CN107967699A - 视觉定位装置及方法 - Google Patents

视觉定位装置及方法 Download PDF

Info

Publication number
CN107967699A
CN107967699A CN201610957043.8A CN201610957043A CN107967699A CN 107967699 A CN107967699 A CN 107967699A CN 201610957043 A CN201610957043 A CN 201610957043A CN 107967699 A CN107967699 A CN 107967699A
Authority
CN
China
Prior art keywords
feature point
image
label
vertex
vision positioning
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
Application number
CN201610957043.8A
Other languages
English (en)
Other versions
CN107967699B (zh
Inventor
林敬文
翁明昉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute for Information Industry
Original Assignee
Institute for Information Industry
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 Institute for Information Industry filed Critical Institute for Information Industry
Publication of CN107967699A publication Critical patent/CN107967699A/zh
Application granted granted Critical
Publication of CN107967699B publication Critical patent/CN107967699B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G06V10/225—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on a marking or identifier characterising the area
    • 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
    • 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
    • G06T2207/30204—Marker
    • G06T2207/30208—Marker matrix

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

一种视觉定位装置及方法。视觉定位装置感测空间中的视觉编码标签以取得一影像，且执行以下运作：(a)辨识出影像中的辨识标签影像，(b)搜寻辨识标签影像的多个角点位置，(c)根据角点位置决定辨识标签影像的标签结构，而标签结构具有多个顶点，(d)根据辨识标签影像的识别码，选取顶点的一部分作为多个第一特征点，(e)于各第一特征点的一预设搜寻范围个别地搜寻出一第二特征点，(f)以该多个第二特征点更新标签结构的顶点，(g)选取更新后的顶点的一部分作为多个第三特征点，以及(h)以第三特征点计算视觉定位装置于空间的位置。

