[发明专利]基于AR的场景导览方法、AR眼镜、电子装置和存储介质在审

专利信息
申请号: 202110678511.9 申请日: 2021-06-18
公开(公告)号: CN113409470A 公开(公告)日: 2021-09-17
发明(设计)人: 施展;王森 申请(专利权)人: 杭州灵伴科技有限公司
主分类号: G06T19/00 分类号: G06T19/00;G06T7/73;G06K9/46;G06K9/62;G06N3/04;G06N3/08
代理公司: 杭州华进联浙知识产权代理有限公司 33250 代理人: 金无量
地址: 311100 浙江省杭州市余杭区*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 ar 场景 方法 眼镜 电子 装置 存储 介质
【权利要求书】:

1.一种基于AR的场景导览方法,其特征在于,包括:

获取用户视野所及的空间区域的实时图像,对所述实时图像进行目标识别处理,得到所述实时图像中的展品图像;

对所述展品图像进行特征提取处理,得到所述展品图像的全局特征描述符和特征点描述符;

获取待检索图像的全局特征描述符,根据所述展品图像和所述待检索图像的全局特征描述符,从所述待检索图像中确定与所述展品图像匹配的至少一张相似图像;获取所述相似图像的特征点描述符,根据所述展品图像和所述待检索图像的特征点描述符,得到匹配特征点对,并从所述相似图像中确定匹配特征点对数目最多的第一相似图像;

获取所述匹配特征点对中的特征点在所述展品图像上的位置信息,根据所述位置信息,确定用户相对于所述展品图像的空间位姿;根据所述空间位姿获取对应于所述第一相似图像的虚拟信息,并将所述虚拟信息叠加显示于用户视野所及的空间区域。

2.根据权利要求1所述的基于AR的场景导览方法,其特征在于,所述虚拟信息包括用户视野所及的当前展品在展厅中的坐标。

3.根据权利要求1或2所述的基于AR的场景导览方法,其特征在于,所述虚拟信息包括从当前展品指向下一个展品的预设导览信息。

4.根据权利要求1所述的基于AR的场景导览方法,其特征在于,对所述展品图像进行特征提取处理,得到所述展品图像的全局特征描述符和特征点描述符包括:

采用预训练的卷积神经网络对所述展品图像进行特征提取处理,其中,所述预训练的卷积神经网络包括第一网络和第二网络,所述第一网络的隐藏层与所述第二网络的输入端连接;

采用预训练的卷积神经网络对所述展品图像进行特征提取处理包括:

将所述展品图像输入至所述第一网络进行特征提取处理,输出浅层特征和所述全局特征描述符;

将所述浅层特征输入至所述第二网络进行特征提取处理,输出所述特征点描述符。

5.根据权利要求4所述的基于AR的场景导览方法,其特征在于,将所述浅层特征输入至所述第二网络进行特征提取处理,输出所述特征点描述符包括:

将所述浅层特征输入至所述第二网络进行特征提取处理,得到所述第二网络中最后一个卷积层输出的特征图;

将所述特征图进行归一化处理,得到特征点响应得分图;

确定所述特征点响应得分图中大于预设阈值的特征点,并输出所述特征点的特征点描述符。

6.根据权利要求4所述的基于AR的场景导览方法,其特征在于,所述浅层特征包括所述展品图像的线条信息和/或边缘信息;所述全局特征描述符包括所述展品图像的整体结构信息;所述特征点描述符包括所述展品图像的局部结构信息。

7.根据权利要求4所述的基于AR的场景导览方法,其特征在于,训练所述卷积神经网络的方法包括:

训练所述第一网络,得到所述第一网络的网络权重;

根据所述第一网络的网络权重,训练所述第二网络。

8.一种AR眼镜,其特征在于,包括:摄像头、显示屏和处理单元,所述处理单元与所述摄像头、所述显示屏连接;其中,

所述摄像头用于拍摄实时图像;

所述处理单元用于执行权利要求1至7中任一项所述的基于AR的场景导览方法;

所述显示屏用于播放所述处理单元生成的虚拟信息。

9.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至7中任一项所述的基于AR的场景导览方法。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于AR的场景导览方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州灵伴科技有限公司,未经杭州灵伴科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110678511.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top