CN117170524A - 初始化性能测试方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本公开提供了一种初始化性能测试方法、装置、计算机设备及存储介质，包括：获取测试数据集，其中，所述测试数据集中包括多个测试视频，以及移动设备在采集所述测试视频时，所述移动设备的惯性测量单元输出的惯性测量数据；通过待测试定位算法对所述测试视频和所述惯性测量数据进行处理，确定各测试视频分别对应的预测位姿信息；基于所述测试视频对应的真实位姿信息和所述预测位姿信息，确定所述待测试定位算法的初始化性能。

Description

初始化性能测试方法、装置、计算机设备及存储介质

技术领域

本公开涉及信息处理技术领域，具体而言，涉及一种初始化性能测试方法、装置、计算机设备及存储介质。

背景技术

在增强现实(Augmented Reality，AR)场景下，为了确保增强现实设备的AR展示效果，需要对增强现实设备进行实时定位，在增强现实设备刚开始启动增强现实***时，需要对增强现实***的定位算法进行初始化，初始化的快慢和质量影响着增强现实设备前期的AR展示效果，因此如何对定位算法的初始化性能进行测试成为亟待解决的技术问题。

发明内容

本公开实施例至少提供一种初始化性能测试方法、装置、计算机设备及存储介质。

第一方面，本公开实施例提供了一种初始化性能测试方法，包括：

获取测试数据集，其中，所述测试数据集中包括多个测试视频，以及移动设备在采集所述测试视频时，所述移动设备的惯性测量单元输出的惯性测量数据；

通过待测试定位算法对所述测试视频和所述惯性测量数据进行处理，确定各测试视频分别对应的预测位姿信息；

基于所述测试视频对应的真实位姿信息和所述预测位姿信息，确定所述待测试定位算法的初始化性能。

上述方法中，可以基于测试视频对应的真实位姿信息和基于待测试定位算法确定的预测位姿信息，对待测试定位算法的初始化性能进行分析，由此可以通过数据直观的展示待测试定位算法的初始化能力。

一种可能的实施方式中，所述基于所述测试视频对应的真实位姿信息和所述预测位姿信息，确定所述待测试定位算法的初始化性能，包括：

基于所述测试视频对应的真实位姿信息和所述预测位姿信息，确定所述待测试定位算法在至少一种初始化性能参数下的参数信息；所述初始化性能参数包括初始化时间、初始化误差、初始化质量中的至少一种。

通过对初始化时间、初始化误差以及初始化质量等多个方面对于待测试定位算法的初始化性能进行评估，可以实现对于待测试定位算法的初始化性能的全面检测。

一种可能的实施方式中，在所述初始化性能参数包括初始化时间的情况下，基于所述测试视频对应的真实位姿和所述预测位姿，确定所述待测试定位算法的初始化性能，包括：

针对任一测试视频，基于该测试视频的真实位姿和预测位姿，确定该测试视频对应的位姿变换比例；所述位姿变换比例用于指示所述测试视频的真实位姿和预测位姿之间的差异；

基于该测试视频对应的位姿变换比例，确定该测试视频的各视频帧对应的误差比例；其中，所述误差比例用于表征各视频帧和各视频帧之前的其他视频帧的预测位姿与真实位姿之间的误差，对于所述测试视频的整***姿误差的影响；

基于所述误差比例和预设影响阈值，确定所述该测试视频的初始化时间；

将各测试视频的初始化时间的均值作为所述待测试定位算法的初始化时间。

通过这种方法，可以准确计算出待测试定位算法的初始化时间，便于对待测试定位算法的初始化性能进行准确评估。

一种可能的实施方式中，在所述初始化性能参数包括初始化误差的情况下，基于所述测试视频对应的真实位姿和所述预测位姿，确定所述待测试定位算法的初始化性能，包括：

针对任一测试视频，基于该测试视频在初始化时间对应的位姿变换比例和真值变换比例，确定各测试视频对应的初始化误差；

将各测试视频的初始化误差的均值作为所述待测试定位算法的初始化误差。

通过这种方法，可以准确计算出待测试定位算法的初始化误差，便于对待测试定位算法的初始化性能进行准确评估。

一种可能的实施方式中，在所述初始化性能参数包括初始化质量的情况下，基于所述测试视频对应的真实位姿和所述预测位姿，确定所述待测试定位算法的初始化性能，包括：

基于所述测试视频对应的真实位姿和所述预测位姿确定初始化时间和初始化误差；

基于所述初始化误差和所述初始化时间确定所述待测试定位算法的初始化质量。

基于初始化误差和初始化时间来确定初始化质量，可以使得最终确定的初始化质量既考虑了初始化误差的影响，又考虑了初始化时间的影响，便于准确对待测试定位算法的初始化性能进行评估。

