，则处理进行到步骤S304。在步骤S304，确定不进行增加，从而避免无效操作。另一方面，如果在步骤S303判断为否，S卩:在已有的各特征描述符不存在与待增加的特征描述符相似的特征描述符，则处理进行到步骤S305。在步骤S305，确定进行增加。
[0042]然而，在每个最小空间结点包括的特征描述符存在上限的情况下，还需要进一步确定增加后的特征描述符是否超过该上限。如果超过上限，则需要剔除一部分特征描述符。接下来，将参照图4详细描述该确定处理的第二示例。
[0043]具体来讲，如图4所示，步骤S401?S404与图3中的步骤S301?S304类似。与图3所不同的是，在已经确定已有的各特征描述符不存在与待增加的特征描述符相似的特征描述符的情况下，处理进行到步骤S405。在步骤S405，进一步判断所述特定结点处的特征描述符的数量是否小于第一阈值，即上限值。
[0044]如果在步骤S405判断为是，即，所述特定结点处的特征描述符的数量尚未达到上限，则处理进行到步骤S406。在步骤S406，确定进行增加。
[0045]另一方面，如果在步骤S405判断为否，即，所述特定结点处的特征描述符的数量已经达到上限，则处理进行到步骤S407。在步骤S407，剔除超出上限值的数量的特征描述符。
[0046]这里，可以在所有特征描述符之中，随机地剔除超出上限值的数量的特征描述符。当然，这并非最佳的实施方式。作为更优选的实施方式，在如上文中所述，每个特征描述符具有相应的特征权重的情况下，以待增加的特征描述符替换所述特定结点已有的各特征描述符中特征权重最小的特征描述符，并将新增加的特征描述符的权重设为初始值。
[0047]如上文中所述，详细描述了如何实现了特征库的实时更新的具体过程。接下来，将参照图5描述根据本发明实施例的信息处理设备。根据本发明实施例的信息处理设备用于对特定环境预先创建三维地图，以便于处于所述特定空间环境中的终端设备能够根据所述三维地图确定自己的位置。
[0048]如图5所示，所述信息处理设备500包括:存储单元501、通信单元502、提取单元503、三维位置确定单元504、聚类单元505和控制单元506。
[0049]存储单元501用于存储预先创建的三维地图。
[0050]通信单元502获取由所述终端设备拍摄的一图像。
[0051]提取单元503提取所述图像中的特征点，获得用于表征所述特征点的特征描述符。一般而言，特征点通常选择具有位置特点的点，如顶点或端点。一旦确定了特征点，下一步是对每个特征点提取相应的描述符，以区分不同的特征点和匹配相同的特征点。
[0052]三维位置确定单元504基于所述终端设备的位置和所述图像中的深度信息，获得所述特征点的三维位置。
[0053]聚类单元505确定所述特定空间环境中的最小空间结点，并根据所述三维位置确定单元获得的各特征点的三维位置，确定各特征点所属的最小空间结点以进行聚类，得到最小空间结点内所包含的所有特征描述符。
[0054]控制单元506使得所述存储单元501基于特定数据结构管理各最小空间结点。例如，这里所述的管理可以包括检索、维护、增加、删除等。
[0055]例如，所述特定数据结构可以是树状结构。通过以树状结构管理各最小空间结点，与普通结构相比，能够更快速地检索到期望位置，以提取其中的特征描述符或更新其中的特征描述符，并且能够更加简单地对现有特征库进行扩展。
[0056]更具体来讲，所述树状结构为八叉树结构，并且其中所述特定空间环境的最小外接立方体为所述八叉树结构的根节点，然后把该最小外接立方体分割为八个大小相同的第一子立方体作为所述根节点的八个第一级子节点，然后分别把八个第一子立方体中的每一个分割为八个大小相同的第二子立方体作为所述第一级子节点的八个第二级子节点，重复这样的分割直至最小空间结点为止。
[0057]在基于八叉树的特征库中，每个空间结点处可以包含多个特征描述符。为了适应多样化的空间特征需求，同时控制结构的内存损耗，将每个结点处的特征描述符的数量限制为例如，N。因此，作为更优选的实施方式，所述信息处理设备500可以进一步包括:选择单元507，用于在所述聚类单元505获得的所有特征描述符之中，选择第一阈值数量的特征描述符。
[0058]另外，作为更优选的实施例方式，所述信息处理设备500可以进一步包括:加权单元508，用于针对每一个特征描述符赋予相应的特征权重，用于指示特征描述符的特征强度。例如，初始时加权单元508将所有特征描述符的权重设置为0。如上文中所述，在机器人自定位中，需要将机器人拍摄的图像中的特征点与全局地图的特征库中的特征点进行匹配。如果特征库中的特征点匹配成功的次数越多，则该特征点就证明越有用，因此加权单元508将该特征点的特征权重随着匹配成功次数的增加而增加。或者，加权单元508将区分性强的特征描述符对应的权重设置得较高，即:将与周围点差异大的特征描述符对应的权重设置得较高。此外，由于存在时间越长，则其对应的可靠性越低，从而加权单元508将存在时间越长的特征描述符的特征权重设置得越小。
[0059]为了适应大场景和变化场景的实际情况，该特征库一次构建是远远不够的，还需要不断的更新和扩展。在一次构建的特征库的基础上，可以基于新获得的图像数据来对已有的特征库进行增加和/或删除。具体来讲，在位于所述特定空间环境中的另一位置处的终端设备新近拍摄了一图像。对于该图像，通过提取单元503、三维位置确定单元504和聚类单元505提取特征点并对特征点进行聚类。对于特征点所属的空间结点是否增加该特征点所对应的特征描述符，也就是说，在判断出存在对于特定结点需要增加的特征描述符的情况下，控制单元506需要进行如下确定处理:分别计算待增加的特征描述符与所述特定结点已有的各特征描述符之间的相似度，其中如果相似度大于第二阈值，则认为二者相似。
[0060]如果在已有的各特征描述符存在与待增加的特征描述符相似的特征描述符,则确定不进行增加，从而避免无效操作。另一方面，如果在已有的各特征描述符不存在与待增加的特征描述符相似的特征描述符，则确定进行增加。
[0061]然而，在每个最小空间结点包括的特征描述符存在上限的情况下，控制单元506还需要进一步确定增加后的特征描述符是否超过该上限。如果超过上限，则需要剔除一部分特征描述符。
[0062]具体来讲，在已经确定已有的各特征描述符不存在与待增加的特征描述符相似的特征描述符的情况下，控制单元506进一步判断所述特定结点处的特征描述符的数量是否小于第一阈值，即上限值。
[0063]如果判断为是，S卩，所述特定结点处的特征描述符的数量尚未达到上限，则确定进行增加。
[0064]另一方面，如果判断为否，S卩，所述特定结点处的特征描述符的数量已经达到上限，则需要剔除超出上限值的数量的特征描述符。
[0065]这里，可以在所有特征描述符之中，随机地剔除超出上限值的数量的特征描述符。当然，这并非最佳的实施方式。作为更优选的实施方式，在如上文中所述，每个特征描述符具有相应的特征权重的情况下，以待增加的特征描述符替换所述特定结点已有的各特征描述符中特征权重最小的特征描述符，并将新增加的特征描述符的权重设为初始值。
[0066]由于在信息处理设备500中，各单元所执行的处理与上文中所述的根据本发明实施例的信息处理方法中的各步骤完全对应。因此，为了避免冗余，不再对其细节展开描述。
[0067]迄今为止，已经参照图1到图5详细描述了根据本发明实施例的信息处理方法和信息处理设备。在根据本发明实施例的信息处理方法和信息处理设备中，基于八叉树提出了适用于3D空间特征库管理的数据结构。通过这样的数据结构，能够更加便捷快速地管理和更新