定位方法和装置转让专利
申请号 : CN202111545059.5
文献号 : CN113936064B
文献日 : 2022-05-20
发明人 : 彭文星 , 陈兵
申请人 : 荣耀终端有限公司
摘要 :
权利要求 :
1.一种定位方法,其特征在于,所述方法包括:第二设备接收来自第一设备的目标图像;
所述第二设备构建所述目标图像对应的拓扑结构描述向量;所述拓扑结构描述向量用于指示图像中的多个对象、以及所述多个对象之间的相对位置关系;
所述第二设备利用所述目标图像对应的拓扑结构描述向量对预设的图像集进行筛选,得到第二候选图像集;
所述第二设备基于所述目标图像的特征描述子信息以及所述第二候选图像集中的图像的特征描述子信息,计算得到所述目标图像对应的位置和朝向;所述特征描述子信息用于指示图像中包含特征点的区域;
所述第二设备向所述第一设备发送所述目标图像对应的位置和朝向;
其中,所述第二设备利用所述目标图像对应的拓扑结构描述向量对预设的图像集进行筛选,得到第二候选图像集,包括:所述第二设备获取所述预设的图像集中的图像的拓扑结构描述向量;当所述目标图像对应的拓扑结构描述向量与所述预设的图像集中的图像的拓扑结构描述向量的第一相似度大于第一阈值时,所述第二设备提取所述第一相似度大于第一阈值时对应的所述预设的图像集中的图像,得到所述第二候选图像集;
或者,所述第二设备构建所述目标图像对应的图像特征描述符向量;其中,所述图像特征描述符向量用于指示所述特征描述子信息属于多个类中的一个类的数量;所述多个类是由所述目标图像中的特征描述子信息的聚类构成的;所述第二设备利用所述目标图像对应的图像特征描述符向量对所述预设的图像集进行筛选,得到第一候选图像集;所述第二设备利用所述目标图像对应的拓扑结构描述向量对所述第一候选图像集进行筛选,得到所述第二候选图像集。
2.根据权利要求1所述的方法,其特征在于,所述第二设备构建所述目标图像对应的拓扑结构描述向量,包括:
所述第二设备获取所述目标图像对应的语义信息;所述语义信息用于指示所述目标图像中的多个对象、以及所述多个对象的位置;
所述第二设备基于所述语义信息构建所述目标图像对应的拓扑结构描述向量。
3.根据权利要求1所述的方法,其特征在于,所述第二设备构建所述目标图像对应的图像特征描述符向量,包括:
所述第二设备获取所述目标图像对应的特征描述子信息;
所述第二设备利用所述目标图像对应的特征描述子信息,构建所述目标图像对应的图像特征描述符向量。
4.根据权利要求1所述的方法,其特征在于,所述第二设备利用所述目标图像对应的图像特征描述符向量对所述预设的图像集进行筛选,得到第一候选图像集,包括:所述第二设备获取所述预设的图像集中的图像对应的图像特征描述符向量;
当所述目标图像对应的图像特征描述符向量与所述预设的图像集中的图像对应的图像特征描述符向量的第二相似度大于第二阈值时,所述第二设备提取所述第二相似度大于第二阈值时对应的所述预设的图像集中的图像,得到所述第一候选图像集。
5.一种定位装置,其特征在于,所述装置包括:通信单元以及处理单元,所述通信单元,用于接收来自第一设备的目标图像;
所述处理单元,用于构建所述目标图像对应的拓扑结构描述向量;所述拓扑结构描述向量用于指示图像中的多个对象、以及所述多个对象之间的相对位置关系;
所述处理单元,还用于利用所述目标图像对应的拓扑结构描述向量对预设的图像集进行筛选,得到第二候选图像集;
所述处理单元,还用于基于所述目标图像的特征描述子信息以及所述第二候选图像集中的图像的特征描述子信息,计算得到所述目标图像对应的位置和朝向;所述特征描述子信息用于指示图像中包含特征点的区域;
所述通信单元,还用于向所述第一设备发送所述目标图像对应的位置和朝向;
所述处理单元,还用于获取所述预设的图像集中的图像的拓扑结构描述向量;当所述目标图像对应的拓扑结构描述向量与所述预设的图像集中的图像的拓扑结构描述向量的第一相似度大于第一阈值时,所述处理单元,还用于提取所述第一相似度大于第一阈值时对应的所述预设的图像集中的图像,得到所述第二候选图像集;
