CN107610157B - 一种无人机目标追踪方法及系统 - Google Patents
一种无人机目标追踪方法及系统 Download PDFInfo
- Publication number
- CN107610157B CN107610157B CN201610545959.2A CN201610545959A CN107610157B CN 107610157 B CN107610157 B CN 107610157B CN 201610545959 A CN201610545959 A CN 201610545959A CN 107610157 B CN107610157 B CN 107610157B
- Authority
- CN
- China
- Prior art keywords
- image sequence
- target
- gray
- depth
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
- Studio Devices (AREA)
Abstract
本发明提供一种无人机目标追踪方法及系统，涉及图像处理技术领域。该方法包括：采用双目摄像装置采集无人机飞行区域内的双目图像序列；将双目图像序列传输至与无人机通信连接的图像显示设备进行图像显示，并接收用户通过图像显示设备选择的运动目标的目标信息；分别获取双目图像序列的灰度图像序列和深度图像序列；利用视觉跟踪算法分别在灰度图像序列和深度图像序列中根据目标信息对运动目标进行跟踪，并对两个跟踪结果进行融合处理，得到运动目标在双目图像序列中的运动轨迹；根据运动目标在双目图像序列中的运动轨迹控制无人机进行目标跟随。本发明提高了无人机目标追踪的鲁棒性，即使在光照变化的情况下也能够精确的追踪到运动目标。
Description
技术领域
本发明属于图像处理技术领域，尤其涉及一种无人机目标追踪方法及系统。
背景技术
近年来，随着自动化技术、计算机视觉技术等科技领域水平的不断提高，无人机在军用、工业和民用领域都得到了快速发展。微型无人机的目标追踪技术作为无人机应用技术的一个重要分支，在国家公共安全领域如防爆反恐、交通监控、抗灾救援等方面具有广泛的应用前景，受到各国学者的极大关注，成为该领域当前最活跃的研究方向之一。
传统的无人机目标追踪技术是基于GPS(Global Positioning System，全球定位系统)定位技术来实现的，即无人机与操作者携带的移动终端通过wifi连接，通过获取操作者携带的移动终端中的GPS信息来达到追随操作者的目的，这种目标追踪方式只能跟踪与无人机建立有无线通信连接的移动终端持有者，并且无法在室内等GPS信号差的环境下使用。为此，最近也有一些无人机采用自身携带的摄像机获取飞行区域的彩色图像或者灰度图像，然后识别追踪对象在RGB图像或灰度图像中的位置，根据识别结果进行视觉追踪，这种目标追踪方式可以追踪飞行区域中的不同运动目标，并且可以在室内等GPS信号差的环境下使用，但是其鲁棒性较差，特别是在光照变化的情况下，容易丢失跟踪目标。
发明内容
本发明实施例的目的在于提供一种无人机目标追踪方法及系统，旨在解决上述现有的基于彩色图像或灰度图像的目标追踪方式鲁棒性较差，特别是在光照变化的情况下，容易丢失跟踪目标的问题。
本发明实施例是这样实现的，一种无人机目标追踪方法，包括：
采用设置在无人机上的双目摄像装置采集监控区域内的双目图像序列；
将所述双目图像序列传输至与所述无人机无线通信连接的图像显示设备进行图像显示，并接收用户通过所述图像显示设备返回的运动目标的目标信息；
分别对所述双目图像序列进行灰度处理和深度处理，以获取所述双目图像序列的灰度图像序列和深度图像序列；
利用视觉跟踪算法分别在所述灰度图像序列和所述深度图像序列中根据所述目标信息对所述运动目标进行跟踪，得到所述运动目标在所述灰度图像序列和所述深度图像序列中的运动轨迹；
对所述运动目标在所述灰度图像序列和所述深度图像序列中的运动轨迹进行融合处理，得到运动目标在所述双目图像序列中的运动轨迹；
根据所述运动目标在所述双目图像序列中的运动轨迹控制所述无人机进行目标跟随。
本发明实施例的另一目的在于提供一种无人机目标追踪系统，包括：
双目摄像装置，所述双目摄像装置用于采集监控区域内的双目图像序列；
通信模块，用于将所述双目图像序列传输至与所述无人机无线通信连接的图像显示设备进行图像显示，并接收用户通过所述图像显示设备返回的运动目标的目标信息；
灰度处理模块，用于对所述双目图像序列进行灰度处理，以获取所述双目图像序列的灰度图像序列；
深度处理模块，用于对所述双目图像序列进行深度处理，以获取所述双目图像序列的深度图像序列；
视觉跟踪处理模块，用于利用视觉跟踪算法分别在所述灰度图像序列和所述深度图像序列中根据所述目标信息对所述运动目标进行跟踪，得到所述运动目标在所述灰度图像序列和所述深度图像序列中的运动轨迹；
融合处理模块，用于对所述运动目标在所述灰度图像序列和所述深度图像序列中的运动轨迹进行融合处理，得到运动目标在所述双目图像序列中的运动轨迹；
飞行控制模块，用于根据所述运动目标在所述双目图像序列中的运动轨迹控制所述无人机进行目标跟随。
实施本发明实施例提供的一种无人机目标追踪方法及系统具有以下有益效果：
本发明实施例由于首先采用设置在无人机上的双目摄像装置采集监控区域内的双目图像序列；将所述双目图像序列传输至与所述无人机无线通信连接的图像显示设备进行图像显示，并接收用户通过所述图像显示设备返回的运动目标的目标信息；然后分别对所述双目图像序列进行灰度处理和深度处理，以获取所述双目图像序列的灰度图像序列和深度图像序列；利用视觉跟踪算法分别在所述灰度图像序列和所述深度图像序列中根据所述目标信息对所述运动目标进行跟踪，得到所述运动目标在所述灰度图像序列和所述深度图像序列中的运动轨迹；对所述运动目标在所述灰度图像序列和所述深度图像序列中的运动轨迹进行融合处理，得到运动目标在所述双目图像序列中的运动轨迹；最后根据所述运动目标在所述双目图像序列中的运动轨迹控制所述无人机进行目标跟随，从而提高了无人机目标追踪的鲁棒性，即使在光照变化的情况下也能够精确的追踪到运动目标，克服了现有的基于彩色图像或灰度图像的目标追踪方式存在的鲁棒性较差，在光照变化的情况下容易丢失跟踪目标的问题。
附图说明
图1是本发明实施例提供的一种无人机目标追踪方法的具体实现流程图；
图2是本发明实施例提供的一种无人机目标追踪方法中步骤S104的具体实现流程图；
图3是本发明实施例提供的一种无人机目标追踪系统的示意性框图；
图4是本发明实施例提供的一种无人机目标追踪系统中视觉跟踪处理模块的示意性框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
图1是本发明实施例提供的一种无人机目标追踪方法的具体实现流程图。参见图1所示，本实施例提供的一种无人机目标追踪方法，包括：
在S101中，采用设置在无人机上的双目摄像装置采集监控区域内的双目图像序列。
在本实施例中，所述双目摄像装置设置在无人机头部，用于采集无人机飞行方向上的视频双目图像序列。
在S102中，将所述双目图像序列传输至与所述无人机无线通信连接的图像显示设备进行图像显示，并接收用户通过所述图像显示设备选择的运动目标的目标信息。
在本实施例中，由图像显示设备接收用户在其显示的图像中选择想要跟踪的运动目标，并将用户选择的运动目标的目标信息以无线通信的方式返回至无人机，使所述无人机根据用户选择的运动目标的目标信息进行目标追踪。其中，所述运动目标的目标信息包括所述运动目标在图像中的坐标及尺寸信息。进一步的，所述图像显示设备包括但不限于手机、Ipad等移动通信终端。
在S103中，分别对所述双目图像序列进行灰度处理和深度处理，以获取所述双目图像序列的灰度图像序列和深度图像序列。
在S104中，利用视觉跟踪算法分别在所述灰度图像序列和所述深度图像序列中根据所述目标信息对所述运动目标进行跟踪，得到所述运动目标在所述灰度图像序列和所述深度图像序列中的运动轨迹。优选的，本实施例中所述视觉根据算法采用KCF(KemelizedCorrelation Filter，核相关滤波器)目标跟踪算法。
图2示出了本实施例中步骤S104的具体实现流程图。参见图2所示，在本实施例中，步骤S104具体包括：
在S201中，利用特征提取算法分别在所述灰度图像序列和所述深度图像序列的第一帧图像中对所述运动目标进行目标特征提取，以得到所述运动目标的灰度模板特征和深度模板特征；优选的，本实施例中所述特征提取算法采用HOG(Histogram Of OrientedGradient)特征提取算法。
在S202中，分别根据所述灰度模板特征和所述深度模板特征检测出运动目标在所述灰度图像序列和所述深度图像序列中每一帧图像上的坐标位置；
在S203中，分别将所述灰度图像序列和所述深度图像序列中连续帧里的运动目标的坐标位置关联起来，得到运动目标在所述灰度图像序列和所述深度图像序列中的运动轨迹。
进一步的，在本实施例中，步骤S202具体包括：
在每一帧灰度图像/深度图像中均在前一帧运动目标所在位置周围预设范围内利用所述灰度模板特征/所述深度模板特征进行特征匹配，以查找所述运动目标在新一帧灰度图像/深度图像中的坐标位置；
每当在新一帧灰度图像/深度图像中检测到运动目标，则利用特征提取算法分别对该帧灰度图像/深度图像中的运动目标进行特征提取，并以加权和的方式将该帧灰度图像/深度图像中的目标特征融入到所述灰度模板特征/所述深度模板特征中。
在S105中，对所述运动目标在所述灰度图像序列和所述深度图像序列中的运动轨迹进行融合处理，得到运动目标在所述双目图像序列中的运动轨迹。
在本实施例中，通过加权和的方式对所述运动目标在所述灰度图像序列和所述深度图像序列中的运动轨迹进行融合处理。例如：若令运动目标在所述灰度图像序列和所述深度图像序列中的运动轨迹分别为F(g)、G(d)，那么两者融合后得到的运动目标在所述双目图像序列中的运动轨迹R＝wF(g)+vG(d)，其中，w、v分别为灰度图像序列和深度图像序列的加权值。
在S106中，根据所述运动目标在所述双目图像序列中的运动轨迹控制所述无人机进行目标跟随。
在本实施例中，当获取到运动目标在所述双目图像序列中的运动轨迹后，即可根据该运动轨迹获取运动目标的运动方向和速度，并控制无人机对其进行追踪。
以上可以看出，本实施例提供的一种无人机目标追踪方法由于同时采用灰度图像序列和深度图像序列对运动目标进行视觉跟踪，并融合两者所得到的视觉跟踪结果，根据融合后的视觉跟踪结果对用户选定的目标进行追踪，从而提高了无人机目标追踪的鲁棒性，即使在光照变化的情况下也能够精确的追踪到运动目标，克服了现有的基于彩色图像或灰度图像的目标追踪方式存在的鲁棒性较差，在光照变化的情况下容易丢失跟踪目标的问题。
图3是本发明实施例提供的一种无人机目标追踪系统的示意性框图，该系统位于本发明实施例所述的无人机中，用于运行图1～图2所示实施例提供的方法。为了便于说明仅仅示出了与本实施例相关的部分。
参见图3所示，本实施例提供的一种无人机目标追踪系统，包括：
双目摄像装置2，所述双目摄像装置用于采集监控区域内的双目图像序列；
通信模块2，用于将所述双目图像序列传输至与所述无人机无线通信连接的图像显示设备进行图像显示，并接收用户通过所述图像显示设备选择的的运动目标的目标信息；
灰度处理模块3，用于对所述双目图像序列进行灰度处理，以获取所述双目图像序列的灰度图像序列；
深度处理模块4，用于对所述双目图像序列进行深度处理，以获取所述双目图像序列的深度图像序列；
视觉跟踪处理模块5，用于利用视觉跟踪算法分别在所述灰度图像序列和所述深度图像序列中根据所述目标信息对所述运动目标进行跟踪，得到所述运动目标在所述灰度图像序列和所述深度图像序列中的运动轨迹；
融合处理模块6，用于对所述运动目标在所述灰度图像序列和所述深度图像序列中的运动轨迹进行融合处理，得到运动目标在所述双目图像序列中的运动轨迹；
飞行控制模块7，用于根据所述运动目标在所述双目图像序列中的运动轨迹控制所述无人机进行目标跟随。
可选的，所述视觉跟踪算法为KCF目标跟踪算法。
可选的，参见图4所示，在本实施例中，所述视觉跟踪处理模块5具体包括：
特征提取单元51，用于利用特征提取算法分别在所述灰度图像序列和所述深度图像序列的第一帧图像中对所述运动目标进行目标特征提取，以得到所述运动目标的灰度模板特征和深度模板特征；优选的，本实施例中所述特征提取算法采用HOG(Histogram OfOriented Gradient)特征提取算法；
坐标位置检测单元52，用于分别根据所述灰度模板特征和所述深度模板特征检测出运动目标在所述灰度图像序列和所述深度图像序列中每一帧图像上的坐标位置；
运动轨迹生成单元53，用于分别将所述灰度图像序列和所述深度图像序列中连续帧里的运动目标的坐标位置关联起来，得到运动目标在所述灰度图像序列和所述深度图像序列中的运动轨迹。
可选的，所述坐标位置检测单元52具体用于：
在每一帧灰度图像/深度图像中均在前一帧运动目标所在位置周围预设范围内利用所述灰度模板特征/所述深度模板特征进行特征匹配，以查找所述运动目标在新一帧灰度图像/深度图像中的坐标位置；
每当在新一帧灰度图像/深度图像中检测到运动目标时，则控制特征提取单元51利用特征提取算法分别对该帧灰度图像/深度图像中的运动目标进行一次特征提取，并以加权和的方式将该帧灰度图像/深度图像中的目标特征融入到所述灰度模板特征/所述深度模板特征中。
可选的，所述融合处理模块6具体用于：
以加权和的方式对所述运动目标在所述灰度图像序列和所述深度图像序列中的运动轨迹进行融合处理，得到运动目标在所述双目图像序列中的运动轨迹。
需要说明的是，本发明实施例提供的上述系统中各个模块，由于与本发明方法实施例基于同一构思，其带来的技术效果与本发明方法实施例相同，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。
因此，可以看出，本实施例提供的一种无人机目标追踪系统同样由于同时采用灰度图像序列和深度图像序列对运动目标进行视觉跟踪，并融合两者所得到的视觉跟踪结果，根据融合后的视觉跟踪结果对用户选定的目标进行追踪，从而提高了无人机目标追踪的鲁棒性，即使在光照变化的情况下也能够精确的追踪到运动目标，克服了现有的基于彩色图像或灰度图像的目标追踪方式存在的鲁棒性较差，在光照变化的情况下容易丢失跟踪目标的问题。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种无人机目标追踪方法，其特征在于，包括：
采用设置在无人机上的双目摄像装置采集监控区域内的双目图像序列；
将所述双目图像序列传输至与所述无人机无线通信连接的图像显示设备进行图像显示，并接收用户通过所述图像显示设备选择的运动目标的目标信息；
分别对所述双目图像序列进行灰度处理和深度处理，以获取所述双目图像序列的灰度图像序列和深度图像序列；
利用视觉跟踪算法分别在所述灰度图像序列和所述深度图像序列中根据所述目标信息对所述运动目标进行跟踪，得到所述运动目标在所述灰度图像序列和所述深度图像序列中的运动轨迹，所述利用视觉跟踪算法分别在所述灰度图像序列和所述深度图像序列中根据所述目标信息对所述运动目标进行跟踪，得到所述运动目标在所述灰度图像序列和所述深度图像序列中的运动轨迹具体包括：利用特征提取算法分别在所述灰度图像序列和所述深度图像序列的第一帧图像中对所述运动目标进行目标特征提取，以得到所述运动目标的灰度模板特征和深度模板特征，分别根据所述灰度模板特征和所述深度模板特征检测出运动目标在所述灰度图像序列和所述深度图像序列中每一帧图像上的坐标位置，分别将所述灰度图像序列和所述深度图像序列中连续帧里的运动目标的坐标位置关联起来，得到运动目标在所述灰度图像序列和所述深度图像序列中的运动轨迹；
对所述运动目标在所述灰度图像序列和所述深度图像序列中的运动轨迹进行融合处理，得到运动目标在所述双目图像序列中的运动轨迹；
根据所述运动目标在所述双目图像序列中的运动轨迹获取所述运动目标的运动方向和速度，以控制所述无人机进行目标跟随。
2.如权利要求1所述的无人机目标追踪方法，其特征在于，所述分别根据所述灰度模板特征和所述深度模板特征检测出运动目标在所述灰度图像序列和所述深度图像序列中每一帧图像上的坐标位置具体包括：
在每一帧灰度图像/深度图像中均在前一帧运动目标所在位置周围预设范围内利用所述灰度模板特征/所述深度模板特征进行特征匹配，以查找所述运动目标在新一帧灰度图像/深度图像中的坐标位置；
每当在新一帧灰度图像/深度图像中检测到运动目标，则利用特征提取算法对该帧灰度图像/深度图像中的运动目标进行特征提取，并以加权和的方式将该帧灰度图像/深度图像中的目标特征融入到所述灰度模板特征/所述深度模板特征中。
3.如权利要求1所述的无人机目标追踪方法，其特征在于，所述对所述运动目标在所述灰度图像序列和所述深度图像序列中的运动轨迹进行融合处理，得到运动目标在所述双目图像序列中的运动轨迹具体包括：
以加权和的方式对所述运动目标在所述灰度图像序列和所述深度图像序列中的运动轨迹进行融合处理，得到运动目标在所述双目图像序列中的运动轨迹。
4.一种无人机目标追踪系统，其特征在于，包括：
双目摄像装置，所述双目摄像装置用于采集监控区域内的双目图像序列；
通信模块，用于将所述双目图像序列传输至与所述无人机无线通信连接的图像显示设备进行图像显示，并接收用户通过所述图像显示设备选择的运动目标的目标信息；
灰度处理模块，用于对所述双目图像序列进行灰度处理，以获取所述双目图像序列的灰度图像序列；
深度处理模块，用于对所述双目图像序列进行深度处理，以获取所述双目图像序列的深度图像序列；
视觉跟踪处理模块，用于利用视觉跟踪算法分别在所述灰度图像序列和所述深度图像序列中根据所述目标信息对所述运动目标进行跟踪，得到所述运动目标在所述灰度图像序列和所述深度图像序列中的运动轨迹，所述视觉跟踪处理模块具体包括：特征提取单元、坐标位置检测单元以及运动轨迹生成单元，所述特征提取单元，用于利用特征提取算法分别在所述灰度图像序列和所述深度图像序列的第一帧图像中对所述运动目标进行目标特征提取，以得到所述运动目标的灰度模板特征和深度模板特征，所述坐标位置检测单元，用于分别根据所述灰度模板特征和所述深度模板特征检测出运动目标在所述灰度图像序列和所述深度图像序列中每一帧图像上的坐标位置，所述运动轨迹生成单元，用于分别将所述灰度图像序列和所述深度图像序列中连续帧里的运动目标的坐标位置关联起来，得到运动目标在所述灰度图像序列和所述深度图像序列中的运动轨迹；
融合处理模块，用于对所述运动目标在所述灰度图像序列和所述深度图像序列中的运动轨迹进行融合处理，得到运动目标在所述双目图像序列中的运动轨迹；
飞行控制模块，用于根据所述运动目标在所述双目图像序列中的运动轨迹获取所述运动目标的运动方向和速度，以控制所述无人机进行目标跟随。
5.如权利要求4所述的无人机目标追踪系统，其特征在于，所述坐标位置检测单元具体用于：
在每一帧灰度图像/深度图像中均在前一帧运动目标所在位置周围预设范围内利用所述灰度模板特征/所述深度模板特征进行特征匹配，以查找所述运动目标在新一帧灰度图像/深度图像中的坐标位置；
每当在新一帧灰度图像/深度图像中检测到运动目标时，则控制特征提取单元利用特征提取算法分别对该帧灰度图像/深度图像中的运动目标进行特征提取，并以加权和的方式将该帧灰度图像/深度图像中的目标特征融入到所述灰度模板特征/所述深度模板特征中。
6.如权利要求4所述的无人机目标追踪系统，其特征在于，所述融合处理模块具体用于：
以加权和的方式对所述运动目标在所述灰度图像序列和所述深度图像序列中的运动轨迹进行融合处理，得到运动目标在所述双目图像序列中的运动轨迹。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610545959.2A CN107610157B (zh) | 2016-07-12 | 2016-07-12 | 一种无人机目标追踪方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610545959.2A CN107610157B (zh) | 2016-07-12 | 2016-07-12 | 一种无人机目标追踪方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107610157A CN107610157A (zh) | 2018-01-19 |
| CN107610157B true CN107610157B (zh) | 2020-10-09 |
Family
ID=61054993
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610545959.2A Active CN107610157B (zh) | 2016-07-12 | 2016-07-12 | 一种无人机目标追踪方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107610157B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110637268A (zh) * | 2018-01-23 | 2019-12-31 | 深圳市大疆创新科技有限公司 | 目标检测方法、装置和可移动平台 |
| CN108616679A (zh) * | 2018-04-09 | 2018-10-02 | 沈阳上博智像科技有限公司 | 双目摄像机和控制双目摄像机的方法 |
| CN108762310A (zh) * | 2018-05-23 | 2018-11-06 | 深圳市乐为创新科技有限公司 | 一种基于视觉的无人机跟随飞行的控制方法及系统 |
| CN109407697A (zh) * | 2018-09-20 | 2019-03-01 | 北京机械设备研究所 | 一种基于双目视觉测距的无人机跟踪运动目标系统及方法 |
| CN112907492B (zh) * | 2019-12-03 | 2024-08-02 | 顺丰科技有限公司 | 物体运动轨迹的生成方法及生成系统 |
| CN111145217A (zh) * | 2019-12-27 | 2020-05-12 | 湖南华诺星空电子技术有限公司 | 一种基于kcf的无人机跟踪方法 |
| CN113776540B (zh) * | 2021-11-09 | 2022-03-22 | 北京艾克利特光电科技有限公司 | 基于视觉导航定位的车载系留无人机实时跟踪移动车辆的控制方法 |
| CN116839591B (zh) * | 2023-07-12 | 2024-05-28 | 哈尔滨天枢问道技术有限公司 | 一种轨迹跟踪定位滤波系统及救援无人机的融合导航方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103679742A (zh) * | 2012-09-06 | 2014-03-26 | 株式会社理光 | 对象跟踪方法和装置 |
| CN104424634A (zh) * | 2013-08-23 | 2015-03-18 | 株式会社理光 | 对象跟踪方法和装置 |
| CN104794733A (zh) * | 2014-01-20 | 2015-07-22 | 株式会社理光 | 对象跟踪方法和装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9600739B2 (en) * | 2014-09-10 | 2017-03-21 | Khalifa University of Science, Technology & Research | Architecture for real-time extraction of extended maximally stable extremal regions (X-MSERs) |
-
2016
- 2016-07-12 CN CN201610545959.2A patent/CN107610157B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103679742A (zh) * | 2012-09-06 | 2014-03-26 | 株式会社理光 | 对象跟踪方法和装置 |
| CN104424634A (zh) * | 2013-08-23 | 2015-03-18 | 株式会社理光 | 对象跟踪方法和装置 |
| CN104794733A (zh) * | 2014-01-20 | 2015-07-22 | 株式会社理光 | 对象跟踪方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107610157A (zh) | 2018-01-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107610157B (zh) | 一种无人机目标追踪方法及系统 | |
| US11604076B2 (en) | Vision augmented navigation | |
| CN104820998B (zh) | 一种基于无人机动平台的人体检测与跟踪方法及装置 | |
| CN102737236B (zh) | 一种基于多模态传感器数据自动获取车辆训练样本方法 | |
| CN107665506B (zh) | 实现增强现实的方法及系统 | |
| CN103901895B (zh) | 一种基于无极FastSLAM算法和匹配优化目标定位方法及机器人 | |
| CN107665505B (zh) | 基于平面检测实现增强现实的方法及装置 | |
| CN109407697A (zh) | 一种基于双目视觉测距的无人机跟踪运动目标系统及方法 | |
| JP2019533209A (ja) | 運転者監視のためのシステム及び方法 | |
| SE541962C2 (en) | Method and apparatus for detecting vehicle contour based on point cloud data | |
| US20170206666A1 (en) | Information processing apparatus, information processing method, and program | |
| KR20150082379A (ko) | 단안 시각 slam 을 위한 고속 초기화 | |
| CN110553648A (zh) | 一种用于室内导航的方法和系统 | |
| CN107665508B (zh) | 实现增强现实的方法及系统 | |
| CN107665507B (zh) | 基于平面检测实现增强现实的方法及装置 | |
| CN103162682A (zh) | 基于混合现实的室内路径导航方法 | |
| CN103886107A (zh) | 基于天花板图像信息的机器人定位与地图构建系统 | |
| CN108106613B (zh) | 基于视觉辅助的定位方法与系统 | |
| CN113910224A (zh) | 机器人跟随的方法、装置及电子设备 | |
| Islam et al. | MVS‐SLAM: Enhanced multiview geometry for improved semantic RGBD SLAM in dynamic environment | |
| CN108881846B (zh) | 信息融合方法、装置及计算机可读存储介质 | |
| KR20150031530A (ko) | 무인 항공 감시 장치를 이용한 영상 감시 방법 및 장치 | |
| CN103903253A (zh) | 一种可移动终端定位方法及系统 | |
| Lin et al. | Biologically inspired composite vision system for multiple depth-of-field vehicle tracking and speed detection | |
| Andalibi et al. | Automatic glare detection via photometric, geometric, and global positioning information |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |