-
公开(公告)号：CN108564625B
公开(公告)日：2019-08-23
申请号：CN201810390464.6
申请日：2018-04-27
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06T7/70
Abstract: 本发明提出一种图优化方法、装置、电子设备及存储介质。其中方法包括：预先构建SLAM的待优化图，图的节点表示待求解的线性方程的待优化变量，边表示待优化变量的约束关系，节点包括第一节点和第二节点，分别表示三维点坐标和相机运动参数；将待优化图中的第一节点复制成两个以上第三节点，使第三节点中的任意一个与n个第二约束节点存在约束关系且在n个第二约束节点中有m个与相邻的第三节点存在相同的约束关系，第二约束节点与至少一个第三节点存在约束关系，n为预设的控制参数，第二约束节点是与第一节点存在约束关系的第二节点；边缘化第三节点以减小待求解的线性方程的稠密程度。本发明实施例提升了优化效率，降低了计算功耗和硬件成本。
-
公开(公告)号：CN108592919B
公开(公告)日：2019-09-17
申请号：CN201810391851.1
申请日：2018-04-27
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明提出一种制图与定位方法、装置、存储介质和终端设备，其中，所述方法包括：接收采集到的图像帧，并将所述图像帧加入图像帧序列的尾端；控制本地集束调整的滑动窗口沿图像帧序列向后移动一帧以移出首帧以及移入尾帧；其中，首帧是在移出首帧前滑动窗口中的最早帧；尾帧是图像帧序列中未曾移入滑动窗口的最早帧；判断首帧是否为关键帧；当首帧为关键帧时，生成全局集束调整的相对约束和作用于下一首帧的本地集束调整的先验约束，并调整所述边缘化处理的参考坐标系为移出的首帧，否则生成作用于下一首帧的本地集束调整的先验约束，最后再进行全局集束调整以及本地集束调整。采用本发明，能够避免边缘化处理产生的先验约束的误差不断累积。
-
公开(公告)号：CN108572939A
公开(公告)日：2018-09-25
申请号：CN201810390462.7
申请日：2018-04-27
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明提出一种VI-SLAM的优化方法，包括：如果发生变化的观测量满足更新条件，则根据发生变化的观测量对集束调整的优化方程中的观测方程进行重新线性化；根据重新线性化后的观测方程，对法向方程进行增量式更新；根据更新后的法向方程，对舒尔补方程进行增量式更新；采用预条件共轭梯度法对更新后的舒尔补方程进行增量式求解，获得观测量的最优解。本发明实施例通过利用VI-SLAM问题特殊的稀疏结构提升优化效率，以及通过利用SLAM问题的增量特性提升优化效率。同时，本发明优化效率的提升不依赖于运动方式，既适用于持续扩展地图的运动方式，又适用于在已扩展的地图中来回运动。
-
公开(公告)号：CN109035303B
公开(公告)日：2021-06-08
申请号：CN201810878312.0
申请日：2018-08-03
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明提供了一种SLAM系统相机跟踪方法及装置、计算机可读存储介质，通过采用SLAM系统计算相机本次采集到的第一图像的位姿信息，之后在SLAM系统再次进行计算前，针对相机在SLAM系统两次计算之间采集到的第二图像，采用预设的位姿算法计算该第二图像的位姿信息，其中，所述位姿算法的计算频率满足所述相机的采集频率，从而使得SLAM系统结合预设的位姿算法，能够实时计算相机采集到的图像的位姿信息，满足客户需求。
-
公开(公告)号：CN109035303A
公开(公告)日：2018-12-18
申请号：CN201810878312.0
申请日：2018-08-03
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明提供了一种SLAM系统相机跟踪方法及装置、计算机可读存储介质，通过采用SLAM系统计算相机本次采集到的第一图像的位姿信息，之后在SLAM系统再次进行计算前，针对相机在SLAM系统两次计算之间采集到的第二图像，采用预设的位姿算法计算该第二图像的位姿信息，其中，所述位姿算法的计算频率满足所述相机的采集频率，从而使得SLAM系统结合预设的位姿算法，能够实时计算相机采集到的图像的位姿信息，满足客户需求。
-
Patent Agency Ranking
公开(公告)号：CN108961423B
公开(公告)日：2023-04-18
申请号：CN201810719510.2
申请日：2018-07-03
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明实施例提供一种虚拟信息处理方法、装置、设备及存储介质。该方法包括：获取拍摄装置在前一时刻采集的第一图像信息；获取该第一图像信息中的特征点，并确定特征点在空间中对应的三维坐标点；对第一图像信息中的特征点进行跟踪，确定该特征点在该拍摄装置当前时刻采集的第二图像信息中的位置信息；根据该特征点在空间中对应的三维坐标点和该特征点在该第二图像信息中的位置信息，确定位于该空间中的目标平面；根据该拍摄装置的镜头光轴与该目标平面的交点建立三维坐标系；根据该三维坐标系，在第二图像信息中叠加虚拟信息。本发明实施例使得终端设备在拍摄功能启动后可以很快的在拍摄预览界面中渲染出稳定的虚拟信息，从而提高了用户体验。
-
公开(公告)号：CN108572939B
公开(公告)日：2020-05-08
申请号：CN201810390462.7
申请日：2018-04-27
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明提出一种VI‑SLAM的优化方法，包括：如果发生变化的观测量满足更新条件，则根据发生变化的观测量对集束调整的优化方程中的观测方程进行重新线性化；根据重新线性化后的观测方程，对法向方程进行增量式更新；根据更新后的法向方程，对舒尔补方程进行增量式更新；采用预条件共轭梯度法对更新后的舒尔补方程进行增量式求解，获得观测量的最优解。本发明实施例通过利用VI‑SLAM问题特殊的稀疏结构提升优化效率，以及通过利用SLAM问题的增量特性提升优化效率。同时，本发明优化效率的提升不依赖于运动方式，既适用于持续扩展地图的运动方式，又适用于在已扩展的地图中来回运动。
-
公开(公告)号：CN108592919A
公开(公告)日：2018-09-28
申请号：CN201810391851.1
申请日：2018-04-27
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明提出一种相对边缘化的制图与定位方法、装置、存储介质和终端设备，其中，所述方法包括：接收采集到的图像帧，并将所述图像帧加入图像帧序列的尾端；控制本地集束调整的滑动窗口沿图像帧序列向后移动一帧以移出首帧以及移入尾帧；其中，首帧是在移出首帧前滑动窗口中的最早帧；尾帧是图像帧序列中未曾移入滑动窗口的最早帧；判断首帧是否为关键帧；当首帧为关键帧时，生成全局集束调整的相对约束和作用于下一首帧的本地集束调整的先验约束，并调整所述边缘化处理的参考坐标系为移出的首帧，否则生成作用于下一首帧的本地集束调整的先验约束，最后再进行全局集束调整以及本地集束调整。采用本发明，能够避免边缘化处理产生的先验约束的误差不断累积。
-
公开(公告)号：CN108564625A
公开(公告)日：2018-09-21
申请号：CN201810390464.6
申请日：2018-04-27
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06T7/70
Abstract: 本发明提出一种图优化方法、装置、电子设备及存储介质。其中方法包括：预先构建SLAM的待优化图，图的节点表示待求解的线性方程的待优化变量，边表示待优化变量的约束关系，节点包括第一节点和第二节点，分别表示三维点坐标和相机运动参数；将待优化图中的第一节点复制成两个以上第三节点，使第三节点中的任意一个与n个第二约束节点存在约束关系且在n个第二约束节点中有m个与相邻的第三节点存在相同的约束关系，第二约束节点与至少一个第三节点存在约束关系，n为预设的控制参数，第二约束节点是与第一节点存在约束关系的第二节点；边缘化第三节点以减小待求解的线性方程的稠密程度。本发明实施例提升了优化效率，降低了计算功耗和硬件成本。
-
公开(公告)号：CN108961423A
公开(公告)日：2018-12-07
申请号：CN201810719510.2
申请日：2018-07-03
Applicant: 百度在线网络技术(北京)有限公司
CPC classification number: G06T19/006 , H04N5/23216 , H04N5/23229
Abstract: 本发明实施例提供一种虚拟信息处理方法、装置、设备及存储介质。该方法包括：获取拍摄装置在前一时刻采集的第一图像信息；获取该第一图像信息中的特征点，并确定特征点在空间中对应的三维坐标点；对第一图像信息中的特征点进行跟踪，确定该特征点在该拍摄装置当前时刻采集的第二图像信息中的位置信息；根据该特征点在空间中对应的三维坐标点和该特征点在该第二图像信息中的位置信息，确定位于该空间中的目标平面；根据该拍摄装置的镜头光轴与该目标平面的交点建立三维坐标系；根据该三维坐标系，在第二图像信息中叠加虚拟信息。本发明实施例使得终端设备在拍摄功能启动后可以很快的在拍摄预览界面中渲染出稳定的虚拟信息，从而提高了用户体验。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.026 seconds)