Description

视觉定位装置及方法
【技术领域】
本发明是关于一种视觉定位装置及方法。具体而言，本发明是关于一种基于视觉编码标签的视觉定位装置及方法。
【背景技术】
随着科技的快速发展，电脑视觉或/及影像处理技术已逐渐地应用于各种电子产品(例如：各种移动装置、扩增实境(Augmented Reality)的穿戴设备)的定位，并因此达到依据使用者所在位置提供各式服务(例如：使用者参观展场时的定位及路径指引)。
已知的视觉定位技术是结合特殊图像标记(例如：视觉编码标签)与影像检测技术。具体而言，已知技术是以一具有相机功能的电子产品感测一视觉编码标签并取得一影像，电子产品辨识该影像中的一标签影像，再利用该标签影像的四个角点位置、该视觉编码标签的实际大小及相机校正信息，以电脑视觉技术计算出电子产品于空间中的位置。然而，电子产品拍摄视觉编码标签所获得的影像可能不够清晰，导致无法准确地辨识出标签影像或/及无法准确地检测出标签影像的四个角点位置。在此情况下，电子产品便无法被准确地定位。
有鉴于此，如何降低特殊图像标记的感测影像的误差，以获取较为准确的定位结果，乃业界亟需努力的目标。
【发明内容】
为解决前述问题，本发明提供了一种视觉定位装置及视觉定位方法。
本发明所提供的视觉定位装置包含一影像传感器及一处理器，且该处理器电性连接至该影像传感器。该影像传感器感测一空间中的一视觉编码标签以取得一影像。该处理器执行以下运作：(a)辨识出该影像中的一辨识标签影像，(b)搜寻该辨识标签影像的多个角点(corner)位置，(c)根据该多个角点位置决定该辨识标签影像的一标签结构，该标签结构具有多个顶点(vertices)，(d)根据该辨识标签影像的一识别码，选取该多个顶点的一部分作为多个第一特征点，(e)于各该第一特征点的一预设搜寻范围个别地搜寻出一第二特征点，(f)以该多个第二特征点更新该标签结构的该多个顶点，(g)选取更新后的该多个顶点的一部分作为多个第三特征点，以及(h)以该多个第三特征点计算该视觉定位装置于该空间的一位置。
本发明所提供的一种视觉定位方法适用于一电子装置。该视觉定位方法包含下列步骤：(a)感测一空间中的一视觉编码标签以取得一影像，(b)搜寻该辨识标签影像的多个角点位置，(c)根据该多个角点位置决定该辨识标签影像的一标签结构，该标签结构具有多个顶点，(d)根据该辨识标签影像的一识别码，选取该多个顶点的一部分作为多个第一特征点，(e)于各该第一特征点的一预设搜寻范围个别地搜寻出一第二特征点，(f)以该多个第二特征点更新该标签结构的该多个顶点，(g)选取更新后的该多个顶点的一部分作为多个第三特征点，以及(h)以该多个第三特征点计算该视觉定位装置于该空间的一位置。
由上述说明可知，本发明所提供的视觉定位技术在搜寻出该辨识标签影像的多个角点位置后，会依据该多个角点位置决定一标签结构，依据该标签结构决定多个第一特征点，于各该第一特征点附近个别地搜寻出一第二特征点，以该多个第二特征点更新该标签结构，再根据更新后的标签结构决定多个第三特征点。借由数次决定特征点能使最后所决定的该多个第三特征点的位置更为接近该辨识标签影像的实际特征点位置，因而能更为精确地定位该视觉定位装置于该空间的位置。
以下结合图式阐述本发明的详细技术及实施方式，俾使本发明所属技术领域中具有通常知识者能理解所请求保护的发明的特征。
【附图说明】
图1A描绘第一实施方式的视觉定位装置1的架构示意图；
图1B描绘视觉编码标签10的示意图；
图1C描绘视觉编码标签10、预设结构所形成的网状结构12以及视觉编码标签10被定义的十六个特征点；
图1D描绘视觉定位装置1所感测到的影像14及影像14中所包含的辨识标签影像16；
图1E是描绘辨识标签影像16的多个角点位置16a、16b、16c、16d及标签结构18a；
图1F是为多个第一特征点的示意图；
图1G是为多个第二特征点的示意图；
图1H是为标签结构18b的示意图；
图1I是为多个第三特征点的示意图；以及
图2是描绘第二实施方式的视觉定位方法的流程图。
【符号说明】
1：视觉定位装置
11：影像传感器
13：处理器
15：储存器
10：视觉编码标签
12：网状结构
14：影像
16：辨识标签影像
16a、16b、16c、16d：角点位置
18a、18b：标签结构
100a、100b、100c、100d：第二特征点
S201～S217：步骤
【具体实施方式】
以下将通过实施方式来解释本发明所提供的视觉定位装置及方法。然而，该多个实施方式并非用以限制本发明需在如该多个实施方式所述的任何环境、应用或方式方能实施。因此，关于实施方式的说明仅为阐释本发明的目的，而非用以限制本发明的范围。应理解，在以下实施方式及图式中，与本发明非直接相关的元件已省略而未绘示。
