CN114240981B 标记识别方法及装置 （广东虚拟现实科技有限公司）

的多个图像特征点；获取多个图像特征点的种类，基于多个图像特征点以及图像特征点的种2基于预先训练的关键点检测模型，提取所述标记所在的区域基于所述多个图像特征点以及所述图像特征点的种类，对所述标基于与所述标记的标记类型对应的预定义模板，对基于所述多个有序特征点中每个有序特征点的种类，以及所基于所述多个有序特征点中每个有序特征点的种类，获取所述每个根据预设获取规则，从所述多个图像特征点中获取多个关键特征若符合，则执行所述基于与所述标记的标记类型对应的预3若所述目标标记类型为第一标记类型，基于所述目标检测模若所述目标标记类型为第二标记类型，基于所述目标检测模区域对应的图像中的多个第一编码位特征点、多个第二编码位特征点以及非编码位特征9.根据权利要求1-8任一项所述的方法，其特征在于，所述标记所在的区域为目标区区域确定模块，用于基于所述目标数量的角点特征点提取模块，用于基于预先训练的关键点检测模型，提种类获取模块，用于获取所述多个图像特征点的种类，所述标记识别模块，用于基于所述多个图像特征点以及所述图像特征点的4一个或多个处理器执行，所述一个或多个程序配置用于执行第一方面提供的标记识别方介质中存储有程序代码，所述程序代码可被处理器调用执行第一方面提供的标记识别方5[0028]图18是本申请实施例的用于执行根据本申请实施例的标记识别方法的计算机设[0029]图19是本申请实施例的用于保存或者携带实现根据本申请实施例的标记识别方6将结合图1对本申请实施例提供的标记识别方法进行详细阐述。该标记识别方法可以包括[0036]其中，基准标记包括但不限于图2所示的ARToolkitPlus、AugmentedReality测。但是，前述传统的图像处理技术仅能支持较为简单的基准标记，针对如图2中的架可以用于检测上述现有技术中的具有简单外观的基准标记，并且定义更为密集的关键且，DeepTag通用框架采用的自下而上的方式检测标记，基于SingleShotMultibox7含标记的标记图像后，可以通过提取标记图像中的目标数量的角点来确定标记所在的区[0040]由于角点在保留图像图形重要特征的同8为预测数据与真实数据之间的平滑损9和(p是根据c(K)和c(T)计算出的定位。个图像特征点分配对应的编号，即对多个图像特征点进行排序。示例性地，AprilTag、界坐标中的图像特征点在相机坐标系下的坐标信息，以及相机在世界坐标中的坐标信息，面将结合图5对本申请实施例提供的标记识别方法进行详细阐述。该标记识别方法可以包[0110]在本实施例中，可以通过识别引入的用于表征标记的方[0111]请参照图8，图8为本申请再又一实施例提供的一种标记识别方法的流程示意下面将结合图8对本申请实施例提供的标记识别方法进行详细阐述。该标记识别方法可以信息用于提示用户选择待生成的标记的类型，同时选择用于生成该类型标记的局部图案。要的局部图案以及标记类型，进而使得生成的新的标记可以更加符合用户的审美及需求；[0127]请参照图10，图10为本申请又再一实施例提供的一种标记识别方法的流程示意模型，提取所述标记所在的区域对应的图像中的多个第一编码位特征点、多个第二编码位[0142]请参照图17，其中示出了本申请一实施例提供的一种标记识别装置700的结构框[0145]区域确定模块730用于基于所述目标数量的角点，从所述标记图像中确定所述标[0146]特征点提取模块740用于基于预先训练的关键点检测模型，提取所述标记所在的[0147]种类获取模块750用于获取所述多个图像特征点的种类，所述种类的数量是基于[0148]标记识别模块760用于基于所述多个图像特征点以及所述图像特征点的种类，对块可以用于根据所述多个关键特征点中每个关键特征点的局部图案，确定所述标记的方行所述基于与所述标记的标记类型对应的预定义模板，对所述多个图像特征点进行排序，[0154]在该方式下，特征点提取单元可以具体用于若所述目标标记类型为第一标记类并被配置为由一个或多个处理器801执行，一个或多个程序配置用于执行如前述方法实施编程门阵列(Field－ProgrammableGateArray，FPGA)、可编程逻辑阵列(Programmable实现下述各个方法实施例的指令等。存储数据区还可以存储计算机设备800在使用中所创[0170]请参考图19，其示出了本申请实施例提供的一种计算机可读存储介质的结构框算机可读介质(non-transitorycomputer-readablestoragemedium)。计算机可读存储以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。