或者,所述处理单元,还用于构建所述目标图像对应的图像特征描述符向量;其中,所述图像特征描述符向量用于指示所述特征描述子信息属于多个类中的一个类的数量;所述多个类是由所述目标图像中的特征描述子信息的聚类构成的;所述处理单元,还用于利用所述目标图像对应的图像特征描述符向量对所述预设的图像集进行筛选,得到第一候选图像集;所述处理单元,还用于利用所述目标图像对应的拓扑结构描述向量对所述第一候选图像集进行筛选,得到所述第二候选图像集。
6.根据权利要求5所述的装置,其特征在于,所述处理单元,具体用于:获取所述目标图像对应的语义信息;所述语义信息用于指示所述目标图像中的多个对象、以及所述多个对象的位置;基于所述语义信息构建所述目标图像对应的拓扑结构描述向量。
7.根据权利要求5所述的装置,其特征在于,所述处理单元,具体用于:获取所述目标图像对应的特征描述子信息;利用所述目标图像对应的特征描述子信息,构建所述目标图像对应的图像特征描述符向量。
8.根据权利要求5所述的装置,其特征在于,所述处理单元,具体用于:获取所述预设的图像集中的图像对应的图像特征描述符向量;当所述目标图像对应的图像特征描述符向量与所述预设的图像集中的图像对应的图像特征描述符向量的第二相似度大于第二阈值时,提取所述第二相似度大于第二阈值时对应的所述预设的图像集中的图像,得到所述第一候选图像集。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,使得所述电子设备执行如权利要求1至4任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,使得计算机执行如权利要求1至4任一项所述的方法。
说明书 :
定位方法和装置
技术领域
背景技术
(augmented reality,AR)导航也以其实景导航的优势,为用户提供可视化的路线导航。
发明内容
拓扑结构描述向量从地图图像数据库中筛选出与目标图像较为匹配的候选图像,进而通过
候选图像中的任一图像与目标图像的匹配,确定目标图像的位姿,使得终端设备可以基于
目标图像的位姿为用户提供准确的导航路线。
指示图像中的多个对象、以及多个对象之间的相对位置关系;第二设备利用目标图像对应
的拓扑结构描述向量对预设的图像集进行筛选,得到第一候选图像集;第二设备基于目标
图像的特征描述子信息以及第一候选图像集中的图像的特征描述子信息,计算得到目标图
像对应的位置和朝向;特征描述子信息用于指示图像中包含特征点的区域;第二设备向第
一设备发送目标图像对应的位置和朝向。
像数据库中筛选出与目标图像较为匹配的候选图像,进而通过候选图像中的任一图像与目
标图像的匹配,确定目标图像的位姿,使得第一设备可以基于目标图像的位姿为用户提供
准确的导航路线。其中,第一设备可以为本申请实施例中的终端设备,第二设备可以为本申
请实施例中的云端设备,位置和朝向可以为本申请实施例中的位姿。
及多个对象的位置;第二设备基于语义信息构建目标图像对应的拓扑结构描述向量。这样,
第二设备可以通过语义信息构建拓扑结构描述向量,使得拓扑结构描述向量能够更为准确
的体现出图像中包含的对象的特征。
拓扑结构描述向量;当目标图像对应的拓扑结构描述向量与预设的图像集中的图像的拓扑
结构描述向量的第一相似度大于第一阈值时,第二设备提取第一相似度大于第一阈值时对
应的预设的图像集中的图像,得到第一候选图像集。这样,第二设备可以通过拓扑结构描述
向量对预设的图像集进行筛选,可以能够避免由于物体间位置的细微移动对筛选过程的影
响,增加算法的鲁棒性。
描述符向量;其中,图像特征描述符向量用于指示特征描述子信息属于多个类中的一个类
的数量;多个类是由目标图像中的特征描述子信息的聚类构成的;第二设备利用目标图像
对应的图像特征描述符向量对预设的图像集进行筛选,得到第二候选图像集;第二设备利
用目标图像对应的拓扑结构描述向量对第二候选图像集进行筛选,得到第一候选图像集。
这样,第二设备可以基于图像特征描述符向量对图像集进行再次筛选,使得筛选出的图像
集与目标图像的相似度较高,进而基于筛选出的图像集以及目标图像计算得到更为准确的
位姿。
描述子信息,构建目标图像对应的图像特征描述符向量。这样,第二设备可以通过特征描述
