feature extraction processing and the key point extraction processing are implemented by a convolutional neural network
  • the device further includes:
  • the first convolution module is configured to perform convolution processing on the sample image through the convolution layer of the convolutional neural network to obtain a feature map of the sample image;
  • the second convolution module is configured to perform convolution processing on the feature map to obtain feature information of the sample image respectively;
  • the second extraction module is configured to perform key point extraction processing on the feature map to obtain key points of the sample image
  • the training module is used to train the convolutional neural network according to the feature information and key points of the sample image.
  • the second extraction module is further configured to:
  • an electronic device including:
  • a memory for storing processor executable instructions
  • the processor is configured to execute the above-mentioned pose determination method.
  • a computer-readable storage medium having computer program instructions stored thereon, and when the computer program instructions are executed by a processor, the foregoing pose determination method is implemented.
  • a computer program including computer readable code, and when the computer readable code is run in an electronic device, a processor in the electronic device executes the above-mentioned pose Determine the method.
  • Fig. 1 shows a flowchart of a pose determination method according to an embodiment of the present disclosure
  • Fig. 2 shows a flowchart of a pose determination method according to an embodiment of the present disclosure
  • Fig. 3 shows a schematic diagram of a target point according to an embodiment of the present disclosure
  • Fig. 4 shows a flowchart of a pose determination method according to an embodiment of the present disclosure
  • FIG. 5 shows a schematic diagram of neural network training according to an embodiment of the present disclosure
  • Fig. 6 shows an application schematic diagram of a pose determination method according to an embodiment of the present disclosure
  • Figure 7 shows a block diagram of a pose determination device according to an embodiment of the present disclosure
  • FIG. 8 shows a block diagram of an electronic device according to an embodiment of the present disclosure
  • FIG. 9 shows a block diagram of an electronic device according to an embodiment of the present disclosure.
  • Fig. 1 shows a flowchart of a pose determination method according to an embodiment of the present disclosure. As shown in Fig. 1, the method includes:
  • step S11 a reference image matching the image to be processed is acquired, wherein the image to be processed and the reference image are acquired by an image acquisition device, the reference image has a corresponding reference pose, and the reference position The pose is used to indicate the pose of the image acquisition device when acquiring the reference image;
  • step S12 the image to be processed and the reference image are respectively subjected to key point extraction processing to obtain the first key point in the image to be processed and the corresponding first key point in the reference image.
  • step S13 according to the corresponding relationship between the first key point and the second key point, and the reference pose corresponding to the reference image, it is determined that the image acquisition device is collecting the target position of the image to be processed. posture.
  • a reference image matching the image to be processed can be selected, and the pose corresponding to the image to be processed is determined according to the pose of the reference image, which can generate rotation or displacement in the image acquisition device Time calibration of the corresponding pose can quickly adapt to new monitoring scenarios.
  • the pose determination method can be used to determine the pose of an image acquisition device such as a camera, video camera, monitor, etc., for example, it can be used to determine the pose of a camera of a surveillance system, an access control system, etc.
  • an image acquisition device such as a camera, video camera, monitor, etc.
  • the pose of the image acquisition device after the pose transformation can be efficiently determined.
  • the present disclosure does not address the application field of the pose determination method. limit.
  • the method may be executed by a terminal device, which may be User Equipment (UE), mobile equipment, user terminal, terminal, cellular phone, cordless phone, personal digital processing (Personal Digital Processing) Digital Assistant (PDA), handheld devices, computing devices, vehicle-mounted devices, wearable devices, etc.
  • UE User Equipment
  • PDA Personal Digital Processing
  • the method can be implemented by a processor calling computer-readable instructions stored in a memory.
  • the method is executed by a server.
  • a plurality of first images may be acquired by the image acquisition device located at a preset position, and a reference image matching the image to be processed may be selected from the plurality of first images, so
  • the image acquisition device may be a rotatable camera, for example, a spherical camera used for monitoring, etc.
  • the image acquisition device may rotate in the pitch direction and/or the yaw direction. During the rotation, the image acquisition device may acquire one Or multiple first images.
  • a reference image may also be obtained by the image obtaining device, which is not limited herein.
  • the image acquisition device can be rotated 180° in the pitch direction and 360° in the yaw direction, the image acquisition device can acquire multiple first images during the rotation process, for example, every preset angle, acquire a first image One image.
  • the angle at which the image acquisition device can be rotated in the pitch direction and/or yaw direction is a preset degree, for example, it can only be rotated by 10°, 20°, 30°, etc., and the image acquisition device can be rotated during the rotation process.
  • One or more first images are acquired, for example, one first image is acquired every interval preset angle.
  • the image acquisition device can only rotate 20° in the yaw direction.
  • the first image can be acquired every 5°, and the image acquisition device can rotate to 0°, 5°, 10°, A first image is acquired at 15° and 20°, and a total of 5 first images are acquired.
  • the image acquisition device can only be rotated by 10° in the yaw direction, and the image acquisition device can acquire a first image when it is rotated to 5°, that is, only acquire a reference image.
  • the reference pose corresponding to each first image includes the rotation matrix and displacement vector when the image acquisition device acquires each first image
  • the target pose corresponding to the image to be processed includes the image acquisition device acquiring the image to be processed The rotation matrix and displacement vector at time.
  • the reference image is an image that matches the image to be processed in the first image
  • the reference pose corresponding to the reference image includes the rotation matrix and displacement vector when the image acquisition device acquires the reference image, the image to be processed
  • the corresponding target pose includes the rotation matrix and the displacement vector when the image acquisition device acquires the image to be processed.
  • Fig. 2 shows a flowchart of a method for determining a pose according to an embodiment of the present disclosure. As shown in Fig. 2, the method further includes:
  • step S14 the second homography matrix between the imaging plane and the geographic plane when the image acquisition device is acquiring the second image is determined, and the internal parameter matrix of the image acquisition device is determined.
  • the second image is any one of the multiple first images
  • the geographic plane is a plane where the geographic location coordinates of the target point are located;
  • step S15 a reference pose corresponding to the second image is determined according to the internal reference matrix and the second homography matrix
  • step S16 the reference pose corresponding to the at least one first image is determined according to the reference pose corresponding to the second image.
  • the image acquisition device may be rotated in the pitch direction and/or the yaw direction, and the first image may be sequentially acquired during the rotation.
  • the image acquisition device can be set to a certain angle in the pitch direction (for example, 1°, 5°, 10°, etc.), and rotate one circle in the yaw direction, and every certain angle (for example, 1° , 5°, 10°, etc.) to obtain a first image.
  • the image acquisition device can be adjusted to a certain angle in the pitch direction (for example, 1°, 5°, 10°, etc.), and rotate one circle in the yaw direction, and obtain one image every certain angle during the rotation.
  • the first image is a certain angle in the pitch direction (for example, 1°, 5°, 10°, etc.), and rotate one circle in the yaw direction, and obtain one image every certain angle during the rotation.
  • the image acquisition device may acquire the first image in sequence when the rotatable angle in the pitch direction and/or the yaw direction is a preset degree.
  • any one of the first images in the above process can be determined as the second image, and when the reference pose of each first image is determined in sequence, the selected second image is used as the determined number.
  • the first image to be processed in the processing of the reference pose of the first image, and after the reference pose of the second image is determined, the reference pose of the other first images is determined according to the reference pose of the second image .
  • the first image may be determined as the second image, and the second image may be calibrated (ie, the position and posture of the image acquisition device when the second image is acquired) to determine the reference position of the second image
  • the reference poses of other first images are sequentially determined based on the reference poses of the second image.
  • multiple non-collinear target points can be selected in the second image, and the image position coordinates of the target points in the second image can be marked, and the geographic location of the target point can be obtained Coordinates, for example, the latitude and longitude coordinates of the target point in the actual geographic location.
  • FIG. 3 shows a schematic diagram of a target point according to an embodiment of the present disclosure.
  • the right side in FIG. 3 is a second image acquired by the image acquisition device, and 4 target points are selected in the second image (That is, 0 point, 1 point, 2 points, and 3 points), for example, 4 vertices of a certain stadium are selected as target points.
  • the image position coordinates of the 4 target points in the second image can be obtained, for example, (x 1 , y 1 ), (x 2 , y 2 ), (x 3 , y 3 ), (x 4 , y 4 ).
  • the geographic location coordinates of the four target points may be determined, for example, the latitude and longitude coordinates.
  • the left side of Fig. 3 is a live map of the stadium, for example, a live map taken by a satellite, the longitude and latitude coordinates of the four target points can be obtained in each live map, for example, (x 1 ', y 1 '), (x 2 ', y 2 '), (x 3 ', y 3 '), (x 4 ', y 4 ').
  • determining the second homography matrix between the imaging plane and the geographic plane when the image acquisition device acquires the second image, and determining the internal parameter matrix of the image acquisition device includes : According to the image location coordinates and geographic location coordinates of the target point, determine the second homography matrix between the imaging plane and the geographic plane when the image acquisition device collects the second image; Decomposition processing should be performed on the matrix to determine the internal parameter matrix of the image acquisition device.
  • the second homography matrix between the imaging plane and the geographic plane of the image acquisition device is determined according to the image location coordinates and geographic location coordinates of the target point.
  • the matrix for example, can establish a system of equations between the coordinates according to the aforementioned coordinates, and solve the second homography matrix according to the system of equations.
  • the second homography matrix can be decomposed, and according to the imaging principle, the second homography matrix and the internal parameter matrix of the image acquisition device and the second image can be determined according to the following formula (1)
  • H is the second homography matrix
  • ⁇ is the eigenvalue of H
  • K is the internal parameter matrix of the image acquisition device
  • T] is the external parameter matrix corresponding to the second image
  • R is the rotation matrix of the second image
  • T is the displacement vector of the second image.
  • column vector in formula (1) can be expressed as the following formula (2):
  • h 1 , h 2 , and h 3 are respectively the column vector of H
  • r 1 , r 2 are the column vector of R
  • t is the column vector of T.
  • K -T is the transposed matrix of K
  • K -1 is the inverse matrix of K.
  • equations (4) can be obtained according to equations (3):
  • singular value decomposition can be performed on the equation set (4) to obtain the internal parameter matrix of the image acquisition device, for example, the least square solution of the internal parameter matrix can be obtained.
  • step S15 the reference pose of the second image can be determined according to the internal parameter matrix and the second homography matrix, and step S15 can include: according to the image acquisition device The internal parameter matrix and the second homography matrix determine the external parameter matrix corresponding to the second image; and the reference pose corresponding to the second image is determined according to the external parameter matrix corresponding to the second image.
  • the external parameter matrix corresponding to the second image can be determined according to formula (1) or (2).
  • both sides of the formula (1) can be multiplied by K -1 and divided by ⁇ at the same time to obtain the external parameter matrix [R
  • the rotation matrix R and the displacement vector T in the external parameter matrix are the reference poses corresponding to the second image.
  • the reference pose corresponding to each first image may be sequentially determined according to the reference pose of the second image.
  • the second image is the first image to be processed in the process of determining the reference poses of multiple first images, and the reference positions of subsequent first images can be determined in turn according to the reference poses of the second images.
  • Step S16 may include: performing key point extraction processing on the current first image and the next first image, respectively, to obtain the third key point in the current first image and the corresponding first image of the third key point in the next first image.
  • the current first image is an image with a known reference pose among the multiple first images, the current first image includes the second image, and the next first image is the At least one image adjacent to the current first image in the first image; determining the current first image and the next first image according to the correspondence between the third key point and the fourth key point A third homography matrix between images; according to the third homography matrix and the reference pose corresponding to the current first image, the reference pose corresponding to the next first image is determined.
  • the current first image and the next first image can be extracted by using a deep learning neural network such as a convolutional neural network to obtain the third key point and the third key point in the current first image.
  • the third key point corresponds to the fourth key point in the next first image, or according to the brightness and chromaticity of the pixels in the current first image and the next first image, the current first image is obtained.
  • the third key point and the fourth key point corresponding to the third key point in the next first image.
  • the third key point and the fourth key point may represent the same set of points, but the set of points is in the current first image
  • the position in the next first image can be different.
  • the key point may be a point that can represent the contour and shape of the target object in the image.
  • the first image and the second first image can be input to the convolutional neural network for key point extraction processing, and the A plurality of third key points and fourth key points are obtained in the image and in the second first image.
  • the second image is an image of a certain stadium taken by the image acquisition device
  • the third key point is multiple vertices of the stadium
  • the vertices of the stadium included in the second first image may be used as the fourth key point.
  • the third position coordinates of the third key point in the second image and the fourth position coordinates of the fourth key point in the second first image can be acquired.
  • the current first image may also be any first image
  • the next first image is an image adjacent to the current first image
  • the present disclosure does not limit the current first image
  • the image acquisition device rotates a certain angle between acquiring the current first image and the next first image, that is, the pose of the image acquisition device changes, and the third key point
  • the correspondence relationship between the fourth key point and the current first image is determined, and the third homography matrix between the current first image and the next first image is determined, and the next can be determined according to the reference pose of the current first image and the third homography matrix A reference pose for the first image.
  • a third homography matrix between the current first image and the next first image is determined according to the correspondence between the third key point and the fourth key point , Including: determining the current first image according to the third position coordinates of the third key point in the current first image and the fourth position coordinates of the fourth key point in the next first image A third homography matrix between an image and the next first image.
  • the third homography matrix between the current first image and the next first image may be determined according to the third position coordinates and the fourth position coordinates.
  • a third homography matrix between the second image and the next first image can be determined.
  • determining the reference pose corresponding to the next first image according to the third homography matrix and the reference pose corresponding to the current first image includes: The three homography matrices are decomposed, and the second pose change amount between the image acquisition device acquiring the current first image and the next first image is determined; according to the reference corresponding to the current first image The pose and the second pose change amount determine the reference pose corresponding to the next first image.
  • the third homography matrix can be decomposed, for example, the third homography matrix can be decomposed into column vectors, and the linear equations can be determined according to the column vectors of the third homography matrix, and according to The linear equation system solves the second pose change amount between the current first image and the next first image, for example, the change amount of the pose angle.
  • the amount of change in the attitude angle of the image acquisition device between the second image being captured and the next first image may be determined.
  • the reference pose corresponding to the next first image may be determined according to the reference pose corresponding to the current first image and the amount of change in the second pose.
  • the attitude angle corresponding to the next first image can be determined by the reference pose and the amount of attitude angle change of the current first image, so as to obtain the reference pose corresponding to the next first image.
  • the reference pose corresponding to the second first image may be determined according to the reference pose of the second image and the amount of change in the pose angle between the second image and the second first image.
