[发明专利]一种定位方法、定位装置、终端及存储介质

说明书

本发明实施例涉及计算机视觉技术领域，公开了一种定位方法、定位装置、终端及存储介质。本发明中，将第一帧图像和第二帧图像输入已知结构的网络模型；通过网络模型对第一帧图像和第二帧图像进行相对位置定位，获得相对位姿信息；通过网络模型对第一帧图像进行绝对位置定位，获得绝对位姿信息；根据相对位姿信息和绝对位姿信息获得当前时刻的位置信息。使得能够基于深度学习，获得准确的定位结果。

技术领域

本发明实施例涉及计算机视觉技术领域，特别涉及一种定位方法、定位装置、终端及存储介质。

背景技术

传统的视觉定位方法一般分为视觉即时定位与地图构建(vSLAM，VisualSimultaneous Localization And Mapping)和交换结构模块(switch fabric module，SFM)等定位方法，但这些传统的定位方法存在的主要问题是无法适应弱纹理和光照等变化场景。针对这个问题，人们逐渐研发出了基于深度学习的定位方法，基于深度学习的定位方法通常分为绝对定位和相对定位两种方式。

发明人发现现有技术中至少存在如下问题：基于深度学习的绝对定位方法往往利用一帧图像进行定位，因此难以得到精度较高的位置信息，而深度学习中的相对定位方法仅仅利用多帧之间的位置变化进行定位，因此在长距离定位中累计误差会较大，因此现有技术中的基于深度学习的定位方法，依然无法满足人们对定位精度的要求。

发明内容

本申请实施方式的目的在于提供一种定位方法、定位装置、终端及存储介质，使得能够基于深度学习，获得准确的定位结果。

为解决上述技术问题，本申请实施方式提供了一种定位方法，包括以下步骤：将第一帧图像和第二帧图像输入已知结构的网络模型，其中，第一帧图像为当前时刻所获得的图像，第二帧图像为当前时刻之前预设时间范围内所获得的图像，其中，终端在预设时间范围内位于同一场景中；通过网络模型对第一帧图像和第二帧图像进行相对位置定位，获得相对位姿信息；通过网络模型对第一帧图像进行绝对位置定位，获得绝对位姿信息；根据相对位姿信息和绝对位姿信息获得当前时刻的位置信息。

本申请实施方式还提供了一种定位装置，包括：输入模块，用于将第一帧图像和第二帧图像输入已知结构的网络模型，其中，第一帧图像为当前时刻所获得的图像，第二帧图像为当前时刻之前预设时间范围内所获得的图像，其中，终端在预设时间范围内在同一场景中运动；第一获取模块，用于通过网络模型对第一帧图像和第二帧图像进行相对位置定位，获得相对位姿信息；第二获取模块，用于通过网络模型对第一帧图像进行绝对位置定位，获得绝对位姿信息；第三获取模块，用于根据相对位姿信息和绝对位姿信息获得当前时刻的位置信息。

本申请实施方式还提供了一种终端，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本申请任意方法实施例中涉及的定位方法。

本申请实施方式还提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时实现本申请任意方法实施例中涉及的定位方法。

本申请实施方式相对于现有技术而言，通过网络模型获得当前时刻所获得的图像相对于同一场景中历史时刻所获得图像的相对位姿信息，以及当前时刻所获的图像的绝对位姿信息，从而结合相对位姿信息以及绝对位姿信息实现对终端当前时刻位置的准确定位。

另外，网络模型包括相对网络结构和绝对网络结构；其中，相对网络结构包括卷积神经网络结构和第一递归卷积神经网络结构，绝对网络结构包括卷积神经网络结构和第二递归卷积神经网络结构。

另外，将第一帧图像和第二帧图像输入已知结构的网络模型之前，还包括：通过样本图像对网络模型进行训练，确定出网络模型。该实现中，在通过网络结构确定终端当前的位置信息之前，首先对网络模型进行训练，从而使通过训练后的网络模型所确定的位置信息更加准确。