CN113091759A - 位姿处理、地图构建方法及装置 - Google Patents
位姿处理、地图构建方法及装置 Download PDFInfo
- Publication number
- CN113091759A CN113091759A CN202110266387.5A CN202110266387A CN113091759A CN 113091759 A CN113091759 A CN 113091759A CN 202110266387 A CN202110266387 A CN 202110266387A CN 113091759 A CN113091759 A CN 113091759A
- Authority
- CN
- China
- Prior art keywords
- frame image
- image
- edge
- target
- gradient
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/12—Systems for determining distance or velocity not using reflection or reradiation using electromagnetic waves other than radio waves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例涉及位姿处理、地图构建方法及装置,包括:在对象运行过程中,确定第一帧图像与第二帧图像对应的初始位姿变换数据;对第一帧图像和第二帧图像进行边缘匹配,确定对应的边缘集合;针对边缘集合中的任一目标边缘,对初始位姿变换数据进行调整,以使目标边缘中的任一目标点在第一帧图像中的第一梯度向量与在第二帧图像中的第二梯度向量之差最小,得到目标位姿变换数据,通过对两帧图像进行边缘匹配,得到二者共有的目标边缘,通过目标边缘中的目标点对应的梯度向量差值调整初始位姿变换数据,避免光照变化、帧图像中特征点少对位姿变换数据的影响,提高位姿变换数据的精准度。
Description
技术领域
本发明实施例涉及人工智能领域,尤其涉及一种位姿处理、地图构建方法及装置。
背景技术
随着人工智能技术的不断发展,人工智能产品,比如自移动设备不断普及,自移动设备可以是扫地机器人、拣货机器人等,当控制自移动设备移动时,首先需要对自移动设备进行定位,即识别自移动设备在所处空间内的位置,之后才能对该自移动设备进行导航。
相关技术中,采用轨迹生成2D栅格地图,且采用碰撞的形式确定障碍物,也即,在自移动设备存在碰撞时才将其位置点确定为障碍物,由此,由轨迹生成的2D栅格地图,精度较低,不利于避障和路径规划。
发明内容
鉴于此,为解决上述技术问题或部分技术问题,本发明实施例提供一种位姿处理、地图构建方法及装置。
第一方面,本发明实施例提供一种位姿处理方法,包括:
在对象运行过程中,确定第一帧图像与第二帧图像对应的初始位姿变换数据;
对所述第一帧图像和所述第二帧图像进行边缘匹配,确定对应的边缘集合;
针对所述边缘集合中的任一目标边缘,对所述初始位姿变换数据进行调整,以使所述目标边缘中的任一目标点在所述第一帧图像中的第一梯度向量与在所述第二帧图像中的第二梯度向量之差最小,得到目标位姿变换数据。
在一可选的实施方式中,所述对所述初始位姿变换数据进行调整,包括:
通过目标函数对所述初始位姿变换数据进行调整。
在一可选的实施方式中,在所述第二帧图像的数量为一个时,所述目标函数为:
其中,所述i为所述第一帧图像的索引值,所述j为所述第二帧图像的索引值,ξji为所述第一帧图像和所述第二帧图像位姿变换对应的李代数,λm为目标点m对应的逆深度,为所述目标点m在所述第一帧图像中x方向的梯度,为所述目标点m在所述第一帧图像中y方向的梯度,为目标点m在所述第二帧图像中x方向的梯度,为目标点m在所述第二帧图像中y方向的梯度,n为大于等于3的正整数。
在一可选的实施方式中,在所述第二帧图像的数量为多个时,所述目标函数为:
其中,所述i为第一帧图像的索引值,所述j为第二帧图像的索引值,ξji为所述第一帧图像和所述第二帧图像位姿变换对应的李代数,λm为目标点m对应的逆深度,eji为任一连续的两帧帧图像之间的梯度向量差值,n为大于等于3的正整数。
在一可选的实施方式中,所述方法还包括:
将所述第一帧图像转换为第一灰度图像,以及将所述第二帧图像转换为第二灰度图像;
将所述第一灰度图像转换为第一梯度图像,以及将所述第二灰度图像转换为第二梯度图像。
在一可选的实施方式中,所述方法还包括:
从所述第一梯度图像中确定所述目标点对应的第一梯度向量,以及从所述第二梯度图像确定所述目标点对应的第二梯度向量。
第二方面,本发明实施例提供一种位姿处理装置,包括:
确定模块,用于在对象运行过程中,确定第一帧图像与第二帧图像对应的初始位姿变换数据;
匹配模块,用于对所述第一帧图像和所述第二帧图像进行边缘匹配,确定对应的边缘集合;
调整模块,用于针对所述边缘集合中的任一目标边缘,对所述初始位姿变换数据进行调整,以使所述目标边缘中的任一目标点在所述第一帧图像中的第一梯度向量与在所述第二帧图像中的第二梯度向量之差最小,得到目标位姿变换数据。
第三方面,本发明实施例提供一种地图构建方法,包括:
获取第一帧图像对应的点云数据;
确定在所述点云数据中预设高度对应的平面图像;
根据第一边缘集合确定所述平面图像对应的目标边缘点集合;
根据目标位姿变换数据将所述边缘点集合映射于所述对象的栅格地图中,所述目标位姿变换数据上述第一方面中任一所述的位姿处理方法得到。
第四方面,本发明实施例提供一种地图构建装置,其特征在于,包括:
获取模块,用于获取第一帧图像对应的点云数据;
确定模块,用于确定在所述点云数据中预设高度对应的平面图像;根据第一边缘集合确定所述平面图像对应的边缘点集合;
构建模块,用于根据目标位姿变换数据将所述边缘点集合映射于所述对象的栅格地图中,所述目标位姿变换数据上述第一方面中任一所述的位姿处理方法得到。
第五方面,本发明实施例提供一种电子设备,包括:处理器和存储器,所述处理器用于执行所述存储器中存储的位姿处理程序,以实现第一方面中任一项所述的位姿处理方法,或,用于执行所述存储器中存储的地图构建程序,以实现第二方面中任一项所述的地图构建方法。
第六方面,本发明实施例提供一种存储介质,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现第一方面中任一项所述的位姿处理方法,或,以实现第二方面中任一项所述的地图构建方法
本发明实施例提供的位姿处理方案,在对象运行过程中,确定第一帧图像与第二帧图像对应的初始位姿变换数据,所述第一帧图像为当前采集到的帧图像,所述第二帧图像为上一帧图像;对所述第一帧图像和所述第二帧图像进行边缘匹配,确定对应的边缘集合;针对所述边缘集合中的任一目标边缘,对所述初始位姿变换数据进行调整,以使所述目标边缘中的任一目标点在所述第一帧图像中的第一梯度向量与在所述第二帧图像中的第二梯度向量之差最小,得到目标位姿变换数据,通过对两帧图像进行边缘匹配,得到二者共有的目标边缘,通过目标边缘中的目标点对应的梯度向量差值调整初始位姿变换数据,避免光照变化、帧图像中特征点少对位姿变换数据的影响,提高位姿变换数据的精准度。
附图说明
图1为本发明实施例提供的一种位姿处理方法的流程示意图;
图2为本发明实施例提供的另一种位姿处理方法的流程示意图;
图3为本发明实施例提供的一种地图构建方法的流程示意图;
图4为本发明实施例提供的一种位姿处理装置的结构示意图;
图5为本发明实施例提供的一种地图构建装置的结构示意图;
图6为本发明实施例提供的一种的电子设备的结构示意图;
图7为本发明实施例提供的另一种的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为便于对本发明实施例的理解,下面将结合附图以具体实施例做进一步的解释说明,实施例并不构成对本发明实施例的限定。
图1为本发明实施例提供的一种位姿处理方法的流程示意图,如图1所示,该方法具体包括:
S11、在对象运行过程中,确定第一帧图像与第二帧图像对应的初始位姿变换数据。
在本发明实施例提供的位姿处理方法应用于对象在移动场景中位姿的确定,在该对象上设置有视觉传感器,对象可以是自移动设备,例如,扫地机器人、拣货机器人等,视觉传感器可以是:双目相机或RGB-D相机等,对象的移动场景可以是:扫地机器人在某一区域内执行卫生打扫操作、或拣货机器人在某一仓库执行拣货任务。
进一步地,通过设置视觉传感器采集对象在运动过程中的每帧图像,将当前采集到的帧图像作为第一帧图像,将该第一帧图像的上一帧图像作为第二帧图像。
采用移动轨迹确定第一帧图像与第二帧图像对应的位姿变换数据,获取第一帧图像对应的第一时间点,以及第二帧图像对应的第二时间点,根据第一时间点与第二时间点之间的差值、对象的运动速度、对象的运动偏转角度确定该对象的第一帧图像与第二帧图像对应的初始位姿变换数据,该初始位姿变换数据可以包括:对象的平移数据和偏转数据。
S12、对所述第一帧图像和所述第二帧图像进行边缘匹配,确定对应的边缘集合。
采用特征匹配的方式从第一帧图像和第二帧图像中进行边缘特征匹配,从第一帧图像中得到第一边缘集合,从第二帧图像中得到第二边缘集合,再计算第一边缘集合和第二边缘集合中边缘的相似度,将相似度大于设定阈值(例如,90%)的一个或多个边缘作为边缘集合。
S13、针对所述边缘集合中的任一目标边缘,对所述初始位姿变换数据进行调整,以使所述目标边缘中的任一目标点在所述第一帧图像中的第一梯度向量与在所述第二帧图像中的第二梯度向量之差最小,得到目标位姿变换数据。
从边缘集合中确定任一目标边缘,再从该目标边缘中确定一个或多个目标点,以及确定该目标点在第一帧图像对应坐标系下的第一位置信息,在第二帧图像对应坐标系下的第二位置信息;在第一帧图像对应坐标系下的第一位置信息可以理解为:在设置于对象上的视觉传感器获取到第一帧图像时,该视觉传感器为坐标原点下的第一位置信息(3D点的位置信息),在第二帧图像对应坐标系下的第二位置信息可以理解为:在设置于对象上的视觉传感器获取到第二帧图像时,该视觉传感器为坐标原点下的第二位置信息(3D点的位置信息)。
进一步地,对第一帧图像和第二帧图像进行梯度转换,得到目标点在在第一帧图像中对应的第一梯度向量,以及目标点在第二帧图像中对应第二梯度向量。
根据第一位置信息和第二位置信息的关系,对第一帧图像和第二帧图像对应的初始位姿变换数据进行调整,调整的过程可以是根据梯度向量的差值对初始位姿数据进行调整,以达到目标边缘中的任一目标点在所述第一帧图像中的第一梯度向量与在所述第二帧图像中的第二梯度向量之差最小,得到目标位姿变换数据。
本发明实施例提供的位姿处理方法,在对象运行过程中,确定第一帧图像与第二帧图像对应的初始位姿变换数据,所述第一帧图像为当前采集到的帧图像,所述第二帧图像为上一帧图像;对所述第一帧图像和所述第二帧图像进行边缘匹配,确定对应的边缘集合;针对所述边缘集合中的任一目标边缘,对所述初始位姿变换数据进行调整,以使所述目标边缘中的任一目标点在所述第一帧图像中的第一梯度向量与在所述第二帧图像中的第二梯度向量之差最小,得到目标位姿变换数据,通过对两帧图像进行边缘匹配,得到二者共有的目标边缘,通过目标边缘中的目标点对应的梯度向量差值调整初始位姿变换数据,避免光照变化、帧图像中特征点少对位姿变换数据的影响,提高位姿变换数据的精准度。
图2为本发明实施例提供的另一种位姿处理方法的流程示意图,如图2所示,该方法具体包括:
S21、获取第一帧图像与第二帧图像。
本实施例涉及的对象可以是自移动设备,例如,扫地机器人、拣货机器人等,在该对象上设置有视觉传感器,视觉传感器可以是:双目相机或RGB-D相机等,通过视觉传感器获取第一帧图像和第二帧图像,第一帧图像为当前采集到的帧图像,所述第二帧图像为上一帧图像。
S22、将所述第一帧图像转换为第一灰度图像,以及将所述第二帧图像转换为第二灰度图像。
S23、将所述第一灰度图像转换为第一梯度图像,以及将所述第二灰度图像转换为第二梯度图像。
