CN107990940A - 一种基于立体视觉测量技术的运动物体追踪方法 - Google Patents

一种基于立体视觉测量技术的运动物体追踪方法 Download PDF

Info

Publication number
CN107990940A
CN107990940A CN201711384784.2A CN201711384784A CN107990940A CN 107990940 A CN107990940 A CN 107990940A CN 201711384784 A CN201711384784 A CN 201711384784A CN 107990940 A CN107990940 A CN 107990940A
Authority
CN
China
Prior art keywords
measuring station
moving object
coordinate system
measuring
target
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.)
Granted
Application number
CN201711384784.2A
Other languages
English (en)
Other versions
CN107990940B (zh
Inventor
李中伟
钟凯
陈然
吴咏辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
WUHAN POWER3D TECHNOLOGY Ltd
Original Assignee
WUHAN POWER3D TECHNOLOGY Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by WUHAN POWER3D TECHNOLOGY Ltd filed Critical WUHAN POWER3D TECHNOLOGY Ltd
Priority to CN201711384784.2A priority Critical patent/CN107990940B/zh
Publication of CN107990940A publication Critical patent/CN107990940A/zh
Application granted granted Critical
Publication of CN107990940B publication Critical patent/CN107990940B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04—Interpretation of pictures
    • G01C11/06—Interpretation of pictures by comparison of two or more pictures of the same area
    • G01C11/12—Interpretation of pictures by comparison of two or more pictures of the same area the pictures being supported in the same relative position as when they were taken
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G06T7/85—Stereo camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G06T2207/10021—Stereoscopic video; Stereoscopic image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于立体视觉测量技术的运动物体追踪方法，包括，配置测量站系统，所述测量站系统包括多个测量站；对大视场范围内的测量站系统进行标定；利用经过标定的测量站系统中的测量站获取关联立体标靶的位置，计算获取每个测量站所在坐标系与光电跟踪仪所在世界坐标系之间的转换关系；利用被追踪的运动物体在各个测量站坐标系下的三维数据，将不同测量站追踪的运动物体的三维数据转换到世界坐标系下。本发明技术方案的方法，针对现有技术无法满足大视场范围长轨迹运动物体的追踪过程需求的情况，采用一种高精度、柔性强的大视场双目立体视觉系统标定方法，实现对大范围长轨迹运动物体的精确追踪，保证较高的测量精度。

