CN111462029A - 视觉点云与高精地图融合方法、装置和电子设备 - Google Patents
视觉点云与高精地图融合方法、装置和电子设备 Download PDFInfo
- Publication number
- CN111462029A CN111462029A CN202010228591.3A CN202010228591A CN111462029A CN 111462029 A CN111462029 A CN 111462029A CN 202010228591 A CN202010228591 A CN 202010228591A CN 111462029 A CN111462029 A CN 111462029A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- visual point
- precision map
- transformation matrix
- similarity transformation
- 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
- 230000000007 visual effect Effects 0.000 title claims abstract description 267
- 238000007500 overflow downdraw method Methods 0.000 title description 12
- 239000011159 matrix material Substances 0.000 claims abstract description 99
- 230000009466 transformation Effects 0.000 claims abstract description 89
- 230000004927 fusion Effects 0.000 claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000013507 mapping Methods 0.000 claims abstract description 29
- 230000015654 memory Effects 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 10
- 238000004422 calculation algorithm Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 7
- 238000012937 correction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Remote Sensing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请公开了一种视觉点云与高精地图融合方法、装置和电子设备，涉及高精地图技术领域。其中方法包括：根据图像序列的每个图像的GPS轨迹和相机位姿，计算第一相似变换矩阵；根据所述第一相似变换矩阵，将第一视觉点云映射至高精地图坐标系中，以得到第二视觉点云，所述第一视觉点云为对所述图像序列进行三维重建得到的视觉点云；确定所述高精地图与所述第二视觉点云的要素匹配对；根据所述要素匹配对的坐标，确定所述第二视觉点云在所述高精地图中的坐标，并将所述第二视觉点云与所述高精地图进行融合。本申请能够提高视觉点云与高精地图融合的精确度，提高了视觉点云与高精地图融合效果。
Description
技术领域
本申请涉及图像处理技术，尤其涉及高精地图技术领域，具体涉及一种视觉点云与高精地图融合方法、装置和电子设备。
背景技术
目前，图像的三维重建技术可用于高精地图应用中，例如，通过图像采集装置采集图像序列，图像序列经过三维建模后生成视觉点云，视觉点云可与高精地图进行融合，以更新高精地图。在很多应用场景中，采集图像序列的相机可能是无标定内参的相机或单目相机，图像序列的GPS参考坐标可能不够准确，这些因素都会给视觉点云与高精地图的融合带来困难，导致融合效果较差。
发明内容
本申请提供一种视觉点云与高精地图融合方法、装置和电子设备，以解决视觉点云与高精地图融合中存在的技术问题。
为了解决上述技术问题，本申请是这样实现的：
第一方面，本申请提供了一种视觉点云与高精地图融合方法，所述方法包括：
根据图像序列的每个图像的GPS轨迹和相机位姿，计算第一相似变换矩阵；
根据所述第一相似变换矩阵，将第一视觉点云映射至高精地图坐标系中，以得到第二视觉点云，所述第一视觉点云为对所述图像序列进行三维重建得到的视觉点云；
确定所述高精地图与所述第二视觉点云的要素匹配对；
根据所述要素匹配对的坐标，确定所述第二视觉点云在所述高精地图中的坐标，并将所述第二视觉点云与所述高精地图进行融合。
因为采用上述技术手段，可根据该相似变换矩阵初步确定视觉点云在高精地图中的坐标，再根据要素匹配对的坐标，进一步精确地确定视觉点云在高精地图中的坐标，从而实现视觉点云与高精地图的融合。能够提高视觉点云与高精地图融合的精确度，提高了视觉点云与高精地图融合效果。
可选的，所述根据所述第一相似变换矩阵，将第一视觉点云映射至高精地图坐标系中，以得到第二视觉点云，包括：
根据所述第一相似变换矩阵，将第一视觉点云映射至高精地图坐标系，并对映射后的视觉点云的地面角度和地面高度进行校正，以得到第二视觉点云。
该实施方式中，通过对视觉点云的地面角度进行校正，可确保视觉点云在高精地图中的俯瞰效果基本满足要求，为后续视觉点云与高精地图的融合提供更好的基础；通过对视觉点云的地面高度进行校正，可确保视觉点云映射至高精地图的地面高度基本满足要求，能有效避免映射至高精地图的视觉点云出现上下颠倒的情况，为后续视觉点云与高精地图的融合提供更好的基础。
可选的，所述确定所述高精地图与所述第二视觉点云的要素匹配对，包括：
根据第一要素在所述第二视觉点云中的三维坐标，从所述高精地图中选择第二要素，所述第一要素为所述第二视觉点云中的要素，所述第二要素为与所述第一要素相似的要素；
从所述第二要素中确定所述第一要素的匹配要素；
根据最大投票原则，得到所述高精地图与所述第二视觉点云的要素匹配对。
该实施方式中，通过上述过程，能够较精确且较快速地确定高精地图与第二视觉点云的要素匹配对，为后续视觉点云与高精地图的融合提供更好的基础。
可选的，所述根据所述要素匹配对的坐标，确定所述第二视觉点云在所述高精地图中的坐标，并将所述第二视觉点云与所述高精地图进行融合，包括：
根据所述要素匹配对的坐标，计算第二相似变换矩阵；
根据所述第二相似变换矩阵，将所述第二视觉点云映射至所述高精地图坐标系中，并将映射后的视觉点云与所述高精地图进行融合。
该实施方式中，根据要素匹配对的坐标计算得到的第二相似变换矩阵，能够消除第二视觉点云与高精地图之间存在的绝对误差。这样，映射后的视觉点云在高精地图中的坐标可视为精度较高的坐标，能够达到融合条件，因此，可将映射后的视觉点云与所述高精地图进行融合。
可选的，所述第一相似变换矩阵包含第一变换矩阵和第一尺度变换系数；
所述第二相似变换矩阵包含第二变换矩阵和第二尺度变换系数。
该实施方式中，通过相似变换矩阵中包含的尺度变换系数，能够解决单目相机所导致的视觉点云缺少尺度信息的问题，这样，在将视觉点云在映射至高精地图时，可以为视觉点云的尺度变换提供依据。
可选的，所述图像序列为通过众包方式采集的图像序列。
该实施方式中，通过众包方式采集图像序列，能够降低图像序列的获取难度和成本，从而进一步降低视觉点云与高精地图融合的难度和成本。
第二方面，本申请提供了一种视觉点云与高精地图融合装置，包括：
计算模块，用于根据图像序列的每个图像的GPS轨迹和相机位姿，计算第一相似变换矩阵；
映射模块，用于根据所述第一相似变换矩阵，将第一视觉点云映射至高精地图坐标系中，以得到第二视觉点云，所述第一视觉点云为对所述图像序列进行三维重建得到的视觉点云；
确定模块，用于确定所述高精地图与所述第二视觉点云的要素匹配对；
融合模块，用于根据所述要素匹配对的坐标，确定所述第二视觉点云在所述高精地图中的坐标，并将所述第二视觉点云与所述高精地图进行融合。
可选的，所述映射模块具体用于：
根据所述第一相似变换矩阵，将第一视觉点云映射至高精地图坐标系，并对映射后的视觉点云的地面角度和地面高度进行校正，以得到第二视觉点云。
可选的，所述确定模块包括：
选择子模块，用于根据第一要素在所述第二视觉点云中的三维坐标，从所述高精地图中选择第二要素，所述第一要素为所述第二视觉点云中的要素，所述第二要素为与所述第一要素相似的要素；
确定子模块，用于从所述第二要素中确定所述第一要素的匹配要素；
获取子模块，用于根据最大投票原则，得到所述高精地图与所述第二视觉点云的要素匹配对。
可选的，所述融合模块包括：
计算子模块，用于根据所述要素匹配对的坐标，计算第二相似变换矩阵；
融合子模块，用于根据所述第二相似变换矩阵，将所述第二视觉点云映射至所述高精地图坐标系中，并将映射后的视觉点云与所述高精地图进行融合。
可选的，所述第一相似变换矩阵包含第一变换矩阵和第一尺度变换系数；
所述第二相似变换矩阵包含第二变换矩阵和第二尺度变换系数。
可选的，所述图像序列为通过众包方式采集的图像序列。
第三方面，本申请提供了一种电子设备，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第一方面中的任一项方法。
第四方面，本申请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，其特征在于，所述计算机指令用于使所述计算机执行第一方面中的任一项方法。
本申请中的一个实施例具有如下优点或有益效果：
本申请中，根据图像序列各图像的GPS轨迹和相机位姿，得到视觉点云与高精地图之间的相似变换矩阵，并确定高精地图与视觉点云的要素匹配对，这样，可根据该相似变换矩阵初步确定视觉点云在高精地图中的坐标，再根据要素匹配对的坐标，进一步精确地确定视觉点云在高精地图中的坐标，从而实现视觉点云与高精地图的融合。因为采用上述技术手段，能够提高视觉点云与高精地图融合的精确度，提高了视觉点云与高精地图融合效果。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是本申请实施例提供的视觉点云与高精地图融合方法的流程示意图；
图2是本申请实施例提供的视觉点云与高精地图融合算法的整体技术框架示例图；
图3是本申请实施例提供的视觉点云与高精地图融合装置的结构示意图；
图4是用来实现本申请实施例的视觉点云与高精地图融合方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请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，而不会背离本申请的范围和精神。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。
本申请提供一种视觉点云与高精地图融合方法，该方法用于将视觉点云与高精地图进行融合。
如图1所示，该视觉点云与高精地图融合方法包括如下步骤：
步骤101：根据图像序列的每个图像的GPS轨迹和相机位姿，计算第一相似变换矩阵。
在该步骤之前，可以预先获取通过相机采集的图像序列，该图像序列包括若干图像，还可以预先获取图像序列的每个图像的GPS(Global Positioning System，全球定位***)轨迹，以及图像序列的每个图像的相机位姿。
其中，在采集图像时，即可得到每个图像对应的GPS轨迹，图像的GPS轨迹可通过传感器获取。图像的相机位姿可通过对图像序列进行三维重建而得到，对图像序列进行三维重建，还可以得到图像序列对应的视觉点云，即步骤102中的第一视觉点云。对图像序列进行三维重建得到的第一视觉点云和图像的相机位姿可统称为稀疏模型。
由于GPS轨迹数据具有相对误差较小、稳定性较好的特点，目前高精地图通常基于图像的GPS轨迹而生成。因此，根据图像的GPS轨迹和相机位姿，计算第一相似变换矩阵，可以理解为，根据图像的GPS轨迹和相机位姿，计算高精地图与视觉点云之间的相似变换矩阵。也就是说，第一相似变换矩阵可视为高精地图与视觉点云之间的相似变换矩阵，更进一步地说，第一相似变换矩阵可视为高精地图与视觉点云之间的初始的(或粗略的)相似变换矩阵。
本申请中的高精地图可以通过图像序列的GPS轨迹查询得到。
本申请中，可使用基于Sim3变换的GPS校准算法求解出第一相似变换矩阵。
其中，Sim3变换的基本原则为：根据最小二乘法，寻找使得匹配对误差最小的Sim3相似变换矩阵，计算过程可涉及根据点对构建矩阵、对矩阵进行SVD(Singular ValueDecomposition，奇异值分解)等步骤。