一种可能的实施方式中，所述方法还包括：

获取各个所述初始化性能参数分别对应的评价条件；

基于在各个所述初始化性能参数下的参数信息和所述评价条件，确定所述待测试定位算法的初始化性能的测试结果。

一种可能的实施方式中，所述待测试定位算法包括SLAM算法。

第二方面，本公开实施例还提供一种初始化性能测试装置，包括：

获取模块，用于获取测试数据集，其中，所述测试数据集中包括多个测试视频，以及移动设备在采集所述测试视频时，所述移动设备的惯性测量单元输出的惯性测量数据；

处理模块，用于通过待测试定位算法对所述测试视频和所述惯性测量数据进行处理，确定各测试视频分别对应的预测位姿信息；

确定模块，用于基于所述测试视频对应的真实位姿信息和所述预测位姿信息，确定所述待测试定位算法的初始化性能。

一种可能的实施方式中，所述确定模块，在基于所述测试视频对应的真实位姿信息和所述预测位姿信息，确定所述待测试定位算法的初始化性能时，用于：

基于所述测试视频对应的真实位姿信息和所述预测位姿信息，确定所述待测试定位算法在至少一种初始化性能参数下的参数信息；所述初始化性能参数包括初始化时间、初始化误差、初始化质量中的至少一种。

一种可能的实施方式中，在所述初始化性能参数包括初始化时间的情况下，所述确定模块，在基于所述测试视频对应的真实位姿和所述预测位姿，确定所述待测试定位算法的初始化性能时，用于：

针对任一测试视频，基于该测试视频的真实位姿和预测位姿，确定该测试视频对应的位姿变换比例；所述位姿变换比例用于指示所述测试视频的真实位姿和预测位姿之间的差异；

基于该测试视频对应的位姿变换比例，确定该测试视频的各视频帧对应的误差比例；其中，所述误差比例用于表征各视频帧和各视频帧之前的其他视频帧的预测位姿与真实位姿之间的误差，对于所述测试视频的整***姿误差的影响；

基于所述误差比例和预设影响阈值，确定所述该测试视频的初始化时间；

将各测试视频的初始化时间的均值作为所述待测试定位算法的初始化时间。

一种可能的实施方式中，在所述初始化性能参数包括初始化误差的情况下，所述确定模块，在基于所述测试视频对应的真实位姿和所述预测位姿，确定所述待测试定位算法的初始化性能时，用于：

针对任一测试视频，基于该测试视频在初始化时间对应的位姿变换比例和真值变换比例，确定各测试视频对应的初始化误差；

将各测试视频的初始化误差的均值作为所述待测试定位算法的初始化误差。

一种可能的实施方式中，在所述初始化性能参数包括初始化质量的情况下，所述确定模块，在基于所述测试视频对应的真实位姿和所述预测位姿，确定所述待测试定位算法的初始化性能时，用于：

基于所述测试视频对应的真实位姿和所述预测位姿确定初始化时间和初始化误差；

基于所述初始化误差和所述初始化时间确定所述待测试定位算法的初始化质量。

一种可能的实施方式中，所述确定模块，还用于：

获取各个所述初始化性能参数分别对应的评价条件；

基于在各个所述初始化性能参数下的参数信息和所述评价条件，确定所述待测试定位算法的初始化性能的测试结果。

一种可能的实施方式中，所述待测试定位算法包括SLAM算法。

第三方面，本公开实施例还提供一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。

第四方面，本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。

关于上述初始化性能测试装置、计算机设备、及计算机可读存储介质的效果描述参见上述初始化性能测试方法的说明，这里不再赘述。

为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，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。应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1示出了本公开实施例所提供的一种初始化性能测试方法的流程图；

