CN111223139B - 目标定位方法及终端设备 - Google Patents

Abstract

本发明涉及计算机技术领域，提供了一种目标定位方法及终端设备。该方法包括：通过深度相机采集第一预设区域的第一图像，通过双目相机采集第二预设区域的第二图像；分别对所述第一图像和所述第二图像进行目标检测，确定所述第一图像的目标置信度和所述第二图像的目标置信度；对比所述第一图像的目标置信度和所述第二图像的目标置信度，将目标置信度高的图像确定为待定位图像；根据所述待定位图像定位出目标的位置信息。本发明通过深度相机与双目相机采集不同区域的图像，再选取目标置信度较高的图像进行跟踪定位，能够提高目标定位精度。

Description

目标定位方法及终端设备

技术领域

本发明涉及计算机技术领域，尤其涉及一种目标定位方法及终端设备。

背景技术

随着科技的发展，机器人足球比赛已成为机器人与人工智能领域最具挑战性的研究课题。而在机器人足球比赛中，如何精确地检测、跟踪、定位足球是机器人决策与控制的基础，具有十分重要的研究意义。

目前，现有方法主要采用单目视觉检测，具有如下的流程：首先在彩色图像中利用颜色特征进行图像分割得到目标候选区域，并采用几何约束对目标候选区域进行筛选得到最终的足球目标，然后采用CamShift算法跟踪足球目标，最后利用针孔相机模型求取足球的三维坐标。

从实际使用情况来看，现有方法中单目视觉检测需要采集全场各个角度的图像，比较繁琐，并且定位精度不高。

发明内容

有鉴于此，本发明实施例提供了目标定位方法及终端设备，以解决目前通过单目视觉对目标定位的定位精度低的问题。

本发明实施例的第一方面提供了目标定位方法，包括：

通过深度相机采集第一预设区域的第一图像，通过双目相机采集第二预设区域的第二图像；

分别对所述第一图像和所述第二图像进行目标检测，确定所述第一图像的目标置信度和所述第二图像的目标置信度；

对比所述第一图像的目标置信度和所述第二图像的目标置信度，将目标置信度高的图像确定为待定位图像；

根据所述待定位图像定位出目标的位置信息。

本发明实施例的第二方面提供了目标定位装置，包括：

获取模块，用于通过深度相机采集第一预设区域的第一图像，通过双目相机采集第二预设区域的第二图像；

检测模块，用于分别对所述第一图像和所述第二图像进行目标检测，确定所述第一图像的目标置信度和所述第二图像的目标置信度；

对比模块，用于对比所述第一图像的目标置信度和所述第二图像的目标置信度，将目标置信度高的图像确定为待定位图像；

处理模块，用于根据所述待定位图像定位出目标的位置信息。

本发明实施例的第三方面提供了终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面中的目标定位方法。

本发明实施例的第四方面提供了计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现第一方面中的目标定位方法。

本发明实施例与现有技术相比存在的有益效果是：通过对深度相机采集的第一图像和双目相机采集的第二图像进行目标检测，确定第一图像的目标置信度和第二图像的目标置信度，将目标置信度高的图像确定为待定位图像，再根据待定位图像定位出目标的位置信息，通过深度相机与双目相机采集不同区域的图像，再选取目标置信度较高的图像进行跟踪定位，能够提高目标定位精度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的目标定位方法的实现流程图；

图2是本发明实施例提供的目标定位方法中根据待定位图像定位出目标的位置信息的实现流程图；

图3是本发明实施例提供的目标定位方法中在待定位图像上对目标的位置进行跟踪的实现流程图；

图4是本发明实施例提供的目标定位方法中待处理图像的类型为第一图像时计算目标在预设坐标系中的位置坐标的实现流程图；

图5是本发明实施例提供的目标定位方法中待处理图像的类型为第一图像时计算目标在预设坐标系中的位置坐标的实现流程图；

图6是本发明实施例提供的目标定位装置的示意图；

图7是本发明实施例提供的终端设备的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

图1为本发明实施例提供的目标定位方法的实现流程图，详述如下：

在S101中，通过深度相机采集第一预设区域的第一图像，通过双目相机采集第二预设区域的第二图像。

在本实施例中，第一预设区域和第二预设区域可以有重叠部分，也可以没有重叠部分，在此不作限定。以机器人足球比赛的应用场景为例，可以在机器人上布置深度相机和双目相机进行图像采集，感知机器人周围的环境信息。

