视觉定位方法、装置及电子设备制造方法及图纸

本发明专利技术涉及图像处理技术领域，具体涉及视觉定位方法、装置及电子设备，所述方法包括获取目标图像；对所述目标图像进行场景识别，确定所述目标图像对应的场景类别；基于所述场景类别确定特征提取对应的特征类型，对所述目标图像进行特征提取，以进行视觉定位，所述特征类型包括点特征以及线特征。由于线特征的提取和匹配相对于点特征会更加耗时，在任何场景提取线特征会增加必要的耗时，因此该方法基于场景类别确定特征提取对应的特征类型，针对不同的场景类别采用不同的特征类型进行特征提取，在保证定位精度和鲁棒性的同时，提高实时性。提高实时性。提高实时性。

【技术实现步骤摘要】
视觉定位方法、装置及电子设备


[0001]本专利技术涉及图像处理
，具体涉及视觉定位方法、装置及电子设备。

技术介绍

[0002]随着视觉同步定位与建图(Simultaneous Localization and Mapping，简称为SLAM)技术的不断成熟和发展，在移动机器人、自动驾驶汽车和AR/VR等领域得到了广泛的应用。视觉SLAM需要从图像中提取特征，建立数据关联，进而进行位姿的估计。
[0003]具体地，视觉SLAM一般包括特征提取、位姿跟踪、局部建图、闭环检测和全局优化。其中，特征提取表示从图像中提取有意义的特征；位姿跟踪为根据图像之间匹配的特征，再利用PNP和ICP等算法计算图像的位姿；局部建图为建立由多个图像构成的局部地图，然后使当前图像与局部地图进行匹配，得到更精确的位姿；闭环检测为识别是否回到了之前经过的地点；全局优化负责优化位姿，减小累计误差。目前，传统计算机视觉中有很多手工设计的特征提取算法，比如SIFT和ORB等，但在光照不变性，旋转不变性，尺度一致性，均匀分布和实时性等方面均存在一定的缺陷，ORB不满足尺度一致性，SIFT不满足实时性。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供了一种视觉定位方法、装置及电子设备，以解决视觉定位实时性的问题。
[0005]根据第一方面，本专利技术实施例提供了一种视觉定位方法，包括：
[0006]获取目标图像；
[0007]对所述目标图像进行场景识别，确定所述目标图像对应的场景类别；/>[0008]基于所述场景类别确定特征提取对应的特征类型，对所述目标图像进行特征提取，以进行视觉定位，所述特征类型包括点特征以及线特征。
[0009]本专利技术实施例提供的视觉定位方法，由于线特征的提取和匹配相对于点特征会更加耗时，在任何场景提取线特征会增加必要的耗时，因此该方法基于场景类别确定特征提取对应的特征类型，针对不同的场景类别采用不同的特征类型进行特征提取，在保证定位精度和鲁棒性的同时，提高实时性。
[0010]结合第一方面，在第一方面第一实施方式中，所述基于所述场景类别确定特征提取对应的特征类型，对所述目标图像进行特征提取，以进行视觉定位，包括：
[0011]利用所述场景类别与特征类型的对应关系，确定特征提取对应的特征类型；
[0012]基于所述特征类型获取对应的特征提取模型，所述特征提取模型包括点特征提取模型或线特征提取模型；
[0013]将所述目标图像输入所述特征提取模型中提取出特征，以进行视觉定位。
[0014]本专利技术实施例提供的视觉定位方法，使用特征提取模型替代传统的手工设计的特征提取算法，可以提高在图像模糊、大范围旋转以及遮挡等异常环境下之间数据关联的数量和质量。
[0015]结合第一方面第一实施方式，在第一方面第二实施方式中，当所述特征类型为点特征时，所述将所述目标图像输入所述特征提取模型中提取出特征，以进行视觉定位，还包括：
[0016]将所述目标图像输入所述点特征提取模型中提取点特征；
[0017]判断所述点特征的数量是否满足预设条件；
[0018]当所述点特征的数量不满足预设条件时，将所述目标图像输入所述线特征提取模型中提取线特征；
[0019]基于所述点特征以及所述线特征进行视觉定位。
[0020]本专利技术实施例提供的视觉定位方法，在点特征较少时结合线特征视觉定位，实现在任何场景都有足够数量的数据关联，即根据场景类别和点特征的数量选择是否提取线特征，以减少耗时，提高视觉定位的实时性。
[0021]结合第一方面第一实施方式，在第一方面第三实施方式中，当所述特征类型为线特征时，所述将所述目标图像输入所述特征提取模型中提取出特征，以进行视觉定位包括：
[0022]将所述目标图像输入所述线特征提取模型中提取线特征；
[0023]基于所述线特征进行视觉定位。
[0024]本专利技术实施例提供的视觉定位方法，在点特征缺乏但线特征丰富的场景下提取线特征，可以保证有足够数量的特征进行数据关联，保证了视觉定位的可靠性。
[0025]结合第一方面，在第一方面第四实施方式中，所述对所述目标图像进行场景识别，确定所述目标图像对应的场景类别，包括：
[0026]获取场景识别模型；
[0027]将所述目标图像输入场景识别模型中，确定所述目标图像对应的场景类别。
[0028]本专利技术实施例提供的视觉定位方法，利用场景识别模型对目标图像进行场景识别，即结合深度学习的方法进行场景识别，提高了场景识别的准确性。
[0029]结合第一方面，在第一方面第五实施方式中，所述基于所述场景类别确定特征提取对应的特征类型，对所述目标图像进行特征提取，以进行视觉定位，包括：
[0030]利用提取出的特征计算描述子；
[0031]基于所述描述子进行视觉定位。
[0032]根据第二方面，本专利技术实施例提供了一种视觉定位装置，包括：
[0033]获取模块，用于获取目标图像；
[0034]场景识别模块，用于对所述目标图像进行场景识别，确定所述目标图像对应的场景类别；
[0035]视觉定位模块，用于基于所述场景类别确定特征提取对应的特征类型，对所述目标图像进行特征提取，以进行视觉定位，所述特征类型包括点特征以及线特征。
[0036]本专利技术实施例提供的视觉定位装置，由于线特征的提取和匹配相对于点特征会更加耗时，在任何场景提取线特征会增加必要的耗时，因此该方法基于场景类别确定特征提取对应的特征类型，针对不同的场景类别采用不同的特征类型进行特征提取，在保证定位精度和鲁棒性的同时，提高实时性。
[0037]结合第二方面，在第二方面第一实施方式中，所述确定模块包括：
[0038]确定单元，用于利用所述场景类别与特征类型的对应关系，确定特征提取对应的
特征类型；
[0039]获取单元，用于基于所述特征类型获取对应的特征提取模型，所述特征提取模型包括点特征提取模型或线特征提取模型；
[0040]特征提取单元，用于将所述目标图像输入所述特征提取模型中提取出特征，以进行视觉定位。
[0041]根据第三方面，本专利技术实施例提供了一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面或者第一方面的任意一种实施方式中所述的视觉定位方法。
[0042]根据第四方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的视觉定位方法。
附图说明
[0043]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视觉定位方法，其特征在于，包括：获取目标图像；对所述目标图像进行场景识别，确定所述目标图像对应的场景类别；基于所述场景类别确定特征提取对应的特征类型，对所述目标图像进行特征提取，以进行视觉定位，所述特征类型包括点特征以及线特征。2.根据权利要求1所述的方法，其特征在于，所述基于所述场景类别确定特征提取对应的特征类型，对所述目标图像进行特征提取，以进行视觉定位，包括：利用所述场景类别与特征类型的对应关系，确定特征提取对应的特征类型；基于所述特征类型获取对应的特征提取模型，所述特征提取模型包括点特征提取模型或线特征提取模型；将所述目标图像输入所述特征提取模型中提取出特征，以进行视觉定位。3.根据权利要求2所述的方法，其特征在于，当所述特征类型为点特征时，所述将所述目标图像输入所述特征提取模型中提取出特征，以进行视觉定位，还包括：将所述目标图像输入所述点特征提取模型中提取点特征；判断所述点特征的数量是否满足预设条件；当所述点特征的数量不满足预设条件时，将所述目标图像输入所述线特征提取模型中提取线特征；基于所述点特征以及所述线特征进行视觉定位。4.根据权利要求2所述的方法，其特征在于，当所述特征类型为线特征时，所述将所述目标图像输入所述特征提取模型中提取出特征，以进行视觉定位包括：将所述目标图像输入所述线特征提取模型中提取线特征；基于所述线特征进行视觉定位。5.根据权利要求1所述的方法，其特征在于，所述对所述目标图像进行场景识别，确定所述目标图像对应的场景类别，包括：获取场景识别模型；将所述...

【专利技术属性】
技术研发人员：聂泳忠，王博，
申请(专利权)人：西人马帝言北京科技有限公司，
类型：发明
国别省市：