GPS校准算法也可称为GPS_Aligner算法，是一种RANSAC(Random SampleConsensus，随机抽样一致)算法，基本过程如下：首先随机挑选出m个GPS轨迹-相机位姿匹配对；通过m个GPS轨迹-相机位姿匹配对，求解相似变换矩阵；对剩余的其他匹配对，验证求解出的相似变换矩阵的准确性，如果误差小于一定阈值，则称为内点；依此循环，直到内点数量超过总数的一定数量，则可认为求解出的相似变换矩阵是准确的；将求解出的相似变换矩阵输出。
可选的，所述第一相似变换矩阵包含第一变换矩阵和第一尺度变换系数。
考虑到采集图像序列的相机很可能是单目相机，因此，对图像序列进行三维重建得到的第一视觉点云可能缺少尺度信息。在该情况下，第一相似变换矩阵可包含第一变换矩阵和第一尺度变换系数。这里，第一尺度变换系数可理解为高精地图与视觉点云之间的尺度变换关系，更进一步地说，第一尺度变换系数可理解为高精地图与视觉点云之间的初始的(或粗略的)尺度变换关系。
可见，该实施方式中，通过相似变换矩阵中包含的尺度变换系数，能够解决单目相机所导致的视觉点云缺少尺度信息的问题，这样，在将视觉点云在映射至高精地图时，可以为视觉点云的尺度变换提供依据。
步骤102：根据所述第一相似变换矩阵，将第一视觉点云映射至高精地图坐标系中，以得到第二视觉点云。
其中，上述第一视觉点云为对所述图像序列进行三维重建得到的视觉点云，上述第二视觉点云为根据第一相似变换矩阵，对第一视觉点云进行相似变换而得到的视觉点云。
该步骤中，根据第一相似变换矩阵，可对第一视觉点云进行相似变换，得到映射至高精地图坐标系中的第二视觉点云，实现了将第一视觉点云到高精地图的初步变换。
步骤103：确定所述高精地图与所述第二视觉点云的要素匹配对。
虽然GPS轨迹数据的相对误差较小，但GPS轨迹数据可能存在不可忽略的绝对误差，从而，通过第一相似变换矩阵变换得到的第一视觉点云在高精地图坐标系中的第二视觉点云也可能存在绝对误差，也就是说，第二视觉点云与高精地图之间存在绝对误差。在该情况下，还无法直接将第二视觉点云与高精地图进行融合，若将第二视觉点云直接与高精地图融合，则将导致融合效果较差。
这里，GPS轨迹数据的相对误差，可以理解为GPS轨迹所体现的要素与要素之间的相对坐标(或相对位置)的误差；GPS轨迹数据的绝对误差，可以理解为GPS轨迹所体现的要素的坐标(或位置)与要素在物理世界中的真实坐标之间的误差。
为了消除第二视觉点云与高精地图之间存在的绝对误差，本申请提供了基于要素匹配对进一步精确地确定第二视觉点云在高精地图中的坐标的相关技术方案。
该步骤中，确定高精地图与第二视觉点云的要素匹配对，可以理解为，确定高精地图中的某些要素与第二视觉点云中的某些要素之间的一一匹配关系，每个要素匹配对包括两个要素，其中一个要素位于高精地图中，另一个要素位于第二视觉点云中。例如，从第二视觉点云中提取要素a、要素b和要素c，假设高精地图中的要素d、要素e和要素f是与要素a、要素b和要素c匹配的要素，那么需要确定要素之间的一一匹配关系。假设要素a与要素d匹配，要素b与要素f匹配，要素c与要素e匹配，那么要素a和要素d为要素匹配对，要素b和要素f为要素匹配对，要素c和要素e为要素匹配对。这里，本申请中的要素可以包括标识牌、车道线、建筑物或杆等要素，本申请中的要素可以称为语义要素。
本申请中，通过确定要素匹配对，可以由要素匹配对的两个要素之间的坐标关系反映第二视觉点云与高精地图之间存在的绝对误差。
步骤104：根据所述要素匹配对的坐标，确定所述第二视觉点云在所述高精地图中的坐标，并将所述第二视觉点云与所述高精地图进行融合。
该步骤中，可通过要素匹配对的坐标，确定第二视觉点云与高精地图之间存在的绝对误差，从而进一步精确地确定了第二视觉点云在高精地图中的坐标。至此，第二视觉点云在高精地图中的坐标能够达到融合要求，从而可将第二视觉点云与高精地图进行融合。
本申请中，根据图像序列各图像的GPS轨迹和相机位姿，得到视觉点云与高精地图之间的相似变换矩阵，并确定高精地图与视觉点云的要素匹配对，这样，可根据该相似变换矩阵初步确定视觉点云在高精地图中的坐标，再根据要素匹配对的坐标，进一步精确地确定视觉点云在高精地图中的坐标，从而实现视觉点云与高精地图的融合。因为采用上述技术手段，能够提高视觉点云与高精地图融合的精确度，提高了视觉点云与高精地图融合效果。
可选的，所述根据所述第一相似变换矩阵，将第一视觉点云映射至高精地图坐标系中，以得到第二视觉点云，包括：
根据所述第一相似变换矩阵，将第一视觉点云映射至高精地图坐标系，并对映射后的视觉点云的地面角度和地面高度进行校正，以得到第二视觉点云。
该实施方式提供了由第一视觉点云到第二视觉点云的更进一步的技术方案。
该实施方式中，可基于平面拟合，对视觉点云的地面角度进行校正，以使视觉点云尽量垂直于地面，或者说，使视觉点云相对地面的垂直度达到预设的阈值。通过对视觉点云的地面角度进行校正，可确保视觉点云在高精地图中的俯瞰效果基本满足要求，为后续视觉点云与高精地图的融合提供更好的基础。
该实施方式中，可根据视觉点云在高精地图中的地面高度与视觉点云的地面高度，对视觉点云的地面高度进行校正。通过对视觉点云的地面高度进行校正，可确保视觉点云映射至高精地图的地面高度基本满足要求，能有效避免映射至高精地图的视觉点云出现上下颠倒的情况，为后续视觉点云与高精地图的融合提供更好的基础。
可选的，所述确定所述高精地图与所述第二视觉点云的要素匹配对，包括：
根据第一要素在所述第二视觉点云中的三维坐标，从所述高精地图中选择第二要素，所述第一要素为所述第二视觉点云中的要素，所述第二要素为与所述第一要素相似的要素；
从所述第二要素中确定所述第一要素的匹配要素；
根据最大投票原则，得到所述高精地图与所述第二视觉点云的要素匹配对。
该实施方式提供了确定高精地图与第二视觉点云的要素匹配对的技术方案。
该实施方式中，可预先从第二视觉点云中确定第一要素，例如标识牌、杆、车道线等。从第二视觉点云中确定第一要素，可遵循的原则为，在高精地图中也存在该要素。也就是说，若第二视觉点云和高精地图中均存在某一要素，则可以将该要素作为第一要素。若第二视觉点云中的某个要素是新增的要素，在高精地图中不存在，则不宜将该要素确定为第一要素。本申请中，可以根据需求灵活地从第二视觉点云中确定第一要素，例如，可根据要素的辨识度，选择合适的第一要素；或者，根据要素在视觉点云中的坐标，选择合适的第一要素。
