CN112116655A - 目标对象的图像的位置信息确定方法和装置 - Google Patents
目标对象的图像的位置信息确定方法和装置 Download PDFInfo
- Publication number
- CN112116655A CN112116655A CN201910537824.5A CN201910537824A CN112116655A CN 112116655 A CN112116655 A CN 112116655A CN 201910537824 A CN201910537824 A CN 201910537824A CN 112116655 A CN112116655 A CN 112116655A
- Authority
- CN
- China
- Prior art keywords
- reference point
- frame image
- determining
- image
- coordinate
- 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 64
- 238000004590 computer program Methods 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 239000004065 semiconductor Substances 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
- 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
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (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)
- Image Analysis (AREA)
Abstract
本公开实施例公开了一种目标对象的位置确定方法和装置,其中,该方法包括:从图像采集装置获取的当前帧图像中确定目标对象的图像;根据目标对象的图像,确定匹配的先前帧图像;确定目标对象的图像的参考点;获取图像采集装置的位姿信息;基于参考点分别在当前帧图像和先前帧图像上的像素坐标和位姿信息,确定参考点在世界坐标系中的第一参考点坐标;基于当前帧图像的后续帧图像,对第一参考点坐标进行优化,得到第二参考点坐标。本公开实施例提高了确定目标对象的位置的准确性,避免了采用激光点云设备确定目标对象的位置,简化了确定目标对象的位置的方式,节约了成本。
Description
技术领域
本公开涉及计算机技术领域,尤其是一种目标对象的图像的位置信息确定方法和装置。
背景技术
道路上的各种设施(例如红绿灯等),作为道路场景中的重要地标,是高精度地图中必不可少的元素。目前在地图中构建这些设施的模型的方案,多采用激光雷达扫描的方式获得设施上的点云,然后在点云上提取设施的参数信息,如设施的中心坐标、设施的方向、大小等。也可以使用单目相机进行设施模型重建,对于表面的纹理丰富的红绿灯等设施,可以使用重建点云方案,然后在重建的点云上提取出设施的参数信息。
发明内容
为了解决上述技术问题,提出了本公开。本公开的实施例提供了一种目标对象的位置确定方法,该方法包括:从图像采集装置获取的当前帧图像中确定目标对象的图像;根据目标对象的图像,确定匹配的先前帧图像;确定目标对象的图像的参考点;获取图像采集装置的位姿信息;基于参考点分别在当前帧图像和先前帧图像上的像素坐标和位姿信息,确定参考点在世界坐标系中的第一参考点坐标;基于当前帧图像的后续帧图像,对第一参考点坐标进行优化,得到第二参考点坐标。
根据本公开实施例的另一个方面,提供了一种目标对象的位置确定装置,该装置包括:第一确定模块,用于从图像采集装置获取的当前帧图像中确定目标对象的图像;第二确定模块,用于根据目标对象的图像,确定匹配的先前帧图像;第三确定模块,用于确定目标对象的图像的参考点;获取模块,用于获取图像采集装置的位姿信息;第四确定模块,用于基于参考点分别在当前帧图像和先前帧图像上的像素坐标和位姿信息,确定参考点在世界坐标系中的第一参考点坐标;优化模块,用于基于当前帧图像的后续帧图像,对第一参考点坐标进行优化,得到第二参考点坐标。
根据本公开实施例的另一个方面,提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序用于执行上述目标对象的位置确定方法。
根据本公开实施例的另一个方面,提供了一种电子设备,电子设备包括:处理器;用于存储处理器可执行指令的存储器;处理器,用于从存储器中读取可执行指令,并执行指令以实现上述目标对象的位置确定方法。
基于本公开上述实施例提供的目标对象的位置确定方法和装置,通过确定目标对象在图像采集装置采集的图像中的参考点,以及获取图像采集装置的位姿信息,基于位姿信息和参考点在图像中的像素坐标,确定参考点在世界坐标系中的第一参考点坐标,进一步基于当前帧图像的后续帧图像,对第一参考点坐标进行优化,得到第二参考点坐标,从而通过对目标对象进行连续地拍摄所得到的图像,对表征目标对象的位置的参考点坐标进行优化,提高了确定目标对象的位置的准确性,避免了采用激光点云设备确定目标对象的位置,简化了确定目标对象的位置的方式,节约了成本。
下面通过附图和实施例,对本公开的技术方案做进一步的详细描述。
附图说明
通过结合附图对本公开实施例进行更详细的描述,本公开的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解,并且构成说明书的一部分,与本公开实施例一起用于解释本公开,并不构成对本公开的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1是本公开所适用的***图。
图2是本公开一示例性实施例提供的目标对象的位置确定方法的流程示意图。
图3是本公开的实施例的目标对象的位置确定方法的一个应用场景的示意图。
图4是本公开另一示例性实施例提供的目标对象的位置确定方法的流程示意图。
图5是本公开另一示例性实施例提供的目标对象的位置确定方法的流程示意图。
图6是本公开一示例性实施例提供的目标对象的位置确定装置的结构示意图。
图7是本公开另一示例性实施例提供的目标对象的位置确定装置的结构示意图。
图8是本公开一示例性实施例提供的电子设备的结构图。
具体实施方式
下面,将参考附图详细地描述根据本公开的示例实施例。显然,所描述的实施例仅仅是本公开的一部分实施例,而不是本公开的全部实施例,应理解,本公开不受这里描述的示例实施例的限制。
应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
本领域技术人员可以理解,本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等,既不代表任何特定技术含义,也不表示它们之间的必然逻辑顺序。
还应理解,在本公开实施例中,“多个”可以指两个或两个以上,“至少一个”可以指一个、两个或两个以上。
还应理解,对于本公开实施例中提及的任一部件、数据或结构,在没有明确限定或者在前后文给出相反启示的情况下,一般可以理解为一个或多个。
另外,本公开中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本公开中字符“/”,一般表示前后关联对象是一种“或”的关系。
还应理解,本公开对各个实施例的描述着重强调各个实施例之间的不同之处,其相同或相似之处可以相互参考,为了简洁,不再一一赘述。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本公开实施例可以应用于终端设备、计算机***、服务器等电子设备,其可与众多其它通用或专用计算***环境或配置一起操作。适于与终端设备、计算机***、服务器等电子设备一起使用的众所周知的终端设备、计算***、环境和/或配置的例子包括但不限于:个人计算机***、服务器计算机***、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的***、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机***、大型计算机***和包括上述任何***的分布式云计算技术环境,等等。
终端设备、计算机***、服务器等电子设备可以在由计算机***执行的计算机***可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机***/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算***存储介质上。
申请概述
目前在地图中构建红绿灯等设施的模型的方案,多采用激光雷达扫描的方式获得设施上的点云,然后在点云上提取设施的参数信息,如设施的中心坐标、设施的方向、大小等。这种方式由于需要使用激光雷达,价格昂贵。使用价格便宜的单目相机进行设施模型重建的一大难点是设施的形态、大小各一,对于纹理丰富的设施可以通过使用重建点云方案,然后在重建的点云上提取出设施的参数信息。然而对于纹理单一、面积较小的设施则提取可稳定跟踪的角点的难度较大,也就难以得到红绿灯上的点云。
示例性***
图1示出了可以应用本公开的实施例的目标对象的位置确定方法或目标对象的位置确定装置的示例性***架构100。
如图1所示,***架构100可以包括终端设备101,网络102和服务器103。网络102用以在终端设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101通过网络102与服务器103交互,以接收或发送消息等。终端设备101上可以安装有各种应用,例如图像处理类应用、地图类应用等。
终端设备101可以是各种电子设备,包括但不限于车载终端、移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)等等。
服务器103可以是提供各种服务的服务器,例如对终端设备101上传的图像进行处理以建立在地图上的模型的后台地图服务器。后台地图服务器可以对接收到的图像进行处理,得到处理结果(例如目标对象的坐标)。
需要说明的是,本公开的实施例所提供的目标对象的位置确定方法可以由服务器103执行,也可以由终端设备101执行,相应地,目标对象的位置确定装置可以设置于服务器103中,也可以设置于终端设备101中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
示例性方法
图2是本公开一示例性实施例提供的目标对象的位置确定方法的流程示意图。本实施例可应用在电子设备上,如图2所示,包括如下步骤:
步骤201,从图像采集装置获取的当前帧图像中确定目标对象的图像。
在本实施例中,电子设备可以从图像采集装置获取的当前帧图像中确定目标对象的图像。其中,图像采集装置可以是上述电子设备包括的摄像头,也可以是与上述电子设备通信连接的摄像头。例如,图像采集装置可以是安装在车辆上的相机。通常,图像采集装置在道路上移动时,连续地对目标对象进行拍摄,所得到的各帧图像中包括目标对象的图像。电子设备可以利用现有的目标检测方法,从当前图像帧中确定目标对象的图像。
上述目标对象可以是各种道路设施,例如路灯、路标等。
在一些可选的实现方式中,目标对象的图像可以包括红绿灯图像,红绿灯由于是道路上的重要的设施,因此,通过对红绿灯图像进行分析得到红绿灯的坐标,可以有助于更准确地定位及建图。
步骤202,根据目标对象的图像,确定匹配的先前帧图像。
在本实施例中,电子设备可以根据目标对象的图像,确定匹配的先前帧图像。其中,上述匹配的先前帧图像可以是图像采集装置采集的各帧图像中的,包括上述目标对象的图像且位于当前帧图像之前帧的图像。
步骤203,确定目标对象的图像的参考点。
在本实施例中,电子设备可以确定目标对象的图像的参考点。其中,参考点可以是目标对象的图像中的具有某设定的特征的点。例如,参考点可以是目标对象的图像的中心点、角点等。
在一些可选的实现方式中,电子设备可以按照如下步骤确定目标对象的图像的参考点:
首先,确定目标对象的图像中的感兴趣区域。其中,感兴趣区域可以是目标对象的图像中的表征目标对象的图像的主要特征的区域。例如,当目标对象的图像为红绿灯图像时,感兴趣区域可以是包括红绿灯的最小矩形。电子设备可以利用现有的各种目标检测方法从目标对象的图像中确定感兴趣区域。
然后,将感兴趣区域的中心点确定为参考点。通过将感兴趣区域的中心点设置为参考点,可以使参考点准确地表征目标对象的位置。
步骤204,获取图像采集装置的位姿信息。
在本实施例中,电子设备可以获取图像采集装置的位姿信息。其中,位姿信息用于表征图像采集装置的位置和姿态,通常,位姿信息可以包括图像采集装置的外参信息。位姿信息可以利用现有的相机位姿估计方法确定。通常,电子设备可以利用图像采集装置采集的图像进行位姿估计,得到位姿信息。例如,可以将利用上一帧图像确定的位姿信息确定为当前帧对应的位姿信息。需要说明的是,图像采集装置初始采集的图像(例如第一帧图像)对应的位姿信息可以利用卫星定位***、关系导航装置等确定。
步骤205,基于参考点分别在当前帧图像和先前帧图像上的像素坐标和位姿信息,确定参考点在世界坐标系中的第一参考点坐标。
在本实施例中,电子设备可以基于参考点分别在当前帧图像和先前帧图像上的像素坐标和位姿信息,确定参考点在世界坐标系中的第一参考点坐标。其中,像素坐标是参考点在图像中所在的像素的坐标。具体地,电子设备可以利用现有的多视角几何的三角化方法,通过对参考点分别在当前帧图像和先前帧图像上的像素坐标和位姿信息,确定图像采集装置的不同位置与参考点的实际位置的三角关系,确定出参考点在世界坐标系中的坐标作为第一参考点坐标。
步骤206,基于当前帧图像的后续帧图像,对第一参考点坐标进行优化,得到第二参考点坐标。
在本实施例中,电子设备可以基于当前帧图像的后续帧图像,对第一参考点坐标进行优化,得到第二参考点坐标。具体地,电子设备可以利用最小化重投影误差算法,将第一参考点坐标作为初始坐标,并基于当前帧图像之后,由图像采集装置采集的后续帧图像中的参考点在后续帧图像中的坐标,对初始坐标进行优化,在满足预设条件(例如重投影误差之和小于一定的门限值)的情况下,将最终优化后的参考点在世界坐标系中的坐标作为第二参考点坐标。
第二参考点坐标由于是基于后续帧图像优化后的坐标,因此,第二参考点坐标可以准确地表征目标对象的位置,有助于利用第二参考点坐标建立目标对象在三维地图上的模型。
参见图3,图3是根据本实施例的目标对象的位置确定方法的应用场景的一个示意图。在图3的应用场景中,电子设备301为设置在汽车上的车载终端,汽车上还设置有图像采集装置302。汽车在行驶时,图像采集装置302不断地进行拍摄。当行驶到路口时,图像采集设备拍摄到红绿灯。电子设备301首先从图像采集装置获取的当前帧图像303中确定目标对象(即红绿灯)的图像。然后,电子设备301根据目标对象的图像,从图像采集设备302拍摄的图像中确定匹配的先前帧图像304(即包括目标对象的图像的帧)。再然后,电子设备301确定目标对象的图像的中心点作为参考点305。接着,电子设备301获取位姿信息306。随后,电子设备301基于参考点分别在当前帧图像和先前帧图像上的像素坐标A和B,以及位姿信息306,确定参考点在世界坐标系中的第一参考点坐标307。例如,电子设备301利用多视角几何的三角化方法,确定第一参考点坐标307。最后,电子设备301基于当前帧图像的后续帧图像308,对第一参考点坐标进行优化,得到第二参考点坐标309。例如,电子设备301利用最小化重投影误差法,对后续帧图像进行分析,不断地调整第一参考点坐标,使重投影误差最小,将重投影误差最小时的第一参考点坐标确定为表征目标对象的位置的第二参考点坐标309。
本公开的上述实施例提供的方法,通过确定目标对象在图像采集装置采集的图像中的参考点,以及获取图像采集装置的位姿信息,基于位姿信息和参考点在图像中的像素坐标,确定参考点在世界坐标系中的第一参考点坐标,进一步基于当前帧图像的后续帧图像,对第一参考点坐标进行优化,得到第二参考点坐标,从而通过对目标对象进行连续地拍摄所得到的图像,对表征目标对象的位置的参考点坐标进行优化,提高了确定目标对象的位置的准确性,避免了采用激光点云设备确定目标对象的位置,简化了确定目标对象的位置的方式,节约了成本。
进一步参考图4,示出了目标对象的位置确定方法的又一个实施例的流程示意图。如图4所示,在上述图2所示实施例的基础上,步骤206可包括如下步骤:
步骤2061,当第一参考点坐标满足第一预设条件时,根据第一参考点坐标及当前帧图像的后续帧图像,确定重投影误差。
在本实施例中,当第一参考点坐标满足第一预设条件时,电子设备可以根据第一参考点坐标及当前帧图像的后续帧图像,确定重投影误差。其中,重投影误差是空间点在图像中的像素坐标(观测到的投影位置)与空间点按照当前相机的位姿进行投影得到的位置相比较得到的误差。需要说明的是,确定重投影误差的方法是目前广泛研究和应用的公知技术,关于确定重投影误差的步骤,这里不再赘述。
上述预设条件可以为将第一参考点坐标投影到图像采集装置采集的图像中的投影点与后续帧图像中的参考点的像素坐标的距离所满足的条件。
在一些可选的实现方式中,如图5所示,步骤2061可以包括如下子步骤:
步骤20611,将第一参考点坐标投影到当前帧及先前帧图像中的至少一帧图像中,得到第一参考点投影坐标。其中,第一参考点投影坐标可以是第一参考点坐标投影到图像中的投影点在图像中的坐标。具体地,电子设备可以基于图像采集装置的位姿信息,将第一参考点坐标表征的空间点投影到当前帧及先前帧图像中的至少一帧图像中。
步骤20612,确定第一参考点投影坐标与当前帧及先前帧图像中的至少一帧图像中对应的参考点的像素坐标的第一距离。其中,第一距离可以是第一参考点投影坐标与每帧图像中对应的参考点的像素坐标的距离,也可以是所有距离的平均值。
步骤20613,当第一距离小于第一阈值时(即第一预设条件),根据第一参考点坐标及当前帧图像的后续帧图像,确定重投影误差。具体地,第一距离小于第一阈值,可以是每帧图像对应的上述距离均小于第一阈值,也可以是上述所有距离的平均值小于第一阈值。当第一距离小于第一阈值时,表示第一参考点坐标与参考点的实际三维坐标的差距较小,此时确定重投影误差,有助于提高基于重投影误差对第一参考点坐标进行优化的准确性和效率。
在一些可选的实现方式中,步骤20613可以如下执行:
首先,当第一距离小于第一阈值时,将第一参考点坐标分别投影到后续帧图像、当前帧图像、先前帧图像中的至少两帧图像中,得到第二参考点投影坐标。具体地,电子设备可以基于图像采集装置的位姿信息,将第一参考点坐标分别投影到后续帧图像、当前帧图像、先前帧图像中的至少两帧图像中,得到第二参考点投影坐标。即,第二参考点投影坐标的数量为至少两个,每个第二参考点坐标对应于一帧图像。
然后,确定第二参考点投影坐标与后续帧图像、当前帧图像、先前帧图像中的至少两帧图像中的对应的参考点的像素坐标的第二距离。即,对于上述至少两帧图像中的每帧图像,该帧图像中的参考点的像素坐标与第二参考点投影坐标的距离为第二距离。
最后,基于第二距离,确定重投影误差。作为示例,电子设备可以将各个第二距离相加后得到的结果确定为重投影误差。本实现方式通过确定后续帧图像、当前帧图像、先前帧图像中的至少两帧图像分别对应的第二距离,可以实现在图像采集装置移动的过程中,不断更新重投影误差,从而有助于通过分析多帧图像提高确定目标对象的位置的准确性。
步骤2062,基于重投影误差,确定第二参考点坐标。
在本实施例中,电子设备可以基于重投影误差,确定第二参考点坐标。具体地,电子设备可以对使用重投影误差构造的代价函数的函数值进行最小化操作,当函数值最小时,确定此时参考点在世界坐标系中的坐标为第二参考点坐标。
在一些可选的实现方式中,电子设备可以基于上述利用第二距离确定的重投影误差,按照如下步骤确定第二参考点坐标:
首先,调整第一参考点坐标。具体地,电子设备可以调整第一参考点坐标,以使重投影误差(即第二距离之和)最小。通常,图像采集装置可以在移动过程中连续地对目标对象进行拍摄,针对每次拍摄的图像,可以调整目标对象的图像的参考点的第一参考点坐标。
然后,将使重投影误差最小化的第一参考点坐标确定为第二参考点坐标。具体地,当重投影误差最小时,将此时调整后的第一参考点坐标确定为表征目标对象的位置的第二参考点坐标。本可选的实现方式,通过最小化重投影误差,使最终得到的第二参考点坐标更加精确地表征目标对象的位置。
上述图4对应实施例提供的方法,突出了基于重投影误差对第一参考点坐标进行优化,得到第二参考点坐标的步骤,从而可以更进一步地提高确定第二参考点坐标的精确性,有助于进一步提高在地图中建立目标对象的模型的准确性。
本公开实施例提供的任一种目标对象的位置确定方法可以由任意适当的具有数据处理能力的设备执行,包括但不限于:终端设备和服务器等。或者,本公开实施例提供的任一种目标对象的位置确定方法可以由处理器执行,如处理器通过调用存储器存储的相应指令来执行本公开实施例提及的任一种目标对象的位置确定方法。下文不再赘述。
示例性装置
图6是本公开一示例性实施例提供的目标对象的位置确定装置的结构示意图。本实施例可应用在电子设备上,如图6所示,目标对象的位置确定装置包括:第一确定模块601,用于从图像采集装置获取的当前帧图像中确定目标对象的图像;第二确定模块602,用于根据目标对象的图像,确定匹配的先前帧图像;第三确定模块603,用于确定目标对象的图像的参考点;获取模块604,用于获取图像采集装置的位姿信息;第四确定模块605,用于基于参考点分别在当前帧图像和先前帧图像上的像素坐标和位姿信息,确定参考点在世界坐标系中的第一参考点坐标;优化模块606,用于基于当前帧图像的后续帧图像,对第一参考点坐标进行优化,得到第二参考点坐标。
在本实施例中,第一确定模块601可以从图像采集装置获取的当前帧图像中确定目标对象的图像。其中,图像采集装置可以是上述目标对象的位置确定装置包括的摄像头,也可以是与上述目标对象的位置确定装置通信连接的摄像头。例如,图像采集装置可以是安装在车辆上的相机。通常,图像采集装置在道路上移动时,连续地对目标对象进行拍摄,所得到的各帧图像中包括目标对象的图像。第一确定模块601可以利用现有的目标检测方法,从当前图像帧中确定目标对象的图像。
上述目标对象可以是各种道路设施,例如路灯、路标等。
在本实施例中,第二确定模块602,可以根据目标对象的图像,确定匹配的先前帧图像。其中,上述匹配的先前帧图像可以是图像采集装置采集的各帧图像中的,包括上述目标对象的图像且位于当前帧图像之前帧的图像。
在本实施例中,第三确定模块603可以确定目标对象的图像的参考点。其中,参考点可以是目标对象的图像中的具有某设定的特征的点。例如,参考点可以是目标对象的图像的中心点、角点等。
在本实施例中,获取模块604可以获取图像采集装置的位姿信息。其中,位姿信息用于表征图像采集装置的位置和姿态,通常,位姿信息可以包括图像采集装置的外参信息。位姿信息可以利用现有的相机位姿估计方法确定。通常,电子设备可以利用图像采集装置采集的图像进行位姿估计,得到位姿信息。例如,可以将利用上一帧图像确定的位姿信息确定为当前帧对应的位姿信息。需要说明的是,图像采集装置初始采集的图像(例如第一帧图像)对应的位姿信息可以利用卫星定位***、关系导航装置等确定。
在本实施例中,第四确定模块605可以基于参考点分别在当前帧图像和先前帧图像上的像素坐标和位姿信息,确定参考点在世界坐标系中的第一参考点坐标。其中,像素坐标是参考点在图像中所在的像素的坐标。具体地,,第四确定模块605可以利用现有的多视角几何的三角化方法,通过对参考点分别在当前帧图像和先前帧图像上的像素坐标和位姿信息,确定图像采集装置的不同位置与参考点的实际位置的三角关系,确定出参考点在世界坐标系中的坐标作为第一参考点坐标。
在本实施例中,优化模块606可以基于当前帧图像的后续帧图像,对第一参考点坐标进行优化,得到第二参考点坐标。具体地,优化模块606可以利用最小化重投影误差算法,将第一参考点坐标作为初始坐标,并基于当前帧图像之后,由图像采集装置采集的后续帧图像中的参考点在后续帧图像中的坐标,对初始坐标进行优化,在满足预设条件(例如重投影误差之和小于一定的门限值)的情况下,将最终优化后的参考点在世界坐标系中的坐标作为第二参考点坐标。
第二参考点坐标由于是基于后续帧图像优化后的坐标,因此,第二参考点坐标可以准确地表征目标对象的位置,有助于利用第二参考点坐标建立目标对象在三维地图上的模型。
参照图7,图7是本公开另一示例性实施例提供的目标对象的位置确定装置的结构示意图。
在一些可选的实现方式中,优化模块606可以包括:第一确定单元6061,用于当第一参考点坐标满足第一预设条件时,根据第一参考点坐标及当前帧图像的后续帧图像,确定重投影误差;第二确定单元6062,用于基于重投影误差,确定第二参考点坐标。
在一些可选的实现方式中,第一确定单元6061可以包括:投影子单元60611,用于将第一参考点坐标投影到当前帧及先前帧图像中的至少一帧图像中,得到第一参考点投影坐标;第一确定子单元60612,用于确定第一参考点投影坐标与当前帧及先前帧图像中的至少一帧图像中对应的参考点的像素坐标的第一距离;第二确定子单元60613,用于当第一距离小于第一阈值时,根据第一参考点坐标及当前帧图像的后续帧图像,确定重投影误差。
在一些可选的实现方式中,第二确定子单元60613可以进一步用于:当第一距离小于第一阈值时,将第一参考点坐标分别投影到后续帧图像、当前帧图像、先前帧图像中的至少两帧图像中,得到第二参考点投影坐标;确定第二参考点投影坐标与后续帧图像、当前帧图像、先前帧图像中的至少两帧图像中的对应的参考点的像素坐标的第二距离;基于第二距离,确定重投影误差。
在一些可选的实现方式中,第二确定单元6062可以包括:调整子单元60621,用于调整第一参考点坐标;第三确定子单元60622,用于将使重投影误差最小化的第一参考点坐标确定为第二参考点坐标。
在一些可选的实现方式中,第三确定模块603可以包括:第三确定单元6031,用于确定目标对象的图像中的感兴趣区域;第四确定单元6032,用于将感兴趣区域的中心点确定为参考点。
在一些可选的实现方式中,目标对象的图像包括红绿灯图像。
本公开上述实施例提供的目标对象的位置确定装置,通过通过确定目标对象在图像采集装置采集的图像中的参考点,以及获取图像采集装置的位姿信息,基于位姿信息和参考点在图像中的像素坐标,确定参考点在世界坐标系中的第一参考点坐标,进一步基于当前帧图像的后续帧图像,对第一参考点坐标进行优化,得到第二参考点坐标,从而通过对目标对象进行连续地拍摄所得到的图像,对表征目标对象的位置的参考点坐标进行优化,提高了确定目标对象的位置的准确性,避免了采用激光点云设备确定目标对象的位置,简化了确定目标对象的位置的方式,节约了成本。
示例性电子设备
下面,参考图8来描述根据本公开实施例的电子设备。该电子设备可以是如图1所示的终端设备101和服务器103中的任一个或两者、或与它们独立的单机设备,该单机设备可以与终端设备101和服务器103进行通信,以从它们接收所采集到的输入信号。
图8图示了根据本公开实施例的电子设备的框图。
如图8所示,电子设备800包括一个或多个处理器801和存储器802。
处理器801可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备800中的其他组件以执行期望的功能。
存储器802可以包括一个或多个计算机程序产品,计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器701可以运行程序指令,以实现上文的本公开的各个实施例的目标对象的位置确定方法以及/或者其他期望的功能。在计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
在一个示例中,电子设备800还可以包括:输入装置803和输出装置804,这些组件通过总线***和/或其他形式的连接机构(未示出)互连。
例如,在该电子设备是终端设备101或服务器103时,该输入装置803可以是摄像头等设备,用于输入图像。在该电子设备是单机设备时,该输入装置703可以是通信网络连接器,用于从终端设备101和服务器103接收图像。
该输出装置804可以向外部输出各种信息,包括确定出的类别信息。该输出设备804可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图8中仅示出了该电子设备800中与本公开有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备800还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外,本公开的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的目标对象的位置确定方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本公开的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的目标对象的位置确定方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本公开的基本原理,但是,需要指出的是,在本公开中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本公开为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于***实施例而言,由于其与方法实施例基本对应,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本公开中涉及的器件、装置、设备、***的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、***。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
可能以许多方式来实现本公开的方法和装置。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明,本公开的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本公开实施为记录在记录介质中的程序,这些程序包括用于实现根据本公开的方法的机器可读指令。因而,本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
还需要指出的是,在本公开的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此,本公开不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (15)
1.一种目标对象的位置确定方法,包括:
从图像采集装置获取的当前帧图像中确定目标对象的图像;
根据所述目标对象的图像,确定匹配的先前帧图像;
确定所述目标对象的图像的参考点;
获取所述图像采集装置的位姿信息;
基于所述参考点分别在当前帧图像和先前帧图像上的像素坐标和所述位姿信息,确定所述参考点在世界坐标系中的第一参考点坐标;
基于所述当前帧图像的后续帧图像,对所述第一参考点坐标进行优化,得到第二参考点坐标。
2.根据权利要求1所述的方法,其中,所述基于所述当前帧图像的后续帧图像,对所述第一参考点坐标进行优化,得到第二参考点坐标,包括:
当所述第一参考点坐标满足第一预设条件时,根据所述第一参考点坐标及所述当前帧图像的后续帧图像,确定重投影误差;
基于所述重投影误差,确定第二参考点坐标。
3.根据权利要求2所述的方法,其中,所述当所述第一参考点坐标满足第一预设条件时,根据所述第一参考点坐标及所述当前帧图像的后续帧图像,确定重投影误差,包括:
将所述第一参考点坐标投影到所述当前帧及先前帧图像中的至少一帧图像中,得到第一参考点投影坐标;
确定所述第一参考点投影坐标与所述当前帧及先前帧图像中的至少一帧图像中对应的参考点的像素坐标的第一距离;
当所述第一距离小于第一阈值时,根据所述第一参考点坐标及所述当前帧图像的后续帧图像,确定重投影误差。
4.根据权利要求3所述的方法,其中,所述当所述第一距离小于第一阈值时,根据所述第一参考点坐标及所述当前帧图像的后续帧图像,确定重投影误差,包括:
当所述第一距离小于第一阈值时,将所述第一参考点坐标分别投影到所述后续帧图像、当前帧图像、先前帧图像中的至少两帧图像中,得到第二参考点投影坐标;
确定第二参考点投影坐标与所述后续帧图像、当前帧图像、先前帧图像中的至少两帧图像中的对应的参考点的像素坐标的第二距离;
基于所述第二距离,确定重投影误差。
5.根据权利要求4所述的方法,其中,所述基于所述重投影误差,确定第二参考点坐标,包括:
调整所述第一参考点坐标;
将使所述重投影误差最小化的所述第一参考点坐标确定为第二参考点坐标。
6.根据权利要求1-5之一所述的方法,其中,所述确定所述目标对象的图像的参考点,包括:
确定所述目标对象的图像中的感兴趣区域;
将所述感兴趣区域的中心点确定为所述参考点。
7.根据权利要求1-5之一所述的方法,其中,所述目标对象的图像包括红绿灯图像。
8.一种目标对象的位置确定装置,包括:
第一确定模块,用于从图像采集装置获取的当前帧图像中确定目标对象的图像;
第二确定模块,用于根据所述目标对象的图像,确定匹配的先前帧图像;
第三确定模块,用于确定所述目标对象的图像的参考点;
获取模块,用于获取所述图像采集装置的位姿信息;
第四确定模块,用于基于所述参考点分别在当前帧图像和先前帧图像上的像素坐标和所述位姿信息,确定所述参考点在世界坐标系中的第一参考点坐标;
优化模块,用于基于所述当前帧图像的后续帧图像,对所述第一参考点坐标进行优化,得到第二参考点坐标。
9.根据权利要求8所述的装置,其中,所述优化模块包括:
第一确定单元,用于当所述第一参考点坐标满足第一预设条件时,根据所述第一参考点坐标及所述当前帧图像的后续帧图像,确定重投影误差;
第二确定单元,用于基于所述重投影误差,确定第二参考点坐标。
10.根据权利要求9所述的装置,其中,所述第一确定单元包括:
投影子单元,用于将所述第一参考点坐标投影到所述当前帧及先前帧图像中的至少一帧图像中,得到第一参考点投影坐标;
第一确定子单元,用于确定所述第一参考点投影坐标与所述当前帧及先前帧图像中的至少一帧图像中对应的参考点的像素坐标的第一距离;
第二确定子单元,用于当所述第一距离小于第一阈值时,根据所述第一参考点坐标及所述当前帧图像的后续帧图像,确定重投影误差。
11.根据权利要求10所述的装置,其中,所述第二确定子单元进一步用于:
当所述第一距离小于第一阈值时,将所述第一参考点坐标分别投影到所述后续帧图像、当前帧图像、先前帧图像中的至少两帧图像中,得到第二参考点投影坐标;
确定第二参考点投影坐标与所述后续帧图像、当前帧图像、先前帧图像中的至少两帧图像中的对应的参考点的像素坐标的第二距离;
基于所述第二距离,确定重投影误差。
12.根据权利要求11所述的装置,其中,所述第二确定单元包括:
调整子单元,用于调整所述第一参考点坐标;
第三确定子单元,用于将使所述重投影误差最小化的所述第一参考点坐标确定为第二参考点坐标。
13.根据权利要求8-12之一所述的装置,其中,所述第三确定模块包括:
第三确定单元,用于确定所述目标对象的图像中的感兴趣区域;
第四确定单元,用于将所述感兴趣区域的中心点确定为所述参考点。
14.一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-7任一所述的目标对象的图像的位置信息确定方法。
15.一种电子设备,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述权利要求1-7任一所述的目标对象的图像的位置信息确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910537824.5A CN112116655B (zh) | 2019-06-20 | 2019-06-20 | 目标对象的位置确定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910537824.5A CN112116655B (zh) | 2019-06-20 | 2019-06-20 | 目标对象的位置确定方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112116655A true CN112116655A (zh) | 2020-12-22 |
CN112116655B CN112116655B (zh) | 2024-04-05 |
Family
ID=73795972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910537824.5A Active CN112116655B (zh) | 2019-06-20 | 2019-06-20 | 目标对象的位置确定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112116655B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112669381A (zh) * | 2020-12-28 | 2021-04-16 | 北京达佳互联信息技术有限公司 | 一种位姿确定方法、装置、电子设备及存储介质 |
CN112967228A (zh) * | 2021-02-02 | 2021-06-15 | 中国科学院上海微***与信息技术研究所 | 目标光流信息的确定方法、装置、电子设备及存储介质 |
CN115482275A (zh) * | 2021-05-31 | 2022-12-16 | 北京字跳网络技术有限公司 | 位置参数获取方法、装置、设备及介质 |
WO2023035296A1 (en) * | 2021-09-07 | 2023-03-16 | Hong Kong Applied Science and Technology Research Institute Company Limited | A camera calibration method |
CN116844697A (zh) * | 2023-02-24 | 2023-10-03 | 萱闱(北京)生物科技有限公司 | 图像多维可视化方法、装置、介质和计算设备 |
CN117576652A (zh) * | 2024-01-19 | 2024-02-20 | 福思(杭州)智能科技有限公司 | 道路对象的识别方法、装置和存储介质及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103149939A (zh) * | 2013-02-26 | 2013-06-12 | 北京航空航天大学 | 一种基于视觉的无人机动态目标跟踪与定位方法 |
CN107240129A (zh) * | 2017-05-10 | 2017-10-10 | 同济大学 | 基于rgb‑d相机数据的物体及室内小场景恢复与建模方法 |
WO2018019124A1 (zh) * | 2016-07-29 | 2018-02-01 | 努比亚技术有限公司 | 一种图像处理方法及电子设备、存储介质 |
CN108696745A (zh) * | 2017-03-29 | 2018-10-23 | 畅想科技有限公司 | 相机校准 |
CN108805917A (zh) * | 2018-05-25 | 2018-11-13 | 网易(杭州)网络有限公司 | 空间定位的方法、介质、装置和计算设备 |
CN109753940A (zh) * | 2019-01-11 | 2019-05-14 | 京东方科技集团股份有限公司 | 图像处理方法及装置 |
-
2019
- 2019-06-20 CN CN201910537824.5A patent/CN112116655B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103149939A (zh) * | 2013-02-26 | 2013-06-12 | 北京航空航天大学 | 一种基于视觉的无人机动态目标跟踪与定位方法 |
WO2018019124A1 (zh) * | 2016-07-29 | 2018-02-01 | 努比亚技术有限公司 | 一种图像处理方法及电子设备、存储介质 |
CN108696745A (zh) * | 2017-03-29 | 2018-10-23 | 畅想科技有限公司 | 相机校准 |
CN107240129A (zh) * | 2017-05-10 | 2017-10-10 | 同济大学 | 基于rgb‑d相机数据的物体及室内小场景恢复与建模方法 |
CN108805917A (zh) * | 2018-05-25 | 2018-11-13 | 网易(杭州)网络有限公司 | 空间定位的方法、介质、装置和计算设备 |
CN109753940A (zh) * | 2019-01-11 | 2019-05-14 | 京东方科技集团股份有限公司 | 图像处理方法及装置 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112669381A (zh) * | 2020-12-28 | 2021-04-16 | 北京达佳互联信息技术有限公司 | 一种位姿确定方法、装置、电子设备及存储介质 |
CN112669381B (zh) * | 2020-12-28 | 2021-09-21 | 北京达佳互联信息技术有限公司 | 一种位姿确定方法、装置、电子设备及存储介质 |
CN112967228A (zh) * | 2021-02-02 | 2021-06-15 | 中国科学院上海微***与信息技术研究所 | 目标光流信息的确定方法、装置、电子设备及存储介质 |
CN112967228B (zh) * | 2021-02-02 | 2024-04-26 | 中国科学院上海微***与信息技术研究所 | 目标光流信息的确定方法、装置、电子设备及存储介质 |
CN115482275A (zh) * | 2021-05-31 | 2022-12-16 | 北京字跳网络技术有限公司 | 位置参数获取方法、装置、设备及介质 |
WO2023035296A1 (en) * | 2021-09-07 | 2023-03-16 | Hong Kong Applied Science and Technology Research Institute Company Limited | A camera calibration method |
CN116844697A (zh) * | 2023-02-24 | 2023-10-03 | 萱闱(北京)生物科技有限公司 | 图像多维可视化方法、装置、介质和计算设备 |
CN116844697B (zh) * | 2023-02-24 | 2024-01-09 | 萱闱(北京)生物科技有限公司 | 图像多维可视化方法、装置、介质和计算设备 |
CN117576652A (zh) * | 2024-01-19 | 2024-02-20 | 福思(杭州)智能科技有限公司 | 道路对象的识别方法、装置和存储介质及电子设备 |
CN117576652B (zh) * | 2024-01-19 | 2024-04-26 | 福思(杭州)智能科技有限公司 | 道路对象的识别方法、装置和存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112116655B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11393173B2 (en) | Mobile augmented reality system | |
CN112116655B (zh) | 目标对象的位置确定方法和装置 | |
US10740431B2 (en) | Apparatus and method of five dimensional (5D) video stabilization with camera and gyroscope fusion | |
US11227395B2 (en) | Method and apparatus for determining motion vector field, device, storage medium and vehicle | |
US20240029297A1 (en) | Visual positioning method, storage medium and electronic device | |
CN111402404B (zh) | 全景图补全方法、装置、计算机可读存储介质及电子设备 | |
CN113793370B (zh) | 三维点云配准方法、装置、电子设备及可读介质 | |
US10783373B2 (en) | Method and apparatus for augmenting reality | |
CN114399588B (zh) | 三维车道线生成方法、装置、电子设备和计算机可读介质 | |
CN111612842A (zh) | 生成位姿估计模型的方法和装置 | |
WO2023231435A1 (zh) | 视觉感知方法、装置、存储介质和电子设备 | |
CN113269820A (zh) | 空间几何信息估计模型的生成方法和装置 | |
CN109034214B (zh) | 用于生成标记的方法和装置 | |
CN111678488B (zh) | 测距方法、装置、计算机可读存储介质及电子设备 | |
WO2024060708A1 (zh) | 目标检测方法和装置 | |
CN111383337A (zh) | 用于识别对象的方法和装置 | |
CN115082516A (zh) | 一种目标跟踪方法、装置、设备及介质 | |
CN112116804A (zh) | 一种车辆状态量信息确定方法及装置 | |
CN116563817B (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
CN116563818B (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
CN117906634A (zh) | 一种设备检测方法、装置、设备及介质 | |
CN115063767A (zh) | 路面元素重建方法、装置、设备和介质 | |
CN116164746A (zh) | 基于vo的位姿解算方法、装置、设备及产品 | |
CN116259041A (zh) | 信号灯识别并分组的方法、装置、电子设备及存储介质 | |
CN117788542A (zh) | 移动物体的深度估计方法、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |