CN113538701A - 渲染位置预测方法及装置、电子设备和存储介质 - Google Patents
渲染位置预测方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113538701A CN113538701A CN202110721791.7A CN202110721791A CN113538701A CN 113538701 A CN113538701 A CN 113538701A CN 202110721791 A CN202110721791 A CN 202110721791A CN 113538701 A CN113538701 A CN 113538701A
- Authority
- CN
- China
- Prior art keywords
- information
- time
- motion state
- moment
- prediction
- 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
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- 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
- G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
-
- 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
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30244—Camera pose
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Multimedia (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Studio Devices (AREA)
Abstract
本公开涉及一种渲染位置预测方法及装置、电子设备和存储介质,所述方法包括:获取摄像装置在第一时刻的运动状态信息以及惯性传感信息;根据所述摄像装置在第一时刻的运动状态信息以及所述惯性传感信息,对所述摄像装置在第二时刻的运动状态进行预测,得到第一预测信息;对所述第一预测信息进行滤波处理,得到第二预测信息;基于所述第二预测信息,确定目标时刻增强现实AR对象在所述摄像装置采集的图像中的渲染位置。本公开实施例可提高渲染位置预存的准确性。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种渲染位置预测方法及装置、电子设备和存储介质。
背景技术
增强现实(Augmented Reality,AR)技术是一种将真实信息和虚拟信息相互结合的新技术,通过AR技术可以将在现实世界中原本不存在的虚拟信息(视觉信息、声音信息、触觉信息)与真实信息进行叠加,被人感知,从而达到超越现实的感官体验。
在将虚拟信息与真实信息相结合时,可以通过图像渲染将虚拟信息叠加在现实场景的图像中。但是,在将虚拟信息实时渲染在图像中时,确定的渲染位置会存在一定的偏差。
发明内容
本公开提出了一种渲染位置预测技术方案。
根据本公开的一方面,提供了一种渲染位置预测方法,包括:
获取摄像装置在第一时刻的运动状态信息以及惯性传感信息;根据所述摄像装置在第一时刻的运动状态信息以及所述惯性传感信息,对所述摄像装置在第二时刻的运动状态进行预测,得到第一预测信息;对所述第一预测信息进行滤波处理,得到第二预测信息;基于所述第二预测信息,确定目标时刻增强现实AR对象在所述摄像装置采集的图像中的渲染位置。
在一些可能的实现方式中,所述根据所述摄像装置在第一时刻的运动状态信息以及所述惯性传感信息,对所述摄像装置在第二时刻的运动状态进行预测,得到第一预测信息,包括:根据所述摄像装置在第一时刻的运动状态信息,得到对所述摄像装置在第二时刻的运动状态进行预测的第一估计信息;基于所述惯性传感信息对所述第一估计信息进行更新,得到所述第一预测信息。
在一些可能的实现方式中,所述运动状态信息包括第一运动参数和第二运动参数在所述第一时刻的参数值,所述第一运动参数与所述第二运动参数满足预设的运动关系,所述第一估计信息包括所述第二运动参数在所述第二时刻的参数值;所述根据所述摄像装置在第一时刻的运动状态信息,得到对所述摄像装置在第二时刻的运动状态进行预测的第一估计信息,包括:基于所述第一运动参数在所述第一时刻的参数值、所述第二运动参数在所述第一时刻的参数值,确定所述第二运动参数在所述第二时刻的参数值。
在一些可能的实现方式中,所述根据所述摄像装置在第一时刻的运动状态信息以及所述惯性传感信息,对所述摄像装置在第二时刻的运动状态进行预测,得到第一预测信息,包括:基于所述惯性传感信息确定所述摄像装置在第二时刻的测量信息;将所述摄像装置在第一时刻的运动状态信息和所述测量信息输入第一滤波器,得到所述第一预测信息。
在一些可能的实现方式中,所述对所述第一预测信息进行滤波处理,得到第二预测信息,包括:将所述第一预测信息输入第二滤波器中,得到所述第二预测信息。
在一些可能的实现方式中,所述将所述第一预测信息输入第二滤波器中,得到所述第二预测信息,包括:根据所述摄像装置在第一时刻的运动状态信息,利用所述第二滤波器对所述摄像装置在第二时刻的运动状态进行预测,得到第二估计信息;基于所述第一预测信息对所述第二估计信息进行更新,得到所述第二预测信息。