在预先确定了第一要素之后，可计算第一要素在第二视觉点云中的三维坐标，例如，可从图像中提取出第一要素的二维坐标，再计算出第一要素在第二视觉点云中的三维坐标。
在得到第一要素在第二视觉点云中的三维坐标之后，可从高精地图中选择与第一要素相似的第二要素。需要说明的是，第二要素的数量可能大于第一要素的数量，也就是说，第二要素中可能包含与第一要素相似但不与第一要素匹配的要素。鉴于此，可进一步从第二要素中确定第一要素的匹配要素，例如，可以基于滑动窗口实现要素的初步匹配，或者说，基于滑动窗口从第二要素中确定第一要素的匹配要素。第一要素的匹配要素可以理解为与第一要素匹配的要素。
在从高精地图中确定了第一要素的匹配要素之后，可根据最大投票原则，得到第一要素与匹配要素之间一一匹配的要素匹配对。
该实施方式通过上述过程，能够较精确且较快速地确定高精地图与第二视觉点云的要素匹配对，为后续视觉点云与高精地图的融合提供更好的基础。
可选的，所述根据所述要素匹配对的坐标，确定所述第二视觉点云在所述高精地图中的坐标，并将所述第二视觉点云与所述高精地图进行融合，包括：
根据所述要素匹配对的坐标，计算第二相似变换矩阵；
根据所述第二相似变换矩阵，将所述第二视觉点云映射至所述高精地图坐标系中，并将映射后的视觉点云与所述高精地图进行融合。
该实施方式提供了如何根据要素匹配对的坐标，确定第二视觉点云在所述高精地图中的坐标的技术方案。
该实施方式中，由于要素匹配对的坐标可反映第二视觉点云与高精地图之间存在的绝对误差，因此，可根据要素匹配对的坐标，计算出能够消除该绝对误差的第二相似变换矩阵。这里，第二相似变换矩阵也可称为配准矩阵。
在得到第二相似变换矩阵之后，可将第二视觉点云映射至高精地图坐标系中，至此，映射后的视觉点云在高精地图中的坐标可视为精度较高的坐标，能够达到融合条件，因此，可将映射后的视觉点云与所述高精地图进行融合。
可选的，所述第二相似变换矩阵包含第二变换矩阵和第二尺度变换系数。
该实施方式中，通过相似变换矩阵中包含的尺度变换系数，能够解决单目相机所导致的视觉点云缺少尺度信息的问题，这样，在将视觉点云在映射至高精地图时，可以为视觉点云的尺度变换提供依据。
可选的，所述图像序列为通过众包方式采集的图像序列。
该实施方式中，通过众包方式采集图像序列，能够降低图像序列的获取难度和成本，从而进一步降低视觉点云与高精地图融合的难度和成本，使众包更新方式能够应用于高精地图中。
为了更直观地理解本申请的视觉点云与高精地图融合方法，图2示出了视觉点云与高精地图融合的整体技术框架示例图。
如图2所示，将图像序列、图像序列的GPS轨迹、图像序列的稀疏模型(包括视觉点云和图像的相机位姿)以及高精地图作为输入，其中，高精地图可通过图像序列的GPS轨迹查询得到。视觉点云与高精地图融合所需要使用的算法可包括：GPS校准算法、地面角度校正算法、地面高度校正算法、语义要素匹配算法、配准矩阵求解算法等。其中，GPS轨迹和稀疏模型在依次经过GPS校准算法、地面角度校正算法和地面高度校正算法的处理之后，可得到第二视觉点云并输出。高精地图和第二视觉点云在依次经过语义要素匹配算法、配准矩阵求解算法的处理之后，可得到配准矩阵并输出。最后，可根据配准矩阵将第二视觉点云映射至高精地图中，实现第二视觉点云和高精地图的融合。
需要说明的是，本申请中的视觉点云与高精地图融合方法中的多种可选的实施方式，彼此可以相互结合实现，也可以单独实现，对此本申请不作限定。
本申请的上述实施例具有如下优点或有益效果：
本申请中，根据图像序列各图像的GPS轨迹和相机位姿，得到视觉点云与高精地图之间的相似变换矩阵，并确定高精地图与视觉点云的要素匹配对，这样，可根据该相似变换矩阵初步确定视觉点云在高精地图中的坐标，再根据要素匹配对的坐标，进一步精确地确定视觉点云在高精地图中的坐标，从而实现视觉点云与高精地图的融合。因为采用上述技术手段，能够提高视觉点云与高精地图融合的精确度，提高了视觉点云与高精地图融合效果。
本申请还提供了一种视觉点云与高精地图融合装置，如图3所示，视觉点云与高精地图融合装置200包括：
计算模块201，用于根据图像序列的每个图像的GPS轨迹和相机位姿，计算第一相似变换矩阵；
映射模块202，用于根据所述第一相似变换矩阵，将第一视觉点云映射至高精地图坐标系中，以得到第二视觉点云，所述第一视觉点云为对所述图像序列进行三维重建得到的视觉点云；
确定模块203，用于确定所述高精地图与所述第二视觉点云的要素匹配对；
融合模块204，用于根据所述要素匹配对的坐标，确定所述第二视觉点云在所述高精地图中的坐标，并将所述第二视觉点云与所述高精地图进行融合。
可选的，映射模块202具体用于：
根据所述第一相似变换矩阵，将第一视觉点云映射至高精地图坐标系，并对映射后的视觉点云的地面角度和地面高度进行校正，以得到第二视觉点云。
可选的，确定模块203包括：
选择子模块，用于根据第一要素在所述第二视觉点云中的三维坐标，从所述高精地图中选择第二要素，所述第一要素为所述第二视觉点云中的要素，所述第二要素为与所述第一要素相似的要素；
确定子模块，用于从所述第二要素中确定所述第一要素的匹配要素；
获取子模块，用于根据最大投票原则，得到所述高精地图与所述第二视觉点云的要素匹配对。
可选的，融合模块204包括：
计算子模块，用于根据所述要素匹配对的坐标，计算第二相似变换矩阵；
融合子模块，用于根据所述第二相似变换矩阵，将所述第二视觉点云映射至所述高精地图坐标系中，并将映射后的视觉点云与所述高精地图进行融合。
可选的，所述第一相似变换矩阵包含第一变换矩阵和第一尺度变换系数；
所述第二相似变换矩阵包含第二变换矩阵和第二尺度变换系数。
可选的，所述图像序列为通过众包方式采集的图像序列。
本申请提供的视觉点云与高精地图融合装置200能够实现上述视觉点云与高精地图融合方法实施例中视觉点云与高精地图融合装置实现的各个过程，且能够达到相同的有益效果，为避免重复，这里不再赘述。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图4所示，是根据本申请实施例的视觉点云与高精地图融合方法的电子设备的框图。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/或者要求的本申请的实现。
如图4所示，该电子设备包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器***)。图4中以一个处理器501为例。