图2示出了本公开实施例所提供的位姿变换比例和误差比例的变化示意图；

图3示出了本公开实施例所提供的一种初始化性能测试装置架构的示意图；

图4示出了本公开实施例所提供的一种计算机设备的结构示意图。

具体实施方式

为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。

经研究发现，在增强现实(Augmented Reality，AR)场景下，为了确保增强现实设备的AR展示效果，需要对增强现实设备进行实时定位，在增强现实设备刚开始启动增强现实***时，需要对增强现实***的定位算法进行初始化，初始化的快慢和质量影响着增强现实设备前期的AR展示效果，因此如何对定位算法的初始化性能进行测试成为亟待解决的技术问题。

基于上述研究，本公开提供了一种初始化性能测试方法、装置、计算机设备及存储介质，可以基于测试视频对应的真实位姿信息和基于待测试定位算法确定的预测位姿信息，对待测试定位算法的初始化性能进行分析，由此可以通过数据直观的展示待测试定位算法的初始化能力。

所述定位算法的初始化可以理解为定位算法计算出现实场景与增强现实场景之间的尺度信息，也即换算比例，理想情况下，现实场景与增强现实场景之间的尺度信息应该为1，即现实场景中的1米与增强现实场景的1米是等长的，然后由于增强现实场景下无法作答无误差定位，因此现实场景与增强现实场景之间的尺度信息往往不为1，需要在每次启动定位算法之后重新计算所述尺度信息。

针对以上方案所存在的缺陷，均是发明人在经过实践并仔细研究后得出的结果，因此，上述问题的发现过程以及下文中本公开针对上述问题所提出的解决方案，都应该是发明人在本公开过程中对本公开做出的贡献。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

为便于对本实施例进行理解，首先对本公开实施例所公开的一种初始化性能测试方法进行详细介绍，本公开实施例所提供的初始化性能测试方法的执行主体一般为具有一定计算能力的计算机设备，该计算机设备例如包括：终端设备或服务器或其它处理设备，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、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，该初始化性能测试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。

参见图1所示，为本公开实施例提供的一种初始化性能测试方法的流程图，所述方法包括步骤101～步骤103，其中：

步骤101、获取测试数据集，其中，所述测试数据集中包括多个测试视频，以及移动设备在采集所述测试视频时，所述移动设备的惯性测量单元输出的惯性测量数据。

步骤102、通过待测试定位算法对所述测试视频和所述惯性测量数据进行处理，确定各测试视频分别对应的预测位姿信息。

步骤103、基于所述测试视频对应的真实位姿信息和所述预测位姿信息，确定所述待测试定位算法的初始化性能。

以下是对上述步骤的详细说明。

针对步骤101、

一种可能的实施方式中，所述测试视频可以是由不同的或相同的移动设备采集的，示例性的，所述测试视频可以包含在不同的测试场景中采集的视频。其中，不同的测试场景例如可以包括不同的场地等，为了避免光照信息对于测试结果的影响，测试场景中例如可以设置成固定照度和固定光照颜色，示例性的，所述测试场景的照度可以为100xl，光照颜色可以为白光。

通过这种方法，可以测试待测试定位算法在不同测试场景中的初始化性能，进而可以实现对于所述待测试定位算法的初始化性能的全面测试。

具体实施中，由于还需要对待测试定位算法的初始化时间进行检测，因此所述测试视频的时长可以超过预设时长，所述预设时长例如可以是预估的初始化时间。示例性的，所述测试视频的时长可以为指定时长，如可以为1分钟。

所述惯性测量单元(Inertial measurement unit，IMU)可以用于测试所述移动设备的三轴姿态角以及加速度，所述IMU可以内置与所述移动设备。由于所述测试视频的预测位姿信息并非是在所述测试视频的采集过程中确定的，因此测试数据集中还需要包括移动设备在采集各测试视频时的惯性测量单元输出的惯性测量数据。

一种可能的实施方式中，所述待测试定位算法的初始化性能测试方法是在所述待测试定位算法集成在应用程序之前执行的，所述待测试定位算法可以用于集成在增强现实的应用程序中。

这里，将待测试定位算法与应用程序的其他模块进行解耦，相比于利用集成后的应用程序测试应用程序中的待测试定位算法的初始化性能，仅对待测试定位算法的初始化进行测试，能够减少应用程序的其他模块对测试结果的影响，进而能够准确地确定待测试定位算法自身的初始化性能。

