CN111862206A - 一种视觉定位方法、装置、电子设备及可读存储介质 - Google Patents
一种视觉定位方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN111862206A CN111862206A CN201911404674.7A CN201911404674A CN111862206A CN 111862206 A CN111862206 A CN 111862206A CN 201911404674 A CN201911404674 A CN 201911404674A CN 111862206 A CN111862206 A CN 111862206A
- Authority
- CN
- China
- Prior art keywords
- target image
- feature points
- visual
- target
- line segment
- 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.)
- Pending
Links
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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种视觉定位方法、装置、电子设备及可读存储介质，本申请可以从目标图像中提取出多个视觉特征点，并根据从目标图像中检测出的目标灭点，可以确定出目标图像的保留区域和带有预设画面的去除区域，进一步地，将保留区域划分为大小相等的多个网格，并从每个网格包含的视觉特征点中，分别筛选出预设数量的视觉特征点作为可信特征点，通过只在保留区域筛选可信特征点，可以减少用于定位的可信特征点的数量、提高用于定位的可信特征点的可靠性，并且使可信特征点近似均匀分布在保留区域，可以在减少定位时耗的同时，提升视觉定位的成功率，这样，根据上述可信特征点，可以准确地、快速地确定出目标图像中的实体场景所在的地理位置。
Description
技术领域
本申请涉及视觉定位技术领域，尤其涉及一种视觉定位方法、装置、电子设备及可读存储介质。
背景技术
在机场、火车站、地铁站、商场等场景的长廊区域，由于受到建筑物的遮挡，GPS信号不稳定，因而用户在通过GPS对位置进行定位时，会存在不同程度的定位误差。因而在上述区域下，需要采用其他技术来对位置进行定位，目前，提出了一种视觉定位的方法，可以实现在上述区域进行有效地定位。这里，视觉定位是一种利用视觉传感器获取物体图像，然后用计算机进行图像处理，进而获得物***置信息的技术。
但是，现有视觉特征点提取方法主要是通过响应值和尺度值进行视觉特征点的选取，忽略了视觉特征点的分布性对视觉定位成功率的影响，造成有些区域视觉特征点数量特别多、有些区域视觉特征点数量特别少，因而视觉定位的成功率较低。
发明内容
有鉴于此，本申请实施例的目的在于提供一种视觉定位方法、装置、电子设备及可读存储介质，可以准确地、快速地确定出目标图像中的实体场景所在的地理位置。
主要包括以下几个方面：
第一方面，本申请实施例提供一种视觉定位方法，所述视觉定位方法包括：
获取待视觉定位的目标图像，并从所述目标图像中提取出多个视觉特征点；
从所述目标图像中检测出目标灭点；所述目标灭点为从所述目标图像中检测出的沿景深方向的各个目标线段的延伸线的交汇点；
根据所述目标灭点在所述目标图像中的坐标位置，确定所述目标图像对应的去除区域和保留区域；所述去除区域为包含带有预设画面的区域；
将所述目标图像的所述保留区域划分为大小相等的多个网格，并从所述多个网格中的每个网格包含的视觉特征点中，分别筛选出预设数量的视觉特征点作为可信特征点；
根据所述可信特征点，确定所述目标图像中的实体场景所在的地理位置。
在一种可能的实施方式中，从所述目标图像中检测出目标灭点，包括：
从所述目标图像中检测出多条线段；
计算所述多条线段中每条线段的斜率角；
根据所述多条线段中每条线段的斜率角，从所述多条线段中筛选出所述目标图像中沿所述景深方向的各个目标线段；
将各个目标线段的延伸线的交汇点，确定为所述目标图像的所述目标灭点。
在一种可能的实施方式中，所述根据所述多条线段中每条线段的斜率角，从所述多条线段中筛选出所述目标图像中沿所述景深方向的各个目标线段，包括：
分别判断所述多条线段中每条线段的斜率角是否小于或等于预设角度；
将斜率角小于或等于所述预设角度的线段，确定为所述目标线段。
在一种可能的实施方式中，从所述目标图像中检测出多条线段之后，所述视觉定位方法还包括：
计算所述多条线段中每条线段包含的像素点数量；
分别判断所述多条线段中每条线段的像素点数量是否大于或等于预设数量；
所述计算所述多条线段中每条线段的斜率角，包括：
计算所述多条线段中像素点数量大于或等于所述预设数量的线段的斜率角。
在一种可能的实施方式中，针对所述多条线段中每条线段，根据以下步骤计算每条线段的斜率角：
获取每条线段的起点坐标和终点坐标；
根据每条线段的所述起点坐标和所述终点坐标，计算出每条线段的斜率；
根据每条线段的斜率，计算出每条线段的斜率角。
在一种可能的实施方式中，所述根据所述目标灭点在所述目标图像中的坐标位置，确定所述目标图像对应的去除区域和保留区域，包括：
根据所述目标灭点在所述目标图像中的坐标位置，在所述目标图像上确定一条通过所述目标灭点且垂直于所述景深方向的分割线；
将所述分割线的一侧带有所述预设画面的区域，确定为所述去除区域；以及将所述目标图像中除所述去除区域以外的区域，确定为所述保留区域。
在一种可能的实施方式中，所述预设画面包括同时带有地面和行人的画面。
在一种可能的实施方式中，所述将所述目标图像的所述保留区域划分大小相等的多个网格，包括：
根据预设的网格划分规则，将所述保留区域划分为M*N数量的大小相等的网格；
其中，M为所述保留区域中水平方向的网格的数量、N为所述保留区域中竖直方向的网格的数量。
在一种可能的实施方式中，所述从所述多个网格中的每个网格包含的视觉特征点中，分别筛选出预设数量的视觉特征点作为可信特征点，包括：
针对所述多个网格中的每个网格，计算每个网格包含的视觉特征点的响应值；
将每个网格中的视觉特征点的响应值按照响应值由大到小的顺序进行排序，并将排名靠前的第一预设个数的视觉特征点，确定为每个网格中的可信特征点。
在一种可能的实施方式中，所述从所述多个网格中的每个网格包含的视觉特征点中，分别筛选出预设数量的视觉特征点作为可信特征点，包括：
针对所述多个网格中的每个网格，计算每个网格包含的视觉特征点的尺度值；
将每个网格中的视觉特征点的尺度值按照尺度值由大到小的顺序进行排序，并将排名靠前的第二预设个数的视觉特征点，确定为每个网格中的可信特征点。
第二方面，本申请实施例还提供一种视觉定位装置，所述视觉定位装置包括：
提取模块，用于获取待视觉定位的目标图像，并从所述目标图像中提取出多个视觉特征点；
检测模块，用于从所述目标图像中检测出目标灭点；所述目标灭点为从所述目标图像中检测出的沿景深方向的各个目标线段的延伸线的交汇点；
第一确定模块，用于根据所述目标灭点在所述目标图像中的坐标位置，确定所述目标图像对应的去除区域和保留区域；所述去除区域为包含带有预设画面的区域；
筛选模块，用于将所述目标图像的所述保留区域划分为大小相等的多个网格，并从所述多个网格中的每个网格包含的视觉特征点中，分别筛选出预设数量的视觉特征点作为可信特征点；
第二确定模块，用于根据所述可信特征点，确定所述目标图像中的实体场景所在的地理位置。
在一种可能的实施方式中，所述检测模块包括：
检测单元，用于从所述目标图像中检测出多条线段；
第一计算单元，用于计算所述多条线段中每条线段的斜率角；
筛选单元，用于根据所述多条线段中每条线段的斜率角，从所述多条线段中筛选出所述目标图像中沿所述景深方向的各个目标线段；
确定单元，用于将各个目标线段的延伸线的交汇点，确定为所述目标图像的所述目标灭点。
在一种可能的实施方式中，所述筛选单元，用于根据以下步骤筛选出各个目标线段：
分别判断所述多条线段中每条线段的斜率角是否小于或等于预设角度；
将斜率角小于或等于所述预设角度的线段，确定为所述目标线段。
在一种可能的实施方式中，所述检测模块还包括：
第二计算单元，用于计算所述多条线段中每条线段包含的像素点数量；
判断单元，用于分别判断所述多条线段中每条线段的像素点数量是否大于或等于预设数量；
所述第一计算单元，具体用于计算所述多条线段中像素点数量大于或等于所述预设数量的线段的斜率角。
在一种可能的实施方式中，所述第一计算单元，用于根据以下步骤计算每条线段的斜率角：
获取每条线段的起点坐标和终点坐标；
根据每条线段的所述起点坐标和所述终点坐标，计算出每条线段的斜率；
根据每条线段的斜率，计算出每条线段的斜率角。
在一种可能的实施方式中，所述第一确定模块，用于根据以下步骤确定所述目标图像对应的去除区域和保留区域：
根据所述目标灭点在所述目标图像中的坐标位置，在所述目标图像上确定一条通过所述目标灭点且垂直于所述景深方向的分割线；
将所述分割线的一侧带有所述预设画面的区域，确定为所述去除区域；以及将所述目标图像中除所述去除区域以外的区域，确定为所述保留区域。
在一种可能的实施方式中，所述预设画面包括同时带有地面和行人的画面。
在一种可能的实施方式中，所述筛选模块，用于根据以下步骤将所述保留区域划分大小相等的多个网格：
根据预设的网格划分规则，将所述保留区域划分为M*N数量的大小相等的网格；
其中，M为所述保留区域中水平方向的网格的数量、N为所述保留区域中竖直方向的网格的数量。
在一种可能的实施方式中，所述筛选模块，用于根据以下步骤筛选所述可信特征点：
针对所述多个网格中的每个网格，计算每个网格包含的视觉特征点的响应值；
将每个网格中的视觉特征点的响应值按照响应值由大到小的顺序进行排序，并将排名靠前的第一预设个数的视觉特征点，确定为每个网格中的可信特征点。
在一种可能的实施方式中，所述筛选模块，用于根据以下步骤筛选所述可信特征点：
针对所述多个网格中的每个网格，计算每个网格包含的视觉特征点的尺度值；
将每个网格中的视觉特征点的尺度值按照尺度值由大到小的顺序进行排序，并将排名靠前的第二预设个数的视觉特征点，确定为每个网格中的可信特征点。
第三方面，本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线进行通信，所述机器可读指令被所述处理器运行时执行上述第一方面或第一方面中任一种可能的实施方式中所述的视觉定位方法的步骤。
第四方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述第一方面或第一方面中任一种可能的实施方式中所述的视觉定位方法的步骤。
本申请实施例中，从目标图像中提取出多个视觉特征点，并根据从目标图像中检测出的目标灭点，可以确定出目标图像的保留区域和带有预设画面的去除区域，进一步地，将保留区域划分为大小相等的多个网格，并从每个网格包含的视觉特征点中，分别筛选出预设数量的视觉特征点作为可信特征点，通过只在保留区域筛选可信特征点，可以减少用于定位的可信特征点的数量、提高用于定位的可信特征点的可靠性，并且使可信特征点近似均匀分布在保留区域，可以在减少定位时耗的同时，提升视觉定位的成功率，这样，根据上述可信特征点，可以准确地、快速地确定出目标图像中的实体场景所在的地理位置。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1示出了本申请实施例一所提供的一种视觉定位方法的流程图；
图2示出了本申请实施例二所提供的一种视觉定位方法的流程图；
图3示出了本申请实施例三所提供的一种视觉定位装置的功能模块图；
图4示出了图3中检测模块的功能模块图之一；
图5示出了图3中检测模块的功能模块图之二；
图6示出了本申请实施例四所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中的附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应当理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。
另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的全部其他实施例，都属于本申请保护的范围。
为了使得本领域技术人员能够使用本申请内容，结合特定应用场景“利用视觉定位技术，识别出目标图像中的实体场景所在的地理位置”，给出以下实施方式，对于本领域技术人员来说，在不脱离本申请的精神和范围的情况下，可以将这里定义的一般原理应用于其他实施例和应用场景。
本申请实施例下述方法、装置、电子设备或计算机可读存储介质可以应用于任何需要进行视觉定位的场景，本申请实施例并不对具体的应用场景作限制，任何使用本申请实施例提供的视觉定位方法及装置的方案均在本申请保护范围内。
值得注意的是，在本申请提出之前，现有方案中，视觉特征点提取方法主要是通过响应值和尺度值进行视觉特征点的选取，忽略了视觉特征点的分布性对视觉定位成功率的影响，造成有些区域视觉特征点数量特别多、有些区域视觉特征点数量特别少，因而视觉定位的成功率较低。
针对上述问题，本申请实施例中，从目标图像中提取出多个视觉特征点，并根据从目标图像中检测出的目标灭点，可以确定出目标图像的保留区域和带有预设画面的去除区域，进一步地，将保留区域划分为大小相等的多个网格，并从每个网格包含的视觉特征点中，分别筛选出预设数量的视觉特征点作为可信特征点，通过只在保留区域筛选可信特征点，可以减少用于定位的可信特征点的数量、提高用于定位的可信特征点的可靠性，并且使可信特征点近似均匀分布在保留区域，可以在减少定位时耗的同时，提升视觉定位的成功率，这样，根据上述可信特征点，可以准确地、快速地确定出目标图像中的实体场景所在的地理位置。
需要说明的是，视觉定位技术是指利用视觉传感器(摄像机、终端设备等)获取物体图像，然后用计算机进行图像处理，进而获得物体的位置信息的技术。
为便于对本申请进行理解，下面结合具体实施例对本申请提供的技术方案进行详细说明。
实施例一
图1为本申请实施例一所提供的一种视觉定位方法的流程图。如图1所示，本申请实施例提供的视觉定位方法，包括以下步骤：
S101：获取待视觉定位的目标图像，并从所述目标图像中提取出多个视觉特征点。
在具体实施中，先获取需要进行视觉定位的目标图像，通过视觉特征提取方法从目标图像中提取出多个视觉特征点。
这里，可以使用现有技术中常用的视觉特征提取方法进行视觉特征点的提取，方法包括但不限于尺度不变特征变换算法(Scale-invariant feature transform，SIFT)、方向梯度直方图算法(Histogram of Oriented Gradient，HOG)、快速特征点提取和描述的算法(Oriented FAST and Rotated BRIEF，ORB)。
一示例中，一个用户在火车站通过打车软件叫车，但由于火车站的长廊区域受到了建筑物的遮挡，GPS信号不稳定，若用户选择通过GPS进行位置定位时，会存在不同程度的定位误差，故用户选择视觉定位技术来对当前的地理位置进行定位，具体地，用户先拍摄照片，并将照片上传至打车软件，打车软件的后台服务器会从该照片定位出该照片中的实体场景的地理位置，进而后台服务器为该用户规划从当前地理位置到与司机接乘位置之间的行进路线，使用户可以与司机快速地汇合。
S102：从所述目标图像中检测出目标灭点；所述目标灭点为从所述目标图像中检测出的沿景深方向的各个目标线段的延伸线的交汇点。
在具体实施中，可以采用灭点检测算法从目标图像中检测出目标灭点，首先，采用灭点检测算法可以从目标图像中检测出多种类型线段，目标线段为这多种类型线段中的一种类型的线段，可以从多种类型线段中筛选出目标线段，这里，目标线段为目标图像中沿景深方向的线段。
这里，灭点检测算法实质为聚类算法，可以从目标图像中检测出各个直线段，还可以检测出各个直线段之间的交汇点，若已知直线段的分类，则可以检测出灭点的位置，在本申请中检测出的目标灭点为从目标图像中检测出的沿景深方向的各个目标线段的延伸线的交汇点。灭点指是各条线段的延伸线的交汇点。
需要说明的是，景深是指在摄影机镜头或其他成像器前沿能够取得清晰图像的成像所测定的被摄物体前后距离范围，可以理解为在聚焦完成后，焦点前后的范围内所呈现的清晰图像，这一前一后的距离范围，便叫做景深，比如，火车站的出站长廊区域拍摄的图像中，长廊方向就可以理解为景深方向。
一示例中，在火车站的出站长廊中，长廊包括两边有棱角的建筑物、棚顶有横梁和沿景深方向的纵梁以及地面，对于在火车站的出站长廊拍摄的图像，从图像中可以检测出垂直于地面的线段、顶棚的横向线段、沿景深方向的纵向线段等。
S103：根据所述目标灭点在所述目标图像中的坐标位置，确定所述目标图像对应的去除区域和保留区域；所述去除区域为包含带有预设画面的区域。
在具体实施中，在从目标图像中检测出目标灭点后，可以根据目标灭点在目标图像中的坐标位置，确定出目标图像对应的去除区域和保留区域，具体地，可以找到一条通过目标灭点的分割线，通过该分割线可以将目标图像分为两部分，一部分为去除区域，另一部分为保留区域，进一步地，可以只根据从保留区域检测出的视觉特征点，来确定目标图像中的实体场景所在的地理位置，这样，一方面由于只从利于进行视觉定位的保留区域上获取的可信特征点进行视觉定位，可以提高用于视觉定位的特征点的可靠性，进而提升视觉定位的成功率；另一方面由于舍弃了去除区域的视觉特征点，即减少了特征点的数量，可以减小定位所花费的时耗。
这里，去除区域为包含带有预设画面的区域，从预设画面中检测出的视觉特征点为不利于进行视觉定位的特征点，比如，动态区域(如行人等)或图像中连续重复出现(如地面等)的区域检测出的特征点，这些特征点引起视觉歧义，导致定位错误的问题。
需要说明的是，在视觉定位任务中，特征点可靠性影响定位精度和成功率，特征点数量影响定位速度。
S104：将所述目标图像的所述保留区域划分为大小相等的多个网格，并从所述多个网格中的每个网格包含的视觉特征点中，分别筛选出预设数量的视觉特征点作为可信特征点。
在具体实施中，在确定保留区域后，只从利于进行视觉定位的保留区域上获取的可信特征点进行视觉定位，具体地，先将保留区域划分成大小相等的多个网格，并从多个网格中的每个网格包含的视觉特征点中，利用特征点的常用筛选方法，分别筛选出预设数量的视觉特征点作为最终用于进行视觉定位的可信特征点，这里，通过对保留区域划分网格，并保证每个网格保留的可信特征点的数量相同，可以近似使可信特征点均匀的分布在保留区域上，这样，可以进一步地提升视觉定位的成功率。
S105：根据所述可信特征点，确定所述目标图像中的实体场景所在的地理位置。
在具体实施中，本申请只从目标图像中利于进行视觉定位的保留区域中的视觉特征点中筛选出可信特征点，而且使这些可信特征点近似均匀的分布于保留区域，进而通过这些可信特征点，可以准确地确定出目标图像中的实体场景所在的地理位置。
在本申请实施例中，从目标图像中提取出多个视觉特征点，并根据从目标图像中检测出的目标灭点，可以确定出目标图像的保留区域和带有预设画面的去除区域，进一步地，将保留区域划分为大小相等的多个网格，并从每个网格包含的视觉特征点中，分别筛选出预设数量的视觉特征点作为可信特征点，通过只在保留区域筛选可信特征点，可以减少用于定位的可信特征点的数量、提高用于定位的可信特征点的可靠性，并且使可信特征点近似均匀分布在保留区域，可以在减少定位时耗的同时，提升视觉定位的成功率，这样，根据上述可信特征点，可以准确地、快速地确定出目标图像中的实体场景所在的地理位置。
实施例二
图2为本申请实施例二所提供的一种视觉定位方法的流程图。如图2所示，本申请实施例提供的视觉定位方法，包括以下步骤：
S201：获取待视觉定位的目标图像，并从所述目标图像中提取出多个视觉特征点。
其中，S201的描述可以参照S101的描述，并且能达到相同的技术效果，对此不做赘述。
S202：从所述目标图像中检测出多条线段，计算所述多条线段中每条线段的斜率角，根据所述多条线段中每条线段的斜率角，从所述多条线段中筛选出所述目标图像中沿所述景深方向的各个目标线段，将各个目标线段的延伸线的交汇点，确定为所述目标图像的所述目标灭点。
在具体实施中，可以采用灭点检测算法从目标图像中检测出多种类型的线段，从多种类型的线段中要筛选出沿景深方向的目标线段，具体地，先计算出多条线段中每条线段的斜率角，这样，可以根据多条线段中每条线段的斜率角，从多条线段中筛选出目标线段，进而就将各个目标线段的延伸线的交汇点确定为目标图像的目标灭点。
进一步地，步骤S202中根据所述多条线段中每条线段的斜率角，从所述多条线段中筛选出所述目标图像中沿所述景深方向的各个目标线段，包括以下步骤：
分别判断所述多条线段中每条线段的斜率角是否小于或等于预设角度；将斜率角小于或等于所述预设角度的线段，确定为所述目标线段。
在具体实施中，可以事先预设出斜率角的筛选条件，即设置预设角度，并在筛选目标线段时，只将斜率角小于或等于预设角度的线段，确定为目标线段。
需要说明的是，沿景深方向的目标线段的斜率角一般在1度至10度之间，故可以将预设角度设为10度，这样，可以从多条线段中筛选出目标线段。
进一步地，从所述目标图像中检测出多条线段之后，所述视觉定位方法还包括以下步骤：
计算所述多条线段中每条线段包含的像素点数量；分别判断所述多条线段中每条线段的像素点数量是否大于或等于预设数量；计算所述多条线段中像素点数量大于或等于所述预设数量的线段的斜率角。
在具体实施中，可以不必从所有检测出的线段中筛选出目标线段，可以只从质量高的线段中筛选出目标线段，这样，不但可以减小计算量，还可以提升定位的精度和速度，具体地，可以先从检测出的所有线段中筛选出高质量的线段，这里，先计算出每条线段包含的像素点数量，并将像素点数量大于或等于预设数量的线段确定为质量高的线段，进而只从这些筛选出的质量高的线段中筛选出目标线段。
需要说明的是，线段包含的像素点数量越多，即线段的长度越长，灭点检测时稳定性越好，设定的预设数量主要是为了保证线段稳定性，这里，预设数量可以根据实际需要进行设置。
进一步地，针对所述多条线段中每条线段，根据以下步骤计算每条线段的斜率角：
获取每条线段的起点坐标和终点坐标；根据每条线段的所述起点坐标和所述终点坐标，计算出每条线段的斜率；根据每条线段的斜率，计算出每条线段的斜率角。
在具体实施中，可以根据每条线段的起点坐标和终点坐标计算出该条线段的斜率，进而根据该条线段的斜率计算出该条线段的斜率角。
一示例中，一条线段A的起点坐标为a(0，0)、终点坐标为b(1，1)，则线段A的斜率为k＝(1-0)/(1-0)＝1，则线段A的斜率角为α＝arctan1＝45度。
S203：根据所述目标灭点在所述目标图像中的坐标位置，确定所述目标图像对应的去除区域和保留区域；所述去除区域为包含带有预设画面的区域。
其中，S203的描述可以参照S103的描述，并且能达到相同的技术效果，对此不做赘述。
进一步地，步骤S203中根据所述目标灭点在所述目标图像中的坐标位置，确定所述目标图像对应的去除区域和保留区域，包括以下步骤：
步骤a：根据所述目标灭点在所述目标图像中的坐标位置，在所述目标图像上确定一条通过所述目标灭点且垂直于所述景深方向的分割线。
在具体实施中，在从目标图像中检测出目标灭点后，可以在目标图像上画出一条将目标图像分割为去除区域和保留区域的分割线，这里，目标灭点为从目标图像中检测出的各个目标线段的延伸线的交汇点，这条分割线可以根据目标灭点在目标图像中的坐标位置确定，具体地，分割线为通过目标灭点且垂直于景深方向的直线，这里，景深方向可以理解为拍摄得到的目标图像的方向，通常为图像的纵向方向。
一示例中，目标灭点的位置坐标为M(3，4)，可以将y＝4的这条线确定为分割线，即垂直于y轴(可以理解为景深方向为y轴方向)，平行与x轴的直线为分割线。
步骤b：将所述分割线的一侧带有所述预设画面的区域，确定为所述去除区域；以及将所述目标图像中除所述去除区域以外的区域，确定为所述保留区域。
在具体实施中，可以通过分割线将目标图像一分为二，即分割线一侧的区域为保留区域，分割线的另一侧的区域为去除区域，具体地，将带有预设画面的区域确定为去除区域。
这里，预设画面包括同时带有地面和行人的画面。
需要说明的是，预设画面中包含大量不利于进行视觉定位的视觉特征点，比如地面上的特征点和行人画面上的特征点，例如，只看长廊地面的纹理，长廊入口附近与长廊中间、出口附近的地砖几乎一样，若以此类特征进行定位，极易导致定位错误；行人是动态对象，其特征会随着行人出现在不同的区域，也会导致视觉歧义。例如，假设前方有行人与传感器同向前进，则t0时刻拍摄到的行人特征在t1时刻仍出现在图像中，若以此特征作为参照，则认为传感器没有运动，但实际情况是两者都在世界坐标系下运动了一段距离，因此，会导致视觉定位的不准确。现有技术中，从目标图像中直接提出视觉特征点，并只通过响应值或尺度值来筛选可信特征点，这样，就会保留去除区域上大量不利于视觉定位的特征点，而且目标图像上的各个区域分布的特征点数量不均匀，导致视觉定位的成功率较低。
S204：将所述目标图像的所述保留区域划分为大小相等的多个网格，并从所述多个网格中的每个网格包含的视觉特征点中，分别筛选出预设数量的视觉特征点作为可信特征点。
其中，S204的描述可以参照S104的描述，并且能达到相同的技术效果，对此不做赘述。
进一步地，步骤S204中将所述目标图像的所述保留区域划分为大小相等的多个网格，包括以下步骤：
根据预设的网格划分规则，将所述保留区域划分为M*N数量的大小相等的网格；其中，M为所述保留区域中水平方向的网格的数量、N为所述保留区域中竖直方向的网格的数量。
在具体实施中，在目标图像的保留区域上划分的网格是按照矩阵的排列形式进行排列的，矩阵为M*N的矩阵，其中，每个网格的大小相等，在保留区域的横向排列着M个网格，在保留区域的纵向排列着N个网格。
进一步地，步骤S204中从所述多个网格中的每个网格包含的视觉特征点中，分别筛选出预设数量的视觉特征点作为可信特征点，可以采用以下两种实施方式：
方式一：针对所述多个网格中的每个网格，计算每个网格包含的视觉特征点的响应值；将每个网格中的视觉特征点的响应值按照响应值由大到小的顺序进行排序，并将排名靠前的第一预设个数的视觉特征点，确定为每个网格中的可信特征点。
在具体实施中，在从每个网格中的视觉特征点中筛选出可信特征点时，可以根据视觉特征点的响应值来筛选可信特征点，这里，响应值表征视觉特征点的特征的强弱，响应值越高，特征点越强，即响应值越高的视觉特征点的质量越高，使用质量较高的可信特征点进行目标图像中实体场景的定位，这样，可以提升视觉定位的成功率和准确率。
方式二：针对所述多个网格中的每个网格，计算每个网格包含的视觉特征点的尺度值；将每个网格中的视觉特征点的尺度值按照尺度值由大到小的顺序进行排序，并将排名靠前的第二预设个数的视觉特征点，确定为每个网格中的可信特征点。
在具体实施中，在从每个网格中的视觉特征点中筛选出可信特征点时，可以根据视觉特征点的尺度值来筛选可信特征点，这里，尺度值表征视觉特征点的特征区域的大小，尺度值越大，特征点越稳定，通过将较稳定的可信特征点进行目标图像中实体场景的定位，这样，可以提升视觉定位的成功率和准确率。
S205：根据所述可信特征点，确定所述目标图像中的实体场景所在的地理位置。
其中，S205描述可以参照S105描述，并且能达到相同的技术效果，对此不做赘述。
在本申请实施例中，从目标图像中提取出多个视觉特征点，并根据从目标图像中检测出的目标灭点，可以确定出目标图像的保留区域和带有预设画面的去除区域，进一步地，将保留区域划分为大小相等的多个网格，并从每个网格包含的视觉特征点中，分别筛选出预设数量的视觉特征点作为可信特征点，通过只在保留区域筛选可信特征点，可以减少用于定位的可信特征点的数量、提高用于定位的可信特征点的可靠性，并且使可信特征点近似均匀分布在保留区域，可以在减少定位时耗的同时，提升视觉定位的成功率，这样，根据上述可信特征点，可以准确地、快速地确定出目标图像中的实体场景所在的地理位置。
实施例三
基于同一申请构思，本申请实施例三中还提供了与实施例一提供的视觉定位方法对应的视觉定位装置，由于本申请实施例中的装置解决问题的原理与本申请上述实施例一的视觉定位方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
如图3至图5所示，图3为本申请实施例三所提供的一种视觉定位装置300的功能模块图，图4示出了图3中检测模块320的功能模块图之一，图5示出了图3中检测模块320的功能模块图之二。
如图3所示，所述视觉定位装置300包括：
提取模块310，用于获取待视觉定位的目标图像，并从所述目标图像中提取出多个视觉特征点；
检测模块320，用于从所述目标图像中检测出目标灭点；所述目标灭点为从所述目标图像中检测出的沿景深方向的各个目标线段的延伸线的交汇点；
第一确定模块330，用于根据所述目标灭点在所述目标图像中的坐标位置，确定所述目标图像对应的去除区域和保留区域；所述去除区域为包含带有预设画面的区域；
筛选模块340，用于将所述目标图像的所述保留区域划分为大小相等的多个网格，并从所述多个网格中的每个网格包含的视觉特征点中，分别筛选出预设数量的视觉特征点作为可信特征点；
第二确定模块350，用于根据所述可信特征点，确定所述目标图像中的实体场景所在的地理位置。
在一种可能的实施方式中，如图4所示，所述检测模块320包括：
检测单元321，用于从所述目标图像中检测出多条线段；
第一计算单元322，用于计算所述多条线段中每条线段的斜率角；
筛选单元323，用于根据所述多条线段中每条线段的斜率角，从所述多条线段中筛选出所述目标图像中沿所述景深方向的各个目标线段；
确定单元324，用于将各个目标线段的延伸线的交汇点，确定为所述目标图像的所述目标灭点。
在一种可能的实施方式中，如图4所示的所述筛选单元323，用于根据以下步骤筛选出各个目标线段：
分别判断所述多条线段中每条线段的斜率角是否小于或等于预设角度；
将斜率角小于或等于所述预设角度的线段，确定为所述目标线段。
在一种可能的实施方式中，如图5所示，所述检测模块320还包括：
第二计算单元325，用于计算所述多条线段中每条线段包含的像素点数量；
判断单元326，用于分别判断所述多条线段中每条线段的像素点数量是否大于或等于预设数量；
所述第一计算单元322，具体用于计算所述多条线段中像素点数量大于或等于所述预设数量的线段的斜率角。
在一种可能的实施方式中，如图4所示的所述第一计算单元322，用于根据以下步骤计算每条线段的斜率角：
获取每条线段的起点坐标和终点坐标；
根据每条线段的所述起点坐标和所述终点坐标，计算出每条线段的斜率；
根据每条线段的斜率，计算出每条线段的斜率角。
在一种可能的实施方式中，如图3所示的所述第一确定模块330，用于根据以下步骤确定所述目标图像对应的去除区域和保留区域：
根据所述目标灭点在所述目标图像中的坐标位置，在所述目标图像上确定一条通过所述目标灭点且垂直于所述景深方向的分割线；
将所述分割线的一侧带有所述预设画面的区域，确定为所述去除区域；以及将所述目标图像中除所述去除区域以外的区域，确定为所述保留区域。
在一种可能的实施方式中，所述预设画面包括同时带有地面和行人的画面。
在一种可能的实施方式中，如图3所示的所述筛选模块340，用于根据以下步骤将所述保留区域划分大小相等的多个网格：
根据预设的网格划分规则，将所述保留区域划分为M*N数量的大小相等的网格；
其中，M为所述保留区域中水平方向的网格的数量、N为所述保留区域中竖直方向的网格的数量。
在一种可能的实施方式中，如图3所示的所述筛选模块340，用于根据以下步骤筛选所述可信特征点：
针对所述多个网格中的每个网格，计算每个网格包含的视觉特征点的响应值；
将每个网格中的视觉特征点的响应值按照响应值由大到小的顺序进行排序，并将排名靠前的第一预设个数的视觉特征点，确定为每个网格中的可信特征点。
在一种可能的实施方式中，如图3所示的所述筛选模块340，用于根据以下步骤筛选所述可信特征点：
针对所述多个网格中的每个网格，计算每个网格包含的视觉特征点的尺度值；
将每个网格中的视觉特征点的尺度值按照尺度值由大到小的顺序进行排序，并将排名靠前的第二预设个数的视觉特征点，确定为每个网格中的可信特征点。
在本申请实施例中，从目标图像中提取出多个视觉特征点，并根据从目标图像中检测出的目标灭点，可以确定出目标图像的保留区域和带有预设画面的去除区域，进一步地，将保留区域划分为大小相等的多个网格，并从每个网格包含的视觉特征点中，分别筛选出预设数量的视觉特征点作为可信特征点，通过只在保留区域筛选可信特征点，可以减少用于定位的可信特征点的数量、提高用于定位的可信特征点的可靠性，并且使可信特征点近似均匀分布在保留区域，可以在减少定位时耗的同时，提升视觉定位的成功率，这样，根据上述可信特征点，可以准确地、快速地确定出目标图像中的实体场景所在的地理位置。
实施例四
基于同一申请构思，参见图6所示，为本申请实施例四提供的一种电子设备600的结构示意图，包括：处理器610、存储器620和总线630，所述存储器620存储有所述处理器610可执行的机器可读指令，当电子设备600运行时，所述处理器610与所述存储器620之间通过所述总线630进行通信，所述机器可读指令被所述处理器610运行时执行如实施例一中任一所述的视觉定位方法的步骤。
具体地，所述机器可读指令被所述处理器610执行时可以执行如下处理：
获取待视觉定位的目标图像，并从所述目标图像中提取出多个视觉特征点；
从所述目标图像中检测出目标灭点；所述目标灭点为从所述目标图像中检测出的沿景深方向的各个目标线段的延伸线的交汇点；
根据所述目标灭点在所述目标图像中的坐标位置，确定所述目标图像对应的去除区域和保留区域；所述去除区域为包含带有预设画面的区域；
将所述目标图像的所述保留区域划分为大小相等的多个网格，并从所述多个网格中的每个网格包含的视觉特征点中，分别筛选出预设数量的视觉特征点作为可信特征点；
根据所述可信特征点，确定所述目标图像中的实体场景所在的地理位置。
在本申请实施例中，从目标图像中提取出多个视觉特征点，并根据从目标图像中检测出的目标灭点，可以确定出目标图像的保留区域和带有预设画面的去除区域，进一步地，将保留区域划分为大小相等的多个网格，并从每个网格包含的视觉特征点中，分别筛选出预设数量的视觉特征点作为可信特征点，通过只在保留区域筛选可信特征点，可以减少用于定位的可信特征点的数量、提高用于定位的可信特征点的可靠性，并且使可信特征点近似均匀分布在保留区域，可以在减少定位时耗的同时，提升视觉定位的成功率，这样，根据上述可信特征点，可以准确地、快速地确定出目标图像中的实体场景所在的地理位置。
实施例五
基于同一申请构思，本申请实施例五还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述实施例一提供的视觉定位方法的步骤。
具体地，所述存储介质能够为通用的存储介质，如移动磁盘、硬盘等，所述存储介质上的计算机程序被运行时，能够执行上述视觉定位方法，通过只在保留区域筛选可信特征点，可以减少用于定位的可信特征点的数量、提高用于定位的可信特征点的可靠性，并且使可信特征点近似均匀分布在保留区域，可以在减少定位时耗的同时，提升视觉定位的成功率，这样，根据上述可信特征点，可以准确地、快速地确定出目标图像中的实体场景所在的地理位置。
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***和装置的具体工作过程，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，应所述理解到，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，在本申请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。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的部分可以以软件产品的形式体现出来，所述计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (22)
1.一种视觉定位方法，其特征在于，所述视觉定位方法包括：
获取待视觉定位的目标图像，并从所述目标图像中提取出多个视觉特征点；
从所述目标图像中检测出目标灭点；所述目标灭点为从所述目标图像中检测出的沿景深方向的各个目标线段的延伸线的交汇点；
根据所述目标灭点在所述目标图像中的坐标位置，确定所述目标图像对应的去除区域和保留区域；所述去除区域为包含带有预设画面的区域；
将所述目标图像的所述保留区域划分为大小相等的多个网格，并从所述多个网格中的每个网格包含的视觉特征点中，分别筛选出预设数量的视觉特征点作为可信特征点；
根据所述可信特征点，确定所述目标图像中的实体场景所在的地理位置。
2.根据权利要求1所述的视觉定位方法，其特征在于，从所述目标图像中检测出目标灭点，包括：
从所述目标图像中检测出多条线段；
计算所述多条线段中每条线段的斜率角；
根据所述多条线段中每条线段的斜率角，从所述多条线段中筛选出所述目标图像中沿所述景深方向的各个目标线段；
将各个目标线段的延伸线的交汇点，确定为所述目标图像的所述目标灭点。
3.根据权利要求2所述的视觉定位方法，其特征在于，所述根据所述多条线段中每条线段的斜率角，从所述多条线段中筛选出所述目标图像中沿所述景深方向的各个目标线段，包括：
分别判断所述多条线段中每条线段的斜率角是否小于或等于预设角度；
将斜率角小于或等于所述预设角度的线段，确定为所述目标线段。
4.根据权利要求2所述的视觉定位方法，其特征在于，从所述目标图像中检测出多条线段之后，所述视觉定位方法还包括：
计算所述多条线段中每条线段包含的像素点数量；
分别判断所述多条线段中每条线段的像素点数量是否大于或等于预设数量；
所述计算所述多条线段中每条线段的斜率角，包括：
计算所述多条线段中像素点数量大于或等于所述预设数量的线段的斜率角。
5.根据权利要求2所述的视觉定位方法，其特征在于，针对所述多条线段中每条线段，根据以下步骤计算每条线段的斜率角：
获取每条线段的起点坐标和终点坐标；
根据每条线段的所述起点坐标和所述终点坐标，计算出每条线段的斜率；
根据每条线段的斜率，计算出每条线段的斜率角。
6.根据权利要求1所述的视觉定位方法，其特征在于，所述根据所述目标灭点在所述目标图像中的坐标位置，确定所述目标图像对应的去除区域和保留区域，包括：
根据所述目标灭点在所述目标图像中的坐标位置，在所述目标图像上确定一条通过所述目标灭点且垂直于所述景深方向的分割线；
将所述分割线的一侧带有所述预设画面的区域，确定为所述去除区域；以及将所述目标图像中除所述去除区域以外的区域，确定为所述保留区域。
7.根据权利要求1所述的视觉定位方法，其特征在于，所述预设画面包括同时带有地面和行人的画面。
8.根据权利要求1所述的视觉定位方法，其特征在于，所述将所述目标图像的所述保留区域划分大小相等的多个网格，包括：
根据预设的网格划分规则，将所述保留区域划分为M*N数量的大小相等的网格；
其中，M为所述保留区域中水平方向的网格的数量、N为所述保留区域中竖直方向的网格的数量。
9.根据权利要求1所述的视觉定位方法，其特征在于，所述从所述多个网格中的每个网格包含的视觉特征点中，分别筛选出预设数量的视觉特征点作为可信特征点，包括：
针对所述多个网格中的每个网格，计算每个网格包含的视觉特征点的响应值；
将每个网格中的视觉特征点的响应值按照响应值由大到小的顺序进行排序，并将排名靠前的第一预设个数的视觉特征点，确定为每个网格中的可信特征点。
10.根据权利要求1所述的视觉定位方法，其特征在于，所述从所述多个网格中的每个网格包含的视觉特征点中，分别筛选出预设数量的视觉特征点作为可信特征点，包括：
针对所述多个网格中的每个网格，计算每个网格包含的视觉特征点的尺度值；
将每个网格中的视觉特征点的尺度值按照尺度值由大到小的顺序进行排序，并将排名靠前的第二预设个数的视觉特征点，确定为每个网格中的可信特征点。
11.一种视觉定位装置，其特征在于，所述视觉定位装置包括：
提取模块，用于获取待视觉定位的目标图像，并从所述目标图像中提取出多个视觉特征点；
检测模块，用于从所述目标图像中检测出目标灭点；所述目标灭点为从所述目标图像中检测出的沿景深方向的各个目标线段的延伸线的交汇点；
第一确定模块，用于根据所述目标灭点在所述目标图像中的坐标位置，确定所述目标图像对应的去除区域和保留区域；所述去除区域为包含带有预设画面的区域；
筛选模块，用于将所述目标图像的所述保留区域划分为大小相等的多个网格，并从所述多个网格中的每个网格包含的视觉特征点中，分别筛选出预设数量的视觉特征点作为可信特征点；
第二确定模块，用于根据所述可信特征点，确定所述目标图像中的实体场景所在的地理位置。
12.根据权利要求11所述的视觉定位装置，其特征在于，所述检测模块包括：
检测单元，用于从所述目标图像中检测出多条线段；
第一计算单元，用于计算所述多条线段中每条线段的斜率角；
筛选单元，用于根据所述多条线段中每条线段的斜率角，从所述多条线段中筛选出所述目标图像中沿所述景深方向的各个目标线段；
确定单元，用于将各个目标线段的延伸线的交汇点，确定为所述目标图像的所述目标灭点。
13.根据权利要求12所述的视觉定位装置，其特征在于，所述筛选单元，用于根据以下步骤筛选出各个目标线段：
分别判断所述多条线段中每条线段的斜率角是否小于或等于预设角度；
将斜率角小于或等于所述预设角度的线段，确定为所述目标线段。
14.根据权利要求12所述的视觉定位装置，其特征在于，所述检测模块还包括：
第二计算单元，用于计算所述多条线段中每条线段包含的像素点数量；
判断单元，用于分别判断所述多条线段中每条线段的像素点数量是否大于或等于预设数量；
所述第一计算单元，具体用于计算所述多条线段中像素点数量大于或等于所述预设数量的线段的斜率角。
15.根据权利要求12所述的视觉定位装置，其特征在于，所述第一计算单元，用于根据以下步骤计算每条线段的斜率角：
获取每条线段的起点坐标和终点坐标；
根据每条线段的所述起点坐标和所述终点坐标，计算出每条线段的斜率；
根据每条线段的斜率，计算出每条线段的斜率角。
16.根据权利要求11所述的视觉定位装置，其特征在于，所述第一确定模块，用于根据以下步骤确定所述目标图像对应的去除区域和保留区域：
根据所述目标灭点在所述目标图像中的坐标位置，在所述目标图像上确定一条通过所述目标灭点且垂直于所述景深方向的分割线；
将所述分割线的一侧带有所述预设画面的区域，确定为所述去除区域；以及将所述目标图像中除所述去除区域以外的区域，确定为所述保留区域。
17.根据权利要求11所述的视觉定位装置，其特征在于，所述预设画面包括同时带有地面和行人的画面。
18.根据权利要求11所述的视觉定位装置，其特征在于，所述筛选模块，用于根据以下步骤将所述保留区域划分大小相等的多个网格：
根据预设的网格划分规则，将所述保留区域划分为M*N数量的大小相等的网格；
其中，M为所述保留区域中水平方向的网格的数量、N为所述保留区域中竖直方向的网格的数量。
19.根据权利要求11所述的视觉定位装置，其特征在于，所述筛选模块，用于根据以下步骤筛选所述可信特征点：
针对所述多个网格中的每个网格，计算每个网格包含的视觉特征点的响应值；
将每个网格中的视觉特征点的响应值按照响应值由大到小的顺序进行排序，并将排名靠前的第一预设个数的视觉特征点，确定为每个网格中的可信特征点。
20.根据权利要求11所述的视觉定位装置，其特征在于，所述筛选模块，用于根据以下步骤筛选所述可信特征点：
针对所述多个网格中的每个网格，计算每个网格包含的视觉特征点的尺度值；
将每个网格中的视觉特征点的尺度值按照尺度值由大到小的顺序进行排序，并将排名靠前的第二预设个数的视觉特征点，确定为每个网格中的可信特征点。
21.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线进行通信，所述机器可读指令被所述处理器运行时执行如权利要求1至10任一所述的视觉定位方法的步骤。
22.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至10任一所述的视觉定位方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911404674.7A CN111862206A (zh) | 2019-12-31 | 2019-12-31 | 一种视觉定位方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911404674.7A CN111862206A (zh) | 2019-12-31 | 2019-12-31 | 一种视觉定位方法、装置、电子设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111862206A true CN111862206A (zh) | 2020-10-30 |
Family
ID=72970778
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911404674.7A Pending CN111862206A (zh) | 2019-12-31 | 2019-12-31 | 一种视觉定位方法、装置、电子设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111862206A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114638774A (zh) * | 2020-12-01 | 2022-06-17 | 珠海碳云智能科技有限公司 | 图像数据处理方法及装置、非易失性存储介质 |
| WO2022160101A1 (zh) * | 2021-01-26 | 2022-08-04 | 深圳市大疆创新科技有限公司 | 朝向估计方法、装置、可移动平台及可读存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108961182A (zh) * | 2018-06-25 | 2018-12-07 | 北京大学 | 针对视频图像的竖直方向灭点检测方法及视频扭正方法 |
| KR20180136057A (ko) * | 2017-06-14 | 2018-12-24 | 현대모비스 주식회사 | 어라운드 뷰 모니터링 시스템의 카메라 각도 추정 방법 |
| CN109146972A (zh) * | 2018-08-21 | 2019-01-04 | 南京师范大学镇江创新发展研究院 | 基于快速特征点提取及网格化三角形约束的视觉导航方法 |
| CN109900254A (zh) * | 2019-03-28 | 2019-06-18 | 合肥工业大学 | 一种单目视觉的路面坡度计算方法及其计算装置 |
| CN110503740A (zh) * | 2018-05-18 | 2019-11-26 | 杭州海康威视数字技术股份有限公司 | 一种车辆状态判定方法、装置、计算机设备及*** |
-
2019
- 2019-12-31 CN CN201911404674.7A patent/CN111862206A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180136057A (ko) * | 2017-06-14 | 2018-12-24 | 현대모비스 주식회사 | 어라운드 뷰 모니터링 시스템의 카메라 각도 추정 방법 |
| CN110503740A (zh) * | 2018-05-18 | 2019-11-26 | 杭州海康威视数字技术股份有限公司 | 一种车辆状态判定方法、装置、计算机设备及*** |
| CN108961182A (zh) * | 2018-06-25 | 2018-12-07 | 北京大学 | 针对视频图像的竖直方向灭点检测方法及视频扭正方法 |
| CN109146972A (zh) * | 2018-08-21 | 2019-01-04 | 南京师范大学镇江创新发展研究院 | 基于快速特征点提取及网格化三角形约束的视觉导航方法 |
| CN109900254A (zh) * | 2019-03-28 | 2019-06-18 | 合肥工业大学 | 一种单目视觉的路面坡度计算方法及其计算装置 |
Non-Patent Citations (1)
| Title |
|---|
| 陈无畏;蒋玉亭;谈东奎;: "一种基于边缘点投影的车道线快速识别算法", 汽车工程, no. 03, pages 1 - 3 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114638774A (zh) * | 2020-12-01 | 2022-06-17 | 珠海碳云智能科技有限公司 | 图像数据处理方法及装置、非易失性存储介质 |
| CN114638774B (zh) * | 2020-12-01 | 2024-02-02 | 珠海碳云智能科技有限公司 | 图像数据处理方法及装置、非易失性存储介质 |
| WO2022160101A1 (zh) * | 2021-01-26 | 2022-08-04 | 深圳市大疆创新科技有限公司 | 朝向估计方法、装置、可移动平台及可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106570446B (zh) | 车道线提取的方法和装置 | |
| Qin et al. | 3D change detection at street level using mobile laser scanning point clouds and terrestrial images | |
| CN111487641B (zh) | 一种利用激光雷达检测物体的方法、装置、电子设备及存储介质 | |
| US8204278B2 (en) | Image recognition method | |
| US8116530B2 (en) | Map change detection device, map change detection method, and program | |
| KR101643672B1 (ko) | 광류 추적 방법 및 장치 | |
| EP2811423A1 (en) | Method and apparatus for detecting target | |
| CN111462503B (zh) | 车辆测速方法、装置及计算机可读存储介质 | |
| EP3112802A1 (en) | Road feature measurement apparatus and road feature measuring method | |
| JP2017533482A (ja) | 車線データの処理方法、装置、記憶媒体及び機器 | |
| JP2015031990A (ja) | 障害物及び急斜面を検出する検出装置およびそれを備えた車両 | |
| CN107491065B (zh) | 利用障碍物的地面边界信息检测物体的侧面的方法和装置 | |
| US20150302611A1 (en) | Vehicle dimension estimation from vehicle images | |
| CN110795978B (zh) | 路面点云数据提取方法、装置、存储介质及电子设备 | |
| CN112525147B (zh) | 自动驾驶设备测距方法及相关装置 | |
| CN111862206A (zh) | 一种视觉定位方法、装置、电子设备及可读存储介质 | |
| CN111243003A (zh) | 车载双目摄像机及其检测道路限高杆的方法、装置 | |
| Petrovai et al. | A stereovision based approach for detecting and tracking lane and forward obstacles on mobile devices | |
| EP2677462B1 (en) | Method and apparatus for segmenting object area | |
| CN113920275B (zh) | 三角网格构建方法、装置、电子设备及可读存储介质 | |
| CN113256683B (zh) | 目标跟踪方法及相关设备 | |
| CN112749584A (zh) | 一种基于图像检测的车辆定位方法及车载终端 | |
| CN114842166A (zh) | 应用于结构化道路的负障碍检测方法、***、介质及设备 | |
| CN116778094B (zh) | 一种基于优选视角拍摄的建筑物变形监测方法及装置 | |
| CN113989765A (zh) | 一种轨道障碍物的检测方法、检测装置及可读存储介质 |
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 |