在一些可能的实现方式中,所述基于所述第二预测信息,确定目标时刻AR对象在所述摄像装置采集的图像中的渲染位置,包括:基于所述第二预测信息,获取所述摄像装置在目标时刻的位姿信息;根据所述位姿信息,确定所述目标时刻所述AR对象在所述摄像装置采集的图像中的渲染位置。
在一些可能的实现方式中,所述根据所述位姿信息,确定所述目标时刻所述AR对象在所述摄像装置采集的图像中的渲染位置,包括:根据所述摄像装置在目标时刻的位姿信息,确定所述摄像装置拍摄到的空间点的位置;根据所述空间点的位置,确定所述空间点在所述图像中的投影位置;根据所述投影位置确定所述目标时刻所述AR对象在所述摄像装置采集的图像中的渲染位置。
根据本公开的一方面,提供了一种渲染位置预测装置,包括:
获取模块,用于获取摄像装置在第一时刻的运动状态信息以及惯性传感信息;
预测模块,用于根据所述摄像装置在第一时刻的运动状态信息以及所述惯性传感信息,对所述摄像装置在第二时刻的运动状态进行预测,得到第一预测信息;
滤波模块,用于对所述第一预测信息进行滤波处理,得到第二预测信息;
确定模块,用于基于所述第二预测信息,确定目标时刻增强现实AR对象在所述摄像装置采集的图像中的渲染位置。
在一些可能的实现方式中,所述预测模块,用于根据所述摄像装置在第一时刻的运动状态信息,得到对所述摄像装置在第二时刻的运动状态进行预测的第一估计信息;基于所述惯性传感信息对所述第一估计信息进行更新,得到所述第一预测信息。
在一些可能的实现方式中,所述运动状态信息包括第一运动参数和第二运动参数在所述第一时刻的参数值,所述第一运动参数与所述第二运动参数满足预设的运动关系,所述第一估计信息包括所述第二运动参数在所述第二时刻的参数值;所述预测模块,用于基于所述第一运动参数在所述第一时刻的参数值、所述第二运动参数在所述第一时刻的参数值,确定所述第二运动参数在所述第二时刻的参数值。
在一些可能的实现方式中,所述预测模块,用于基于所述惯性传感信息确定所述摄像装置在第二时刻的测量信息;将所述摄像装置在第一时刻的运动状态信息和所述测量信息输入第一滤波器,得到所述第一预测信息。
在一些可能的实现方式中,所述滤波模块,用于将所述第一预测信息输入第二滤波器中,得到所述第二预测信息。
在一些可能的实现方式中,所述滤波模块,用于根据所述摄像装置在第一时刻的运动状态信息,利用所述第二滤波器对所述摄像装置在第二时刻的运动状态进行预测,得到第二估计信息;基于所述第一预测信息对所述第二估计信息进行更新,得到所述第二预测信息。
在一些可能的实现方式中,所述确定模块,用于基于所述第二预测信息,获取所述摄像装置在目标时刻的位姿信息;根据所述位姿信息,确定所述目标时刻所述AR对象在所述摄像装置采集的图像中的渲染位置。
在一些可能的实现方式中,所述确定模块,用于根据所述摄像装置在目标时刻的位姿信息,确定所述摄像装置拍摄到的空间点的位置;根据所述空间点的位置,确定所述空间点在所述图像中的投影位置;根据所述投影位置确定所述目标时刻所述AR对象在所述摄像装置采集的图像中的渲染位置。
根据本公开的一方面,提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
根据本公开的一方面,提供了一种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被处理器执行时实现上述方法。
在本公开实施例中,可以获取摄像装置在第一时刻的运动状态信息以及惯性传感信息,然后可以先根据摄像装置在第一时刻的运动状态信息以及惯性传感信息,对摄像装置在第二时刻的运动状态进行预测,得到第一预测信息,再对第一预测信息进行滤波处理,得到第二预测信息,从而减少预测结果的抖动。进一步基于第二预测信息确定目标时刻AR对象在摄像装置采集的图像中的渲染位置,可实现对目标时刻AR对象的渲染位置进行预测,减小渲染位置的偏差。
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,而非限制本公开。根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
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,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的渲染位置预测方法的流程图。
图2示出根据本公开实施例的渲染位置预测方法的流程图。
图3示出根据本公开实施例的渲染位置预测装置的框图。
图4示出根据本公开实施例的一种电子设备的框图。
图5示出根据本公开实施例的一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“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,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
在相关技术中,大部分AR眼镜的渲染帧率大于60HZ,图像的采集帧率只有30HZ,由于渲染帧率和采集帧率的不同,以及图像渲染也需要一定的时间,基于最新图像确定的渲染位置会存在一定的偏差,从而AR眼镜为用户呈现的画面的效果较差。
本公开实施例提供的渲染位置预测方案,可以应用于AR可穿戴设备、图像渲染、位姿预测等场景中。例如,在用户佩戴AR眼镜的过程中,可以实时对将来时刻的渲染位置进行预测,根据该渲染位置可以将AR对象渲染在图像中,可以考虑在图像渲染中存在的渲染延迟,从而减小AR对象渲染在图像上的渲染位置可能存在的偏差,提高AR眼镜为用户呈现的画面的真实度,提高用户体验。
在本公开实施例提供的渲染位置预测方法,可以由终端设备、服务器或其它类型的电子设备执行,其中,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中,该数据处理方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者,可通过服务器执行所述方法。为了便于描述,下文中将信息提示方法的执行主体统一称为终端。
图1示出根据本公开实施例的渲染位置预测方法的流程图,如图1所示,所述渲染位置预测方法包括:
步骤S11,获取摄像装置在第一时刻的运动状态信息以及惯性传感信息。
在本公开实施例中,终端可以实时获取摄像装置的运动状态信息和惯性传感信息。运动状态信息可以用于表示摄像装置的运动状态,摄像装置可以是用于对所在场景进行拍摄的装置,例如,摄像头、相机等拍摄装置。摄像装置的运动状态可以实时改变,不同时刻摄像装置的运动状态信息可以不同。惯性传感信息可以是惯性传感器测量得到的信息,惯性传感信息可以包括三轴的加速度和三轴的角速度,其中,三轴指的是以摄像装置的中心为原点建立的坐标系的x轴、y轴和z轴。惯性传感器可以实时测量摄像装置的惯性传感信息。一些实现方式中,终端中可以配置有摄像装置以及惯性传感器,终端可以实时获取摄像装置的运动状态信息以及惯性传感信息。一些实现方式中,摄像装置和惯性传感器可以配置在其他设备中,终端可以从其他设备处获取摄像装置的运动状态信息和惯性传感信息。第一时刻可以是任意一个已知时刻,例如,第一时刻可以是当前时刻,终端可以获取摄像装置在第一时刻的运动状态信息以及惯性传感信息。
在一些实现方式中,运动状态信息可以包括以下至少一个运动参数:加速度的加速度;加速度;速度;位置;角加速度的加速度;角速度的加速度;角速度;方位角。摄像装置可以是实时运动的,可以通过上述一个或多个运动参数对摄像装置的运动状态进行描述,摄像装置不仅可以移动,还可以进行旋转。加速度的加速度、加速度、速度和位置这些运动参数可以对摄像装置的移动进行描述,角加速度的加速度、角速度的加速度、角速度和方位角这些运动参数可以对摄像装置的旋转进行描述。
步骤S12中,根据所述摄像装置在第一时刻的运动状态信息以及所述惯性传感信息,对所述摄像装置在第二时刻的运动状态进行预测,得到第一预测信息。
在本公开实施例中,第二时刻可以是第一时刻的下一个时刻,第一时刻与第二时刻相距较短,第二时刻可以等于第一时刻加一个预设时长。预设时长可以是极小量。终端可以根据摄像装置在第一时刻的运动状态信息以及惯性传感信息,预测摄像装置在第二时刻的运动状态,得到第一预测信息,例如,可以对第一时刻的运动状态信息和惯性传感信息进行积分,如在运动状态信息中获取第一时刻加速度的加速度,对第一时刻加速度的加速度进行积分,得到第二时刻的加速度,在惯性传感信息中获取第一时刻的加速度,对第一时刻的加速度进行积分,得到第二时刻的速度。或者,还可以利用一些优化算法由摄像装置在第一时刻的运动状态信息以及惯性传感信息,得到摄像装置的第一预测信息,例如,可以使用牛顿法、高斯牛顿法等对摄像装置在第一时刻的运动状态信息以及惯性传感信息进行批量优化,得到摄像装置的第一预测信息。第一预测信息可以用于表示摄像装置在第二时刻的运动状态。
在一些实现方式中,可以根据摄像装置在第一时刻的运动状态信息,得到对摄像装置在第二时刻的运动状态进行预测的第一估计信息。例如,可以对第一时刻的运动状态信息进行积分,或者,将第一时刻的运动状态信息输入第一滤波器中,得到对第二时刻的运动状态进行预测的第一估计信息。进一步基于第一时刻的惯性传感信息对第一估计信息进行更新,得到第一预测信息。例如,可以基于第一时刻的惯性传感信息得到摄像装置在第二时刻的运动状态对应的测量信息,根据第二时刻的测量信息对第一估计信息进行更新,得到第一预测信息。举例来说,可以对第一时刻获取的惯性传感信息进行积分,得到第二时刻摄像装置的运动状态对应的测量信息,然后可以对测量信息和第一估计信息中相同的运动参数的参数值进行加权,得到第一预测信息。以运动参数为速度为例,可以在第一时刻的惯性传感信息中获取加速度,然后可以对加速度从第一时刻到第二时刻进行积分,得到摄像装置在第二时刻的速度的测量值,然后可以在第一估计信息中获取摄像装置在第二时刻的速度的预测值,进一步对速度的测量值和预测值进行加权求和,可以得到第一预测信息中速度的更新值。通过这种方式,可以通过摄像装置的运动状态的测量值对预测值进行更新,得到的第一预测信息可以更加准确地描述摄像装置在第二时刻的运动状态。
在一些实现方式中,可以基于第一时刻的惯性传感信息确定摄像装置在第二时刻的测量信息,例如,可以对第一时刻的惯性传感信息进行积分,得到摄像装置在第二时刻的测量信息。进一步可以将摄像装置在第一时刻的运动状态信息和第二时刻的测量信息输入第一滤波器,利用第一滤波器根据第一时刻的运动状态信息和第二时刻的测量信息对摄像装置在第二时刻的运动状态进行预测,得到第一预测信息。第一滤波器可以是卡尔曼滤波器,第一滤波器可以考虑噪声的影响,通过第一滤波器可以过滤运动状态信息和的惯性传感信息中的噪声和干扰,从而可以得到较为准确的第一预测信息。
步骤S13,对所述第一预测信息进行滤波处理,得到第二预测信息。
在本公开实施例中,由于第一预测信息是基于第一时刻的运动状态信息和惯性传感信息进行预测的,可能会存在一些抖动,从而可以在得到第一预测信息之后,进一步对第一预测信息进行滤波处理,例如,可以利用一些滤波算法,如卡尔曼滤波、限幅滤波、中值滤波、递推平均滤波等滤波算法对第一预存信息进行滤波处理,从而可减少运动状态的预存结果存在抖动的现象,经过滤波处理后得到的第二预测信息可以平滑过渡。
在一些实现方式中,可以将第一预测信息输入第二滤波器中,得到对第二时刻的运动状态进行预测的第二预测信息。这里,第二滤波器可以是卡尔曼滤波器。第二滤波器可以与上述第一滤波器对应的预测过程相同,利用第二滤波器可以对第一预测信息再次进行修正,从而得到相比于第一预测信息而言更加准确、平滑的第二预测信息。同时,在利用第二滤波器对第二预测信息进行修正,计算量小,速度快,可提高对摄像装置在第二时刻的运动状态预测的准确性。
步骤S14,基于所述第二预测信息,确定目标时刻增强现实AR对象在所述摄像装置采集的图像中的渲染位置。
在本公开实施例中,在得到第二预测信息之后,可以基于第二预测信息,确定目标时刻AR对象在摄像装置采集的图像中的渲染位置。目标时刻可以是即将到来的渲染时刻,目标时刻可以根据显示器的刷新频率进行确定。例如,可以根据第二预测信息,确定摄像装置在第一时刻到目标时刻的移动距离和旋转角,然后根据真实三维空间的距离和旋转角,与图像中的像素距离的对应关系,可以确定目标时刻AR对象在图像中移动的像素距离,进一步可以根据AR对象在图像中移动的像素距离,确定AR对象在目标时刻对应的渲染位置。这里,AR对象可以是在终端展示的画面中的虚拟信息,例如,AR对象可以是虚拟标识、虚拟人物、虚拟文字等。
在一些实现方式中,在确定AR对象在目标时刻对应的渲染位置之后,可以在摄像装置采集的现实场景的图像中,根据第二时刻对应的渲染位置对AR对象进行渲染,从而实现将虚拟信息叠加在现实场景的图像中。
在一些实现方式中,终端还可以根据用户操作对渲染的AR对象进行选择,例如,可以根据用户操作在AR对象库中确定画面中展示的目标AR对象。一些实现方式中,还可以根据用户操作对AR对象的效果进行改变,例如,可以根据用户操作对AR对象的颜色、透明度等效果进行改变。
本公开实施例提供的渲染位置预测方法,可以对第一时刻之后的未来时刻的渲染位置进行预测,先通过第一时刻的运动状态信息和惯性传感信息对第二时刻的运动状态进行预测,再对预测得到的第一预测信息滤波处理,可以得到更加准确描述第二时刻的运动状态的第二预测信息,通过第二预测信息可以准确地确定AR对象在目标时刻的渲染位置,从而可以减少渲染位置的偏差和抖动。
在一些实现方式中,在基于第二预测信息确定目标时刻AR对象在摄像装置采集的图像中的渲染位置时,还可以基于第二预测信息,获取摄像装置在目标时刻的位姿信息。然后根据摄像装置在目标时刻的位姿信息,确定目标时刻AR对象在摄像装置采集的图像中的渲染位置。举例来说,在目标时刻为第二时刻的情况下,可以在第二预测信息直接中获取摄像装置在目标时刻的位姿信息。在目标时刻是在第二时刻之后的将来时刻的情况下,可以对第二预测信息由第二时刻到目标时间进行积分,得到目标时刻对应的运动状态信息,进一步在目标时刻对应的运动状态信息中获取摄像装置在目标时刻的位姿信息。这里,摄像装置在目标时刻的位姿信息可以包括摄像装置所在的位置和所朝向的方位角,根据摄像装置在目标时刻的位姿信息,可以确定摄像装置在目标时刻所能拍摄到的现实场景,进而根据AR对象所要叠加在现实场景中的现实对象的位置,可以确定目标时刻AR对象在现实场景的图像中的渲染位置。通过这种方式,可以基于第二预测信息获取的摄像装置在目标时刻的位姿信息,快速、准确地确定目标时刻AR对象的渲染位置。
在一些实现方式中,在根据摄像装置在目标时刻的位姿信息,确定AR对象在摄像装置采集的图像中的渲染位置时,可以根据摄像装置在目标时刻的位姿信息,确定摄像装置拍摄到的空间点的位置,例如,可以根据摄像装置在目标时刻的位姿信息以及摄像装置的相机参数(如焦距、摄影角等相机参数),确定摄像装置可拍摄到的视野范围,根据视野范围所在的空间位置,可以确定摄像装置拍摄到的多个空间点的位置。进一步可以根据空间点的位置,确定空间点在图像中的投影位置,例如,可以根据预设的三维空间坐标与图像坐标的对应关系,可以确定空间点在图像中的投影位置。再根据空间点在图像中的投影位置,可以确定目标时刻AR对象在摄像装置采集的图像中的渲染位置,例如,可以在多个空间点中确定AR对象所附着的目标空间点,然后可以将目标空间点的投影位置,确定为AR对象在图像中的渲染位置。通过这种方式,可以快速地确定AR对象在目标时刻的渲染位置。
本公开实施例中,可以先根据摄像装置在第一时刻的运动状态信息以及惯性传感信息,对摄像装置在第二时刻的运动状态进行预测,得到第一预测信息,再对第一预测信息进行滤波处理,得到第二预测信息,从而减少预测结果的抖动。进一步基于第二预测信息确定目标时刻AR对象在摄像装置采集的图像中的渲染位置,可实现对目标时刻AR对象的渲染位置进行预测,减小渲染位置的偏差。举例来说,可以将第一时刻的运动状态信息以及基于第一时刻的惯性传感信息得到的第二时刻的测量信息,输入第一滤波器中,利用第一滤波器得到对摄像装置在第二时刻的运动状态进行预测的第一预测信息。然后再将第一时刻的运动状态信息以及第一预测信息输入第二滤波器中,利用第二滤波器对第一预测信息进行平滑处理,得到第二预测信息。第二预测信息可以较为准确的对摄像装置的运动状态进行表示,进一步可以基于第二预测信息确定渲染位置,从而可以减少渲染位置的偏差和抖动,提高用户体验。
这里,在第一滤波器和第二滤波器均是卡尔曼滤波器的情况下,每个卡尔曼滤波器对运动状态进行估计的过程,可以包括预测阶段和更新阶段,其中,预测阶段可以基于第一时刻的运动状态信息对第二时刻对应的运动状态进行预测,更新阶段可以利用第二时刻的测量信息对预测阶段得到的预测信息进行更新。对于第一滤波器而言,基于第一时刻的惯性传感信息得到的第二时刻的测量信息,可以作为更新阶段的测量信息。对于第二滤波器而言,第一滤波器得到的第一预测信息可以作为第二滤波器更新阶段的测量信息。
在一些实现方式中,将第一预测信息输入第二滤波器中得到第二预测信息,可以包括:根据摄像装置在第一时刻的运动状态信息,利用第二滤波器对摄像装置在第二时刻的运动状态进行预测,得到第二估计信息。再基于第一预测信息对第二估计信息进行更新,得到第二预测信息。
这里,在利用第二滤波器得到第二预测信息的情况下,可以先利用第二滤波器基于预设的运动关系,通过第一时刻的运动状态信息预测摄像装置在第二时刻的运动状态,得到第二估计信息,例如,可以对第一时刻的运动状态信息由第一时刻到第二时刻进行积分,得到第二时刻对应的第二估计信息。进一步可以通过第二滤波器基于第一预测信息对第二估计信息进行更新,例如,可以对第一预测信息和第二估计信息中相同的运动参数的参数值进行加权,得到第二预测信息。通过第二滤波器可以先基于第一时刻的运动状态信息对摄像装置在第二时刻的运动状态进行预测,进一步可以通过第一预测信息对预测得到的第二估计信息进行修正,得到更加准确的第二预测信息。这样,基于第二预测信息得到的第二时刻对应的渲染位置可以更加准确和平滑。
在一些实现方式中,第一滤波器可以与第二滤波器对应的预测模型相同,预测模型可以理解为基于第一时刻的运动状态信息对摄像装置在第二时刻的运动装置进行预测所利用的运动关系。下面以基于第一时刻的运动状态信息得到第一估计信息的过程为例,对该预测模型进行说明。
在一些实现方式中,可以在第一时刻的运动状态信息中确定第一运动参数和第二运动参数在第一时刻的参数值,其中,第一运动参数与第二运动参数满足预设的运动关系。然后基于第一运动参数在第一时刻的参数值以及第二运动参数在第一时刻的参数值,可以确定第二运动参数在第二时刻的参数值,例如,可以将第一运动参数在第一时刻的参数值和第二运动参数在第一时刻的参数值带入预设的运动关系,可以得到第二运动参数在第二时刻的参数值。第一估计信息包括第二运动参数在第二时刻的参数值。
举例来说,第一运动参数为加速度的加速度,第二运动参数为加速度,可以将第一时刻的加速度作为初始值,将第一时刻的加速的加速度作为加速度的变化率,带入加速度和加速度的加速度满足的线性运动关系中,可以得到第二时刻加速度的参数值。
通过第一运动参数在第一时刻的参数值和第二运动参数在第一时刻的参数值,可以较为准确地对第二运动参数在第二时刻的参数值进行预测,从而为确定第二时刻对应的渲染位置提供基础。
在一些实现方式中,在基于第一运动参数在第一时刻的参数值以及第二运动参数在第一时刻的参数值,确定第二运动参数在第二时刻的参数值的情况下,还可以先确定第一运动参数在第二时刻的参数值,例如,可以将第一运动参数在第一时刻的参数值与预设的噪声相加,得到第一运动参数在第二时刻的参数值。再根据第一运动参数在第一时刻的参数值、第一运动参数在第二时刻的参数值以及第二运动参数在第一时刻的参数值,得到第二运动参数在第二时刻的参数值,例如,可以根据第一运动参数在第一时刻的参数值和第一运动参数在第二时刻的参数值,确定第一运动参数在第一时刻到第二时刻之间的平均值,然后根据第二运动参数在第一时刻的参数值和第一运动参数的平均值,得到第二运动参数在第二时刻的参数值。
举例来说,第一运动参数为加速度,第二运动参数为速度,可以计算第一时刻的加速度和第二时刻的加速度的平均值,再将第一时刻的速度作为初速度,将平均值作为速度的变化率,带入加速度速度满足的线性运动关系中,可以得到第二时刻速度的参数值。
在一些实现方式中,在第一滤波器和第二滤波器的预测阶段中,各个运动参数所满足的运动关系可以如下公式所示:
bk+1=bk+δw
ak+1=ak+bk*Δt+δa
vk+1=vk+0.5*(ak+1+ak)*Δt+δv
pk+1=pk+vk*Δt+0.5*(ak+1+ak)*Δt*Δt+δp
wbk+1=wbk+δwb
wak+1=wak+wbk*Δt+δwa
wk+1=wk+0.5*(wak+1+wak)*Δt+δw
其中,bk是第一时刻加速度的加速度,bk+1是第二时刻加速度的加速度,ak是第一时刻的加速度,ak+1是第二时刻的加速度,vk是第一时刻的速度,vk+1是第二时刻的速度,pk是第一时刻的位置,pk+1是第二时刻的位置,wbk是第一时刻的角加速度的加速度,wbk+1是第二时刻的角加速度的加速度,wak是第一时刻的角加速度,wak+1是第二时刻的角加速度,wk是第一时刻的角速度,wk+1是第二时刻的角速度,qk是第一时刻的方位角,qk+1是第二时刻的方位角。Δt是第二时刻与第一时刻之间的时间差值,δw是角速度对应的噪声,δa是加速度对应的噪声,δv是速度对应的噪声,δp是位置对应的噪声,δwb是角加速度的加速度对应的噪声,δwa是角加速度对应的噪声,δq是方位角对应的噪声。这些噪声可以根据实际应用场景或需求进行设置。对于上述运动参数中无法直接确定初始值的运动参数,也可以根据实际应用场景或需求设置运动参数的初始值。
下面通过一示例对本公开实施例提供的渲染位置预测方法进行示例性说明。图2示出根据本公开实施例的渲染位置预测方法的流程图,示例中,终端可以是AR眼镜,AR眼镜中配置有摄像装置以及惯性传感器,用户在佩戴AR眼镜的过程中,AR眼镜可以为用户提供现实场景与虚拟信息相结合的AR画面。该方法包括以下步骤:
步骤S201,AR眼镜获取在第一时刻的运动状态信息以及惯性传感信息。
这里,摄像装置可以配置在AR眼镜中,从而摄像装置的运动状态信息以及惯性传感信息可认为是AR眼镜的运动状态信息以及惯性传感信息。第一时刻可以是当前时刻。
步骤S202,对第一时刻的惯性传感信息进行积分,得到AR眼镜在第二时刻的运动状态的测量信息。
这里,第二时刻可以是第一时刻的下一个时刻。
步骤S203,将第一时刻的运动状态信息和测量信息输入第一滤波器中,得到第一预测信息。
这里,第一预测信息可以是对AR眼镜在第二时刻的运动状态进行初步估计的信息,其中,测量信息可以作为第一滤波器在更新阶段的测量信息。
步骤S204,将第一时刻的运动状态信息和第一预测信息输入第二滤波器中,得到第二预测信息。
这里,第二预测信息可以作为第二滤波器在更新阶段的测量信息。即,第一滤波器和第二滤波器所对应的测量信息不同。
步骤S205,根据第二预测信息获取AR眼镜在目标时刻的位姿信息。
这里,可以对第二预测信息由第二时刻到目标时间进行积分,得到目标时刻对应的运动状态信息,进一步在目标时刻对应的运动状态信息中获取摄像装置在目标时刻的位姿信息。
步骤S206,根据AR眼镜在目标时刻的位姿信息,确定AR对象在AR眼镜显示的画面中的渲染位置。
需要说明的是,示例中仅以当前时刻为第一时刻为例对预测渲染位置的过程进行说明,实际应用中,随着时间变化,可以不断对未来时刻的渲染位置进行预测,即,在当前时间变换到第二时刻的情况下,可以将第二时刻得到的第二预测信息作为当前时刻的运动状态信息,基于当前时刻的运动状态信息和当前测量的惯性传感信息对下一时刻的运动状态进行预测,实现实时对未来的目标时刻的渲染位置进行预测。
本公开实施例提供的示例中,可以通过滤波器结合惯性传感器,对将来时刻AR对象在AR眼镜画面的渲染位置进行预测,预测的渲染位置可以是经过多次滤波确定的,可以使渲染位置更加平滑和准确,减少AR眼镜画面的抖动,提高AR眼镜画面的渲染效果,提高用户体验。此外,由于得到的渲染位置是对应未来的目标时刻的,可以减少渲染位置对采集的图像的依赖,可以实现高帧率的渲染位置预测。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外,本公开还提供了信息提示装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种信息提示方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
图3示出根据本公开实施例的渲染位置预测装置的框图,如图3所示,所述装置包括:
获取模块31,用于获取摄像装置在第一时刻的运动状态信息以及惯性传感信息;
预测模块32,用于根据所述摄像装置在第一时刻的运动状态信息以及所述惯性传感信息,对所述摄像装置在第二时刻的运动状态进行预测,得到第一预测信息;
滤波模块33,用于对所述第一预测信息进行滤波处理,得到第二预测信息;
确定模块34,用于基于所述第二预测信息,确定目标时刻增强现实AR对象在所述摄像装置采集的图像中的渲染位置。
在一些可能的实现方式中,所述预测模块32,用于根据所述摄像装置在第一时刻的运动状态信息,得到对所述摄像装置在第二时刻的运动状态进行预测的第一估计信息;基于所述惯性传感信息对所述第一估计信息进行更新,得到所述第一预测信息。
在一些可能的实现方式中,所述运动状态信息包括第一运动参数和第二运动参数在所述第一时刻的参数值,所述第一运动参数与所述第二运动参数满足预设的运动关系,所述第一估计信息包括所述第二运动参数在所述第二时刻的参数值;所述预测模块32,用于基于所述第一运动参数在所述第一时刻的参数值、所述第二运动参数在所述第一时刻的参数值,确定所述第二运动参数在所述第二时刻的参数值。
在一些可能的实现方式中,所述预测模块32,用于基于所述惯性传感信息确定所述摄像装置在第二时刻的测量信息;将所述摄像装置在第一时刻的运动状态信息和所述测量信息输入第一滤波器,得到所述第一预测信息。
在一些可能的实现方式中,所述滤波模块33,用于将所述第一预测信息输入第二滤波器中,得到所述第二预测信息。
在一些可能的实现方式中,所述滤波模块33,用于根据所述摄像装置在第一时刻的运动状态信息,利用所述第二滤波器对所述摄像装置在第二时刻的运动状态进行预测,得到第二估计信息;基于所述第一预测信息对所述第二估计信息进行更新,得到所述第二预测信息。
在一些可能的实现方式中,所述确定模块34,用于基于所述第二预测信息,获取所述摄像装置在目标时刻的位姿信息;根据所述位姿信息,确定所述目标时刻所述AR对象在所述摄像装置采集的图像中的渲染位置。
在一些可能的实现方式中,所述确定模块34,用于根据所述摄像装置在目标时刻的位姿信息,确定所述摄像装置拍摄到的空间点的位置;根据所述空间点的位置,确定所述空间点在所述图像中的投影位置;根据所述投影位置确定所述目标时刻所述AR对象在所述摄像装置采集的图像中的渲染位置。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提出一种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被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,当计算机可读代码在设备上运行时,设备中的处理器执行用于实现如上任一实施例提供的渲染位置预测方法的指令。
本公开实施例还提供了另一种计算机程序产品,用于存储计算机可读指令,指令被执行时使得计算机执行上述任一实施例提供的渲染位置预测方法的操作。
电子设备可以被提供为终端、服务器或其它形态的设备。
图4示出根据本公开实施例的一种电子设备800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图4,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理***,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和***接口模块之间提供接口,上述***接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如互补金属氧化物半导体(CMOS)或电荷耦合装置(CCD)图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如无线网络(WiFi),第二代移动通信技术(2G)或第三代移动通信技术(3G),或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图5示出根据本公开实施例的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图5,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作***,例如微软服务器操作***(Windows ServerTM),苹果公司推出的基于图形用户界面操作***(Mac OSXTM),多用户多进程的计算机操作***(UnixTM),自由和开放原代码的类Unix操作***(LinuxTM),开放原代码的类Unix操作***(FreeBSDTM)或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是***、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、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)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (11)
1.一种渲染位置预测方法,其特征在于,包括:
获取摄像装置在第一时刻的运动状态信息以及惯性传感信息;
根据所述摄像装置在第一时刻的运动状态信息以及所述惯性传感信息,对所述摄像装置在第二时刻的运动状态进行预测,得到第一预测信息;
对所述第一预测信息进行滤波处理,得到第二预测信息;
基于所述第二预测信息,确定目标时刻增强现实AR对象在所述摄像装置采集的图像中的渲染位置。
2.根据权利要求1所述的方法,其特征在于,所述根据所述摄像装置在第一时刻的运动状态信息以及所述惯性传感信息,对所述摄像装置在第二时刻的运动状态进行预测,得到第一预测信息,包括:
根据所述摄像装置在第一时刻的运动状态信息,得到对所述摄像装置在第二时刻的运动状态进行预测的第一估计信息;
基于所述惯性传感信息对所述第一估计信息进行更新,得到所述第一预测信息。
3.根据权利要求2所述的方法,其特征在于,所述运动状态信息包括第一运动参数和第二运动参数在所述第一时刻的参数值,所述第一运动参数与所述第二运动参数满足预设的运动关系,所述第一估计信息包括所述第二运动参数在所述第二时刻的参数值;
所述根据所述摄像装置在第一时刻的运动状态信息,得到对所述摄像装置在第二时刻的运动状态进行预测的第一估计信息,包括:
基于所述第一运动参数在所述第一时刻的参数值、所述第二运动参数在所述第一时刻的参数值,确定所述第二运动参数在所述第二时刻的参数值。
4.根据权利要求1所述的方法,其特征在于,所述根据所述摄像装置在第一时刻的运动状态信息以及所述惯性传感信息,对所述摄像装置在第二时刻的运动状态进行预测,得到第一预测信息,包括:
基于所述惯性传感信息确定所述摄像装置在第二时刻的测量信息;
将所述摄像装置在第一时刻的运动状态信息和所述测量信息输入第一滤波器,得到所述第一预测信息。
5.根据权利要求1至4任意一项所述的方法,其特征在于,所述对所述第一预测信息进行滤波处理,得到第二预测信息,包括:
将所述第一预测信息输入第二滤波器中,得到所述第二预测信息。
6.根据权利要求5所述的方法,其特征在于,所述将所述第一预测信息输入第二滤波器中,得到所述第二预测信息,包括:
根据所述摄像装置在第一时刻的运动状态信息,利用所述第二滤波器对所述摄像装置在第二时刻的运动状态进行预测,得到第二估计信息;
基于所述第一预测信息对所述第二估计信息进行更新,得到所述第二预测信息。
7.根据权利要求1至6任意一项所述的方法,其特征在于,所述基于所述第二预测信息,确定目标时刻AR对象在所述摄像装置采集的图像中的渲染位置,包括:
基于所述第二预测信息,获取所述摄像装置在目标时刻的位姿信息;
根据所述位姿信息,确定所述目标时刻所述AR对象在所述摄像装置采集的图像中的渲染位置。
8.根据权利要求7所述的方法,其特征在于,所述根据所述位姿信息,确定所述目标时刻所述AR对象在所述摄像装置采集的图像中的渲染位置,包括:
根据所述摄像装置在目标时刻的位姿信息,确定所述摄像装置拍摄到的空间点的位置;
根据所述空间点的位置,确定所述空间点在所述图像中的投影位置;
根据所述投影位置确定所述目标时刻所述AR对象在所述摄像装置采集的图像中的渲染位置。
9.一种渲染位置预测装置,其特征在于,包括:
获取模块,用于获取摄像装置在第一时刻的运动状态信息以及惯性传感信息;
预测模块,用于根据所述摄像装置在第一时刻的运动状态信息以及所述惯性传感信息,对所述摄像装置在第二时刻的运动状态进行预测,得到第一预测信息;
滤波模块,用于对所述第一预测信息进行滤波处理,得到第二预测信息;
确定模块,用于基于所述第二预测信息,确定目标时刻增强现实AR对象在所述摄像装置采集的图像中的渲染位置。
10.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至8中任意一项所述的方法。
11.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至8中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110721791.7A CN113538701A (zh) | 2021-06-28 | 2021-06-28 | 渲染位置预测方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110721791.7A CN113538701A (zh) | 2021-06-28 | 2021-06-28 | 渲染位置预测方法及装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113538701A true CN113538701A (zh) | 2021-10-22 |
Family
ID=78126123
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110721791.7A Pending CN113538701A (zh) | 2021-06-28 | 2021-06-28 | 渲染位置预测方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113538701A (zh) |
-
2021
- 2021-06-28 CN CN202110721791.7A patent/CN113538701A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111551191B (zh) | 传感器外参数标定方法及装置、电子设备和存储介质 | |
CN110798630B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN107656666B (zh) | 移动终端及滚动速度确定方法 | |
CN111323007B (zh) | 定位方法及装置、电子设备和存储介质 | |
CN111401230B (zh) | 姿态估计方法及装置、电子设备和存储介质 | |
US11741583B2 (en) | Face image processing method and apparatus, electronic device, and storage medium | |
CN107656682B (zh) | 移动终端及弯曲角度计算方法 | |
CN110928627A (zh) | 界面展示方法及装置、电子设备和存储介质 | |
CN113074726A (zh) | 位姿确定方法及装置、电子设备和存储介质 | |
CN114088062B (zh) | 目标定位方法及装置、电子设备和存储介质 | |
WO2022134475A1 (zh) | 点云地图构建方法及装置、电子设备、存储介质和程序 | |
CN111860373B (zh) | 目标检测方法及装置、电子设备和存储介质 | |
CN111861942A (zh) | 一种降噪方法及装置、电子设备和存储介质 | |
CN110989884A (zh) | 图像定位的操作显示方法及装置、电子设备和存储介质 | |
CN112950712B (zh) | 定位方法及装置、电子设备和存储介质 | |
CN113506229A (zh) | 神经网络训练和图像生成方法及装置 | |
CN112837372A (zh) | 数据生成方法及装置、电子设备和存储介质 | |
CN112767541A (zh) | 三维重建方法及装置、电子设备和存储介质 | |
CN111784773A (zh) | 图像处理方法及装置、神经网络训练方法及装置 | |
CN109255839B (zh) | 场景调整方法及装置 | |
CN113538701A (zh) | 渲染位置预测方法及装置、电子设备和存储介质 | |
CN110896492B (zh) | 图像处理方法、装置及存储介质 | |
CN114549983A (zh) | 计算机视觉模型训练方法及装置、电子设备和存储介质 | |
CN113608616A (zh) | 虚拟内容的显示方法及装置、电子设备和存储介质 | |
CN114339051A (zh) | 拍摄方法、装置、电子设备和可读存储介质 |
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 |