针对步骤102、

所述待测试定位算法为需要进行初始化的实时定位算法，一种可能的实施方式中，所述待测试定位算法可以为即时定位与地图构建(Simultaneous Localization andMapping，SLAM)算法。

一种可能的实施方式中，将各测试视频以及各测试视频对应的惯性测量数据输入至待测试定位算法中，待测试定位算法可输出各测试视频分别对应的预测位姿信息。

这里，测试视频对应的预测位姿信息可以包括测试视频的各视频帧对应的预测位姿信息，或者可以包括测试视频的采样视频帧对应的预测位姿信息。所述视频帧对应的位姿信息可以理解为移动设备在采集该帧视频帧时的位姿信息。

这里，由于需要对待测试定位算法的初始化性能进行测试，因此待测试定位算法在每次预估测试视频的预测位姿信息时都需要进行初始化过程。

一种可能的实施方式中，待测试定位算法在对任一测试视频和该测试视频对应的惯性测试数据进行处理，确定该任一测试视频对应的预测位姿信息之后，需要将该待测试定位算法关闭。在对下一测试视频和下一测试视频对应的惯性测试数据进行处理时，再重新启动所述待测试定位算法。也就是说，测试数据集中包含多少个测试视频，所述待测试定位算法则需要启动多少次。

针对步骤103、

由于所述测试视频对应的预测位姿信息为通过待测试定位算法预估的位姿，在所述待测试定位算法未完成初始化之前，所述预测位姿信息与对应的真实位姿信息之间的差异较大，在所述待测试定位算法完成初始化之后，所述预测位姿信息与对应的真实位姿信息之间的差异逐渐缩小，基于此，可以基于所述测试视频对应的真值位姿信息和预测位姿信息，确定待测试定位算法的初始化性能。

所述测试视频对应的真实位姿信息可以是指所述移动设备在采集所述测试视频时的真值位姿，一种可能的实施方式中，所述测试视频对应的真实位姿信息可以通过运动采集***Motion***获取。

一种可能的实施方式中，在基于所述测试视频对应的真实位姿信息和所述预测位姿信息，确定所述待测试定位算法的初始化性能时，可以基于所述测试视频对应的真实位姿信息和所述预测位姿信息，确定所述待测试定位算法在至少一种初始化性能参数下的参数信息；其中，所述初始化性能参数包括初始化时间、初始化误差、初始化质量中的至少一种。

通过对初始化时间、初始化误差以及初始化质量等多个方面对于待测试定位算法的初始化性能进行评估，可以实现对于待测试定位算法的初始化性能的全面检测。

所述初始化时间可以是指所述待测试定位算法在开始初始化到初始化结束之间的时间，所述初始化时间可以用于评测所述待测试定位算法的初始化快慢；所述初始化误差可以是指所述待测试定位算法在初始化阶段的定位误差。

在所述初始化性能参数包括初始化时间的情况下，在基于所述测试视频对应的真实位姿和所述预测位姿，确定所述待测试定位算法的初始化时间时，示例性的可以通过以下步骤：

步骤A1、针对任一测试视频，基于该测试视频的真实位姿和预测位姿，确定该测试视频对应的位姿变换比例；所述位姿变换比例用于指示所述测试视频的真实位姿和预测位姿之间的差异。

具体的，基于所述测试视频的预测位姿，可以确定出所述测试视频的预测轨迹，以及基于所述测试视频的真实位姿，可以确定出所述测试视频的真实轨迹，在基于测试视频的真实位姿和预测位姿，确定测试视频对应的位姿变换比例时，可以将所述预测轨迹和所述真实轨迹之间的缩放比例作为所述位姿变换比例。

示例性的，可以通过以下公式计算任一时刻的位姿变换比例：

S_cmw(t)＝U_s(0,t)

其中，S_cmw(t)表示第t时刻的位姿变换比例，U_s(0,t)表示从第0时刻到第t时刻的预测轨迹和真实轨迹之间的比例。

步骤A2、基于该测试视频对应的位姿变换比例，确定该测试视频的各视频帧对应的误差比例；其中，所述误差比例用于表征各视频帧和各视频帧之前的其他视频帧的预测位姿与真实位姿之间的误差，对于所述测试视频的整***姿误差的影响。

示例性的，可以通过以下公式计算所述测试视频帧在任一时刻下的误差比例：

其中，r_cmw(t)表示在第t时刻下的误差比例，s_cmw(t_end)表示测试视频结束时刻对应的位姿变换比例，s_cmw(t)表示在第t时刻下的位姿变换比例。

或者，由于在初始化完成之后误差会越来越小，所述s_cmw(t_end)可以表示测试视频的稳定误差，所述r_cmw(t)可以表示在第t时刻下的位姿变换比例与稳定后的位姿变换比例的相对偏差。

步骤A3、基于所述误差比例和预设影响阈值，确定所述该测试视频的初始化时间。

具体的，由于所述误差比例在初始化完成之前会比较大，在初始化完成之后误差比较会逐渐减小，基于此，可以通过设置预设影响阈值，来确定所述测试视频的初始化时间。

示例性的如图2所示，第一条线表示的是测试视频的位姿变换比例的变化曲线，第二条线表示的是测试视频的误差比例的变化曲线，灰色区域表示的是预设影响阈值范围，当误差比例完全在所述预设影响阈值范围内时，所述误差比例落入所述预设影响阈值范围的初始时刻则为初始化结束的时刻，则从开始时刻到初始化结束时刻之间的时间长度为所述初始化时间。图2中，t_init表示的即为初始化结束时刻，t_end标识的为测试视频的结束时刻，20％为所述预设影响阈值。

这里，需要说明的是，在采集测试视频时，由于刚开始采集测试视频可能会有抖动问题，因此为了避免抖动问题对于测试结果的影响，可以先保持静止预设时间。由于保持静止的时间并未进行定位，因此在确定所述初始化时间时，应该减去保持静止的预设时间，也即减去图2中所示的左边第一条虚线之前的时间。

步骤A4、将各测试视频的初始化时间的均值作为所述待测试定位算法的初始化时间。

由于不同的测试视频可能会受到测试场景的影响，因此在确定各测试视频的初始化时间之后，将测试视频的初始化时间的均值作为待测试定位算法的初始化时间较为准确。

在所述初始化性能参数包括初始化误差的情况下，在基于所述测试视频对应的真实位姿和所述预测位姿，确定所述待测试定位算法的初始化误差时，示例性的可以通过如下步骤：

步骤B1、针对任一测试视频，针对任一测试视频，基于该测试视频在初始化时间对应的位姿变换比例和真值变换比例，确定各测试视频对应的初始化误差。

这里，所述真值变换比例可以理解为在理想情况下预测位姿轨迹和真实位姿轨迹之间的比例，一般的，所述真值变换比例可以设置为1。

示例性的，可以通过以下公式计算所述测试视频对应的初始化误差：

其中，s_cmw(t_init)表示在初始化结束时刻对应的位姿变换比例，s_g表示真值变换比例，∈_scale表示测试视频对应的初始化误差。

步骤B2、将各测试视频的初始化误差的均值作为所述待测试定位算法的初始化误差。

这里，由于计算的是所述待测试定位算法在初始化过程中的误差，因此可以直接基于所述待定位算法在初始化时间内的位姿变换比例来计算。

通过这种方法，可以准确计算出待测试定位算法的初始化误差，便于对待测试定位算法的初始化性能进行准确评估。

在所述初始化性能参数包括初始化质量的情况下，在基于所述测试视频对应的真实位姿和所述预测位姿，确定所述待测试定位算法的初始化质量时，示例性的可以通过如下步骤：

步骤C1、基于所述测试视频对应的真实位姿和所述预测位姿确定初始化时间和初始化误差。

具体确定所述初始化时间和初始化误差的方法可以参照上述A步骤和B步骤，在此将不再赘述。

步骤C2、基于所述初始化误差和所述初始化时间确定所述待测试定位算法的初始化质量。

示例性的，在基于所述初始化误差和所述初始化时间确定所述待测试定位算法的初始化质量时，可以通过如下公式来计算：

∈_init＝t_init(∈_scale+β)^α

其中，∈_init表示初始化质量，t_init表示测试视频对应的初始化时间，∈_scale表示测试视频对应的初始化误差，β和α为超参。

一种可能的实施方式中，在通过上述方法确定初始化性能参数之后，可以直接展示所述初始化性能参数，用户可以通过展示的初始化性能参数对待测试定位算法的初始化性能进行了解。

在另外一种可能的实施方式中，在通过上述方法确定初始化性能参数以后，还可以获取各个初始化性能参数分别对应的评价条件，然后基于各个初始化性能参数下的参数信息和评价条件，确定待测试定位算法的初始化性能的测试结果。

其中，所述评价条件可以是指用于约束所述初始化性能参数的条件，示例性的可以是指初始化时间小于3秒、初始化质量误差小于10等。

通过这种方法，可以直接的确定初始化性能的测试结果，避免测试人员再去基于初始化性能参数进行判断。

一种可能的实施方式中，在确定待测试定位算法的初始化性能的测试结果之后，还可以确定未通过测试的初始化性能参数，并展示未通过测试的初始化性能参数对应的提示信息以提示测试人员对应调整。

示例性的，若所述评价条件为初始化时间小于3秒，经过计算得到的初始化时间为5秒，则对应的提示信息可以是“初始化时间过长，请进行调整”。

一种可能的实施方式中，还可以对所述待测试定位算法进行初始化功能测试，以确定所述待测试定位算法是否能正常进行初始化。

示例性的，可以启动增强现实设备，并通过测试人员控制增强现实设备进行移动，然后展示增强现实设备的AR效果。测试人员可以通过查看增强现实设备的移动轨迹，以及增强现实设备的AR效果，输入评价分数，来确定增强现实设备是否完成了初始化。

这里，测试人员在控制增强现实设备进行移动时，可以通过不同的方式进行移动，例如从不同的角度、不同的移动速度和移动方向等进行移动。

为避免测试环境对应初始化功能测试的影响，可以将测试环境设置成固定照度和固定光照颜色，例如可以设置成100照度的白光。

下面，将对上述初始化性能测试方法的整体测试流程进行概述。下述移动端/移动设备/设备可以理解为上述增强现实设备。

1、所述初始化，是指移动端的增强现实***会自动初始化场景的尺度信息。

2、移动设备上增强现实***的初始化应满足以下要求：

a)、初始化时间小于3s；

b)、初始化质量误差应小于10，定义的初始化持续时间为t_init，初始化尺度估计误差为∈_scale，初始化质量∈_init＝t_init*(∈_scale+0.01)^0.5。

这里，所述初始化持续时间即为上述初始化时间，所述初始化尺度估计误差即为上述初始化误差。

3、移动设备的初始化功能按照以下方法测试：

a)、将测试环境的照明颜色调整为1001x照度的白光。

b)、通过握住移动设备以不同的方式移动并启动增强现实***。

c)、在初始化阶段，观察设备的视觉轨迹和虚拟物体在设备显示屏上的位置。

这里，所述设备显示屏可以是指移动设备的显示屏。

4、移动设备的初始化性能按照以下方法进行测试：

a)、构建AR精度评估的基准数据集，该数据集应涵盖不同场景和运动的数据，包括图像数据、IMU传感器数据等基础SLAM操作数据和相应的标定参数；提供真值数据(可通过Motion采集***获取)；标准的公共数据集也可以用作基准数据集；

b)、构建一个支持离线运行算法的移动数据采集工具，可以读取基准数据集并正常运行算法；

c)、运行基于基准数据的算法，记录所有图像帧的6自由度位姿和单帧处理时间；

d)、使用精度评估工具对算法的初始化时间和初始化质量等指标进行评估，以衡量初始化性能。

这里，所述图像数据可以是指步骤101中的测试视频，所述真值数据可以是指步骤103中的真实位姿信息。

所述移动数据采集工具可以是指可以运行待测试定位算法的工具，即可以运行SLAM算法的工具。所述精度评估工具可以用于计算所述初始化时间和初始化质量等信息。

通过以上方法，可以对SLAM算法的初始化功能和性能均进行测试，便于直观的对SLAM算法进行评估。

本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，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。

基于同一发明构思，本公开实施例中还提供了与初始化性能测试方法对应的初始化性能测试装置，由于本公开实施例中的装置解决问题的原理与本公开实施例上述初始化性能测试方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。

参照图3所示，为本公开实施例提供的一种初始化性能测试装置的架构示意图，所述装置包括：获取模块301、处理模块302、确定模块303；其中，

获取模块301，用于获取测试数据集，其中，所述测试数据集中包括多个测试视频，以及移动设备在采集所述测试视频时，所述移动设备的惯性测量单元输出的惯性测量数据；

处理模块302，用于通过待测试定位算法对所述测试视频和所述惯性测量数据进行处理，确定各测试视频分别对应的预测位姿信息；

确定模块303，用于基于所述测试视频对应的真实位姿信息和所述预测位姿信息，确定所述待测试定位算法的初始化性能。

一种可能的实施方式中，所述确定模块303，在基于所述测试视频对应的真实位姿信息和所述预测位姿信息，确定所述待测试定位算法的初始化性能时，用于：

基于所述测试视频对应的真实位姿信息和所述预测位姿信息，确定所述待测试定位算法在至少一种初始化性能参数下的参数信息；所述初始化性能参数包括初始化时间、初始化误差、初始化质量中的至少一种。

一种可能的实施方式中，在所述初始化性能参数包括初始化时间的情况下，所述确定模块303，在基于所述测试视频对应的真实位姿和所述预测位姿，确定所述待测试定位算法的初始化性能时，用于：

针对任一测试视频，基于该测试视频的真实位姿和预测位姿，确定该测试视频对应的位姿变换比例；所述位姿变换比例用于指示所述测试视频的真实位姿和预测位姿之间的差异；

基于该测试视频对应的位姿变换比例，确定该测试视频的各视频帧对应的误差比例；其中，所述误差比例用于表征各视频帧和各视频帧之前的其他视频帧的预测位姿与真实位姿之间的误差，对于所述测试视频的整***姿误差的影响；

基于所述误差比例和预设影响阈值，确定所述该测试视频的初始化时间；

将各测试视频的初始化时间的均值作为所述待测试定位算法的初始化时间。

一种可能的实施方式中，在所述初始化性能参数包括初始化误差的情况下，所述确定模块303，在基于所述测试视频对应的真实位姿和所述预测位姿，确定所述待测试定位算法的初始化性能时，用于：

针对任一测试视频，基于该测试视频在初始化时间对应的位姿变换比例和真值变换比例，确定各测试视频对应的初始化误差；

将各测试视频的初始化误差的均值作为所述待测试定位算法的初始化误差。

一种可能的实施方式中，在所述初始化性能参数包括初始化质量的情况下，所述确定模块303，在基于所述测试视频对应的真实位姿和所述预测位姿，确定所述待测试定位算法的初始化性能时，用于：

基于所述测试视频对应的真实位姿和所述预测位姿确定初始化时间和初始化误差；

基于所述初始化误差和所述初始化时间确定所述待测试定位算法的初始化质量。

一种可能的实施方式中，所述确定模块303，还用于：

获取各个所述初始化性能参数分别对应的评价条件；

基于在各个所述初始化性能参数下的参数信息和所述评价条件，确定所述待测试定位算法的初始化性能的测试结果。

一种可能的实施方式中，所述待测试定位算法包括SLAM算法。

关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明，这里不再详述。

基于同一技术构思，本公开实施例还提供了一种计算机设备。参照图4所示，为本公开实施例提供的计算机设备400的结构示意图，包括处理器401、存储器402、和总线403。其中，存储器402用于存储执行指令，包括内存4021和外部存储器4022；这里的内存4021也称内存储器，用于暂时存放处理器401中的运算数据，以及与硬盘等外部存储器4022交换的数据，处理器401通过内存4021与外部存储器4022进行数据交换，当计算机设备400运行时，处理器401与存储器402之间通过总线403通信，使得处理器401在执行以下指令：

获取测试数据集，其中，所述测试数据集中包括多个测试视频，以及移动设备在采集所述测试视频时，所述移动设备的惯性测量单元输出的惯性测量数据；

通过待测试定位算法对所述测试视频和所述惯性测量数据进行处理，确定各测试视频分别对应的预测位姿信息；

基于所述测试视频对应的真实位姿信息和所述预测位姿信息，确定所述待测试定位算法的初始化性能。

本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的初始化性能测试方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。

本公开实施例还提供一种计算机程序产品，该计算机产品承载有程序代码，所述程序代码包括的指令可用于执行上述方法实施例中所述的初始化性能测试方法的步骤，具体可参见上述方法实施例，在此不再赘述。

其中，上述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。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本公开所提供的几个实施例中，应该理解到，所揭露的***、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本公开的具体实施方式，用以说明本公开的技术方案，而非对其限制，本公开的保护范围并不局限于此，尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种初始化性能测试方法，其特征在于，包括：

获取测试数据集，其中，所述测试数据集中包括多个测试视频，以及移动设备在采集所述测试视频时，所述移动设备的惯性测量单元输出的惯性测量数据；

通过待测试定位算法对所述测试视频和所述惯性测量数据进行处理，确定各测试视频分别对应的预测位姿信息；

基于所述测试视频对应的真实位姿信息和所述预测位姿信息，确定所述待测试定位算法的初始化性能。

2.根据权利要求1所述的方法，其特征在于，所述基于所述测试视频对应的真实位姿信息和所述预测位姿信息，确定所述待测试定位算法的初始化性能，包括：

基于所述测试视频对应的真实位姿信息和所述预测位姿信息，确定所述待测试定位算法在至少一种初始化性能参数下的参数信息；所述初始化性能参数包括初始化时间、初始化误差、初始化质量中的至少一种。

3.根据权利要求2所述的方法，其特征在于，在所述初始化性能参数包括初始化时间的情况下，所述基于所述测试视频对应的真实位姿和所述预测位姿，确定所述待测试定位算法的初始化性能，包括：

针对任一测试视频，基于该测试视频的真实位姿和预测位姿，确定该测试视频对应的位姿变换比例；所述位姿变换比例用于指示所述测试视频的真实位姿和预测位姿之间的差异；

基于该测试视频对应的位姿变换比例，确定该测试视频的各视频帧对应的误差比例；其中，所述误差比例用于表征各视频帧和各视频帧之前的其他视频帧的预测位姿与真实位姿之间的误差，对于所述测试视频的整***姿误差的影响；

基于所述误差比例和预设影响阈值，确定所述该测试视频的初始化时间；

将各测试视频的初始化时间的均值作为所述待测试定位算法的初始化时间。

4.根据权利要求3所述的方法，其特征在于，在所述初始化性能参数包括初始化误差的情况下，所述基于所述测试视频对应的真实位姿和所述预测位姿，确定所述待测试定位算法的初始化性能，包括：

针对任一测试视频，基于该测试视频在初始化时间对应的位姿变换比例和真值变换比例，确定各测试视频对应的初始化误差；

将各测试视频的初始化误差的均值作为所述待测试定位算法的初始化误差。

5.根据权利要求2～4任一所述的方法，其特征在于，在所述初始化性能参数包括初始化质量的情况下，基于所述测试视频对应的真实位姿和所述预测位姿，确定所述待测试定位算法的初始性能，包括：

基于所述测试视频对应的真实位姿和所述预测位姿确定初始化时间和初始化误差；

基于所述初始化误差和所述初始化时间确定所述待测试定位算法的初始化质量。

6.根据权利要求2～5任一所述的方法，其特征在于，所述方法还包括：

获取各个所述初始化性能参数分别对应的评价条件；

基于在各个所述初始化性能参数下的参数信息和所述评价条件，确定所述待测试定位算法的初始化性能的测试结果。

7.根据权利要求1～6任一所述的方法，其特征在于，所述待测试定位算法包括SLAM算法。

8.一种初始化性能测试装置，其特征在于，包括：

获取模块，用于获取测试数据集，其中，所述测试数据集中包括多个测试视频，以及移动设备在采集所述测试视频时，所述移动设备的惯性测量单元输出的惯性测量数据；

处理模块，用于通过待测试定位算法对所述测试视频和所述惯性测量数据进行处理，确定各测试视频分别对应的预测位姿信息；

确定模块，用于基于所述测试视频对应的真实位姿信息和所述预测位姿信息，确定所述待测试定位算法的初始化性能。

9.一种计算机设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至7任一项所述的初始化性能测试方法的步骤。

10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至7任一项所述的初始化性能测试方法的步骤。