  • the third homography matrix can be determined based on the second key points of the second first image and the third first image in the above manner, and based on the second first image, the third homography matrix, and
  • the reference pose of the second first image determines the reference pose of the third first image
  • the reference pose of the fourth first image is obtained based on the reference pose of the third first image... until all the first images are acquired.
  • the reference pose of an image That is, in order, iterate from the first first image to the last first image to obtain the reference poses of all the first images.
  • the second image may be any one of the first images.
  • the reference poses of the two first images adjacent to the second image may be obtained respectively, and According to the reference poses of the two adjacent first images, the reference poses of the two first images adjacent to the two first images are obtained...until the reference poses of all the first images are obtained.
  • the number of the first image can be 10, and the second image is the fifth one.
  • the reference poses of the fourth first image and the sixth first image can be obtained according to the reference pose of the second image. Further, the reference poses of the third first image and the seventh first image can continue to be obtained...until the reference poses of all the first images are obtained.
  • the reference pose of the first image can be obtained, and the reference poses of all the first images are iteratively determined according to the reference pose of the first first image, without the need for complex calibration methods for each first image.
  • the image is calibrated to improve processing efficiency.
  • the target pose of any image to be processed acquired by the image acquisition device may be determined, that is, the rotation matrix and displacement vector corresponding to the image to be processed may be acquired.
  • the image acquisition device may Acquire any image to be processed, and the pose corresponding to the image to be processed is unknown, that is, the pose of the image acquisition device when the image to be processed is taken is unknown, and it can be determined from the first image to be Match the reference image, and determine the pose corresponding to the image to be processed according to the pose corresponding to the reference image.
  • Step S11 may include: performing feature extraction processing on the image to be processed and at least one first image, respectively, to obtain first feature information of the image to be processed and second feature information of each of the first images; The similarity between the first feature information and each of the second feature information determines the reference image from each of the first images.
  • the image to be processed and each first image may be separately subjected to feature extraction processing through a convolutional neural network.
  • the convolutional neural network may extract feature information of each image.
  • the first feature information of the image to be processed and the second feature information of each first image, the first feature information and the second feature information may include feature maps, feature vectors, etc.
  • the present disclosure does not limit the feature information.
  • the first feature information of the image to be processed and the second feature information of each of the first images can also be determined by parameters such as the chromaticity and brightness of the pixels of each first image and the image to be processed. The disclosure does not restrict the way of feature extraction processing.
  • the similarity (for example, cosine similarity) between the first feature information and each second feature information can be determined separately, for example, the first feature information and the second feature information are both feature vectors .
  • the cosine similarity between the first feature information and each second feature information can be determined respectively, and the first image corresponding to the second feature information with the largest cosine similarity of the first feature information can be determined, that is, the reference Image and get the reference pose of the reference image.
  • the image to be processed and the reference image may be separately processed for key point extraction.
  • the first key point in the image to be processed may be extracted through the convolutional neural network, and Obtain a second key point corresponding to the first key point in the reference image.
  • the first key point and the second key point can be determined by parameters such as brightness and chroma of the pixel points of the image to be processed and the reference image. Do restrictions.
  • the target pose corresponding to the image to be processed may be determined according to the correspondence between the first key point and the second key point, and the reference pose corresponding to the reference image.
  • Step S13 may include: according to the first position coordinates of the first key point in the image to be processed, the second position coordinates of the second key point in the reference image, and the reference position corresponding to the reference image Posture, determining the target posture of the image to be processed by the image acquisition device. That is, the target pose corresponding to the image to be processed can be determined according to the position coordinates of the first key point, the position coordinates of the second key point, and the reference pose.
  • determining the target pose of the image to be processed by the image acquisition device may include: determining the reference image and the target pose according to the first position coordinates and the second position coordinates Process the first homography matrix between the images; decompose the first homography matrix to determine the first pose change between the image acquisition device acquiring the image to be processed and the reference image ; Determine the target pose according to the reference pose corresponding to the reference image and the first pose change.
  • the first homography matrix between the reference image and the image to be processed may be determined according to the first position coordinates and the second position coordinates.
  • the first homography matrix between the reference image and the image to be processed can be determined according to the correspondence between the first position coordinates and the second position coordinates of the first key point.
  • the first homography matrix can be decomposed, for example, the first homography matrix can be decomposed into column vectors, and the linear equation system can be determined according to the column vectors of the first homography matrix, and
  • the first pose change amount between the reference image and the image to be processed for example, the change amount of the pose angle, is solved according to the linear equation set.
  • the amount of change in the attitude angle of the image acquisition device between the shooting of the reference image and the image to be processed may be determined.
  • the target pose corresponding to the image to be processed can be determined according to the reference pose corresponding to the reference image and the first pose change.
  • the pose angle corresponding to the image to be processed can be determined by the reference pose and the amount of change in the pose angle of the reference image, so as to obtain the target pose corresponding to the image to be processed.
  • the target pose of the image to be processed can be determined by the reference pose of the reference image matched with the image to be processed and the first homography matrix, without the need to calibrate the image to be processed, which improves processing efficiency.
  • the feature extraction process and the key point extraction process are implemented by a convolutional neural network, and before the feature extraction process and the key point extraction process are performed using the convolutional neural network, the The convolutional neural network performs multi-task training, that is, the ability of the convolutional neural network to perform feature extraction processing and key point extraction processing is trained.
  • FIG. 4 shows a flowchart of a method for determining a pose according to an embodiment of the present disclosure. As shown in FIG. 4, the method further includes:
  • step S21 convolution processing is performed on the sample image through the convolution layer of the convolutional neural network to obtain a feature map of the sample image;
  • step S22 perform convolution processing on the feature map to obtain feature information of the sample image respectively;
  • step S23 perform key point extraction processing on the feature map to obtain key points of the sample image
  • step S24 the convolutional neural network is trained according to the feature information and key points of the sample image.
  • Fig. 5 shows a schematic diagram of neural network training according to an embodiment of the present disclosure. As shown in Figure 5, sample images can be used to train the convolutional neural network for feature extraction processing capabilities.
  • the sample image may be convolved through the convolution layer of the convolutional neural network to obtain a feature map of the sample image.
  • image pairs composed of sample images can be used to train the convolutional neural network.
  • the similarity of two sample images in the image pair can be labeled (for example, completely different images can be labeled Is 0, the completely consistent image can be marked as 1, etc.), and the feature maps of the two sample images in the sample image pair are extracted through the convolutional layer of the convolutional neural network, and in step S22, the feature map Perform convolution processing to obtain feature information (for example, feature vectors) of the two sample images of the sample image pair.
  • a sample image with key point annotation information may be used to train the convolutional neural network to perform key point extraction processing.
  • Step S23 may include: processing the feature map through the region candidate network of the convolutional neural network to obtain the region of interest; and performing processing on the region of interest through the region of interest pooling layer of the convolutional neural network Pooling, and convolution processing is performed through a convolution layer, and key points of the sample image are determined in the region of interest.
  • the convolutional neural network may include a candidate region network (Region Proposal Network, RPN) and a region of interest (Region of Interest, ROI) pooling layer.
  • RPN Region Proposal Network
  • ROI region of Interest
  • the feature map can be processed by the region candidate network to obtain the region of interest, and the region of interest in the sample image can be pooled by the region of interest pooling layer, and further, can be performed by the 1 ⁇ 1 convolutional layer Convolution processing to determine the location of key points (for example, location coordinates) in the region of interest.
  • step S24 the convolutional neural network is trained according to the feature information and key points of the sample image.
  • the cosine similarity between the feature information of the two sample images of the sample image pair can be determined.
  • the first loss function of the feature extraction processing capability of the convolutional neural network can be determined according to the cosine similarity (with possible errors) output by the convolutional neural network and the similarity between the two labeled sample images.
  • the first loss function of the convolutional neural network in terms of feature extraction processing ability can be determined according to the difference between the cosine similarity output by the convolutional neural network and the similarity of the two labeled sample images.
  • the ability of the convolutional neural network to extract key points can be determined according to the position coordinates of the key points output by the convolutional neural network and the key point annotation information Aspect of the second loss function.
  • the position coordinates of the key points output by the convolutional neural network may have errors.
  • the key points of the convolutional neural network can be determined according to the error between the position coordinates of the key points output by the convolutional neural network and the label information of the key points.
  • the second loss function in terms of point extraction processing power.
  • the convolutional neural network can be determined according to the first loss function of the convolutional neural network in terms of feature extraction processing capabilities and the second loss function of the convolutional neural network in terms of key point extraction processing capabilities.
  • the loss function for example, can perform a weighted summation of the first loss function and the second loss function, and the present disclosure does not limit the manner of determining the loss function of the convolutional neural network.
  • the network parameters of the convolutional neural network can be adjusted according to the loss function. For example, the network parameters of the convolutional neural network can be adjusted by a gradient descent method. The above processing can be performed iteratively until the training conditions are met.
  • the processing of adjusting network parameters can be performed iteratively for a predetermined number of times.
  • the training conditions for feature extraction can be satisfied, or the When the loss function of the network converges within the preset interval or is less than the preset threshold, the training condition is satisfied.
  • the convolutional neural network meets the training condition, the training of the convolutional neural network is completed.
  • the convolutional neural network can be used in key point extraction processing and feature extraction processing.
  • the convolutional neural network can convolve the input image to obtain the feature map of the input image, and perform convolution processing on the feature map to obtain the feature information of the input image .
  • the region of interest of the feature map can also be obtained through the region candidate network, and the region of interest can be pooled by the region of interest pooling layer, and then the key points can be obtained in the region of interest.
  • the region candidate network and the region of interest pooling layer can obtain the region of interest of the image input to the convolutional neural network during the training process or the process of key point extraction processing, and determine the key points in the region of interest to improve the key point determination Accuracy, improve processing efficiency.
  • multiple first images can be obtained during the rotation process, and the reference poses of all the first images can be iteratively determined according to the reference poses of the second images, without the need for each first image
  • the image is calibrated to improve processing efficiency.
  • a reference image matching the image to be processed can be selected in the first image, and the pose of the image to be processed can be determined according to the reference pose of the reference image and the first homography matrix pose, which can be obtained in the image
  • the convolutional neural network can obtain the region of interest of the input image, and determine the key points in the region of interest, improve the accuracy of key point determination, and improve processing efficiency.
  • Fig. 6 shows an application schematic diagram of a pose determination method according to an embodiment of the present disclosure.
  • the image to be processed may be an image currently acquired by the image acquisition device, and the current pose of the image acquisition device can be determined according to the image to be processed.
  • the image acquisition device may be rotated in the pitch direction and/or the yaw direction in advance, and a plurality of first images may be acquired during the rotation. It can calibrate the first image (the second image) of the multiple first images, and select multiple non-collinear target points in the second image, and according to the target point in the second image The corresponding relationship between the image location coordinates and the geographic location coordinates of the target point determines the second homography matrix.
  • the second homography matrix can be decomposed, and the least square solution of the internal parameter matrix of the image acquisition device can be obtained according to formula (4).
  • the reference pose corresponding to the second image is determined by formula (1) or (2).
  • the second image and the second first image may be subjected to key point extraction processing through the convolutional neural network to obtain the third key point in the second image and the fourth key point in the second first image, According to the third key point and the fourth key point, the third homography matrix between the second image and the second first image is obtained, and the third homography matrix can be obtained through the reference pose corresponding to the second image and the third homography matrix.
  • the reference poses of the two first images and further, the reference pose of the second first image and the third homography matrix between the second first image and the third first image can be used to obtain the first
  • the above processing can be performed iteratively to determine the reference poses of all the first images.
  • the image to be processed and each first image can be separately subjected to feature extraction processing through a convolutional neural network to obtain the first feature information of the image to be processed and the second feature information of each first image, and Determine the cosine similarity between the first feature information and each second feature information respectively, and determine the first image corresponding to the second feature information with the largest cosine similarity of the first feature information as a reference for matching with the image to be processed image.
  • a convolutional neural network may be used to perform key point extraction processing on the image to be processed and the reference image, respectively, to obtain the first key point of the first key point in the image to be processed and the reference image. The second key point. And according to the first key point and the second key point, the first homography matrix between the reference image and the image to be processed is determined.
  • the target pose of the image to be processed can be determined according to the reference pose of the reference image and the first homography matrix, that is, the pose of the image acquisition device when the image to be processed is captured (ie, Current pose).
  • the pose determination method can determine the pose of the image acquisition device at any moment, and can also predict the visible area of the image acquisition device based on the pose. Further, the pose determination method can provide a basis for the position of any point on the prediction plane relative to the image acquisition device and the motion speed of the target object on the prediction plane.
  • the present disclosure also provides a pose determination device, electronic equipment, computer-readable storage medium, and a program, all of which can be used to implement any pose determination method provided in this disclosure.
  • a pose determination device electronic equipment, computer-readable storage medium, and a program, all of which can be used to implement any pose determination method provided in this disclosure.
  • the writing order of the steps does not mean a strict execution order but constitutes any limitation on the implementation process.
  • the specific execution order of each step should be based on its function and possibility.
  • the inner logic is determined.
  • Fig. 7 shows a block diagram of a pose determination device according to an embodiment of the present disclosure. As shown in Figure 7, the device includes:
  • the acquiring module 11 is configured to acquire a reference image matching the image to be processed, wherein the image to be processed and the reference image are acquired by an image acquiring device, the reference image has a corresponding reference pose, and the reference The pose is used to indicate the pose of the image acquisition device when acquiring the reference image;
