CN111583338A - 用于无人设备的定位方法、装置、介质及无人设备 - Google Patents
用于无人设备的定位方法、装置、介质及无人设备 Download PDFInfo
- Publication number
- CN111583338A CN111583338A CN202010340694.9A CN202010340694A CN111583338A CN 111583338 A CN111583338 A CN 111583338A CN 202010340694 A CN202010340694 A CN 202010340694A CN 111583338 A CN111583338 A CN 111583338A
- Authority
- CN
- China
- Prior art keywords
- target
- position information
- feature point
- target feature
- dimensional position
- 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 45
- 238000004590 computer program Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/12—Target-seeking control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种用于无人设备的定位方法、装置、介质及无人设备,该方法包括:获取当前时刻采集到的图像中的目标特征点;确定目标特征点在上一时刻采集到的图像中是否存在;在确定目标特征点在上一时刻采集到的图像中不存在的情况下,确定目标特征点在距离上一时刻最近的多个时刻采集到的图像中是否存在;在确定目标特征点在距离上一时刻最近的多个时刻采集到的图像中存在的情况下,根据目标特征点在当前时刻采集到的图像中的位置信息和在多个目标图像中每一目标图像中的位置信息,确定目标特征点的目标三维位置信息;根据目标三维位置信息,对无人设备进行定位。如此,可以提高目标特征点的目标三维位置信息的准确性,保证无人设备的定位精度。
Description
技术领域
本公开涉及定位领域,具体地,涉及一种用于无人设备的定位方法、装置、介质及无人设备。
背景技术
无人设备,例如无人机,在配送、物流、航拍等领域的使用越来越广泛。无人设备依靠于高精度的定位技术支撑,只有准确的定位信息,才能保证无人设备的安全、精准运行。
相关技术中,无人设备一般采用视觉定位技术进行定位,视觉定位技术即通过设备中集成的相机采集周围环境图像,利用图像中的特征点确定无人设备的定位信息的定位方式。如果对无人设备的定位精度不高,便无法准确判断无人设备的运行轨迹,这样便无法保证无人设备的安全、精准运行。
发明内容
本公开的目的是提供一种用于无人设备的定位方法、装置、介质及无人设备,在目标特征点未被连续跟踪的情况下,提高目标特征点的目标三维位置信息的准确性,从而保证无人设备的定位精度。
为了实现上述目的,第一方面,本公开提供一种用于无人设备的定位方法,所述方法包括:获取当前时刻采集到的图像中的目标特征点;确定所述目标特征点在上一时刻采集到的图像中是否存在;在确定所述目标特征点在上一时刻采集到的图像中不存在的情况下,确定所述目标特征点在距离所述上一时刻最近的多个时刻采集到的图像中是否存在;在确定所述目标特征点在距离所述上一时刻最近的多个时刻采集到的图像中存在的情况下,根据所述目标特征点在所述当前时刻采集到的图像中的位置信息和在多个目标图像中每一所述目标图像中的位置信息,确定所述目标特征点的目标三维位置信息,其中,所述目标图像为在早于所述上一时刻采集到的、包括所述目标特征点的图像;根据所述目标三维位置信息,对所述无人设备进行定位。
可选地,在确定所述目标特征点在距离所述上一时刻最近的多个时刻采集到的图像中存在的情况下,所述方法还包括:获取所述目标特征点的第一三维位置信息;在获取到所述第一三维位置信息的情况下,确定所述第一三维位置信息是否满足预设条件;在确定所述第一三维位置信息不满足所述预设条件的情况下,再根据所述目标特征点在所述当前时刻采集到的图像中的位置信息和在多个目标图像中每一所述目标图像中的位置信息,确定所述目标特征点的目标三维位置信息。
可选地,所述方法还包括;在确定所述第一三维位置信息满足所述预设条件的情况下,将所述第一三维位置信息作为所述目标三维位置信息。
可选地,所述根据所述目标特征点在所述当前时刻采集到的图像中的位置信息和在多个目标图像中每一所述目标图像中的位置信息,确定所述目标特征点的目标三维位置信息,包括:根据所述目标特征点在所述当前时刻采集到的图像中的位置信息和在多个目标图像中每一所述目标图像中的位置信息,确定所述目标特征点的第二三维位置信息;确定所述第二三维位置信息是否满足预设条件;在确定所述第二三维位置信息满足所述预设条件的情况下,将所述第二三维位置信息确定为所述目标三维位置信息。
可选地,所述预设条件包括:所述目标特征点在每一所述目标图像中的位置信息与所述目标特征点的三维位置信息在对应目标图像中的投影位置信息之间的差值的方差小于预设阈值。
可选地,所述确定所述目标特征点在上一时刻采集到的图像中是否存在,包括:根据所述目标特征点在所述当前时刻采集到的图像中的位置信息,确定所述上一时刻采集到的图像中的目标区域;确定所述目标区域中是否存在与所述目标特征点匹配的特征点;在确定所述目标区域中存在与所述目标特征点匹配的特征点的情况下,确定所述目标特征点在所述上一时刻采集到的图像中存在。
可选地,所述确定所述目标特征点在距离所述上一时刻最近的多个时刻采集到的图像中是否存在,包括:遍历距离所述上一时刻最近的多个时刻采集到的图像,确定当前遍历到的图像中是否存在与所述目标特征点匹配的特征点;在确定当前遍历到的图像中存在与所述目标特征点匹配的特征点的情况下,确定所述目标特征点在距离所述上一时刻最近的多个时刻采集到的图像中存在,并停止遍历。
