[发明专利]定位过程中的数据处理方法、装置、电子设备和存储介质

说明书

本发明实施例涉及计算机视觉领域，公开了一种定位过程中的数据处理方法、装置、电子设备和存储介质。本申请的部分实施例中，数据处理方法包括：获取环境当前的图像数据；根据当前的图像数据中的特征点和跟踪地图进行定位，确定第一定位结果；对当前的图像数据进行分割，确定当前的图像数据的第一分割结果；根据第一分割结果、第一定位结果和跟踪地图，从当前的图像数据中的特征点中选择用于二次定位的特征点；根据用于二次定位的特征点和跟踪地图，确定第二定位结果；和/或，获取上一图像数据的分割结果和上一图像数据的定位结果；根据第一定位结果、上一图像数据的定位结果和上一图像数据的分割结果，调整第一分割结果，得到第二分割结果。

技术领域

本发明实施例涉及计算机视觉领域，特别涉及一种定位过程中的数据处理方法、装置、电子设备和存储介质。

背景技术

定位和分割是机器人运动和感应的两项最基本的任务。前者使机器人了解其当前位置和方向，后者有助于感知机器人视野内的感兴趣对象的分布和边界。这两种技术在许多机器人应用中都是必不可少的，例如，自动驾驶、无人驾驶飞行器(Unmanned AerialVehicle，UAV)、机器人巡逻和物流等。

对于定位任务，由于视觉即时定位和建图(visual Simultaneous Localizationand Mapping，vSLAM)技术的硬件和计算成本相对较低，vSLAM技术成为机器人定位中最有前途的定位技术之一。它利用图像序列和一些辅助传感器数据，如深度图、惯性测量单元(Inertial Measurement Unit，IMU)数据等，来创建环境地图并返回当前位置信息。vSLAM技术的一大挑战是机器人所处的环境通常是多变的。

对于分割任务，使用深度神经网络的基于2D图像的语义分割已被证明是有效的，并且已经在许多系统中被广泛使用。它能够输出一系列分段区域及其类别的边界。

然而，发明人在研究现有技术过程中发现，使用vSLAM技术时，建图过程中某些对象的瞬时移动会影响地图的精度。并且，某些对象在建图完成后移动，创建的地图将不再与环境一致，导致后续定位不准确。语义分割时，由于深度学习方法依赖于训练数据，不精确的手动标记和缺乏类似的训练数据通常会导致不准确的分割结果。同时，视频图像中的单帧图像可能出现模糊等问题，这会导致分割结果不准。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本发明实施方式的目的在于提供定位过程中的数据处理方法、装置、电子设备和存储介质，使得定位结果和/或分割结果更为准确。

为解决上述技术问题，本发明的实施方式提供了一种定位过程中的数据处理方法，包括以下步骤：获取环境当前的图像数据；根据当前的图像数据中的特征点和跟踪地图进行定位，确定第一定位结果；对当前的图像数据进行分割，确定当前的图像数据的第一分割结果；根据第一分割结果、第一定位结果和跟踪地图，从当前的图像数据中的特征点中选择用于二次定位的特征点；根据用于二次定位的特征点和跟踪地图，确定第二定位结果；和/或，获取上一图像数据的分割结果和上一图像数据的定位结果；根据第一定位结果、上一图像数据的定位结果和上一图像数据的分割结果，调整第一分割结果，得到第二分割结果。