  • the first extraction module 12 is configured to perform key point extraction processing on the to-be-processed image and the reference image respectively to obtain the first key point in the to-be-processed image and the first key point in the reference image.
  • the first determining module 13 is configured to determine that the image acquisition device is capturing the image to be processed according to the correspondence between the first key point and the second key point, and the reference pose corresponding to the reference image The target pose.
  • the acquisition module is further configured to:
  • the image acquisition device sequentially acquires during the rotation process
  • the reference image is determined from each first image according to the similarity between the first feature information and each of the second feature information.
  • the device further includes:
  • the second determination module is used to determine the second homography matrix between the imaging plane and the geographic plane when the image acquisition device acquires the second image, and determine the internal parameter matrix of the image acquisition device, where
  • the second image is any one of the multiple first images
  • the geographic plane is a plane where the geographic location coordinates of the target point are located;
  • a third determining module configured to determine a reference pose corresponding to the second image according to the internal parameter matrix and the second homography matrix
  • the fourth determining module is configured to determine the reference pose corresponding to the at least one first image according to the reference pose corresponding to the second image.
  • the second determining module is further configured to:
  • the second homography matrix between the imaging plane and the geographic plane when the image acquisition device collects the second image is determined, wherein
  • the target point is a plurality of non-collinear points in the second image
  • the third determining module is further configured to:
  • the fourth determining module is further configured to:
  • the current first image is an image with a known reference pose among the plurality of first images, the current first image includes the second image, and the next first image is the at least one first image An image adjacent to the current first image in;
  • the fourth determining module is further configured to:
  • the third position coordinates of the third key point in the current first image and the fourth position coordinates of the fourth key point in the next first image determine the current first image and The third homography matrix between the next first image.
  • the fourth determining module is further configured to:
  • the first determining module is further configured to:
  • the image acquisition device is acquiring the target pose of the image to be processed.
  • the first determining module is further configured to:
  • the target pose is determined according to the reference pose corresponding to the reference image and the first pose change.
  • the reference pose corresponding to the reference image includes the rotation matrix and the displacement vector when the image acquisition device acquires the reference image
  • the target pose corresponding to the image to be processed includes the The image acquisition device acquires the rotation matrix and displacement vector of the image to be processed.
  • the feature extraction processing and the key point extraction processing are implemented by a convolutional neural network
  • the device further includes:
  • the first convolution module is configured to perform convolution processing on the sample image through the convolution layer of the convolutional neural network to obtain a feature map of the sample image;
  • the second convolution module is configured to perform convolution processing on the feature map to obtain feature information of the sample image respectively;
  • the second extraction module is configured to perform key point extraction processing on the feature map to obtain key points of the sample image
  • the training module is used to train the convolutional neural network according to the feature information and key points of the sample image.
  • the second extraction module is further configured to:
  • the functions or modules contained in the device provided in the embodiments of the present disclosure can be used to execute the methods described in the above method embodiments.
  • the functions or modules contained in the device provided in the embodiments of the present disclosure can be used to execute the methods described in the above method embodiments.
  • brevity, here No longer refer to the description of the above method embodiments.
  • the embodiments of the present disclosure also provide a computer-readable storage medium on which computer program instructions are stored, and the computer program instructions implement the above-mentioned method when executed by a processor.
  • the computer-readable storage medium may be a non-volatile computer-readable storage medium.
  • An embodiment of the present disclosure also provides an electronic device, including: a processor; a memory for storing executable instructions of the processor; wherein the processor is configured as the above method.
  • the electronic device can be provided as a terminal, server or other form of device.
  • Fig. 8 is a block diagram showing an electronic device 800 according to an exemplary embodiment.
  • the electronic device 800 may be a mobile phone, a computer, a digital broadcasting terminal, a messaging device, a game console, a tablet device, a medical device, a fitness device, a personal digital assistant, and other terminals.
  • the electronic device 800 may include one or more of the following components: a processing component 802, a memory 804, a power supply component 806, a multimedia component 808, an audio component 810, an input/output (I/O) interface 812, and a sensor component 814 , And communication component 816.
  • the processing component 802 generally controls the overall operations of the electronic device 800, such as operations associated with display, telephone calls, data communications, camera operations, and recording operations.
  • the processing component 802 may include one or more processors 820 to execute instructions to complete all or part of the steps of the foregoing method.
  • the processing component 802 may include one or more modules to facilitate the interaction between the processing component 802 and other components.
  • the processing component 802 may include a multimedia module to facilitate the interaction between the multimedia component 808 and the processing component 802.
  • the memory 804 is configured to store various types of data to support operations in the electronic device 800. Examples of these data include instructions for any application or method operating on the electronic device 800, contact data, phone book data, messages, pictures, videos, etc.
  • the memory 804 can be implemented by any type of volatile or nonvolatile storage device or a combination thereof, such as static random access memory (SRAM), electrically erasable programmable read-only memory (EEPROM), erasable Programmable Read Only Memory (EPROM), Programmable Read Only Memory (PROM), Read Only Memory (ROM), Magnetic Memory, Flash Memory, Magnetic Disk or Optical Disk.
  • SRAM static random access memory
  • EEPROM electrically erasable programmable read-only memory
  • EPROM erasable Programmable Read Only Memory
  • PROM Programmable Read Only Memory
  • ROM Read Only Memory
  • Magnetic Memory Flash Memory
  • Magnetic Disk Magnetic Disk or Optical Disk.
  • the power supply component 806 provides power for various components of the electronic device 800.
  • the power supply component 806 may include a power management system, one or more power supplies, and other components associated with the generation, management, and distribution of power for the electronic device 800.
  • the multimedia component 808 includes a screen that provides an output interface between the electronic device 800 and the user.
  • the screen may include a liquid crystal display (LCD) and a touch panel (TP). If the screen includes a touch panel, the screen may be implemented as a touch screen to receive input signals from the user.
  • the touch panel includes one or more touch sensors to sense touch, sliding, and gestures on the touch panel. The touch sensor may not only sense the boundary of a touch or slide action, but also detect the duration and pressure related to the touch or slide operation.
  • the multimedia component 808 includes a front camera and/or a rear camera. When the electronic device 800 is in an operation mode, such as a shooting mode or a video mode, the front camera and/or the rear camera can receive external multimedia data. Each front camera and rear camera can be a fixed optical lens system or have focal length and optical zoom capabilities.
  • the audio component 810 is configured to output and/or input audio signals.
  • the audio component 810 includes a microphone (MIC).
  • the microphone is configured to receive external audio signals.
  • the received audio signal may be further stored in the memory 804 or transmitted via the communication component 816.
  • the audio component 810 further includes a speaker for outputting audio signals.
  • the I/O interface 812 provides an interface between the processing component 802 and a peripheral interface module.
  • the peripheral interface module may be a keyboard, a click wheel, a button, and the like. These buttons may include but are not limited to: home button, volume button, start button, and lock button.
  • the sensor component 814 includes one or more sensors for providing the electronic device 800 with various aspects of state evaluation.
  • the sensor component 814 can detect the on/off status of the electronic device 800 and the relative positioning of the components.
  • the component is the display and the keypad of the electronic device 800.
  • the sensor component 814 can also detect the electronic device 800 or the electronic device 800.
  • the position of the component changes, the presence or absence of contact between the user and the electronic device 800, the orientation or acceleration/deceleration of the electronic device 800, and the temperature change of the electronic device 800.
  • the sensor component 814 may include a proximity sensor configured to detect the presence of nearby objects when there is no physical contact.
  • the sensor component 814 may also include a light sensor, such as a CMOS or CCD image sensor, for use in imaging applications.
  • the sensor component 814 may also include an acceleration sensor, a gyroscope sensor, a magnetic sensor, a pressure sensor or a temperature sensor.
  • the communication component 816 is configured to facilitate wired or wireless communication between the electronic device 800 and other devices.
  • the electronic device 800 can access a wireless network based on a communication standard, such as WiFi, 2G, or 3G, or a combination thereof.
  • the communication component 816 receives a broadcast signal or broadcast related information from an external broadcast management system via a broadcast channel.
  • the communication component 816 further includes a near field communication (NFC) module to facilitate short-range communication.
  • the NFC module can be implemented based on radio frequency identification (RFID) technology, infrared data association (IrDA) technology, ultra-wideband (UWB) technology, Bluetooth (BT) technology and other technologies.
  • RFID radio frequency identification
  • IrDA infrared data association
  • UWB ultra-wideband
  • Bluetooth Bluetooth
  • the electronic device 800 can be implemented by one or more application specific integrated circuits (ASIC), digital signal processors (DSP), digital signal processing devices (DSPD), programmable logic devices (PLD), field A programmable gate array (FPGA), controller, microcontroller, microprocessor, or other electronic components are implemented to implement the above methods.
  • ASIC application specific integrated circuits
  • DSP digital signal processors
  • DSPD digital signal processing devices
  • PLD programmable logic devices
  • FPGA field A programmable gate array
  • controller microcontroller, microprocessor, or other electronic components are implemented to implement the above methods.
  • a non-volatile computer-readable storage medium such as a memory 804 including computer program instructions, which can be executed by the processor 820 of the electronic device 800 to complete the foregoing method.
  • the embodiments of the present disclosure also provide a computer program product, including computer readable code, and when the computer readable code runs on the device, the processor in the device executes instructions for implementing the method provided in any of the above embodiments.
  • the computer program product can be specifically implemented by hardware, software or a combination thereof.
  • the computer program product is specifically embodied as a computer storage medium.
  • the computer program product is specifically embodied as a software product, such as a software development kit (SDK), etc. Wait.
  • SDK software development kit
  • Fig. 9 is a block diagram showing an electronic device 1900 according to an exemplary embodiment.
  • the electronic device 1900 may be provided as a server.
  • the electronic device 1900 includes a processing component 1922, which further includes one or more processors, and a memory resource represented by the memory 1932, for storing instructions executable by the processing component 1922, such as application programs.
  • the application program stored in the memory 1932 may include one or more modules each corresponding to a set of instructions.
  • the processing component 1922 is configured to execute instructions to perform the above-described methods.
  • the electronic device 1900 may also include a power supply component 1926 configured to perform power management of the electronic device 1900, a wired or wireless network interface 1950 configured to connect the electronic device 1900 to a network, and an input output (I/O) interface 1958 .
  • the electronic device 1900 can operate based on an operating system stored in the memory 1932, such as Windows ServerTM, Mac OS XTM, UnixTM, LinuxTM, FreeBSDTM or the like.
  • a non-volatile computer-readable storage medium such as the memory 1932 including computer program instructions, which can be executed by the processing component 1922 of the electronic device 1900 to complete the foregoing method.
  • the present disclosure may be a system, method, and/or computer program product.
  • the computer program product may include a computer-readable storage medium loaded with computer-readable program instructions for enabling a processor to implement various aspects of the present disclosure.
  • the computer-readable storage medium may be a tangible device that can hold and store instructions used by the instruction execution device.
  • the computer-readable storage medium may be, for example, but not limited to, an electrical storage device, a magnetic storage device, an optical storage device, an electromagnetic storage device, a semiconductor storage device, or any suitable combination of the foregoing.
  • Computer-readable storage media include: portable computer disks, hard disks, random access memory (RAM), read-only memory (ROM), erasable programmable read-only memory (EPROM) Or flash memory), static random access memory (SRAM), portable compact disk read-only memory (CD-ROM), digital versatile disk (DVD), memory stick, floppy disk, mechanical encoding device, such as a printer with instructions stored thereon
  • RAM random access memory
  • ROM read-only memory
  • EPROM erasable programmable read-only memory
  • flash memory flash memory
  • SRAM static random access memory
  • CD-ROM compact disk read-only memory
  • DVD digital versatile disk
  • memory stick floppy disk
  • mechanical encoding device such as a printer with instructions stored thereon
  • the computer-readable storage medium used here is not interpreted as a transient signal itself, such as radio waves or other freely propagating electromagnetic waves, electromagnetic waves propagating through waveguides or other transmission media (for example, light pulses through fiber optic cables), or through wires Transmission of electrical signals.
  • the computer-readable program instructions described herein can be downloaded from a computer-readable storage medium to various computing/processing devices, or downloaded to an external computer or external storage device via a network, such as the Internet, a local area network, a wide area network, and/or a wireless network.
  • the network may include copper transmission cables, optical fiber transmission, wireless transmission, routers, firewalls, switches, gateway computers, and/or edge servers.
  • the network adapter card or network interface in each computing/processing device receives computer-readable program instructions from the network, and forwards the computer-readable program instructions for storage in the computer-readable storage medium in each computing/processing device .
  • the computer program instructions used to perform the operations of the present disclosure may be assembly instructions, instruction set architecture (ISA) instructions, machine instructions, machine-related instructions, microcode, firmware instructions, status setting data, or in one or more programming languages.
  • Source code or object code written in any combination, the programming language includes object-oriented programming languages such as Smalltalk, C++, etc., and conventional procedural programming languages such as "C" language or similar programming languages.
  • Computer-readable program instructions can be executed entirely on the user's computer, partly on the user's computer, executed as a stand-alone software package, partly on the user's computer and partly executed on a remote computer, or entirely on the remote computer or server carried out.
  • the remote computer can be connected to the user's computer through any kind of network, including a local area network (LAN) or a wide area network (WAN), or it can be connected to an external computer (for example, using an Internet service provider to access the Internet connection).
  • LAN local area network
  • WAN wide area network
  • an electronic circuit such as a programmable logic circuit, a field programmable gate array (FPGA), or a programmable logic array (PLA), can be customized by using the status information of the computer-readable program instructions.
  • the computer-readable program instructions are executed to realize various aspects of the present disclosure.
  • These computer-readable program instructions can be provided to the processor of a general-purpose computer, a special-purpose computer, or other programmable data processing device, thereby producing a machine such that when these instructions are executed by the processor of the computer or other programmable data processing device , A device that implements the functions/actions specified in one or more blocks in the flowchart and/or block diagram is produced. It is also possible to store these computer-readable program instructions in a computer-readable storage medium. These instructions make computers, programmable data processing apparatuses, and/or other devices work in a specific manner, so that the computer-readable medium storing instructions includes An article of manufacture, which includes instructions for implementing various aspects of the functions/actions specified in one or more blocks in the flowchart and/or block diagram.
  • each block in the flowchart or block diagram may represent a module, program segment, or part of an instruction, and the module, program segment, or part of an instruction contains one or more functions for implementing the specified logical function.
  • Executable instructions may also occur in a different order from the order marked in the drawings. For example, two consecutive blocks can actually be executed in parallel, or they can sometimes be executed in the reverse order, depending on the functions involved.
  • each block in the block diagram and/or flowchart, and the combination of the blocks in the block diagram and/or flowchart can be implemented by a dedicated hardware-based system that performs the specified functions or actions Or it can be realized by a combination of dedicated hardware and computer instructions.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Studio Devices (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