第二方面,本公开提供一种用于无人设备的定位装置,所述装置包括:目标特征点获取模块,被配置成用于获取当前时刻采集到的图像中的目标特征点;第一确定模块,被配置成用于确定所述目标特征点在上一时刻采集到的图像中是否存在;第二确定模块,被配置成用于在所述第一确定模块确定所述目标特征点在上一时刻采集到的图像中不存在的情况下,确定所述目标特征点在距离所述上一时刻最近的多个时刻采集到的图像中是否存在;第三确定模块,被配置成用于在所述第二确定模块确定所述目标特征点在距离所述上一时刻最近的多个时刻采集到的图像中存在的情况下,根据所述目标特征点在所述当前时刻采集到的图像中的位置信息和在多个目标图像中每一所述目标图像中的位置信息,确定所述目标特征点的目标三维位置信息,其中,所述目标图像为在早于所述上一时刻采集到的、包括所述目标特征点的图像;定位模块,被配置成用于根据所述目标三维位置信息,对所述无人设备进行定位。
可选地,所述装置还包括;第一三维位置信息获取模块,被配置成用于在所述第二确定模块确定所述目标特征点在距离所述上一时刻最近的多个时刻采集到的图像中存在的情况下,获取所述目标特征点的第一三维位置信息;第四确定模块,被配置成用于在获取到所述第一三维位置信息的情况下,确定所述第一三维位置信息是否满足预设条件;所述第三确定模块,被配置成用于在所述第四确定模块确定所述第一三维位置信息不满足所述预设条件的情况下,再根据所述目标特征点在所述当前时刻采集到的图像中的位置信息和在多个目标图像中每一所述目标图像中的位置信息,确定所述目标特征点的目标三维位置信息。
可选地,所述装置还包括;第五确定模块,被配置成用于在所述第四确定模块确定所述第一三维位置信息满足所述预设条件的情况下,将所述第一三维位置信息作为所述目标三维位置信息。
可选地,所述第三确定模块包括:第一确定子模块,被配置成用于根据所述目标特征点在所述当前时刻采集到的图像中的位置信息和在多个目标图像中每一所述目标图像中的位置信息,确定所述目标特征点的第二三维位置信息;第二确定子模块,被配置成用于确定所述第二三维位置信息是否满足预设条件;第三确定子模块,被配置成用于在所述第二确定子模块确定所述第二三维位置信息满足所述预设条件的情况下,将所述第二三维位置信息确定为所述目标三维位置信息。
可选地,所述第一确定模块包括:目标区域确定子模块,被配置成用于根据所述目标特征点在所述当前时刻采集到的图像中的位置信息,确定所述上一时刻采集到的图像中的目标区域;第四确定子模块,被配置成用于确定所述目标区域中是否存在与所述目标特征点匹配的特征点;第五确定子模块,被配置成用于在所述第四确定子模块确定所述目标区域中存在与所述目标特征点匹配的特征点的情况下,确定所述目标特征点在所述上一时刻采集到的图像中存在。
可选地,所述第二确定模块被配置成用于遍历距离所述上一时刻最近的多个时刻采集到的图像,确定当前遍历到的图像中是否存在与所述目标特征点匹配的特征点;在确定当前遍历到的图像中存在与所述目标特征点匹配的特征点的情况下,确定所述目标特征点在距离所述上一时刻最近的多个时刻采集到的图像中存在,并停止遍历。
第三方面,本公开提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本公开第一方面提供的所述方法的步骤。
第四方面,本公开提供一种用于无人设备的定位装置,所述装置包括:存储器,其上存储有计算机程序;处理器,用于执行所述存储器中的所述计算机程序,以实现本公开第一方面提供的所述方法的步骤。
第五方面,本公开提供一种无人设备,所述无人设备包括本公开第四方面提供的所述定位装置。
通过上述技术方案,在确定目标特征点在上一时刻采集到的图像中不存在,且在距离上一时刻最近的多个时刻采集到的图像中存在的情况下,可表征目标特征点在上一时刻被遮挡,即未被连续跟踪,并且在当前时刻采集到的图像中重新出现。在确定目标特征点的目标三维位置信息时,利用目标特征点在当前时刻采集到的图像中的位置信息和在多个目标图像中每一目标图像中的位置信息来进行确定。如此,并非如相关技术中那样,忽略目标特征点在之前时刻采集到的图像中的位置信息,而是综合目标特征点在当前时刻采集到的图像以及之前的多张目标图像中的位置信息,可以提高确定出的目标三维位置信息的准确度,从而根据该目标三维位置信息,可以提高无人设备的定位精度。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是根据一示例性实施例示出的一种用于无人设备的定位方法的流程图。
图2是根据另一示例性实施例示出的一种用于无人设备的定位方法的流程图。
图3是根据另一示例性实施例示出的一种确定目标特征点在上一时刻采集到的图像中是否存在的方法的流程图。
图4是根据一示例性实施例示出的一种确定目标特征点在距离上一时刻最近的多个时刻采集到的图像中是否存在的方法的流程图。
图5是根据一示例性实施例示出的一种用于无人设备的定位装置的框图。
图6是根据另一示例性实施例示出的一种用于无人设备的定位装置的框图。
具体实施方式
在对无人设备进行定位时,一般是通过无人设备中集成的相机采集周围环境图像,图像中存在很多特征点,这些特征点在图像中的位置信息,可用于对无人设备进行定位。
相机在拍摄图像时,相邻两个时刻之间的时间间隔通常较短,无人设备在相邻两个时刻或多个时刻之间的移动距离也较短,所处的周围环境变化不大。因此,相机在相邻两个时刻或多个时刻分别采集到的图像中,会有较多相同的特征点。示例地,例如从前到后依次有t0、t1、t2三个时刻,在t0时刻采集到的图像中,图像中心位置附近存在特征点A,如果在t1和t2时刻分别采集到的图像中也均存在该特征点A,可表征特征点A被连续跟踪,即跟踪效果较好。其中,对特征点进行跟踪的目的,是为了通过特征点在不同时刻采集到的图像中的位置信息,确定特征点在世界坐标系下的三维位置信息,如三维坐标信息。
然而,无人设备在运行过程中,设备所处的环境中通常存在运动特征,运动特征可以是运动的人或物体等。相机在拍摄时,容易发生特征点被短暂遮挡的现象。示例地,在t0和t2时刻分别采集到的图像中均存在特征点A,而在t1时刻由于特征点A被遮挡,采集到图像中不存在该特征点A,那么特征点A在t1时刻跟踪丢失,未被连续跟踪。相关技术中,对于未被连续跟踪的特征点A,在t2时刻重新探测到该特征点A时,会将特征点A当做新出现的特征点,在确定特征点A的三维位置信息时,该特征点A在之前时刻采集到的图像(例如在t0时刻采集到的图像)中的位置信息则不会被利用。
这样,根据相关技术中的方案,对于未被连续跟踪的特征点,在当前时刻重新探测到该特征点时,仅根据当前时刻采集到的图像来确定该特征点的三维位置信息,所能利用的信息较少,无法准确确定特征点的三维位置信息,从而影响无人设备的定位精度,使得定位精度不高。
鉴于此,本公开提供一种用于无人设备的定位方法、装置、介质及无人设备,以解决相关技术中存在的问题,在目标特征点未被连续跟踪的情况下,提高目标特征点的目标三维位置信息的准确性,从而保证无人设备的定位精度。
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
图1是根据一示例性实施例示出的一种用于无人设备的定位方法的流程图,该方法可以应用于无人设备中的控制器。如图1所示,该方法可以包括S101~S105。
在S101中,获取当前时刻采集到的图像中的目标特征点。
目标特征点可以是当前时刻采集到的图像中的任一特征点。
在S102中,确定目标特征点在上一时刻采集到的图像中是否存在。
示例地,可通过特征点匹配的方式,确定上一时刻采集到的图像中是否存在与目标特征点匹配的特征点。特征点匹配的方式可参照本领域相关技术,例如,可采用光流跟踪的方式进行匹配,采用特征点的描述信息进行匹配,特征点的描述信息例如可以为特征点的逆深度信息,或者也可通过特征点之间的距离信息进行匹配。示例地,距离信息例如可以为汉明距离,在上一时刻采集到的图像中,确定与目标特征点的汉明距离最近的特征点,若二者之间的汉明距离小于一预设距离阈值,则可表征该特征点与目标特征点匹配。
其中,一特征点与另一特征点匹配,可表征这两个特征点为相同的特征点。如果上一时刻采集到的图像中存在与目标特征点匹配的特征点,则可确定目标特征点在上一时刻采集到的图像中存在;如果上一时刻采集到的图像中不存在与目标特征点匹配的特征点,则可确定目标特征点在上一时刻采集到的图像中不存在。
在S103中,在确定目标特征点在上一时刻采集到的图像中不存在的情况下,确定目标特征点在距离上一时刻最近的多个时刻采集到的图像中是否存在。
在确定目标特征点在上一时刻采集到的图像中不存在的情况下,可表明该目标特征点是在当前时刻新出现的特征点,或者,该目标特征点在上一时刻被遮挡,未被连续跟踪。这种情况下,可以确定目标特征点在上一时刻之前的时刻分别采集到的图像中是否存在,如果存在,则该目标特征点并非当前时刻新出现的特征点,而是目标特征点在上一时刻被遮挡。
在一种实施方式中,可以确定目标特征点在上一时刻之前的所有时刻分别采集到的图像中是否存在。优选地,为了提高确定速度,保证定位信息的实时性,本公开中,可以在距离上一时刻最近的多个时刻采集到的图像中进行寻找,该多个时刻可预先设置,例如可以是连续的多个时刻,并且,多个时刻的数量也可预先设置。距离上一时刻最近的多个时刻采集到的图像可以是相机采集到的原始图像,或者是关键帧图像。其中,关键帧图像即物体运动或变化中关键动作所处的图像。
在S104中,在确定目标特征点在距离上一时刻最近的多个时刻采集到的图像中存在的情况下,根据目标特征点在当前时刻采集到的图像中的位置信息和在多个目标图像中每一目标图像中的位置信息,确定目标特征点的目标三维位置信息。
本公开中,如果目标特征点在上一时刻被遮挡,即未被连续跟踪,在当前时刻重新探测到该目标特征点时,可综合目标特征点在当前时刻采集到的图像中的位置信息和在多个目标图像中每一目标图像中的位置信息,来确定目标特征点的目标三维位置信息。其中,目标特征点在目标图像中的位置信息,可以是目标特征点在目标图像中的二维坐标信息。目标图像可以为在早于上一时刻采集到的、包括目标特征点的图像。
可知的是,在确定特征点的三维位置信息时,所利用的该特征点在图像中的位置信息越多,越能避免误差的产生,则最终确定出的三维位置信息越准确。因此,本公开中,并非如相关技术中那样,忽略目标特征点在之前时刻采集到的图像中的位置信息,仅利用目标特征点在当前时刻采集到的图像中的位置信息来确定其目标三维位置信息,而是综合目标特征点在当前时刻采集到的图像以及之前的多张目标图像中的位置信息,从而可以提高目标三维位置信息的准确度。
其中,根据目标特征点在图像中的位置信息,确定其三维位置信息的具体方式,可参照本领域相关技术,例如可采用三角化方法来确定。三角化方法指的是,在不同的位置观测同一特征点,根据该特征点在不同的图像中的位置信息,利用三角关系,确定该特征点的三维位置信息。
在S105中,根据目标三维位置信息,对无人设备进行定位。
示例地,例如可采用滤波(如卡尔曼滤波、扩展卡尔曼滤波等)的方式,根据目标特征点的目标三维位置信息,确定无人设备的定位信息,以对无人设备进行定位。其中,无人设备的定位信息可包括无人设备的位置信息和姿态信息。
通过上述技术方案,在确定目标特征点在上一时刻采集到的图像中不存在,且在距离上一时刻最近的多个时刻采集到的图像中存在的情况下,可表征目标特征点在上一时刻被遮挡,即未被连续跟踪,并且在当前时刻采集到的图像中重新出现。在确定目标特征点的目标三维位置信息时,利用目标特征点在当前时刻采集到的图像中的位置信息和在多个目标图像中每一目标图像中的位置信息来进行确定。如此,并非如相关技术中那样,忽略目标特征点在之前时刻采集到的图像中的位置信息,而是综合目标特征点在当前时刻采集到的图像以及之前的多张目标图像中的位置信息,可以提高确定出的目标三维位置信息的准确度,从而根据该目标三维位置信息,可以提高无人设备的定位精度。
图2是根据另一示例性实施例示出的一种用于无人设备的定位方法的流程图,如图2所示,该方法可包括S201~S211。其中,S104可包括S208~S210。
在S201(101)中,获取当前时刻采集到的图像中的目标特征点。
在S202(102)中,确定目标特征点在上一时刻采集到的图像中是否存在。在不存在的情况下,执行S203;在存在的情况下,执行S204。
在S203(103)中,确定目标特征点在距离上一时刻最近的多个时刻采集到的图像中是否存在。在存在的情况下,执行S204;在不存在的情况下,返回S201,并将下一时刻作为新的当前时刻。
在S204中,获取目标特征点的第一三维位置信息。
其中,第一三维位置信息可以是在当前时刻之前最近一次确定出的目标特征点的三维位置信息。在确定出目标特征点的第一三维位置信息后,可将该第一三维位置信息存储在无人设备的存储器或控制器中。
在S205中,确定是否获取到第一三维位置信息。在获取到的情况下,执行S206;在未获取到的情况下,执行S208。
示例地,可以通过三角化方法,确定目标特征点的第一三维位置信息。如果目标特征点之前仅在一张图像中出现过,或者在不同的图像中的位置均相同或差别较小,这两种情况下都无法很好的利用三角关系进行三角化的工作,可能无法确定出目标特征点的第一三维位置信息,因此无法获取到该第一三维位置信息,或者即使在当前时刻之前能够确定出第一三维位置信息,该第一三维位置信息的准确度可能不高。
在获取到目标特征点的第一三维位置信息的情况下,表明在当前时刻之前,已经确定出了目标特征点的三维位置信息,为了提高定位精度,可进一步判断该第一三维位置信息的准确度,在准确度较高的情况下,再将该第一三维位置信息用于无人设备的定位。
在S206中,确定第一三维位置信息是否满足预设条件。在满足的情况下,执行S207;在不满足的情况下,执行S208。
预设条件可以包括:目标特征点在每一目标图像中的位置信息与目标特征点的三维位置信息在对应目标图像中的投影位置信息之间的差值的方差小于预设阈值。
目标特征点在每一目标图像中的位置信息,即目标特征点在该目标图像中实际所处的位置信息。
该步骤中,针对每一目标图像,将目标特征点的第一三维位置信息投影到该目标图像中,得到对应的投影位置信息,投影位置信息即第一三维位置信息在该目标图像中对应的二维位置信息,并计算目标特征点在该目标图像中的位置信息与该投影位置信息之间的差值。在针对每一目标图像均确定出对应的差值之后,如果多个差值的方差小于预设阈值,可表征将第一三维位置信息进行投影得到的投影位置信息,与目标特征点在图像中的实际位置信息之间的差别较小,则该第一三维位置信息的精度较高。其中,预设阈值可预先标定出。
在S207中,将第一三维位置信息作为目标三维位置信息。
在确定第一三维位置信息满足预设条件的情况下,表明第一三维位置信息的精度较高,即之前确定出的目标特征点的三维位置信息较准确,可将第一三维位置信息作为目标三维位置信息,以用于对无人设备进行定位。
在S208中,根据目标特征点在当前时刻采集到的图像中的位置信息和在多个目标图像中每一目标图像中的位置信息,确定目标特征点的第二三维位置信息。
在确定第一三维位置信息不满足预设条件的情况下,该第一三维位置信息的精确度不高,不能直接作为目标三维位置信息用来进行无人设备的定位。本公开中,可首先利用目标特征点在当前时刻采集到的图像中的位置信息和在多个目标图像中每一目标图像中的位置信息,即综合目标特征点在当前时刻采集到的图像以及之前的多张目标图像中的位置信息,确定目标特征点的第二三维位置信息。
在一实施例中,为了保证目标特征点的目标三维位置信息的准确度,在确定出第二三维位置信息后,可对该第二三维位置信息进行判断,判断该第二三维位置信息的精度,在精度较高时,再将该第二三维位置信息确定为目标三维位置信息,以用于对无人设备进行定位。
在S209中,确定第二三维位置信息是否满足预设条件。在满足的情况下,执行S210;在不满足的情况下,返回S201。
预设条件已在上文说明。该步骤可与S206中确定第一三维位置信息是否满足预设条件类似。针对每一目标图像,将目标特征点的第二三维位置信息投影到该目标图像中,得到对应的投影位置信息,并计算目标特征点在该目标图像中的位置信息与该投影位置信息之间的差值。在针对每一目标图像均确定出对应的差值之后,如果多个差值的方差小于预设阈值,可表征第二三维位置信息满足预设条件,即精确度较高。
在S210中,将第二三维位置信息确定为目标三维位置信息。
在确定第二三维位置信息满足预设条件的情况下,表明第二三维位置信息的精度较高,即综合目标特征点在多张图像中的位置信息确定出的三维位置信息的精确度较高,可将第二三维位置信息作为目标三维位置信息,以用于对无人设备进行定位。
在S211(105)中,根据目标三维位置信息,对无人设备进行定位。
通过以上方案,如果在当前时刻之前确定出的目标特征点的第一三维位置信息满足预设条件,即精度较高,则可直接将该第一三维位置信息作为目标三维位置信息。如果未获取到第一三维位置信息,或者,该第一三维位置信息不满足预设条件,即精度较低,可综合目标特征点在多张图像中的位置信息,确定第二三维位置信息,并在第二三位置信息满足预设条件的情况下,将其确定为目标三维位置信息,以用于对无人设备进行定位。如此,保证目标特征点的目标三维位置信息的准确度,从而保证无人设备的定位精度。
本公开中,上述S102中,确定目标特征点在上一时刻采集到的图像中是否存在的示例性实施方式可如图3所示,包括S301~S303。
在S301中,根据目标特征点在当前时刻采集到的图像中的位置信息,确定上一时刻采集到的图像中的目标区域。
如前所述,相机在拍摄图像时,相邻两个时刻之间的时间间隔通常较短,目标特征点的移动距离一般较小,因此目标特征点分别在相邻两个时刻采集到的两张图像中的位置信息,应该差别不大。
本公开中,为了提高定位效率,在确定目标特征点在上一时刻采集到的图像中是否存在时,可以首先根据目标特征点在当前时刻采集到的图像中的位置信息,确定上一时刻采集到的图像中的目标区域。目标区域可以是该位置信息周围的某一区域,并且,目标区域的范围大小可预先设置。
示例地,目标特征点在当前时刻采集到的图像中的位置信息为图像的中心位置,例如可将上一时刻采集到的图像中,以中心位置为圆心,以预设距离为半径构成的区域,作为目标区域。
在S302中,确定目标区域中是否存在与目标特征点匹配的特征点。
S301中确定出上一时刻采集到的图像中的目标区域后,该步骤中在进行特征点匹配时,只需将目标区域中的特征点与目标特征点进行匹配即可,而不必将整个图像中的特征点与目标特征点进行匹配,可以提高匹配速度,从而提高定位效率。
在S303中,在确定目标区域中存在与目标特征点匹配的特征点的情况下,确定目标特征点在上一时刻采集到的图像中存在。
特征点匹配的方式已在上文详细阐述,可与S102类似。一特征点与另一特征点匹配,可表征这两个特征点为相同的特征点,因此,如果目标区域中存在与目标特征点匹配的特征点,便可认为目标特征点在上一时刻采集到的图像中存在。
通过上述方案,在确定目标特征点在上一时刻采集到的图像中是否存在时,可首先根据目标特征点在当前时刻采集到的图像中的位置信息,确定上一时刻采集到的图像中的目标区域,之后再进行特征点匹配,可以缩小特征点匹配的范围,从而提高定位效率。
图4是根据一示例性实施例示出的一种确定目标特征点在距离上一时刻最近的多个时刻采集到的图像中是否存在的方法的流程图,如图4所示,该方法可包括S401和S402。
在S401中,遍历距离上一时刻最近的多个时刻采集到的图像,确定当前遍历到的图像中是否存在与目标特征点匹配的特征点。
在S402中,在确定当前遍历到的图像中存在与目标特征点匹配的特征点的情况下,确定目标特征点在距离上一时刻最近的多个时刻采集到的图像中存在,并停止遍历。
本公开对具体的遍历方式不做限定。示例地,可以随机遍历,也可按照时间顺序从近到远进行遍历,即,先确定距离上一时刻最近的那一时刻采集到的图像中,是否存在与目标特征点匹配的特征点。如果存在,此时即可确定目标特征点在距离上一时刻最近的多个时刻采集到的图像中存在;如果不存在,可继续进行遍历。
如果在距离上一时刻最近的多个时刻采集到的图像中,均不存在与目标特征点匹配的特征点,则可确定目标特征点在距离上一时刻最近的多个时刻采集到的图像中不存在。
基于同一发明构思,本公开还提供一种用于无人设备的定位装置,图5是根据一示例性实施例示出的一种用于无人设备的定位装置的框图,如图5所示,该装置500可包括:
目标特征点获取模块501,被配置成用于获取当前时刻采集到的图像中的目标特征点;第一确定模块502,被配置成用于确定所述目标特征点在上一时刻采集到的图像中是否存在;第二确定模块503,被配置成用于在所述第一确定模块502确定所述目标特征点在上一时刻采集到的图像中不存在的情况下,确定所述目标特征点在距离所述上一时刻最近的多个时刻采集到的图像中是否存在;第三确定模块504,被配置成用于在所述第二确定模块503确定所述目标特征点在距离所述上一时刻最近的多个时刻采集到的图像中存在的情况下,根据所述目标特征点在所述当前时刻采集到的图像中的位置信息和在多个目标图像中每一所述目标图像中的位置信息,确定所述目标特征点的目标三维位置信息,其中,所述目标图像为在早于所述上一时刻采集到的、包括所述目标特征点的图像;定位模块505,被配置成用于根据所述目标三维位置信息,对所述无人设备进行定位。
通过上述技术方案,在确定目标特征点在上一时刻采集到的图像中不存在,且在距离上一时刻最近的多个时刻采集到的图像中存在的情况下,可表征目标特征点在上一时刻被遮挡,即未被连续跟踪,并且在当前时刻采集到的图像中重新出现。在确定目标特征点的目标三维位置信息时,利用目标特征点在当前时刻采集到的图像中的位置信息和在多个目标图像中每一目标图像中的位置信息来进行确定。如此,并非如相关技术中那样,忽略目标特征点在之前时刻采集到的图像中的位置信息,而是综合目标特征点在当前时刻采集到的图像以及之前的多张目标图像中的位置信息,可以提高确定出的目标三维位置信息的准确度,从而根据该目标三维位置信息,可以提高无人设备的定位精度。
可选地,所述装置500还可包括;第一三维位置信息获取模块,被配置成用于在所述第二确定模块503确定所述目标特征点在距离所述上一时刻最近的多个时刻采集到的图像中存在的情况下,获取所述目标特征点的第一三维位置信息;第四确定模块,被配置成用于在获取到所述第一三维位置信息的情况下,确定所述第一三维位置信息是否满足预设条件;所述第三确定模块,被配置成用于在所述第四确定模块确定所述第一三维位置信息不满足所述预设条件的情况下,再根据所述目标特征点在所述当前时刻采集到的图像中的位置信息和在多个目标图像中每一所述目标图像中的位置信息,确定所述目标特征点的目标三维位置信息。
可选地,所述装置500还可包括;第五确定模块,被配置成用于在所述第四确定模块确定所述第一三维位置信息满足所述预设条件的情况下,将所述第一三维位置信息作为所述目标三维位置信息。
可选地,所述第三确定模块504可包括:第一确定子模块,被配置成用于根据所述目标特征点在所述当前时刻采集到的图像中的位置信息和在多个目标图像中每一所述目标图像中的位置信息,确定所述目标特征点的第二三维位置信息;第二确定子模块,被配置成用于确定所述第二三维位置信息是否满足预设条件;第三确定子模块,被配置成用于在所述第二确定子模块确定所述第二三维位置信息满足所述预设条件的情况下,将所述第二三维位置信息确定为所述目标三维位置信息。
可选地,所述第一确定模块502可包括:目标区域确定子模块,被配置成用于根据所述目标特征点在所述当前时刻采集到的图像中的位置信息,确定所述上一时刻采集到的图像中的目标区域;第四确定子模块,被配置成用于确定所述目标区域中是否存在与所述目标特征点匹配的特征点;第五确定子模块,被配置成用于在所述第四确定子模块确定所述目标区域中存在与所述目标特征点匹配的特征点的情况下,确定所述目标特征点在所述上一时刻采集到的图像中存在。