Description

一种基于立体视觉测量技术的运动物体追踪方法
技术领域
本发明属于立体视觉测量技术领域，具体涉及一种基于立体视觉测量技术的运动物体追踪方法。
背景技术
近年来计算机视觉已成为计算机领域的研究热点，而作为计算机视觉重要组成部分的运动物体跟踪也越来越受到人们的重视，其应用领域已经扩展到视频监控系统，车辆跟踪，异常行为检测与报警，图像压缩及编码技术等。运动物体跟踪方法主要包括卡尔曼滤波，Mean-shift，Camshift算法，粒子滤波器，Snake模型等。运动物体跟踪已经逐渐应用到我们的实际生活中，是推动智能化进程的关键技术之一。
运动物体追踪方法是一种用于准确追踪运动物体在三维空间运动状况的方法，这种方法可以用来分析运动物体的运动轨迹、运动速度、加速度、姿态等运动属性，在科学研究、汽车工业、航天航空等领域有着广泛的应用，是近年来国内外研究的热门方向。基于立体视觉测量技术的运动物体追踪方法以其高精度、非接触、高效率等优点在运动物体追踪方向发挥着越来越重要的作用。现有技术中，基于立体视觉测量技术的运动物体追踪方法中，通常是采用两个相同规格的相机构成一组双目视觉系统。这两个相同的相机采集运动物体的图像，再通过图像处理、对应点匹配以及三维重构获取物体的运动参数，实现对运动物体的追踪。实践中，在运动物体检测问题上，一般采用背景更新模型对运动的象素点进行查找，并按照距离远近对运动点进行合并，以查找到运动块。
实际上，针对大视场范围长轨迹运动物体的追踪过程利用基于立体视觉测量技术的运动物体追踪方法往往存在很多缺陷。具体来说，由于视场范围较大，在进行相机标定时，标定精度会受标靶制造精度的影响，测量系统参数的标定精度很难提升，从而导致较大的测量误差。此外，由于追踪的物体运动轨迹较长，单独使用一组双目视觉系统肯定是无法完成对运动物体的追踪，所以需要使用多组双目视觉系统追踪运动物体，这样才能保证能够追踪到物体运动的全过程；但是，使用多组双目视觉系统进行运动物体追踪时，其协同追踪的精度低，无法满足测量要求。目前，还没有对大范围长轨迹运动物体进行追踪的成熟方法。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种基于立体视觉测量技术的运动物体追踪方法。本发明技术方案的方法，针对现有技术无法满足大视场范围长轨迹运动物体的追踪过程需求的情况，针对大范围运动物体追踪，采用一种高精度、柔性强的大视场双目立体视觉系统标定方法，实现对大范围长轨迹运动物体的精确追踪，保证较高的测量精度。
为实现上述目的，按照本发明的一个方面，提供了一种基于立体视觉测量技术的运动物体追踪方法，其特征在于，包括，
S1配置测量站系统，所述测量站系统包括多个测量站；每个测量站可单独追踪运动物体在该测量站视场范围内的轨迹；
S2分别获取每个测量站中相机的内部参数和外部参数，对大视场范围内的测量站系统进行标定，保证每组测量站测量结果的精确度；
S3利用经过标定的测量站系统中的测量站获取关联立体标靶的位置，同时使用光电跟踪仪对关联立体标靶进行跟踪，计算获取每个测量站所在坐标系与光电跟踪仪所在世界坐标系之间的转换关系；
S4控制测量站系统中的测量站按照一定时序对运动物体进行图像采集，利用每个测量站采集的图像获取被追踪的运动物体在各个测量站坐标系下的三维数据，根据所述转换关系将不同测量站追踪的运动物体的三维数据转换到世界坐标系下，完成对大范围长轨迹运动物体的追踪。
作为本发明技术方案的一个优选，步骤S2包括，
S21将设有编码标识点的标靶放入测量站系统的测量场景中，利用测量站系统拍摄标靶不同姿态下的多组图像；
S22根据标靶上编码标识点的位置信息，确定标靶不同姿态下的视图对应关系，获得每个测量站中相机的初始姿态和/或该测量站坐标系下标靶的初始三维坐标；
S23根据逆向投影误差最小的目标函数，采用非线性最小二乘优化获取相机的内部参数、外部参数和/或标志点的三维坐标。
作为本发明技术方案的一个优选，步骤S23包括，
S231根据多姿态下逆向投影误差最小的目标函数，采用非线性最小二乘优化获取相机的内部参数和标志点的三维坐标；
S232根据基于双相机逆向投影误差最小的目标函数优化得到相机的外部参数。
作为本发明技术方案的一个优选，步骤S3包括，
S31利用测量站系统中的任意测量站拍摄关联立体标靶在不同姿态下的图像，同时采用光电跟踪仪对关联立体标靶进行跟踪；
S32根据步骤S31中的图像，获取关联立体标靶上的点在当前测量站坐标系下的相机拍摄所得坐标；利用光电跟踪仪测量该点在世界坐标系下对应的坐标；
