特征图像识别定位方法及系统技术方案

本申请公开了一种特征图像识别定位方法，该方法包括：通过摄像头拍摄的画面扫描识别所画面中的特征图像；在所述画面中所述特征图像所在区域选取预设数量的特征点；通过hitTest方法分别得到所述预设数量的特征点的三维坐标；根据所述三维坐标分别计算所述预设数量的特征点与所述摄像头的距离，并根据计算出的距离判断对所述特征图像的定位是否有效；当根据计算出的距离判断对所述特征图像的定位有效时，根据所述预设数量的特征点创建锚点，将锚点坐标作为所述特征图像的三维坐标。本申请还公开了一种特征图像识别定位系统、装置和计算机可读存储介质。由此，能够在增强图像功能中快速准确得到特征图像空间位置。快速准确得到特征图像空间位置。快速准确得到特征图像空间位置。

【技术实现步骤摘要】
特征图像识别定位方法及系统


[0001]本申请涉及增强现实
，尤其涉及一种特征图像识别定位方法、系统、电子装置及计算机可读存储介质。

技术介绍

[0002]Android系统的ARCore平台和iOS系统的ARKit平台都有一个增强图像(Augmented Images)功能，该功能是扫描一个特征图像，AR(Augmented Reality，增强现实)相机可识别该特征图像，并计算出在AR相机空间坐标系中该特征图像的空间位置(坐标信息)和长宽信息。取得该特征图像的空间位置之后，就可以在该空间位置展示图片、播放视频或展示3D模型。
[0003]实现所述增强图像功能的过程包括两个部分：一是图片对比识别，找出AR相机的拍摄画面中是否出现预制的特征图像；二是计算出该特征图像在AR相机空间坐标系中的三维坐标位置。
[0004]但是，现有的ARCore平台和ARKit平台的增强图像功能在实现时存在一定的缺陷。以ARCore平台为例，计算特征图像空间位置时运算耗时较久，尤其是目标图(该特征图像)越大，相应运算时间就越久。再加之Android系统的开放性导致硬件构成参差不齐，使得ARCore平台对于特征图像空间位置的计算速度更慢，且结果可能不准。
[0005]需要说明的是，上述内容并不用于限制申请保护范围。

技术实现思路

[0006]本申请的主要目的在于提出一种特征图像识别定位方法、系统、电子装置及计算机可读存储介质，旨在解决在增强图像功能中如何快速准确得到特征图像空间位置的问题。/>[0007]为实现上述目的，本申请实施例提供了一种特征图像识别定位方法，所述方法包括：
[0008]通过摄像头拍摄的画面扫描识别所述画面中的特征图像；
[0009]在所述画面中所述特征图像所在区域选取预设数量的特征点；
[0010]通过hitTest方法分别得到所述预设数量的特征点的三维坐标；
[0011]根据所述三维坐标分别计算所述预设数量的特征点与所述摄像头的距离，并根据计算出的距离判断对所述特征图像的定位是否有效；及
[0012]当根据所述计算出的距离判断对所述特征图像的定位有效时，根据所述预设数量的特征点创建锚点，将所述锚点的坐标作为所述特征图像的三维坐标。
[0013]可选地，所述方法还包括：
[0014]当根据计算出的距离判断对所述特征图像的定位无效时，提示用户对所述画面进行调整。
[0015]可选地，所述预设数量为五个。
[0016]可选地，所述在所述画面中所述特征图像所在区域选取预设数量的特征点包括：
[0017]通过TensorFlow Lite技术的目标检测算法，获取所述特征图像在所述画面中的矩形框；
[0018]按预设规则在所述矩形框范围内选取五个特征点，所述预设规则为：
[0019]以所述画面左上角为坐标系原点，所述矩形框左上角坐标为(a,b)，所述矩形框右下角坐标为(c,d)，则所选取的五个特征点坐标为((a+c)*0.5,(b+d)*0.5)、((a+c)*0.5,(b+d)*0.375)、((a+c)*0.5,(b+d)*0.625)、((a+c)*0.375,(b+d)*0.5)及((a+c)*0.675,(b+d)*0.5)。
[0020]可选地，所述根据计算出的距离判断对所述特征图像的定位是否有效包括：
[0021]根据所得到的距离计算数学期望值，所述数学期望值为所述预设数量的特征点与所述摄像头的之间的距离的平均值；
[0022]计算所得到的距离和所述数学期望值的标准差；
[0023]判断所述标准差是否超过预设阈值，从而确定通过所述预设数量的特征点对所述特征图像的定位是否有效，其中，当所述标准差的值大于所述阈值时，确定通过所述预设数量的特征点对所述特征图像的定位无效；当所述标准差的值小于或等于所述阈值时，确定通过所述预设数量的特征点对所述特征图像的定位有效。
[0024]可选地，所述锚点为所述预设数量的特征点的中间点。
[0025]可选地，所述方法在所述通过摄像头拍摄的包含特征图像的画面扫描识别所述特征图像之后还包括：
[0026]提示用户将所述摄像头对准所述特征图像，并保证至少将所述特征图像在所述画面中填充50％。
[0027]此外，为实现上述目的，本申请实施例还提出一种特征图像识别定位系统，所述系统包括：
[0028]扫描模块，用于通过摄像头拍摄的包含特征图像的画面扫描识别所述特征图像；
[0029]选取模块，用于在所述画面中所述特征图像所在区域选取预设数量的特征点；
[0030]测试模块，用于通过hitTest方法分别得到所述预设数量的特征点的三维坐标；
[0031]判断模块，用于根据所述三维坐标分别计算所述预设数量的特征点与所述摄像头的距离，并根据计算出的距离判断对所述特征图像的定位是否有效；
[0032]定位模块，用于当根据计算出的距离判断对所述特征图像的定位有效时，根据所述预设数量的特征点创建一个锚点，将锚点坐标作为所述特征图像的三维坐标。
[0033]为实现上述目的，本申请实施例还提出一种电子装置，所述电子装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的特征图像识别定位程序，所述特征图像识别定位程序被所述处理器执行时实现如上述的特征图像识别定位方法。
[0034]为实现上述目的，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有特征图像识别定位程序，所述特征图像识别定位程序被处理器执行时实现如上述的特征图像识别定位方法。
[0035]本申请实施例提出的特征图像识别定位方法、系统、电子装置及计算机可读存储介质，能够通过在特征图像所在区域选取预设数量的特征点的方式，在增强图像功能中快速准确得到特征图像空间位置，改进了ARCore平台和ARKit平台的增强图像功能。
附图说明
[0036]图1为实现本申请各个实施例的一种应用环境架构图；
[0037]图2为本申请第一实施例提出的一种特征图像识别定位方法的流程图；
[0038]图3为图2中步骤S206的细化流程示意图；
[0039]图4为本申请第二实施例提出的一种特征图像识别定位方法的流程图；
[0040]图5为本申请第三实施例提出的一种电子装置的硬件架构示意图；
[0041]图6为本申请第四实施例提出的一种特征图像识别定位系统的模块示意图；
[0042]图7为本申请第五实施例提出的一种特征图像识别定位系统的模块示意图。
具体实施方式
[0043]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。基于本申请中的实施例，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，都本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种特征图像识别定位方法，其特征在于，所述方法包括：通过摄像头拍摄的画面扫描识别所述画面中的特征图像；在所述画面中所述特征图像所在区域选取预设数量的特征点；通过hitTest方法分别得到所述预设数量的特征点的三维坐标；根据所述三维坐标分别计算所述预设数量的特征点与所述摄像头的距离，并根据计算出的距离判断对所述特征图像的定位是否有效；及当根据所述计算出的距离判断对所述特征图像的定位有效时，根据所述预设数量的特征点创建锚点，将所述锚点的坐标作为所述特征图像的三维坐标。2.根据权利要求1所述的特征图像识别定位方法，其特征在于，所述方法还包括：当根据计算出的距离判断对所述特征图像的定位无效时，提示用户对所述画面进行调整。3.根据权利要求1或2所述的特征图像识别定位方法，其特征在于，所述预设数量为五个。4.根据权利要求3所述的特征图像识别定位方法，其特征在于，所述在所述画面中所述特征图像所在区域选取预设数量的特征点包括：通过TensorFlow Lite技术的目标检测算法，获取所述特征图像在所述画面中的矩形框；按预设规则在所述矩形框范围内选取五个特征点，所述预设规则为：以所述画面左上角为坐标系原点，所述矩形框左上角坐标为(a,b)，所述矩形框右下角坐标为(c,d)，则所选取的五个特征点坐标为((a+c)*0.5,(b+d)*0.5)、((a+c)*0.5,(b+d)*0.375)、((a+c)*0.5,(b+d)*0.625)、((a+c)*0.375,(b+d)*0.5)及((a+c)*0.675,(b+d)*0.5)。5.根据权利要求1或2所述的特征图像识别定位方法，其特征在于，所述根据计算出的距离判断对所述特征图像的定位是否有效包括：根据所得到的距离计算数学期望值，所述数学期望值为所述预设数量的特征点与所述摄像头的之间的距离的平均值；计算所得到的距离和所述数学期望值的标...

【专利技术属性】
技术研发人员：罗勇，施波迪，黄之昊，
申请(专利权)人：上海哔哩哔哩科技有限公司，
类型：发明
国别省市：