存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的视觉点云与高精地图融合方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的视觉点云与高精地图融合方法。
存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的视觉点云与高精地图融合方法对应的程序指令/模块(例如，附图3所示的第一计算模块201、映射模块202、确定模块203和融合模块204)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行视觉点云与高精地图融合装置的各种功能应用以及数据处理，即实现上述方法实施例中的视觉点云与高精地图融合方法。
存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需要的应用程序；存储数据区可存储根据视觉点云与高精地图融合方法的电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至视觉点云与高精地图融合方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
视觉点云与高精地图融合方法的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图4中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息，以及产生与视觉点云与高精地图融合方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、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***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***、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***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的***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***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(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***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***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***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***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。
根据本申请实施例的技术方案，可根据该相似变换矩阵初步确定视觉点云在高精地图中的坐标，再根据要素匹配对的坐标，进一步精确地确定视觉点云在高精地图中的坐标，从而实现视觉点云与高精地图的融合。因为采用上述技术手段，能够提高视觉点云与高精地图融合的精确度，提高了视觉点云与高精地图融合效果。
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，本发申请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，只要能够实现本申请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，并不构成对本申请保护范围的限制。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。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (14)
1.一种视觉点云与高精地图融合方法，其特征在于，所述方法包括：
根据图像序列的每个图像的GPS轨迹和相机位姿，计算第一相似变换矩阵；
根据所述第一相似变换矩阵，将第一视觉点云映射至高精地图坐标系中，以得到第二视觉点云，所述第一视觉点云为对所述图像序列进行三维重建得到的视觉点云；
确定所述高精地图与所述第二视觉点云的要素匹配对；
根据所述要素匹配对的坐标，确定所述第二视觉点云在所述高精地图中的坐标，并将所述第二视觉点云与所述高精地图进行融合。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一相似变换矩阵，将第一视觉点云映射至高精地图坐标系中，以得到第二视觉点云，包括：
根据所述第一相似变换矩阵，将第一视觉点云映射至高精地图坐标系，并对映射后的视觉点云的地面角度和地面高度进行校正，以得到第二视觉点云。
3.根据权利要求1所述的方法，其特征在于，所述确定所述高精地图与所述第二视觉点云的要素匹配对，包括：
根据第一要素在所述第二视觉点云中的三维坐标，从所述高精地图中选择第二要素，所述第一要素为所述第二视觉点云中的要素，所述第二要素为与所述第一要素相似的要素；
从所述第二要素中确定所述第一要素的匹配要素；
根据最大投票原则，得到所述高精地图与所述第二视觉点云的要素匹配对。
4.根据权利要求1所述的方法，其特征在于，所述根据所述要素匹配对的坐标，确定所述第二视觉点云在所述高精地图中的坐标，并将所述第二视觉点云与所述高精地图进行融合，包括：
根据所述要素匹配对的坐标，计算第二相似变换矩阵；
根据所述第二相似变换矩阵，将所述第二视觉点云映射至所述高精地图坐标系中，并将映射后的视觉点云与所述高精地图进行融合。
5.根据权利要求4所述的方法，其特征在于，所述第一相似变换矩阵包含第一变换矩阵和第一尺度变换系数；
所述第二相似变换矩阵包含第二变换矩阵和第二尺度变换系数。
6.根据权利要求1所述的方法，其特征在于，所述图像序列为通过众包方式采集的图像序列。
7.一种视觉点云与高精地图融合装置，其特征在于，包括：
计算模块，用于根据图像序列的每个图像的GPS轨迹和相机位姿，计算第一相似变换矩阵；