S33将步骤S32的坐标代入关联立体标靶在世界坐标系下位置变化的转换矩阵和/或关联立体标靶在当前测量站坐标系下位置变化的转换矩阵，获取当前测量站坐标系与世界坐标系之间的转换矩阵。
作为本发明技术方案的一个优选，步骤S5包括，
S51对任意一个测量站采集到的图像进行处理，获取运动物体特征在当前测量站相机拍摄所获得图像的坐标系下的像素坐标；
S52根据双目视觉测量中的极线几何关系和像素坐标，将当前测量站中的相机采集图像的对应特征进行匹配，获取被追踪物体在当前测量站坐标系下的坐标；
S53根据被追踪物体在当前测量站坐标系下的坐标，采用三维重构算法获取运动物体特征在当前测量站坐标系下的坐标。
作为本发明技术方案的一个优选，测量站系统还包括时序控制器，所述时序触发控制器分别与每个测量站相连接，用于根据测量站之间的时序关系触发测量站中的相机对被追踪的运动物体进行图像采集。
作为本发明技术方案的一个优选，步骤S21中至少拍摄标靶三个姿态下的多组图像。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：
1)本发明技术方案的方法，针对大范围长轨迹运动物体追踪问题，采用了多个相同规格的相机，将相机两两搭配组成多个测量站系统(双目视觉系统)来进行长轨迹运动物体图像采集，利用大视场标靶完成系统标定，确保动态物体在大范围长轨迹运动过程中能够被采集到完整的有效的图像。
2)本发明技术方案的方法，在系统大视场范围标定过程中，采用了一种高精度、柔性强的大视场双目立体视觉系统标定方法，无需提前知道标靶上标志点的三维坐标，即可对运动物体进行标定，从而使得标定精度不必依赖于标靶的制造精度，保证了标定结果的精度。
3)本发明技术方案的方法，利用高精密的光电跟踪仪和关联立体标靶将测量站的坐标系转换到光电跟踪仪建立的世界坐标系下，然后将各个测量站计算的三维数据转换到世界坐标系下，以实现对大范围长轨迹运动物体的精确追踪，保证较高的测量精度。
附图说明
图1是本发明技术方案实施例中的基于立体视觉测量技术的运动物体追踪方法的流程示意图；
图2是本发明技术方案实施例中单测量站与光电跟踪仪的测量结构示意图；
图3是本发明技术方案实施例中运动物体追踪方法测量系统的图像采集示意图。
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。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。下面结合具体实施方式对本发明进一步详细说明。
如图1所示，本发明技术方案提供的基于立体视觉测量技术的大范围长轨迹运动物体追踪方法，包括下述步骤：
步骤1、配置测量站系统，其中包括N组测量站，每组测量站都包括两个相同的相机；每组测量站都可以单独追踪到该测量站视场范围内的运动物体轨迹。具体来说，该测量站系统还包括时序触发控制器、光电跟踪仪、关联立体标靶、大视场标靶及计算机，所述时序触发控制器分别连接各测量站，其用于根据各测量站之间的时序关系触发测量站中相机进行图像采集；所述光电跟踪仪用于建立世界坐标系；所述关联立体标靶用于实现测量站坐标系到世界坐标系的转换；所述大视场标靶用于完成各测量站中相机参数标定；所述计算机用于进行系统标定、图像处理、对应点匹配及三维重构。
步骤2、在配置好的多组测量站系统中，采用双目立体视觉系统标定方法分别获取每组测量站中相机的内部参数和外部参数，完成各测量站系统在大视场范围内的标定过程，以保证每组测量站测量结果的精确度。本实施例中，优选通过大视场标靶完成在大视场范围要求下的各测量站中相机参数标定。进一步的，为了获得更好的标定结果，本实施例中采用一种高精度、柔性强的大视场双目立体视觉系统标定方法来对上述步骤2中每组测量站中的相机进行标定。其包括下列子步骤：
子步骤1：在测量场景中的刚性体上任意粘贴若干编码标志点，保证标志点的分布与测量视场匹配，以此组成大视场标靶；将大视场标靶相对测量站至少摆放三个姿态，使用测量站对每个姿态拍摄多组图像；
子步骤2：根据标靶上编码标志点的信息，建立各姿态下的视图对应关系，并采用运动恢复结构的方法计算相机的初始姿态和标靶的初始三维坐标；
子步骤3：创建多姿态下逆向投影误差最小的目标函数，采用非线性最小二乘优化获取精确的相机内部参数和标志点的三维坐标；建立基于双相机逆向投影误差最小的目标函数优化得到精确的相机外部参数。