子信息构建图像特征描述符向量,使得图像特征描述符向量能够更为准确的体现出图像中
的特征点的聚类情况。
对应的图像特征描述符向量;当目标图像对应的图像特征描述符向量与预设的图像集中的
图像对应的图像特征描述符向量的第二相似度大于第二阈值时,第二设备提取第二相似度
大于第二阈值时对应的预设的图像集中的图像,得到第二候选图像集。这样,第二设备可以
通过图像特征描述符向量对预设的图像集进行筛选,得到与目标图像相似度更高的图像
集,使得基于筛选出的图像以及目标图像计算得到的位姿具有更高的准确性。
构描述向量;拓扑结构描述向量用于指示图像中的多个对象、以及多个对象之间的相对位
置关系;处理单元,还用于利用目标图像对应的拓扑结构描述向量对预设的图像集进行筛
选,得到第一候选图像集;处理单元,还用于基于目标图像的特征描述子信息以及第一候选
图像集中的图像的特征描述子信息,计算得到目标图像对应的位置和朝向;特征描述子信
息用于指示图像中包含特征点的区域;通信单元,还用于向第一设备发送目标图像对应的
位置和朝向。
图像对应的拓扑结构描述向量。
构描述向量的第一相似度大于第一阈值时,提取第一相似度大于第一阈值时对应的预设的
图像集中的图像,得到第一候选图像集。
数量;多个类是由目标图像中的特征描述子信息的聚类构成的;利用目标图像对应的图像
特征描述符向量对预设的图像集进行筛选,得到第二候选图像集;利用目标图像对应的拓
扑结构描述向量对第二候选图像集进行筛选,得到第一候选图像集。
对应的图像特征描述符向量的第二相似度大于第二阈值时,提取第二相似度大于第二阈值
时对应的预设的图像集中的图像,得到第二候选图像集。
一种实现方式中描述的定位方法。
描述的定位方法。
附图说明
具体实施方式
的向量。
征。
一对象在某一时刻的状态;该概念层可以为高层,可以理解为最接近用户理解的描述。本申
请实施例中,该语义信息可以包括语义特征在图像中的位置信息、以及图像中语义特征的
属性信息。
于某个指定的坐标系A)及其二维投影位置的情况下,估计相机的位姿(如相机在坐标系A下
的位姿)。其中,该相机的位姿可以包括相机方向、以及相机光心位置。
二值仅仅是为了区分不同的值,并不对其先后顺序进行限定。本领域技术人员可以理解“第
一”、“第二”等字样并不对数量和执行次序进行限定,并且“第一”、“第二”等字样也并不限
定一定不同。
他实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在
以具体方式呈现相关概念。
同时存在A和B,单独存在B的情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关
联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组
合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个),可以表示:
a,b,c,a和b,a和c,b和c,或a、b和c,其中a,b,c可以是单个,也可以是多个。
图进行匹配,实现定位功能,其具有时间短、功耗少等显著特点。
由当前位置到饭店103的路线时,手机可以显示如图1所示的界面。如图1所示,该界面中可
以包括用于指示用户当前位置的标识如用户101、用于指示导航路线的多个箭头、超市102、
饭店103、用于指示当前处于AR导航界面的标识105、以及用于文字指示导航路线的提示信
息104,该提示信息104可以显示为直行100米后右转。
设的地图数据库确定用户当前的位置信息。示例性的,图2为一种定位方法的流程示意图。
建立输入图像的图像特征描述符向量;并利用输入图像的图像特征描述符向量,在云端设
备存储的地图图像数据库中筛选出与该输入图像的图像特征描述符向量相似度大于阈值
的图像(如图2所示的排序靠前的图像)作为候选图像集;进一步的,对候选图像集中的图像
以及输入图像分别进行特征提取、特征匹配、以及PNP位姿计算,得到输入图像的位姿;云端
设备将该输入图像的位姿发送至手机;进一步的,如图1所示,手机可以基于用户101的位置
信息、以及饭店103所在的位置等信息重新进行路径规划,并利用该AR导航指示由用户101
到饭店103的路线。
地面、或洁白的墙面等)中的特征描述子,进而无法基于弱纹理区域中的特征描述子,计算
得到准确的当前位置;并且,当终端设备拍摄的场景中存在重复纹理的情况时,通过上述图
像特征符向量的匹配从数据库中找出的候选图像,可能存在候选图像与终端拍摄图像不属
于同一个场景的情况,进而难以计算得到准确的当前位置。
通过拓扑结构描述向量从地图图像数据库中筛选出与目标图像较为匹配的候选图像,进而
通过候选图像中的任一图像与目标图像的匹配,确定目标图像的位姿,使得终端设备可以
基于目标图像的位姿为用户提供准确的导航路线。
导航场景、以及停车场导航场景等。
内容,本申请实施例中对此不做限定。
备可以为拥有触摸屏的手机(mobile phone)、智能电视、穿戴式设备、平板电脑(Pad)、带无
线收发功能的电脑、虚拟现实(virtual reality,VR)终端设备、增强现实(augmented
reality,AR)终端设备、工业控制(industrial control)中的无线终端、无人驾驶(self‑
driving)中的无线终端、远程手术(remote medical surgery)中的无线终端、智能电网
(smart grid)中的无线终端、运输安全(transportation safety)中的无线终端、智慧城市
(smart city)中的无线终端、智慧家庭(smart home)中的无线终端等等。本申请的实施例
对终端设备所采用的具体技术和具体设备形态不做限定。
线2,移动通信模块150,无线通信模块160,音频模块170,扬声器170A,受话器170B,麦克风
170C,耳机接口170D,传感器模块180,按键190,指示器192,摄像头193,以及显示屏194等。
其中传感器模块180可以包括压力传感器180A,陀螺仪传感器180B,气压传感器180C,磁传
感器180D,加速度传感器180E,距离传感器180F,接近光传感器180G,指纹传感器180H,温度
传感器180J,触摸传感器180K,环境光传感器180L,骨传导传感器180M等。
者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合
实现。
数据。本申请实施例中,处理器110也可以用于对摄像头采集到的环境图像与预设的地图库
中的图像进行匹配、计算进而得到用户当前的位置信息。
设备与外围设备之间传输数据。也可以用于连接耳机,通过耳机播放音频。该接口还可以用
于连接其他电子设备,例如AR设备等。
(low noise amplifier,LNA)等。移动通信模块150可以由天线1接收电磁波,并对接收的电
磁波进行滤波,放大等处理,传送至调制解调处理器进行解调。
BT),全球导航卫星系统(global navigation satellite system,GNSS),调频(frequency
modulation,FM)等无线通信的解决方案。
显示终端设备基于环境图像的位姿的计算得到的导航路线。
等功能的过程中采集环境图像,例如摄像头193可以周期性的采集环境图像,或者摄像头
193可以在检测到环境变化时采集环境图像,或者摄像头193可以在检测到用户指示的拍照
指示时采集环境图像。
转化为肉眼可见的图像。ISP还可以对图像的噪点,亮度,肤色进行算法优化。ISP还可以对
拍摄场景的曝光,色温等参数优化。在一些实施例中,ISP可以设置在摄像头193中。
例如将音乐,视频等文件保存在外部存储卡中。
终端设备可以通过扬声器170A收听音乐,或收听免提通话。受话器170B,也称“听筒”,用于
将音频电信号转换成声音信号。当终端设备接听电话或语音信息时,可以通过将受话器
170B靠近人耳接听语音。耳机接口170D用于连接有线耳机。麦克风170C,也称“话筒”,“传声
器”,用于将声音信号转换为电信号。本申请实施例中,终端设备可以拥有设置一个麦克风
170C。
运动姿态。气压传感器180C用于测量气压。磁传感器180D包括霍尔传感器。加速度传感器
180E可检测终端设备在各个方向上(一般为三轴)加速度的大小。距离传感器180F,用于测
量距离。接近光传感器180G可以包括例如发光二极管(LED)和光检测器,例如光电二极管。
环境光传感器180L用于感知环境光亮度。指纹传感器180H用于采集指纹。温度传感器180J
用于检测温度。触摸传感器180K,也称“触控器件”。骨传导传感器180M可以获取振动信号。
容传感器接收到的至少一个网格中的电容的数值超出电容阈值时,则可以确定发生触摸操
作;进一步的,终端设备可以基于超出电容阈值的至少一个网格所占的区域,确定触摸操作
对应的触摸区域。
入。指示器192可以是指示灯,可以用于指示充电状态,电量变化,也可以用于指示消息,未
接来电,通知等。
同或相似的概念或过程可能在某些实施例中不再赘述。
及地图图像数据库中的图像进行特征匹配以及位姿计算的服务器。可以理解的是,由于云
端设备通常都具有较强的数据计算能力,因此在云端设备中执行定位方法中的上述步骤可
以避免终端设备执行上述步骤时的内存占用,提高定位方法的运行速度。
套接字层的超文本传输协议(hyper text transfer trotocol over secure socket
layer,HTTPS)等协议建立通信连接,本申请实施例中对此不做任何限制。
内容与图1所示的界面类似,在此不再赘述。
于下述S402‑S406所示的步骤对环境图像以及地图图像数据库中的图像的匹配、和计算得
到当前位置。
0.5秒钟获取一次环境图像;或者,终端设备可以在检测到当前环境与上一时刻(例如上一
帧)的环境图像的相似度大于预设阈值时自动获取环境图像;或者,终端设备也可以基于用
户对于终端设备的触发获取环境图像。
控件503进行重新定位。例如,当终端设备接收到用户触发该控件503的操作时,终端设备可
以基于摄像头获取当前的环境图像,并将环境图像上传至云端设备,进而云端设备可以执
行S402所示的步骤。
换(scale‑invariant feature transform,SIFT)特征点检测算法、或加速稳健特征
(speeded up robust features,SURF)特征检测算法等生成该环境图像的特征点和/或描
述子信息。
应的区块、桌子的各特征点对应的区块以及椅子的各特征点对应的区块等。可以理解的是,
一个物体可以由多个描述子信息构成。
对象的属性信息。其中,云端设备可以基于训练好的神经网络模型等方法获取该环境图像
的语义信息。
子以及该椅子对应的位置信息等。
例如各对象的坐标值等进行计算,确定任意两个对象间的相对位置分布,得到环境图像的
拓扑结构描述向量。
子之间的相对位置分布信息、和水壶和椅子之间的相对位置分布信息。例如,该拓扑结构描
述向量可以指示:水壶位于桌子的上方,桌子位于椅子的左方,水壶位于椅子的左上方等。
其中,该相对位置分布信息可以不限于物体间相对方位的描述,本申请实施例中对此不做
限定。
locally aggregated descriptors,VLAD)等方法,基于该图像的描述子信息构建环境图像
的图像特征描述符向量。
一类,每一类可以相当于一个视觉词汇,该视觉词汇可以用于构建视觉词汇库;该环境图像
中可以由多个视觉词汇构成,云端设备可以统计该环境图像中的描述子信息属于该视觉词
汇库中的任一视觉词汇的数值,进而由该数值得到图像特征描述符向量。例如,若环境图中
包含1个桌子、1个椅子以及1个水壶时,可以通过对该桌子、椅子以及水壶各自的语义信息
的聚类,得到包含水壶对应的视觉词汇、桌子对应的视觉词汇、以及椅子对应的视觉词汇的
视觉词汇库。进一步的,当该环境图像中的描述子信息中,3个描述子信息属于水壶对应的
视觉词汇,5个描述子信息属于桌子对应的视觉词汇,以及6个描述子信息属于椅子对应的
视觉词汇时,则环境图像中由(水壶,桌子,椅子)构成图像特征描绘符向量可以为(3,5,6)。
上述视觉词汇数据库中的某一视觉词汇;利用视觉词汇量化图像特征,例如统计各图像的
描述子信息属于上述各视觉词汇的次数。
述视觉词汇的次数,若地图图像数据库中的某一图像中有4个描述子信息属于水壶对应的
视觉词汇,有2个描述子信息属于桌子对应的视觉词汇,且有3个描述子信息属于椅子对应
的视觉词汇时,则该图像中用于表示(水壶,桌子,椅子)的特征描述符向量可以为(4,2,3)。
可以理解的是,云端设备可以基于上述获取特征描述符向量的方法,获取地图图像数据库
中的各图像的特征描述符向量。
像集。
含图像1(如图6中的b所示)以及图像2(如图6中的c所示),如图6中的b所示的图像1的拓扑
结构描述向量为:水壶位于桌子的上方、桌子位于椅子的右方、以及水壶位于椅子的右上
方,如图6中的c所示的图像2的拓扑结构描述向量为:水壶位于桌子的上方、桌子位于椅子
的左方、以及水壶位于椅子的左上方时,则云端可以从图像1以及图像2中筛选出与环境图
像相似度较高的图像2。
通过拓扑结构描述向量对第一候选图像集的筛选,还能够避免由于图像中的对象间位置的
细微移动对筛选过程的影响,增加算法的鲁棒性。
PNP算法中,云端设备还可以利用直线线性变换(direct linear transform,DLT)、P3P、或
Epnp等求解方法进行位姿计算。
位姿信息。
中的图像可以通过描述子信息的索引构建2D‑3D相关性关系。云端设备可以通过对环境图
像以及第二候选图像集中的任一图像的特征匹配,构建环境图像与第二候选图像集中的任
一图像的2D‑2D相关性关系;进一步的,云端通过第二候选图像集中的任一图像的2D‑3D相
关性关系,以及环境图像与该第二候选图像集中的对应图像的2D‑2D相关性关系的匹配,得
到环境图像的2D‑3D相关性关系。可以理解的是,该环境图像的2D‑3D相关性关系可以作为
PnP算法的输入,使得云端可以通过PnP算法输出环境图像的位姿信息。其中,该2D‑2D相关
性关系可以理解为2D坐标点与2D坐标点之间的匹配关系,该2D‑3D相关性关系可以理解为
2D坐标点与3D坐标点之间的匹配关系。
系下的坐标,如Q1,Q2,Q3,…,Qi,…Qn,以及相机的内参矩阵K等参数时,则可以输出相机坐
标系(OCXCYCZC)相对于世界坐标系(OwXwYwZw)的位姿(R,t)。
齐次坐标表示为 ;相机的内参矩阵为: ,则可以求解相机的位姿(或理解为环境图
像的位姿信息):R,t。其中,t可以理解为相机的光心位置,R可以理解为相机方向。
户的位置为提供准确的导航路线。
可以在本设备中执行S402‑S406所示的步骤中的全部步骤,本申请实施例中对此不做限定。
预设的时间阈值内未接收到云端设备发送的环境图像的位姿信息时,可以在终端设备的界
面中显示提示信息,该提示信息用于提示当前定位失败。
置的结构示意图,该定位装置可以是本申请实施例中的终端设备,也可以是终端设备内的
芯片或芯片系统。
理的步骤;通信单元802用于指示定位装置执行信息的接收和发送等步骤。其中,通信单元
802可以是输入或者输出接口、管脚或者电路等。
对应的拓扑结构描述向量;拓扑结构描述向量用于指示图像中的多个对象、以及多个对象
之间的相对位置关系;处理单元801,还用于利用目标图像对应的拓扑结构描述向量对预设
的图像集进行筛选,得到第一候选图像集;处理单元801,还用于基于目标图像的特征描述
子信息以及第一候选图像集中的图像的特征描述子信息,计算得到目标图像对应的位置和
朝向;特征描述子信息用于指示图像中包含特征点的区域;通信单元802,还用于向第一设
备发送目标图像对应的位置和朝向。
标图像对应的拓扑结构描述向量。
扑结构描述向量的第一相似度大于第一阈值时,提取第一相似度大于第一阈值时对应的预
设的图像集中的图像,得到第一候选图像集。
类的数量;多个类是由目标图像中的特征描述子信息的聚类构成的;利用目标图像对应的
图像特征描述符向量对预设的图像集进行筛选,得到第二候选图像集;利用目标图像对应
的拓扑结构描述向量对第二候选图像集进行筛选,得到第一候选图像集。
量。
图像对应的图像特征描述符向量的第二相似度大于第二阈值时,提取第二相似度大于第二
阈值时对应的预设的图像集中的图像,得到第二候选图像集。
处理单元801集成在一起。存储单元803可以是只读存储器(read‑only memory,ROM)或者可
存储静态信息和指令的其他类型的静态存储设备,存储单元803可以与处理单元801相独
立。
为例进行说明)。
个用于控制本申请方案程序执行的集成电路。
息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically
erasable programmable read‑only memory,EEPROM)、只读光盘(compact disc read‑
only memory,CD‑ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用
光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指
令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器可以是独立存在,通过通信线路904与处理器相连接。存储器也可以和处理器集成在
一起。
例所提供的定位方法。
以是一个多核(multi‑CPU)处理器。这里的处理器可以指一个或多个设备、电路、和/或用于
处理数据(例如计算机程序指令)的处理核。
volatile random access memory,NVRAM)。
状态信号总线等。为了便于描述,在图10中将各种总线都标为总线系统1010。
的各步骤可以通过处理器1020中的硬件的集成逻辑电路或者软件形式的指令完成。上述的
处理器1020可以是通用处理器(例如,微处理器或常规处理器)、数字信号处理器(digital
signal processing,DSP)、专用集成电路(application specific integrated circuit,
ASIC)、现成可编程门阵列(field‑programmable gate array,FPGA)或者其他可编程逻辑
器件、分立门、晶体管逻辑器件或分立硬件组件,处理器1020可以实现或者执行本发明实施
例中的公开的各方法、步骤及逻辑框图。
储器、只读存储器、可编程只读存储器或带电可擦写可编程存储器(electrically
erasable programmable read only memory,EEPROM)等本领域成熟的存储介质中。该存储
介质位于存储器1040,处理器1020读取存储器1040中的信息,结合其硬件完成上述方法的
步骤。
装在存储器中。
用计算机、计算机网络或者其他可编程装置。计算机指令可以存储在计算机可读存储介质
中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,计算机指令可
以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线
(digital subscriber line,DSL)或无线(例如红外、无线、微波等)方式向另一个网站站
点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存储的任
何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。例
如,可用介质可以包括磁性介质(例如,软盘、硬盘或磁带)、光介质(例如,数字通用光盘
(digital versatile disc,DVD))、或者半导体介质(例如,固态硬盘(solid state disk,
SSD))等。
机存储介质和通信介质,还可以包括任何可以将计算机程序从一个地方传送到另一个地方
的介质。存储介质可以是可由计算机访问的任何目标介质。
以包括磁盘存储器或其它磁盘存储设备。而且,任何连接线也可以被适当地称为计算机可
读介质。例如,如果使用同轴电缆,光纤电缆,双绞线,DSL或无线技术(如红外,无线电和微
波)从网站,服务器或其它远程源传输软件,则同轴电缆,光纤电缆,双绞线,DSL或诸如红
外,无线电和微波之类的无线技术包括在介质的定义中。如本文所使用的磁盘和光盘包括
光盘(CD),激光盘,光盘,数字通用光盘(digital versatile disc,DVD),软盘和蓝光盘,其
中磁盘通常以磁性方式再现数据,而光盘利用激光光学地再现数据。
的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明
的保护范围应以权利要求的保护范围为准。