对第一帧图像和第二帧图像分别进行灰度转换和梯度转换,得到对应的第一梯度图像和第二梯度图像。
进一步地,将对图像的处理分为两个步骤,即,灰度转换和梯度转换,并设置每个转换步骤可同步执行对多个帧图像的处理,例如,在灰度转换环节,将第一帧图像和第二帧图像同步进行灰度转换,得到第一帧图像对应的第一灰度图像,以及第二帧图像对应的第二灰度图像;在梯度转换环节,将第一灰度图像和第二灰度图像同步进行梯度转换,得到第一灰度图像对应的第一梯度图像,以及第二灰度图像对应的第二梯度图像。
S24、对所述第一帧图像和所述第二帧图像进行边缘匹配,确定对应的边缘集合。
对第一帧图像进行边缘提取,得到第一帧图像对应的第一边缘,该第一边缘包含一个或多个,并确定第一边缘对应的梯度信息(该梯度信息包括梯度方向和幅值),以及对第二帧图像进行边缘提取,得到第二帧图像对应的第二边缘,该第二边缘包含一个或多个,并确定第二边缘对应的梯度信息(该梯度信息包括梯度方向和幅值)。
对第一边缘和第二边缘进行边缘匹配,将二者相似度大于设定阈值(90%)的边缘作为目标边缘。
S25、确定第一帧图像与第二帧图像对应的初始位姿变换数据。
采用移动轨迹确定第一帧图像与第二帧图像对应的位姿变换数据,获取第一帧图像对应的第一时间点,获取第二帧图像对应的第二时间点,根据第一时间点与第二时间点之间的差值、对象的运动速度、对象的运动偏转角度确定该对象的第一帧图像与第二帧图像对应的初始位姿变换数据,该初始位姿变换数据可以包括:对象的平移数据和偏转数据。
S26、针对所述边缘集合中的任一目标边缘,通过目标函数对所述初始位姿变换数据进行调整,以使所述目标边缘中的任一目标点在所述第一帧图像中的第一梯度向量与在所述第二帧图像中的第二梯度向量之差最小,得到目标位姿变换数据。
从边缘集合中确定任一目标边缘,再从该目标边缘中的一个或多个目标点,以及确定该目标点在第一帧图像对应坐标系下的第一位置信息,在第二帧图像对应坐标系下的第二位置信息;在第一帧图像对应坐标系下的第一位置信息可以理解为:在设置于对象上的视觉传感器获取到第一帧图像时,该视觉传感器为坐标原点下的第一位置信息(3D点的位置信息),在第二帧图像对应坐标系下的第二位置信息可以理解为:在设置于对象上的视觉传感器获取到第二帧图像时,该视觉传感器为坐标原点下的第二位置信息(3D点的位置信息)。
本实施例涉及的第二帧图像包含有一个或多个,在第二帧图像为一个时,根据第一位置信息和第二位置信息的关系,通过目标函数对所述初始位姿变换数据进行调整,以使所述目标边缘中的任一目标点在所述第一帧图像中的第一梯度向量与在所述第二帧图像中的第二梯度向量之差最小,得到目标位姿变换数据。
第一位置信息和第二位置信息的关系可通过下述方式获取:
定义双目相机的正反投影,该反向投影可以是:
其中,P为像素点p=(x;y)在双面相机坐标系下(第一帧图像对应的坐标系,可称为i坐标系)的第一点位置信息π为投影函数,Z(p)代表p的深度,(cx;cy)为双目相机内参中的主点,(fx;fy)为双目相机内参的焦距。
相应地,该正向投影可以是:
由上述两个公式可得,可通过变换函数将第一帧图像中像素点Pi的投影到第二帧图像中的像素点Pj,具体为:
pj=τ(ξji,pi,Zi(p))=π(Tjiπ-1(pi,Zi(pi))) (三)
其中,τ为变换函数,Tji为像素点由i坐标系到j坐标系的变换,ξji为Tji的李代数。
进一步地,所述目标函数为:
其中,所述i为第一帧图像的索引值,所述j为第二帧图像的索引值,ξji为所述第一帧图像和所述第二帧图像位姿变换对应的李代数,λm为目标点m对应的逆深度,为目标点m在所述第一帧图像中x方向的梯度,为目标点m在所述第一帧图像中y方向的梯度,为目标点m在所述第二帧图像中x方向的梯度,为目标点m在所述第二帧图像中y方向的梯度,n为大于等于3的正整数。
在本发明实施例的一可选方案中,可以将n设置为大于100的正整数,例如,n∈(100,+∞),n可以为:110、120或130等,对于n的具体数值可根据实际需求进行设定,对此,本实施例不作具体限定。
逆深度λm可通过深度Zm(p)转换得到,对应的转换公式为:
深度Zm(p)可根据像素点P由第一帧图像投影到第二帧图像的变换关系确定(上述公式(三))。
在所述第二帧图像的数量为多个时,所述目标函数为:
其中,所述i为第一帧图像的索引值,所述j为第二帧图像的索引值,ξji为所述第一帧图像和所述第二帧图像位姿变换对应的李代数,λm为目标点m对应的逆深度,eji为任一连续的两帧帧图像之间的梯度向量差值,n为大于等于3的正整数。
需要说明的是,在第二帧图像为多个时,依次计算两帧帧图像之间的梯度向量差值,进而求和得到多个帧图像之间梯度向量总差值,在总差值最小时,得到多个帧图像对应的目标位姿变换数据。
本发明实施例提供的位姿处理方法,在对象运行过程中,确定第一帧图像与第二帧图像对应的初始位姿变换数据,所述第一帧图像为当前采集到的帧图像,所述第二帧图像为上一帧图像;对所述第一帧图像和所述第二帧图像进行边缘匹配,确定对应的边缘集合;针对所述边缘集合中的任一目标边缘,对所述初始位姿变换数据进行调整,以使所述目标边缘中的任一目标点在所述第一帧图像中的第一梯度向量与在所述第二帧图像中的第二梯度向量之差最小,得到目标位姿变换数据,通过对两帧图像进行边缘匹配,得到二者共有的目标边缘,通过目标边缘中的目标点对应的梯度向量差值调整初始位姿变换数据,避免光照变化、帧图像中特征点少对位姿变换数据的影响,提高位姿变换数据的精准度。
图3为本发明实施例提供的一种地图构建方法的流程示意图,如图3所示,该方法具体包括:
S31、获取第一帧图像对应的点云数据。
本实施例在上述实施例目标位姿变换数据确定的基础上,进行地图构建,进而在构建好的地图中标注边缘位置,地图构建的过程可以是3D点云数据与2D栅格地图的融合。
通过设置于对象上的视觉传感器直接获取第一帧图像(当前帧图像)的点云数据,该点云数据为对象所处位置视觉传感器以扫描的形式记录的当前区域的海量3D点数据。
S32、确定在所述点云数据中预设高度对应的平面图像。
