CN112749350B - 推荐对象的信息处理方法、装置、存储介质与电子设备 - Google Patents
推荐对象的信息处理方法、装置、存储介质与电子设备 Download PDFInfo
- Publication number
- CN112749350B CN112749350B CN202110048458.4A CN202110048458A CN112749350B CN 112749350 B CN112749350 B CN 112749350B CN 202110048458 A CN202110048458 A CN 202110048458A CN 112749350 B CN112749350 B CN 112749350B
- Authority
- CN
- China
- Prior art keywords
- information
- user
- dimensional
- image
- target scene
- 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.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 33
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 41
- 230000006399 behavior Effects 0.000 claims description 24
- 230000003993 interaction Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 19
- 230000002452 interceptive effect Effects 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 9
- 238000013459 approach Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 238000003825 pressing Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims 2
- 230000000007 visual effect Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000005457 optimization Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本公开提供一种推荐对象的信息处理方法、推荐对象的信息处理装置、计算机可读存储介质与电子设备，涉及计算机技术领域。所述推荐对象的信息处理方法包括：获取移动终端在目标场景中采集的待定位图像；通过将所述待定位图像与所述目标场景的地图数据进行匹配，确定所述移动终端的定位信息；基于所述定位信息以及与所述移动终端关联的用户信息，生成推荐对象的引导信息，所述推荐对象为所述目标场景中的对象。本公开可以基于定位信息和用户信息，准确、有效的为用户提供推荐对象的引导信息。
Description
技术领域
本公开涉及计算机技术领域，尤其涉及一种推荐对象的信息处理方法、推荐对象的信息处理装置、计算机可读存储介质与电子设备。
背景技术
随着互联网在各个行业内越来越广泛的普及与应用，电商、互联网金融、生活服务、游戏等多个领域的企业都致力于通过互联网收集与分析商品、用户等对象的数据，以挖掘需求，进行有效的对象推荐，包括：向用户推荐商品或店铺、向商户推荐用户或者向用户推荐新闻、游戏等其他服务信息等。现有的对象推荐方法中，往往需要通过收集各种对象的海量数据，基于这些数据构建对象特征确定待推荐的对象，从而实现为用户推荐对象。然而，这种方式通常为线上推送方式，并不能与实际的应用场景相结合，为用户提供真实的线下推荐体验，实现个性化的对象推荐。
发明内容
本公开提供了一种推荐对象的信息处理方法、推荐对象的信息处理装置、计算机可读存储介质与电子设备，进而至少在一定程度上改善现有技术中不能与真实场景相结合，为用户提供个性化对象推荐的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的第一方面，提供一种推荐对象的信息处理方法，包括：获取移动终端在目标场景中采集的待定位图像；通过将所述待定位图像与所述目标场景的地图数据进行匹配，确定所述移动终端的定位信息；基于所述定位信息以及与所述移动终端关联的用户信息，生成推荐对象的引导信息，所述推荐对象为所述目标场景中的对象。
根据本公开的第二方面，提供一种推荐对象的信息处理装置，包括：待定位图像获取模块，用于获取移动终端在目标场景中采集的待定位图像；定位信息确定模块，用于通过将所述待定位图像与所述目标场景的地图数据进行匹配，确定所述移动终端的定位信息；引导信息生成模块，用于基于所述定位信息以及与所述移动终端关联的用户信息，生成推荐对象的引导信息，所述推荐对象为所述目标场景中的对象。
根据本公开的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面的推荐对象的信息处理方法及其可能的实现方式。
根据本公开的第四方面，提供一种电子设备，包括：处理器；存储器，用于存储所述处理器的可执行指令。其中，所述处理器配置为经由执行所述可执行指令，来执行上述第一方面的推荐对象的信息处理方法及其可能的实现方式。
本公开的技术方案具有以下有益效果：
获取移动终端在目标场景中采集的待定位图像；通过将待定位图像与目标场景的地图数据进行匹配，确定移动终端的定位信息；基于定位信息以及与移动终端关联的用户信息，生成推荐对象的引导信息，推荐对象为目标场景中的对象。一方面，本示例性实施例提出一种新的推荐对象的信息处理方法，可以将对象推荐与视觉定位相结合，在实际的应用场景中，根据移动终端的定位信息和用户信息，得到推荐对象的引导信息，实现真实场景中的对象推荐过程；再一方面，本示例性实施例通过待定位图像与目标场景的地图数据的匹配，实现对移动终端的定位，能够得到较为准确的定位结果，进一步，再根据定位信息和用户信息可以确定准确、有效的推荐对象的引导信息，提高推荐效率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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的附图。
图1示出本示例性实施方式中一种电子设备的结构图；
图2示出本示例性实施方式中一种推荐对象的信息处理方法的流程图；
图3示出本示例性实施方式中一种三维点云示意图；
图4示出本示例性实施方式中另一种三维点云示意图；
图5示出本示例性实施方式中另一种推荐对象的信息处理方法中场景分类示意图；
图6示出本示例性实施方式中一种推荐对象的信息处理方法的子流程图；
图7示出本示例性实施方式中另一种推荐对象的信息处理方法的子流程图；
图8示出本示例性实施方式中一种推荐对象的信息处理方法的建图与定位的算法示意图；
图9示出本示例性实施方式中再一种推荐对象的信息处理方法的子流程图；
图10示出本示例性实施方式中一种推荐对象的信息处理方法中引导路径信息的示意图；
图11示出本示例性实施方式中用户接近对象时的场景示意图；
图12示出本示例性实施方式中用户视线方向示意图；
图13示出本示例性实施方式中一种推荐对象的信息处理方法装置的结构图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本公开的示例性实施方式还提供一种电子设备，用于执行上述推荐对象的信息处理方法。一般的，电子设备包括处理器和存储器。存储器用于存储处理器的可执行指令，也可以存储应用数据，如图像数据、游戏数据等；处理器配置为经由执行可执行指令来执行本示例性实施方式中的推荐对象的信息处理方法。
下面以图1中的移动终端100为例，对上述电子设备的构造进行示例性说明。本领域技术人员应当理解，除了特别用于移动目的的部件之外，图1中的构造也能够应用于固定类型的设备。
如图1所示，移动终端100具体可以包括：处理器110、内部存储器121、外部存储器接口122、USB(Universal Serial Bus，通用串行总线)接口130、充电管理模块140、电源管理模块141、电池142、天线1、天线2、移动通信模块150、无线通信模块160、音频模块170、扬声器171、受话器172、麦克风173、耳机接口174、传感器模块180、显示屏幕190、摄像模组191、指示器192、马达193、按键194以及SIM(Subscriber Identification Module，用户标识模块)卡接口195等。
处理器110可以包括一个或多个处理单元，例如：处理器110可以包括AP(Application Processor，应用处理器)、调制解调处理器、GPU(Graphics ProcessingUnit，图形处理器)、ISP(Image Signal Processor，图像信号处理器)、控制器、编码器、解码器、DSP(Digital Signal Processor，数字信号处理器)、基带处理器和/或NPU(Neural-Network Processing Unit，神经网络处理器)等。编码器可以对图像或视频数据进行编码(即压缩)；解码器可以对图像或视频的码流数据进行解码(即解压缩)，以还原出图像或视频数据。移动终端100可以支持一种或多种编码器和解码器。
在一些实施方式中，处理器110可以包括一个或多个接口，通过不同的接口和移动终端100的其他部件形成连接。
内部存储器121可以用于存储计算机可执行程序代码，所述可执行程序代码包括指令。内部存储器121可以包括易失性存储器、非易失性存储器等。处理器110通过运行存储在内部存储器121的指令和/或存储在设置于处理器中的存储器的指令，执行移动终端100的各种功能应用以及数据处理。
外部存储器接口122可以用于连接外部存储器，例如Micro SD卡，实现扩展移动终端100的存储能力。外部存储器通过外部存储器接口122与处理器110通信，实现数据存储功能，例如存储音乐，视频等文件。
USB接口130是符合USB标准规范的接口，可以用于连接充电器为移动终端100充电，也可以连接耳机或其他电子设备。
充电管理模块140用于从充电器接收充电输入。充电管理模块140为电池142充电的同时，还可以通过电源管理模块141为设备供电；电源管理模块141还可以监测电池的状态。
移动终端100的无线通信功能可以通过天线1、天线2、移动通信模块150、无线通信模块160、调制解调处理器以及基带处理器等实现。天线1和天线2用于发射和接收电磁波信号。移动通信模块150可以提供应用在移动终端100上的包括2G/3G/4G/5G等无线通信的解决方案。无线通信模块160可以提供应用在移动终端100上的包括WLAN(Wireless LocalArea Networks，无线局域网)(如Wi-Fi(Wireless Fidelity，无线保真)网络)、BT(Bluetooth，蓝牙)、GNSS(Global Navigation Satellite System，全球导航卫星***)、FM(Frequency Modulation，调频)、NFC(Near Field Communication，近距离无线通信技术)、IR(Infrared，红外技术)等无线通信解决方案。
移动终端100可以通过GPU、显示屏幕190及AP等实现显示功能，显示用户界面。
移动终端100可以通过ISP、摄像模组191、编码器、解码器、GPU、显示屏幕190及AP等实现拍摄功能，还可以通过音频模块170、扬声器171、受话器172、麦克风173、耳机接口174及AP等实现音频功能。
传感器模块180可以包括深度传感器1801、压力传感器1802、陀螺仪传感器1803、气压传感器1804等，以实现不同的感应检测功能。
指示器192可以是指示灯，可以用于指示充电状态，电量变化，也可以用于指示消息，未接来电，通知等。马达193可以产生振动提示，也可以用于触摸振动反馈等。按键194包括开机键，音量键等。
移动终端100可以支持一个或多个SIM卡接口195，用于连接SIM卡，以实现通话以及数据通信等功能。
图2示出了推荐对象的信息处理方法的示例性流程，包括以下步骤S210至S230：
步骤S210，获取移动终端在目标场景中采集的待定位图像。
移动终端可以包括智能手机、平板电脑或可穿戴设备等电子设备，移动终端可以在目标场景中进行移动并进行图像采集。其中，目标场景是指当前移动终端所处的场景，例如商场、工厂、游乐园或医院等。待定位图像是指移动终端在上述目标场景中采集的图像，例如通过移动终端配置的摄像头采集预览图像、拍摄图像或视频流中的某一帧或多帧图像等；待定位图像也可以是移动终端在上述目标场景中预先获取的图像，例如相册或云端中的场景图像等。
步骤S220，通过将待定位图像与目标场景的地图数据进行匹配，确定移动终端的定位信息。
本示例性实施例可以预先对目标场景进行图像采集，例如使工作人员在目标场景中拍摄大量的场景图像，或者在机器人设备上配置一个或多个摄像头(可以是全景摄像头，也可以是普通摄像头等)，并使其在目标场景中移动，采集不同位置的场景图像，以构建目标场景的地图。
在一示例性实施例中，上述目标场景的地图数据可以通过以下方式建立：
获取目标场景的关键帧图像；
基于关键帧图像进行三维重建处理，得到目标场景的地图数据。
通常可以使终端一边移动或转动，一边拍摄关键帧图像，以使采集的关键帧图像可以覆盖到整个目标场景。不同的图像之间存在针对同一场景局部的三角化关系，由此可以重建出三维信息。本示例性实施方式可以采用SFM(Structure-From-Motion，运动化结构)等算法，通过采集和提取图像中视觉特征点和像素级语义分割结果、图像配准、三角化以及全局优化等过程，将关键帧图像的二维图像转换为在世界坐标系下的三维信息，以对图像进行三维重建处理，得到目标场景的三维地图，通常是三维点云数据，如图3所示。需要说明的是，目标场景的地图数据可以存储于移动终端中，并定时进行更新，也可以存储于特定的存储位置，例如另外设置数据库存储目标场景的地图数据，并随着时间或目标场景中对象的变化进行动态更新，以实现用户无感知的准确定位过程，提高用户体验。在本示例性实施例中，生成的三维点云还可以附上语义信息，为后端定位提供更多信息输入，帮助提升定位精度。
进一步的，在一示例性实施例中，推荐对象的信息处理方法还可以包括：
确定目标场景中的多个对象的定位信息与标签，并将对象的定位信息与标签添加进目标场景的地图数据中。
在三维点云的世界坐标系下，本示例性实施例可以将对应对象的位置和地图数据进行捆绑，将对象以锚点的形式加入地图数据中，并附属上对象的细节和对应用户的标签，即锚点可以包括对象的定位信息、细节信息与标签等数据，例如将商品的锚点信息加入商场的地图数据中，商品的细节可以是指商品的价格、品类或其他信息，商品对应用户的标签可以是喜欢该商品或者对该商品感兴趣的用户标签，该用户标签可以是用户的基本信息，如性别、年龄阶段、工作属性，也可以是用户画像等等。最终生成的地图数据如图4所示，用户可以根据引导信息410找到特定的对象，其中地图数据可以包括两类信息，分别是三维点云和对象锚点，可以通过以下公式表示：
M＝{P,A,G}
Pi＝{xi,yi,zi,si}
Ai＝{xi,yi,zi,qwi,qxi,qyi,qzi,Di}
Gi＝{g1,g2,...,gn}
M为目标场景的地图数据，P表示目标场景的三维点云，A表示其中的对象锚点，本示例性实施例中，地图数据M中，还可以包括建图集中关键帧图像的n维向量全局描述符G。三维点云P可以以点的x、y、z坐标和语义属性s表示，Pi表示第i个点的三维点云。而锚点A需要记录下对象的坐标和朝向信息，Ai表示第i个对象或对象i的锚点，其中坐标可以以三维坐标x、y、z表示，朝向信息以四元数qwi,qxi,qyi,qzi表示，另外每种对象还需要记录下对应用户群体的标签描述符Di，即对象对应的用户标签。在后续推荐过程中，***可以根据描述符计算特定用户对商品的感兴趣程度，从而完成决策推荐。另外，本示例性实施例还可以根据对象的信息对目标场景中的对象进行场景分类，例如对商店中不同商品的放置区域进行区别性展示，电子产品区域内放置的是电子产品，母婴产品区域内放置的是母婴产品，如图5所示，用户走近商店时，可以看到显示“X商场-A商店”内货架上商品的场景分类，A区域为游戏配件，B区域为热销配件。
本示例性实施例可以将待定位图像与目标场景的地图数据进行匹配，确定移动终端的定位信息，具体的定位过程可以是，先获得精度较低的初步定位结果，该初步定位结果可以是指移动终端较为粗略的初步位姿，然后按照预设优化精度，例如平均精度0.2m(米)，对初步定位结果进行优化，得到较为精确的最终位姿，也即移动终端的定位信息。定位信息可以是移动终端在目标场景中的绝对位姿，如可以是6DOF(Degree of Freedom，自由度)位姿数据，包括3个位置坐标和3个旋转角度；也可以是移动终端在目标场景中相对于某个基准位姿的相对位姿，如可以包括平移矩阵和旋转矩阵。
其中，获取移动终端的初步定位结果可以通过多种方式实现，例如可以通过随机初始化位姿的方式确定初步位姿，具体可以包括，获取目标场景的地图数据，根据地图数据设置位姿边界条件(如位置不能超出地图)，在位姿边界条件的约束下进行位姿的随机初始化，得到初始位姿；还可以通过图像检索的方式确定初步位姿，具体可以包括，对于目标场景的地图数据，可以构建关键帧图像、点云、特征点等的集合，输入待定位图像后，在集合中检索与待定位图像相匹配的关键帧图像、点云、特征点等，得到对应的局部地图数据等，基于局部地图数据，采用PnP算法(Perspective-n-Point，求解3D-2D点对运动的方法)，对局部地图数据中n个特征点与待定位图像中n个特征点进行匹配，进而求解待定位图像的初步位姿等等。
在一示例性实施例中，如图6所示，上述步骤S220可以包括以下步骤：
步骤S610，将待定位图像的特征点与地图数据中的三维点云进行匹配，得到二维-三维匹配点对，每个二维-三维匹配点对包括具有匹配关系的待定位图像的特征点与三维点；
步骤S620，基于二维-三维匹配点对确定移动终端的定位信息。
其中，特征点是图像中具有代表性的、辨识度较高的点或区域，例如图像中的角点、边界等。在待定位图像中，可以通过检测不同位置的梯度，在梯度较大的位置提取特征点。在本示例性实施例中，可以通过将待定位图像的特征点与地图数据中的三维点云进行匹配，得到包括具有匹配关系的待定位图像的二维特征点与三维点云数据中的三维点。
在确定二维-三维匹配点对之后，可以根据移动终端当前摄像机的外参，如平移矩阵和旋转矩阵，确定相机坐标系与世界坐标系的转换关系，进而将地图数据从相机坐标系转换到世界坐标系中，确定移动终端的定位信息。
在一示例性实施例中，如图7所示，上述步骤S610可以包括：
步骤S710，将待定位图像的特征点与地图数据中的关键帧图像的特征点进行匹配，得到二维-二维匹配点对，每个二维-二维匹配点对包括具有匹配关系的待定位图像的特征点与关键帧图像的特征点；
步骤S720，将二维-二维匹配点对中关键帧图像的特征点映射为对应的三维点，得到二维-三维匹配点对。
其中，关键帧图像是指在目标场景中采集的一张或多张场景图像。本示例性实施例可以先将待定位图像与目标场景图像中的关键帧图像进行匹配，确定与待定位图像相同或相似的一张或多张关键帧图像，并根据待定位图像与对应的关键帧图像，确定包括具有匹配关系的待定位图像的特征点与关键帧图像的特征点，即二维-二维匹配点对。其中，确定关键帧图像的方式可以采用随机初始化或图像检索等方式，本公开对此不做具体限定。
在本示例性实施例中，目标场景中的关键帧图像均具有各自的位姿数据，例如相机的平移矩阵和旋转矩阵，在确定关键帧图像的特征点的位姿后，可以利用位姿对关键帧图像进行三维重建处理，生成目标场景的三维点。例如利用位姿将关键帧图像中的特征点转换到目标场景的世界坐标系中，生成三维点，待定位图像的二维特征点与该三维点即构成了二维-三维匹配点对。
在一示例性实施例中，上述步骤S710中，将待定位图像的特征点与地图数据中的关键帧图像的特征点进行匹配，得到二维-二维匹配点对，包括：
在地图数据的关键帧图像中确定与待定位图像匹配的目标关键帧图像；
将待定位图像的特征点与目标关键帧图像的特征点进行匹配，得到二维-二维匹配点对。
其中，目标关键帧图像是指目标场景中的关键帧图像中与待定位图像相关性较强的关键帧图像，例如与待定位图像相似度超过预设阈值的关键帧图像等，本示例性实施例可以先通过图像检索的方式，从关键帧图像中确定出目标关键帧图像，在通过待定位图像的特征点与目标关键帧图像的特征点的匹配，得到二维-二维匹配点对，以减少特征点匹配的范围，以降低计算量。
在一示例性实施例中，上述在地图数据的关键帧图像中确定与待定位图像匹配的目标关键帧图像，包括：
计算待定位图像的全局描述信息与关键帧图像的全局描述信息的相似度，以确定与待定位图像匹配的目标关键帧图像。
在本示例性实施例中，可以检测待定位图像与关键帧图像的相似度，以从多张关键帧图像中确定目标关键帧图像。具体可以通过计算待定位图像的全局描述信息与关键帧图像的全局描述信息的相似度实现。全局描述信息是指对图像整体进行特征提取所形成的信息，例如可以采用包括VLAD(Vector of Locally Aggregated Descriptors，局部聚合向量)层的CNN(如NetVLAD等)从待定位图像与关键帧图像中提取全局描述信息，如可以是4096维的全局描述向量，然后计算待定位图像的全局描述向量与上述各关键帧图像的全局描述向量间的相似度，如通过欧式距离、余弦相似度等进行度量，如果相似度高于预设的相似度阈值，则确定对应的关键帧图像为目标关键帧图像。相似度阈值是衡量待定位图像与关键帧图像是否存在匹配可能的标准，可以根据经验或实际情况设定，本公开对此不做限定。
在一示例性实施例中，上述步骤S710中，将待定位图像的特征点与地图数据中的关键帧图像的特征点进行匹配，得到二维-二维匹配点对，可以包括以下步骤：
计算待定位图像中特征点信息与关键帧图像中特征点信息的相似度，以确定二维-二维匹配点对；
特征点信息包括特征点的描述信息与语义信息。
通常，在待定位图像中提取特征点后需要对其进行描述，例如通过数组来描述特征点周围的像素分布特征，称为特征点的描述信息(或描述符、描述子)。特征点的描述信息可视为场景图像的局部描述信息。语义信息是指对图像进行视觉语义层面的识别所得到的信息，如识别图像包含哪些物体，每个物体在图像中所占的区域等。本示例性实施例可以通过计算待定位图像中特征点信息与关键帧图像中特征点信息的相似度，例如通过欧式距离、余弦相似度等方式，来确定二维-二维匹配点对。
图8示出了本示例性实施例中推荐对象的信息处理方法的建图和定位的算法示意图。在建图和定位阶段，本示例性实施例都可以利用三个深度学习网络，完成检索、语义分割、特征点提取三个底层特征提取任务。通过三维位姿解算和优化，并将点云体素化融合和管理，为后端定位提供高速检索的支持。
具体的，在建图阶段，可以包括：
步骤S811，采集关键帧图像序列；
步骤S812，通过检索模型对关键帧图像的全局描述子进行处理，确定检索结果；
步骤S813，通过语义模型对关键帧图像的语义信息进行处理，确定语义分割结果；
步骤S814，通过特征点模型对关键帧图像的局部描述子进行处理，确定特征点处理结果；
步骤S815，对关键帧图像进行位姿优化；
步骤S816，根据检索结果、语义分割结果、特征点处理结果以及位姿优化结果，生成目标场景的地图数据。
在定位阶段，具体可以包括：
步骤S821，获取待定位图像；
步骤S822，通过检索模型对待定位图像的全局描述子进行处理，在目标场景的地图数据中确定目标关键帧图像；
步骤S823，通过语义模型对待定位图像的语义信息进行处理；
步骤S824，通过特征点模型对待定位图像的局部描述子进行处理，得到待定位图像与目标关键帧图像的二维-二维匹配点对；
步骤S825，将二维-二维匹配点对中目标关键帧图像的特征点映射为对应的三维点，得到二维-三维匹配点对；
步骤S826，基于二维-三维匹配点对确定移动终端的定位信息。
在定位阶段，本示例性实施例可以利用八叉树搜索的方式加速搜索二维-二维匹配点对，为了提高匹配点对的准确性，还可以对匹配点对进行过滤，去除异常的匹配点对。最终通过三维位姿解算算法PnP求解精确的6-DOF位姿。本示例性实施例中，移动终端可以提供数据采集设备硬件支持，并将采集的数据上传至云端，依靠云端的算力支持，最终实现高速的定位速度。
步骤S230，基于定位信息以及与移动终端关联的用户信息，生成推荐对象的引导信息，推荐对象为目标场景中的对象。
其中，与移动终端关联的用户可以包括，使用该移动终端的用户以及与该用户相关的其他用户，例如使用移动终端的用户的朋友或家人等，或者移动终端录入的多个用户信息对应的用户，如录入的多个指纹信息或人脸信息对应的用户等。在本示例性实施例中，用户信息可以包括用户的用户基本信息，例如用户标签(如年龄、工作、性别等基本信息，或用户兴趣爱好、常常购买的店铺与商品等个性化标签等)、用户画像等；用户信息也可以包括用户与移动终端的用户行为信息，例如用户在移动终端的显示界面上进行的触控操作，或者在VR(Virtual Reality，虚拟现实)或AR(Augmented Reality，增强现实)的显示界面内的交互操作等信息。
根据目标场景的不同，场景中可以包括不同的对象，例如当目标场景为商场时，对象可以是其中的餐厅、商店或者商店中的商品等；当目标场景为游乐园时，对象可以是其中的商铺、标志建筑物或游乐设施等。推荐对象可以是目标场景中的任一对象。本示例性实施例可以基于用户的基本信息，确定推荐对象，例如确定与用户基本信息相关的，用户感兴趣程度高的商品；也可以基于用户的行为信息，确定推荐对象，例如基于用户在手机的显示界面内或AR/VR显示界面内的目标场景中，针对某一对象的单击、双击等触控操作，或者悬停、注视等交互操作，确定推荐对象等。
引导信息能够为用户提供关于推荐对象的指引信息，可以包括推荐对象的位置信息、属性信息或更多详细信息等，根据推荐对象的不同，引导信息具有多样性，例如当对象为商品时，引导信息可以是该商品的详情信息、在商场中的导航路径信息、定位信息、广告信息或者购买链接信息等等。在本示例性实施例中，可以根据移动终端的定位信息以及用户信息，生成推荐对象的引导信息，例如根据定位信息和用户的喜好信息，生成推荐商品距离当前用户所在位置的导航路径信息，或者生成询问用户是否需要前往该推荐商品所在地的提示信息。此外，根据用户与引导信息的交互，引导信息还可以适应性变化，例如在用户确定前往推荐商品所在地时，显示导航路径信息，在用户行走的过程中，及时的更新导航路径信息，或者交替显示推荐商品的其他信息，以提供给用户更为全面的信息。
在一示例性实施例中，如图9所示，上述步骤S230可以包括以下步骤：
步骤S910，基于定位信息与用户信息，在目标场景的对象中确定推荐对象；
步骤S920，根据定位信息与推荐对象的位置信息，生成推荐对象的引导信息。
在本示例性实施例中，根据定位信息与用户信息，可以在目标场景中确定用于向用户推荐的对象，具体而言，当用户信息为用户基本信息时，可以根据移动终端当前的定位信息以及用户的兴趣喜好，向用户推荐与该用户兴趣喜好相关且距离用户较近的对象等；或者向用户推荐与该用户职业和兴趣喜好相关，且用户在前往某一对象时会经过其他对象的多个对象等。当用户信息为用户行为信息时，可以根据当前的定位信息与用户行为相关的对象，向用户推荐用户行为相关的对象(如用户点击的对象)，并规划到该对象的多条有效路径，或者向用户推荐经过的路径中用户可能会感兴趣的对象，以使用户可以选择更喜欢对象所在的路径或者喜欢的对象更多的路径等。推荐对象的对象信息可以显示于移动终端的显示界面内，或者AR/VR的显示界面内，例如在当前显示界面内的地图中的任意一个三维位置上显示推荐对象。
在确定推荐对象之后，可以根据用户当前的定位信息和推荐对象的位置信息，生成推荐对象的引导信息，该引导信息可以是用户到推荐对象所规划的导航路径信息，该导航路径信息可以用引导箭头表示，也可以用其他标识表示。用户可以根据该引导信息从当前位置到达推荐对象所在的位置，引导信息可以包括多条导航路径信息，用户可以根据自己的需求选择其中的一条导航路径，例如通过用户点击某一条导航路径信息确定选择该路径信息；也可以通过用户直接按照某一条导航路径信息移动，自动触发对该导航路径信息的选择，用户在移动时，导航路径信息可以自动进行更新，以确保导航路线的准确性。本示例性实施例可以借助VIO(Visual inertial odometry，视觉里程计)，以实时可视化的形式为用户展示推荐对象的具***置，例如商品在商铺内的具***置，另外，还可以在用户靠近推荐对象时显示推荐对象的更多细节信息，以帮助用户获得更多推荐对象的信息。如图10，1010即为推荐对象的导航路径信息，用户可以跟随该导航路径信息找到对应的推荐对象，当接近对象时，如图11所示，可以显示商店的场景画面，并显示“X商场-A商店内”，以及对象1110的详细推荐信息等。
在一示例性实施例中，上述用户信息可以包括用户行为信息，进一步的，上述步骤S910，可以包括以下步骤：
基于定位信息与用户行为信息，统计用户与目标场景的对象的交互强度；
根据交互强度确定推荐对象。
其中，用户行为信息可以是指用户与目标场景的交互行为信息，例如当用户佩戴AR/VR设备时，用户在目标场景的AR/VR显示界面内，对其中的对象进行敲击、长按、拖拽、悬停等交互操作的信息，或者用户视线扫视对象或在对象上进行停留等交互操作的信息等。
本示例性实施例可以统计用户与目标场景中对象的交互强度，并根据交互强度确定推荐对象。其中，不同的用户行为信息可以具有不同类型的交互强度，例如交互强度可以是点击操作的点击次数；长按操作或悬停操作的持续时间；用户视线扫视对象的次数；或者视线在对象上停留的时间等。进一步可以根据交互强度确定推荐对象，例如将用户视线在某一对象上停留时间超过预设阈值的对象作为推荐对象，如图12所示，用户视线方向如箭头1210所示，当用户的视线方向在O点停留的时间超过预设阈值，即可以将O点所在的位置的对象或附近位置的对象作为推荐对象；或者将用户单击某一对象超过预设次数的对象作为推荐对象；再或者将用户在某一对象上进行悬停操作的维持时间超过预设阈值的对象作为推荐对象等。本示例性实施例结合移动终端的视觉定位结果和用户的交互操作实现对象推荐，能够能加全面和准确的估计出用户的感兴趣对象，实现精准的对象推荐。
在一示例性实施例中，用户信息包括用户基本信息；
上述步骤S910，可以包括：
将用户基本信息与目标场景的对象的标签进行匹配；
基于定位信息以及用户基本信息与标签的匹配结果，确定推荐对象。
在本示例性实施例中，可以基于大量的用户数据以及多个场景的数据，生成目标场景的对象的标签，例如用户的历史行为数据、用户的兴趣喜好数据、用户在应用程序内的使用数据等，以及多个商场中商店的数据或商店内商品的数据等，生成商场中商店或商品的标签。该标签可以反映商店或商品与该对象相关的关联信息，例如对商店感兴趣，或者与商品相关的用户的性别、年龄阶段、工作属性等用户信息。匹配结果可以是指用户对目标场景中的哪一对象感兴趣、感兴趣的程度(如感兴趣概率)，或者指用户对目标场景所包含的对象是否感兴趣、感兴趣的程度等。根据当前移动终端的用户基本信息与目标场景中的对象的标签进行匹配，可以确定用户对当前目标场景中的哪一对象感兴趣、感兴趣程度如何，进而可以根据匹配结果确定推荐对象。
在一示例性实施例中，可以基于大量的用户数据以及多个场景的数据，采用多任务排序学习算法训练得到用户兴趣模型。在实际应用中，将用户基本信息输入该用户兴趣模型中，可以得到用户对目标场景中所包含的对象的感兴趣结果，例如对每个商店是否感兴趣，或者对商店中的商品感兴趣的概率程度等。进一步，基于该结果，可以从多个对象中确定推荐对象，例如推荐用户感兴趣的商店或者感兴趣概率高的商品等等。
另外，本示例性实施例还可以将用户对目标场景中对象的感兴趣结果和三维点云地图相结合生成关于用户的兴趣度图，更为直观的反映用户在三维点云地图中对各个对象的感兴趣程度。进一步的，本示例性实施例可以利用区域生长的方法，从兴趣度图中生成一个兴趣度较高的区域作为兴趣对象，并根据其多种特征在数据库中检索相关的对象信息，最后输出对应带个性化定制的引导信息，例如在广告数据库中检索与商品相关的广告信息，为用户输出该商品的广告信息等。本示例性实施例结合移动终端的视觉定位结果和用户的基本信息实现对象推荐，能够能加全面和准确的估计出用户的感兴趣对象，实现个性化的对象推荐。
在一示例性实施例中，在生成推荐对象的引导信息前，推荐对象的信息处理方法还可以包括以下步骤：
根据用户针对推荐对象的选择信息，从推荐对象中移除用户未选择的对象。
在实际应用中，本示例性实施例可以个性化为用户推荐多个对象，为了进一步满足用户的实际需求，用户可以在显示界面内，进行针对推荐的选择操作，以从多个推荐对象中，选择一个或多个当前希望被推荐的对象，并从多个推荐对象中移除用户未选择的对象。例如在为用户推荐了多个商店后，用户在移动终端的场景地图中或VR的显示界面内进行选择交互操作，例如点击多个商店中的某一商店，根据用户的交互操作可以确定被点击的商店为最终的推荐商店，并移除用户未点击的其他商店。
综上，本示例性实施方式中，获取移动终端在目标场景中采集的待定位图像；通过将待定位图像与目标场景的地图数据进行匹配，确定移动终端的定位信息；基于定位信息以及与移动终端关联的用户信息，生成推荐对象的引导信息，推荐对象为目标场景中的对象。一方面，本示例性实施例提出一种新的推荐对象的信息处理方法，可以将对象推荐与视觉定位相结合，在实际的应用场景中，根据移动终端的定位信息和用户信息，得到推荐对象的引导信息，实现真实场景中的对象推荐过程；再一方面，本示例性实施例通过待定位图像与目标场景的地图数据的匹配，实现对移动终端的定位，能够得到较为准确的定位结果，进一步，再根据定位信息和用户信息可以确定准确、有效的推荐对象的引导信息，提高推荐效率。
本公开的示例性实施方式还提供一种装置。如图13所示，该推荐对象的信息处理装置1300可以包括：待定位图像获取模块1310，用于获取移动终端在目标场景中采集的待定位图像；定位信息确定模块1320，用于通过将待定位图像与目标场景的地图数据进行匹配，确定移动终端的定位信息；引导信息生成模块1330，用于基于定位信息以及与移动终端关联的用户信息，生成推荐对象的引导信息，推荐对象为目标场景中的对象。
在一示例性实施例中，定位信息确定模块包括：二维-三维匹配点对确定单元，用于将待定位图像的特征点与地图数据中的三维点云进行匹配，得到二维-三维匹配点对，每个二维-三维匹配点对包括具有匹配关系的待定位图像的特征点与三维点；定位信息确定单元，用于基于二维-三维匹配点对确定移动终端的定位信息。
在一示例性实施例中，二维-三维匹配点对确定单元包括：二维-二维匹配点对确定单元，用于将待定位图像的特征点与地图数据中的关键帧图像的特征点进行匹配，得到二维-二维匹配点对，每个二维-二维匹配点对包括具有匹配关系的待定位图像的特征点与关键帧图像的特征点；映射单元，用于将二维-二维匹配点对中关键帧图像的特征点映射为对应的三维点，得到二维-三维匹配点对。
在一示例性实施例中，二维-二维匹配点对确定单元包括：目标关键帧图像确定单元，用于在地图数据的关键帧图像中确定与待定位图像匹配的目标关键帧图像；匹配单元，用于将待定位图像的特征点与目标关键帧图像的特征点进行匹配，得到二维-二维匹配点对。
在一示例性实施例中，目标关键帧图像确定单元，用于计算待定位图像的全局描述信息与关键帧图像的全局描述信息的相似度，以确定与待定位图像匹配的目标关键帧图像。
在一示例性实施例中，二维-二维匹配点对确定单元包括：相似度计算子单元，用于计算待定位图像中特征点信息与关键帧图像中特征点信息的相似度，以确定二维-二维匹配点对；特征点信息包括特征点的描述信息与语义信息。
在一示例性实施例中，引导信息生成模块包括：推荐对象确定单元，用于基于定位信息与用户信息，在目标场景的对象中确定推荐对象；引导信息生成单元，用于根据定位信息与推荐对象的位置信息，生成推荐对象的引导信息。
在一示例性实施例中，用户信息包括用户行为信息；推荐对象确定单元包括：交互强度统计子单元，用于基于定位信息与用户行为信息，统计用户与目标场景的对象的交互强度；对象确定子单元，用于根据交互强度确定推荐对象。
在一示例性实施例中，用户信息包括用户基本信息；推荐对象确定单元包括：匹配子单元，用于将用户基本信息与目标场景的对象的标签进行匹配；对象确定子单元，用于基于定位信息以及用户基本信息与标签的匹配结果，确定推荐对象。
在一示例性实施例中，推荐对象的信息处理装置还包括：移除模块，用于在生成推荐对象的引导信息前，根据用户针对推荐对象的选择信息，从推荐对象中移除用户未选择的对象。
在一示例性实施例中，目标场景的地图数据被配置为通过以下方式建立：获取目标场景的关键帧图像；基于关键帧图像进行三维重建处理，得到目标场景的地图数据。
在一示例性实施例中，推荐对象的信息处理装置还包括：信息添加模块，用于确定目标场景中的多个对象的定位信息与标签，并将对象的定位信息与标签添加进目标场景的地图数据中。
上述装置中各部分的具体细节在方法部分实施方式中已经详细说明，因而不再赘述。
本公开的示例性实施方式还提供了一种计算机可读存储介质，可以实现为程序产品的形式，包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤，例如可以执行图2、图6、图7、图8或图9中任意一个或多个步骤。该程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
程序产品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为但不限于电、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、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。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
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操作的程序代码，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。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
所属技术领域的技术人员能够理解，本公开的各个方面可以实现为***、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“***”。本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施方式。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施方式仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限定。
Claims (14)
1.一种推荐对象的信息处理方法，其特征在于，包括：
获取移动终端在目标场景中采集的待定位图像；
通过将所述待定位图像与所述目标场景的地图数据进行匹配，确定所述移动终端的定位信息；
基于所述定位信息以及与所述移动终端关联的用户信息，生成推荐对象的引导信息，所述推荐对象为所述目标场景中的对象；所述用户信息包括用户行为信息，所述用户行为信息为用户与所述目标场景的交互行为信息；所述交互行为信息包括，用户在所述目标场景的显示界面内，对其中的对象进行敲击、长按、拖拽或悬停交互操作的信息，或者用户视线扫视对象或在对象上进行停留交互操作的信息；所述引导信息包括多条导航路径信息；所述方法还包括：根据用户输入的点击操作，从所述多条导航路径信息中选择确定目标导航路径信息；或者，响应于感应到用户按照待选导航路径信息进行移动，自动触发将所述待选导航路径信息作为目标导航路径信息；
所述方法还包括：
当用户跟随所述引导信息接近所述推荐对象时，在所述目标场景的显示界面内显示所述推荐对象以及所述推荐对象的详细推荐信息；
当所述用户信息包括所述用户行为信息时，所述推荐对象通过以下方式确定：基于所述定位信息与所述用户行为信息，统计用户与所述目标场景的对象的交互强度；根据所述交互强度确定所述推荐对象。
2.根据权利要求1所述的方法，其特征在于，所述通过将所述待定位图像与所述目标场景的地图数据进行匹配，确定所述移动终端的定位信息，包括：
将所述待定位图像的特征点与所述地图数据中的三维点云进行匹配，得到二维-三维匹配点对，每个二维-三维匹配点对包括具有匹配关系的所述待定位图像的特征点与三维点；
基于所述二维-三维匹配点对确定所述移动终端的定位信息。
3.根据权利要求2所述的方法，其特征在于，所述将所述待定位图像的特征点与所述地图数据中的三维点云进行匹配，得到二维-三维匹配点对，包括：
将所述待定位图像的特征点与所述地图数据中的关键帧图像的特征点进行匹配，得到二维-二维匹配点对，每个二维-二维匹配点对包括具有匹配关系的所述待定位图像的特征点与所述关键帧图像的特征点；
将所述二维-二维匹配点对中所述关键帧图像的特征点映射为对应的三维点，得到所述二维-三维匹配点对。
4.根据权利要求3所述的方法，其特征在于，所述将所述待定位图像的特征点与所述地图数据中的关键帧图像的特征点进行匹配，得到二维-二维匹配点对，包括：
在所述地图数据的关键帧图像中确定与所述待定位图像匹配的目标关键帧图像；
将所述待定位图像的特征点与所述目标关键帧图像的特征点进行匹配，得到所述二维-二维匹配点对。
5.根据权利要求4所述的方法，其特征在于，所述在所述地图数据的关键帧图像中确定与所述待定位图像匹配的目标关键帧图像，包括：
计算所述待定位图像的全局描述信息与所述关键帧图像的全局描述信息的相似度，以确定与所述待定位图像匹配的目标关键帧图像。
6.根据权利要求3所述的方法，其特征在于，所述将所述待定位图像的特征点与所述地图数据中的关键帧图像的特征点进行匹配，得到二维-二维匹配点对，包括：
计算所述待定位图像中特征点信息与所述关键帧图像中特征点信息的相似度，以确定所述二维-二维匹配点对；
所述特征点信息包括特征点的描述信息与语义信息。
7.根据权利要求1所述的方法，其特征在于，所述基于所述定位信息以及与所述移动终端关联的用户信息，生成推荐对象的引导信息，包括：
基于所述定位信息与所述用户信息，在所述目标场景的对象中确定所述推荐对象；
根据所述定位信息与所述推荐对象的位置信息，生成所述推荐对象的引导信息。
8.根据权利要求7所述的方法，其特征在于，所述用户信息包括用户基本信息；
所述基于所述定位信息与所述用户信息，在所述目标场景的对象中确定所述推荐对象，包括：
将所述用户基本信息与所述目标场景的对象的标签进行匹配；
基于所述定位信息以及所述用户基本信息与所述标签的匹配结果，确定所述推荐对象。
9.根据权利要求7所述的方法，其特征在于，在生成所述推荐对象的引导信息前，所述方法还包括：
根据用户针对所述推荐对象的选择信息，从所述推荐对象中移除用户未选择的对象。
10.根据权利要求1所述的方法，其特征在于，所述目标场景的地图数据通过以下方式建立：
获取所述目标场景的关键帧图像；
基于所述关键帧图像进行三维重建处理，得到所述目标场景的地图数据。
11.根据权利要求10所述的方法，其特征在于，所述方法还包括：
确定所述目标场景中的多个对象的定位信息与标签，并将所述对象的定位信息与标签添加进所述目标场景的地图数据中。
12.一种推荐对象的信息处理装置，其特征在于，包括：
待定位图像获取模块，用于获取移动终端在目标场景中采集的待定位图像；
定位信息确定模块，用于通过将所述待定位图像与所述目标场景的地图数据进行匹配，确定所述移动终端的定位信息；
引导信息生成模块，用于基于所述定位信息以及与所述移动终端关联的用户信息，生成推荐对象的引导信息，所述推荐对象为所述目标场景中的对象；所述用户信息包括用户行为信息，所述用户行为信息为用户与所述目标场景的交互行为信息；所述交互行为信息包括，用户在所述目标场景的显示界面内，对其中的对象进行敲击、长按、拖拽或悬停交互操作的信息，或者用户视线扫视对象或在对象上进行停留交互操作的信息；所述引导信息包括多条导航路径信息；所述装置被配置为：根据用户输入的点击操作，从所述多条导航路径信息中选择确定目标导航路径信息；或者，响应于感应到用户按照待选导航路径信息进行移动，自动触发将所述待选导航路径信息作为目标导航路径信息；
推荐对象的信息处理装置，还被配置为：
当用户跟随所述引导信息接近所述推荐对象时，在所述目标场景的显示界面内显示所述推荐对象以及所述推荐对象的详细推荐信息；
当所述用户信息包括所述用户行为信息时，所述推荐对象被配置为通过以下方式确定：基于所述定位信息与所述用户行为信息，统计用户与所述目标场景的对象的交互强度；根据所述交互强度确定所述推荐对象。
13.一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，所述计算机程序被处理器执行时实现权利要求1至11任一项所述的方法。
14.一种电子设备，其特征在于，包括：
处理器；
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至11任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110048458.4A CN112749350B (zh) | 2021-01-14 | 2021-01-14 | 推荐对象的信息处理方法、装置、存储介质与电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110048458.4A CN112749350B (zh) | 2021-01-14 | 2021-01-14 | 推荐对象的信息处理方法、装置、存储介质与电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112749350A CN112749350A (zh) | 2021-05-04 |
| CN112749350B true CN112749350B (zh) | 2024-05-14 |
Family
ID=75651763
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110048458.4A Active CN112749350B (zh) | 2021-01-14 | 2021-01-14 | 推荐对象的信息处理方法、装置、存储介质与电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112749350B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113393515B (zh) * | 2021-05-21 | 2023-09-19 | 杭州易现先进科技有限公司 | 一种结合场景标注信息的视觉定位方法和*** |
| CN113343920A (zh) * | 2021-07-01 | 2021-09-03 | 中诚信征信有限公司 | 人脸识别照片的分类方法、装置、电子设备和存储介质 |
| CN113642451B (zh) * | 2021-08-10 | 2022-05-17 | 瑞庭网络技术（上海）有限公司 | 确定视频的匹配性的方法、装置、设备及可读记录介质 |
| WO2023189192A1 (ja) * | 2022-04-01 | 2023-10-05 | ソニーグループ株式会社 | 情報処理装置、情報処理方法および情報処理プログラム |
| CN117332145A (zh) * | 2022-08-26 | 2024-01-02 | 荣耀终端有限公司 | 一种应用程序推荐方法、装置及用户设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111429517A (zh) * | 2020-03-23 | 2020-07-17 | Oppo广东移动通信有限公司 | 重定位方法、重定位装置、存储介质与电子设备 |
| CN111639975A (zh) * | 2020-06-04 | 2020-09-08 | 上海商汤智能科技有限公司 | 一种信息推送方法及装置 |
| CN111652934A (zh) * | 2020-05-12 | 2020-09-11 | Oppo广东移动通信有限公司 | 定位方法及地图构建方法、装置、设备、存储介质 |
| CN112148742A (zh) * | 2019-06-28 | 2020-12-29 | Oppo广东移动通信有限公司 | 地图更新方法及装置、终端、存储介质 |
-
2021
- 2021-01-14 CN CN202110048458.4A patent/CN112749350B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112148742A (zh) * | 2019-06-28 | 2020-12-29 | Oppo广东移动通信有限公司 | 地图更新方法及装置、终端、存储介质 |
| CN111429517A (zh) * | 2020-03-23 | 2020-07-17 | Oppo广东移动通信有限公司 | 重定位方法、重定位装置、存储介质与电子设备 |
| CN111652934A (zh) * | 2020-05-12 | 2020-09-11 | Oppo广东移动通信有限公司 | 定位方法及地图构建方法、装置、设备、存储介质 |
| CN111639975A (zh) * | 2020-06-04 | 2020-09-08 | 上海商汤智能科技有限公司 | 一种信息推送方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112749350A (zh) | 2021-05-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112749350B (zh) | 推荐对象的信息处理方法、装置、存储介质与电子设备 | |
| CN111652678B (zh) | 物品信息显示方法、装置、终端、服务器及可读存储介质 | |
| US11227326B2 (en) | Augmented reality recommendations | |
| US9424461B1 (en) | Object recognition for three-dimensional bodies | |
| US10771685B2 (en) | Automatic guided capturing and presentation of images | |
| US8391615B2 (en) | Image recognition algorithm, method of identifying a target image using same, and method of selecting data for transmission to a portable electronic device | |
| CN108198044B (zh) | 商品信息的展示方法、装置、介质及电子设备 | |
| CN110188719B (zh) | 目标跟踪方法和装置 | |
| CN111046744A (zh) | 一种关注区域检测方法、装置、可读存储介质及终端设备 | |
| CN115103106A (zh) | 一种控制方法、电子设备、计算机可读存储介质、芯片 | |
| CN112269851B (zh) | 地图数据更新方法、装置、存储介质与电子设备 | |
| CN111897996B (zh) | 话题标签推荐方法、装置、设备及存储介质 | |
| CN105654039A (zh) | 图像处理的方法和装置 | |
| CN112927363A (zh) | 体素地图构建方法及装置、计算机可读介质和电子设备 | |
| CN111432245B (zh) | 多媒体信息的播放控制方法、装置、设备及存储介质 | |
| KR102466978B1 (ko) | 딥러닝 기반 가상 이미지 생성방법 및 시스템 | |
| CN113822427A (zh) | 一种模型训练的方法、图像匹配的方法、装置及存储介质 | |
| CN113987326B (zh) | 资源推荐方法、装置、计算机设备及介质 | |
| US20220067812A1 (en) | Method and system for providing search results for similar products based on deep-learning | |
| US20190114675A1 (en) | Method and system for displaying relevant advertisements in pictures on real time dynamic basis | |
| JP2013186478A (ja) | 画像処理システム及び画像処理方法 | |
| CN112766406A (zh) | 物品图像的处理方法、装置、计算机设备及存储介质 | |
| US20220358760A1 (en) | Method for processing information for vehicle, vehicle and electronic device | |
| CN110213307B (zh) | 多媒体数据推送方法、装置、存储介质及设备 | |
| US20220207585A1 (en) | System and method for providing three-dimensional, visual search |
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 |