步骤3、利用标定好的多组测量站系统拍摄关联立体标靶，同时使用光电跟踪仪跟踪关联立体标靶。根据多组测量站系统和光电跟踪仪的测量结果，建立单个测量站坐标系与光电跟踪仪对应的世界坐标系的转换关系，进而获得各测量站坐标系与世界坐标系的转换关系，以完成测量站系统与光电跟踪仪的全局关联。也就是说，针对每组测量站，确定该测量站所在的坐标系与光电跟踪仪所在世界坐标系的转换关系，或者说，确定每组测量站在光电跟踪仪所在世界坐标系中的坐标。本实施例中，关联立体标靶作为已知参照物，用于实现测量站坐标系到世界坐标系的转换。每组测量站的坐标系与光电跟踪仪所在的世界坐标系的转换关系中，本实施例中优选利用运动物体的几何对应关系获得坐标系转换关系，进而实现测量站系统的全局关联。本实施例中，利用光电跟踪仪、多组测量站系统(包括N组测量站)以及关联立体标靶实现多组测量站系统的全局关联过程，还包括下列子步骤：
子步骤4：如图2所示，利用第i个(i＝1，2，3，…，N)测量站32拍摄两幅不同姿态下的关联立体标靶图像，同时启动光电跟踪仪31跟踪关联立体标靶。关联立体标靶由位置1到位置2，则位置1中的标识点12变换到了位置2中的标识点22处，位置1中的标志点11变换到位置2中的标识点21处，同时关联立体标靶在位置1的面13变换到了位置2的面23处。
子步骤5：子步骤4中关联立体标靶上某一关键点在第i个测量站坐标系下的两个相机拍摄到的坐标分别为同时，利用光电跟踪仪测量该关键点在世界坐标系下的坐标分别为
子步骤6：设定关联立体标靶在世界坐标系下由位置1到位置2的转换矩阵为Ai，在第i个测量站坐标系下的转换矩阵为Bi，则根据换矩阵为Ai和转换矩阵为Bi，即可获得第i个测量站坐标系到世界坐标系下的转换矩阵Xi。具体来说：由数学几何对应关系可知，存在如下公式：
分别联立(1)、(3)和(2)、(4)可知
根据(5)、(6)两式可知AiXi＝XiBi。其中，转换矩阵Ai可以通过光电跟踪仪追踪关联立体标靶上的靶球在世界坐标系下位置1、2的坐标进行求解，转换矩阵Bi可以通过关联立体标靶上关键点在第i个测量站坐标系下位置1、2的坐标进行求解，从而最终计算出转换矩阵Xi，确定第i个测量站坐标系与世界坐标系的转换关系。当全部测量站坐标系与世界坐标系的转换关系计算完成后，即可完成测量站系统的全局关联。
步骤4、利用全局关联好的测量站系统按照一定时序顺序对运动物体进行图像采集，并将采集到的图像进行实时保存。当物体运动时，其会出现在不同的空间位置，因此可以按照其在空间中运动的轨迹、出现在不同位置的时间，对运动物体进行图像采集，并将图像保存下来，以供后续步骤对运动物体进行追踪。本实施例中，多组测量站系统中还设有时序触发控制器；时序触发控制器分别连接各测量站，以根据各测量站之间的时序关系触发测量站中相机进行图像采集。进一步地，这些时序触发控制器根据实际测量的物体需要，设置有相应的时序触发信号，以确保每个测量站能够完整的采集到自身测量范围内的有效图像，并完整的保存所采集到的图像。如图3所示。
步骤5、利用各测量站采集的图像分别计算出被追踪的运动物体在每组测量站坐标系下的三维数据，根据各测量站坐标系到世界坐标系的转换关系将单测量站追踪的运动物体的三维数据转换到世界坐标系下，汇总多组测量站系统测量所得的全部三维数据在世界坐标系中的位置，完成对大范围长轨迹运动物体的追踪。其中，计算各个测量站追踪运动物体的三维数据的具体过程包括：
子步骤7：计算运动物体特征在图像坐标系下的像素坐标；每个测量站中包括两个相机，每个相机采集到的运动物体图像有所区别，运动物体的特征在每个图像中的像素坐标也有所差别。每个测量站具有一个坐标系，测量站中不同相机拍摄的图片各自也具有自己的图像坐标系。
子步骤8：根据双目视觉测量中的极线几何关系，以及运动物体特征在每个图像中的像素坐标，将每个测量站中的左右相机采集图像的对应特征进行匹配，获得运动物体特征在测量站坐标系下的坐标。也就是说，运动物体的同一特征在测量站的不同相机拍摄的图像中具有不同的像素坐标，这些不同的像素坐标对应着运动物体的同一特征。通过匹配，可以确定运动物体特征在当前测量站坐标系下的坐标。
子步骤9：采用三维重构算法计算出运动物体特征在测量站坐标系下的坐标。根据前述步骤中获得的测量站坐标系与世界坐标系之间的转换关系，结合运动物体特征在当前测量站坐标系下的坐标，可以获取运动物体特征在世界坐标系中的运动轨迹。
本实施例中，优选根据如下公式将各个测量站计算数据转换到世界坐标系下：
其中，为运动物体在第i个测量站坐标系下的三维点坐标，Xi为第i个测量站坐标系与世界坐标系的转换关系，为第i个测量站坐标系下的三维点坐标转换到世界坐标系下的坐标，即运动物体在世界坐标系下的坐标。
本领域的技术人员容易理解，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 (7)

1.一种基于立体视觉测量技术的运动物体追踪方法，其特征在于，包括，
S1配置测量站系统，所述测量站系统包括多个测量站；每个测量站可单独追踪运动物体在该测量站视场范围内的轨迹；
S2分别获取每个测量站中的相机的内部参数和外部参数，对视场范围内的测量站系统进行标定，保证每组测量站测量结果的精确度；
S3利用经过标定的测量站系统中的测量站获取关联立体标靶的位置，同时使用光电跟踪仪对关联立体标靶进行跟踪，计算获取每个测量站所在坐标系与光电跟踪仪所在世界坐标系之间的转换关系；
S4控制测量站系统中的测量站按照一定时序对运动物体进行图像采集，利用每个测量站采集的图像获取被追踪的运动物体在各个测量站坐标系下的三维数据，根据所述转换关系将不同测量站追踪的运动物体的三维数据转换到世界坐标系下，完成对大范围长轨迹运动物体的追踪。
2.根据权利要求1所述的基于立体视觉测量技术的运动物体追踪方法，其中，所述步骤S2包括，
S21将设有编码标识点的标靶放入测量站系统的测量场景中，利用测量站系统拍摄标靶不同姿态下的多组图像；
S22根据标靶上编码标识点的位置信息，确定标靶不同姿态下的视图对应关系，获得每个测量站中相机的初始姿态和/或该测量站坐标系下标靶的初始三维坐标；
S23根据逆向投影误差最小的目标函数，采用非线性最小二乘优化获取相机的内部参数、外部参数和/或标志点的三维坐标。
3.根据权利要求1或2所述的基于立体视觉测量技术的运动物体追踪方法，其中，所述步骤S23包括，
S231根据多姿态下逆向投影误差最小的目标函数，采用非线性最小二乘优化获取相机的内部参数和标志点的三维坐标；
S232根据基于双相机逆向投影误差最小的目标函数优化得到相机的外部参数。
4.根据权利要求1～3任一项所述的基于立体视觉测量技术的运动物体追踪方法，其中，所述步骤S3包括，
S31利用测量站系统中的任意测量站拍摄关联立体标靶在不同姿态下的图像，同时采用光电跟踪仪对关联立体标靶进行跟踪；
S32根据步骤S31中的图像，获取关联立体标靶上的点在当前测量站坐标系下的相机拍摄所得坐标；利用光电跟踪仪测量该点在世界坐标系下对应的坐标；
S33将步骤S32的坐标代入关联立体标靶在世界坐标系下位置变化的转换矩阵和/或关联立体标靶在当前测量站坐标系下位置变化的转换矩阵，获取当前测量站坐标系与世界坐标系之间的转换矩阵。
5.根据权利要求1～4任一项所述的基于立体视觉测量技术的运动物体追踪方法，其中，所述步骤S5包括，
S51对任意一个测量站采集到的图像进行处理，获取运动物体特征在当前测量站相机拍摄所获得图像的坐标系下的像素坐标；
S52根据双目视觉测量中的极线几何关系和像素坐标，将当前测量站中的相机采集图像的对应特征进行匹配，获取被追踪物体在当前测量站坐标系下的坐标；
S53根据被追踪物体在当前测量站坐标系下的坐标，采用三维重构算法获取运动物体特征在当前测量站坐标系下的坐标。
6.根据权利要求1～5任一项所述的基于立体视觉测量技术的运动物体追踪方法，其中，所述测量站系统还包括时序控制器，所述时序触发控制器分别与每个测量站相连接，用于根据测量站之间的时序关系触发测量站中的相机对被追踪的运动物体进行图像采集。
7.根据权利要求2～6任一项所述的基于立体视觉测量技术的运动物体追踪方法，其中，所述步骤S21中至少拍摄标靶三个姿态下的多组图像。
CN201711384784.2A 2017-12-20 2017-12-20 一种基于立体视觉测量技术的运动物体追踪方法 Active CN107990940B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711384784.2A CN107990940B (zh) 2017-12-20 2017-12-20 一种基于立体视觉测量技术的运动物体追踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711384784.2A CN107990940B (zh) 2017-12-20 2017-12-20 一种基于立体视觉测量技术的运动物体追踪方法

Publications (2)

Publication Number Publication Date
CN107990940A true CN107990940A (zh) 2018-05-04
CN107990940B CN107990940B (zh) 2020-09-11

Family

ID=62039317

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711384784.2A Active CN107990940B (zh) 2017-12-20 2017-12-20 一种基于立体视觉测量技术的运动物体追踪方法

Country Status (1)

Country Link
CN (1) CN107990940B (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108846864A (zh) * 2018-05-29 2018-11-20 珠海全志科技股份有限公司 一种运动物体的位置捕捉系统、方法及装置
CN109813509A (zh) * 2019-01-14 2019-05-28 中山大学 基于无人机实现高铁桥梁竖向动扰度测量的方法
CN110285724A (zh) * 2019-07-19 2019-09-27 中国人民解放军32181部队 飞行器跟踪测量系统及方法
CN111561866A (zh) * 2020-04-01 2020-08-21 武汉中观自动化科技有限公司 一种支持标志点按钮的跟踪式测量方法及装置
CN111648774A (zh) * 2020-06-11 2020-09-11 中铁工程装备集团技术服务有限公司 一种适用于小直径变曲率视觉传递测量掘进机导向系统及方法
CN111854632A (zh) * 2020-06-22 2020-10-30 新拓三维技术(深圳)有限公司 一种高速运动物体的图像测量方法及计算机可读存储介质
CN112200838A (zh) * 2020-10-10 2021-01-08 中国科学院长春光学精密机械与物理研究所 一种弹丸轨迹跟踪方法、装置、设备及存储介质
CN112504187A (zh) * 2020-11-13 2021-03-16 复旦大学 一种应用于移动测量的自主导航系统和方法
CN113175870A (zh) * 2021-04-23 2021-07-27 天津大学 用于多目视觉传感器全局标定的全局标定靶标及标定方法
CN113983958A (zh) * 2021-11-26 2022-01-28 中电科信息产业有限公司 运动状态确定方法、装置、电子设备及存储介质
KR20220068915A (ko) * 2020-11-19 2022-05-26 컨셉 주식회사 궤도 산출 장치, 궤도 산출 방법, 궤도 산출 프로그램
CN114812416A (zh) * 2022-03-25 2022-07-29 合肥舒合机器人科技股份有限公司 一种利用双目立体视觉进行拖车轴距测量的方法
CN115760947A (zh) * 2022-10-26 2023-03-07 国网河北省电力有限公司超高压分公司 一种作业现场移动目标的安全距离实时测量方法及系统
CN115823970A (zh) * 2022-12-26 2023-03-21 浙江航天润博测控技术有限公司 一种视觉弹丸轨迹生成系统
CN117048848A (zh) * 2023-10-12 2023-11-14 中国飞机强度研究所 一种用于全尺寸飞机试验的空间姿态及变形测试方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0869449A (ja) * 1994-08-26 1996-03-12 Matsushita Electric Works Ltd ３次元物体の体感シミュレーション装置
CN1605829A (zh) * 2004-11-11 2005-04-13 天津大学 视觉测量系统现场校准装置及校准方法
CN101055177A (zh) * 2007-05-30 2007-10-17 北京航空航天大学 基于双面靶标的流动式三维视觉测量拼接方法
CN106709955A (zh) * 2016-12-28 2017-05-24 天津众阳科技有限公司 基于双目立体视觉的空间坐标系标定系统和方法
CN106969723A (zh) * 2017-04-21 2017-07-21 华中科技大学 基于低速相机阵列的高速动态物体关键点三维测量方法
CN106989669A (zh) * 2017-02-16 2017-07-28 上海大学 基于虚拟立体靶标的大视场高精度视觉系统标定方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0869449A (ja) * 1994-08-26 1996-03-12 Matsushita Electric Works Ltd ３次元物体の体感シミュレーション装置
CN1605829A (zh) * 2004-11-11 2005-04-13 天津大学 视觉测量系统现场校准装置及校准方法
CN101055177A (zh) * 2007-05-30 2007-10-17 北京航空航天大学 基于双面靶标的流动式三维视觉测量拼接方法
CN106709955A (zh) * 2016-12-28 2017-05-24 天津众阳科技有限公司 基于双目立体视觉的空间坐标系标定系统和方法
CN106989669A (zh) * 2017-02-16 2017-07-28 上海大学 基于虚拟立体靶标的大视场高精度视觉系统标定方法
CN106969723A (zh) * 2017-04-21 2017-07-21 华中科技大学 基于低速相机阵列的高速动态物体关键点三维测量方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
倪章松等: "大视场双目立体视觉柔性标定", 《光学精密工程》 *

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108846864A (zh) * 2018-05-29 2018-11-20 珠海全志科技股份有限公司 一种运动物体的位置捕捉系统、方法及装置
CN109813509A (zh) * 2019-01-14 2019-05-28 中山大学 基于无人机实现高铁桥梁竖向动扰度测量的方法
CN110285724A (zh) * 2019-07-19 2019-09-27 中国人民解放军32181部队 飞行器跟踪测量系统及方法
CN110285724B (zh) * 2019-07-19 2023-10-31 中国人民解放军32181部队 飞行器跟踪测量系统及方法
CN111561866B (zh) * 2020-04-01 2022-03-25 武汉中观自动化科技有限公司 一种支持标志点按钮的跟踪式测量方法及装置
CN111561866A (zh) * 2020-04-01 2020-08-21 武汉中观自动化科技有限公司 一种支持标志点按钮的跟踪式测量方法及装置
CN111648774A (zh) * 2020-06-11 2020-09-11 中铁工程装备集团技术服务有限公司 一种适用于小直径变曲率视觉传递测量掘进机导向系统及方法
CN111854632B (zh) * 2020-06-22 2021-12-14 新拓三维技术(深圳)有限公司 一种高速运动物体的图像测量方法及计算机可读存储介质
CN111854632A (zh) * 2020-06-22 2020-10-30 新拓三维技术(深圳)有限公司 一种高速运动物体的图像测量方法及计算机可读存储介质
CN112200838A (zh) * 2020-10-10 2021-01-08 中国科学院长春光学精密机械与物理研究所 一种弹丸轨迹跟踪方法、装置、设备及存储介质
CN112504187A (zh) * 2020-11-13 2021-03-16 复旦大学 一种应用于移动测量的自主导航系统和方法
CN112504187B (zh) * 2020-11-13 2022-02-11 复旦大学 一种应用于移动测量的自主导航系统和方法
KR20220068915A (ko) * 2020-11-19 2022-05-26 컨셉 주식회사 궤도 산출 장치, 궤도 산출 방법, 궤도 산출 프로그램
KR102671099B1 (ko) 2020-11-19 2024-05-30 가부시키가이샤 컨셉 궤도 산출 장치, 궤도 산출 방법, 궤도 산출 프로그램
CN113175870A (zh) * 2021-04-23 2021-07-27 天津大学 用于多目视觉传感器全局标定的全局标定靶标及标定方法
CN113983958A (zh) * 2021-11-26 2022-01-28 中电科信息产业有限公司 运动状态确定方法、装置、电子设备及存储介质
CN113983958B (zh) * 2021-11-26 2024-01-05 中电科信息产业有限公司 运动状态确定方法、装置、电子设备及存储介质
CN114812416A (zh) * 2022-03-25 2022-07-29 合肥舒合机器人科技股份有限公司 一种利用双目立体视觉进行拖车轴距测量的方法
CN114812416B (zh) * 2022-03-25 2023-09-15 合肥舒合机器人科技有限公司 一种利用双目立体视觉进行拖车轴距测量的方法
CN115760947A (zh) * 2022-10-26 2023-03-07 国网河北省电力有限公司超高压分公司 一种作业现场移动目标的安全距离实时测量方法及系统
CN115823970A (zh) * 2022-12-26 2023-03-21 浙江航天润博测控技术有限公司 一种视觉弹丸轨迹生成系统
CN115823970B (zh) * 2022-12-26 2024-07-12 浙江航天润博测控技术有限公司 一种视觉弹丸轨迹生成系统
CN117048848A (zh) * 2023-10-12 2023-11-14 中国飞机强度研究所 一种用于全尺寸飞机试验的空间姿态及变形测试方法
CN117048848B (zh) * 2023-10-12 2024-01-05 中国飞机强度研究所 一种用于全尺寸飞机试验的空间姿态及变形测试方法