可选地,所述第二确定模块503被配置成用于遍历距离所述上一时刻最近的多个时刻采集到的图像,确定当前遍历到的图像中是否存在与所述目标特征点匹配的特征点;在确定当前遍历到的图像中存在与所述目标特征点匹配的特征点的情况下,确定所述目标特征点在距离所述上一时刻最近的多个时刻采集到的图像中存在,并停止遍历。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图6是根据另一示例性实施例示出的一种用于无人设备的定位装置600的框图。例如,用于无人设备的定位装置600可以被提供为一控制器。参照图6,用于无人设备的定位装置600包括处理器622,其数量可以为一个或多个,以及存储器632,用于存储可由处理器622执行的计算机程序。存储器632中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理器622可以被配置为执行该计算机程序,以执行上述的用于无人设备的定位方法。
另外,用于无人设备的定位装置600还可以包括电源组件626和通信组件650,该电源组件626可以被配置为执行用于无人设备的定位装置600的电源管理,该通信组件650可以被配置为实现用于无人设备的定位装置600的通信,例如,有线或无线通信。此外,该用于无人设备的定位装置600还可以包括输入/输出(I/O)接口658。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的用于无人设备的定位方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器632,上述程序指令可由用于无人设备的定位装置600的处理器622执行以完成上述的用于无人设备的定位方法。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述的用于无人设备的定位方法的代码部分。
本公开还提供一种无人设备,所述无人设备包括上述提供的用于无人设备的定位装置600。该无人设备可以是无人机、机器人、无人配送车、无人船等。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本公开对各种可能的组合方式不再另行说明。
此外,本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。
Claims (11)
1.一种用于无人设备的定位方法,其特征在于,所述方法包括:
获取当前时刻采集到的图像中的目标特征点;
确定所述目标特征点在上一时刻采集到的图像中是否存在;
在确定所述目标特征点在上一时刻采集到的图像中不存在的情况下,确定所述目标特征点在距离所述上一时刻最近的多个时刻采集到的图像中是否存在;
在确定所述目标特征点在距离所述上一时刻最近的多个时刻采集到的图像中存在的情况下,根据所述目标特征点在所述当前时刻采集到的图像中的位置信息和在多个目标图像中每一所述目标图像中的位置信息,确定所述目标特征点的目标三维位置信息,其中,所述目标图像为在早于所述上一时刻采集到的、包括所述目标特征点的图像;
根据所述目标三维位置信息,对所述无人设备进行定位。
2.根据权利要求1所述的方法,其特征在于,在确定所述目标特征点在距离所述上一时刻最近的多个时刻采集到的图像中存在的情况下,所述方法还包括:
获取所述目标特征点的第一三维位置信息;
在获取到所述第一三维位置信息的情况下,确定所述第一三维位置信息是否满足预设条件;
在确定所述第一三维位置信息不满足所述预设条件的情况下,再根据所述目标特征点在所述当前时刻采集到的图像中的位置信息和在多个目标图像中每一所述目标图像中的位置信息,确定所述目标特征点的目标三维位置信息。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括;
在确定所述第一三维位置信息满足所述预设条件的情况下,将所述第一三维位置信息作为所述目标三维位置信息。
4.根据权利要求1所述的方法,其特征在于,所述根据所述目标特征点在所述当前时刻采集到的图像中的位置信息和在多个目标图像中每一所述目标图像中的位置信息,确定所述目标特征点的目标三维位置信息,包括:
根据所述目标特征点在所述当前时刻采集到的图像中的位置信息和在多个目标图像中每一所述目标图像中的位置信息,确定所述目标特征点的第二三维位置信息;
确定所述第二三维位置信息是否满足预设条件;
在确定所述第二三维位置信息满足所述预设条件的情况下,将所述第二三维位置信息确定为所述目标三维位置信息。
5.根据权利要求2-4中任一项所述的方法,其特征在于,所述预设条件包括:
所述目标特征点在每一所述目标图像中的位置信息与所述目标特征点的三维位置信息在对应目标图像中的投影位置信息之间的差值的方差小于预设阈值。
6.根据权利要求1所述的方法,其特征在于,所述确定所述目标特征点在上一时刻采集到的图像中是否存在,包括:
根据所述目标特征点在所述当前时刻采集到的图像中的位置信息,确定所述上一时刻采集到的图像中的目标区域;
确定所述目标区域中是否存在与所述目标特征点匹配的特征点;
在确定所述目标区域中存在与所述目标特征点匹配的特征点的情况下,确定所述目标特征点在所述上一时刻采集到的图像中存在。
7.根据权利要求1所述的方法,其特征在于,所述确定所述目标特征点在距离所述上一时刻最近的多个时刻采集到的图像中是否存在,包括:
遍历距离所述上一时刻最近的多个时刻采集到的图像,确定当前遍历到的图像中是否存在与所述目标特征点匹配的特征点;
在确定当前遍历到的图像中存在与所述目标特征点匹配的特征点的情况下,确定所述目标特征点在距离所述上一时刻最近的多个时刻采集到的图像中存在,并停止遍历。
8.一种用于无人设备的定位装置,其特征在于,所述装置包括:
目标特征点获取模块,被配置成用于获取当前时刻采集到的图像中的目标特征点;
第一确定模块,被配置成用于确定所述目标特征点在上一时刻采集到的图像中是否存在;
第二确定模块,被配置成用于在所述第一确定模块确定所述目标特征点在上一时刻采集到的图像中不存在的情况下,确定所述目标特征点在距离所述上一时刻最近的多个时刻采集到的图像中是否存在;
