视觉定位评估方法和电子设备技术

本申请实施例提供一种视觉定位评估方法和电子设备，涉及电子技术领域，电子设备通过目标算法模型得到与图像的特征信息对应的位姿估计置信值，无需对大量图像进行分析，能够节省计算资源和计算时间。具体方案为：电子设备获取第一图像。然后，电子设备根据第一图像，确定第一图像对应的第一估计位姿。之后，电子设备根据第一图像和第一估计位姿，计算第一图像的第一特征信息。最后，电子设备根据第一特征信息，利用目标算法模型得到与第一估计位姿对应的第一位姿估计置信值，目标算法模型用于表示图像的特征信息与位姿估计置信值的对应关系，位姿估计置信值用于表示估计位姿的可信程度。本申请实施例用于视觉定位评估的过程。本申请实施例用于视觉定位评估的过程。本申请实施例用于视觉定位评估的过程。

【技术实现步骤摘要】
视觉定位评估方法和电子设备


[0001]本申请实施例涉及电子
，尤其涉及一种视觉定位评估方法及电子设备。

技术介绍

[0002]基于视觉的空间定位在机器人导航、自动驾驶、增强现实等多种场景均有重要应用，在应用基于视觉的空间定位时，需要实时判断基于视觉的空间定位的准确性。如果缺乏视觉定位准确性判断机制，系统将偏离巡航路径而不自知。
[0003]目前只使用视觉信息对视觉定位置信值评估的方法主要为计算定位图像与匹配图像之间特征描述子的差异，主要是求匹配图像与定位图像之间的相似度。这要求匹配图像与定位图像的重叠区域较高。为了保持在较大范围内定位置信值结果的可靠性，就需要对空间各个角度各个位置进行密集的采样，对大量图像进行分析，从而产生大规模的数据，对计算资源以及计算时间都会带来较大的消耗。

技术实现思路

[0004]本申请实施例提供一种视觉定位评估方法和电子设备，电子设备通过目标算法模型得到与图像的特征信息对应的位姿估计置信值，无需对大量图像进行分析，能够节省计算资源和计算时间。
[0005]为达到上述目的，本申请本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视觉定位评估方法，其特征在于，所述方法包括：电子设备获取第一图像；所述电子设备根据所述第一图像，确定所述第一图像对应的第一估计位姿；所述电子设备根据所述第一图像和所述第一估计位姿，计算所述第一图像的第一特征信息；所述电子设备根据所述第一特征信息，利用目标算法模型得到与所述第一估计位姿对应的第一位姿估计置信值，所述目标算法模型用于表示图像的特征信息与位姿估计置信值的对应关系，所述位姿估计置信值用于表示估计位姿的可信程度。2.根据权利要求1所述的方法，其特征在于，利用所述目标算法模型得到的位姿估计置信值的最大值与最小值的比值小于第一预设值。3.根据权利要求1或2所述的方法，其特征在于，利用所述目标算法模型得到的位姿估计置信值在预设区间内，所述预设区间包括阈值；若所述第一位姿估计置信值大于或者等于所述阈值，则所述第一估计位姿可信度高；或者若所述第一位姿估计置信值小于所述阈值，则所述第一估计位姿可信度低；所述方法还包括：所述电子设备根据所述第一图像，重新确定所述第一图像对应的第二估计位姿。4.根据权利要求1-3任一项所述的方法，其特征在于，在所述电子设备获取所述第一图像之前，所述方法还包括：所述电子设备构建参考数据集，所述参考数据集包括多组数据，所述多组数据中的每一组数据包括相匹配的第二图像数据和第三图像数据，所述第二图像数据为采集的第二图像的数据，所述第三图像数据为数据库中的图像的数据；所述参考数据集包括第一数据集；所述电子设备根据所述第一数据集中的所述第二图像数据和所述第三图像数据，计算所述第一数据集中的所述第二图像数据的特征信息；所述电子设备根据所述第一数据集中的所述第二图像对应的位姿与第三估计位姿，得到第一位姿误差；所述第三估计位姿为所述电子设备根据所述第一数据集中的所述第三图像数据得到的估计位姿；所述电子设备根据所述第一数据集中的第二图像的特征信息和所述第一位姿误差，确定所述目标算法模型。5.根据权利要求4所述的方法，其特征在于，所述电子设备根据所述第一数据集中的第二图像的特征信息和所述第一位姿误差，确定所述目标算法模型，包括：所述电子设备根据所述第一数据集中的第二图像数据的特征信息，确定参考算法模型；所述电子设备根据所述参考算法模型和所述第一数据集中的所述第二图像数据的特征信息得到估计位姿误差，所述估计位姿误差用于表示所述第三估计位姿的准确度；所述电子设备计算所述估计位姿误差相比于所述第一位姿误差的差异值；所述电子设备根据所述参考算法模型和所述差异值确定所述目标算法模型。6.根据权利要求5所述的方法，其特征在于，所述电子设备根据所述第一数据集中的第二图像数据的特征信息确定的所述参考算法模型包括多个，不同所述参考算法模型对应不同差异值；
所述电子设备根据所述参考算法模型和所述差异值确定所述目标算法模型，包括：所述电子设备将不同所述差异值中的最小值对应的参考算法模型确定为所述目标算法模型。7.根据权利要求4-6任一项所述的方法，其特征在于，所述第一数据集中的所述第二图像数据的特征信息，包括所述第一数据集中的所述第二图像数据的内点的数量，所述第二图像数据的2D点与所述第三图像数据的3D点云的匹配对数量，在所述第二图像数据的横向方向与纵向方向上所述内点的协方差矩阵，所述第二图像数据的内点的重投影误差，或所述第二图像数据的特征点数中的至少一种；其中，所述第二图像数据的内点为第四图像数据与所述第二图像数据的像素误差小于第二预设值的所述第二图像数据中的点，所述第四图像数据为根据所述第三图像数据的3D点云和所述第三估计位姿投影得到的2D图像数据。8.根据权利要求4-7任一项所述的方法，其特征在于，所述参考数据集包括第二数据集，所述第二数据集包括相匹配的第二图像数据和第三图像数据，所述第二图像数据为所述采集的第二图像的数据，所述第三图像为所述数据库中的图像的数据；在所述电子设备根据所述第一数据集中的第二图像数据的特征信息和所述第一位姿误差，确定所述目标算法模型之后，所述方法还包括：所述电子设备利用所述第二数据集评估所述目标算法模型的准确度。9.根据权利要求4-8任一项所述的方法，其特征在于，所述参考数据集包括第三数据集，所述第三数据集用于：在所述电子设备根据所述第一数据集中的第二图像的特征信息和所述第一位姿误差确定所述目标算法模型的过程中，评估参考算法模型的准确度。10.根据权利要求1-9任一项所述的方法，其特征在于，所述算法模型为极端梯度提升树模型。11.一种电子设备，其特征在于，包括：一个或多个处理器；存储器；多个应用程序；以及一个或多个计...

【专利技术属性】
技术研发人员：温裕祥，李江伟，罗巍，何凯文，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：