CN115439536B - 视觉地图更新方法、装置及电子设备 - Google Patents
视觉地图更新方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115439536B CN115439536B CN202210992488.5A CN202210992488A CN115439536B CN 115439536 B CN115439536 B CN 115439536B CN 202210992488 A CN202210992488 A CN 202210992488A CN 115439536 B CN115439536 B CN 115439536B
- Authority
- CN
- China
- Prior art keywords
- images
- image
- visual map
- visual
- coordinate system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 292
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000009466 transformation Effects 0.000 claims abstract description 38
- 230000004927 fusion Effects 0.000 claims description 6
- 230000001131 transforming effect Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 11
- 238000013473 artificial intelligence Methods 0.000 abstract description 4
- 230000003190 augmentative effect Effects 0.000 abstract description 4
- 238000004590 computer program Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000004807 localization Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000010276 construction Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开提供了一种视觉地图更新方法、装置及电子设备，涉及图像处理技术领域，具体涉及人工智能、计算机视觉、增强现实技术领域。具体实现方案为：获取目标场景下的M个第一图像，M个第一图像包括第一位置的图像内容和第二位置的图像内容，第一位置为通过第一视觉地图可定位的位置，第二位置为通过第一视觉地图不可定位的位置，第一视觉地图为以第一坐标系为基准预先构建的视觉地图，第一视觉地图关联第一数据；基于M个第一图像，以第二坐标系为基准构建目标场景下的第二视觉地图，第二视觉地图关联第二数据；基于M个第一图像，确定第二坐标系至第一坐标系的变换关系；基于变换关系，将第二数据融合至第一数据中，以对第一视觉地图进行更新。
Description
技术领域
本公开涉及图像处理技术领域，尤其涉及人工智能、计算机视觉、增强现实等技术领域，具体涉及一种视觉地图更新方法、装置及电子设备。
背景技术
视觉定位增强服务(Visual Positioning and Augmenting Service，VPAS)输入为用户相机拍摄的图像，通过图像搜索，特征匹配和位姿求解等步骤，计算用户相机在局部地图坐标系中的位姿，从而实现用户位置的视觉定位。
由于施工或者门店变化等原因导致地图的局部场景发生变化，如果用户在这些位置拍摄图像，并基于拍摄的图像进行定位，将无法实现视觉定位或者解算出错误的视觉定位结果。
目前，通常是用户发现现场无法定位，判断原因是因为地图场景发生变化后，再通过人工携带指定相机设备重新采集该区域图像，用重新采集的图像构建新的视觉地图，并用新的视觉地图替代原有的视觉地图。
发明内容
本公开提供了一种视觉地图更新方法、装置及电子设备。
根据本公开的第一方面，提供了一种视觉地图更新方法，包括：
获取目标场景下的M个第一图像，所述M个第一图像包括第一位置的图像内容和第二位置的图像内容，所述第一位置为通过第一视觉地图可定位的位置，所述第二位置为通过所述第一视觉地图不可定位的位置，所述第一视觉地图为以第一坐标系为基准预先构建的视觉地图，所述第一视觉地图关联第一数据，M为大于1的整数；
基于所述M个第一图像，以第二坐标系为基准构建所述目标场景下的第二视觉地图，所述第二视觉地图关联第二数据；
基于所述M个第一图像，确定所述第二坐标系至所述第一坐标系的变换关系；
基于所述变换关系，将所述第二数据融合至所述第一数据中，以对所述第一视觉地图进行更新。
根据本公开的第二方面，提供了一种视觉地图更新装置，包括：
第一获取模块，用于获取目标场景下的M个第一图像，所述M个第一图像包括第一位置的图像内容和第二位置的图像内容，所述第一位置为通过第一视觉地图可定位的位置，所述第二位置为通过所述第一视觉地图不可定位的位置，所述第一视觉地图为以第一坐标系为基准预先构建的视觉地图，所述第一视觉地图关联第一数据，M为大于1的整数；
构建模块，用于基于所述M个第一图像，以第二坐标系为基准构建所述目标场景下的第二视觉地图，所述第二视觉地图关联第二数据；
确定模块，用于基于所述M个第一图像，确定所述第二坐标系至所述第一坐标系的变换关系；
融合模块，用于基于所述变换关系，将所述第二数据融合至所述第一数据中，以对所述第一视觉地图进行更新。
根据本公开的第三方面，提供了一种电子设备，包括：
至少一个处理器；以及
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器能够执行第一方面中的任一项方法。
根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行第一方面中的任一项方法。
根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现第一方面中的任一项方法。
根据本公开的技术解决了视觉地图更新效率比较低的问题，提高了视觉地图更新的效率。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开第一实施例的视觉地图更新方法的流程示意图；
图2是根据本公开第二实施例的视觉地图更新装置的结构示意图；
图3是用来实施本公开的实施例的示例电子设备的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
第一实施例
如图1所示，本公开提供一种视觉地图更新方法，包括如下步骤：
步骤S101：获取目标场景下的M个第一图像，所述M个第一图像包括第一位置的图像内容和第二位置的图像内容，所述第一位置为通过第一视觉地图可定位的位置，所述第二位置为通过所述第一视觉地图不可定位的位置，所述第一视觉地图为以第一坐标系为基准预先构建的视觉地图，所述第一视觉地图关联第一数据。
其中，M为大于1的整数。
本实施例中，视觉地图更新方法涉及图像处理技术领域，尤其涉及人工智能、计算机视觉、增强现实技术领域，其可以广泛应用于视觉地图更新场景下。本公开实施例的视觉地图更新方法，可以由本公开实施例的视觉地图更新装置执行。本公开实施例的视觉地图更新装置可以配置在任意电子设备中，以执行本公开实施例的视觉地图更新方法。
在一应用场景中，该电子设备可以为用于视觉地图定位的服务器，在VPAS视觉定位任务中，用户可以利用终端如手机拍摄周围环境的图像并上传到该服务器，在预先构建好的第一视觉地图中进行视觉定位，服务器在解算到定位结果后将用户的位置发送到用户终端，从而让用户体验导航。由于施工或者门店变化等原因导致地图的局部场景发生变化，如果用户在这些位置拍摄图像，并基于拍摄的图像进行定位，将无法实现视觉定位或者解算出错误的视觉定位结果，因此需要定期地对第一视觉地图进行更新。
目标场景可以为包括在第一视觉地图中无法实现视觉定位位置的场景，其可以包括一个、两个甚至是多个无法实现视觉定位的位置。这些无法实现视觉定位的位置可以为相对于之前场景发生变化的位置，比如，位置A处，构建第一视觉地图时该位置A处的门店可以为服装店，之后由于门店规划，该位置A处的门店变成了美食店。
这些无法实现视觉定位的位置也可以为相对于之前场景扩充的位置，比如，预先构建了一购物广场的第一视觉地图，由于需要进行规模扩充，在该购物广场周边额外扩充了一些门店纳入至该购物广场中，额外所扩充的门店位置将无法在第一视觉地图中实现视觉定位。
其中，在目标场景包括两个甚至多个无法实现视觉定位的位置的情况下，这多个位置可以全部相邻，也可以全部不相邻，或者是部分相邻，部分不相邻。
目标场景还可以包括在第一视觉地图可实现视觉定位的至少一个位置，这至少一个位置可以相邻，也可以不相邻，这里不进行具体限定。
目标场景中的位置通常需要相对连续，具有相对的位置关系，以使得可以实现视觉地图的构建，比如，目标场景中包括位置A、位置B和位置C，这三个位置分别相邻，且相隔距离不能过远。
相应的，目标场景下的M个第一图像中即可以包括通过第一视觉地图可定位的第一位置的图像内容以及通过第一视觉地图不可定位的第二位置的图像内容。
其中，第一视觉地图可以为以第一坐标系为基准预先构建的视觉地图，第一坐标系可以为三维3D坐标系，第一视觉地图可以由表征位置的3D点构成，其关联第一数据，第一数据可以包括构建第一视觉地图的3D点数据以及图像数据等。
可以获取预先存储的M个第一图像，也可以接收其他电子设备发送的M个第一图像。在一应用场景中，可以接收用户终端通过相机拍摄的目标场景下的视频，该视频可以包括M个第一图像。
比如，在一应用场景中，一购物广场中已经部署了VPAS服务，当用户在该购物广场中的某个区域无法体验VPAS服务时，通常原因是由于该区域的周边场景发生了变化，导致第一视觉地图无法识别该区域。对于该种情况，若用户在购物广场的位置A和位置B两点之间均无法成功发起定位体验VPAS服务，而临近的位置C可以发起视觉定位。该用户可以采集一段视频，可以从位置C开始，途径位置A和位置B。
视频采集完成后，用户可以将其上传至服务器，相应的，电子设备可以接收目标场景下的视频，获取目标场景下的M个第一图像。
在复杂场景下，如购物广场包括多个楼层，用户也可以选择所在的购物广场和所需要更新的楼层发送给电子设备，以使电子设备可以从地图服务器中选择该购物广场对应的第一视觉地图进行更新，且所述第一视觉地图关联的第一数据可以为第一视觉地图关联的数据中该楼层关联的数据。
步骤S102：基于所述M个第一图像，以第二坐标系为基准构建所述目标场景下的第二视觉地图，所述第二视觉地图关联第二数据。
该步骤中，第二坐标系可以为三维坐标系，其与第一坐标系不同，其中，第二坐标系与第一坐标系不同可以指的是坐标原点、坐标轴方向中的至少一个不同。
第二视觉地图可以为以第二坐标系为基准构建的视觉地图，具体可以将M个第一图像中任一图像对应位置的3D点作为第二坐标系的坐标原点或某一固定点，并基于M个第一图像的位置关系，采用现有的或者新的视觉地图构建方式构建目标场景下的第二视觉地图。其中，M个第一图像的位置关系可以指的是M个第一图像的图像内容所涉及位置之间的关系，该关系可以包括距离关系、方向关系等。
第二视觉地图可以为局部视觉地图，其可以由表征M个第一图像中位置的3D点构成，其关联第二数据，第二数据可以包括表征目标场景下位置的3D点数据以及M个第一图像。
步骤S103：基于所述M个第一图像，确定所述第二坐标系至所述第一坐标系的变换关系。
该步骤中，变换关系可以指的是通过变换参数将第二坐标系进行变换，使得变换后的第二坐标系可以与第一坐标系对齐，其中，变换参数可以包括旋转参数和平移参数，即通过相应旋转和平移，可以实现两个坐标系的对齐。
针对每个第一图像，可以通过视觉定位方式，计算用户相机在第二坐标系中的位姿TCW，TCW＝[RCW,tCW]，该位姿可以用于进行第一图像对应的位置定位，即通常若能解算出用户相机在地图坐标系中的位姿，则可以实现对第一图像中位置的视觉定位。其中，RCW为第二坐标系到相机坐标系的旋转矩阵，tCW为相机坐标系中心在第二坐标系中的位置。
同时，针对每个第一图像，也可以通过视觉定位方式，计算用户相机在第一坐标系中的位姿，由于目标场景下存在通过第一视觉地图不可定位的位置，因此，针对第一图像，并不一定能够解算得到用户相机在第一坐标系中的位姿。而若基于第一图像能够解算得到用户相机在第一坐标系中的位姿，则确定第一图像在第一视觉地图中视觉定位成功。
相应的，针对在第一视觉地图中视觉定位成功，以及在第二视觉地图中视觉定位成功的第一图像，可以对应两个位姿，分别为相对于第一视觉地图的位姿和相对于第二视觉地图的位姿。
可以针对多个在第一视觉地图中视觉定位成功的第一图像，如4个第一图像，基于其相对于第一视觉地图的位姿和相对于第二视觉地图的位姿，构建第二坐标系至第一坐标系的变换关系的方程，通过迭代最近点(Iterative Closest Point，ICP)算法解算出第二坐标系至第一坐标系的变换关系。
步骤S104：基于所述变换关系，将所述第二数据融合至所述第一数据中，以对所述第一视觉地图进行更新。
该步骤中，可以基于第二坐标系至第一坐标系的变换关系，将第二视觉地图中的3D点数据变换至第一坐标系中，并将变换至第一坐标系中的3D点数据融合至第一数据中。
相应的，基于融合后的第一数据所构建的第一视觉地图即更新后的第一视觉地图不仅包括之前构建的3D点数据，还包括新增的表征目标场景下各个位置的3D点数据，可实现目标场景下各个位置在更新后的第一视觉地图中的视觉定位。
在一应用场景中，电子设备完成第一视觉地图更新后，可以将更新后的第一视觉地图替代原先构建的视觉地图，上传到地图服务器中。同时，电子设备可以向用户发送视觉地图更新完成的消息，相应的，用户可以在之前无法实现视觉定位的区域重新体验VPAS服务。
本实施例中，通过构建第二坐标系至第一坐标系的变换关系，将第二视觉地图中的3D点数据整体变换至第一坐标系中，这样可以简化视觉地图更新的流程，且可以提高视觉地图更新的效率。并且，相对于通过对视觉定位成功的第一图像进行三角化处理来重新标识视觉定位失败的第一图像，以对第一视觉地图进行更新的方式，通过重新构建新的视觉地图，并确定第二坐标系至第一坐标系的变换关系，以基于该变换关系将第二视觉地图中的3D点数据整体变换至第一坐标系中，可以解除对视觉定位成功的第一图像的场景限制(通过视觉定位成功的第一图像进行三角化处理存在场景限制，如两个第一图像对应的位置距离不能太近)，从而可以提高视觉地图更新的成功率和准确性。
可选的，所述步骤S103具体包括：
从所述M个第一图像中获取N个目标图像，所述目标图像为在所述第一视觉地图中进行视觉定位成功的图像，N为大于1的整数；
获取所述N个目标图像相对于所述第一视觉地图的N个第一位姿，以及所述N个目标图像相对于所述第二视觉地图的N个第二位姿；
基于所述N个第一位姿和所述N个第二位姿，计算所述第二坐标系至所述第一坐标系的变换关系。
本实施方式中，可以从M个第一图像中获取N个目标图像，目标图像可以在第一视觉地图中进行视觉定位成功的图像，N个目标图像可以为M个第一图像中可在第一视觉地图进行视觉定位成功的所有图像，也可以M个第一图像中可在第一视觉地图进行视觉定位成功的部分图像，比如，M个第一图像中存在8个可在第一视觉地图进行视觉定位成功的图像，而取其中的5个图像作为N个目标图像，来确定第二坐标系至第一坐标系的变换关系。
可以采用现有的或新的视觉定位方式，基于第一图像在第一视觉地图中尝试视觉定位，若视觉定位成功，将其作为目标图像，相应的，可以从M个第一图像中获取N个目标图像，N小于M，且N的值不能过小，如N可以大于或等于4。
在视觉定位成功的情况下，可以在视觉定位过程中通过位姿求解分别获取N个目标图像相对于第一视觉地图的N个第一位姿，以及N个目标图像相对于第二视觉地图的N个第二位姿。
基于N个第一位姿和N个第二位姿，构建变换关系的方程，并采用ICP算法计算第二坐标系至第一坐标系的变换关系。如此，可以实现第二坐标系至第一坐标系的变换关系的确定。
可选的，所述第一数据包括用于构建所述第一视觉地图的图像，所述从所述M个第一图像中获取N个目标图像之前，所述方法还包括：
针对所述M个第一图像中每个第一图像，获取所述第一图像的全局特征，以及获取所述第一图像的局部特征，所述局部特征包括用于表征所述第一图像中关键点的第一特征；
从所述第一数据中获取与所述全局特征匹配的第二图像；
基于所述第一特征和预先获取的第二特征，对所述第一图像中的关键点与所述第二图像中的关键点进行匹配，得到第一匹配对，所述第二特征为用于表征所述第二图像中关键点的特征；
基于所述第一匹配对进行位姿求解，得到视觉定位结果，所述视觉定位结果用于表征所述第一图像在所述第一视觉地图中是否视觉定位成功。
本实施方式中，可以通过图像搜索、特征匹配和位姿求解等步骤，来进行第一图像在第一视觉地图中的视觉定位，得到视觉定位结果。
具体的，第一数据可以包括用于构建第一视觉地图的图像，可以通过深度学习模型来分别提取第一图像的全局特征和局部特征，以及第一数据中图像的全局特征和局部特征，可以通过全局特征匹配的方式，从第一数据中搜索得到与第一图像相同或相似的第二图像，第二图像的数量为至少一个。
之后，可以通过局部特征匹配的方式，对第一图像中的关键点与第二图像中的关键点进行匹配，得到第一匹配对，第一匹配对可以为第一图像中2D关键点与第二图像中2D关键点的匹配对。
相应的，可以基于第一匹配对进行三角化处理，得到第一图像中关键点与第一视觉地图中3D点的第二匹配对，第二匹配对可以为2D关键点与3D点的匹配对，基于第二匹配对进行位姿求解，得到视觉定位结果。如此，可以实现第一图像在第一视觉地图中的视觉定位。
可选的，所述基于所述第一匹配对进行位姿求解，得到视觉定位结果，包括：
基于所述第二图像的关键点与所述第一视觉地图中三维点的匹配关系，获取所述第一匹配对中所述第一图像关键点与所述第一视觉地图中三维点的第二匹配对；
基于所述第二匹配对进行位姿求解，得到所述视觉定位结果。
本实施方式中，在第一视觉地图中的生成过程中，其可以基于图像中2D关键点的三角化处理，构建第一视觉地图中的3D点，因此，可以关联存储图像中2D关键点与第一视觉地图中3D点。相应的，可以基于第二图像的关键点与第一视觉地图中三维点的匹配关系，确定第一图像中2D关键点与第一视觉地图中3D点的第二匹配对，从而可以基于第二匹配对进行位姿求解，实现对第一图像在第一视觉地图中的视觉定位，简化位姿求解的步骤。
可选的，所述基于所述第二匹配对进行位姿求解，得到所述视觉定位结果，包括：
在基于所述第二匹配对可求解得到所述第一图像相对于所述第一视觉地图的位姿的情况下，确定所述视觉定位结果为视觉定位成功；
在基于所述第二匹配对不可求解得到所述第一图像相对于所述第一视觉地图的位姿的情况下，确定所述视觉定位结果为视觉定位失败。
本实施方式中，在基于所述第二匹配对可求解得到所述第一图像相对于所述第一视觉地图的位姿的情况下，说明第一视觉地图中存在与第一图像中2D关键点足额匹配的3D点，相应可以实现第一图像对应位置的视觉定位，确定视觉定位结果为视觉定位成功。
而在基于第二匹配对不可求解得到第一图像相对于第一视觉地图的位姿的情况下，说明第一视觉地图中不存在与第一图像中2D关键点足额匹配的3D点，将无法确定第一图像中的位置在第一视觉地图中的哪个位置，相应确定视觉定位结果为视觉定位失败。
如此，可以简化图像在第一视觉地图中的视觉定位过程。
可选的，所述步骤S104具体包括：
基于所述变换关系，将所述第二视觉地图中用于表征位置的三维点变换至所述第一坐标系中，所述第二数据包括所述第二视觉地图中用于表征位置的三维点和所述M个第一图像；
将变换至所述第一坐标系中的三维点与所述M个第一图像关联添加至所述第一数据中。
本实施方式中，可以将用于表征变换关系的变换参数与第二视觉地图中用于表征位置的3D点数据进行相乘处理，以将第二视觉地图中3D点变换至第一坐标系中，得到新的3D点数据，将新的3D点数据与M个第一图像关联添加至第一数据中，以进行两个视觉地图在数据层面上的融合，实现第一视觉地图的更新。
可选的，所述M个第一图像为所述目标场景下的视频中图像，所述步骤S102具体包括：
将所述M个第一图像中为所述视频首帧的第一图像对应位置的三维点作为所述第二坐标系的坐标原点，并基于所述M个第一图像的位置关系，构建所述目标场景下的第二视觉地图。
本实施方式中，M个第一图像可以为视频中的图像帧，可以将用户上传的视频拆分成图像帧，得到M个第一图像。
可以将M个第一图像中为视频首帧的第一图像对应位置的3D点作为第二坐标系的坐标原点，基于M个第一图像的位置关系，采用现有的或者新的视觉地图构建方式构建目标场景下的第二视觉地图，如此可以简化第二视觉地图的构建。
第二实施例
如图2所示，本公开提供一种视觉地图更新装置200，包括：
第一获取模块201，用于获取目标场景下的M个第一图像，所述M个第一图像包括第一位置的图像内容和第二位置的图像内容，所述第一位置为通过第一视觉地图可定位的位置，所述第二位置为通过所述第一视觉地图不可定位的位置，所述第一视觉地图为以第一坐标系为基准预先构建的视觉地图，所述第一视觉地图关联第一数据，M为大于1的整数；
构建模块202，用于基于所述M个第一图像，以第二坐标系为基准构建所述目标场景下的第二视觉地图，所述第二视觉地图关联第二数据；
确定模块203，用于基于所述M个第一图像，确定所述第二坐标系至所述第一坐标系的变换关系；
融合模块204，用于基于所述变换关系，将所述第二数据融合至所述第一数据中，以对所述第一视觉地图进行更新。
可选的，所述确定模块203，具体用于：
从所述M个第一图像中获取N个目标图像，所述目标图像为在所述第一视觉地图中进行视觉定位成功的图像，N为大于1的整数；
获取所述N个目标图像相对于所述第一视觉地图的N个第一位姿，以及所述N个目标图像相对于所述第二视觉地图的N个第二位姿；
基于所述N个第一位姿和所述N个第二位姿，计算所述第二坐标系至所述第一坐标系的变换关系。
可选的，所述第一数据包括用于构建所述第一视觉地图的图像，所述装置还包括：
第二获取模块，用于针对所述M个第一图像中每个第一图像，获取所述第一图像的全局特征，以及获取所述第一图像的局部特征，所述局部特征包括用于表征所述第一图像中关键点的第一特征；
第三获取模块，用于从所述第一数据中获取与所述全局特征匹配的第二图像；
匹配模块，用于基于所述第一特征和预先获取的第二特征，对所述第一图像中的关键点与所述第二图像中的关键点进行匹配，得到第一匹配对，所述第二特征为用于表征所述第二图像中关键点的特征；
位姿求解模块，用于基于所述第一匹配对进行位姿求解，得到视觉定位结果，所述视觉定位结果用于表征所述第一图像在所述第一视觉地图中是否视觉定位成功。
可选的，所述位姿求解模块包括：
获取单元，用于基于所述第二图像的关键点与所述第一视觉地图中三维点的匹配关系，获取所述第一匹配对中所述第一图像关键点与所述第一视觉地图中三维点的第二匹配对；
位姿求解单元，用于基于所述第二匹配对进行位姿求解，得到所述视觉定位结果。
可选的，所述位姿求解单元，具体用于：
在基于所述第二匹配对可求解得到所述第一图像相对于所述第一视觉地图的位姿的情况下，确定所述视觉定位结果为视觉定位成功；
在基于所述第二匹配对不可求解得到所述第一图像相对于所述第一视觉地图的位姿的情况下，确定所述视觉定位结果为视觉定位失败。
可选的，所述融合模块204，具体用于：
基于所述变换关系，将所述第二视觉地图中用于表征位置的三维点变换至所述第一坐标系中，所述第二数据包括所述第二视觉地图中用于表征位置的三维点和所述M个第一图像；
将变换至所述第一坐标系中的三维点与所述M个第一图像关联添加至所述第一数据中。
可选的，所述M个第一图像为所述目标场景下的视频中图像，所述构建模块202，具体用于：
将所述M个第一图像中为所述视频首帧的第一图像对应位置的三维点作为所述第二坐标系的坐标原点，并基于所述M个第一图像的位置关系，构建所述目标场景下的第二视觉地图。
本公开提供的视觉地图更新装置200能够实现视觉地图更新方法实施例实现的各个过程，且能够达到相同的有益效果，为避免重复，这里不再赘述。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图3示出了可以用来实施本公开的实施例的示例电子设备的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图3所示，设备300包括计算单元301，其可以根据存储在只读存储器(ROM)302中的计算机程序或者从存储单元308加载到随机访问存储器(RAM)303中的计算机程序，来执行各种适当的动作和处理。在RAM 303中，还可存储设备300操作所需的各种程序和数据。计算单元301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
设备300中的多个部件连接至I/O接口305，包括：输入单元306，例如键盘、鼠标等；输出单元307，例如各种类型的显示器、扬声器等；存储单元308，例如磁盘、光盘等；以及通信单元309，例如网卡、调制解调器、无线通信收发机等。通信单元309允许设备300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元301可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元301的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元301执行上文所描述的各个方法和处理，例如视觉地图更新方法。例如，在一些实施例中，视觉地图更新方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元308。在一些实施例中，计算机程序的部分或者全部可以经由ROM 302和/或通信单元309而被载入和/或安装到设备300上。当计算机程序加载到RAM 303并由计算单元301执行时，可以执行上文描述的视觉地图更新方法的一个或多个步骤。备选地，在其他实施例中，计算单元301可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行视觉地图更新方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (12)
1.一种视觉地图更新方法，包括：
获取目标场景下的M个第一图像，所述M个第一图像包括第一位置的图像内容和第二位置的图像内容，所述第一位置为通过第一视觉地图可定位的位置，所述第二位置为通过所述第一视觉地图不可定位的位置，所述第一视觉地图为以第一坐标系为基准预先构建的视觉地图，所述第一视觉地图关联第一数据，M为大于1的整数；
基于所述M个第一图像，以第二坐标系为基准构建所述目标场景下的第二视觉地图，所述第二视觉地图关联第二数据；
基于所述M个第一图像，确定所述第二坐标系至所述第一坐标系的变换关系；
基于所述变换关系，将所述第二数据融合至所述第一数据中，以对所述第一视觉地图进行更新；
所述基于所述M个第一图像，确定所述第二坐标系至所述第一坐标系的变换关系，包括：
从所述M个第一图像中获取N个目标图像，所述目标图像为在所述第一视觉地图中进行视觉定位成功的图像，N为大于1的整数；
获取所述N个目标图像相对于所述第一视觉地图的N个第一位姿，以及所述N个目标图像相对于所述第二视觉地图的N个第二位姿；
基于所述N个第一位姿和所述N个第二位姿，计算所述第二坐标系至所述第一坐标系的变换关系；
所述第一数据包括用于构建所述第一视觉地图的图像，所述从所述M个第一图像中获取N个目标图像之前，所述方法还包括：
基于所述第一图像的第一特征和预先获取的第二特征，对所述第一图像中的关键点与所述第一数据中第二图像中的关键点进行匹配，得到第一匹配对，所述第二图像与所述第一图像的全局特征匹配，所述第一特征为用于表征所述第一图像中关键点的局部特征，所述第二特征为用于表征所述第二图像中关键点的局部特征；
基于所述第二图像的关键点与所述第一视觉地图中三维点的匹配关系，获取所述第一匹配对中所述第一图像关键点与所述第一视觉地图中三维点的第二匹配对；
基于所述第二匹配对进行位姿求解，得到视觉定位结果。
2.根据权利要求1所述的方法，其中，所述从所述M个第一图像中获取N个目标图像之前，所述方法还包括：
针对所述M个第一图像中每个第一图像，获取所述第一图像的全局特征，以及获取所述第一图像的局部特征，所述局部特征包括用于表征所述第一图像中关键点的第一特征；
从所述第一数据中获取与所述全局特征匹配的第二图像；
基于所述第一特征和预先获取的第二特征，对所述第一图像中的关键点与所述第二图像中的关键点进行匹配，得到第一匹配对，所述第二特征为用于表征所述第二图像中关键点的特征；
基于所述第一匹配对进行位姿求解，得到视觉定位结果，所述视觉定位结果用于表征所述第一图像在所述第一视觉地图中是否视觉定位成功。
3.根据权利要求2所述的方法，其中，所述基于所述第二匹配对进行位姿求解，得到所述视觉定位结果，包括：
在基于所述第二匹配对可求解得到所述第一图像相对于所述第一视觉地图的位姿的情况下，确定所述视觉定位结果为视觉定位成功；
在基于所述第二匹配对不可求解得到所述第一图像相对于所述第一视觉地图的位姿的情况下，确定所述视觉定位结果为视觉定位失败。
4.根据权利要求1所述的方法，其中，所述基于所述变换关系，将所述第二数据融合至所述第一数据中，包括：
基于所述变换关系，将所述第二视觉地图中用于表征位置的三维点变换至所述第一坐标系中，所述第二数据包括所述第二视觉地图中用于表征位置的三维点和所述M个第一图像；
将变换至所述第一坐标系中的三维点与所述M个第一图像关联添加至所述第一数据中。
5.根据权利要求1所述的方法，其中，所述M个第一图像为所述目标场景下的视频中图像，所述基于所述M个第一图像，以第二坐标系为基准构建所述目标场景下的第二视觉地图，包括：
将所述M个第一图像中为所述视频首帧的第一图像对应位置的三维点作为所述第二坐标系的坐标原点，并基于所述M个第一图像的位置关系，构建所述目标场景下的第二视觉地图。
6.一种视觉地图更新装置，包括：
第一获取模块，用于获取目标场景下的M个第一图像，所述M个第一图像包括第一位置的图像内容和第二位置的图像内容，所述第一位置为通过第一视觉地图可定位的位置，所述第二位置为通过所述第一视觉地图不可定位的位置，所述第一视觉地图为以第一坐标系为基准预先构建的视觉地图，所述第一视觉地图关联第一数据，M为大于1的整数；
构建模块，用于基于所述M个第一图像，以第二坐标系为基准构建所述目标场景下的第二视觉地图，所述第二视觉地图关联第二数据；
确定模块，用于基于所述M个第一图像，确定所述第二坐标系至所述第一坐标系的变换关系；
融合模块，用于基于所述变换关系，将所述第二数据融合至所述第一数据中，以对所述第一视觉地图进行更新；
所述确定模块，具体用于：
从所述M个第一图像中获取N个目标图像，所述目标图像为在所述第一视觉地图中进行视觉定位成功的图像，N为大于1的整数；
获取所述N个目标图像相对于所述第一视觉地图的N个第一位姿，以及所述N个目标图像相对于所述第二视觉地图的N个第二位姿；
基于所述N个第一位姿和所述N个第二位姿，计算所述第二坐标系至所述第一坐标系的变换关系；
所述第一数据包括用于构建所述第一视觉地图的图像，所述装置还包括：匹配模块和位姿求解模块；其中，
匹配模块，用于基于所述第一图像的第一特征和预先获取的第二特征，对所述第一图像中的关键点与所述第一数据中第二图像中的关键点进行匹配，得到第一匹配对，所述第二图像与所述第一图像的全局特征匹配，所述第一特征为用于表征所述第一图像中关键点的局部特征，所述第二特征为用于表征所述第二图像中关键点的局部特征；
位姿求解模块包括：
获取单元，用于基于所述第二图像的关键点与所述第一视觉地图中三维点的匹配关系，获取所述第一匹配对中所述第一图像关键点与所述第一视觉地图中三维点的第二匹配对；
位姿求解单元，用于基于所述第二匹配对进行位姿求解，得到视觉定位结果。
7.根据权利要求6所述的装置，其中，所述装置还包括：
第二获取模块，用于针对所述M个第一图像中每个第一图像，获取所述第一图像的全局特征，以及获取所述第一图像的局部特征，所述局部特征包括用于表征所述第一图像中关键点的第一特征；
第三获取模块，用于从所述第一数据中获取与所述全局特征匹配的第二图像；
匹配模块，用于基于所述第一特征和预先获取的第二特征，对所述第一图像中的关键点与所述第二图像中的关键点进行匹配，得到第一匹配对，所述第二特征为用于表征所述第二图像中关键点的特征；
位姿求解模块，用于基于所述第一匹配对进行位姿求解，得到视觉定位结果，所述视觉定位结果用于表征所述第一图像在所述第一视觉地图中是否视觉定位成功。
8.根据权利要求7所述的装置，其中，所述位姿求解单元，具体用于：
在基于所述第二匹配对可求解得到所述第一图像相对于所述第一视觉地图的位姿的情况下，确定所述视觉定位结果为视觉定位成功；
在基于所述第二匹配对不可求解得到所述第一图像相对于所述第一视觉地图的位姿的情况下，确定所述视觉定位结果为视觉定位失败。
9.根据权利要求6所述的装置，其中，所述融合模块，具体用于：
基于所述变换关系，将所述第二视觉地图中用于表征位置的三维点变换至所述第一坐标系中，所述第二数据包括所述第二视觉地图中用于表征位置的三维点和所述M个第一图像；
将变换至所述第一坐标系中的三维点与所述M个第一图像关联添加至所述第一数据中。
10.根据权利要求6所述的装置，其中，所述M个第一图像为所述目标场景下的视频中图像，所述构建模块，具体用于：
将所述M个第一图像中为所述视频首帧的第一图像对应位置的三维点作为所述第二坐标系的坐标原点，并基于所述M个第一图像的位置关系，构建所述目标场景下的第二视觉地图。
11.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210992488.5A CN115439536B (zh) | 2022-08-18 | 2022-08-18 | 视觉地图更新方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210992488.5A CN115439536B (zh) | 2022-08-18 | 2022-08-18 | 视觉地图更新方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115439536A CN115439536A (zh) | 2022-12-06 |
| CN115439536B true CN115439536B (zh) | 2023-09-26 |
Family
ID=84242255
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210992488.5A Active CN115439536B (zh) | 2022-08-18 | 2022-08-18 | 视觉地图更新方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115439536B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117115262B (zh) * | 2023-10-24 | 2024-03-26 | 锐驰激光(深圳)有限公司 | 基于视觉和tof的定位方法、装置、设备及存储介质 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110309330A (zh) * | 2019-07-01 | 2019-10-08 | 北京百度网讯科技有限公司 | 视觉地图的处理方法和装置 |
| WO2020155615A1 (zh) * | 2019-01-28 | 2020-08-06 | 速感科技（北京）有限公司 | Vslam方法、控制器和可移动设备 |
| WO2020223975A1 (zh) * | 2019-05-09 | 2020-11-12 | 珊口（深圳）智能科技有限公司 | 在地图上定位设备的方法、服务端及移动机器人 |
| CN112269851A (zh) * | 2020-11-16 | 2021-01-26 | Oppo广东移动通信有限公司 | 地图数据更新方法、装置、存储介质与电子设备 |
| CN112435338A (zh) * | 2020-11-19 | 2021-03-02 | 腾讯科技（深圳）有限公司 | 电子地图的兴趣点的位置获取方法、装置及电子设备 |
| CN112785700A (zh) * | 2019-11-08 | 2021-05-11 | 华为技术有限公司 | 虚拟物体显示方法、全局地图更新方法以及设备 |
| CN113029128A (zh) * | 2021-03-25 | 2021-06-25 | 浙江商汤科技开发有限公司 | 视觉导航方法及相关装置、移动终端、存储介质 |
| CN113884006A (zh) * | 2021-09-27 | 2022-01-04 | 视辰信息科技(上海)有限公司 | 一种空间定位方法及系统、设备和计算机可读存储介质 |
| WO2022002039A1 (zh) * | 2020-06-30 | 2022-01-06 | 杭州海康机器人技术有限公司 | 一种基于视觉地图的视觉定位方法、装置 |
| CN113989450A (zh) * | 2021-10-27 | 2022-01-28 | 北京百度网讯科技有限公司 | 图像处理方法、装置、电子设备和介质 |
| WO2022036980A1 (zh) * | 2020-08-17 | 2022-02-24 | 浙江商汤科技开发有限公司 | 位姿确定方法、装置、电子设备、存储介质及程序 |
| CN114241039A (zh) * | 2021-12-13 | 2022-03-25 | Oppo广东移动通信有限公司 | 地图数据处理方法、装置、存储介质与电子设备 |
| CN114627268A (zh) * | 2022-03-11 | 2022-06-14 | 北京百度网讯科技有限公司 | 视觉地图更新方法、装置、电子设备及介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108692720B (zh) * | 2018-04-09 | 2021-01-22 | 京东方科技集团股份有限公司 | 定位方法、定位服务器及定位系统 |
| CN108717710B (zh) * | 2018-05-18 | 2022-04-22 | 京东方科技集团股份有限公司 | 室内环境下的定位方法、装置及系统 |
-
2022
- 2022-08-18 CN CN202210992488.5A patent/CN115439536B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020155615A1 (zh) * | 2019-01-28 | 2020-08-06 | 速感科技（北京）有限公司 | Vslam方法、控制器和可移动设备 |
| WO2020223975A1 (zh) * | 2019-05-09 | 2020-11-12 | 珊口（深圳）智能科技有限公司 | 在地图上定位设备的方法、服务端及移动机器人 |
| CN110309330A (zh) * | 2019-07-01 | 2019-10-08 | 北京百度网讯科技有限公司 | 视觉地图的处理方法和装置 |
| CN112785700A (zh) * | 2019-11-08 | 2021-05-11 | 华为技术有限公司 | 虚拟物体显示方法、全局地图更新方法以及设备 |
| WO2022002039A1 (zh) * | 2020-06-30 | 2022-01-06 | 杭州海康机器人技术有限公司 | 一种基于视觉地图的视觉定位方法、装置 |
| WO2022036980A1 (zh) * | 2020-08-17 | 2022-02-24 | 浙江商汤科技开发有限公司 | 位姿确定方法、装置、电子设备、存储介质及程序 |
| CN112269851A (zh) * | 2020-11-16 | 2021-01-26 | Oppo广东移动通信有限公司 | 地图数据更新方法、装置、存储介质与电子设备 |
| CN112435338A (zh) * | 2020-11-19 | 2021-03-02 | 腾讯科技（深圳）有限公司 | 电子地图的兴趣点的位置获取方法、装置及电子设备 |
| CN113029128A (zh) * | 2021-03-25 | 2021-06-25 | 浙江商汤科技开发有限公司 | 视觉导航方法及相关装置、移动终端、存储介质 |
| CN113884006A (zh) * | 2021-09-27 | 2022-01-04 | 视辰信息科技(上海)有限公司 | 一种空间定位方法及系统、设备和计算机可读存储介质 |
| CN113989450A (zh) * | 2021-10-27 | 2022-01-28 | 北京百度网讯科技有限公司 | 图像处理方法、装置、电子设备和介质 |
| CN114241039A (zh) * | 2021-12-13 | 2022-03-25 | Oppo广东移动通信有限公司 | 地图数据处理方法、装置、存储介质与电子设备 |
| CN114627268A (zh) * | 2022-03-11 | 2022-06-14 | 北京百度网讯科技有限公司 | 视觉地图更新方法、装置、电子设备及介质 |
Non-Patent Citations (1)
| Title |
|---|
| 一种改进ICP算法的移动机器人激光与视觉建图方法研究;张杰;周军;;机电工程(12);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115439536A (zh) | 2022-12-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115409933B (zh) | 多风格纹理贴图生成方法及其装置 | |
| CN112652036B (zh) | 道路数据的处理方法、装置、设备及存储介质 | |
| CN112529097B (zh) | 样本图像生成方法、装置以及电子设备 | |
| CN114792355B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
| CN115439536B (zh) | 视觉地图更新方法、装置及电子设备 | |
| CN113870439A (zh) | 用于处理图像的方法、装置、设备以及存储介质 | |
| CN113932796B (zh) | 高精地图车道线生成方法、装置和电子设备 | |
| CN112634366B (zh) | 位置信息的生成方法、相关装置及计算机程序产品 | |
| CN114998433A (zh) | 位姿计算方法、装置、存储介质以及电子设备 | |
| CN115773759A (zh) | 自主移动机器人的室内定位方法、装置、设备及存储介质 | |
| CN114119990B (zh) | 用于图像特征点匹配的方法、装置及计算机程序产品 | |
| CN113587928B (zh) | 导航方法、装置、电子设备、存储介质及计算机程序产品 | |
| CN113838217B (zh) | 信息展示方法、装置、电子设备及可读存储介质 | |
| CN113112398A (zh) | 图像处理方法和装置 | |
| CN114723894B (zh) | 一种三维坐标获取方法、装置及电子设备 | |
| EP4227904A2 (en) | Method and apparatus for determining image depth information, electronic device, and media | |
| CN114549303B (zh) | 图像显示、处理方法、装置、设备和存储介质 | |
| CN112990046B (zh) | 差异信息获取方法、相关装置及计算机程序产品 | |
| CN115790621A (zh) | 高精地图更新方法、装置及电子设备 | |
| CN115375740A (zh) | 位姿确定方法和三维模型的生成方法、装置、设备、介质 | |
| CN113838201B (zh) | 模型适配方法、装置、电子设备及可读存储介质 | |
| CN113838200B (zh) | 模型适配方法、装置、电子设备及可读存储介质 | |
| CN113658277B (zh) | 立体匹配方法、模型训练方法、相关装置及电子设备 | |
| CN115439331B (zh) | 角点的校正方法和元宇宙中三维模型的生成方法、装置 | |
| CN113535875B (zh) | 地图数据扩充方法、装置、电子设备、介质和程序产品 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |