CN109992008A - 一种机器人的目标跟随方法及装置 - Google Patents
一种机器人的目标跟随方法及装置 Download PDFInfo
- Publication number
- CN109992008A CN109992008A CN201711498798.7A CN201711498798A CN109992008A CN 109992008 A CN109992008 A CN 109992008A CN 201711498798 A CN201711498798 A CN 201711498798A CN 109992008 A CN109992008 A CN 109992008A
- Authority
- CN
- China
- Prior art keywords
- target
- robot
- follow
- frame image
- next frame
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000001514 detection method Methods 0.000 claims abstract description 20
- 230000033001 locomotion Effects 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 6
- 238000005352 clarification Methods 0.000 description 4
- 239000000523 sample Substances 0.000 description 4
- 238000005311 autocorrelation function Methods 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/12—Target-seeking control
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本申请公开了一种机器人的目标跟随方法及装置，涉及机器人技术领域。所述方法包括：获取机器人周边环境的当前图像；对当前图像进行目标检测以获取跟随目标的状态信息；利用已检测到的跟随目标的模型对下一帧图像进行检测，以预测跟随目标在下一帧图像中的状态信息；利用跟随目标在下一帧图像中的状态信息控制机器人运动以对跟随目标进行跟随。通过上述方式，本申请能够提高跟随精度及稳定性。
Description
技术领域
本申请涉及机器人技术领域，特别是涉及一种机器人的目标跟随方法及装置。
背景技术
智能移动机器人是一类能够通过传感器感知环境和自身状态，实现对目标的检测，并能够向目标自主导航运动进行跟随，从而完成特定任务的机器人系统。具有跟随功能的移动机器人被广泛应用于军事、反恐防暴、宇宙探测、娱乐、社会服务等领域。本申请的发明人在长期的研发过程中，发现目前移动机器人对目标信息(如：目标位置、速度和加速度等信息)的检测大多使用传感器(如：激光传感器等)来完成。但是，因传感器的感知能力有限，导致被跟随目标的类别有限，并且在跟随过程中容易受到环境距离等多种影响，跟随精度不高，且容易跟丢。
发明内容
本申请主要解决的技术问题是提供一种机器人的目标跟随方法及装置，能够提高跟随精度及稳定性。
为解决上述技术问题，本申请采用的一个技术方案是：提供一种机器人的目标跟随方法，所述方法包括：获取机器人周边环境的当前图像；对当前图像进行目标检测以获取跟随目标的状态信息；利用已检测到的跟随目标的模型对下一帧图像进行检测，以预测跟随目标在下一帧图像中的状态信息；利用跟随目标在下一帧图像中的状态信息控制机器人运动以对跟随目标进行跟随。
为解决上述技术问题，本申请采用的另一个技术方案是：提供一种机器人的目标跟随装置，所述装置包括处理器、存储器和通信电路，处理器耦接存储器和通信电路，处理器在工作时执行指令，配合存储器和通信电路实现上述的机器人的目标跟随方法。
为解决上述技术问题，本申请采用的另一个技术方案是：提供一种具有存储功能的装置，所述装置存储有程序，所述程序被执行时实现上述的机器人的目标跟随方法。
本申请的有益效果是：区别于现有技术的情况，本申请所提供的机器人的目标跟随方法，利用机器人的视觉系统，通过对当前图像进行处理，预测跟随目标在下一帧图像中的的状态信息，并利用该状态信息控制机器人运动以对跟随目标进行跟随。通过这种方式，能够充分表征跟随目标的特征，更快速的寻找到目标，更精确的获取目标的位置，进而提高跟随精度和稳定性。
附图说明
图1是本申请机器人的目标跟随方法第一实施方式的流程示意图；
图2是本申请机器人的目标跟随方法第二实施方式的流程示意图；
图3是本申请机器人的目标跟随装置第一实施例的结构示意图；
图4是本申请具有存储功能的装置第一实施方式的结构示意图。
具体实施方式
为使本申请的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本申请进一步详细说明。
本申请提供一种机器人的目标跟随方法，至少可以应用于社会服务的场景中，如保姆机器人等。本申请所提供的机器人的目标跟随方法，利用了机器人的视觉系统，能够充分表征目标的特征，更快速的寻找到目标，更精确的获取目标的位置，进而提高跟随精度和稳定性。
请参阅图1，图1是本申请机器人的目标跟随方法第一实施方式的流程示意图。如图1所示，在该实施方式中，机器人的目标跟随方法包括：
S101：获取机器人周边环境的当前图像。
具体地，可通过机器人自身的拍摄设备、视频系统等对机器人周边环境进行图像采集，可以是时时采集，周期性采集或条件触发式采集等。可以直接拍摄图片，或是录制视频等。也可以使用独立于机器人之外的拍摄设备对机器人周边环境进行图像采集，将采集到的图像传输给机器人或对应的跟随装置。选用独立于机器人之外的拍摄设备，可以更全面的更大范围的采集图像，同时减少机器人自身的设备。
S102：对当前图像进行目标检测以获取跟随目标的状态信息。
具体地，对当前图像进行处理，以检测当前图像中是否包含跟随目标，如果当前图像中不包含跟随目标，则再重新获取图像。如果当前图像中包含跟随目标，则对该跟随目标进行检测获取跟随目标的状态信息。也或者说，利用预训练好的模型对当前图像进行检测，确定跟随目标在当前帧图像中的位置，并确定跟随区域。
S103：利用已检测到的跟随目标的模型对下一帧图像进行检测，以预测跟随目标在下一帧图像中的状态信息。
通过对下一帧图像进行信息处理，利用相应算法获取跟随目标在下一帧图像中的状态信息，其中，状态信息包括跟随目标的位置信息、尺度信息、速度信息等。或者说，利用相关算法提取下一帧图像中的目标特征，并记录目标特征、当前帧图像的中心在跟随区域的位置坐标以及尺度信息等。
S104：利用跟随目标在下一帧图像中的状态信息控制机器人运动以对跟随目标进行跟随。
根据获取的跟随目标的状态信息，控制机器人摇头、转身、前进或后退等，以对跟随目标进行跟随。
在该实施方式中，利用了机器人的视觉系统，通过对获取的图像信息进行处理，能够充分表征目标的特征，更快速的寻找到目标，更精确的获取目标的位置，进而提高跟随精度和稳定性。
请参阅图2，图2是本申请机器人的目标跟随方法第二实施方式的流程示意图。如图2所示，在该实施方式中，机器人的目标跟随方法包括：
S201：获取机器人周边环境的当前图像。
S202：对当前图像进行处理，利用预先训练好的目标检测模型检测当前图像中是否包含跟随目标。
具体地，可以通过对跟随目标进行特征提取，然后将所有训练样本数据采用聚类方法进行分区，每个区训练出一个检测模型的方法来预先训练目标检测模型和目标检测分类器。可选地，目标检测模型可以为boost分类器、自相关函数模型(AutocorrelationFunction，ACF)或支持向量机模型(Support Vector Machine，SVM)等。
如果检测到当前图像中没有跟随目标，则重新获取图像，且机器人不做跟随运动。
当检测到有跟随目标后，则更新视觉跟踪器模型，即利用前一帧图像的跟随目标特征与当前帧图像进行匹配，确定跟随目标在当前帧图像中的位置，并重新确定跟随区域。
S203：利用核相关滤波器获取跟随目标在下一帧图像中的状态信息。
相关滤波算法是一种判别式跟踪方法，这类方法一般都是在跟踪过程中训练一个目标检测器，使用目标检测器去检测下一帧预测位置是否是目标，然后再使用新检测结果去更新训练集进而更新目标检测器。相关滤波使用目标周围区域的循环矩阵采集正负样本，利用脊回归训练目标检测器，并成功的利用循环矩阵在傅里叶空间可对角化的性质将矩阵的运算转化为向量的Hadamad积，即元素的点乘，能够降低运算量，提高运算速度。
在该实施方式中，跟随目标在下一帧图像中的状态信息包括跟随目标在下一帧图像中的位置信息和尺度信息；为了能够精准的获取跟随目标的位置信息和尺度信息，且能够实现自适应位置目标跟随和尺度目标跟随，可以分别独立学习一个核相关滤波器去检测目标位置变化或尺度变化。如：通过在目标附近采用一系列尺寸变化的图像块，将其通过双线性插值变换到同初始目标图像块一样大小，然后对尺度变化后的图像块提取特征，并用提取的特征来学习尺度核相关滤波器。
可选地，利用位置核相关滤波器与贝叶斯颜色概率融合获取跟随目标在下一帧图像中的位置信息。
在目标跟随过程中，由于相邻两帧的目标尺度变化很小，为此先利用位置核相关滤波器检测出目标位置，然后在检测出的目标位置周围采集样本，利用尺度核相关滤波器检测出目标尺度，这样就完成了目标位置和尺度的检测。可以采集多个尺度的目标结果，或者准确的尺度信息。
S204：利用跟随目标在下一帧图像中的状态信息控制机器人运动以对跟随目标进行跟随。
具体地，根据跟随目标在下一帧图像中的位置信息控制机器人摇头和/或转身，以对跟随目标进行跟随；
根据跟随目标在下一帧图像中的尺度信息控制机器人前进或后退，以对跟随目标进行跟随。
可选地，可以控制机器人实时精准跟随，也可以给定预设范围模糊跟随，例如，如果跟随目标与机器人的相对距离在预设范围内，则移动机器人可以不运动，只有超出预设范围后才前进或后退。
可选地，在机器人对跟随目标进行跟随时，因光照变化、遮挡、姿态及周围环境变化(如有转角)等，容易出现目标跟丢的情况。现有的解决这些问题的方法大多采用不同的算法进行判断识别弥补等，但这些还是基于所获取的图像，因图像信息传输慢或大面积遮挡等不能很好的解决这个问题。本申请所提供的方法可以适当利用配合机器人自身的其他传感器来提高跟随精度，及时找回跟随目标。
具体地，针对有声音特征的目标，先预先训练声音检测模型和分类器；当图像中不包含跟随目标时，先获取机器人周边环境的声音信息，检测声音信息中是否包含跟随目标，若声音信息中包含跟随目标，则利用声纳传感器等获取跟随目标的所在位置方位等，控制机器人获取跟随目标的所在位置周边环境的当前图像。通过这种方式，能够先预判跟随目标的大致方位，再进行图像采集，能够提高跟随效率，及时找回跟随目标。
请参阅图3，图3是本申请机器人的目标跟随装置第一实施例的结构示意图。本申请还提供一种机器人的目标跟随装置可执行上述机器人的目标跟随方法，实现对跟随目标的跟随。该装置包括处理器301、存储器302及通信电路303。处理器301耦接存储器302和通信电路303，处理器301在工作时执行指令，以配合存储器302和通信电路303实现上述机器人的目标跟随方法，具体工作过程与上述方法实施例中一致，故在此不再赘述，详细请参阅以上对应方法步骤的说明。处理器301在工作时也可以划分为多个模块单元来分别执行不同的指令，如目标检测模块、目标跟踪模块、目标尺度估计模块、机器人控制模块等。其中，该机器人的目标跟随装置可以是独立于机器人之外的装置，例如可以是跟机器人匹配的适配器，通过这种方式可以单一控制更灵活；也可以是服务器、控制计算机等，通过这种方式，可以同时控制多个机器人对同一目标多方位跟随或同时跟随多个目标等。使用独立于机器人之外的装置，可以减少机器人自身处理器占有率，使机器人更灵活。该机器人导的目标跟随装置也可以设置于机器人身上，也可以是直接利用机器人自身的处理器、存储器通信电路实现上述方法等。
请参阅图4，图4是本申请具有存储功能的装置第一实施方式的结构示意图。本实施例中存储装置40存储有程序401，程序401被执行时实现上述机器人的目标跟随方法。具体工作过程与上述方法实施例中一致，故在此不再赘述，详细请参阅以上对应方法步骤的说明。其中具有存储功能的装置可以是便携式存储介质如U盘、光盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟等各种可以存储程序代码的介质，也可以是终端、服务器等。
以上方案，本申请所提供的机器人的目标跟随方法，利用机器人的视觉系统，通过对当前图像进行处理，预测跟随目标在下一帧图像中的状态信息，并利用该状态信息控制机器人运动以对跟随目标进行跟随。通过这种方式，能够充分表征跟随目标的特征，更快速的寻找到目标，更精确的获取目标的位置，进而提高跟随精度和稳定性。
在本申请所提供的几个实施方式中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外，在本申请各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式所述方法的全部或部分步骤。
以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种机器人的目标跟随方法，其特征在于，所述方法包括：
获取机器人周边环境的当前图像；
对所述当前图像进行目标检测以获取跟随目标的状态信息；
利用已检测到的跟随目标的模型对下一帧图像进行检测，以预测所述跟随目标在下一帧图像中的状态信息；
利用所述跟随目标在所述下一帧图像中的状态信息控制所述机器人运动以对所述跟随目标进行跟随。
2.根据权利要求1所述的机器人的目标跟随方法，其特征在于，所述对当前图像进行目标检测以获取跟随目标的状态信息包括：
对所述当前图像进行处理，利用预先训练好的目标检测模型及分类器检测获取所述跟随目标的状态信息。
3.根据权利要求2所述的机器人的目标跟随方法，其特征在于，所述目标检测模型为boost分类器或支持向量机模型。
4.根据权利要求1所述的机器人的目标跟随方法，其特征在于，所述跟随目标在所述下一帧图像中的状态信息包括：所述跟随目标在所述下一帧图像中的位置信息和尺度信息。
5.根据权利要求4所述的机器人的目标跟随方法，其特征在于，利用已检测到的跟随目标的模型对下一帧图像进行检测，以预测所述跟随目标在下一帧图像中的状态信息包括：
利用位置核相关滤波器与贝叶斯颜色概率融合获取所述跟随目标在所述下一帧图像中的位置信息。
6.根据权利要求4所述的机器人的目标跟随方法，其特征在于，利用已检测到的跟随目标的模型对下一帧图像进行检测，以预测所述跟随目标在下一帧图像中的状态信息包括：
利用尺度核相关滤波器获取所述跟随目标在所述下一帧图像中的尺度信息。
7.根据权利要求4所述的机器人的目标跟随方法，其特征在于，所述利用跟随目标在所述下一帧图像中的状态信息控制所述机器人运动以对所述跟随目标进行跟随包括：
根据所述跟随目标在所述下一帧图像中的位置信息控制所述机器人摇头和/或转身；
根据所述跟随目标在所述下一帧图像中的尺度信息控制所述机器人前进或后退。
8.根据权利要求1所述的机器人的目标跟随方法，其特征在于，所述跟随目标包括声音特征，若所述当前图像中不包含所述跟随目标时，所述方法还包括：
获取所述机器人周边环境的声音信息，检测所述声音信息中是否包含所述跟随目标，
若所述声音信息中包含所述跟随目标，则获取所述跟随目标的位置信息，进而获取所述跟随目标所在位置周边环境的当前图像。
9.一种机器人的目标跟随装置，其特征在于，所述装置包括处理器、存储器和通信电路，所述处理器耦接所述存储器和通信电路，所述处理器在工作时执行指令，配合所述存储器和通信电路实现权利要求1至8任一项所述的机器人的目标跟随方法。
10.一种具有存储功能的装置，其特征在于，所述装置存储有程序，所述程序被执行时实现权利要求1至8任一项所述的机器人的目标跟随方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711498798.7A CN109992008A (zh) | 2017-12-29 | 2017-12-29 | 一种机器人的目标跟随方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711498798.7A CN109992008A (zh) | 2017-12-29 | 2017-12-29 | 一种机器人的目标跟随方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109992008A true CN109992008A (zh) | 2019-07-09 |
Family
ID=67111719
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711498798.7A Pending CN109992008A (zh) | 2017-12-29 | 2017-12-29 | 一种机器人的目标跟随方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109992008A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110362091A (zh) * | 2019-08-05 | 2019-10-22 | 广东交通职业技术学院 | 一种机器人的跟随录像方法、装置及机器人 |
| CN112069879A (zh) * | 2020-07-22 | 2020-12-11 | 深圳市优必选科技股份有限公司 | 一种目标人物跟随方法、计算机可读存储介质及机器人 |
| CN112405540A (zh) * | 2020-11-11 | 2021-02-26 | 深圳优地科技有限公司 | 机器人控制方法、装置、机器人及可读存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SG148124A1 (en) * | 2007-05-22 | 2008-12-31 | Thales Sa | Method for estimating the position and speed errors of an inertial platform with the aid of an sar imaging radar |
| CN105760824A (zh) * | 2016-02-02 | 2016-07-13 | 北京进化者机器人科技有限公司 | 一种运动人体跟踪方法和系统 |
| CN106250850A (zh) * | 2016-07-29 | 2016-12-21 | 深圳市优必选科技有限公司 | 人脸检测跟踪方法及装置、机器人头部转动控制方法及系统 |
| CN106292721A (zh) * | 2016-09-29 | 2017-01-04 | 腾讯科技（深圳）有限公司 | 一种控制飞行器跟踪目标对象的方法、设备及系统 |
| CN106570486A (zh) * | 2016-11-09 | 2017-04-19 | 华南理工大学 | 基于特征融合和贝叶斯分类的核相关滤波目标跟踪方法 |
| US20170248971A1 (en) * | 2014-11-12 | 2017-08-31 | SZ DJI Technology Co., Ltd. | Method for detecting target object, detection apparatus and robot |
| CN107292907A (zh) * | 2017-07-14 | 2017-10-24 | 灵动科技（北京）有限公司 | 一种对跟随目标进行定位的方法以及跟随设备 |
| CN107330384A (zh) * | 2017-06-19 | 2017-11-07 | 北京协同创新研究院 | 一种视频中运动目标跟踪的方法及装置 |
-
2017
- 2017-12-29 CN CN201711498798.7A patent/CN109992008A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SG148124A1 (en) * | 2007-05-22 | 2008-12-31 | Thales Sa | Method for estimating the position and speed errors of an inertial platform with the aid of an sar imaging radar |
| US20170248971A1 (en) * | 2014-11-12 | 2017-08-31 | SZ DJI Technology Co., Ltd. | Method for detecting target object, detection apparatus and robot |
| CN105760824A (zh) * | 2016-02-02 | 2016-07-13 | 北京进化者机器人科技有限公司 | 一种运动人体跟踪方法和系统 |
| CN106250850A (zh) * | 2016-07-29 | 2016-12-21 | 深圳市优必选科技有限公司 | 人脸检测跟踪方法及装置、机器人头部转动控制方法及系统 |
| CN106292721A (zh) * | 2016-09-29 | 2017-01-04 | 腾讯科技（深圳）有限公司 | 一种控制飞行器跟踪目标对象的方法、设备及系统 |
| CN106570486A (zh) * | 2016-11-09 | 2017-04-19 | 华南理工大学 | 基于特征融合和贝叶斯分类的核相关滤波目标跟踪方法 |
| CN107330384A (zh) * | 2017-06-19 | 2017-11-07 | 北京协同创新研究院 | 一种视频中运动目标跟踪的方法及装置 |
| CN107292907A (zh) * | 2017-07-14 | 2017-10-24 | 灵动科技（北京）有限公司 | 一种对跟随目标进行定位的方法以及跟随设备 |
Non-Patent Citations (4)
| Title |
|---|
| 张雷 等: "采用核相关滤波器的自适应尺度目标跟踪", 《光学精密工程》 * |
| 杭州市科学技术协会: "《第三十一届杭州市青少年科技创新大赛优秀作品集》", 30 November 2017, 浙江工商大学出版社 * |
| 段伟伟 等: "分块核化相关滤波目标跟踪", 《图像与视觉》 * |
| 马翌堃: "基于GPU的目标跟踪算法研发与优化", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110362091A (zh) * | 2019-08-05 | 2019-10-22 | 广东交通职业技术学院 | 一种机器人的跟随录像方法、装置及机器人 |
| CN112069879A (zh) * | 2020-07-22 | 2020-12-11 | 深圳市优必选科技股份有限公司 | 一种目标人物跟随方法、计算机可读存储介质及机器人 |
| CN112405540A (zh) * | 2020-11-11 | 2021-02-26 | 深圳优地科技有限公司 | 机器人控制方法、装置、机器人及可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105760824B (zh) | 一种运动人体跟踪方法和系统 | |
| US20190030713A1 (en) | Persistent predictor apparatus and methods for task switching | |
| Schilling et al. | Vision-based drone flocking in outdoor environments | |
| US20190005659A1 (en) | Salient features tracking apparatus and methods using visual initialization | |
| Popa et al. | Kinect sensing of shopping related actions | |
| Gao et al. | Firefly algorithm (FA) based particle filter method for visual tracking | |
| Baumgartl et al. | Development of a highly precise place recognition module for effective human-robot interactions in changing lighting and viewpoint conditions | |
| CN109992008A (zh) | 一种机器人的目标跟随方法及装置 | |
| EP2977931A1 (en) | Method for tracking keypoints in a scene | |
| Nater et al. | Transferring activities: Updating human behavior analysis | |
| CN110874910B (zh) | 路面报警方法、装置、电子设备及可读存储介质 | |
| Patrona et al. | An overview of hand gesture languages for autonomous UAV handling | |
| Koide et al. | Convolutional channel features-based person identification for person following robots | |
| Le et al. | Human detection and tracking for autonomous human-following quadcopter | |
| Kumar et al. | Pedestrian Tracking in UAV Images With Kalman Filter Motion Estimator and Correlation Filter | |
| Hoang et al. | Active vision: on the relevance of a bio-inspired approach for object detection | |
| Morio et al. | Working motion templates for detecting agricultural worker behaviors | |
| Faria et al. | Grasping movements recognition in 3d space using a bayesian approach | |
| Masuta et al. | The Intelligent Control based on Perceiving-Acting Cycle by using 3D-range camera | |
| CN109145804A (zh) | 行为监控方法及机器人 | |
| Das et al. | Real-time iris center detection and tracking from video images | |
| EP4089649A1 (en) | Neuromorphic cameras for aircraft | |
| CN111544003B (zh) | 一种基于传感器的武术动作识别系统、方法及存储介质 | |
| Gupta et al. | Deep Learning Models for Video-based Hand Gesture Recognition in Robotic Applications | |
| Kim et al. | Mobile Phone-based Real-time Dangerous Object Recognition for the Visually Impaired |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190709 |
|
| RJ01 | Rejection of invention patent application after publication |