Also Published As

Publication number Publication date
CN107990940B (zh) 2020-09-11

Similar Documents

Publication Publication Date Title
CN107990940B (zh) 一种基于立体视觉测量技术的运动物体追踪方法
CN109579843B (zh) 一种空地多视角下的多机器人协同定位及融合建图方法
CN109360240B (zh) 一种基于双目视觉的小型无人机定位方法
CN108269286B (zh) 基于组合立体标志的多相机位姿关联方法
CN104835158B (zh) 基于格雷码结构光与极线约束的三维点云获取方法
CN102034238B (zh) 基于光学成像测头和视觉图结构的多摄像机系统标定方法
CN104197928B (zh) 多摄像机协同的无人机检测、定位及跟踪方法
CN114399554B (zh) 一种多相机系统的标定方法及系统
CN107843251B (zh) 移动机器人的位姿估计方法
CN107301654A (zh) 一种多传感器的高精度即时定位与建图方法
CN111220126A (zh) 一种基于点特征和单目相机的空间物体位姿测量方法
CN105447856B (zh) 基于机器人运动参数与特征向量的标记点匹配方法
CN107246866A (zh) 一种高精度六自由度测量系统及方法
CN105806315A (zh) 基于主动编码信息的非合作目标相对测量系统及测量方法
CN107917700B (zh) 基于深度学习的小幅度目标三维姿态角测量方法
CN106991705B (zh) 一种基于p3p算法的位置参数估计方法
Deng et al. Long-range binocular vision target geolocation using handheld electronic devices in outdoor environment
CN111768449A (zh) 一种双目视觉结合深度学习的物体抓取方法
CN116258744A (zh) 基于可见光、红外和激光雷达数据融合的目标跟踪方法
CN114092564A (zh) 无重叠视域多相机系统的外参数标定方法、系统、终端及介质
CN107945166B (zh) 基于双目视觉的待测物体三维振动轨迹的测量方法
CN112747749B (zh) 一种基于双目视觉和激光融合定位导航系统
CN112884832A (zh) 一种基于多目视觉的智能小车轨迹预测方法
CN110887470B (zh) 基于微透镜阵列二维光学编码标识定向的位姿测量方法
Li et al. Multicam-SLAM: Non-overlapping Multi-camera SLAM for Indirect Visual Localization and Navigation

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Li Zhongwei

Inventor after: Zhong Kai

Inventor before: Li Zhongwei

Inventor before: Zhong Kai

Inventor before: Chen Ran

Inventor before: Wu Yonghui