CN113706592A - 一种定位信息的修正方法、装置、电子设备和存储介质 - Google Patents
一种定位信息的修正方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113706592A CN113706592A CN202110975183.9A CN202110975183A CN113706592A CN 113706592 A CN113706592 A CN 113706592A CN 202110975183 A CN202110975183 A CN 202110975183A CN 113706592 A CN113706592 A CN 113706592A
- Authority
- CN
- China
- Prior art keywords
- image
- candidate reference
- rectified
- positioning information
- reference image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012937 correction Methods 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T7/30—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
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3837—Data obtained from a single source
-
- 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
-
- 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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
- G01C21/1656—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments with passive imaging devices, e.g. cameras
-
- 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
-
- 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
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3602—Input other than that of destination using image analysis, e.g. detection of road signs, lanes, buildings, real preceding vehicles using a camera
-
- 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
- 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
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
-
- 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
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Navigation (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了定位信息的修正方法、装置、电子设备和存储介质,涉及人工智能领域,尤其涉及智能交通技术和图像处理技术。具体实现方案包括:获取待纠偏图像以及所述待纠偏图像的定位信息;从带有精准定位信息的候选参考图像中,选择与所述待纠偏图像匹配的目标候选参考图像;根据所述目标候选参考图像的精准定位信息,修正所述待纠偏图像的定位信息。本公开方案可快速修正待纠偏图像的定位信息,为后续利用待纠偏图像准确更新导航地图提供了保证。
Description
技术领域
本公开涉及人工智能领域,尤其涉及智能交通技术和图像处理技术,具体涉及一种定位信息的修正方法、装置、电子设备、存储介质和计算机程序产品。
背景技术
导航地图是现代出行必不可少的工具,由于现实生活中的场景更新频繁,例如新修建的道路和建筑场所不断增加,使得如何快速并且准确的更新地图,已经成为了导航地图是否能够提供准确导航服务的关键。而快速且准确的更新导航地图的关键在于,如何快速得到定位精准的采集数据。
发明内容
本公开提供了定位信息的修正方法、装置、电子设备、存储介质和计算机程序产品。
根据本公开的一方面,提供了一种定位信息的修正方法,包括:
获取待纠偏图像以及所述待纠偏图像的定位信息;
从带有精准定位信息的候选参考图像中,选择与所述待纠偏图像匹配的目标候选参考图像;