映射模块，用于根据所述第一相似变换矩阵，将第一视觉点云映射至高精地图坐标系中，以得到第二视觉点云，所述第一视觉点云为对所述图像序列进行三维重建得到的视觉点云；
确定模块，用于确定所述高精地图与所述第二视觉点云的要素匹配对；
融合模块，用于根据所述要素匹配对的坐标，确定所述第二视觉点云在所述高精地图中的坐标，并将所述第二视觉点云与所述高精地图进行融合。
8.根据权利要求7所述的装置，其特征在于，所述映射模块具体用于：
根据所述第一相似变换矩阵，将第一视觉点云映射至高精地图坐标系，并对映射后的视觉点云的地面角度和地面高度进行校正，以得到第二视觉点云。
9.根据权利要求7所述的装置，其特征在于，所述确定模块包括：
选择子模块，用于根据第一要素在所述第二视觉点云中的三维坐标，从所述高精地图中选择第二要素，所述第一要素为所述第二视觉点云中的要素，所述第二要素为与所述第一要素相似的要素；
确定子模块，用于从所述第二要素中确定所述第一要素的匹配要素；
获取子模块，用于根据最大投票原则，得到所述高精地图与所述第二视觉点云的要素匹配对。
10.根据权利要求7所述的装置，其特征在于，所述融合模块包括：
计算子模块，用于根据所述要素匹配对的坐标，计算第二相似变换矩阵；
融合子模块，用于根据所述第二相似变换矩阵，将所述第二视觉点云映射至所述高精地图坐标系中，并将映射后的视觉点云与所述高精地图进行融合。
11.根据权利要求10所述的装置，其特征在于，所述第一相似变换矩阵包含第一变换矩阵和第一尺度变换系数；
所述第二相似变换矩阵包含第二变换矩阵和第二尺度变换系数。
12.根据权利要求7所述的装置，其特征在于，所述图像序列为通过众包方式采集的图像序列。
13.一种电子设备，其特征在于，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至6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1至6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010228591.3A CN111462029B (zh) | 2020-03-27 | 2020-03-27 | 视觉点云与高精地图融合方法、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010228591.3A CN111462029B (zh) | 2020-03-27 | 2020-03-27 | 视觉点云与高精地图融合方法、装置和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111462029A true CN111462029A (zh) | 2020-07-28 |
| CN111462029B CN111462029B (zh) | 2023-03-03 |
Family
ID=71683317
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010228591.3A Active CN111462029B (zh) | 2020-03-27 | 2020-03-27 | 视觉点云与高精地图融合方法、装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111462029B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111311743A (zh) * | 2020-03-27 | 2020-06-19 | 北京百度网讯科技有限公司 | 三维重建精度测试方法、测试装置和电子设备 |
| CN112050821A (zh) * | 2020-09-11 | 2020-12-08 | 湖北亿咖通科技有限公司 | 一种车道线聚合方法 |
| CN112381877A (zh) * | 2020-11-09 | 2021-02-19 | 北京百度网讯科技有限公司 | 定位融合、室内定位方法、装置、设备及介质 |
| CN112508773A (zh) * | 2020-11-20 | 2021-03-16 | 小米科技(武汉)有限公司 | 图像处理方法及装置、电子设备、存储介质 |
| CN112577499A (zh) * | 2020-11-19 | 2021-03-30 | 上汽大众汽车有限公司 | 一种vslam特征地图尺度恢复方法及*** |
| CN112668505A (zh) * | 2020-12-30 | 2021-04-16 | 北京百度网讯科技有限公司 | 基于路侧相机的外参的三维感知信息获取方法和路侧设备 |
| CN112860828A (zh) * | 2021-01-22 | 2021-05-28 | 浙江商汤科技开发有限公司 | 一种定位方法及装置、电子设备及存储介质 |
| WO2022089547A1 (zh) * | 2020-10-29 | 2022-05-05 | 深圳市普渡科技有限公司 | 机器人定位充电桩的方法及*** |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006083297A2 (en) * | 2004-06-10 | 2006-08-10 | Sarnoff Corporation | Method and apparatus for aligning video to three-dimensional point clouds |
| EP3078935A1 (en) * | 2015-04-10 | 2016-10-12 | The European Atomic Energy Community (EURATOM), represented by the European Commission | Method and device for real-time mapping and localization |
| CN109410256A (zh) * | 2018-10-29 | 2019-03-01 | 北京建筑大学 | 基于互信息的点云与影像自动高精度配准方法 |