本发明的第一实施方式为一视觉定位装置1，其架构示意图是描绘于图1A。视觉定位装置1包含一影像传感器11、一处理器13及一储存器15，且处理器13电性连接至影像传感器11及储存器15。影像传感器11可为各种感光耦合元件(Charge-Coupled Device；CCD)、互补式金属氧化物半导体(Complementary Metal-Oxide-Semiconductor；CMOS)感光元件或本发明所属技术领域中具有通常知识者所知悉的其他可取得影像的影像感测装置。处理器13可为各种处理单元、中央处理单元(Central Processing Unit；CPU)、微处理器或本发明所属技术领域中具有通常知识者所知悉的其他计算装置。储存器15可为一存储器、一通用串列总线(Universal Serial Bus；USB)碟、一硬盘、一光盘(Compact Disk；CD)、一随身碟或本发明所属技术领域中具有通常知识者所知且具有相同功能的任何其他储存媒体或电路。需说明者，于本发明的其他实施方式中，储存器15可被设置为外在于视觉定位装置1。
于本实施方式中，视觉定位装置1与多个视觉编码标签(例如：扩增实境标签(augmented real marker)，但不限于此)搭配使用，且各视觉编码标签是基于一预设结构所设计。兹以一具体范例说明，请参图1B所绘示的视觉编码标签10。视觉编码标签10是由7x7个方块所组成，其中最***一圈为浅色方块，而中间的5x5个方块各可为深色或浅色。该预设结构为一个具有多个顶点(vertices)的网状结构。基于此预设结构，各视觉编码标签被定义了多个特征点。于一实施例中，顶点可为中间的5x5个方块其中的深色方块的顶点。一视觉编码标签的各特征点为该视觉编码标签中较具鉴别度的位置(例如：视觉编码标签中亮度值变化较大的位置，其会落于网状结构的某一顶点)。请参图1C，其是描绘视觉编码标签10、用于设计视觉编码标签10的预设结构所形成的网状结构12(亦即，该多个网格)以及视觉编码标签10被定义的十六个特征点(亦即，十六个黑色圆点所标示处)。需说明者，图1C所绘示的视觉编码标签10、网状结构12及十六个特征点仅作为例示之用，而非用以限制本发明的范围。此外，不同视觉编码标签被定义的特征点的数目可不相同。再者，于不同实施方式中，同一视觉编码标签被定义的特征点可不相同。针对各视觉编码标签，储存器15储存一识别码、一视觉编码标签影像及多个特征点位置(亦即，预设结构上的哪些顶点为特征点)。
于本实施方式中，该多个视觉编码标签可被放置于一空间(例如：张贴于一空间的墙壁上)。视觉定位装置1利用影像传感器11感测该空间中的一视觉编码标签以取得一影像14，如图1D所示。处理器13自影像传感器11接收影像14后，辨识出影像14中具有一辨识标签影像16(亦即，图1D中四个箭号所包围的区域)。举例而言，处理器13可比对影像14与储存器15所储存的该多个视觉编码标签影像，借此辨识出影像14中包含辨识标签影像16。处理器13辨识出辨识标签影像16后，即可确认辨识标签影像16所对应的识别码(未绘示)。
之后，处理器13搜寻辨识标签影像16的多个角点(corner)位置16a、16b、16c、16d(亦即，辨识标签影像16的四个角落的位置)，如图1E所示。举例而言，处理器13可计算影像14的亮度梯度(gradient)值，再依据该多个亮度梯度值确认角点位置16a、16b、16c、16d。需说明者，利用何种演算法搜寻出辨识标签影像16的角点并非本发明的重点；换言之，本发明并不限于利用亮度梯度值来搜寻出该多个角点位置。另外，本发明亦未限制处理器13所搜寻出的辨识标签影像的角点的数目；换言之，前述角点位置的数目为四仅为方便举例说明而已。
接着，处理器13根据角点位置16a、16b、16c、16d决定辨识标签影像16的标签结构18a(亦即，图1E中的网格)，而此标签结构18a具有多个顶点。具体而言，由于视觉定位装置1所搭配使用的视觉编码标签皆是基于一预设结构所设计，故处理器13会利用预设结构的信息来决定辨识标签影像16的标签结构18a。兹先假设预设结构是规范各视觉编码标签由7x7个方块所组成。基于此预设结构，处理器13以角点位置16a、16b、16c、16d为四个角点界定出7x7个网格，而该多个7x7个网格所形成的网状结构即为标签结构18a。