根据所述目标候选参考图像的精准定位信息,修正所述待纠偏图像的定位信息。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本公开任意实施例的定位信息的修正方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行本公开任意实施例的定位信息的修正方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现本公开任意实施例的定位信息的修正方法。
根据本公开的技术,可快速修正待纠偏图像的定位信息,为后续利用待纠偏图像准确更新导航地图提供了保证。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例提供的一种定位信息的修正方法的流程示意图;
图2a是根据本公开实施例提供的又一种定位信息的修正方法的流程示意图;
图2b根据本公开实施例提供的对图像进行特征提取的流程示意图;
图3是根据本公开实施例提供的一种定位信息的修正方法的逻辑流程图;
图4是根据本公开实施例提供的一种定位信息的修正装置的结构示意图;
图5是用来实现本公开实施例的定位信息的修正方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本公开实施例中,可以根据高精度测量设备采集的数据(包括图像数据、定位信息和采集时间)更新导航地图,例如根据高精度地图采集车所采集的数据更新导航地图。然而,这种高精度测量设备昂贵,通常每隔两年才会利用高精度测量设备进行一次地图更新,因此高精度测量设备不利于在全国范围进行频繁的地图更新,也即只使用这种高精度测量设备进行地图更新,会导致地图更新时效性会受到严重影响。而为了保证地图更新的时效性,需要使用低廉的、精度差的测量设备采集的数据进行地图更新,其中,低廉的、精度差的测量设备示例性的为车辆的行车记录仪设备。然而,这些低廉的、精度差的行车记录设备回传的图像数据对应的定位信息的误差较大,如果直接根据精度差的测量设备回传的图像数据和定位信息更新地图,会导致地图更新不准确。因此,为了保证地图更新的准确性和时效性,在利用精度差的测量设备回传的图像数据和定位信息更新地图之前,需要对回传的定位信息进行修正。具体的修正过程参见如下实施例。
图1为本公开实施例的一种定位信息的修正方法的流程示意图,本实施例可适用于利用图像匹配方法对低精度测量设备回传的定位信息进行修正的情况。该方法可由一种定位信息的修正装置来执行,该装置采用软件和/或硬件的方式实现,并集成在电子设备上。
具体的,参见图1,定位信息的修正方法如下:
S101、获取待纠偏图像以及待纠偏图像的定位信息。
本公开实施例中,待纠偏图像是指利用低廉的、精度差的测量设备所采集的图像;相应的,待纠偏图像的定位信息是指低廉的、精度差的测量设备采集到待纠偏图像时所处的位置信息,示例性的,定位信息为GPS坐标信息。
S102、从带有精准定位信息的候选参考图像中,选择与待纠偏图像匹配的目标候选参考图像。
本公开实施例中,候选参考图像是指历史上利用高精度测量设备采集的、且与待纠偏图像之间位置偏差小于预设值的图像。由于候选参考图像是由高精度测量设备采集的,因此,候选参考图像的定位信息的精度高于待纠偏图像的定位信息的精度。而选择与待纠偏图像匹配的目标候选参考图像,即是从候选参考图像中选出与待纠偏图像最相似的目标候选参考图像。在一种可选的实施方式中,可基于图像匹配技术,找出与待纠偏图像相似度最高的作为目标候选参考图像。
S103、根据目标候选参考图像的精准定位信息,修正待纠偏图像的定位信息。
本公开实施例中,由于目标候选参考图像与待纠偏图像的相似度最大,因此理论上两者是在同一位置采集的同一场景的图像,也即理论上目标候选参考图像的定位信息与待纠偏图像的定位信息相同。然而,实际采集的待纠偏图像的定位信息,与实际采集的目标候选参考图像的定位信息并不同,但是由于待纠偏图像的定位信息的精度小于目标候选参考图像的定位信息的精度,因此可认为目标候选参考图像的定位信息更准确,需要根据目标候选参考图像的精准定位信息,修正待纠偏图像的定位信息。而在具体修正时,可直接将目标候选参考图像的定位信息赋给待纠偏图像即可。
进一步的,在完成对待纠偏图像的定位信息的修正后,可直接利用待纠偏图像和待纠偏图像修正后的定位信息,更新导航地图,如此不仅能够保证地图更新的时效性,还能保证地图更新的准确性。
本公开实施例中,确定与待纠偏图像最相似的目标候选参考图像后,直接将高精度的目标候选参考图像的定位信息,赋给低精度的待纠偏图像,以达到快速修正待纠偏图像的定位信息的目的。
图2a是根据本公开实施例的又一定位信息的修正方法的流程示意图,本实施例是在上述实施例的基础上进行优化,参见图2a,定位信息的修正方法具体如下:
S201、获取待纠偏图像以及待纠偏图像的定位信息。
S202、从待纠偏图像和候选参考图像中分别提取预设数量的特征点。
在一种可选的实施方式中,利用预先训练的深度神经网络模型,分别对待纠偏图像和候选参考图像进行特征提取。示例性的,参见图2b,其示出了对图像进行特征提取的示意图。具体的,可依次将待纠偏图像和候选参考图像作为输入图像,通过深度神经网络模型对输入图像进行图像特征提取,例如在每张输入图像提取预设数量的特征点。需要说明的是,每个特征点由两个部分组成,分别是特征点在图像中的位置(u,v)以及特征点的描述子d,其中,描述子d用于描述特征点的特征。针对每张输入图像,根据识别出的特征点,生成由特征点位置组成的矩阵特征A,以及由描述子组成的特征描述子矩阵B。
S203、基于特征点匹配的方式,从候选参考图像中选出与待纠偏图像匹配的目标参考图像。
本公开实施例中,基于特征点匹配的方式,将待纠偏图像依次与各候选参考图像进行特征匹配,找出与待纠偏图像最相似的目标候选参考图像。需要说明的是,通过特征点匹配的方式可以快速的从候选参考图像中找出与待纠偏图像相似度最高的目标候选目标图像。
在一种可选的实施方式中,确定目标候选参考图像的过程包括A-D四个步骤,其中,步骤A属于特征粗匹配的过程,该过程主要通过对从待纠偏图像提取的描述子和从候选参考图像提取的描述子进行匹配来实现;步骤B-D属于特征精细匹配的过程,该过程考虑特征点的位置,对步骤A中识别出的相匹配的特征点进行筛选。详细的步骤如下:
A.基于特征点匹配的方式,确定待纠偏图像与各候选参考图像之间匹配的特征点的数量,并将匹配的特征点的数量大于阈值的候选参考图像作为初始候选参考图像。
本公开实施例中,为了加快确定待纠偏图像与各候选参考图像之间匹配的特征点的数量的过程,可引入KD树结构,预先基于待纠偏图像的特征点构建KD树索引结构,例如基于待纠偏图像的特征描述子构建KD树索引结构。进而在确定待纠偏图像与任一候选参考图像之间匹配的特征点的数量时,针对候选参考图像的任一候选特征点,在KD树索引结构中找出与其匹配的目标特征点,进而计算候选特征点与目标特征点之间的相似度,例如求两个特征点之间的欧式距离,将距离大于或等于相似度阈值的特征点保留,小于相似度阈值的特征点剔除。如此,可以快速确定待纠偏图像与各候选参考图像之间匹配的特征点的数量。需要说明的是,待纠偏图像与候选参考图像之间匹配的特征点的数量越多,说明两者越相似。
进一步的,将匹配的特征点的数量大于预设数量阈值的候选参考图像作为初始候选参考图像筛选出来,以便进行后续的特征精细匹配,其中,初始候选参考图像组成的图像序列示例性的为{I1,I2,I3…,In},精细匹配的目的主要是删除粗匹配得到的特征类似但在图像中位置偏差过大的特征点。
B.根据初始候选参考图像和待纠偏图像,生成图像对集合;其中,每个图像对是由待纠偏图像和一个初始候选参考图像组成。
示例性的,待纠偏图像为I,生成的图像对集合为{<I,I1>,<I,I2>……<I,In>}。
C.针对任一图像对,基于随机一致性采样算法,对待纠偏图像和初始候选参考图像之间匹配的特征点进行筛选,以确定匹配的特征点的最终数量。
针对任一图像对,例如<I,I1>,基于随机一致性采样算法(ransac算法),对待纠偏图像I和初始候选参考图像I1之间匹配的特征点进行筛选的过程包括C1-C2两个步骤:
C1.循环执行如下步骤M次(例如100次):从待纠偏图向I中随机采样n个特征点,对该n个特征点拟合模型(例如刚性模型),计算初始候选参考图像I1中每个特征点到拟合模型的距离,将距离大于阈值的特征点作为外点剔除,并统计距离小于阈值的特征点(即内点)的数量。需要说明的是,每次随机采样时,n的值是不同的,且n的值可以随着采样的次数而逐渐增加。
C2.从M次执行过程中,若某一次(例如第50次)统计的内点数量最多,则将该次(即第50次)统计的内点数量作为待纠偏图像I与初始候选参考图像I1匹配的特征点的最终数量。如此每个图像对在通过C1-C2两个步骤后,都各自对应一个匹配的特征点的最终数量。
D.根据每个图像对各自对应的匹配的特征点的最终数量,选出目标图像对,并将目标图像对包括的初始候选参考图像作为目标候选参考图像。
可选的,将每个图像对按照匹配的特征点的最终数量的大小进行排序,并将匹配特征点的数量最大的图像对作为目标图像对。示例性的,共四个图像对,图像对<I,I1>最终匹配的特征点数量为500;图像对<I,I2>最终匹配的特征点数量为600;图像对<I,I3>最终匹配的特征点数量为550;图像对<I,I4>最终匹配的特征点数量为700。则将图像对<I,I4>作为目标图像对,并将初始候选参考图像I4作为目标候选参考图像。
S204、根据目标候选参考图像的精准定位信息,修正待纠偏图像的定位信息。
可选的,直接将目标候选参考图像的定位信息赋给待纠偏图像,以达到对待纠偏图像的定位信息进行修正的目的。
本公开实施例中,通过特征粗匹配和特征精细匹配两个阶段的特征匹配,可以准确的找出与待纠偏图像最相似的目标候选参考图像,进而保证了定位信息修正的准确性,为后续精准更新导航地图提供了保证。
图3是根据本公开实施例的另一定位信息的修正方法的流程示意图,本实施例是在上述实施例的基础上进行优化,参见图3,定位信息的修正方法具体如下:
S301、获取待纠偏图像以及待纠偏图像的定位信息。
本公开实施例中,除了获取待纠偏图像以及待纠偏图像的定位信息外,还获取待纠偏图像对应的采集时间,以便后续结合该采集时间确定候选参考图像。
S302、根据待纠偏图像的定位信息和预设的定位偏差,确定召回区域。
其中,定位偏差可以是根据测量设备的精度确定的,例如定位偏差为100米。在确定召回区域时,可将待纠偏图像的定位信息(例如GPS坐标)作为原点,以定位偏差为半径绘制圆周,则圆周所围区域即为确定的召回区域。
S303、根据预先保存的原始参考图像的精准定位信息,将处于召回区域内的原始参考图像作为候选参考图像。
本公开实施例中,原始参考图像是指历史上利用高精度测量设备采集的图像。需要说明的是,预先将历史上高精度测量设备的采集数据(包括图像数据、定位数据、时间数据)保存在数据库中,具体的,在数据库中建立一张以图片名、经度、纬度、时间的一张表,数据库中每一行代表采集数据中图像的名字,采集时间、图像对应的经纬度(即定位信息)。由此可通过该表可以确定召回区域内所有的原始参考图像及其定位信息。
本公开实施例中,为了保证确定的候选参考图像的准确定,还需要保证待纠偏图像与原始参考图像之间的采集时间差小于预设时间阈值,例如两者之间的采集时间差不超过两年。
S304、从带有精准定位信息的候选参考图像中,选择与待纠偏图像匹配的目标候选参考图像。
S305、根据目标候选参考图像的精准定位信息,修正待纠偏图像的定位信息。
本公开实施例中,根据确定的召回区域和采集时间差,可精准的召回待纠偏图像对应的采集位置周围的候选参考图像,避免待纠偏图像与数据库中所有图像进行匹配,保证了确定与待纠偏图像最相似目标候选参考图像的效率。
图4是根据本公开实施例的定位信息的修正装置的结构示意图,本实施例可适用于利用图像匹配方法对低精度测量设备回传的定位信息进行修正的情况。如图4所示,该装置具体包括:
数据获取模块401,用于获取待纠偏图像以及待纠偏图像的定位信息;
筛选模块402,用于从带有精准定位信息的候选参考图像中,选择与待纠偏图像匹配的目标候选参考图像;
修正模块403,用于根据目标候选参考图像的精准定位信息,修正待纠偏图像的定位信息。
在上述实施例的基础上,可选的,筛选模块包括:
特征提取单元,用于从待纠偏图像和候选参考图像中分别提取预设数量的特征点;
特征匹配单元,用于基于特征点匹配的方式,从候选参考图像中选出与待纠偏图像匹配的目标参考图像。
在上述实施例的基础上,可选的,特征匹配单元具体用于:
基于特征点匹配的方式,确定待纠偏图像与各候选参考图像之间匹配的特征点的数量,并将匹配的特征点的数量大于阈值的候选参考图像作为初始候选参考图像;
根据初始候选参考图像和待纠偏图像,生成图像对集合;其中,每个图像对是由待纠偏图像和一个初始候选参考图像组成;
针对任一图像对,基于随机一致性采样算法,对待纠偏图像和初始候选参考图像之间匹配的特征点进行筛选,以确定匹配的特征点的最终数量;
根据每个图像对各自对应的匹配的特征点的最终数量,选出目标图像对,并将目标图像对包括的初始候选参考图像作为目标候选参考图像。
在上述实施例的基础上,可选的,该装置还包括:
召回区域确定模块,用于根据待纠偏图像的定位信息和预设的定位偏差,确定召回区域;
初次筛选模块,用于根据预先保存的原始参考图像的精准定位信息,将处于召回区域内的原始参考图像作为候选参考图像。
在上述实施例的基础上,可选的,待纠偏图像的定位信息的精度小于候选参考图像的定位信息的精度。
本公开实施例提供的定位信息的修正装置可执行本公开任意实施例提供的定位信息的修正方法,具备执行方法相应的功能模块和有益效果。本实施例中未详尽描述的内容可以参考本公开任意方法实施例中的描述。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如定位信息的修正方法。例如,在一些实施例中,定位信息的修正方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的定位信息的修正方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行定位信息的修正方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式***的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (13)
1.一种定位信息的修正方法,包括:
获取待纠偏图像以及所述待纠偏图像的定位信息;
从带有精准定位信息的候选参考图像中,选择与所述待纠偏图像匹配的目标候选参考图像;
根据所述目标候选参考图像的精准定位信息,修正所述待纠偏图像的定位信息。
2.根据权利要求1所述的方法,其中,从带有精准定位信息的候选参考图像中,选择与所述待纠偏图像匹配的目标候选参考图像,包括:
从所述待纠偏图像和所述候选参考图像中分别提取预设数量的特征点;
基于特征点匹配的方式,从所述候选参考图像中选出与所述待纠偏图像匹配的目标参考图像。
3.根据权利要求2所述的方法,其中,基于特征点匹配的方式,从所述候选参考图像中选出与所述待纠偏图像匹配的目标候选参考图像,包括:
基于特征点匹配的方式,确定所述待纠偏图像与各所述候选参考图像之间匹配的特征点的数量,并将匹配的特征点的数量大于阈值的候选参考图像作为初始候选参考图像;
根据所述初始候选参考图像和所述待纠偏图像,生成图像对集合;其中,每个图像对是由所述待纠偏图像和一个初始候选参考图像组成;
针对任一图像对,基于随机一致性采样算法,对所述待纠偏图像和初始候选参考图像之间匹配的特征点进行筛选,以确定匹配的特征点的最终数量;
根据每个图像对各自对应的匹配的特征点的最终数量,选出目标图像对,并将所述目标图像对包括的初始候选参考图像作为所述目标候选参考图像。
4.根据权利要求1所述的方法,从带有精准定位信息的候选参考图像中,选择与所述待纠偏图像匹配的目标候选参考图像之前,还包括:
根据所述待纠偏图像的定位信息和预设的定位偏差,确定召回区域;
根据预先保存的原始参考图像的精准定位信息,将处于所述召回区域内的原始参考图像作为所述候选参考图像。
5.根据权利要求1-4中任一项所述的方法,其中,所述待纠偏图像的定位信息的精度小于所述候选参考图像的定位信息的精度。
6.一种定位信息的修正装置,包括:
数据获取模块,用于获取待纠偏图像以及所述待纠偏图像的定位信息;
筛选模块,用于从带有精准定位信息的候选参考图像中,选择与所述待纠偏图像匹配的目标候选参考图像;
修正模块,用于根据所述目标候选参考图像的精准定位信息,修正所述待纠偏图像的定位信息。
7.根据权利要求6所述的装置,其中,所述筛选模块包括:
特征提取单元,用于从所述待纠偏图像和所述候选参考图像中分别提取预设数量的特征点;
特征匹配单元,用于基于特征点匹配的方式,从所述候选参考图像中选出与所述待纠偏图像匹配的目标参考图像。
8.根据权利要求7所述的装置,其中,所述特征匹配单元具体用于:
基于特征点匹配的方式,确定所述待纠偏图像与各所述候选参考图像之间匹配的特征点的数量,并将匹配的特征点的数量大于阈值的候选参考图像作为初始候选参考图像;
根据所述初始候选参考图像和所述待纠偏图像,生成图像对集合;其中,每个图像对是由所述待纠偏图像和一个初始候选参考图像组成;
针对任一图像对,基于随机一致性采样算法,对所述待纠偏图像和初始候选参考图像之间匹配的特征点进行筛选,以确定匹配的特征点的最终数量;
根据每个图像对各自对应的匹配的特征点的最终数量,选出目标图像对,并将所述目标图像对包括的初始候选参考图像作为所述目标候选参考图像。
9.根据权利要求6所述的装置,还包括:
召回区域确定模块,用于根据所述待纠偏图像的定位信息和预设的定位偏差,确定召回区域;
初次筛选模块,用于根据预先保存的原始参考图像的精准定位信息,将处于所述召回区域内的原始参考图像作为所述候选参考图像。
10.根据权利要求6-9中任一项所述的装置,其中,所述待纠偏图像的定位信息的精度小于所述候选参考图像的定位信息的精度。
11.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法。
13.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-5中任一项所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110975183.9A CN113706592A (zh) | 2021-08-24 | 2021-08-24 | 一种定位信息的修正方法、装置、电子设备和存储介质 |
EP22173848.7A EP4033208A3 (en) | 2021-08-24 | 2022-05-17 | Method and apparatus for correcting positioning information, electronic device and storage medium |
US17/804,081 US20230063099A1 (en) | 2021-08-24 | 2022-05-25 | Method and apparatus for correcting positioning information, and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110975183.9A CN113706592A (zh) | 2021-08-24 | 2021-08-24 | 一种定位信息的修正方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113706592A true CN113706592A (zh) | 2021-11-26 |
Family
ID=78654487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110975183.9A Pending CN113706592A (zh) | 2021-08-24 | 2021-08-24 | 一种定位信息的修正方法、装置、电子设备和存储介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230063099A1 (zh) |
EP (1) | EP4033208A3 (zh) |
CN (1) | CN113706592A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114612531A (zh) * | 2022-02-22 | 2022-06-10 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
CN114691523A (zh) * | 2022-04-25 | 2022-07-01 | 景网技术有限公司 | 一种gps***调测方法及装置 |
CN114705180A (zh) * | 2022-06-06 | 2022-07-05 | 中汽创智科技有限公司 | 高精地图的数据修正方法、装置、设备及存储介质 |
CN115661485A (zh) * | 2022-12-23 | 2023-01-31 | 南京芯驰半导体科技有限公司 | 图像特征提取方法、装置、设备及存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210071584A (ko) * | 2019-12-06 | 2021-06-16 | 팅크웨어(주) | 위성 항법 시스템 측정 위치의 보정을 통해 위치를 판단하는 위치 측정 방법, 위치 측정 장치 및 이를 수행하는 전자 기기 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101950426A (zh) * | 2010-09-29 | 2011-01-19 | 北京航空航天大学 | 一种多摄像机场景下车辆接力跟踪方法 |
CN105676253A (zh) * | 2016-01-15 | 2016-06-15 | 武汉光庭科技有限公司 | 一种自动驾驶中基于城市道路标线地图的纵向定位***及其方法 |
CN105959919A (zh) * | 2016-06-29 | 2016-09-21 | 宁波市由乐讯通讯科技有限公司 | 一种无线通信中位置获取方法及*** |
CN106056605A (zh) * | 2016-05-26 | 2016-10-26 | 西安空间无线电技术研究所 | 一种基于图像匹配的在轨高精度图像定位方法 |
CN106525057A (zh) * | 2016-10-26 | 2017-03-22 | 陈曦 | 高精度道路地图的生成*** |
CN106529573A (zh) * | 2016-10-14 | 2017-03-22 | 北京联合大学 | 一种结合三维点云分割和局部特征匹配的实时物体检测方法 |
CN107024980A (zh) * | 2016-10-26 | 2017-08-08 | 阿里巴巴集团控股有限公司 | 基于增强现实的用户位置定位方法及装置 |
CN107451593A (zh) * | 2017-07-07 | 2017-12-08 | 西安交通大学 | 一种基于图像特征点的高精度gps定位方法 |
US20180045519A1 (en) * | 2016-08-09 | 2018-02-15 | Nauto, Inc. | System and method for precision localization and mapping |
CN109212571A (zh) * | 2017-06-29 | 2019-01-15 | 沈阳新松机器人自动化股份有限公司 | 导航定位方法及装置 |
CN111340015A (zh) * | 2020-02-25 | 2020-06-26 | 北京百度网讯科技有限公司 | 定位方法和装置 |
CN111625612A (zh) * | 2020-05-26 | 2020-09-04 | 北京百度网讯科技有限公司 | 高精地图的纠偏方法和装置、电子设备和存储介质 |
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 |
CN112270748A (zh) * | 2020-11-18 | 2021-01-26 | Oppo广东移动通信有限公司 | 基于图像的三维重建方法及装置 |
CN112269851A (zh) * | 2020-11-16 | 2021-01-26 | Oppo广东移动通信有限公司 | 地图数据更新方法、装置、存储介质与电子设备 |
CN112485815A (zh) * | 2019-09-11 | 2021-03-12 | 韩国道路公社 | 精确定位信息和gnss定位信息之间的定位差的分布式信息生成装置及方法 |
CN112484725A (zh) * | 2020-11-23 | 2021-03-12 | 吉林大学 | 一种基于多传感器融合的智能汽车高精度定位与时空态势安全方法 |
CN112883984A (zh) * | 2021-02-26 | 2021-06-01 | 山东大学 | 一种基于特征匹配的机械臂抓取***与方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2067123B1 (en) * | 2006-09-19 | 2018-04-25 | Telecom Italia S.p.A. | Method of deriving digital terrain models from digital surface models |
CN108763481B (zh) * | 2018-05-29 | 2020-09-01 | 清华大学深圳研究生院 | 一种基于大规模街景数据的图片地理定位方法和*** |
CN111238524B (zh) * | 2018-11-28 | 2021-12-14 | 驭势科技(北京)有限公司 | 视觉定位方法以及装置 |
US20200401617A1 (en) * | 2019-06-21 | 2020-12-24 | White Raven Ltd | Visual positioning system |
CN110310333B (zh) * | 2019-06-27 | 2021-08-31 | Oppo广东移动通信有限公司 | 定位方法及电子设备、可读存储介质 |
KR102249381B1 (ko) * | 2019-11-25 | 2021-05-07 | 주식회사 스트리스 | 3차원 영상 정보를 이용한 모바일 디바이스의 공간 정보 생성 시스템 및 방법 |
CN111046125A (zh) * | 2019-12-16 | 2020-04-21 | 视辰信息科技(上海)有限公司 | 一种视觉定位方法、***及计算机可读存储介质 |
EP3940633B1 (en) * | 2020-05-29 | 2023-08-16 | Beijing Xiaomi Mobile Software Co., Ltd. Nanjing Branch | Image alignment method and apparatus, electronic device, and storage medium |
CN112734851B (zh) * | 2021-03-29 | 2021-07-06 | 北京三快在线科技有限公司 | 一种位姿确定的方法以及装置 |
-
2021
- 2021-08-24 CN CN202110975183.9A patent/CN113706592A/zh active Pending
-
2022
- 2022-05-17 EP EP22173848.7A patent/EP4033208A3/en not_active Withdrawn
- 2022-05-25 US US17/804,081 patent/US20230063099A1/en active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101950426A (zh) * | 2010-09-29 | 2011-01-19 | 北京航空航天大学 | 一种多摄像机场景下车辆接力跟踪方法 |
CN105676253A (zh) * | 2016-01-15 | 2016-06-15 | 武汉光庭科技有限公司 | 一种自动驾驶中基于城市道路标线地图的纵向定位***及其方法 |
CN106056605A (zh) * | 2016-05-26 | 2016-10-26 | 西安空间无线电技术研究所 | 一种基于图像匹配的在轨高精度图像定位方法 |
CN105959919A (zh) * | 2016-06-29 | 2016-09-21 | 宁波市由乐讯通讯科技有限公司 | 一种无线通信中位置获取方法及*** |
US20180045519A1 (en) * | 2016-08-09 | 2018-02-15 | Nauto, Inc. | System and method for precision localization and mapping |
CN106529573A (zh) * | 2016-10-14 | 2017-03-22 | 北京联合大学 | 一种结合三维点云分割和局部特征匹配的实时物体检测方法 |
CN106525057A (zh) * | 2016-10-26 | 2017-03-22 | 陈曦 | 高精度道路地图的生成*** |
CN107024980A (zh) * | 2016-10-26 | 2017-08-08 | 阿里巴巴集团控股有限公司 | 基于增强现实的用户位置定位方法及装置 |
CN109212571A (zh) * | 2017-06-29 | 2019-01-15 | 沈阳新松机器人自动化股份有限公司 | 导航定位方法及装置 |
CN107451593A (zh) * | 2017-07-07 | 2017-12-08 | 西安交通大学 | 一种基于图像特征点的高精度gps定位方法 |
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 |
CN112485815A (zh) * | 2019-09-11 | 2021-03-12 | 韩国道路公社 | 精确定位信息和gnss定位信息之间的定位差的分布式信息生成装置及方法 |
CN111340015A (zh) * | 2020-02-25 | 2020-06-26 | 北京百度网讯科技有限公司 | 定位方法和装置 |
CN111625612A (zh) * | 2020-05-26 | 2020-09-04 | 北京百度网讯科技有限公司 | 高精地图的纠偏方法和装置、电子设备和存储介质 |
CN112269851A (zh) * | 2020-11-16 | 2021-01-26 | Oppo广东移动通信有限公司 | 地图数据更新方法、装置、存储介质与电子设备 |
CN112270748A (zh) * | 2020-11-18 | 2021-01-26 | Oppo广东移动通信有限公司 | 基于图像的三维重建方法及装置 |
CN112484725A (zh) * | 2020-11-23 | 2021-03-12 | 吉林大学 | 一种基于多传感器融合的智能汽车高精度定位与时空态势安全方法 |
CN112883984A (zh) * | 2021-02-26 | 2021-06-01 | 山东大学 | 一种基于特征匹配的机械臂抓取***与方法 |
Non-Patent Citations (4)
Title |
---|
L.MESSEBER ET AL: "An improved registration and mosaicking method for remote sensing images under geometric and photometric constraints", 《2020 1ST INTERNATIONAL CONFERENCE ON COMMUNICATIONS, CONTROL SYSTEMS AND SIGNAL PROCESSING (CCSSP)》, 29 July 2020 (2020-07-29), pages 125 - 130 * |
敖成欢: "基于ASIFT改进的倾斜航空影像特征匹配算法研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》, vol. 2021, no. 2, 15 February 2021 (2021-02-15), pages 008 - 302 * |
李畅著: "《由近景影像反演建筑立面三维模型研究》", 31 July 2016, pages: 70 - 71 * |
杜军平著: "《多源运动图像的跨尺度融合研究》", 31 July 2018, pages: 52 - 54 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114612531A (zh) * | 2022-02-22 | 2022-06-10 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
CN114691523A (zh) * | 2022-04-25 | 2022-07-01 | 景网技术有限公司 | 一种gps***调测方法及装置 |
CN114691523B (zh) * | 2022-04-25 | 2022-08-23 | 景网技术有限公司 | 一种gps***调测方法及装置 |
CN114705180A (zh) * | 2022-06-06 | 2022-07-05 | 中汽创智科技有限公司 | 高精地图的数据修正方法、装置、设备及存储介质 |
CN115661485A (zh) * | 2022-12-23 | 2023-01-31 | 南京芯驰半导体科技有限公司 | 图像特征提取方法、装置、设备及存储介质 |
CN115661485B (zh) * | 2022-12-23 | 2023-03-10 | 南京芯驰半导体科技有限公司 | 图像特征提取方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
EP4033208A2 (en) | 2022-07-27 |
EP4033208A3 (en) | 2022-12-21 |
US20230063099A1 (en) | 2023-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113706592A (zh) | 一种定位信息的修正方法、装置、电子设备和存储介质 | |
CN112800915A (zh) | 建筑物变化检测方法、装置、电子设备以及存储介质 | |
CN113537192B (zh) | 图像检测方法、装置、电子设备及存储介质 | |
CN112526470A (zh) | 标定雷达参数的方法和装置、电子设备、存储介质 | |
CN113436233A (zh) | 自动驾驶车辆的配准方法、装置、电子设备和车辆 | |
CN113205041A (zh) | 结构化信息提取方法、装置、设备和存储介质 | |
CN112883236B (zh) | 一种地图更新方法、装置、电子设备及存储介质 | |
CN115359308A (zh) | 模型训练、难例识别方法、装置、设备、存储介质及程序 | |
CN116295466A (zh) | 地图生成方法、装置、电子设备、存储介质、及车辆 | |
CN114443679A (zh) | 一种地图数据更新方法、装置、设备以及存储介质 | |
CN111832597B (zh) | 一种车辆类型的判定方法及装置 | |
CN114419564A (zh) | 车辆位姿检测方法、装置、设备、介质及自动驾驶车辆 | |
CN113449062A (zh) | 轨迹处理方法、装置、电子设备和存储介质 | |
CN113706705A (zh) | 用于高精地图的图像处理方法、装置、设备以及存储介质 | |
CN113723405A (zh) | 区域轮廓的确定方法、装置和电子设备 | |
CN114049615B (zh) | 行驶环境中交通对象融合关联方法、装置及边缘计算设备 | |
CN115218890A (zh) | 地图数据的更新方法、装置、设备和介质 | |
CN114756771A (zh) | 信息筛选方法、装置及电子设备 | |
EP4125062A1 (en) | Vehicle positioning method and apparatus, electronic device, non-transitory computer-readable storage medium and computer program product | |
CN114419159A (zh) | 相机标定方法、装置、电子设备和可读存储介质 | |
CN114693777A (zh) | 交通标志的空间位置确定方法、装置及电子设备 | |
CN115468570A (zh) | 高精地图地面要素的提取方法、装置、设备及存储介质 | |
CN114706884A (zh) | 地图数据的检测方法、装置和电子设备 | |
CN114170282A (zh) | 点云融合方法、装置、电子设备和介质 | |
CN117629182A (zh) | 一种定位方法、装置、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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211126 |