可选地，所述第一预设区域到预设参照点的距离小于第二预设区域到所述预设参照点的距离。

在本实施例中，预设参照点可以根据实际应用场景确定。例如在机器人足球比赛的应用场景中，可以将机器人所在位置作为预设参考点或者将足球场地中某一点作为预设参考点。在以机器人所在位置为预设参考点时，第一预设区域可以为机器人前方近处范围的区域，第二预设区域可以为机器人前方远处范围的区域。例如，可以通过深度相机获取到前方近处范围内的彩色图像、深度图像以及点云数据，通过双目相机则获取到前方远处范围内的左、右两幅彩色图像。

在S102中，分别对所述第一图像和所述第二图像进行目标检测，确定所述第一图像的目标置信度和所述第二图像的目标置信度。

在本实施例中，双目相机包括左目相机和右目相机，第二图像包括左目相机采集的左图像和右目相机采集的右图像。第二图像的目标置信度可以为左图像的目标置信度与右图像的目标置信度的平均值。

可选地，可以通过聚合通道特征算法分别对所述第一图像和所述第二图像进行目标检测。

在本实施例中，可以通过聚合通道特征(Aggregate Channel Feature，ACF)算法分别对所述第一图像和所述第二图像进行目标检测。考虑到深度相机和双目相机的分辨率处在不同的区间范围，可以分别设置不同的最小模板尺寸和特征金字塔层数训练来适用两个相机的检测模型，以此来提高检测的速度并降低误检的概率。

在S103中，对比所述第一图像的目标置信度和所述第二图像的目标置信度，将目标置信度高的图像确定为待定位图像。

在本实施例中，若第一图像的目标置信度高于第二图像的目标置信度，则将第一图像作为待定位图像；若第一图像的目标置信度低于第二图像的目标置信度，则将第二图像作为待定位图像。

在S104中，根据所述待定位图像定位出目标的位置信息。

在本实施例中，可以从待定位图像中定位出目标在图像中的位置，再根据目标在图像中的位置确定出目标在预设坐标系的位置坐标，从而实现对目标的精确定位。

本发明实施例通过对深度相机采集的第一图像和双目相机采集的第二图像进行目标检测，确定第一图像的目标置信度和第二图像的目标置信度，将目标置信度高的图像确定为待定位图像，再根据待定位图像定位出目标的位置信息，通过深度相机与双目相机采集不同区域的图像，再选取目标置信度较高的图像进行跟踪定位，能够提高目标定位精度。

作为本发明的一个实施例，如图2所示，S104可以包括：

在S201中，在所述待定位图像上对所述目标的位置进行跟踪，确定所述目标在所述待定位图像中的位置。

在本实施例中，可以对待定位图像进行目标追踪。例如，可以通过Staple算法对待定位图像中的目标进行追踪。

作为本发明的一个实施例，如图3所示，S201可以包括：

在S301中，确定对所述目标的跟踪结果的置信度。

在S302中，根据所述跟踪结果的置信度判断是否跟踪失败。

在S303中，若跟踪失败则跳转执行所述通过深度相机采集第一预设区域的第一图像，通过双目相机采集第二预设区域的第二图像的步骤。

本实施例在对待定位图像中的目标位置进行跟踪的过程中，可以根据跟踪结果计算跟踪结果的置信度，再根据跟踪结果的置信度判断是否跟踪失败，如果跟踪失败则跳转执行S101，如果跟踪成功则根据S202对目标进行定位。

本实施例通过跟踪结果的置信度，能够避免对置信度较低的图像进行定位，从而降低错误定位的可能性，提高定位准确度。

在S202中，根据所述目标在所述待定位图像中的位置及所述待定位图像的类型计算所述目标在预设坐标系中的位置坐标；所述待定位图像的类型包括第一图像和第二图像。

在本实施例中，预设坐标系根据实际场景建立，在此不作限定，例如可以以建立地图坐标系作为预设坐标系，或者以机器人为中心建立坐标系作为预设坐标系。若待定位图像为第一图像，则根据目标在待定位图像中的位置及深度相机对应的定位步骤计算目标在预设坐标系中的位置坐标。若待定位图像为第二图像，则根据目标在待定位图像中的位置及双目相机对应的定位步骤计算目标在预设坐标系中的位置坐标。

本实施例根据深度相机和双目相机不同的图像采集特点，采用相应的方式对待定位图像中的目标进行定位，能够提高定位精度。

作为本发明的一个实施例，所述目标为球体，如图4所示，S202可以包括：

在S401中，若所述待处理图像的类型为第一图像，则获取所述目标在所述待定位图像中的位置对应的点云数据。

在本实施例中，第一图像可以包括第一预设区域的彩色图像、深度图像以及点云数据。根据追踪到的目标在待定位图像中的位置，可以选取该位置对应的点云数据。例如，追踪到的目标在第一图像中的位置位于某个矩形区域，则可以获取该矩形区域对应的那部分点云数据。

在S402中，通过随机抽样一致算法对所述点云数据进行球面拟合，确定所述目标在深度相机坐标系中的坐标。

在本实施例中，目标可以为球体，例如足球、排球、橄榄球等。可以利用随机抽样一致(Random sample consensus，RANSAC)算法对点云数据进行球面拟合，确定出目标在深度相机坐标系中的坐标。还可以根据预置的球体半径值对拟合出来的结果进行验证。其中，RANSAC算法采用迭代的方式从一组包含离群的被观测数据中估算出数学模型的参数。

在S403中，将所述目标在深度相机坐标系中的坐标转换到所述预设坐标系中，得到所述目标在所述预设坐标系中的位置坐标。

在本实施例中，深度相机坐标系为以深度相机为参照建立的坐标系。可以根据相机的安装位置对深度相机进行标定，计算出深度相机坐标系相对于预设坐标系(如以机器人为中心建立的机器人坐标系)的旋转平移矩阵，利用旋转平移矩阵公式即可实现坐标的转换。

本实施例通过随机抽样一致算法对点云数据进行球面拟合，确定目标在深度相机坐标系中的坐标，再将目标在深度相机坐标系中的坐标转换到预设坐标系中，能够根据深度相机的图像特点对目标进行定位，从而提高定位精度。

作为本发明的一个实施例，所述第二图像包括左目相机采集的左图像和右目相机采集的右图像，如图5所示，S202可以包括：

在S501中，若所述待处理图像的类型为第二图像，则在所述左图像和所述右图像上选取一对匹配点，根据三角测量方法和所述匹配点计算所述目标在双目相机坐标系中的坐标。

在本实施例，双目相机包括左目相机和右目相机，第二图像包括左目相机采集的左图像和右目相机采集的右图像。可以在左图像和右图像上各选取一个点，作为一对匹配点。例如，若追踪到的目标在左目图像中的位置和在右目图像中的位置均位于某个矩形区域，可以将左目图像中矩形区域与右目图像中矩形区域的中心点作为一对匹配点，认为两个中心点是空间中的同一点，利用三角测量原理计算出计算目标在双目相机坐标系中的坐标。

在S502中，将所述目标在双目相机坐标系中的坐标转换到所述预设坐标系中，得到所述目标在所述预设坐标系中的位置坐标。

在本实施例中，双目相机坐标系为以双目相机为参照建立的坐标系，例如可以以左目相机为中心建立双目相机坐标系。可以根据相机的安装位置对双目相机进行标定，计算出双目相机坐标系相对于预设坐标系(如以机器人为中心建立的机器人坐标系)的旋转平移矩阵，利用旋转平移矩阵公式即可实现坐标的转换。

本实施例根据三角测量方法和匹配点计算目标在双目相机坐标系中的坐标，再将目标在双目相机坐标系中的坐标转换到预设坐标系中，能够根据双目相机的图像特点对目标进行定位，从而提高定位精度。

本发明实施例对于目标没有特殊要求，并且对光照以及背景环境的变化更加鲁棒，同时具有还更高的定位精度。例如，在机器人足球比赛中采用本实施例提供的目标定位方法对足球进行定位，对比赛中使用的足球没有特殊要求，并且对比赛场的灯光及背景环境的变化等的鲁棒性更好，能够实现对足球的高精度定位。

本发明实施例通过对深度相机采集的第一图像和双目相机采集的第二图像进行目标检测，确定第一图像的目标置信度和第二图像的目标置信度，将目标置信度高的图像确定为待定位图像，再根据待定位图像定位出目标的位置信息，通过深度相机与双目相机采集不同区域的图像，再选取目标置信度较高的图像进行跟踪定位，能够提高目标定位精度。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

对应于上文实施例所述的目标定位方法，图6示出了本发明实施例提供的目标定位装置的示意图。为了便于说明，仅示出了与本实施例相关的部分。

参照图6，该装置包括获取模块61、检测模块62、对比模块63和处理模块64。

获取模块61，用于通过深度相机采集第一预设区域的第一图像，通过双目相机采集第二预设区域的第二图像。

检测模块62，用于分别对所述第一图像和所述第二图像进行目标检测，确定所述第一图像的目标置信度和所述第二图像的目标置信度。

对比模块63，用于对比所述第一图像的目标置信度和所述第二图像的目标置信度，将目标置信度高的图像确定为待定位图像。

处理模块64，用于根据所述待定位图像定位出目标的位置信息。

可选地，所述第一预设区域到预设参照点的距离小于第二预设区域到所述预设参照点的距离。

可选地，所述检测模块62用于：

通过聚合通道特征算法分别对所述第一图像和所述第二图像进行目标检测。

可选地，所述处理模块64用于：

在所述待定位图像上对所述目标的位置进行跟踪，确定所述目标在所述待定位图像中的位置；

根据所述目标在所述待定位图像中的位置及所述待定位图像的类型计算所述目标在预设坐标系中的位置坐标；所述待定位图像的类型包括第一图像和第二图像。

可选地，所述处理模块64用于：

确定对所述目标的跟踪结果的置信度；

根据所述置信度判断是否跟踪失败；

若跟踪失败则跳转执行所述通过深度相机采集第一预设区域的第一图像，通过双目相机采集第二预设区域的第二图像的步骤。

可选地，所述目标为球体，所述处理模块64用于：

若所述待处理图像的类型为第一图像，则获取所述目标在所述待定位图像中的位置对应的点云数据；

通过随机抽样一致算法对所述点云数据进行球面拟合，确定所述目标在深度相机坐标系中的坐标；

将所述目标在深度相机坐标系中的坐标转换到所述预设坐标系中，得到所述目标在所述预设坐标系中的位置坐标。

可选地，所述第二图像包括左目相机采集的左图像和右目相机采集的右图像，所述处理模块64用于：

若所述待处理图像的类型为第二图像，则在所述左图像和所述右图像上选取一对匹配点，根据三角测量方法和所述匹配点计算所述目标在双目相机坐标系中的坐标；

将所述目标在双目相机坐标系中的坐标转换到所述预设坐标系中，得到所述目标在所述预设坐标系中的位置坐标。

本发明实施例通过对深度相机采集的第一图像和双目相机采集的第二图像进行目标检测，确定第一图像的目标置信度和第二图像的目标置信度，将目标置信度高的图像确定为待定位图像，再根据待定位图像定位出目标的位置信息，通过深度相机与双目相机采集不同区域的图像，再选取目标置信度较高的图像进行跟踪定位，能够提高目标定位精度。

图7是本发明一实施例提供的终端设备的示意图。如图7所示，该实施例的终端设备7包括：处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72，例如程序。所述处理器70执行所述计算机程序72时实现上述各个方法实施例中的步骤，例如图1所示的步骤101至104。或者，所述处理器70执行所述计算机程序72时实现上述各装置实施例中各模块/单元的功能，例如图6所示模块61至64的功能。

示例性的，所述计算机程序72可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器71中，并由所述处理器70执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序72在所述终端设备7中的执行过程。

所述终端设备7可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器70、存储器71。本领域技术人员可以理解，图7仅仅是终端设备7的示例，并不构成对终端设备7的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线、显示器等。

所称处理器70可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器71可以是所述终端设备7的内部存储单元，例如终端设备7的硬盘或内存。所述存储器71也可以是所述终端设备7的外部存储设备，例如所述终端设备7上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器71还可以既包括所述终端设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，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例方案的目的。

另外，在本发明各个实施例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。

所述集成的模块/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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (7)

1.一种目标定位方法，其特征在于，包括：

通过深度相机采集第一预设区域的第一图像，通过双目相机采集第二预设区域的第二图像；其中，所述第一预设区域到预设参照点的距离小于第二预设区域到所述预设参照点的距离，所述预设参照点为机器人所在位置或场景中的某点；

分别对所述第一图像和所述第二图像进行目标检测，确定所述第一图像的目标置信度和所述第二图像的目标置信度；

对比所述第一图像的目标置信度和所述第二图像的目标置信度，将目标置信度高的图像确定为待定位图像；具体的，若所述第一图像的目标置信度高于所述第二图像的目标置信度，则将所述第一图像作为待定位图像，否则，将第二图像作为待定位图像；

根据所述待定位图像定位出目标的位置信息；

所述根据所述待定位图像定位出目标的位置信息包括：

在所述待定位图像上对所述目标的位置进行跟踪，确定所述目标在所述待定位图像中的位置；

根据所述目标在所述待定位图像中的位置及所述待定位图像的类型计算所述目标在预设坐标系中的位置坐标；所述待定位图像的类型包括第一图像和第二图像；

所述在所述待定位图像上对所述目标的位置进行跟踪包括：

确定对所述目标的跟踪结果的置信度；

根据所述置信度判断是否跟踪失败；

若跟踪失败则跳转执行所述通过深度相机采集第一预设区域的第一图像，通过双目相机采集第二预设区域的第二图像的步骤。

2.如权利要求1所述的目标定位方法，其特征在于，所述分别对所述第一图像和所述第二图像进行目标检测包括：

通过聚合通道特征算法分别对所述第一图像和所述第二图像进行目标检测。

3.如权利要求1所述的目标定位方法，其特征在于，所述目标为球体，所述根据所述目标在所述待定位图像中的位置及所述待定位图像的类型计算所述目标在预设坐标系中的位置坐标包括：

若所述待定位图像的类型为第一图像，则获取所述目标在所述待定位图像中的位置对应的点云数据；

通过随机抽样一致算法对所述点云数据进行球面拟合，确定所述目标在深度相机坐标系中的坐标；

将所述目标在深度相机坐标系中的坐标转换到所述预设坐标系中，得到所述目标在所述预设坐标系中的位置坐标。

4.如权利要求1至3任一项所述的目标定位方法，其特征在于，所述第二图像包括左目相机采集的左图像和右目相机采集的右图像，所述根据所述目标在所述待定位图像中的位置及所述待定位图像的类型计算所述目标在预设坐标系中的位置坐标包括：

若所述待定位图像的类型为第二图像，则在所述左图像和所述右图像上选取一对匹配点，根据三角测量方法和所述匹配点计算所述目标在双目相机坐标系中的坐标；

将所述目标在双目相机坐标系中的坐标转换到所述预设坐标系中，得到所述目标在所述预设坐标系中的位置坐标。

5.一种目标定位装置，其特征在于，包括：

获取模块，用于通过深度相机采集第一预设区域的第一图像，通过双目相机采集第二预设区域的第二图像；其中，所述第一预设区域到预设参照点的距离小于第二预设区域到所述预设参照点的距离，所述预设参照点为机器人所在位置或场景中的某点；

检测模块，用于分别对所述第一图像和所述第二图像进行目标检测，确定所述第一图像的目标置信度和所述第二图像的目标置信度；

对比模块，用于对比所述第一图像的目标置信度和所述第二图像的目标置信度，将目标置信度高的图像确定为待定位图像；具体的，若所述第一图像的目标置信度高于所述第二图像的目标置信度，则将所述第一图像作为待定位图像，否则，将第二图像作为待定位图像；

处理模块，用于根据所述待定位图像定位出目标的位置信息；

所述根据所述待定位图像定位出目标的位置信息包括：

在所述待定位图像上对所述目标的位置进行跟踪，确定所述目标在所述待定位图像中的位置；

根据所述目标在所述待定位图像中的位置及所述待定位图像的类型计算所述目标在预设坐标系中的位置坐标；所述待定位图像的类型包括第一图像和第二图像；

所述在所述待定位图像上对所述目标的位置进行跟踪包括：

确定对所述目标的跟踪结果的置信度；

根据所述置信度判断是否跟踪失败；

若跟踪失败则跳转至获取模块，执行所述通过深度相机采集第一预设区域的第一图像，通过双目相机采集第二预设区域的第二图像。

6.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述方法的步骤。

7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。