| CN109658450A (zh) * | 2018-12-17 | 2019-04-19 | 武汉天乾科技有限责任公司 | 一种基于无人机的快速正射影像生成方法 |
| CN109974707A (zh) * | 2019-03-19 | 2019-07-05 | 重庆邮电大学 | 一种基于改进点云匹配算法的室内移动机器人视觉导航方法 |
| CN110047142A (zh) * | 2019-03-19 | 2019-07-23 | 中国科学院深圳先进技术研究院 | 无人机三维地图构建方法、装置、计算机设备及存储介质 |
| CN110148164A (zh) * | 2019-05-29 | 2019-08-20 | 北京百度网讯科技有限公司 | 转换矩阵生成方法及装置、服务器及计算机可读介质 |
| CN110322500A (zh) * | 2019-06-28 | 2019-10-11 | Oppo广东移动通信有限公司 | 即时定位与地图构建的优化方法及装置、介质和电子设备 |
| CN110648398A (zh) * | 2019-08-07 | 2020-01-03 | 武汉九州位讯科技有限公司 | 基于无人机航摄数据的正射影像实时生成方法及*** |
| CN110675431A (zh) * | 2019-10-08 | 2020-01-10 | 中国人民解放军军事科学院国防科技创新研究院 | 一种融合图像和激光点云的三维多目标跟踪方法 |
-
2020
- 2020-03-27 CN CN202010228591.3A patent/CN111462029B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006083297A2 (en) * | 2004-06-10 | 2006-08-10 | Sarnoff Corporation | Method and apparatus for aligning video to three-dimensional point clouds |
| EP3078935A1 (en) * | 2015-04-10 | 2016-10-12 | The European Atomic Energy Community (EURATOM), represented by the European Commission | Method and device for real-time mapping and localization |
| CN109410256A (zh) * | 2018-10-29 | 2019-03-01 | 北京建筑大学 | 基于互信息的点云与影像自动高精度配准方法 |
| CN109658450A (zh) * | 2018-12-17 | 2019-04-19 | 武汉天乾科技有限责任公司 | 一种基于无人机的快速正射影像生成方法 |
| CN109974707A (zh) * | 2019-03-19 | 2019-07-05 | 重庆邮电大学 | 一种基于改进点云匹配算法的室内移动机器人视觉导航方法 |
| CN110047142A (zh) * | 2019-03-19 | 2019-07-23 | 中国科学院深圳先进技术研究院 | 无人机三维地图构建方法、装置、计算机设备及存储介质 |
| CN110148164A (zh) * | 2019-05-29 | 2019-08-20 | 北京百度网讯科技有限公司 | 转换矩阵生成方法及装置、服务器及计算机可读介质 |
| CN110322500A (zh) * | 2019-06-28 | 2019-10-11 | Oppo广东移动通信有限公司 | 即时定位与地图构建的优化方法及装置、介质和电子设备 |
| CN110648398A (zh) * | 2019-08-07 | 2020-01-03 | 武汉九州位讯科技有限公司 | 基于无人机航摄数据的正射影像实时生成方法及*** |
| CN110675431A (zh) * | 2019-10-08 | 2020-01-10 | 中国人民解放军军事科学院国防科技创新研究院 | 一种融合图像和激光点云的三维多目标跟踪方法 |
Non-Patent Citations (6)
| Title |
|---|
| A.VOKHMINTSEV 等: "Simultaneous localization and mapping in unknown environment using dynamic matching of images and registration of point clouds", 《2016 2ND INTERNATIONAL CONFERENCE ON INDUSTRIAL ENGINEERING, APPLICATIONS AND MANUFACTURING(ICIEAM)》 * |
| FABIO REMONDIO 等: "State of the art in high density image matching", 《THE PHOTOGRAMMETRIC RECORD》 * |
| 彭科举: "基于序列图像的三维重建算法研究", 《中国优秀博士学位论文全文数据库 信息科技辑》 * |
| 施尚杰: "基于Kinect多移动机器人3D同步定位与制图", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 王俊 等: "基于图像匹配-点云融合的建筑物立面三维重建", 《计算机学报》 * |
| 赵会宾: "基于点云融合的立体导航技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111311743B (zh) * | 2020-03-27 | 2023-04-07 | 北京百度网讯科技有限公司 | 三维重建精度测试方法、测试装置和电子设备 |
| CN111311743A (zh) * | 2020-03-27 | 2020-06-19 | 北京百度网讯科技有限公司 | 三维重建精度测试方法、测试装置和电子设备 |
| CN112050821A (zh) * | 2020-09-11 | 2020-12-08 | 湖北亿咖通科技有限公司 | 一种车道线聚合方法 |
| CN112050821B (zh) * | 2020-09-11 | 2021-08-20 | 湖北亿咖通科技有限公司 | 一种车道线聚合方法 |