之后，处理器13根据辨识标签影像16的识别码，选取标签结构18a的该多个顶点的一部分作为辨识标签影像16的多个第一特征点。具体而言，处理器13可根据辨识标签影像16的识别码，自储存器15撷取该识别码所对应的该多个特征点位置，再以标签结构18a上对应至该多个特征点位置的顶点作为多个第一特征点。于本实施方式中，处理器13是根据该识别码所对应的所有特征点位置以决定标签结构18a上的该多个第一特征点。然而，于其他实施方式中，处理器13可根据该识别码所对应的所有特征点位置中的一部分(例如：以随机抽样一致性演算法(RANdom SAmple Consensus；RANSAC)随机地挑选所有特征点位置中的一部分)来决定标签结构18a上的该多个第一特征点。为便于理解，兹以图1C及图1F为例说明。于此范例中，储存器15储存了预设结构12的十六个特征点的特征点位置，处理器13以标签结构18a上对应至该十六个特征点位置的顶点作为多个第一特征点。图1F所示的十六个浅色圆点即为第一特征点。
由于处理器13是基于标签结构18a及预设的该多个特征点位置决定辨识标签影像16的该多个第一特征点，因此可能有些第一特征点未能准确地位于辨识标签影像16中较具鉴别度的位置。为解决前述问题，处理器13于各该第一特征点的一预设搜寻范围(例如：以第一特征点为圆心且以四分之一网格长度为半径所形成的范围)个别地搜寻出一第二特征点，如图1G所示。举例而言，处理器13可于各该第一特征点的预设搜寻范围内搜寻亮度值变化最大的位置，并以其作为第二特征点。相较于第一特征点，第二特征点更接近辨识标签影像16的实际特征点的位置。
之后，处理器13以该多个第二特征点更新标签结构18a的该多个顶点，亦即，处理器13以该多个第二特征点将标签结构18a更新为图1H所示的标签结构18b。举例而言，处理器13可利用一回归演算法(例如：最小平方法(linear square method))以让该多个第二特征点更新标签结构18a的该多个顶点。本发明所属技术领域中具有通常知识者应能理解如何利用一回归演算法以让该多个第二特征点更新标签结构18a，兹不赘述细节。以图1H为例，处理器13可利用第二特征点中的四个第二特征点100a、100b、100c、100d来计算出新的回归线(亦即，左边第一条纵向虚线)，此为回归线为标签结构18b中的一条网线。类似的，处理器13可利用其他第二特征点计算出其他新的回归线以作为标签结构18b中的其他网线，资不赘言。
接着，处理器13选取更新后的该多个顶点(亦即，标签结构18b所具有的顶点)的一部分作为多个第三特征点。类似的，处理器13可根据辨识标签影像16的识别码，自储存器15撷取该识别码所对应的该多个特征点位置，再以标签结构18b上对应至该多个特征点位置的顶点作为多个第三特征点。于本实施方式中，处理器13是根据该识别码所对应的所有特征点位置以决定标签结构18b上的该多个第三特征点，如第1I图所示。然而，于其他实施方式中，处理器13可根据该识别码所对应的所有特征点位置中的一部分来决定标签结构18b上的该多个第三特征点。
接着，处理器13以该多个第三特征点计算视觉定位装置1于该空间的一位置。举例而言，处理器13可利用有效N点透视参数估测演算法(Efficient Perspective-n-PointCamera Pose Estimation；EPnP)，达到以该多个第三特征点计算视觉定位装置1于该空间的一位置。
需说明者，于某些实施方式中，为了更为精准地计算视觉定位装置1于该空间的位置，处理器13可重复前述更新标签结构及决定特征点的运作。具体而言，处理器13可计算该多个第二特征点及该多个第三特征点间的一位置变化量(亦即，计算各该第二特征点与相对应的该第三特征点间的一差值，再加总该多个差值作为该位置变化量)，再以该多个第三特征点作为前述的第一特征点。接着，处理器13再次地于第一特征点的一预设搜寻范围个别地搜寻出一第二特征点，以该多个第二特征点更新标签结构的该多个顶点，选取更新后的该多个顶点中的一部分作为多个第三特征点，且再次地计算该多个第二特征点及该多个第三特征点间的一位置变化量。处理器13会重复地执行前述运作，直到该位置变化量小于一预设值。待该位置变化量小于该预设值后，处理器13才依据最后一次得到的该多个第三特征点计算视觉定位装置1于该空间的位置。通过此种方式，处理器13能借由多次运算而找出较接近辨识标签影像16的实际特征点的位置，进而准确地计算出视觉定位装置1于该空间的位置。
另需说明者，于某些实施方式中，处理器13则可以一预定次数重复地于第一特征点的一预设搜寻范围个别地搜寻出一第二特征点，以该多个第二特征点更新标签结构的该多个顶点，选取更新后的该多个顶点中的一部分作为多个第三特征点。需注意者，处理器13在每次要进行下一轮的运作前，会以该多个第三特征点作为前述第一特征点。通过此种方式，处理器13不仅能借由多次运算而找出较接近辨识标签影像16的实际特征点的位置，亦能降低当特征点的误差过大时，重复地执行前述运作对处理器13所造成的负担及所需的执行时间。
由上述说明可知，视觉定位装置1在搜寻出辨识标签影像16的角点位置16a、16b、16c、16d后，会依据该多个角点位置16a、16b、16c、16d决定标签结构18a，依据标签结构18a决定多个第一特征点，于各该第一特征点附近个别地搜寻出一第二特征点，以该多个第二特征点将标签结构18a更新为标签结构18b，再根据更新后的标签结构18b决定多个第三特征点。借由数次决定特征点能使最后所决定的该多个第三特征点的位置更为接近该辨识标签影像的实际特征点位置，因而能更为精确地定位视觉定位装置1于该空间的位置。
本发明的第二实施方式为一种视觉定位方法，其流程图是描绘于图2。该视觉定位方法适用于一电子装置，例如第一实施方式所述的视觉定位装置1。
首先，该电子装置执行步骤S201以感测一空间中的一视觉编码标签以取得一影像。接着，执行步骤S203，由该电子装置辨识出该影像中的一辨识标签影像。之后，执行步骤S205，由该电子装置搜寻该辨识标签影像的多个角点位置。接着，执行步骤S207，由该电子装置根据该多个角点位置决定该辨识标签影像的一标签结构，其中该标签结构具有多个顶点。之后，执行步骤S209，由该电子装置根据该辨识标签影像的一识别码，选取该多个顶点的一部分作为多个第一特征点。
接着，执行步骤S211，由该电子装置于各该第一特征点的一预设搜寻范围个别地搜寻出一第二特征点。之后，于步骤S213，由该电子装置以该多个第二特征点更新该标签结构的该多个顶点。需说明者，于某些实施方式中，步骤S213可利用一回归演算法，以该多个第二特征点更新该标签结构的该多个顶点。接着，执行步骤S215，由该电子装置选取更新后的该多个顶点的一部分作为多个第三特征点。之后，执行步骤S217，由该电子装置以该多个第三特征点计算该电子装置于该空间的一位置。
需说明者，于某些实施方式中，该视觉定位方法可再由该电子装置执行一步骤(未绘示)以计算该多个第二特征点及该多个第三特征点间的一位置变化量。若该位置变化量大于一预设值，该视觉定位方法以该多个第三特征点作为该多个第一特征点，重复地执行步骤S211、步骤S213、步骤S215以及计算该多个第二特征点及该多个第三特征点间的一位置变化量。该视觉定位方法会重复地执行前述步骤，直到该位置变化量小于该预设值。另需说明者，于某些实施方式中，该视觉定位方法则是以该多个第三特征点作为该多个第一特征点，重复地执行步骤S211、步骤S213及步骤S215，直到达到一预定次数为止。
除了上述步骤，第二实施方式亦能执行第一实施方式所描述的视觉定位装置1的所有运作及步骤，具有同样的功能，且达到同样的技术效果。本发明所属技术领域中具有通常知识者可直接了解第二实施方式如何基于上述第一实施方式以执行此等运作及步骤，具有同样的功能，并达到同样的技术效果，故不赘述。
第二实施方式所阐述的视觉定位方法可由具有多个指令的一电脑程序产品实现。各电脑程序产品可为能被于网络上传输的档案，亦可被储存于一非暂态电脑可读取储存媒体中。针对各电脑程序产品，在其所包含的该多个指令被载入至一电子装置(例如：视觉定位装置1)之后，该电脑程序产品执行第二实施方式所述的视觉定位方法。该非暂态电脑可读取储存媒体可为一电子产品，例如：一只读存储器(read only memory；ROM)、一快闪存储器、一软碟、一硬盘、一光盘(compact disk；CD)、一随身碟、一磁带、一可由网络存取的数据库或本发明所属技术领域中具有通常知识者所知且具有相同功能的任何其他储存媒体。
需说明者，于本发明专利说明书及申请专利范围中，第一特征点、第二特征点及第三特征点中的「第一」、「第二」及「第三」仅用来表示该多个特征点为不同阶段的特征点而已。
由上述说明可知，本发明所提供的视觉定位技术在搜寻出该辨识标签影像的多个角点位置后，会依据该多个角点位置决定一标签结构，依据该标签结构决定多个第一特征点，于各该第一特征点附近个别地搜寻出一第二特征点，以该多个第二特征点更新该标签结构，再根据更新后的标签结构决定多个第三特征点。借由数次决定特征点能使最后所决定的该多个第三特征点的位置更为接近该辨识标签影像的实际特征点位置，因而能更为精确地定位该视觉定位装置于该空间的位置。
上述实施方式仅用来例举本发明的部分实施态样，以及阐释本发明的技术特征，而非用来限制本发明的保护范畴及范围。任何本发明所属技术领域中具有通常知识者可轻易完成的改变或均等性的安排均属于本发明所主张的范围，而本发明的权利保护范围以申请专利范围为准。

Claims (8)

1.一种视觉定位装置，其特征在于，包含：
一影像传感器，感测一空间中的一视觉编码标签以取得一影像；以及
一处理器，电性连接至该影像传感器，且执行以下运作：(a)辨识出该影像中的一辨识标签影像，(b)搜寻该辨识标签影像的多个角点(corner)位置，(c)根据该多个角点位置决定该辨识标签影像的一标签结构，该标签结构具有多个顶点(vertices)，(d)根据该辨识标签影像的一识别码，选取该多个顶点的一部分作为多个第一特征点，(e)于各该第一特征点的一预设搜寻范围个别地搜寻出一第二特征点，(f)以该多个第二特征点更新该标签结构的该多个顶点，(g)选取更新后的该多个顶点的一部分作为多个第三特征点，以及(h)以该多个第三特征点计算该视觉定位装置于该空间的一位置。
2.如权利要求1所述的视觉定位装置，其特征在于，该处理器是利用一回归演算法，以该多个第二特征点更新该标签结构的该多个顶点。
3.如权利要求1所述的视觉定位装置，其特征在于，该处理器更执行以下运作：(i)计算该多个第二特征点及该多个第三特征点间的一位置变化量，其中该处理器更以该多个第三特征点作为该多个第一特征点以重复地执行运作(e)、运作(f)、运作(g)及运作(i)，直到该位置变化量小于一预设值。
4.如权利要求1所述的视觉定位装置，其特征在于，该处理器更以一预定次数重复地执行运作(e)、运作(f)及运作(g)。
5.一种视觉定位方法，适用于一电子装置，其特征在于，该视觉定位方法包含下列步骤：
(a)感测一空间中的一视觉编码标签以取得一影像；
(b)辨识出该影像中的一辨识标签影像；
(c)搜寻该辨识标签影像的多个角点(corner)位置；
(d)根据该多个角点位置决定该辨识标签影像的一标签结构，该标签结构具有多个顶点(vertices)；
(e)根据该辨识标签影像的一识别码，选取该多个顶点的一部分作为多个第一特征点；
(f)于各该第一特征点的一预设搜寻范围个别地搜寻出一第二特征点；
(g)以该多个第二特征点更新该标签结构的该多个顶点；
(h)选取更新后的该多个顶点的一部分作为多个第三特征点；以及
(i)以该多个第三特征点计算该电子装置于该空间的一位置。
6.如权利要求5所述的视觉定位方法，其特征在于，该步骤(g)是利用一回归演算法，以该多个第二特征点更新该标签结构的该多个顶点。
7.如权利要求5所述的视觉定位方法，其特征在于，更包含下列步骤：
(j)计算该多个第二特征点及该多个第三特征点间的一位置变化量；
其中，该视觉定位方法更以该多个第三特征点作为该多个第一特征点，且重复地执行步骤(f)、步骤(g)、步骤(h)及步骤(j)，直到该位置变化量小于一预设值。
8.如权利要求5所述的视觉定位方法，其特征在于，更包含下列步骤：
以该多个第三特征点作为该多个第一特征点，且以一预定次数重复执行步骤(f)、步骤(g)及步骤(h)。
CN201610957043.8A 2016-10-19 2016-11-03 视觉定位装置及方法 Active CN107967699B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW105133702 2016-10-19
TW105133702A TWI619093B (zh) 2016-10-19 2016-10-19 視覺定位裝置、方法及其電腦程式產品

Publications (2)

Publication Number Publication Date
CN107967699A true CN107967699A (zh) 2018-04-27
CN107967699B CN107967699B (zh) 2021-05-04

Family

ID=61903984

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610957043.8A Active CN107967699B (zh) 2016-10-19 2016-11-03 视觉定位装置及方法

Country Status (3)

Country Link
US (1) US10043077B2 (zh)
CN (1) CN107967699B (zh)
TW (1) TWI619093B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112784657A (zh) * 2019-11-08 2021-05-11 纬创资通股份有限公司 电子装置与生物辨识的特征获得方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006004197A1 (de) * 2006-01-26 2007-08-09 Klett, Rolf, Dr.Dr. Verfahren und Vorrichtung zur Aufzeichnung von Körperbewegungen
CN108710413B (zh) * 2018-05-22 2019-12-27 温岭市志创网络科技有限公司 一种计算机教学专用的便于拆卸的计算机结构
TWI709062B (zh) * 2019-09-20 2020-11-01 財團法人資訊工業策進會 虛實疊合方法與系統

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4729127A (en) * 1981-10-20 1988-03-01 The United States Of America As Represented By The Secretary Of The Army Method and system for compression and reconstruction of cultural data for use in a digital moving map display
US20020084330A1 (en) * 2000-08-22 2002-07-04 Ming-Yee Chiu Method and apparatus for reading a bar code
US20070098234A1 (en) * 2005-10-31 2007-05-03 Mark Fiala Marker and method for detecting said marker
US20070228171A1 (en) * 2006-03-28 2007-10-04 Mohanaraj Thiyagarajah Method and apparatus for locating and decoding a two-dimensional machine-readable symbol
WO2009038876A1 (en) * 2007-09-20 2009-03-26 Microsoft Corporation Techniques for decoding images of barcodes
US20110084142A1 (en) * 2009-10-09 2011-04-14 Ting-Yuan Cheng Processing method of barcode and apparatus thereof
CN102087743A (zh) * 2009-12-02 2011-06-08 方码科技有限公司 条形码扩充实境***与方法
US20110157179A1 (en) * 2009-12-29 2011-06-30 National Taiwan University Of Science And Technology Method and system for providing augmented reality based on marker tracking, and computer program product thereof
CN102473311A (zh) * 2009-07-23 2012-05-23 日本电气株式会社 标识生成装置、标识生成检测***、标识生成检测装置、标识、标识生成方法及其程序
CN103096102A (zh) * 2011-11-01 2013-05-08 财团法人资讯工业策进会 影像形变方法
TW201322160A (zh) * 2011-11-22 2013-06-01 Chunghwa Telecom Co Ltd 利用擴增實境技術收集優惠資訊之系統及方法
CN103150737A (zh) * 2013-01-18 2013-06-12 西北工业大学 一种适用于空间绳系机器人的实时空间目标特征点跟踪方法
CN103390282A (zh) * 2013-07-30 2013-11-13 百度在线网络技术（北京）有限公司 图像标注方法及其装置
CN103413128A (zh) * 2012-06-29 2013-11-27 信实数码股份有限公司 图样取像范围设定结构
CN104050475A (zh) * 2014-06-19 2014-09-17 樊晓东 基于图像特征匹配的增强现实的***和方法
EP2984623A1 (en) * 2013-04-12 2016-02-17 Aselsan Elektronik Sanayi ve Ticaret Anonim Sirketi A system and method for optimizing fiducial marker and camera positions/orientations
CN105556329A (zh) * 2013-09-27 2016-05-04 高通股份有限公司 混合照片导航及地图绘制
KR101635599B1 (ko) * 2015-03-10 2016-07-04 인천대학교 산학협력단 Lbs 기반 오브젝트의 로케이션 업데이트 서비스 제공 방법 및 장치

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
NZ539632A (en) * 2002-10-22 2008-01-31 Artoolworks Tracking a surface in a 3-dimensional scene using natural visual features of the surface
JP4537104B2 (ja) * 2004-03-31 2010-09-01 キヤノン株式会社 マーカ検出方法、マーカ検出装置、位置姿勢推定方法、及び複合現実空間提示方法
KR100914515B1 (ko) * 2006-06-23 2009-09-02 주식회사 칼라짚미디어 색상 기반 이미지 코드의 색상 판별 방법
JP5464955B2 (ja) * 2009-09-29 2014-04-09 株式会社ソニー・コンピュータエンタテインメント パノラマ画像表示装置
US8517253B2 (en) * 2010-10-14 2013-08-27 Georgia Tech Research Corporation Systems and methods for using machine-readable visual markers to provide environmental context for communications
US9286898B2 (en) * 2012-11-14 2016-03-15 Qualcomm Incorporated Methods and apparatuses for providing tangible control of sound

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4729127A (en) * 1981-10-20 1988-03-01 The United States Of America As Represented By The Secretary Of The Army Method and system for compression and reconstruction of cultural data for use in a digital moving map display
US20020084330A1 (en) * 2000-08-22 2002-07-04 Ming-Yee Chiu Method and apparatus for reading a bar code
US20070098234A1 (en) * 2005-10-31 2007-05-03 Mark Fiala Marker and method for detecting said marker
US20070228171A1 (en) * 2006-03-28 2007-10-04 Mohanaraj Thiyagarajah Method and apparatus for locating and decoding a two-dimensional machine-readable symbol
WO2009038876A1 (en) * 2007-09-20 2009-03-26 Microsoft Corporation Techniques for decoding images of barcodes
CN102473311A (zh) * 2009-07-23 2012-05-23 日本电气株式会社 标识生成装置、标识生成检测***、标识生成检测装置、标识、标识生成方法及其程序
US20110084142A1 (en) * 2009-10-09 2011-04-14 Ting-Yuan Cheng Processing method of barcode and apparatus thereof
CN102087743A (zh) * 2009-12-02 2011-06-08 方码科技有限公司 条形码扩充实境***与方法
US20110157179A1 (en) * 2009-12-29 2011-06-30 National Taiwan University Of Science And Technology Method and system for providing augmented reality based on marker tracking, and computer program product thereof
CN103096102A (zh) * 2011-11-01 2013-05-08 财团法人资讯工业策进会 影像形变方法
TW201322160A (zh) * 2011-11-22 2013-06-01 Chunghwa Telecom Co Ltd 利用擴增實境技術收集優惠資訊之系統及方法
CN103413128A (zh) * 2012-06-29 2013-11-27 信实数码股份有限公司 图样取像范围设定结构
CN103150737A (zh) * 2013-01-18 2013-06-12 西北工业大学 一种适用于空间绳系机器人的实时空间目标特征点跟踪方法
EP2984623A1 (en) * 2013-04-12 2016-02-17 Aselsan Elektronik Sanayi ve Ticaret Anonim Sirketi A system and method for optimizing fiducial marker and camera positions/orientations
CN103390282A (zh) * 2013-07-30 2013-11-13 百度在线网络技术（北京）有限公司 图像标注方法及其装置
CN105556329A (zh) * 2013-09-27 2016-05-04 高通股份有限公司 混合照片导航及地图绘制
CN104050475A (zh) * 2014-06-19 2014-09-17 樊晓东 基于图像特征匹配的增强现实的***和方法
KR101635599B1 (ko) * 2015-03-10 2016-07-04 인천대학교 산학협력단 Lbs 기반 오브젝트의 로케이션 업데이트 서비스 제공 방법 및 장치

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ANYMAKE: "计算机视觉之（一）利用Harris检测子进行角点特征检测（含matlab源码）", 《HTTPS://BLOG.CSDN.NET/ANYMAKE_REN/ARTICLE/DETAILS/21298807》 *
LI YAN等: "Study on positioning method of workpiece without fixture based on binocular vision", 《2016 IEEE INTERNATIONAL CONFERENCE ON INDUSTRIAL TECHNOLOGY (ICIT)》 *
厉广伟等: "机器人视觉导航路径节点的编码与识别", 《济南大学学报（自然科学版）》 *
李玉欣等: "伪随机编码图像的特征点自动检测方法", 《计算机工程与应用》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112784657A (zh) * 2019-11-08 2021-05-11 纬创资通股份有限公司 电子装置与生物辨识的特征获得方法
CN112784657B (zh) * 2019-11-08 2023-12-08 纬创资通股份有限公司 电子装置与生物辨识的特征获得方法

Also Published As

Publication number Publication date
CN107967699B (zh) 2021-05-04
TW201816721A (zh) 2018-05-01
US20180107875A1 (en) 2018-04-19
US10043077B2 (en) 2018-08-07
TWI619093B (zh) 2018-03-21

Similar Documents

Publication Publication Date Title
CN107967699A (zh) 视觉定位装置及方法
WO2019205853A1 (zh) 相机姿态追踪过程的重定位方法、装置、设备及存储介质
CN107633526B (zh) 一种图像跟踪点获取方法及设备、存储介质
CN109829850B (zh) 图像处理方法、装置、设备及计算机可读介质
CN102782708A (zh) 用于图像辨识的描述符小块的快速子空间投影
US10217221B2 (en) Place recognition algorithm
US20170054975A1 (en) Collaborative sighting
CN110631588B (zh) 一种基于rbf网络的无人机视觉导航定位方法
CN102859535A (zh) 从预先计算的尺度空间产生Daisy描述符
CN111768498A (zh) 基于稠密语义三维地图与混合特征的视觉定位方法、***
CN109711241A (zh) 物体检测方法、装置与电子设备
WO2016097690A1 (en) Localising portable apparatus
Zhang et al. A new modified panoramic UAV image stitching model based on the GA-SIFT and adaptive threshold method
CN113393378B (zh) 光伏组件的图像拼接方法、装置、电子装置和存储介质
Wang et al. iNavigation: an image based indoor navigation system
Werner et al. Topological slam using fast vision techniques
US11741151B1 (en) Indexing key frames for localization
CN112969027B (zh) 电动镜头的聚焦方法和装置、存储介质及电子设备
CN112926487B (zh) 一种行人重识别的方法和装置
CN112614166A (zh) 基于cnn-knn的点云匹配方法和装置
CN113065521A (zh) 物体识别方法、装置、设备及介质
Zhao et al. Place recognition with deep superpixel features for brain-inspired navigation
CN109191589A (zh) 一种基于surf算子的闭环检测优化方法
Amorós et al. Topological Map Building and Path Estimation Using Global-appearance Image Descriptors.
Porzi et al. An automatic image-to-DEM alignment approach for annotating mountains pictures on a smartphone

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