一种位姿确定方法及装置、电子设备和存储介质，所述方法包括：获取与待处理图像匹配的参考图像（S11）；对待处理图像和参考图像分别进行关键点提取处理，分别得到待处理图像中的第一关键点以及第一关键点在参考图像中对应的第二关键点（S12）；根据第一关键点与第二关键点的对应关系，以及参考图像对应的参考位姿，确定图像获取装置在采集待处理图像的目标位姿（S13）。

Description

位姿确定方法及装置、电子设备和存储介质
本公开要求在2019年7月31日提交中国专利局、申请号为201910701860.0、申请名称为“位姿确定方法及装置、电子设备和存储介质”的中国专利申请的优先权，其全部内容通过引用结合在本公开中。
技术领域
本公开涉及计算机技术领域，尤其涉及一种位姿确定方法及装置、电子设备和存储介质。
背景技术
相机标定是视觉定位的基础问题。计算目标地理位置，获取摄像机的可视区域，都需要对相机进行标定。在相关技术中，常用的标定算法仅考虑了相机位置固定的情况，然而，目前城市的监控相机中，包含了许多可旋转的相机。
发明内容
本公开提出了一种位姿确定方法及装置、电子设备和存储介质。
根据本公开的一方面，提供了一种位姿确定方法，包括：
获取与待处理图像匹配的参考图像，其中，所述待处理图像和所述参考图像是由图像获取装置获取的，所述参考图像具有对应的参考位姿，所述参考位姿用于表示所述图像获取装置在采集所述参考图像时的位姿；
对所述待处理图像和所述参考图像分别进行关键点提取处理，分别得到所述待处理图像中的第一关键点以及所述第一关键点在所述参考图像中对应的第二关键点；
根据所述第一关键点与所述第二关键点的对应关系，以及所述参考图像对应的参考位姿，确定所述图像获取装置在采集所述待处理图像的目标位姿。
根据本公开的实施例的位姿确定方法，可选取的与待处理图像匹配的参考图像，并根据参考图像的位姿来确定待处理图像对应的位姿，可在图像获取装置产生旋转或位移时标定对应的位姿，可迅速适应新的监控场景。
在一种可能的实现方式中，所述获取与待处理图像匹配的参考图像，包括：
对所述待处理图像和至少一个第一图像分别进行特征提取处理，获得所述待处理图像的第一特征信息和各所述第一图像的第二特征信息，所述至少一个第一图像是所述图像获取装置在旋转的过程中依次获取的；
根据所述第一特征信息和各所述第二特征信息之间的相似度，从各第一图像中确定出所述参考图像。
在一种可能的实现方式中，所述方法还包括：
确定所述图像获取装置在采集所述第二图像时的成像平面和地理平面之间的第二单应矩阵，以及确定所述图像获取装置的内参矩阵，其中，所述第二图像为所述多个第一图像中的任意一张图像，所述地理平面为所述目标点的地理位置坐标所在平面；
根据所述内参矩阵及所述第二单应矩阵，确定所述第二图像对应的参考位姿；
根据所述第二图像对应的参考位姿，确定所述至少一个第一图像对应的参考位姿。
在一种可能的实现方式中，所述确定所述图像获取装置在采集所述第二图像时的成像平面和地理平面之间的第二单应矩阵，以及确定所述图像获取装置的内参矩阵，包括：
根据所述第二图像中目标点的图像位置坐标和地理位置坐标，确定所述图像获取装置在采集所述第二图像时的成像平面和地理平面之间的第二单应矩阵，其中，所述目标点为所述第二图像中的多个不共线的点；
对所述第二单应矩阵进行分解处理，确定所述图像获取装置的内参矩阵。
在一种可能的实现方式中，根据所述内参矩阵及所述第二单应矩阵，确定所述第二图像对应的参考位姿，包括：
根据所述图像获取装置的内参矩阵及所述第二单应矩阵，确定所述第二图像对应的外参矩阵；
根据所述第二图像对应的外参矩阵，确定所述第二图像对应的参考位姿。
在一种可能的实现方式中，根据所述第二图像对应的参考位姿，确定所述至少一个第一图像对应的参考位姿，包括：
对当前第一图像和下一个第一图像分别进行关键点提取处理，获得当前第一图像中的第三关键点和所述第三关键点在下一个第一图像中对应的第四关键点，所述当前第一图像为所述多个第一图像中已知参考位姿的图像，所述当前第一图像包括所述第二图像，所述下一个第一图像为所述至少一个第一图像中与所述当前第一图像相邻的图像；
根据所述第三关键点和所述第四关键点的对应关系，确定所述当前第一图像和所述下一个第一图像之间的第三单应矩阵；
根据所述第三单应矩阵和所述当前第一图像对应的参考位姿，确定所述下一个第一图像对应的参考位姿。
通过这种方式，可获得第一个图像的参考位姿，并根据第一个第一图像的参考位姿迭代确定所有第一图像的参考位姿，无需根据复杂的标定方法对每个第一图像进行标定处理，提高处理效率。
在一种可能的实现方式中，根据所述第三关键点和所述第四关键点的对应关系，确定所述当前第一图像和所述下一个第一图像之间的第三单应矩阵，包括：
根据所述第三关键点在所述当前第一图像中的第三位置坐标以及所述第四关键点在所述下一个第一图像中的第四位置坐标，确定所述当前第一图像和所述下一个第一图像之间的第三单应矩阵。
在一种可能的实现方式中，根据所述第三单应矩阵和所述当前第一图像对应的参考位姿，确定所述下一个第一图像对应的参考位姿，包括：
对所述第三单应矩阵进行分解处理，确定所述图像获取装置在获取所述当前第一图像和所述下一个第一图像之间的第二位姿变化量；
根据所述当前第一图像对应的参考位姿以及所述第二位姿变化量，确定所述下一个第一图像对应的参考位姿。
在一种可能的实现方式中，根据所述第一关键点与所述第二关键点的对应关系，以及所述参考图像对应的参考位姿，确定所述图像获取装置在采集所述待处理图像的目标位姿，包括：
根据所述第一关键点在所述待处理图像中的第一位置坐标、所述第二关键点在所述参考图像中的第二位置坐标，以及参考图像对应的参考位姿，确定所述图像获取装置在采集所述待处理图像的目标位姿。
通过这种方式，可获得第一个图像的参考位姿，并根据第一个第一图像的参考位姿迭代确定所有第一图像的参考位姿，无需根据复杂的标定方法对每个第一图像进行标定处理，提高处理效率。
在一种可能的实现方式中，根据所述第一关键点在所述待处理图像中的第一位置坐标、所述第二关键点在所述参考图像中的第二位置坐标，以及参考图像对应的参考位姿，确定所述图像获取装置在采集所述待处理图像的目标位姿，包括：
根据所述第一位置坐标和所述第二位置坐标，确定所述参考图像和所述待处理图像之间的第一单应矩阵；
对所述第一单应矩阵进行分解处理，确定所述图像获取装置在获取所述待处理图像和所述参考图像之间的第一位姿变化量；
根据所述参考图像对应的参考位姿以及所述第一位姿变化量，确定所述目标位姿。
在一种可能的实现方式中，所述参考图像对应的参考位姿包括所述图像获取装置获取所述参考图像时的旋转矩阵和位移向量，所述待处理图像对应的目标位姿包括所述图像获取装置获取待处理图像时的旋转矩阵和位移向量。
在一种可能的实现方式中，所述特征提取处理及所述关键点提取处理通过卷积神经网络来实现，
其中，所述方法还包括：
通过所述卷积神经网络的卷积层对所述样本图像进行卷积处理，获得所述样本图像的特征图；
对所述特征图进行卷积处理，分别获得所述样本图像的特征信息；
对所述特征图进行关键点提取处理，获得所述样本图像的关键点；
根据所述样本图像的特征信息和关键点，训练所述卷积神经网络。
在一种可能的实现方式中，对所述特征图进行关键点提取处理，获得所述样本图像的关键点，包括：
通过所述卷积神经网络的区域候选网络对所述特征图进行处理，获得感兴趣区域；
通过所述卷积神经网络的感兴趣区域池化层对所述感兴趣区域进行池化，并通过卷积层进行卷积处理，在所述感兴趣区域中确定所述样本图像的关键点。
根据本公开的一方面，提供了一种位姿确定装置，包括：
获取模块，用于获取与待处理图像匹配的参考图像，其中，所述待处理图像和所述参考图像是由图像获取装置获取的，所述参考图像具有对应的参考位姿，所述参考位姿用于表示所述图像获取装置在采集所述参考图像时的位姿；
第一提取模块，用于对所述待处理图像和所述参考图像分别进行关键点提取处理，分别得到所述待处理图像中的第一关键点以及所述第一关键点在所述参考图像中对应的第二关键点；
第一确定模块，用于根据所述第一关键点与所述第二关键点的对应关系，以及所述参考图像对应的参考位姿，确定所述图像获取装置在采集所述待处理图像的目标位姿。
在一种可能的实现方式中，所述获取模块被进一步配置为：
对所述待处理图像和至少一个第一图像分别进行特征提取处理，获得所述待处理图像的第一特征信息和各所述第一图像的第二特征信息，所述至少一个第一图像是所述图像获取装置在旋转的过程中依次获取的；
根据所述第一特征信息和各所述第二特征信息之间的相似度，从各第一图像中确定出所述参考图像。
在一种可能的实现方式中，所述装置还包括：
第二确定模块，用于确定所述图像获取装置在采集所述第二图像时的成像平面和地理平面之间的第二单应矩阵，以及确定所述图像获取装置的内参矩阵，其中，所述第二图像为所述多个第一图像中的任意一张图像，所述地理平面为所述目标点的地理位置坐标所在平面；
第三确定模块，用于根据所述内参矩阵及所述第二单应矩阵，确定所述第二图像对应的参考位姿；
第四确定模块，用于根据所述第二图像对应的参考位姿，确定所述至少一个第一图像对应的参考位姿。
在一种可能的实现方式中，所述第二确定模块被进一步配置为：
根据所述第二图像中目标点的图像位置坐标和地理位置坐标，确定所述图像获取装置在采集所述第二图像时的成像平面和地理平面之间的第二单应矩阵，其中，所述目标点为所述第二图像中的多个不共线的点；
对所述第二单应矩阵进行分解处理，确定所述图像获取装置的内参矩阵。
在一种可能的实现方式中，所述第三确定模块被进一步配置为：
根据所述图像获取装置的内参矩阵及所述第二单应矩阵，确定所述第二图像对应的外参矩阵；
根据所述第二图像对应的外参矩阵，确定所述第二图像对应的参考位姿。
在一种可能的实现方式中，所述第四确定模块被进一步配置为：
对当前第一图像和下一个第一图像分别进行关键点提取处理，获得当前第一图像中的第三关键点和所述第三关键点在下一个第一图像中对应的第四关键点，所述当前第一图像为所述多个第一图像中已知参考位姿的图像，所述当前第一图像包括所述第二图像，所述下一个第一图像为所述至少一个第一图像中与所述当前第一图像相邻的图像；
根据所述第三关键点和所述第四关键点的对应关系，确定所述当前第一图像和所述下一个第一图像之间的第三单应矩阵；
根据所述第三单应矩阵和所述当前第一图像对应的参考位姿，确定所述下一个第一图像对应的参考位姿。
在一种可能的实现方式中，所述第四确定模块被进一步配置为：
根据所述第三关键点在所述当前第一图像中的第三位置坐标以及所述第四关键点在所述下一个第一图像中的第四位置坐标，确定所述当前第一图像和所述下一个第一图像之间的第三单应矩阵。
在一种可能的实现方式中，所述第四确定模块被进一步配置为：
对所述第三单应矩阵进行分解处理，确定所述图像获取装置在获取所述当前第一图像和所述下一个第一图像之间的第二位姿变化量；
根据所述当前第一图像对应的参考位姿以及所述第二位姿变化量，确定所述下一个第一图像对应的参考位姿。
在一种可能的实现方式中，所述第一确定模块被进一步配置为：
根据所述第一关键点在所述待处理图像中的第一位置坐标、所述第二关键点在所述参考图像中的第二位置坐标，以及参考图像对应的参考位姿，确定所述图像获取装置在采集所述待处理图像的目标位姿。
在一种可能的实现方式中，所述第一确定模块被进一步配置为：
根据所述第一位置坐标和所述第二位置坐标，确定所述参考图像和所述待处理图像之间的第一单应矩阵；
对所述第一单应矩阵进行分解处理，确定所述图像获取装置在获取所述待处理图像和所述参考图像之间的第一位姿变化量；
根据所述参考图像对应的参考位姿以及所述第一位姿变化量，确定所述目标位姿。
在一种可能的实现方式中，所述参考图像对应的参考位姿包括所述图像获取装置获取所述参考图像时的旋转矩阵和位移向量，所述待处理图像对应的目标位姿包括所述图像获取装置获取待处理图像时的旋转矩阵和位移向量。
在一种可能的实现方式中，所述特征提取处理及所述关键点提取处理通过卷积神经网络来实现，
其中，所述装置还包括：
第一卷积模块，用于通过所述卷积神经网络的卷积层对所述样本图像进行卷积处理，获得所述样本图像的特征图；
第二卷积模块，用于对所述特征图进行卷积处理，分别获得所述样本图像的特征信息；
第二提取模块，用于对所述特征图进行关键点提取处理，获得所述样本图像的关键点；
训练模块，用于根据所述样本图像的特征信息和关键点，训练所述卷积神经网络。
在一种可能的实现方式中，所述第二提取模块被进一步配置为：
通过所述卷积神经网络的区域候选网络对所述特征图进行处理，获得感兴趣区域；
通过所述卷积神经网络的感兴趣区域池化层对所述感兴趣区域进行池化，并通过卷积层进行卷积处理，在所述感兴趣区域中确定所述样本图像的关键点。
根据本公开的一方面，提供了一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：执行上述位姿确定方法。
根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述位姿确定方法。
根据本公开的一方面，提供了一种计算机程序，包括计算机可读代码，当所述计算机可读代码在电子设备中运行时，所述电子设备中的处理器执行用于执行上述的位姿确定方法。
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，而非限制本公开。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
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，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的位姿确定方法的流程图；
图2示出根据本公开实施例的位姿确定方法的流程图；
图3示出根据本公开实施例的目标点的示意图；
图4示出根据本公开实施例的位姿确定方法的流程图；
图5示出根据本公开实施例的神经网络训练的示意图；
图6示出根据本公开实施例的位姿确定方法的应用示意图；
图7示出根据本公开实施例的位姿确定装置的框图；
图8示出根据本公开实施例的电子装置的框图；
图9示出根据本公开实施例的电子装置的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
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：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
图1示出根据本公开实施例的位姿确定方法的流程图，如图1所示，所述方法包括：
在步骤S11中，获取与待处理图像匹配的参考图像，其中，所述待处理图像和所述参考图像是由图像获取装置获取的，所述参考图像具有对应的参考位姿，所述参考位姿用于表示所述图像获取装置在采集所述参考图像时的位姿；
在步骤S12中，对所述待处理图像和所述参考图像分别进行关键点提取处理，分别得到所述待处理图像中的第一关键点以及所述第一关键点在所述参考图像中对应的第二关键点；
在步骤S13中，根据所述第一关键点与所述第二关键点的对应关系，以及所述参考图像对应的参考位姿，确定所述图像获取装置在采集所述待处理图像的目标位姿。
根据本公开的实施例的位姿确定方法，可选取的与待处理图像匹配的参考图像，并根据参考图像的位姿来确定待处理图像对应的位姿，可在图像获取装置产生旋转或位移时标定对应的位姿，可迅速适应新的监控场景。
在一种可能的实现方式中，所述位姿确定方法可用于确定相机、摄像机、监视器等图像获取装置的位姿，例如，可用于确定监控系统、门禁系统等的摄像头的位姿，在图像获取装置发生位移或旋转等位姿变换时，例如，监控摄像头旋转时，可高效地确定图像获取装置在位姿变换后的位姿，本公开对所述位姿确定方法的应用领域不做限制。
在一种可能的实现方式中，所述方法可以由终端设备执行，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等，所述方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者，所述方法通过服务器执行。
在一种可能的实现方式中，可通过所述位于预设位置的图像获取装置获取多个第一图像，并从所述多个第一图像中选择出与待处理图像匹配的参考图像，所述图像获取装置可以是能够旋转的相机，例如，用于监控的球形相机等，所述图像获取装置可沿俯仰方向和/或偏航方向旋转，在旋转的过程中，图像获取装置可获取一个或多个第一图像。在其他实施例中，还可以是通过图像获取装置获取一张参考图像，在此不做限定。
在示例中，图像获取装置在俯仰方向可旋转180°，在偏航方向旋转360°，则图像获取装置可在旋转过程中获取多张第一图像，例如，每间隔预设角度，获取一个第一图像。在另一示例中，图像获取装置在俯仰方向和/或偏航方向可旋转的角度为预设度数，例如，仅可旋转10°、20°、30°等，图像获取装置可在旋转过程中获取一张或多张第一图像，例如，每间隔预设角度，获取一个第一图像。例如，图像获取装置仅可在偏航方向旋转20°，在旋转过程中，可每间隔5°获取一张第一图像，则图像获取装置可分别在旋转至0°、5°、10°、15°和20°时获取一张第一图像，共获取5张第一图像。又例如，图像获取装置仅可在偏航方向旋转10°，图像获取装置可在旋转至5°时获取一张第一图像，即，仅获取一张参考图像。所述各第一图像对应的参考位姿包括所述图像获取装置获取各第一图像时的旋转矩阵和位移向量，所述待处理图像对应的目标位姿包括所述图像获取装置获取待处理图像时的旋转矩阵和位移向量。参考图像为所述第一图像中与待处理图像匹配的图像，所述参考图像对应的参考位姿包括所述图像获取装置获取所述参考图像时的旋转矩阵和位移向量，所述待处理图像对应的目标位姿包括所述图像获取装置获取待处理图像时的旋转矩阵和位移向量。
图2示出根据本公开实施例的位姿确定方法的流程图，如图2所示，所述方法还包括：
在步骤S14中，确定所述图像获取装置在采集所述第二图像时的成像平面和地理平面之间的第二单应矩阵，以及确定所述图像获取装置的内参矩阵，其中，所述第二图像为所述多个第一图像中的任意一张图像，所述地理平面为所述目标点的地理位置坐标所在平面；
在步骤S15中，根据所述内参矩阵及所述第二单应矩阵，确定所述第二图像对应的参考位姿；
在步骤S16中，根据所述第二图像对应的参考位姿，确定所述至少一个第一图像对应的参考位姿。
在一种可能的实现方式中，在步骤S14中，可将图像获取装置沿俯仰方向和/或偏航方向旋转，并在旋转过程中依次获取第一图像。例如，可将图像获取装置在俯仰方向设置为某角度(例如，1°、5°、10°等)，并沿偏航方向旋转一周，并在旋转过程中每隔一定角度(例如，1°、5°、10°等)获取一张第一图像。在旋转一周后，可将图像获取装置沿俯仰方向调整一定角度(例如，1°、5°、10°等)，并沿偏航方向旋转一周，并在旋转过程中每隔一定角度获取一张第一图像。可按照上述方式，继续调整俯仰方向的角度，并沿偏航方向旋转一周，获取第一图像，直到俯仰方向调整180°。或者，图像获取装置在俯仰方向和/或偏航方向可旋转的角度为预设度数时，可依次获取第一图像。
在一种可能的实现方式中，可将上述过程中的任意一张第一图像确定为第二图像，并在依次确定各第一图像的参考位姿时，将选择的第二图像作为确定多个第一图像的参考位姿的处理中的第一张待处理的图像，并在确定第二图像的参考位姿后，根据第二图像的参考位姿，确定其他第一图像的参考位姿。例如，可将第一张第一图像确定为所述第二图像，并对第二图像进行标定(即，标定图像获取装置获取第二图像时的位姿)，以确定第二图像的参考位姿，并基于第二图像的参考位姿依次确定其他第一图像的参考位姿。
在一种可能的实现方式中，可在第二图像中选取多个不共线的目标点，并标注所述目标点在第二图像中的图像位置坐标，并获取所述目标点的地理位置坐标，例如，目标点在实际地理位置中的经纬度坐标。
图3示出根据本公开实施例的目标点的示意图，如图3所示，图3中右侧为所述图像获取装置获取的第二图像，并在第二图像中选取了4个目标点(即，0点、1点、2点和3点)，例如，选取了某体育场的4个顶点作为目标点。并可获取所述4个目标点在第二图像中的图像位置坐标，例如，(x 1，y 1)，(x 2，y 2)，(x 3，y 3)，(x 4，y 4)。
在一种可能的实现方式中，可确定所述4个目标点的地理位置坐标，例如，经纬度坐标。图3中左侧为所述体育场的实况地图，例如，卫星拍摄的实况地图，可在各实况地图中获取所述4个目标点的经纬度坐标，例如，(x 1’，y 1’)，(x 2’，y 2’)，(x 3’，y 3’)，(x 4’，y 4’)。
在一种可能的实现方式中，确定所述图像获取装置在采集所述第二图像时的成像平面和地理平面之间的第二单应矩阵，以及确定所述图像获取装置的内参矩阵，包括：根据所述目标点的图像位置坐标和地理位置坐标，确定所述图像获取装置在采集所述第二图像时的成像平面和地理平面之间的第二单应矩阵；对所述第二单应矩阵进行分解处理，确定所述图像获取装置的内参矩阵。
在一种可能的实现方式中，根据所述目标点的图像位置坐标和地理位置坐标，确定所述图像获取装置的成像平面和地理平面之间的第二单应矩阵。在示例中，可根据(x 1，y 1)，(x 2，y 2)，(x 3，y 3)，(x 4，y 4)以及(x 1’，y 1’)，(x 2’，y 2’)，(x 3’，y 3’)，(x 4’，y 4’)之间的对应关系，确定图像获取装置的成像平面和地理平面之间的第二单应矩阵，例如，可根据上述坐标建立各坐标之间的方程组，并根据所述方程组解得所述第二单应矩阵。
在一种可能的实现方式中，可对第二单应矩阵进行分解处理，并根据成像原理，可根据以下公式(1)确定第二单应矩阵和图像获取装置的内参矩阵及第二图像的参考位姿之间的关系：
H＝λK[R|T]                (1)
其中，H为第二单应矩阵，λ为H的特征值，K为图像获取装置的内参矩阵，[R|T]为第二图像对应的外参矩阵，R为第二图像的旋转矩阵，T为第二图像的位移向量。
在一种可能的实现方式中，公式(1)中列向量可表示为以下公式(2)：
H＝[h 1,h 2,h 3]＝λK[r 1,r 2,t]                (2)
其中，h 1,h 2,h 3分别为H的列向量，r 1,r 2为R的列向量，t为T的列向量。
在一种可能的实现方式中，由于旋转矩阵R为正交矩阵，可根据公式(2)获得以下方程组(3)：
Figure PCTCN2019123646-appb-000001
其中，
Figure PCTCN2019123646-appb-000002
为h 1的转置行向量，
Figure PCTCN2019123646-appb-000003
为h 2的转置行向量，K -T为K的转置矩阵，K -1为K的逆矩阵。
在一种可能的实现方式中，可根据方程组(3)获得以下方程组(4)：
Figure PCTCN2019123646-appb-000004
其中，
Figure PCTCN2019123646-appb-000005
(i＝1、2或3，j＝1、2或3)。
在一种可能的实现方式中，可对方程组(4)进行奇异值分解，获得图像获取装置的内参矩阵，例如，可获得所述内参矩阵的最小二乘解。
在一种可能的实现方式中，在步骤S15中，可根据所述内参矩阵及所述第二单应矩阵，确定第二图像的参考位姿，步骤S15可包括：根据所述图像获取装置的内参矩阵及所述第二单应矩阵，确定所述第二图像对应的外参矩阵；根据所述第二图像对应的外参矩阵，确定所述第二图像对应的参考位姿。
在一种可能的实现方式中，可根据公式(1)或(2)确定第二图像对应的外参矩阵。例如，公式(1)两侧可同时乘以K -1，并同时除以λ，即可获得第二图像对应的外参矩阵[R|T]。
在一种可能的实现方式中，所述外参矩阵中的旋转矩阵R和位移向量T即为第二图像对应的参考位姿。
在一种可能的实现方式中，在步骤S16中，可根据第二图像的参考位姿，依次确定每个第一图像对应的参考位姿。例如，第二图像为确定多个第一图像的参考位姿的处理中的第一张待处理的图像，可根据第二图像的参考位姿，依次确定其后续的各第一图像的参考位姿。步骤S16可包括：对当前第一图像和下一个第一图像分别进行关键点提取处理，获得当前第一图像中的第三关键点和所述第三关键点在下一个第一图像中对应的第四关键点，所述当前第一图像为所述多个第一图像中已知参考位姿的图像，所述当前第一图像包括所述第二图像，所述下一个第一图像为所述至少一个第一图像中与所述当前第一图像相邻的图像；根据所述第三关键点和所述第四关键点的对应关系，确定所述当前第一图像和所述下一个第一图像之间的第三单应矩阵；根据所述第三单应矩阵和所述当前第一图像对应的参考位姿，确定所述下一个第一图像对应的参考位姿。
在一种可能的实现方式中，可通过卷积神经网络等深度学习神经网络对当前第一图像和下一个第一图像分别进行关键点提取处理，获得当前第一图像中的第三关键点和所述第三关键点在下一个第一图像中对应的第四关键点，或者根据当前第一图像和下一个第一图像中的像素点的亮度、色度等参数，获得当前第一图像中的第三关键点和所述第三关键点在下一个第一图像中对应的第四关键点，所述第三关键点和第四关键点可表示同一组点，但该组点在当前第一图像和下一个第一图像中的位置可不同。 其中，关键点可以是能够表示图像中目标对象的轮廓、形状等特征的点。例如，当前第一图像为第二图像(例如，第一个第一图像)，可将第一图像与第二个第一图像输入所述卷积神经网络进行关键点提取处理，分别在第二图像中和第二个第一图像中获得多个第三关键点以及第四关键点。例如，第二图像为图像获取装置拍摄的某体育场的图像，第三关键点为体育场的多个顶点，可将第二个第一图像中包括的体育场的顶点作为所述第四关键点。进一步地，可获取第三关键点在第二图像中的第三位置坐标和第四关键点在第二个第一图像中的第四位置坐标。由于图像获取装置在获取第二图像和第二个第一图像之间旋转了一定的角度，因此所述第三位置坐标和第四位置坐标不同。在示例中，当前第一图像也可以是任一第一图像，下一个第一图像为与所述当前第一图像相邻的图像，本公开对当前第一图像不做限制。
在一种可能的实现方式中，图像获取装置在获取当前第一图像和下一个第一图像之间旋转了一定的角度，即，图像获取装置的位姿发生了变化，可通过第三关键点和第四关键点之间的对应关系，确定当前第一图像和下一个第一图像之间的第三单应矩阵，进而可根据当前第一图像的参考位姿和第三单应矩阵确定下一个第一图像的参考位姿。
在一种可能的实现方式中，根据所述第三关键点和所述第四关键点的对应关系，确定所述当前第一图像和所述下一个第一图像之间的第三单应矩阵，包括：根据所述第三关键点在所述当前第一图像中的第三位置坐标以及所述第四关键点在所述下一个第一图像中的第四位置坐标，确定所述当前第一图像和所述下一个第一图像之间的第三单应矩阵。可根据第三位置坐标和第四位置坐标，确定所述当前第一图像和所述下一个第一图像之间的第三单应矩阵。在示例中，可确定第二图像和下一个第一图像之间的第三单应矩阵。
在一种可能的实现方式中，根据所述第三单应矩阵和所述当前第一图像对应的参考位姿，确定所述下一个第一图像对应的参考位姿，包括：对所述第三单应矩阵进行分解处理，确定所述图像获取装置在获取所述当前第一图像和所述下一个第一图像之间的第二位姿变化量；根据所述当前第一图像对应的参考位姿以及所述第二位姿变化量，确定所述下一个第一图像对应的参考位姿。
在一种可能的实现方式中，可对第三单应矩阵进行分解处理，例如可将第三单应矩阵分解为列向量，并根据第三单应矩阵的列向量确定线性方程组，并根据所述线性方程组求解当前第一图像和下一个第一图像之间的第二位姿变化量，例如，姿态角的变化量。在示例中，可确定图像获取装置在拍摄第二图像和下一个第一图像之间的姿态角变化量。
在一种可能的实现方式中，可根据当前第一图像对应的参考位姿以及第二位姿变化量，确定所述下一个第一图像对应的参考位姿。例如，可通过当前第一图像的参考位姿以及姿态角变化量，确定下一个第一图像对应的姿态角，从而获得所述下一个第一图像对应的参考位姿。在示例中，可根据第二图像的参考位姿以及第二图像和第二个第一图像之间的姿态角变化量，确定第二个第一图像对应的参考位姿。在示例中，可按照上述方式，基于第二个第一图像和第三个第一图像的第二关键点确定第三单应矩阵，并根据第二个第一图像、第三单应矩阵以及第二个第一图像的参考位姿确定第三个第一图像的参考位姿，基于第三个第一图像的参考位姿获得第四个第一图像的参考位姿……直到获取所有第一图像的参考位姿。即，按照顺序，从第一个第一图像，迭代到最后一个第一图像，获得所有第一图像的参考位姿。
在另一示例中，第二图像可以是第一图像中任意一个，可在获得第二图像的参考位姿后，分别获得与第二图像相邻的两个第一图像的参考位姿，并根据所述相邻的两个第一图像的参考位姿，获得分别与所述两个第一图像相邻的两个第一图像的参考位姿…直到获得所有第一图像的参考位姿。例如，第一图像的数量可以是10个，第二图像为其中的第5个，可根据第二图像的参考位姿获得第4个第一图像和第6个第一图像的参考位姿，进一步地，可继续获得第3个第一图像和第7个第一图像的参考位姿…直到获得所有第一图像的参考位姿。
通过这种方式，可获得第一个图像的参考位姿，并根据第一个第一图像的参考位姿迭代确定所有第一图像的参考位姿，无需根据复杂的标定方法对每个第一图像进行标定处理，提高处理效率。
在一种可能的实现方式中，可确定所述图像获取装置获取的任一待处理图像的目标位姿，即，获 取待处理图像对应的旋转矩阵和位移向量，在示例中，图像获取装置可获取任意的待处理图像，该待处理图像对应的位姿时未知的，即，图像获取装置在拍摄待处理图像时的位姿是未知的，可从所述第一图像中确定与待处理图像匹配的参考图像，并根据参考图像对应的位姿来确定待处理图像对应的位姿。步骤S11可包括：对所述待处理图像和至少一个第一图像分别进行特征提取处理，获得所述待处理图像的第一特征信息和各所述第一图像的第二特征信息；根据所述第一特征信息和各所述第二特征信息之间的相似度，从各第一图像中确定出所述参考图像。
在一种可能的实现方式中，可通过卷积神经网络对待处理图像和各第一图像分别进行特征提取处理，在示例中，所述卷积神经网络可提取各图像的特征信息。例如，待处理图像的第一特征信息和各第一图像的第二特征信息，所述第一特征信息和第二特征信息可包括特征图、特征向量等，本公开对特征信息不做限制。在另一示例中，也可通过各第一图像及待处理图像的像素点的色度、亮度等参数确定待处理图像的第一特征信息和各所述第一图像的第二特征信息，本公开对特征提取处理的方式不做限制。
在一种可能的实现方式中，可分别确定第一特征信息和各第二特征信息之间的相似度(例如，余弦相似度)，例如，第一特征信息和第二特征信息均为特征向量，可分别确定第一特征信息和各第二特征信息之间的余弦相似度，并确定与第一特征信息的余弦相似度最大的第二特征信息对应的第一图像，即，确定所述参考图像，并获得参考图像的参考位姿。
在一种可能的实现方式中，在步骤S12中，可对待处理图像和参考图像分别进行关键点提取处理，例如，可通过所述卷积神经网络提取待处理图像中的第一关键点，并获得所述第一关键点在所述参考图像中对应的第二关键点。或者，可通过待处理图像和参考图像的像素点的亮度、色度等参数来确定所述第一关键点和第二关键点，本公开对获取第一关键点和第二关键点的方式不做限制。
在一种可能的实现方式中，在步骤S13中，可根据第一关键点与第二关键点的对应关系，以及参考图像对应的参考位姿，确定待处理图像对应的目标位姿。步骤S13可包括：根据所述第一关键点在所述待处理图像中的第一位置坐标、所述第二关键点在所述参考图像中的第二位置坐标，以及参考图像对应的参考位姿，确定所述图像获取装置在采集所述待处理图像的目标位姿。即，可根据第一关键点的位置坐标、第二关键点的位置坐标及参考位姿来确定待处理图像对应的目标位姿。
在一种可能的实现方式中，根据所述第一关键点在所述待处理图像中的第一位置坐标、所述第二关键点在所述参考图像中的第二位置坐标，以及参考图像对应的参考位姿，确定所述图像获取装置在采集所述待处理图像的目标位姿可包括：根据所述第一位置坐标和所述第二位置坐标，确定所述参考图像和所述待处理图像之间的第一单应矩阵；对所述第一单应矩阵进行分解处理，确定所述图像获取装置在获取所述待处理图像和所述参考图像之间的第一位姿变化量；根据所述参考图像对应的参考位姿以及所述第一位姿变化量，确定所述目标位姿。
在一种可能的实现方式中，可根据第一位置坐标和第二位置坐标，确定参考图像和待处理图像之间的第一单应矩阵。例如，可根据第一关键点的第一位置坐标和第二位置坐标之间的对应关系，确定参考图像和待处理图像之间的第一单应矩阵。
在一种可能的实现方式中，可对第一单应矩阵进行分解处理，例如，可将第一单应矩阵分解为列向量，并根据第一单应矩阵的列向量确定线性方程组，并根据所述线性方程组求解参考图像和待处理图像之间的第一位姿变化量，例如，姿态角的变化量。在示例中，可确定图像获取装置在拍摄参考图像和待处理图像之间的姿态角变化量。
在一种可能的实现方式中，可根据参考图像对应的参考位姿以及第一位姿变化量，确定待处理图像对应的目标位姿。例如，可通过参考图像的参考位姿以及姿态角变化量，确定待处理图像对应的姿态角，从而获得待处理图像对应的目标位姿。
通过这种方式，可通过与待处理图像匹配的参考图像的参考位姿以及第一单应矩阵来确定待处理图像的目标位姿，无需对待处理图像进行标定，提高处理效率。
在一种可能的实现方式中，所述特征提取处理及所述关键点提取处理通过卷积神经网络来实现，在使用所述卷积神经网络进行特征提取处理和关键点提取处理之前，可对所述卷积神经网络进行多任 务训练，即，训练所述卷积神经网络进行特征提取处理和关键点提取处理的能力。
图4示出根据本公开实施例的位姿确定方法的流程图，如图4所示，所述方法还包括：
在步骤S21中，通过所述卷积神经网络的卷积层对所述样本图像进行卷积处理，获得所述样本图像的特征图；
在步骤S22中，对所述特征图进行卷积处理，分别获得所述样本图像的特征信息；
在步骤S23中，对所述特征图进行关键点提取处理，获得所述样本图像的关键点；
在步骤S24中，根据所述样本图像的特征信息和关键点，训练所述卷积神经网络。
图5示出根据本公开实施例的神经网络训练的示意图。如图5所示，可使用样本图像训练卷积神经网络进行特征提取处理的能力。
在一种可能的实现方式中，在步骤S21中，可通过卷积神经网络的卷积层对样本图像进行卷积处理，获得样本图像的特征图。
在一种可能的实现方式中，可使用样本图像组成的图像对训练所述卷积神经网络，例如，可标注所述图像对中两个样本图像的相似度(例如，完全不同的图像可标注为0，完全一致的图像可标注为1等)，并通过卷积神经网络的卷积层分别提取样本图像对中两个样本图像的特征图，并可在步骤S22中，对所述特征图进行卷积处理，分别获得样本图像对的两个样本图像的特征信息(例如，特征向量)。
在一种可能的实现方式中，在步骤S23中，可使用具有关键点标注信息(例如，对关键点的位置坐标的标注信息)的样本图像训练卷积神经网络进行关键点提取处理的能力。步骤S23可包括：通过所述卷积神经网络的区域候选网络对所述特征图进行处理，获得感兴趣区域；通过所述卷积神经网络的感兴趣区域池化层对所述感兴趣区域进行池化，并通过卷积层进行卷积处理，在所述感兴趣区域中确定所述样本图像的关键点。
在示例中，所述卷积神经网络可包括候选区域网络(Region Proposal Network，RPN)和感兴趣区域(Region of Interest，ROI)池化层。可通过区域候选网络对所述特征图进行处理，获得感兴趣区域，并通过感兴趣区域池化层对样本图像中的感兴趣区域进行池化，进一步地，可通过1×1卷积层进行卷积处理，在感兴趣区域中确定关键点的位置(例如，位置坐标)。
在一种可能的实现方式中，在步骤S24中，根据所述样本图像的特征信息和关键点，训练所述卷积神经网络。
在示例中，在训练卷积神经网络进行特征提取处理的能力时，可确定样本图像对的两个样本图像的特征信息之间的余弦相似度。进一步地，可根据所述卷积神经网络输出的余弦相似度(可能存在误差)与标注的两个样本图像的相似度确定所述卷积神经网络在特征提取处理能力方面的第一损失函数，例如，可根据卷积神经网络输出的余弦相似度与标注的两个样本图像的相似度之间的差异确定卷积神经网络在特征提取处理能力方面的第一损失函数。
在示例中，在训练卷积神经网络进行关键点提取处理的能力时，可根据卷积神经网络输出的关键点的位置坐标以及关键点标注信息来确定卷积神经网络在关键点提取处理的能力方面的第二损失函数。卷积神经网络输出的关键点的位置坐标可能存在误差，例如，可根据卷积神经网络输出的关键点的位置坐标与关键点的位置坐标的标注信息之间的误差确定卷积神经网络在关键点提取处理能力方面的第二损失函数。
在一种可能的实现方式中，可根据卷积神经网络在特征提取处理能力方面的第一损失函数及卷积神经网络在关键点提取处理能力方面的第二损失函数，确定卷积神经网络的损失函数，例如，可对第一损失函数和第二损失函数进行加权求和，本公开对确定卷积神经网络的损失函数的方式不做限制。进一步地，可根据该损失函数对卷积神经网络的网络参数进行调整，例如，可通过梯度下降法调整卷积神经网络的网络参数等。可迭代执行上述处理，直到满足训练条件，例如，可迭代执行预定次数的调整网络参数的处理，在调整网络参数的次数达到预定次数时，满足特征提取的训练条件，或者，可在卷积神经网络的损失函数收敛于预设区间或小于预设阈值时，满足训练条件。在所述卷积神经网络满足训练条件时，所述卷积神经网络训练完成。
在一种可能的实现方式中，在卷积神经网络训练完成后，可将所述卷积神经网络用于关键点提取 处理和特征提取处理中。在通过卷积神经网络进行关键点提取处理的过程中，卷积神经网络可将输入图像进行卷积处理，获得输入图像的特征图，并对特征图进行卷积处理，获得输入图像的特征信息。还可通过区域候选网络获得特征图的感兴趣区域，进一步地可通过感兴趣区域池化层对感兴趣区域进行池化，进而可在感兴趣区域中获得关键点。通过区域候选网络和感兴趣区域池化层可在训练过程或关键点提取处理的过程中获取输入卷积神经网络的图像的感兴趣区域，并在感兴趣区域中确定关键点，提高关键点确定的准确度，提高处理效率。
根据本公开的实施例的位姿确定方法，可在旋转过程中获得多个第一图像，并根据第二图像的参考位姿迭代确定所有第一图像的参考位姿，无需对每个第一图像进行标定处理，提高处理效率。进一步地，可在第一图像中选取的与待处理图像匹配的参考图像，并根据参考图像的参考位姿与第一单应矩阵位姿来确定待处理图像对应的位姿，可在图像获取装置旋转时确定任意待处理图像对应的位姿，无需对待处理图像进行标定，提高处理效率。并且，在训练过程或关键点提取处理的过程中，卷积神经网络可获取输入图像的感兴趣区域，并在感兴趣区域中确定关键点，提高关键点确定的准确度，提高处理效率。
图6示出根据本公开实施例的位姿确定方法的应用示意图。如图6所示，待处理图像可为图像获取装置当前获取的图像，可根据待处理图像确定图像获取装置的当前位姿。
在一种可能的实现方式中，所述图像获取装置可预先沿俯仰方向和/或偏航方向旋转，并在旋转过程中获取了多个第一图像。并可对多个第一图像中的第一个第一图像(第二图像)进行标定，可在第二图像中的选取多个不共线的目标点，并根据目标点在第二图像中的图像位置坐标以及目标点的地理位置坐标之间的对应关系，确定第二单应矩阵。可对第二单应矩阵进行分解，并根据公式(4)获取图像获取装置的内参矩阵的最小二乘解。
在一种可能的实现方式中，根据图像获取装置的内参矩阵及第二单应矩阵，通过公式(1)或(2)确定所述第二图像对应的参考位姿。进一步地，可通过卷积神经网络对第二图像和第二个第一图像进行关键点提取处理，获得第二图像中的第三关键点和第二个第一图像中的第四关键点，并根据第三关键点和第四关键点获得第二图像和第二个第一图像之间的第三单应矩阵，通过第二图像对应的参考位姿以及第三单应矩阵，可获得第二个第一图像的参考位姿，进一步的，可通过第二个第一图像的参考位姿以及第二个第一图像和第三个第一图像之间的第三单应矩阵，获得第三个第一图像的参考位姿，可迭代执行上述处理，确定所有第一图像的参考位姿。
在一种可能的实现方式中，可通过卷积神经网络分别对待处理图像和各第一图像进行特征提取处理，获得待处理图像的第一特征信息和各第一图像的第二特征信息，并分别确定第一特征信息和各第二特征信息之间的余弦相似度，并将与第一特征信息的余弦相似度最大的第二特征信息对应的第一图像确定为与待处理图像匹配的参考图像。
在一种可能的实现方式中，可通过卷积神经网络分别对待处理图像和参考图像进行关键点提取处理，获得第一关键点在待处理图像中的第一关键点和所述参考图像中的第二关键点。并根据第一关键点和第二关键点，确定参考图像和待处理图像之间的第一单应矩阵。
在一种可能的实现方式中，可根据参考图像的参考位姿以及第一单应矩阵，确定待处理图像的目标位姿，即，图像获取装置在拍摄待处理图像时的位姿(即，当前位姿)。
在一种可能的实现方式中，所述位姿确定方法可确定图像获取装置在任意时刻的位姿，还可根据位姿预测图像获取装置的可视区域。进一步地，所述位姿确定方法可为预测平面上任意一点相对于图像获取装置的位置以及预测平面上目标对象的运动速度提供依据。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。
此外，本公开还提供了位姿确定装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种位姿确定方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确 定。
图7示出根据本公开实施例的位姿确定装置的框图。如图7所示，所述装置包括：
获取模块11，用于获取与待处理图像匹配的参考图像，其中，所述待处理图像和所述参考图像是由图像获取装置获取的，所述参考图像具有对应的参考位姿，所述参考位姿用于表示所述图像获取装置在采集所述参考图像时的位姿；
第一提取模块12，用于对所述待处理图像和所述参考图像分别进行关键点提取处理，分别得到所述待处理图像中的第一关键点以及所述第一关键点在所述参考图像中对应的第二关键点；
第一确定模块13，用于根据所述第一关键点与所述第二关键点的对应关系，以及所述参考图像对应的参考位姿，确定所述图像获取装置在采集所述待处理图像的目标位姿。
在一种可能的实现方式中，所述获取模块被进一步配置为：
对所述待处理图像和至少一个第一图像分别进行特征提取处理，获得所述待处理图像的第一特征信息和各所述第一图像的第二特征信息，所述至少一个第一图像是所述图像获取装置在旋转的过程中依次获取的；
根据所述第一特征信息和各所述第二特征信息之间的相似度，从各第一图像中确定出所述参考图像。
在一种可能的实现方式中，所述装置还包括：
第二确定模块，用于确定所述图像获取装置在采集所述第二图像时的成像平面和地理平面之间的第二单应矩阵，以及确定所述图像获取装置的内参矩阵，其中，所述第二图像为所述多个第一图像中的任意一张图像，所述地理平面为所述目标点的地理位置坐标所在平面；
第三确定模块，用于根据所述内参矩阵及所述第二单应矩阵，确定所述第二图像对应的参考位姿；
第四确定模块，用于根据所述第二图像对应的参考位姿，确定所述至少一个第一图像对应的参考位姿。
在一种可能的实现方式中，所述第二确定模块被进一步配置为：
根据所述第二图像中目标点的图像位置坐标和地理位置坐标，确定所述图像获取装置在采集所述第二图像时的成像平面和地理平面之间的第二单应矩阵，其中，所述目标点为所述第二图像中的多个不共线的点；
对所述第二单应矩阵进行分解处理，确定所述图像获取装置的内参矩阵。
在一种可能的实现方式中，所述第三确定模块被进一步配置为：
根据所述图像获取装置的内参矩阵及所述第二单应矩阵，确定所述第二图像对应的外参矩阵；
根据所述第二图像对应的外参矩阵，确定所述第二图像对应的参考位姿。
在一种可能的实现方式中，所述第四确定模块被进一步配置为：
对当前第一图像和下一个第一图像分别进行关键点提取处理，获得当前第一图像中的第三关键点和所述第三关键点在下一个第一图像中对应的第四关键点，所述当前第一图像为所述多个第一图像中已知参考位姿的图像，所述当前第一图像包括所述第二图像，所述下一个第一图像为所述至少一个第一图像中与所述当前第一图像相邻的图像；
根据所述第三关键点和所述第四关键点的对应关系，确定所述当前第一图像和所述下一个第一图像之间的第三单应矩阵；
根据所述第三单应矩阵和所述当前第一图像对应的参考位姿，确定所述下一个第一图像对应的参考位姿。
在一种可能的实现方式中，所述第四确定模块被进一步配置为：
根据所述第三关键点在所述当前第一图像中的第三位置坐标以及所述第四关键点在所述下一个第一图像中的第四位置坐标，确定所述当前第一图像和所述下一个第一图像之间的第三单应矩阵。
在一种可能的实现方式中，所述第四确定模块被进一步配置为：
对所述第三单应矩阵进行分解处理，确定所述图像获取装置在获取所述当前第一图像和所述下一个第一图像之间的第二位姿变化量；
根据所述当前第一图像对应的参考位姿以及所述第二位姿变化量，确定所述下一个第一图像对应的参考位姿。
在一种可能的实现方式中，所述第一确定模块被进一步配置为：
根据所述第一关键点在所述待处理图像中的第一位置坐标、所述第二关键点在所述参考图像中的第二位置坐标，以及参考图像对应的参考位姿，确定所述图像获取装置在采集所述待处理图像的目标位姿。
在一种可能的实现方式中，所述第一确定模块被进一步配置为：
根据所述第一位置坐标和所述第二位置坐标，确定所述参考图像和所述待处理图像之间的第一单应矩阵；
对所述第一单应矩阵进行分解处理，确定所述图像获取装置在获取所述待处理图像和所述参考图像之间的第一位姿变化量；
根据所述参考图像对应的参考位姿以及所述第一位姿变化量，确定所述目标位姿。
在一种可能的实现方式中，所述参考图像对应的参考位姿包括所述图像获取装置获取所述参考图像时的旋转矩阵和位移向量，所述待处理图像对应的目标位姿包括所述图像获取装置获取待处理图像时的旋转矩阵和位移向量。
在一种可能的实现方式中，所述特征提取处理及所述关键点提取处理通过卷积神经网络来实现，
其中，所述装置还包括：
第一卷积模块，用于通过所述卷积神经网络的卷积层对所述样本图像进行卷积处理，获得所述样本图像的特征图；
第二卷积模块，用于对所述特征图进行卷积处理，分别获得所述样本图像的特征信息；
第二提取模块，用于对所述特征图进行关键点提取处理，获得所述样本图像的关键点；
训练模块，用于根据所述样本图像的特征信息和关键点，训练所述卷积神经网络。
在一种可能的实现方式中，所述第二提取模块被进一步配置为：
通过所述卷积神经网络的区域候选网络对所述特征图进行处理，获得感兴趣区域；
通过所述卷积神经网络的感兴趣区域池化层对所述感兴趣区域进行池化，并通过卷积层进行卷积处理，在所述感兴趣区域中确定所述样本图像的关键点。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图8是根据一示例性实施例示出的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
参照图8，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件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通常控制电子设备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，以完成上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电子设备800的操作。这些数据的示例包括用于在电子设备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806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用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，以接收来自用户的输入信号。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。当电子设备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)，当电子设备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，上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，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备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被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，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，电子设备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，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，当计算机可读代码在设备上运行时，设备中的处理器执行用于实现如上任一实施例提供的方法的指令。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
图9是根据一示例性实施例示出的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图9，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932 中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从 而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (29)

  1. 一种位姿确定方法，所述方法包括：
    获取与待处理图像匹配的参考图像，其中，所述待处理图像和所述参考图像是由图像获取装置获取的，所述参考图像具有对应的参考位姿，所述参考位姿用于表示所述图像获取装置在采集所述参考图像时的位姿；
    对所述待处理图像和所述参考图像分别进行关键点提取处理，分别得到所述待处理图像中的第一关键点以及所述第一关键点在所述参考图像中对应的第二关键点；
    根据所述第一关键点与所述第二关键点的对应关系，以及所述参考图像对应的参考位姿，确定所述图像获取装置在采集所述待处理图像的目标位姿。
  2. 根据权利要求1所述的方法，其特征在于，所述获取与待处理图像匹配的参考图像，包括：
    对所述待处理图像和至少一个第一图像分别进行特征提取处理，获得所述待处理图像的第一特征信息和各所述第一图像的第二特征信息，所述至少一个第一图像是所述图像获取装置在旋转的过程中依次获取的；
    根据所述第一特征信息和各所述第二特征信息之间的相似度，从各第一图像中确定出所述参考图像。
  3. 根据权利要求2所述的方法，其特征在于，所述方法还包括：
    确定所述图像获取装置在采集所述第二图像时的成像平面和地理平面之间的第二单应矩阵，以及确定所述图像获取装置的内参矩阵，其中，所述第二图像为所述多个第一图像中的任意一张图像，所述地理平面为所述目标点的地理位置坐标所在平面；
    根据所述内参矩阵及所述第二单应矩阵，确定所述第二图像对应的参考位姿；
    根据所述第二图像对应的参考位姿，确定所述至少一个第一图像对应的参考位姿。
  4. 根据权利要求3所述的方法，其特征在于，所述确定所述图像获取装置在采集所述第二图像时的成像平面和地理平面之间的第二单应矩阵，以及确定所述图像获取装置的内参矩阵，包括：
    根据所述第二图像中目标点的图像位置坐标和地理位置坐标，确定所述图像获取装置在采集所述第二图像时的成像平面和地理平面之间的第二单应矩阵，其中，所述目标点为所述第二图像中的多个不共线的点；
    对所述第二单应矩阵进行分解处理，确定所述图像获取装置的内参矩阵。
  5. 根据权利要求4所述的方法，其特征在于，根据所述内参矩阵及所述第二单应矩阵，确定所述第二图像对应的参考位姿，包括：
    根据所述图像获取装置的内参矩阵及所述第二单应矩阵，确定所述第二图像对应的外参矩阵；
    根据所述第二图像对应的外参矩阵，确定所述第二图像对应的参考位姿。
  6. 根据权利要求3所述的方法，其特征在于，根据所述第二图像对应的参考位姿，确定所述至少一个第一图像对应的参考位姿，包括：
    对当前第一图像和下一个第一图像分别进行关键点提取处理，获得当前第一图像中的第三关键点和所述第三关键点在下一个第一图像中对应的第四关键点，所述当前第一图像为所述多个第一图像中已知参考位姿的图像，所述当前第一图像包括所述第二图像，所述下一个第一图像为所述至少一个第一图像中与所述当前第一图像相邻的图像；
    根据所述第三关键点和所述第四关键点的对应关系，确定所述当前第一图像和所述下一个第一图像之间的第三单应矩阵；
    根据所述第三单应矩阵和所述当前第一图像对应的参考位姿，确定所述下一个第一图像对应的参考位姿。
  7. 根据权利要求6所述的方法，其特征在于，根据所述第三关键点和所述第四关键点的对应关系，确定所述当前第一图像和所述下一个第一图像之间的第三单应矩阵，包括：
    根据所述第三关键点在所述当前第一图像中的第三位置坐标以及所述第四关键点在所述下一个第一图像中的第四位置坐标，确定所述当前第一图像和所述下一个第一图像之间的第三单应矩阵。
  8. 根据权利要求6所述的方法，其特征在于，根据所述第三单应矩阵和所述当前第一图像对应的 参考位姿，确定所述下一个第一图像对应的参考位姿，包括：
    对所述第三单应矩阵进行分解处理，确定所述图像获取装置在获取所述当前第一图像和所述下一个第一图像之间的第二位姿变化量；
    根据所述当前第一图像对应的参考位姿以及所述第二位姿变化量，确定所述下一个第一图像对应的参考位姿。
  9. 根据权利要求1所述的方法，其特征在于，根据所述第一关键点与所述第二关键点的对应关系，以及所述参考图像对应的参考位姿，确定所述图像获取装置在采集所述待处理图像的目标位姿，包括：
    根据所述第一关键点在所述待处理图像中的第一位置坐标、所述第二关键点在所述参考图像中的第二位置坐标，以及参考图像对应的参考位姿，确定所述图像获取装置在采集所述待处理图像的目标位姿。
  10. 根据权利要求9所述的方法，其特征在于，根据所述第一关键点在所述待处理图像中的第一位置坐标、所述第二关键点在所述参考图像中的第二位置坐标，以及参考图像对应的参考位姿，确定所述图像获取装置在采集所述待处理图像的目标位姿，包括：
    根据所述第一位置坐标和所述第二位置坐标，确定所述参考图像和所述待处理图像之间的第一单应矩阵；
    对所述第一单应矩阵进行分解处理，确定所述图像获取装置在获取所述待处理图像和所述参考图像之间的第一位姿变化量；
    根据所述参考图像对应的参考位姿以及所述第一位姿变化量，确定所述目标位姿。
  11. 根据权利要求1-10中任一项所述的方法，其特征在于，所述参考图像对应的参考位姿包括所述图像获取装置获取所述参考图像时的旋转矩阵和位移向量，所述待处理图像对应的目标位姿包括所述图像获取装置获取待处理图像时的旋转矩阵和位移向量。
  12. 根据权利要求1-10中任一项所述的方法，其特征在于，所述特征提取处理及所述关键点提取处理通过卷积神经网络来实现，
    其中，所述方法还包括：
    通过所述卷积神经网络的卷积层对所述样本图像进行卷积处理，获得所述样本图像的特征图；
    对所述特征图进行卷积处理，分别获得所述样本图像的特征信息；
    对所述特征图进行关键点提取处理，获得所述样本图像的关键点；
    根据所述样本图像的特征信息和关键点，训练所述卷积神经网络。
  13. 根据权利要求12所述的方法，其特征在于，对所述特征图进行关键点提取处理，获得所述样本图像的关键点，包括：
    通过所述卷积神经网络的区域候选网络对所述特征图进行处理，获得感兴趣区域；
    通过所述卷积神经网络的感兴趣区域池化层对所述感兴趣区域进行池化，并通过卷积层进行卷积处理，在所述感兴趣区域中确定所述样本图像的关键点。
  14. 一种位姿确定装置，包括：
    获取模块，用于获取与待处理图像匹配的参考图像，其中，所述待处理图像和所述参考图像是由图像获取装置获取的，所述参考图像具有对应的参考位姿，所述参考位姿用于表示所述图像获取装置在采集所述参考图像时的位姿；
    第一提取模块，用于对所述待处理图像和所述参考图像分别进行关键点提取处理，分别得到所述待处理图像中的第一关键点以及所述第一关键点在所述参考图像中对应的第二关键点；
    第一确定模块，用于根据所述第一关键点与所述第二关键点的对应关系，以及所述参考图像对应的参考位姿，确定所述图像获取装置在采集所述待处理图像的目标位姿。
  15. 根据权利要求14所述的装置，其特征在于，所述获取模块被进一步配置为：
    对所述待处理图像和至少一个第一图像分别进行特征提取处理，获得所述待处理图像的第一特征信息和各所述第一图像的第二特征信息，所述至少一个第一图像是所述图像获取装置在旋转的过程中依次获取的；
    根据所述第一特征信息和各所述第二特征信息之间的相似度，从各第一图像中确定出所述参考图像。
  16. 根据权利要求15所述的装置，其特征在于，所述装置还包括：
    第二确定模块，用于确定所述图像获取装置在采集所述第二图像时的成像平面和地理平面之间的第二单应矩阵，以及确定所述图像获取装置的内参矩阵，其中，所述第二图像为所述多个第一图像中的任意一张图像，所述地理平面为所述目标点的地理位置坐标所在平面；
    第三确定模块，用于根据所述内参矩阵及所述第二单应矩阵，确定所述第二图像对应的参考位姿；
    第四确定模块，用于根据所述第二图像对应的参考位姿，确定所述至少一个第一图像对应的参考位姿。
  17. 根据权利要求16所述的装置，其特征在于，所述第二确定模块被进一步配置为：
    根据所述第二图像中目标点的图像位置坐标和地理位置坐标，确定所述图像获取装置在采集所述第二图像时的成像平面和地理平面之间的第二单应矩阵，其中，所述目标点为所述第二图像中的多个不共线的点；
    对所述第二单应矩阵进行分解处理，确定所述图像获取装置的内参矩阵。
  18. 根据权利要求17所述的装置，其特征在于，所述第三确定模块被进一步配置为：
    根据所述图像获取装置的内参矩阵及所述第二单应矩阵，确定所述第二图像对应的外参矩阵；
    根据所述第二图像对应的外参矩阵，确定所述第二图像对应的参考位姿。
  19. 根据权利要求16所述的装置，其特征在于，所述第四确定模块被进一步配置为：
    对当前第一图像和下一个第一图像分别进行关键点提取处理，获得当前第一图像中的第三关键点和所述第三关键点在下一个第一图像中对应的第四关键点，所述当前第一图像为所述多个第一图像中已知参考位姿的图像，所述当前第一图像包括所述第二图像，所述下一个第一图像为所述至少一个第一图像中与所述当前第一图像相邻的图像；
    根据所述第三关键点和所述第四关键点的对应关系，确定所述当前第一图像和所述下一个第一图像之间的第三单应矩阵；
    根据所述第三单应矩阵和所述当前第一图像对应的参考位姿，确定所述下一个第一图像对应的参考位姿。
  20. 根据权利要求19所述的装置，其特征在于，所述第四确定模块被进一步配置为：
    根据所述第三关键点在所述当前第一图像中的第三位置坐标以及所述第四关键点在所述下一个第一图像中的第四位置坐标，确定所述当前第一图像和所述下一个第一图像之间的第三单应矩阵。
  21. 根据权利要求19所述的装置，其特征在于，所述第四确定模块被进一步配置为：
    对所述第三单应矩阵进行分解处理，确定所述图像获取装置在获取所述当前第一图像和所述下一个第一图像之间的第二位姿变化量；
    根据所述当前第一图像对应的参考位姿以及所述第二位姿变化量，确定所述下一个第一图像对应的参考位姿。
  22. 根据权利要求14所述的装置，其特征在于，所述第一确定模块被进一步配置为：
    根据所述第一关键点在所述待处理图像中的第一位置坐标、所述第二关键点在所述参考图像中的第二位置坐标，以及参考图像对应的参考位姿，确定所述图像获取装置在采集所述待处理图像的目标位姿。
  23. 根据权利要求22所述的装置，其特征在于，所述第一确定模块被进一步配置为：
    根据所述第一位置坐标和所述第二位置坐标，确定所述参考图像和所述待处理图像之间的第一单应矩阵；
    对所述第一单应矩阵进行分解处理，确定所述图像获取装置在获取所述待处理图像和所述参考图像之间的第一位姿变化量；
    根据所述参考图像对应的参考位姿以及所述第一位姿变化量，确定所述目标位姿。
  24. 根据权利要求14-23中任一项所述的装置，其特征在于，所述参考图像对应的参考位姿包括 所述图像获取装置获取所述参考图像时的旋转矩阵和位移向量，所述待处理图像对应的目标位姿包括所述图像获取装置获取待处理图像时的旋转矩阵和位移向量。
  25. 根据权利要求14-23中任一项所述的装置，其特征在于，所述特征提取处理及所述关键点提取处理通过卷积神经网络来实现，
    其中，所述装置还包括：
    第一卷积模块，用于通过所述卷积神经网络的卷积层对所述样本图像进行卷积处理，获得所述样本图像的特征图；
    第二卷积模块，用于对所述特征图进行卷积处理，分别获得所述样本图像的特征信息；
    第二提取模块，用于对所述特征图进行关键点提取处理，获得所述样本图像的关键点；
    训练模块，用于根据所述样本图像的特征信息和关键点，训练所述卷积神经网络。
  26. 根据权利要求25所述的装置，其特征在于，所述第二提取模块被进一步配置为：
    通过所述卷积神经网络的区域候选网络对所述特征图进行处理，获得感兴趣区域；
    通过所述卷积神经网络的感兴趣区域池化层对所述感兴趣区域进行池化，并通过卷积层进行卷积处理，在所述感兴趣区域中确定所述样本图像的关键点。
  27. 一种电子设备，包括：
    处理器；
    用于存储处理器可执行指令的存储器；
    其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至13中任意一项所述的方法。
  28. 一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现权利要求1至13中任意一项所述的方法。
  29. 一种计算机程序，包括计算机可读代码，当所述计算机可读代码在电子设备中运行时，所述电子设备中的处理器执行用于实现权利要求1-13中的任一权利要求所述的方法。
PCT/CN2019/123646 2019-07-31 2019-12-06 位姿确定方法及装置、电子设备和存储介质 WO2021017358A1 (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2021578183A JP2022540072A (ja) 2019-07-31 2019-12-06 位置姿勢決定方法及び装置、電子機器並びに記憶媒体
US17/563,744 US20220122292A1 (en) 2019-07-31 2021-12-28 Pose determination method and device, electronic device and storage medium

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910701860.0A CN110473259A (zh) 2019-07-31 2019-07-31 位姿确定方法及装置、电子设备和存储介质
CN201910701860.0 2019-07-31

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/563,744 Continuation US20220122292A1 (en) 2019-07-31 2021-12-28 Pose determination method and device, electronic device and storage medium

Publications (1)

Publication Number Publication Date
WO2021017358A1 true WO2021017358A1 (zh) 2021-02-04

Family

ID=68509631

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2019/123646 WO2021017358A1 (zh) 2019-07-31 2019-12-06 位姿确定方法及装置、电子设备和存储介质

Country Status (5)

Country Link
US (1) US20220122292A1 (zh)
JP (1) JP2022540072A (zh)
CN (1) CN110473259A (zh)
TW (1) TWI753348B (zh)
WO (1) WO2021017358A1 (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110473259A (zh) * 2019-07-31 2019-11-19 深圳市商汤科技有限公司 位姿确定方法及装置、电子设备和存储介质
CN111028283B (zh) * 2019-12-11 2024-01-12 北京迈格威科技有限公司 图像检测方法、装置、设备及可读存储介质
CN115039015A (zh) * 2020-02-19 2022-09-09 Oppo广东移动通信有限公司 位姿跟踪方法、可穿戴设备、移动设备以及存储介质
CN111523485A (zh) * 2020-04-24 2020-08-11 浙江商汤科技开发有限公司 位姿识别方法及装置、电子设备和存储介质
CN111552757B (zh) * 2020-04-30 2022-04-01 上海商汤临港智能科技有限公司 生成电子地图的方法、装置、设备及存储介质
CN111709428B (zh) * 2020-05-29 2023-09-15 北京百度网讯科技有限公司 图像中关键点位置的识别方法、装置、电子设备及介质
CN111882605A (zh) * 2020-06-30 2020-11-03 浙江大华技术股份有限公司 监控设备图像坐标转换方法、装置和计算机设备
CN112328715B (zh) * 2020-10-16 2022-06-03 浙江商汤科技开发有限公司 视觉定位方法及相关模型的训练方法及相关装置、设备
CN114640785A (zh) * 2020-12-16 2022-06-17 华为技术有限公司 站点模型更新方法及系统
CN113240739B (zh) * 2021-04-29 2023-08-11 三一重机有限公司 一种挖掘机、属具的位姿检测方法、装置及存储介质
CN113674352A (zh) * 2021-07-28 2021-11-19 浙江大华技术股份有限公司 开关状态检测方法、电子装置和存储介质
CN115359132B (zh) * 2022-10-21 2023-03-24 小米汽车科技有限公司 用于车辆的相机标定方法、装置、电子设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108062776A (zh) * 2018-01-03 2018-05-22 百度在线网络技术（北京）有限公司 相机姿态跟踪方法和装置
CN108734736A (zh) * 2018-05-22 2018-11-02 腾讯科技（深圳）有限公司 相机姿态追踪方法、装置、设备及存储介质
CN109697734A (zh) * 2018-12-25 2019-04-30 浙江商汤科技开发有限公司 位姿估计方法及装置、电子设备和存储介质
CN109829947A (zh) * 2019-02-25 2019-05-31 北京旷视科技有限公司 位姿确定方法、托盘装载方法、装置、介质及电子设备
US20190197713A1 (en) * 2017-12-27 2019-06-27 Interdigital Ce Patent Holdings Method and apparatus for depth-map estimation
CN109948624A (zh) * 2019-02-18 2019-06-28 北京旷视科技有限公司 特征提取的方法、装置、电子设备和计算机存储介质
CN110473259A (zh) * 2019-07-31 2019-11-19 深圳市商汤科技有限公司 位姿确定方法及装置、电子设备和存储介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7844106B2 (en) * 2007-04-23 2010-11-30 Mitsubishi Electric Research Laboratories, Inc Method and system for determining poses of objects from range images using adaptive sampling of pose spaces
EP2884459A4 (en) * 2012-08-10 2016-03-30 Konica Minolta Inc PICTURE PROCESSING DEVICE, PICTURE PROCESSING METHOD AND PICTURE PROCESSING PROGRAM
US20190122035A1 (en) * 2016-03-28 2019-04-25 Beijing Sensetime Technology Development Co., Ltd Method and system for pose estimation
CN108230437B (zh) * 2017-12-15 2021-11-09 深圳市商汤科技有限公司 场景重建方法和装置、电子设备、程序和介质
JP6943183B2 (ja) * 2018-01-05 2021-09-29 オムロン株式会社 位置特定装置、位置特定方法、位置特定プログラムおよびカメラ装置
CN108364302B (zh) * 2018-01-31 2020-09-22 华南理工大学 一种无标记的增强现实多目标注册跟踪方法
CN109344882B (zh) * 2018-09-12 2021-05-25 浙江科技学院 基于卷积神经网络的机器人控制目标位姿识别方法
CN109671119A (zh) * 2018-11-07 2019-04-23 中国科学院光电研究院 一种基于slam的室内定位方法及装置
CN109949361A (zh) * 2018-12-16 2019-06-28 内蒙古工业大学 一种基于单目视觉定位的旋翼无人机姿态估计方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190197713A1 (en) * 2017-12-27 2019-06-27 Interdigital Ce Patent Holdings Method and apparatus for depth-map estimation
CN108062776A (zh) * 2018-01-03 2018-05-22 百度在线网络技术（北京）有限公司 相机姿态跟踪方法和装置
CN108734736A (zh) * 2018-05-22 2018-11-02 腾讯科技（深圳）有限公司 相机姿态追踪方法、装置、设备及存储介质
CN109697734A (zh) * 2018-12-25 2019-04-30 浙江商汤科技开发有限公司 位姿估计方法及装置、电子设备和存储介质
CN109948624A (zh) * 2019-02-18 2019-06-28 北京旷视科技有限公司 特征提取的方法、装置、电子设备和计算机存储介质
CN109829947A (zh) * 2019-02-25 2019-05-31 北京旷视科技有限公司 位姿确定方法、托盘装载方法、装置、介质及电子设备
CN110473259A (zh) * 2019-07-31 2019-11-19 深圳市商汤科技有限公司 位姿确定方法及装置、电子设备和存储介质

Also Published As

Publication number Publication date
TW202107339A (zh) 2021-02-16
TWI753348B (zh) 2022-01-21
US20220122292A1 (en) 2022-04-21
JP2022540072A (ja) 2022-09-14
CN110473259A (zh) 2019-11-19

Similar Documents

Publication Publication Date Title
WO2021017358A1 (zh) 位姿确定方法及装置、电子设备和存储介质
WO2021051857A1 (zh) 目标对象匹配方法及装置、电子设备和存储介质
CN109522910B (zh) 关键点检测方法及装置、电子设备和存储介质
WO2021008023A1 (zh) 图像处理方法及装置、电子设备和存储介质
US20210097715A1 (en) Image generation method and device, electronic device and storage medium
TWI706379B (zh) 圖像處理方法及裝置、電子設備和儲存介質
WO2020135529A1 (zh) 位姿估计方法及装置、电子设备和存储介质
TWI773945B (zh) 錨點確定方法、電子設備和儲存介質
CN110503689B (zh) 位姿预测方法、模型训练方法及装置
TW202036464A (zh) 文本識別方法及裝置、電子設備和儲存介質
US9959484B2 (en) Method and apparatus for generating image filter
TWI724712B (zh) 圖像處理方法、電子設備和儲存介質
WO2020181728A1 (zh) 图像处理方法及装置、电子设备和存储介质
WO2021012564A1 (zh) 视频处理方法及装置、电子设备和存储介质
CN111462238B (zh) 姿态估计优化方法、装置及存储介质
WO2023103377A1 (zh) 标定方法及装置、电子设备、存储介质及计算机程序产品
TW202141428A (zh) 場景深度和相機運動預測方法、電子設備和電腦可讀儲存介質
CN110532956B (zh) 图像处理方法及装置、电子设备和存储介质
TWI778313B (zh) 圖像處理方法、電子設備和儲存介質
WO2022179013A1 (zh) 目标定位方法、装置、电子设备、存储介质及程序
WO2022247091A1 (zh) 人群定位方法及装置、电子设备和存储介质
CN113139484B (zh) 人群定位方法及装置、电子设备和存储介质
WO2022141969A1 (zh) 图像分割方法及装置、电子设备、存储介质和程序
CN113538310A (zh) 图像处理方法及装置、电子设备和存储介质
CN111311588B (zh) 重定位方法及装置、电子设备和存储介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19939113

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021578183

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19939113

Country of ref document: EP

Kind code of ref document: A1

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 09.08.2022)

122 Ep: pct application non-entry in european phase

Ref document number: 19939113

Country of ref document: EP

Kind code of ref document: A1