第三确定模块,被配置成用于在所述第二确定模块确定所述目标特征点在距离所述上一时刻最近的多个时刻采集到的图像中存在的情况下,根据所述目标特征点在所述当前时刻采集到的图像中的位置信息和在多个目标图像中每一所述目标图像中的位置信息,确定所述目标特征点的目标三维位置信息,其中,所述目标图像为在早于所述上一时刻采集到的、包括所述目标特征点的图像;
定位模块,被配置成用于根据所述目标三维位置信息,对所述无人设备进行定位。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
10.一种用于无人设备的定位装置,其特征在于,所述装置包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现权利要求1-7中任一项所述方法的步骤。
11.一种无人设备,其特征在于,所述无人设备包括权利要求10所述的定位装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010340694.9A CN111583338B (zh) | 2020-04-26 | 2020-04-26 | 用于无人设备的定位方法、装置、介质及无人设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010340694.9A CN111583338B (zh) | 2020-04-26 | 2020-04-26 | 用于无人设备的定位方法、装置、介质及无人设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111583338A true CN111583338A (zh) | 2020-08-25 |
CN111583338B CN111583338B (zh) | 2023-04-07 |
Family
ID=72111686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010340694.9A Active CN111583338B (zh) | 2020-04-26 | 2020-04-26 | 用于无人设备的定位方法、装置、介质及无人设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111583338B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112393723A (zh) * | 2020-11-27 | 2021-02-23 | 北京三快在线科技有限公司 | 一种定位方法、设备、介质及无人设备 |
CN113689485A (zh) * | 2021-08-25 | 2021-11-23 | 北京三快在线科技有限公司 | 无人机深度信息的确定方法、装置、无人机及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106488139A (zh) * | 2016-12-27 | 2017-03-08 | 深圳市道通智能航空技术有限公司 | 一种无人机拍摄的图像补偿方法、装置及无人机 |
CN107798691A (zh) * | 2017-08-30 | 2018-03-13 | 西北工业大学 | 一种基于视觉的无人机自主着陆地标实时检测跟踪方法 |
CN107907131A (zh) * | 2017-11-10 | 2018-04-13 | 珊口(上海)智能科技有限公司 | 定位***、方法及所适用的机器人 |
WO2018120351A1 (zh) * | 2016-12-28 | 2018-07-05 | 深圳市道通智能航空技术有限公司 | 一种对无人机进行定位的方法及装置 |
JP2018174461A (ja) * | 2017-03-31 | 2018-11-08 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
CN108898624A (zh) * | 2018-06-12 | 2018-11-27 | 浙江大华技术股份有限公司 | 一种运动物体跟踪的方法、装置、电子设备和存储介质 |
CN109668551A (zh) * | 2017-10-17 | 2019-04-23 | 杭州海康机器人技术有限公司 | 机器人定位方法、装置及计算机可读存储介质 |
WO2019093532A1 (ko) * | 2017-11-07 | 2019-05-16 | 공간정보기술 주식회사 | 스트레오 카메라 드론을 활용한 무기준점 3차원 위치좌표 취득 방법 및 시스템 |
CN109974693A (zh) * | 2019-01-31 | 2019-07-05 | 中国科学院深圳先进技术研究院 | 无人机定位方法、装置、计算机设备及存储介质 |
CN110111364A (zh) * | 2019-04-30 | 2019-08-09 | 腾讯科技(深圳)有限公司 | 运动检测方法、装置、电子设备及存储介质 |
CN110705575A (zh) * | 2019-09-27 | 2020-01-17 | Oppo广东移动通信有限公司 | 定位方法及装置、设备、存储介质 |
-
2020
- 2020-04-26 CN CN202010340694.9A patent/CN111583338B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106488139A (zh) * | 2016-12-27 | 2017-03-08 | 深圳市道通智能航空技术有限公司 | 一种无人机拍摄的图像补偿方法、装置及无人机 |
WO2018120351A1 (zh) * | 2016-12-28 | 2018-07-05 | 深圳市道通智能航空技术有限公司 | 一种对无人机进行定位的方法及装置 |
JP2018174461A (ja) * | 2017-03-31 | 2018-11-08 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
CN107798691A (zh) * | 2017-08-30 | 2018-03-13 | 西北工业大学 | 一种基于视觉的无人机自主着陆地标实时检测跟踪方法 |
CN109668551A (zh) * | 2017-10-17 | 2019-04-23 | 杭州海康机器人技术有限公司 | 机器人定位方法、装置及计算机可读存储介质 |
WO2019093532A1 (ko) * | 2017-11-07 | 2019-05-16 | 공간정보기술 주식회사 | 스트레오 카메라 드론을 활용한 무기준점 3차원 위치좌표 취득 방법 및 시스템 |
CN107907131A (zh) * | 2017-11-10 | 2018-04-13 | 珊口(上海)智能科技有限公司 | 定位***、方法及所适用的机器人 |
CN108898624A (zh) * | 2018-06-12 | 2018-11-27 | 浙江大华技术股份有限公司 | 一种运动物体跟踪的方法、装置、电子设备和存储介质 |
CN109974693A (zh) * | 2019-01-31 | 2019-07-05 | 中国科学院深圳先进技术研究院 | 无人机定位方法、装置、计算机设备及存储介质 |
CN110111364A (zh) * | 2019-04-30 | 2019-08-09 | 腾讯科技(深圳)有限公司 | 运动检测方法、装置、电子设备及存储介质 |
CN110705575A (zh) * | 2019-09-27 | 2020-01-17 | Oppo广东移动通信有限公司 | 定位方法及装置、设备、存储介质 |
Non-Patent Citations (1)
Title |
---|
王丹: "基于视觉的无人机检测与跟踪***研究" * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112393723A (zh) * | 2020-11-27 | 2021-02-23 | 北京三快在线科技有限公司 | 一种定位方法、设备、介质及无人设备 |
CN112393723B (zh) * | 2020-11-27 | 2023-10-24 | 北京三快在线科技有限公司 | 一种定位方法、设备、介质及无人设备 |
CN113689485A (zh) * | 2021-08-25 | 2021-11-23 | 北京三快在线科技有限公司 | 无人机深度信息的确定方法、装置、无人机及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111583338B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111442722B (zh) | 定位方法、装置、存储介质及电子设备 | |
CN107990899B (zh) | 一种基于slam的定位方法和*** | |
US10789719B2 (en) | Method and apparatus for detection of false alarm obstacle | |
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 | |
CN110689585A (zh) | 多相机外参的联合标定方法、装置、设备和介质 | |
CN111123912B (zh) | 行车定位坐标的标定方法和装置 | |
CN112258567A (zh) | 物体抓取点的视觉定位方法、装置、存储介质及电子设备 | |
CN110706447B (zh) | 灾情位置的确定方法、装置、存储介质及电子装置 | |
CN111583338B (zh) | 用于无人设备的定位方法、装置、介质及无人设备 | |
CN110648363A (zh) | 相机姿态确定方法、装置、存储介质及电子设备 | |
CN112549034B (zh) | 一种机器人任务部署方法、***、设备和存储介质 | |
US20200206927A1 (en) | Relocalization method and robot using the same | |
WO2021195939A1 (zh) | 一种双目拍摄装置的外参的标定方法、可移动平台及*** | |
CN112967344A (zh) | 相机外参标定的方法、设备、存储介质及程序产品 | |
CN110243339A (zh) | 一种单目摄像头定位方法、装置、可读存储介质及电子终端 | |
CN110634183A (zh) | 地图构建方法、装置和无人设备 | |
WO2022147655A1 (zh) | 定位方法、空间信息获取方法、装置、拍摄设备 | |
Yang et al. | Simultaneous estimation of ego-motion and vehicle distance by using a monocular camera | |
CN106885567B (zh) | 一种惯导协作定位方法及定位设备 | |
CN116958452A (zh) | 三维重建方法和*** | |
KR20210056540A (ko) | 디스패리티 이미지를 생성하는 알고리즘 갱신 방법 및 장치 | |
CN111932611B (zh) | 物***置获取方法和装置 | |
CN112291701B (zh) | 定位验证方法、装置、机器人、外部设备和存储介质 | |
CN109374919B (zh) | 一种基于单个拍摄设备确定移动速度的方法及装置 | |
CN113014899B (zh) | 一种双目图像的视差确定方法、装置及*** |
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 |