对获取到的第一帧图像对应的3D点云数据,进行裁剪,得到一个平面数据,该平面数据为3D点云数据中以Y轴的设定高度截取的X轴和Y轴构成的平面。
在本发明实施例的一可选方案中,预设高度可通过视觉传感器设置于所述对象的位置确定,例如,该预设高度可以为一固定值,如10cm。
S33、根据第一边缘集合确定所述平面图像对应的目标边缘点集合。
在得到裁剪后的平面图像后,根据上述实施例确定的第一帧图像中对应第一边缘集合,第一帧图像作为当前采集到的帧图像,将该第一帧图像的上一帧图像作为第二帧图像,根据第一帧图像和第二帧图像得到第一边缘(具体可参照图1中S12和图2中S24确定边缘集合的相关步骤)。
进一步地,确定第一边缘集合在该平面图像中对应的目标边缘点集合(该目标边缘集合可以是第一边缘集合与平面图像的交集),该目标边缘点集合构成了当前视角下的障碍物与地面的交界处。
S34、根据目标位姿变换数据将所述边缘点集合映射于所述对象的栅格地图中。
对象根据目标位姿变换数据以及对象当前所在栅格地图中的位置信息,将平面图像中边缘点的集合映射到栅格地图中,以在该栅格地图中标注障碍物与地面的交界位置,形成一稠密的2D地图。
本发明实施例提供的地图构建方法,通过设置于对象上的视觉传感器获取第一帧图像对应的点云数据;确定在所述点云数据中预设高度对应的平面图像;根据第一边缘集合确定所述平面图像对应的边缘点集合;根据目标位姿变换数据将所述边缘点集合映射于所述对象的栅格地图中,相比于碰撞的形式确定障碍物进而估算障碍物与地面的交界位置更加精准,便于后续机器人在移动过程中的避障和路径规划。
图4为本发明实施例提供的一种位姿处理装置的结构示意图,如图4所示,该装置具体包括:
确定模块41,用于在对象运行过程中,确定第一帧图像与第二帧图像对应的初始位姿变换数据;
匹配模块42,用于对所述第一帧图像和所述第二帧图像进行边缘匹配,确定对应的边缘集合;
调整模块43,用于针对所述边缘集合中的任一目标边缘,对所述初始位姿变换数据进行调整,以使所述目标边缘中的任一目标点在所述第一帧图像中的第一梯度向量与在所述第二帧图像中的第二梯度向量之差最小,得到目标位姿变换数据。
在一可选的实施方式中,所述调整模块43,具体用于通过目标函数对所述初始位姿变换数据进行调整。
在一可选的实施方式中,在所述第二帧图像的数量为一个时,所述目标函数为:
其中,所述i为第一帧图像的索引值,所述j为第二帧图像的索引值,ξji为所述第一帧图像和所述第二帧图像位姿变换对应的李代数,λm为目标点m对应的逆深度,为目标点m在所述第一帧图像中x方向的梯度,为目标点m在所述第一帧图像中y方向的梯度,为目标点m在所述第二帧图像中x方向的梯度,为目标点m在所述第二帧图像中y方向的梯度,n为大于等于3的正整数。
在一可选的实施方式中,在所述第二帧图像的数量为多个时,所述目标函数为:
其中,所述i为第一帧图像的索引值,所述j为第二帧图像的索引值,ξji为所述第一帧图像和所述第二帧图像位姿变换对应的李代数,λm为目标点m对应的逆深度,eji为任一连续的两帧帧图像之间的梯度向量差值,n为大于等于3的正整数。
在一可选的实施方式中,所述装置还包括:转换模块44,用于将所述第一帧图像转换为第一灰度图像,以及将所述第二帧图像转换为第二灰度图像;将所述第一灰度图像转换为第一梯度图像,以及将所述第二灰度图像转换为第二梯度图像。
在一可选的实施方式中,所述确定模块41,还用于从所述第一梯度图像中确定所述目标点对应的第一梯度向量,以及从所述第二梯度图像确定所述目标点对应的第二梯度向量。
本实施例提供的位姿处理装置可以是如图4中所示的位姿处理装置,可执行如图1-2中位姿处理方法的所有步骤,进而实现图1-2所示位姿处理方法的技术效果,具体请参照图1-2相关描述,为简洁描述,在此不作赘述。
图5为本发明实施例提供的一种地图构建装置的结构示意图,如图5所示,该结构具体包括:
获取模块51,用于通过获取第一帧图像对应的点云数据;
确定模块52,用于确定在所述点云数据中预设高度对应的平面图像;根据第一边缘集合确定所述平面图像对应的目标边缘点集合;
构建模块53,用于根据目标位姿变换数据将所述边缘点集合映射于所述对象的栅格地图中。
本实施例提供的地图构建装置可以是如图5中所示的地图构建装置,可执行如图3中位地图构建方法的所有步骤,进而实现图3所示地图构建方法的技术效果,具体请参照图3相关描述,为简洁描述,在此不作赘述。
图6为本发明实施例提供的一种的电子设备的结构示意图,图6所示的电子设备600包括:至少一个处理器601、存储器602、至少一个网络接口604和其他用户接口603。电子设备600中的各个组件通过总线***605耦合在一起。可理解,总线***605用于实现这些组件之间的连接通信。总线***605除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图6中将各种总线都标为总线***605。
其中,用户接口603可以包括显示器、键盘或者点击设备(例如,鼠标,轨迹球(trackball)、触感板或者触摸屏等。
可以理解,本发明实施例中的存储器602可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synch link DRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,DRRAM)。本文描述的存储器602旨在包括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中,存储器602存储了如下的元素,可执行单元或者数据结构,或者他们的子集,或者他们的扩展集:操作***6021和应用程序6022。
其中,操作***6021,包含各种***程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序6022,包含各种应用程序,例如媒体播放器(Media Player)、浏览器(Browser)等,用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序6022中。
在本发明实施例中,通过调用存储器602存储的程序或指令,具体的,可以是应用程序6022中存储的程序或指令,处理器601用于执行各方法实施例所提供的方法步骤,例如包括:
在对象运行过程中,确定第一帧图像与第二帧图像对应的初始位姿变换数据;对所述第一帧图像和所述第二帧图像进行边缘匹配,确定对应的边缘集合;针对所述边缘集合中的任一目标边缘,对所述初始位姿变换数据进行调整,以使所述目标边缘中的任一目标点在所述第一帧图像中的第一梯度向量与在所述第二帧图像中的第二梯度向量之差最小,得到目标位姿变换数据。
在一可选的实施方式中,通过目标函数对所述初始位姿变换数据进行调整。
在一可选的实施方式中,在所述第二帧图像的数量为一个时,所述目标函数为:
其中,所述i为第一帧图像的索引值,所述j为第二帧图像的索引值,ξji为所述第一帧图像和所述第二帧图像位姿变换对应的李代数,λm为目标点m对应的逆深度,为目标点m在所述第一帧图像中x方向的梯度,为目标点m在所述第一帧图像中y方向的梯度,为目标点m在所述第二帧图像中x方向的梯度,为目标点m在所述第二帧图像中y方向的梯度,n为大于等于3的正整数。
在一可选的实施方式中,在所述第二帧图像的数量为多个时,所述目标函数为:
其中,所述i为第一帧图像的索引值,所述j为第二帧图像的索引值,ξji为所述第一帧图像和所述第二帧图像位姿变换对应的李代数,λm为目标点m对应的逆深度,eji为任一连续的两帧帧图像之间的梯度向量差值,n为大于等于3的正整数。
在一可选的实施方式中,将所述第一帧图像转换为第一灰度图像,以及将所述第二帧图像转换为第二灰度图像;将所述第一灰度图像转换为第一梯度图像,以及将所述第二灰度图像转换为第二梯度图像。
在一可选的实施方式中,从所述第一梯度图像中确定所述目标点对应的第一梯度向量,以及从所述第二梯度图像确定所述目标点对应的第二梯度向量。
上述本发明实施例揭示的方法可以应用于处理器601中,或者由处理器601实现。处理器601可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器601中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器601可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(FieldProgrammable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器602,处理器601读取存储器602中的信息,结合其硬件完成上述方法的步骤。
可以理解的是,本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(ApplicationSpecific Integrated Circuits,ASIC)、数字信号处理器(Digital Signal Processing,DSP)、数字信号处理设备(DSPDevice,DSPD)、可编程逻辑设备(Programmable LogicDevice,PLD)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现,可通过执行本文所述功能的单元来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
本实施例提供的电子设备可以是如图6中所示的电子设备,可执行如图1-2中位姿处理方法的所有步骤,进而实现图1-2所示位姿处理方法的技术效果,具体请参照图1-2相关描述,为简洁描述,在此不作赘述。
本发明实施例还提供了一种存储介质(计算机可读存储介质)。这里的存储介质存储有一个或者多个程序。其中,存储介质可以包括易失性存储器,例如随机存取存储器;存储器也可以包括非易失性存储器,例如只读存储器、快闪存储器、硬盘或固态硬盘;存储器还可以包括上述种类的存储器的组合。
当存储介质中一个或者多个程序可被一个或者多个处理器执行,以实现上述在位姿处理设备侧执行的位姿处理方法。
所述处理器用于执行存储器中存储的位姿处理程序,以实现以下在位姿处理设备侧执行的位姿处理方法的步骤:
在对象运行过程中,确定第一帧图像与第二帧图像对应的初始位姿变换数据;对所述第一帧图像和所述第二帧图像进行边缘匹配,确定对应的边缘集合;针对所述边缘集合中的任一目标边缘,对所述初始位姿变换数据进行调整,以使所述目标边缘中的任一目标点在所述第一帧图像中的第一梯度向量与在所述第二帧图像中的第二梯度向量之差最小,得到目标位姿变换数据。
在一可选的实施方式中,通过目标函数对所述初始位姿变换数据进行调整。
在一可选的实施方式中,在所述第二帧图像的数量为一个时,所述目标函数为:
其中,所述i为第一帧图像的索引值,所述j为第二帧图像的索引值,ξji为所述第一帧图像和所述第二帧图像位姿变换对应的李代数,λm为目标点m对应的逆深度,为目标点m在所述第一帧图像中x方向的梯度,为目标点m在所述第一帧图像中y方向的梯度,为目标点m在所述第二帧图像中x方向的梯度,为目标点m在所述第二帧图像中y方向的梯度,n为大于等于3的正整数。
在一可选的实施方式中,在所述第二帧图像的数量为多个时,所述目标函数为:
其中,所述i为第一帧图像的索引值,所述j为第二帧图像的索引值,ξji为所述第一帧图像和所述第二帧图像位姿变换对应的李代数,λm为目标点m对应的逆深度,eji为任一连续的两帧帧图像之间的梯度向量差值,n为大于等于3的正整数。
在一可选的实施方式中,将所述第一帧图像转换为第一灰度图像,以及将所述第二帧图像转换为第二灰度图像;将所述第一灰度图像转换为第一梯度图像,以及将所述第二灰度图像转换为第二梯度图像。
在一可选的实施方式中,从所述第一梯度图像中确定所述目标点对应的第一梯度向量,以及从所述第二梯度图像确定所述目标点对应的第二梯度向量。
图7为本发明实施例提供的另一种的电子设备的结构示意图,图7所示的电子设备700包括:至少一个处理器701、存储器702、至少一个网络接口704和其他用户接口703。电子设备700中的各个组件通过总线***705耦合在一起。可理解,总线***705用于实现这些组件之间的连接通信。总线***705除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图7中将各种总线都标为总线***705。
其中,用户接口703可以包括显示器、键盘或者点击设备(例如,鼠标,轨迹球(trackball)、触感板或者触摸屏等。
可以理解,本发明实施例中的存储器702可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synch link DRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,DRRAM)。本文描述的存储器702旨在包括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中,存储器702存储了如下的元素,可执行单元或者数据结构,或者他们的子集,或者他们的扩展集:操作***7021和应用程序7022。
其中,操作***7021,包含各种***程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序7022,包含各种应用程序,例如媒体播放器(Media Player)、浏览器(Browser)等,用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序7022中。
在本发明实施例中,通过调用存储器702存储的程序或指令,具体的,可以是应用程序7022中存储的程序或指令,处理器701用于执行各方法实施例所提供的方法步骤,例如包括:
获取第一帧图像对应的点云数据;确定在所述点云数据中预设高度对应的平面图像;根据第一边缘集合确定所述平面图像对应的目标边缘点集合;根据目标位姿变换数据将所述边缘点集合映射于所述对象的栅格地图中。
上述本发明实施例揭示的方法可以应用于处理器701中,或者由处理器701实现。处理器701可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器701中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器701可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(FieldProgrammable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器702,处理器701读取存储器702中的信息,结合其硬件完成上述方法的步骤。
可以理解的是,本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(ApplicationSpecific Integrated Circuits,ASIC)、数字信号处理器(Digital Signal Processing,DSP)、数字信号处理设备(DSPDevice,DSPD)、可编程逻辑设备(Programmable LogicDevice,PLD)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现,可通过执行本文所述功能的单元来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
本实施例提供的电子设备可以是如图7中所示的电子设备,可执行如图3中地图构建方法的所有步骤,进而实现图3所示地图构建方法的技术效果,具体请参照图3相关描述,为简洁描述,在此不作赘述。
本发明实施例还提供了一种存储介质(计算机可读存储介质)。这里的存储介质存储有一个或者多个程序。其中,存储介质可以包括易失性存储器,例如随机存取存储器;存储器也可以包括非易失性存储器,例如只读存储器、快闪存储器、硬盘或固态硬盘;存储器还可以包括上述种类的存储器的组合。
当存储介质中一个或者多个程序可被一个或者多个处理器执行,以实现上述在地图构建设备侧执行的地图构建方法。
所述处理器用于执行存储器中存储的地图构建程序,以实现以下在地图构建设备侧执行的地图构建方法的步骤:
获取第一帧图像对应的点云数据;确定在所述点云数据中预设高度对应的平面图像;根据第一边缘集合确定所述平面图像对应的目标边缘点集合;根据目标位姿变换数据将所述边缘点集合映射于所述对象的栅格地图中。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种位姿处理方法,其特征在于,包括:
在对象运行过程中,确定第一帧图像与第二帧图像对应的初始位姿变换数据;
对所述第一帧图像和所述第二帧图像进行边缘匹配,确定对应的边缘集合;
针对所述边缘集合中的任一目标边缘,对所述初始位姿变换数据进行调整,以使所述目标边缘中的任一目标点在所述第一帧图像中的第一梯度向量与在所述第二帧图像中的第二梯度向量之差最小,得到目标位姿变换数据。
2.根据权利要求1所述的方法,其特征在于,所述对所述初始位姿变换数据进行调整,包括:
通过目标函数对所述初始位姿变换数据进行调整。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述第一帧图像转换为第一灰度图像,以及将所述第二帧图像转换为第二灰度图像;
将所述第一灰度图像转换为第一梯度图像,以及将所述第二灰度图像转换为第二梯度图像。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
从所述第一梯度图像中确定所述目标点对应的第一梯度向量,以及从所述第二梯度图像确定所述目标点对应的第二梯度向量。
7.一种位姿处理装置,其特征在于,包括:
确定模块,用于在对象运行过程中,确定第一帧图像与第二帧图像对应的初始位姿变换数据;
匹配模块,用于对所述第一帧图像和所述第二帧图像进行边缘匹配,确定对应的边缘集合;
调整模块,用于针对所述边缘集合中的任一目标边缘,对所述初始位姿变换数据进行调整,以使所述目标边缘中的任一目标点在所述第一帧图像中的第一梯度向量与在所述第二帧图像中的第二梯度向量之差最小,得到目标位姿变换数据。
8.一种地图构建方法,其特征在于,包括:
获取第一帧图像对应的点云数据;
确定在所述点云数据中预设高度对应的平面图像;
根据第一边缘集合确定所述平面图像对应的目标边缘点集合;
根据目标位姿变换数据将所述边缘点集合映射于所述对象的栅格地图中,所述目标位姿变换数据由权利要求1-6任一所述的位姿处理方法得到。
9.一种地图构建装置,其特征在于,包括:
获取模块,用于获取第一帧图像对应的点云数据;
确定模块,用于确定在所述点云数据中预设高度对应的平面图像;根据第一边缘集合确定所述平面图像对应的目标边缘点集合;
构建模块,用于根据目标位姿变换数据将所述边缘点集合映射于所述对象的栅格地图中,所述目标位姿变换数据由权利要求1-6任一所述的位姿处理方法得到。
10.一种电子设备,其特征在于,包括:处理器和存储器,所述处理器用于执行所述存储器中存储的位姿处理程序,以实现权利要求1~6中任一项所述的位姿处理方法,或,用于执行所述存储器中存储的地图构建程序,以实现权利要求7~8中任一项所述的地图构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110266387.5A CN113091759B (zh) | 2021-03-11 | 2021-03-11 | 位姿处理、地图构建方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110266387.5A CN113091759B (zh) | 2021-03-11 | 2021-03-11 | 位姿处理、地图构建方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113091759A true CN113091759A (zh) | 2021-07-09 |
CN113091759B CN113091759B (zh) | 2023-02-28 |
Family
ID=76666891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110266387.5A Active CN113091759B (zh) | 2021-03-11 | 2021-03-11 | 位姿处理、地图构建方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113091759B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003346164A (ja) * | 2002-05-27 | 2003-12-05 | Ricoh Co Ltd | 画像のエッジ抽出装置 |
CN101408931A (zh) * | 2007-10-11 | 2009-04-15 | Mv科技软件有限责任公司 | 用于三维目标识别的***和方法 |
CN108256394A (zh) * | 2016-12-28 | 2018-07-06 | 中林信达(北京)科技信息有限责任公司 | 一种基于轮廓梯度的目标跟踪方法 |
CN109685825A (zh) * | 2018-11-27 | 2019-04-26 | 哈尔滨工业大学(深圳) | 用于热红外目标跟踪的局部自适应特征提取方法、***及存储介质 |
CN109903313A (zh) * | 2019-02-28 | 2019-06-18 | 中国人民解放军国防科技大学 | 一种基于目标三维模型的实时位姿跟踪方法 |
CN110517283A (zh) * | 2019-07-18 | 2019-11-29 | 平安科技(深圳)有限公司 | 姿态跟踪方法、装置及计算机可读存储介质 |
CN111060115A (zh) * | 2019-11-29 | 2020-04-24 | 中国科学院计算技术研究所 | 一种基于图像边缘特征的视觉slam方法及*** |
US10657659B1 (en) * | 2017-10-10 | 2020-05-19 | Slightech, Inc. | Visual simultaneous localization and mapping system |
CN111583357A (zh) * | 2020-05-20 | 2020-08-25 | 重庆工程学院 | 一种基于matlab***的物体运动图像捕捉合成方法 |
CN111709984A (zh) * | 2020-06-08 | 2020-09-25 | 亮风台(上海)信息科技有限公司 | 位姿深度预测方法、视觉里程计方法、装置、设备及介质 |
CN112102403A (zh) * | 2020-08-11 | 2020-12-18 | 国网安徽省电力有限公司淮南供电公司 | 用于输电塔场景下的自主巡检无人机的高精度定位方法及其*** |
-
2021
- 2021-03-11 CN CN202110266387.5A patent/CN113091759B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003346164A (ja) * | 2002-05-27 | 2003-12-05 | Ricoh Co Ltd | 画像のエッジ抽出装置 |
CN101408931A (zh) * | 2007-10-11 | 2009-04-15 | Mv科技软件有限责任公司 | 用于三维目标识别的***和方法 |
CN108256394A (zh) * | 2016-12-28 | 2018-07-06 | 中林信达(北京)科技信息有限责任公司 | 一种基于轮廓梯度的目标跟踪方法 |
US10657659B1 (en) * | 2017-10-10 | 2020-05-19 | Slightech, Inc. | Visual simultaneous localization and mapping system |
CN109685825A (zh) * | 2018-11-27 | 2019-04-26 | 哈尔滨工业大学(深圳) | 用于热红外目标跟踪的局部自适应特征提取方法、***及存储介质 |
CN109903313A (zh) * | 2019-02-28 | 2019-06-18 | 中国人民解放军国防科技大学 | 一种基于目标三维模型的实时位姿跟踪方法 |
CN110517283A (zh) * | 2019-07-18 | 2019-11-29 | 平安科技(深圳)有限公司 | 姿态跟踪方法、装置及计算机可读存储介质 |
CN111060115A (zh) * | 2019-11-29 | 2020-04-24 | 中国科学院计算技术研究所 | 一种基于图像边缘特征的视觉slam方法及*** |
CN111583357A (zh) * | 2020-05-20 | 2020-08-25 | 重庆工程学院 | 一种基于matlab***的物体运动图像捕捉合成方法 |
CN111709984A (zh) * | 2020-06-08 | 2020-09-25 | 亮风台(上海)信息科技有限公司 | 位姿深度预测方法、视觉里程计方法、装置、设备及介质 |
CN112102403A (zh) * | 2020-08-11 | 2020-12-18 | 国网安徽省电力有限公司淮南供电公司 | 用于输电塔场景下的自主巡检无人机的高精度定位方法及其*** |
Non-Patent Citations (1)
Title |
---|
杜鑫峰等: "仿人足球机器人视觉***快速识别与精确定位", 《浙江大学学报(工学版)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113091759B (zh) | 2023-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111337947B (zh) | 即时建图与定位方法、装置、***及存储介质 | |
US10755428B2 (en) | Apparatuses and methods for machine vision system including creation of a point cloud model and/or three dimensional model | |
US11830216B2 (en) | Information processing apparatus, information processing method, and storage medium | |
RU2713611C2 (ru) | Способ моделирования трехмерного пространства | |
CN110853075B (zh) | 一种基于稠密点云与合成视图的视觉跟踪定位方法 | |
KR101725060B1 (ko) | 그래디언트 기반 특징점을 이용한 이동 로봇의 위치를 인식하기 위한 장치 및 그 방법 | |
KR101784183B1 (ko) | ADoG 기반 특징점을 이용한 이동 로봇의 위치를 인식하기 위한 장치 및 그 방법 | |
JP7131994B2 (ja) | 自己位置推定装置、自己位置推定方法、自己位置推定プログラム、学習装置、学習方法及び学習プログラム | |
GB2580691A (en) | Depth estimation | |
KR20150119337A (ko) | 환경의 3d 모델의 발생 | |
KR20150144727A (ko) | 에지 기반 재조정을 이용하여 이동 로봇의 위치를 인식하기 위한 장치 및 그 방법 | |
CN110738730B (zh) | 点云匹配方法、装置、计算机设备和存储介质 | |
WO2021195939A1 (zh) | 一种双目拍摄装置的外参的标定方法、可移动平台及*** | |
CN113052907B (zh) | 一种动态环境移动机器人的定位方法 | |
JPS63213005A (ja) | 移動体誘導方法 | |
Lui et al. | Eye-full tower: A gpu-based variable multibaseline omnidirectional stereovision system with automatic baseline selection for outdoor mobile robot navigation | |
CN109102524B (zh) | 图像特征点的跟踪方法和跟踪装置 | |
JP7219561B2 (ja) | 車載環境認識装置 | |
CN116630442B (zh) | 一种视觉slam位姿估计精度评估方法及装置 | |
CN113091759B (zh) | 位姿处理、地图构建方法及装置 | |
CN108846856B (zh) | 图片特征点的跟踪方法和跟踪装置 | |
CN112085842B (zh) | 深度值确定方法及装置、电子设备和存储介质 | |
KR102438490B1 (ko) | 단일 체커보드를 이용하는 이종 센서 캘리브레이션 방법 및 장치 | |
CN112669388B (zh) | 激光雷达与摄像装置的标定方法及装置、可读存储介质 | |
Martinez et al. | Map-based lane identification and prediction for autonomous vehicles |
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 |