| WO2022089547A1 (zh) * | 2020-10-29 | 2022-05-05 | 深圳市普渡科技有限公司 | 机器人定位充电桩的方法及*** |
| CN112381877A (zh) * | 2020-11-09 | 2021-02-19 | 北京百度网讯科技有限公司 | 定位融合、室内定位方法、装置、设备及介质 |
| CN112381877B (zh) * | 2020-11-09 | 2023-09-01 | 北京百度网讯科技有限公司 | 定位融合、室内定位方法、装置、设备及介质 |
| CN112577499B (zh) * | 2020-11-19 | 2022-10-11 | 上汽大众汽车有限公司 | 一种vslam特征地图尺度恢复方法及*** |
| CN112577499A (zh) * | 2020-11-19 | 2021-03-30 | 上汽大众汽车有限公司 | 一种vslam特征地图尺度恢复方法及*** |
| CN112508773A (zh) * | 2020-11-20 | 2021-03-16 | 小米科技(武汉)有限公司 | 图像处理方法及装置、电子设备、存储介质 |
| CN112508773B (zh) * | 2020-11-20 | 2024-02-09 | 小米科技(武汉)有限公司 | 图像处理方法及装置、电子设备、存储介质 |
| CN112668505A (zh) * | 2020-12-30 | 2021-04-16 | 北京百度网讯科技有限公司 | 基于路侧相机的外参的三维感知信息获取方法和路侧设备 |
| US11893884B2 (en) | 2020-12-30 | 2024-02-06 | Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. | Method for acquiring three-dimensional perception information based on external parameters of roadside camera, and roadside device |
| CN112860828A (zh) * | 2021-01-22 | 2021-05-28 | 浙江商汤科技开发有限公司 | 一种定位方法及装置、电子设备及存储介质 |
| CN112860828B (zh) * | 2021-01-22 | 2022-08-23 | 浙江商汤科技开发有限公司 | 一种定位方法及装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111462029B (zh) | 2023-03-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111462029B (zh) | 视觉点云与高精地图融合方法、装置和电子设备 | |
| CN109297510B (zh) | 相对位姿标定方法、装置、设备及介质 | |
| CN107748569B (zh) | 用于无人机的运动控制方法、装置及无人机*** | |
| CN114581532A (zh) | 多相机外参的联合标定方法、装置、设备和介质 | |
| CN111612852B (zh) | 用于验证相机参数的方法和装置 | |
| CN111220164A (zh) | 定位方法、装置、设备及存储介质 | |
| CN111553844B (zh) | 用于更新点云的方法及装置 | |
| CN113048980B (zh) | 位姿优化方法、装置、电子设备及存储介质 | |
| CN113989450A (zh) | 图像处理方法、装置、电子设备和介质 | |
| CN111709973A (zh) | 目标跟踪方法、装置、设备及存储介质 | |
| CN110675635B (zh) | 相机外参的获取方法、装置、电子设备及存储介质 | |
| CN111680596B (zh) | 基于深度学习的定位真值校验方法、装置、设备及介质 | |
| CN112101209A (zh) | 用于路侧计算设备的确定世界坐标点云的方法和装置 | |
| CN111311743B (zh) | 三维重建精度测试方法、测试装置和电子设备 | |
| CN111652113A (zh) | 障碍物检测方法、装置、设备以及存储介质 | |
| CN111311742A (zh) | 三维重建方法、三维重建装置和电子设备 | |
| CN111275827A (zh) | 基于边缘的增强现实三维跟踪注册方法、装置和电子设备 | |
| CN114926549B (zh) | 三维点云处理方法、装置、设备以及存储介质 | |
| CN111578951A (zh) | 一种用于生成信息的方法和装置 | |
| CN117232499A (zh) | 多传感器融合的点云地图构建方法、装置、设备及介质 | |
| KR20220100813A (ko) | 자율주행 차량 정합 방법, 장치, 전자 기기 및 차량 | |
| CN112102417A (zh) | 确定世界坐标的方法和装置及用于车路协同路侧相机的外参标定方法 | |
| CN113932796A (zh) | 高精地图车道线生成方法、装置和电子设备 | |
| CN111260722B (zh) | 车辆定位方法、设备及存储介质 | |
| CN111967481A (zh) | 视觉定位方法、装置、电子设备及存储介质 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20211014 Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085 Applicant after: Apollo Intelligent Technology (Beijing) Co.,Ltd. Address before: 2 / F, *** building, 10 Shangdi 10th Street, Haidian District, Beijing 100085 Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |