CN105844631A - 一种目标定位方法及装置 - Google Patents
一种目标定位方法及装置 Download PDFInfo
- Publication number
- CN105844631A CN105844631A CN201610160219.7A CN201610160219A CN105844631A CN 105844631 A CN105844631 A CN 105844631A CN 201610160219 A CN201610160219 A CN 201610160219A CN 105844631 A CN105844631 A CN 105844631A
- Authority
- CN
- China
- Prior art keywords
- dimensional image
- local
- overall situation
- image
- view
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000004807 localization Effects 0.000 claims description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 10
- 238000010168 coupling process Methods 0.000 claims description 9
- 238000005859 coupling reaction Methods 0.000 claims description 9
- 230000008878 coupling Effects 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 8
- 108010001267 Protein Subunits Proteins 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 9
- 238000004364 calculation method Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000012876 topography Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
- 230000003716 rejuvenation Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种目标定位方法及装置,涉及图像处理领域,所述方法包括:获取目标物在当前场景中的全局三维图像和在局部场景中的局部三维图像。将所述全局三维图像转换为全局二维图像,将所述局部三维图像转换为局部二维图像。查找到与所述局部二维图像内的多条直线段匹配度满足预设标准的所述全局二维图像内的所有直线段构成的图形。根据所查找到的图形对应的三维图像与所述全局三维图像的位置以及所述目标物在所述局部二维图像内的位置确定所述目标物在所述全局三维图像内的位置。相对于现有的其他定位方式,本发明提供的目标定位方法不需要借助无线信号发射器,提高了定位精确度以及降低了计算复杂度,独立性更强。
Description
技术领域
本发明涉及图像处理领域,具体而言,涉及一种目标定位方法及装置。
背景技术
机器人定位是指实时确定机器人自身在环境中的位置和姿态。机器人自主定位属于机器人智能控制装置领域,是移动机器人自主导航过程中的基础和关键技术。目前较为常见的机器人定位技术主要是根据先验的环境信息,结合当前机器人位置信息和传感器获取的信息确定机器人位姿状态。定位技术主要分为绝对定位和相对定位;绝对定位常用的有卫星GPS定位、导航路标、地图匹配等,相对定位通过计算相对于初始位姿的位姿变化来确定当前的位姿状态,常见的有里程计、惯性导航***。随着近年来视觉传感器特别是三维视觉传感器的发展以及计算机视觉、图像处理等相关技术的发展,移动机器人的视觉定位技术取得快速发展。视觉定位技术相对于无线电定位、磁场定位等具有成本低廉、不需要设置标志位、定位结果稳健等明显优势。
GPS定位误差较大,且容易受电磁干扰;导航路标定位需要建立导航路标改变已有环境,费时费力;而已有的地图匹配算法需要手动创建环境地图或者自主创建的地图精度不高无法形成闭环等;而里程计、惯性导航***等长时间或大尺度下累积误差较大,定位精度较差。当前视觉定位技术主要集中在二维图像匹配定位上,受图像质量、光照等因素的影响较大,特别是当环境中纹理信息较少时,二维匹配定位的误差较大。现有的导航目标定位方法存在的各种问题,无法准确、省力地为机器人提供位姿信息。
发明内容
本发明的目的在于提供一种目标定位方法及装置,以解决上述的问题。
第一方面,本发明实施例提供的一种目标定位方法,包括:获取目标物在当前场景中的全局三维图像和在局部场景中的局部三维图像,其中,所述局部场景为所述当前场景中的部分场景。将所述全局三维图像转换为全局二维图像,将所述局部三维图像转换为局部二维图像,所述全局二维图像和局部二维图像均由多条直线段构成。查找到与所述局部二维图像内的多条直线段匹配度满足预设标准的所述全局二维图像内的所有直线段构成的图形。根据所查找到的图形对应的三维图像与所述全局三维图像的位置以及所述目标物在所述局部二维图像内的位置确定所述目标物在所述全局三维图像内的位置。
第二方面,本发明实施例提供了一种目标定位装置,包括:获取单元,用于获取目标物在当前场景中的全局三维图像和在局部场景中的局部三维图像,其中,所述局部场景为所述当前场景中的部分场景。转换单元,用于将所述全局三维图像转换为全局二维图像,将所述局部三维图像转换为局部二维图像,所述全局二维图像和局部二维图像均由多条直线段构成。查找单元,用于查找到与所述局部二维图像内的多条直线段匹配度满足预设标准的所述全局二维图像内的所有直线段构成的图形,将所查找到的图形的位置标记为所述局部二维图像在所述全局二维图像内的位置。位置定位单元,用于根据所查找到的图形对应的三维图像与所述全局三维图像的位置以及所述目标物在所述局部二维图像内的位置确定所述目标物在所述全局三维图像内的位置。
本发明实施例将全局三维图像和局部三维图像转换为全局二维图像和局部二维图像,查找到与所述局部二维图像内的多条直线段匹配度满足预设标准的所述全局二维图像内的所有直线段构成的图形,根据所查找到的图形对应的三维图像与所述全局三维图像的位置以及所述目标物在所述局部二维图像内的位置确定所述目标物在所述全局三维图像内的位置。
通过在二维图像中,定位到局部二维图在全局二维图内的位置,再以局部二维图在全局二维图内的位置所对应的三维图像为基准,定位局部三维图在所查找的三维图像中的位置,提高了定位精确度以及降低了计算复杂度。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。通过附图所示,本发明的上述及其它目的、特征和优势将更加清晰。在全部附图中相同的附图标记指示相同的部分。并未刻意按实际尺寸等比例缩放绘制附图,重点在于示出本发明的主旨。
图1示出了本发明较佳实施例提供的目标定位方法及装置的应用场景的示意图;
图2示出了本发明较佳实施例提供的处理终端的方框示意图;
图3示出了本发明一较佳实施例提供的目标定位方法的流程图;
图4示出了本发明另一较佳实施例提供的目标定位方法的流程图;
图5示出了本发明一较佳实施例提供的目标定位装置的功能模块示意图;
图6示出了本发明另一较佳实施例提供的目标定位装置的功能模块示意图;
图7示出了本发明另一较佳实施例提供的目标定位装置的查找单元的功能模块示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,是本发明较佳实施例提供的目标定位方法及装置的应用场景的示意图,所述图像采集装置101通过网络与一个或多个处理终端102耦合。图像采集装置101可以为一个摄像头,能够采集目标物所在场景内的图像。所述处理终端102可以是个人电脑(personal computer,PC)、平板电脑、智能手机、个人数字助理(personal digital assistant,PDA)等,具有对图像类数据以及其他数据处理和分析的能力。
如图2所示,是所述处理终端102的方框示意图。所述处理终端102包括目标定位装置201、存储器202、存储控制器203、处理器204、外设接口205、输入输出单元206。
所述存储器202、存储控制器203、处理器204、外设接口205、输入输出单元206各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
所述目标定位装置201包括至少一个可以软件或固件(firmware)的形式存储于所述存储器202中或固化在所述处理终端102设备的操作***(operating system,OS)中的软件功能模块。所述处理器204用于执行存储器202中存储的可执行模块,例如所述目标定位装置201包括的软件功能模块或计算机程序。
其中,存储器202可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-OnlyMemory,EPROM),电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory,EEPROM)等。其中,存储器202用于存储程序,所述处理器204在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的服务器所执行的方法可以应用于处理器204中,或者由处理器204实现。
处理器204可能是一种集成电路芯片,具有信号的处理能力。上述的处理器204可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述外设接口205将各种输入/输入装置耦合至处理器204以及存储器202。在一些实施例中,外设接口205,处理器204以及存储控制器203可以在单个芯片中实现。在其他一些实例中,他们可以分别由独立的芯片实现。
输入输出单元206用于提供给用户输入数据实现用户与处理终端102的交互。所述输入输出单元206可以是,但不限于,鼠标和键盘等。
请参阅图3,是本发明较佳实施例提供的一种目标定位方法的方法流程图。下面将对图3所示的具体流程进行详细阐述。
步骤S301:获取目标物在当前场景中的全局三维图像和在局部场景中的局部三维图像。
其中,所述局部场景为所述当前场景中的部分场景。于本发明实施例中,目标物所在的场景为室内环境,分布着大量垂直或者平行的墙面和地面。通过摄像头获得全局点云图像和局部点云图像,其中,点云图像即是三维图像。通过三维传感器,例如kinect摄像头,对目标物跟踪拍摄,获得目标物的局部点云图。
步骤S302:将全局三维图像转换为全局二维图像,将局部三维图像转换为局部二维图像。
建立一个三维坐标系,以所述全局点云图像和局部点云图像的高度方向为Z轴,以全局点云图像和局部点云图像的平面为XOY平面坐标系,其中,X和Y分别表示X轴和Y轴,O表示原点位置。
将全局三维图像和局部三维图像投影到XOY平面坐标系,获得全局三维图像和局部三维图像的投影图像,即获得全局二维图像和局部二维图像。
由于室内环境分布着大量平行或垂直地面的墙壁或家具线条等,而全局点云图像和局部点云图像均由多个点集构成。多个点集投影到平面后就形成了直线,因此,全局二维图像和局部二维图像均由多条直线段构成。
步骤S303:查找到与局部二维图像内的多条直线段匹配度满足预设标准的全局二维图像内的所有直线段构成的图形。
局部二维图像内的多条直线段属于全局二维图像内的多条直线段的一部分,因此,局部二维图像的直线段构成的图形在全局二维图像内的多条直线段构成的图形应当可以成功匹配。以局部二维图像的直线段构成的图形为标准,找到全局二维图像内的多条直线段构成的图形中与局部二维图像的直线段构成的图形能够成功匹配的部分直线段构成的图形,并接所查找到的图形标记,例如,以红框标记。则红框的位置就是粗定位后的局部二维图像在全局二维图像内的位置。
另外,考虑到局部二维图像的直线段的方向与全局二维图像的直线段的方向存在差异,因此,优选地,在获得局部二维图像和全局二维图像之后,首先,判断所述局部二维图像内的多条直线段与所述全局二维图像内的多条直线段的匹配度满足预设标准。
若否,按照预设方向变化规则旋转所述局部二维图像,将旋转后的局部二维图像内的多条直线段与所述全局二维图像内的多条直线段匹配。
查找到与所述旋转后的局部二维图像内的多条直线段匹配度满足预设标准的所述全局二维图像内的所有直线段构成的图形。
其中,上述的预设方向变化规则可以是根据局部二维图像和全局二维图像的方向而设定的旋转方向,即不断的旋转局部二维图像的方向,直至找到所需的匹配度满足预设标准的图形为止。
步骤S304:根据所查找到的图形对应的三维图像与全局三维图像的位置以及目标物在局部二维图像内的位置确定目标物在全局三维图像内的位置。
通过所查找到的图形在全局二维图像内的位置以及二维图像与三维图像的映射关系,确定所查找到的图形的三维图像在全局三维图像内的位置。再通过迭代算法,以所查找到的图形的三维图和局部三维图像为算法的输入,确定局部三维图像在所查找到的图形的三维图内的位置,由此确定了局部三维图像与所查找到的图形的三维图的精确对应关系。
再确定目标物在局部二维图像内的位置,再将目标物的位置映射到局部三维图像内,由此,确定了目标物在全局三维图像内的位置。
请参阅图4,是本发明较佳实施例提供的一种目标定位方法的方法流程图。下面将对图4所示的具体流程进行详细阐述。
步骤S401:获取全局点云图像和局部点云图像。
于本发明实施例中,应用场景为室内环境,通过拍摄三维图像的摄像头(例如三维传感器Kinect)拍摄室内环境的全局点云图像和局部点云图像。其中,全局点云图像和局部点云图像均为三维图像。全局点云图像为全部室内环境的三维图像,局部点云图像为室内环境的局部场景的三维图像。全局点云图像和局部点云图像都存在目标物,通过Kinect摄像头能够追踪到室内环境中运动的目标物,并对目标物进行跟踪拍摄,从而获得包含有目标物的局部点云图像。
步骤402:获取全局二维图像和局部二维图像。
建立一个三维坐标系,以所述全局点云图像和局部点云图像的高度方向为Z轴,以全局点云图像和局部点云图像的平面为XOY平面坐标系,其中,X和Y分别表示X轴和Y轴,O表示原点位置。
将点云图像中Z方向收的图像投影到XOY平面上,以获得全局二维图像和局部二维图像。
由于室内环境的图像主要是墙壁的图像,并且家具也大多都是由多条直线段构成,而且局部点云图像的拍摄是包括目标物所在区域内的墙壁的,因此,全局二维图像和局部二维图像包括大量的直线段。
步骤S403:将全局二维图像内所有直线段的方向角和局部二维图像内所有直线段的方向角归一化处理。
通过霍夫变换(Hough Transform)提取全局二维图像和局部二维图像内所有直线段,然后,获取所述全局二维图像和局部二维图像内所有直线段的方向角。其中,所述直线段的方向角为所述直线段与预设坐标系内的横坐标的夹角。其中,预设坐标系为上述所述的XOY平面坐标系,需要说明的是,所述直线段的方向角也可以为直线段与XOY平面坐标系的纵坐标的夹角。
通过K-means算法将所述全局二维图像内的所有直线段的方向角和局部二维图像内所有直线段的方向角聚类,统计所获得的全局二维图像内的所有方向角的次数,并按照方向角的不同聚类。同理,统计所获得的局部二维图像内的所有方向角的次数,并按照方向角的不同聚类。
获取所述全局二维图像内次数最多的直线段的方向角,以所获取的全局二维图像内次数最多的直线段的方向角的角度为基准进行归一化,具体的归一化的方式可以是:
将所述全局二维图像内所有直线段旋转第一预设角度,以使所获取的全局二维图像内次数最多的直线段的方向角对应的直线段与XOY平面的横坐标重合,即以使所述次数最多的方向角变为零。
同理,获取所述局部二维图像内次数最多的直线段的方向角,将所述局部二维图像内所有直线段旋转第二预设角度,以使所述次数最多的方向角变为零。
由于,全局二维图像和局部二维图像存在大量相互平行或垂直的直线段,因此,通过归一化的处理,将这些直线段归一化到同一个坐标系的方向,可以减少后续匹配定位的计算量。
步骤S404:获取局部二维图像在全局二维图像内的位置区域内的图形。
将归一化之后的局部二维图像在全局二维图像内比对,查找到与所述局部二维图像内的多条直线段匹配度满足预设标准的所述全局二维图像内的所有直线段构成的图形。其中,符合预设标准可以是局部二维图像内的直线段构成的图形与全局二维图像内的直线段构成的图像的重合度符合一个预设的标准值。
优选地,将查找到的匹配度符合预设标准的所述全局二维图像内的所有直线段构成的图形用红框标注。其中,红框的大小可以是比局部二维图像的尺寸大于一定宽度。
需要说明的是,由于二维图像内的直线段存在垂直和平行的关系,因此,在同一坐标系内将局部二维图像和全局二维图像的直线段的方向角归一化后,可能使得局部二维图像和全局二维图像在方向上存在0°、90°、180°、270°的差异。
因此,将归一化之后的局部二维图像在全局二维图像内比对,若没有找到与所述局部二维图像内的多条直线段匹配度满足预设标准的所述全局二维图像内的所有直线段构成的图形,再将局部二维图像旋转90°、180°或270°,直至能够查找到与所述局部二维图像内的多条直线段匹配度满足预设标准的所述全局二维图像内的所有直线段构成的图形。优选地,可以按照0°、90°、180°、270°的顺序依次旋转。
因此,与所述局部二维图像内的多条直线段匹配度满足预设标准的所述全局二维图像内的所有直线段构成的图形就为局部二维图像在全局二维图像内的粗略定位。例如,全局二维图像内的红框标记的位置。
步骤S405:确定所述局部三维图像在所述全局三维图像内的位置。
根据二维图像与三维图像的映射关系,找到红框区域对应的三维图像,由此,可以确定红框区域对应的三维图像在全局三维图像内的位置。
通过迭代最近点算法确定所述局部三维图像在所查找到的图形对应的三维图像内的位置,由此,可以确定局部三维图像在所述全局三维图像内的位置。从而,实现了局部三维图像在全局三维图像内的精准定位。其中,迭代最近点算法可以为ICP算法、GICP算法、Go-ICP算法以及LMICP等。
步骤S406:确定所述目标物在所述全局三维图像内的位置。
根据所述目标物在所述局部二维图像内的位置确定所述目标物在局部三维图像内的位置,以确定所述目标物在所述全局三维图像内的位置。
由于目标物的线条与局部二维图像内大量分布的直线段有所不同,例如,目标物为机器人时,机器人的底盘是圆形。因此,在局部二维图像内包括一个圆形区域,通过霍夫变换提取到圆形区域,圆形区域的中心就可以标记为机器人的位置。由此,定位到了目标物在局部二维图像内的位置。再将局部二维图像内的机器人的位置映射到局部三维图像内,确定了目标物在局部三维图像内的位置。再根据所确定的局部三维图像在全局三维图像内的位置,确定目标物在所述全局三维图像内的位置。
因此,通过将点云图像转换为二维图像,通过局部二维图像和全局二维图像的方向归一化后的直线段的匹配,获得局部二维图像在全局二维图像的粗定位。再通过迭代算法将局部三维图像与粗定位时得到的红框对应的三维图像作为输入,获得局部三维图像在全局三维图像内的精确定位。最后,再将目标物映射到局部三维图像上,并获得目标物在全局三维图像内的精确定位。
相对于现有的其他定位方式,本发明提供的目标定位方法不需要借助wifi发射器,提高了定位精确度以及降低了计算复杂度,独立性更强。
另外,本发明还可以用于局部地图更新,即当只有一部分家具或者部分物体的位置发生变化,不需要重新扫描全局三维图像,只需要扫描发生变化的局部区域,然后通过精确定位局部图像在全局图像内的位置,将更新后的局部图像替换原来的局部图像即可。
请参阅图5,是本发明较佳实施例提供的目标定位装置201的功能模块示意图。所述目标定位装置201包括:获取单元501、转换单元502、查找单元503和位置定位单元504。
获取单元501用于获取目标物在当前场景中的全局三维图像和在局部场景中的局部三维图像。其中,所述局部场景为所述当前场景中的部分场景。
转换单元502用于将所述全局三维图像转换为全局二维图像,将所述局部三维图像转换为局部二维图像。其中,所述全局二维图像和局部二维图像均由多条直线段构成。
查找单元503用于查找到与所述局部二维图像内的多条直线段匹配度满足预设标准的所述全局二维图像内的所有直线段构成的图形,将所查找到的图形的位置标记为所述局部二维图像在所述全局二维图像内的位置。
位置定位单元504用于根据所查找到的图形对应的三维图像与所述全局三维图像的位置以及所述目标物在所述局部二维图像内的位置确定所述目标物在所述全局三维图像内的位置。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
请参阅图6,是本发明另一较佳实施例提供的目标定位装置201的功能模块示意图。所述目标定位装置201包括:获取单元601、转换单元602、方向角确定单元603、归一化单元604、查找单元605和位置定位单元606。
获取单元601用于获取目标物在当前场景中的全局三维图像和在局部场景中的局部三维图像。其中,所述局部场景为所述当前场景中的部分场景。
转换单元602用于将所述全局三维图像转换为全局二维图像,将所述局部三维图像转换为局部二维图像。其中,所述全局二维图像和局部二维图像均由多条直线段构成。
方向角确定单元603用于获取所述全局二维图像和局部二维图像内所有直线段的方向角。其中,所述直线段的方向角为所述直线段与预设坐标系内的横坐标的夹角。
归一化单元604用于通过聚类算法对所述全局二维图像内的所有直线段的方向角和局部二维图像内所有直线段的方向角沿预设方向进行归一化处理,以获得经归一化处理后的全局二维图像和局部二维图像。
查找单元605用于查找到与所述局部二维图像内的多条直线段匹配度满足预设标准的所述全局二维图像内的所有直线段构成的图形,将所查找到的图形的位置标记为所述局部二维图像在所述全局二维图像内的位置。
具体地,如图7所示,查找单元605包括:判断子单元6051、图像旋转子单元6052和匹配子单元6053。
判断子单元6051用于判断所述局部二维图像内的多条直线段与所述全局二维图像内的多条直线段的匹配度满足预设标准。
图像旋转子单元6052用于按照预设方向变化规则旋转所述局部二维图像,将旋转后的局部二维图像内的多条直线段与所述全局二维图像内的多条直线段匹配。
匹配子单元6053用于查找到与所述旋转后的局部二维图像内的多条直线段匹配度满足预设标准的所述全局二维图像内的所有直线段构成的图形。
位置定位单元606用于通过迭代最近点算法确定所述局部三维图像在所查找到的图形对应的三维图像内的位置。再根据所查找到的图形对应的三维图像在所述全局三维图像内的位置,确定所述局部三维图像在所述全局三维图像内的位置。再根据所述目标物在所述局部二维图像内的位置确定所述目标物在局部三维图像内的位置,以确定所述目标物在所述全局三维图像内的位置。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种目标定位方法,其特征在于,包括:
获取目标物在当前场景中的全局三维图像和在局部场景中的局部三维图像,其中,所述局部场景为所述当前场景中的部分场景;
将所述全局三维图像转换为全局二维图像,将所述局部三维图像转换为局部二维图像,所述全局二维图像和局部二维图像均由多条直线段构成;
查找到与所述局部二维图像内的多条直线段匹配度满足预设标准的所述全局二维图像内的所有直线段构成的图形;
根据所查找到的图形对应的三维图像与所述全局三维图像的位置以及所述目标物在所述局部二维图像内的位置确定所述目标物在所述全局三维图像内的位置。
2.根据权利要求1所述的目标定位方法,其特征在于,查找到与所述局部二维图像内的多条直线段匹配度满足预设标准的所述全局二维图像内的所有直线段构成的图形,包括:
判断所述局部二维图像内的多条直线段与所述全局二维图像内的多条直线段的匹配度是否满足预设标准;
若否,按照预设方向变化规则旋转所述局部二维图像,将旋转后的局部二维图像内的多条直线段与所述全局二维图像内的多条直线段匹配;
查找到与所述旋转后的局部二维图像内的多条直线段匹配度满足预设标准的所述全局二维图像内的所有直线段构成的图形。
3.根据权利要求2所述的目标定位方法,其特征在于,按照预设方向变化规则旋转所述局部二维图像之前,还包括:
获取所述全局二维图像和局部二维图像内所有直线段的方向角,其中,所述直线段的方向角为所述直线段与预设坐标系内的横坐标的夹角;
通过聚类算法对所述全局二维图像内的所有直线段的方向角和局部二维图像内所有直线段的方向角沿预设方向进行归一化处理,以获得经归一化处理后的全局二维图像和局部二维图像。
4.根据权利要求3所述的目标定位方法,其特征在于,通过聚类算法对所述全局二维图像内的所有直线段的方向角和局部二维图像内所有直线段的方向角沿预设方向进行归一化处理,包括:
通过K-means算法将所述全局二维图像内的所有直线段的方向角和局部二维图像内所有直线段的方向角聚类;
获取所述全局二维图像内次数最多的直线段的方向角,将所述全局二维图像内所有直线段旋转第一预设角度,以使所述次数最多的方向角变为零;
获取所述局部二维图像内次数最多的直线段的方向角,将所述局部二维图像内所有直线段旋转第二预设角度,以使所述次数最多的方向角变为零。
5.根据权利要求2-4的任一所述的目标定位方法,其特征在于,按照预设方向变化规则旋转所述局部二维图像,包括:
将所述局部二维图像旋转90°、180°或270°。
6.根据权利要求1所述的目标定位方法,其特征在于,根据所查找到的图形对应的三维图像与所述全局三维图像的位置以及所述目标物在所述局部二维图像内的位置确定所述目标物在所述全局三维图像内的位置,包括:
通过迭代最近点算法确定所述局部三维图像在所查找到的图形对应的三维图像内的位置,再根据所查找到的图形对应的三维图像在所述全局三维图像内的位置,确定所述局部三维图像在所述全局三维图像内的位置;
根据所述目标物在所述局部二维图像内的位置确定所述目标物在局部三维图像内的位置,以确定所述目标物在所述全局三维图像内的位置。
7.一种目标定位装置,其特征在于,包括:
获取单元,用于获取目标物在当前场景中的全局三维图像和在局部场景中的局部三维图像,其中,所述局部场景为所述当前场景中的部分场景;
转换单元,用于将所述全局三维图像转换为全局二维图像,将所述局部三维图像转换为局部二维图像,所述全局二维图像和局部二维图像均由多条直线段构成;
查找单元,用于查找到与所述局部二维图像内的多条直线段匹配度满足预设标准的所述全局二维图像内的所有直线段构成的图形,将所查找到的图形的位置标记为所述局部二维图像在所述全局二维图像内的位置;
位置定位单元,用于根据所查找到的图形对应的三维图像与所述全局三维图像的位置以及所述目标物在所述局部二维图像内的位置确定所述目标物在所述全局三维图像内的位置。
8.根据权利要求7所述的目标定位装置,其特征在于,所述查找单元包括:
判断子单元,用于判断所述局部二维图像内的多条直线段与所述全局二维图像内的多条直线段的匹配度是否满足预设标准;
图像旋转子单元,用于按照预设方向变化规则旋转所述局部二维图像,将旋转后的局部二维图像内的多条直线段与所述全局二维图像内的多条直线段匹配;
匹配子单元,用于查找到与所述旋转后的局部二维图像内的多条直线段匹配度满足预设标准的所述全局二维图像内的所有直线段构成的图形。
9.根据权利要求8所述的目标定位装置,其特征在于,还包括:
方向角确定单元,用于获取所述全局二维图像和局部二维图像内所有直线段的方向角,其中,所述直线段的方向角为所述直线段与预设坐标系内的横坐标的夹角;
归一化单元,用于通过聚类算法对所述全局二维图像内的所有直线段的方向角和局部二维图像内所有直线段的方向角沿预设方向进行归一化处理,以获得经归一化处理后的全局二维图像和局部二维图像。
10.根据权利要求7所述的目标定位装置,其特征在于,位置定位单元具体用于:
通过迭代最近点算法确定所述局部三维图像在所查找到的图形对应的三维图像内的位置,再根据所查找到的图形对应的三维图像在所述全局三维图像内的位置,确定所述局部三维图像在所述全局三维图像内的位置;
根据所述目标物在所述局部二维图像内的位置确定所述目标物在局部三维图像内的位置,以确定所述目标物在所述全局三维图像内的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610160219.7A CN105844631B (zh) | 2016-03-21 | 2016-03-21 | 一种目标定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610160219.7A CN105844631B (zh) | 2016-03-21 | 2016-03-21 | 一种目标定位方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105844631A true CN105844631A (zh) | 2016-08-10 |
CN105844631B CN105844631B (zh) | 2018-11-20 |
Family
ID=56587527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610160219.7A Active CN105844631B (zh) | 2016-03-21 | 2016-03-21 | 一种目标定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105844631B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106767719A (zh) * | 2016-12-28 | 2017-05-31 | 上海禾赛光电科技有限公司 | 无人机角度的计算方法及气体遥测方法 |
CN106774301A (zh) * | 2016-10-25 | 2017-05-31 | 纳恩博(北京)科技有限公司 | 一种避障跟随方法和电子设备 |
CN107765694A (zh) * | 2017-11-06 | 2018-03-06 | 深圳市杉川机器人有限公司 | 一种重定位方法、装置及计算机可读取存储介质 |
CN108007451A (zh) * | 2017-11-10 | 2018-05-08 | 未来机器人(深圳)有限公司 | 货物承载装置位姿的检测方法、装置、计算机设备和存储介质 |
CN108416785A (zh) * | 2018-03-26 | 2018-08-17 | 北京进化者机器人科技有限公司 | 面向封闭空间的拓扑分割方法及装置 |
CN109357676A (zh) * | 2018-10-19 | 2019-02-19 | 北京三快在线科技有限公司 | 一种移动设备的定位方法及装置和移动设备 |
CN109816050A (zh) * | 2019-02-23 | 2019-05-28 | 深圳市商汤科技有限公司 | 物***姿估计方法及装置 |
CN110084853A (zh) * | 2019-04-22 | 2019-08-02 | 北京易达图灵科技有限公司 | 一种视觉定位方法及*** |
CN110264481A (zh) * | 2019-05-07 | 2019-09-20 | 熵智科技(深圳)有限公司 | 一种箱体类点云分割方法与装置 |
CN110349214A (zh) * | 2019-07-01 | 2019-10-18 | 深圳前海达闼云端智能科技有限公司 | 一种物体的定位方法、终端及可读存储介质 |
CN111308481A (zh) * | 2020-02-21 | 2020-06-19 | 深圳市银星智能科技股份有限公司 | 一种激光定位方法、装置及移动机器人 |
CN112052847A (zh) * | 2020-08-17 | 2020-12-08 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104517289A (zh) * | 2014-12-12 | 2015-04-15 | 浙江大学 | 一种基于混合摄像机的室内场景定位方法 |
CN104807460A (zh) * | 2015-05-04 | 2015-07-29 | 深圳大学 | 无人机室内定位方法及*** |
-
2016
- 2016-03-21 CN CN201610160219.7A patent/CN105844631B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104517289A (zh) * | 2014-12-12 | 2015-04-15 | 浙江大学 | 一种基于混合摄像机的室内场景定位方法 |
CN104807460A (zh) * | 2015-05-04 | 2015-07-29 | 深圳大学 | 无人机室内定位方法及*** |
Non-Patent Citations (6)
Title |
---|
JOYDEEP BISWAS ET AL.: "Depth Camera Based Indoor Mobile Robot Localization and Navigation", 《2012 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION》 * |
MIN LU ET AL.: "AUTOMATIC MARKERLESS REGISTRATION OF MOBILE LIDAR POINT-CLOUDS", 《2014 IEEE GEOSCIENCE AND REMOTE SENSING SYMPOSIUM》 * |
YULAN GUO ET AL.: "3D Object Recognition in Cluttered Scenes with Local Surface Features: A Survey", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 * |
王亚龙 等: "基于RGB-D相机的室内环境3D地图创建", 《计算机应用研究》 * |
胡春旭 等: "基于嵌入式***的室内移动机器人定位与导航", 《华中科技大学学报 (自然科学版)》 * |
贾松敏 等: "基于RGB-D相机的移动机器人三维SLAM", 《华中科技大学学报》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106774301A (zh) * | 2016-10-25 | 2017-05-31 | 纳恩博(北京)科技有限公司 | 一种避障跟随方法和电子设备 |
CN106774301B (zh) * | 2016-10-25 | 2020-04-24 | 纳恩博(北京)科技有限公司 | 一种避障跟随方法和电子设备 |
CN106767719A (zh) * | 2016-12-28 | 2017-05-31 | 上海禾赛光电科技有限公司 | 无人机角度的计算方法及气体遥测方法 |
CN106767719B (zh) * | 2016-12-28 | 2019-08-20 | 上海禾赛光电科技有限公司 | 无人机角度的计算方法及气体遥测方法 |
CN107765694A (zh) * | 2017-11-06 | 2018-03-06 | 深圳市杉川机器人有限公司 | 一种重定位方法、装置及计算机可读取存储介质 |
CN108007451A (zh) * | 2017-11-10 | 2018-05-08 | 未来机器人(深圳)有限公司 | 货物承载装置位姿的检测方法、装置、计算机设备和存储介质 |
CN108416785A (zh) * | 2018-03-26 | 2018-08-17 | 北京进化者机器人科技有限公司 | 面向封闭空间的拓扑分割方法及装置 |
CN108416785B (zh) * | 2018-03-26 | 2020-08-11 | 北京进化者机器人科技有限公司 | 面向封闭空间的拓扑分割方法及装置 |
CN109357676A (zh) * | 2018-10-19 | 2019-02-19 | 北京三快在线科技有限公司 | 一种移动设备的定位方法及装置和移动设备 |
CN109816050A (zh) * | 2019-02-23 | 2019-05-28 | 深圳市商汤科技有限公司 | 物***姿估计方法及装置 |
CN110084853A (zh) * | 2019-04-22 | 2019-08-02 | 北京易达图灵科技有限公司 | 一种视觉定位方法及*** |
CN110264481A (zh) * | 2019-05-07 | 2019-09-20 | 熵智科技(深圳)有限公司 | 一种箱体类点云分割方法与装置 |
CN110264481B (zh) * | 2019-05-07 | 2022-05-20 | 熵智科技(深圳)有限公司 | 一种箱体类点云分割方法与装置 |
CN110349214A (zh) * | 2019-07-01 | 2019-10-18 | 深圳前海达闼云端智能科技有限公司 | 一种物体的定位方法、终端及可读存储介质 |
CN110349214B (zh) * | 2019-07-01 | 2022-09-16 | 达闼机器人股份有限公司 | 一种物体的定位方法、终端及可读存储介质 |
CN111308481B (zh) * | 2020-02-21 | 2021-10-15 | 深圳市银星智能科技股份有限公司 | 一种激光定位方法、装置及移动机器人 |
CN111308481A (zh) * | 2020-02-21 | 2020-06-19 | 深圳市银星智能科技股份有限公司 | 一种激光定位方法、装置及移动机器人 |
CN112052847A (zh) * | 2020-08-17 | 2020-12-08 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
WO2022037259A1 (zh) * | 2020-08-17 | 2022-02-24 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
CN112052847B (zh) * | 2020-08-17 | 2024-03-26 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105844631B (zh) | 2018-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105844631A (zh) | 一种目标定位方法及装置 | |
CN108279670B (zh) | 用于调整点云数据采集轨迹的方法、设备以及计算机可读介质 | |
US11586218B2 (en) | Method and apparatus for positioning vehicle, electronic device and storage medium | |
CN113865580B (zh) | 构建地图的方法、装置、电子设备及计算机可读存储介质 | |
Scaramuzza | 1-point-ransac structure from motion for vehicle-mounted cameras by exploiting non-holonomic constraints | |
JP2020500767A (ja) | 車両自動パーキングシステム及び方法 | |
CN110244284B (zh) | 一种用于多线激光雷达和gps\ins标定的标定板及其方法 | |
CN113048980B (zh) | 位姿优化方法、装置、电子设备及存储介质 | |
CN112305559A (zh) | 基于地面定点激光雷达扫描的输电线距离测量方法、装置、***和电子设备 | |
WO2019168886A1 (en) | System and method for spatially mapping smart objects within augmented reality scenes | |
CN111340890B (zh) | 相机外参标定方法、装置、设备和可读存储介质 | |
CN111862215B (zh) | 一种计算机设备定位方法、装置、计算机设备和存储介质 | |
CN112904358B (zh) | 基于几何信息的激光定位方法 | |
US11158081B2 (en) | Augmented reality device and positioning method | |
CN106996769A (zh) | 一种无需相机标定的主动式位姿快速重定位方法 | |
CN102289809A (zh) | 估计摄像机位姿的方法及装置 | |
CN111949816A (zh) | 定位处理方法、装置、电子设备和存储介质 | |
CN115727854A (zh) | 一种基于bim结构信息的vslam定位方法 | |
CN113960614A (zh) | 一种基于帧-地图匹配的高程图构建方法 | |
Lu et al. | A lightweight real-time 3D LiDAR SLAM for autonomous vehicles in large-scale urban environment | |
CN114459483B (zh) | 基于机器人导航用地标导航地图构建与应用方法、*** | |
CN114266876B (zh) | 定位方法、视觉地图的生成方法及其装置 | |
KR102450139B1 (ko) | 3차원 라이다 스캐너를 이용한 동적 환경 대상 전역 위치 인식 장치 및 방법 | |
CN113124816B (zh) | 天线工参生成方法、装置、存储介质和计算机设备 | |
KR101459004B1 (ko) | 평면기반 3d 시설물을 구면기반 3d 시설물로 변경하는 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |