CN112330721B - 三维坐标的恢复方法及装置、电子设备和存储介质 - Google Patents
三维坐标的恢复方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112330721B CN112330721B CN202011255018.8A CN202011255018A CN112330721B CN 112330721 B CN112330721 B CN 112330721B CN 202011255018 A CN202011255018 A CN 202011255018A CN 112330721 B CN112330721 B CN 112330721B
- Authority
- CN
- China
- Prior art keywords
- target object
- dimensional coordinates
- camera
- determining
- moment
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/292—Multi-camera tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
-
- 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)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本公开涉及一种三维坐标的恢复方法及装置、电子设备和存储介质。所述方法包括:获取目标对象在当前时刻的上一时刻的三维坐标;根据所述目标对象在所述上一时刻的三维坐标,确定所述目标对象在所述上一时刻与多个摄像头分别对应的二维坐标;对于所述多个摄像头中的任一摄像头,根据所述目标对象在所述上一时刻对应于该摄像头的二维坐标、与该摄像头在所述当前时刻采集的视频帧中的检测框之间的距离,确定所述目标对象在所述当前时刻对应的候选检测框;根据所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻的三维坐标。
Description
技术领域
本公开涉及计算机视觉技术领域,尤其涉及一种三维坐标的恢复方法及装置、电子设备和存储介质。
背景技术
三维重建是计算机视觉中十分关键的一项技术,在电影动画、自动驾驶、医学影像重建等方面应用广泛。三维重建技术的发展依赖于硬件,例如,自动驾驶采用激光雷达设备,影音娱乐高级消费市场常采用RGB-D(Red,红;Green,绿;Blue,蓝;Deep,深度)相机,这些硬件设备在日常生活中的普及有限。因此,根据数码相机或智能手机中获得的普通二维图像恢复三维场景成为热点,并推动了软件算法的发展。三维运动轨迹恢复是指根据二维的视频帧序列恢复目标对象在三维场景中的运动轨迹。在三维运动轨迹恢复中,需要恢复目标对象在不同时刻的三维坐标。如何提高三维坐标恢复的准确性,是亟待解决的技术问题。
发明内容
本公开提供了一种三维坐标的恢复技术方案。
根据本公开的一方面,提供了一种三维坐标的恢复方法,包括:
获取目标对象在当前时刻的上一时刻的三维坐标;
根据所述目标对象在所述上一时刻的三维坐标,确定所述目标对象在所述上一时刻与多个摄像头分别对应的二维坐标;
对于所述多个摄像头中的任一摄像头,根据所述目标对象在所述上一时刻对应于该摄像头的二维坐标、与该摄像头在所述当前时刻采集的视频帧中的检测框之间的距离,确定所述目标对象在所述当前时刻对应的候选检测框;
根据所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻的三维坐标。
在本公开实施例中,通过获取目标对象在当前时刻的上一时刻的三维坐标,根据所述目标对象在所述上一时刻的三维坐标,确定所述目标对象在所述上一时刻与多个摄像头分别对应的二维坐标,对于所述多个摄像头中的任一摄像头,根据所述目标对象在所述上一时刻对应于该摄像头的二维坐标、与该摄像头在所述当前时刻采集的视频帧中的检测框之间的距离,确定所述目标对象在所述当前时刻对应的候选检测框,并根据所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻的三维坐标,由此利用目标对象在上一时刻的三维坐标,结合多个摄像头对应的多个视角,获取目标对象在当前时刻的三维坐标,从而能够恢复得到准确的三维运动轨迹。
在一种可能的实现方式中,所述根据所述目标对象在所述上一时刻的三维坐标,确定所述目标对象在所述上一时刻与多个摄像头分别对应的二维坐标,包括:
对于所述多个摄像头中的任一摄像头,根据所述目标对象在所述上一时刻的三维坐标,以及该摄像头对应的三维坐标与二维坐标之间的转换关系,确定所述目标对象在所述上一时刻对应于该摄像头的二维坐标。
在该实现方式中,通过对于所述多个摄像头中的任一摄像头,根据所述目标对象在所述上一时刻的三维坐标,以及该摄像头对应的三维坐标与二维坐标之间的转换关系,确定所述目标对象在所述上一时刻对应于该摄像头的二维坐标,由此基于重投影的方法,根据所述目标对象在所述上一时刻的三维坐标,准确地确定所述目标对象在所述上一时刻对应于所述多个摄像头的二维坐标。
在一种可能的实现方式中,所述对于所述多个摄像头中的任一摄像头,根据所述目标对象在所述上一时刻对应于该摄像头的二维坐标、与该摄像头在所述当前时刻采集的视频帧中的检测框之间的距离,确定所述目标对象在所述当前时刻对应的候选检测框,包括:
对于所述多个摄像头中的任一摄像头,确定该摄像头在所述当前时刻采集的视频帧中、与所述目标对象在所述上一时刻对应于该摄像头的二维坐标距离最近的检测框;
响应于所述距离最近的检测框与所述目标对象在所述上一时刻对应于该摄像头的二维坐标之间的距离小于或等于第一距离阈值,将所述距离最近的检测框确定为所述目标对象在所述当前时刻对应的候选检测框。
在该实现方式中,通过第一距离阈值来筛选目标对象在当前时刻对应的候选检测框,由此能够进一步提高所确定的候选检测框属于目标对象的真实检测框的概率,即,能够进一步提高所确定的候选检测框中包含目标对象的概率。基于由此确定的目标对象在当前时刻对应的候选检测框,确定目标对象在当前时刻的三维坐标,有助于进一步提高所确定的目标对象在当前时刻的三维坐标的准确性。
在一种可能的实现方式中,所述方法还包括:
根据所述目标对象的运动速度,确定所述第一距离阈值,其中,所述第一距离阈值与所述目标对象的运动速度正相关。
在该实现方式中,通过根据所述目标对象的运动速度确定所述第一距离阈值,由此能够基于目标对象的运动状态灵活确定合适的第一距离阈值,即,在所述目标对象的运动速度较小时,确定较小的第一距离阈值,在所述目标对象的运动速度较大时,确定较大的第一距离阈值,从而在所述目标对象的运动速度较小时,能够降低将距离较远的检测框误作为候选检测框的概率,并能够在所述目标对象的运动速度较大时,降低错过距离较远的检测框的概率,从而能够提高所确定的候选检测框的准确性,进而能够提高所确定的目标对象在当前时刻的三维坐标的精度。
在一种可能的实现方式中,所述根据所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻的三维坐标,包括:
根据所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻的候选三维坐标;
根据所述目标对象在所述当前时刻的候选三维坐标,确定所述目标对象在所述当前时刻的三维坐标。
在该实现方式中,根据所述目标对象在所述当前时刻对应的候选检测框的位置,恢复得到所述目标对象在所述当前时刻的候选三维坐标,并根据所述目标对象在所述当前时刻的候选三维坐标,确定所述目标对象在所述当前时刻的三维坐标,由此能够准确地确定目标对象在当前时刻的三维坐标,从而能够恢复得到准确的三维运动轨迹。
在一种可能的实现方式中,所述根据所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻的候选三维坐标,包括:
对于所述多个摄像头中的任意一组摄像头中的任意一个摄像头,根据该摄像头在所述当前时刻采集的视频帧所确定的所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻对应于该摄像头的候选二维坐标,其中,任意一组摄像头包括至少两个摄像头;
根据所述目标对象在所述当前时刻对应于该组摄像头中的摄像头的候选二维坐标,以及该组摄像头中的摄像头对应的二维坐标与三维坐标之间的转换关系,确定所述目标对象在所述当前时刻对应于该组摄像头的候选三维坐标。
在该实现方式中,对于所述多个摄像头中的任意一组摄像头中的任意一个摄像头,根据该摄像头在所述当前时刻采集的视频帧所确定的所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻对应于该摄像头的候选二维坐标,根据所述目标对象在所述当前时刻对应于该组摄像头中的摄像头的候选二维坐标,以及该组摄像头中的摄像头对应的二维坐标与三维坐标之间的转换关系,确定所述目标对象在所述当前时刻对应于该组摄像头的候选三维坐标,由此能够基于多视几何较准确地恢复所述目标对象在所述当前时刻对应于该组摄像头的候选三维坐标。
在一种可能的实现方式中,所述根据所述目标对象在所述当前时刻的候选三维坐标,确定所述目标对象在所述当前时刻的三维坐标,包括:
根据所述目标对象在所述当前时刻的候选三维坐标中,与所述目标对象在所述上一时刻的三维坐标之间的距离小于第二距离阈值的候选三维坐标,确定所述目标对象在所述当前时刻的三维坐标。
在该实现方式中,通过第二距离阈值来筛选目标对象在当前时刻的候选三维坐标,由此能够进一步提高所确定的目标对象在当前时刻的三维坐标的准确性。
在一种可能的实现方式中,所述方法还包括:
根据所述目标对象的运动速度,确定所述第二距离阈值,其中,所述第二距离阈值与所述目标对象的运动速度正相关。
在该实现方式中,通过根据目标对象的运动速度确定第二距离阈值,由此能够基于目标对象的运动状态灵活确定合适的第二距离阈值,即,在所述目标对象的运动速度较小时,确定较小的第二距离阈值,在所述目标对象的运动速度较大时,确定较大的第二距离阈值,从而在所述目标对象的运动速度较小时,能够基于较小范围内的候选三维坐标确定目标对象在当前时刻的三维坐标,在所述目标对象的运动速度较大时,能够基于较大范围内的候选三维坐标确定目标对象在当前时刻的三维坐标,从而能够提高所确定的目标对象在当前时刻的三维坐标的精度。
在一种可能的实现方式中,在所述获取目标对象在当前时刻的上一时刻的三维坐标之前,所述方法还包括:
对于所述多个摄像头中的任一摄像头,根据该摄像头在第一时刻采集的视频帧中置信度最高的检测框,确定目标对象在所述第一时刻对应的候选检测框,其中,所述第一时刻表示三维坐标恢复的开始时刻;
根据所述目标对象在所述第一时刻对应的候选检测框,确定所述目标对象在所述第一时刻的三维坐标。
在该实现方式中,对于所述多个摄像头中的任一摄像头,根据该摄像头在第一时刻采集的视频帧中置信度最高的检测框,确定目标对象在所述第一时刻对应的候选检测框,根据所述目标对象在所述第一时刻对应的候选检测框,确定所述目标对象在所述第一时刻的三维坐标,由此能够准确地确定目标对象在第一时刻的三维坐标。由于在所述第一时刻之后的任一时刻进行三维坐标的恢复时,依赖于目标对象在该时刻的上一时刻的三维坐标,因此,基于由此确定的目标对象在第一时刻的三维坐标进行后续的三维坐标的恢复,有助于提高三维坐标恢复的准确性,从而有助于提高后续恢复的目标对象的三维运动轨迹的准确性。
根据本公开的一方面,提供了一种三维坐标的恢复装置,包括:
获取模块,用于获取目标对象在当前时刻的上一时刻的三维坐标;
第一确定模块,用于根据所述目标对象在所述上一时刻的三维坐标,确定所述目标对象在所述上一时刻与多个摄像头分别对应的二维坐标;
第二确定模块,用于对于所述多个摄像头中的任一摄像头,根据所述目标对象在所述上一时刻对应于该摄像头的二维坐标、与该摄像头在所述当前时刻采集的视频帧中的检测框之间的距离,确定所述目标对象在所述当前时刻对应的候选检测框;
第三确定模块,用于根据所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻的三维坐标。
在一种可能的实现方式中,所述第一确定模块用于:
对于所述多个摄像头中的任一摄像头,根据所述目标对象在所述上一时刻的三维坐标,以及该摄像头对应的三维坐标与二维坐标之间的转换关系,确定所述目标对象在所述上一时刻对应于该摄像头的二维坐标。
在一种可能的实现方式中,所述第一确定模块用于:
对于所述多个摄像头中的任一摄像头,确定该摄像头在所述当前时刻采集的视频帧中、与所述目标对象在所述上一时刻对应于该摄像头的二维坐标距离最近的检测框;
响应于所述距离最近的检测框与所述目标对象在所述上一时刻对应于该摄像头的二维坐标之间的距离小于或等于第一距离阈值,将所述距离最近的检测框确定为所述目标对象在所述当前时刻对应的候选检测框。
在一种可能的实现方式中,所述装置还包括:
第四确定模块,用于根据所述目标对象的运动速度,确定所述第一距离阈值,其中,所述第一距离阈值与所述目标对象的运动速度正相关。
在一种可能的实现方式中,所述第三确定模块用于:
根据所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻的候选三维坐标;
根据所述目标对象在所述当前时刻的候选三维坐标,确定所述目标对象在所述当前时刻的三维坐标。
在一种可能的实现方式中,所述第三确定模块用于:
对于所述多个摄像头中的任意一组摄像头中的任意一个摄像头,根据该摄像头在所述当前时刻采集的视频帧所确定的所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻对应于该摄像头的候选二维坐标,其中,任意一组摄像头包括至少两个摄像头;
根据所述目标对象在所述当前时刻对应于该组摄像头中的摄像头的候选二维坐标,以及该组摄像头中的摄像头对应的二维坐标与三维坐标之间的转换关系,确定所述目标对象在所述当前时刻对应于该组摄像头的候选三维坐标。
在一种可能的实现方式中,所述第三确定模块用于:
根据所述目标对象在所述当前时刻的候选三维坐标中,与所述目标对象在所述上一时刻的三维坐标之间的距离小于第二距离阈值的候选三维坐标,确定所述目标对象在所述当前时刻的三维坐标。
在一种可能的实现方式中,所述装置还包括:
第五确定模块,用于根据所述目标对象的运动速度,确定所述第二距离阈值,其中,所述第二距离阈值与所述目标对象的运动速度正相关。
在一种可能的实现方式中,所述装置还包括:
第六确定模块,用于对于所述多个摄像头中的任一摄像头,根据该摄像头在第一时刻采集的视频帧中置信度最高的检测框,确定目标对象在所述第一时刻对应的候选检测框,其中,所述第一时刻表示三维坐标恢复的开始时刻;
第七确定模块,用于根据所述目标对象在所述第一时刻对应的候选检测框,确定所述目标对象在所述第一时刻的三维坐标。
根据本公开的一方面,提供了一种电子设备,包括:一个或多个处理器;用于存储可执行指令的存储器;其中,所述一个或多个处理器被配置为调用所述存储器存储的可执行指令,以执行上述方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。
在本公开实施例中,通过获取目标对象在当前时刻的上一时刻的三维坐标,根据所述目标对象在所述上一时刻的三维坐标,确定所述目标对象在所述上一时刻与多个摄像头分别对应的二维坐标,对于所述多个摄像头中的任一摄像头,根据所述目标对象在所述上一时刻对应于该摄像头的二维坐标、与该摄像头在所述当前时刻采集的视频帧中的检测框之间的距离,确定所述目标对象在所述当前时刻对应的候选检测框,并根据所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻的三维坐标,由此利用目标对象在上一时刻的三维坐标,结合多个摄像头对应的多个视角,获取目标对象在当前时刻的三维坐标,从而能够恢复得到准确的三维运动轨迹。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出本公开实施例提供的三维坐标的恢复方法的流程图。
图2示出本公开实施例提供的三维坐标的恢复方法的示意图。
图3示出本公开实施例提供的三维坐标的恢复装置的框图。
图4示出本公开实施例提供的一种电子设备800的框图。
图5示出本公开实施例提供的一种电子设备1900的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
相关技术的三维重建方法中,比较主流的算法是SFM(Structure From Motion,运动中恢复结构)。该算法是通过对多视角图像中的特征点进行匹配并基于多视图几何学原理,估计出拍摄时相机的相对运动,进而计算出目标对象的结构的点云分布。SFM算法可以概括为特征提取、特征匹配和后续的工程优化这三个步骤。SFM算法依赖于场景的特征结构,即,要求场景中存在较多的角点,以提取足够多的匹配特征点用于后续的工程优化。对于一些特殊的应用场景,比如恢复足球场上的足球或球员,并不具有通用性。这是因为足球场中角点的数量较少,且我们关注的目标对象(足球或球员)的尺寸较小。因此,利用SFM算法,难以恢复出角点数量较少和/或目标对象尺寸较小的场景中目标对象的三维位置。同时,SFM依靠相机运动进行静态场景恢复,而很多实际的应用场景需要在固定相机位置的同时恢复出动态场景,即恢复目标对象的三维运动轨迹。
为了解决类似上述所述的技术问题,本公开实施例提供了一种三维坐标的恢复方法及装置、电子设备和存储介质,通过获取目标对象在当前时刻的上一时刻的三维坐标,根据所述目标对象在所述上一时刻的三维坐标,确定所述目标对象在所述上一时刻与多个摄像头分别对应的二维坐标,对于所述多个摄像头中的任一摄像头,根据所述目标对象在所述上一时刻对应于该摄像头的二维坐标、与该摄像头在所述当前时刻采集的视频帧中的检测框之间的距离,确定所述目标对象在所述当前时刻对应的候选检测框,并根据所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻的三维坐标,由此利用目标对象在上一时刻的三维坐标,结合多个摄像头对应的多个视角,获取目标对象在当前时刻的三维坐标,从而能够恢复得到准确的三维运动轨迹。本公开实施例在角点数量较少的场景中也能恢复得到准确的三维运动轨迹,且能够适用于对小尺寸、难检测的目标对象进行三维运动轨迹恢复。
图1示出本公开实施例提供的三维坐标的恢复方法的流程图。所述三维坐标的恢复方法的执行主体可以是三维坐标的恢复装置。例如,所述三维坐标的恢复方法可以由终端设备或服务器或其它处理设备执行。其中,终端设备可以是用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal DigitalAssistant,PDA)、手持设备、计算设备、车载设备或者可穿戴设备等。在一些可能的实现方式中,所述三维坐标的恢复方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图1所示,所述三维坐标的恢复方法包括步骤S11至步骤S14。
在步骤S11中,获取目标对象在当前时刻的上一时刻的三维坐标。
本公开实施例可以应用于智能场景分析、智慧教育、智慧城市、安防、目标检测、目标跟踪等应用场景中。本公开实施例中,需要进行三维坐标恢复和/或三维运动轨迹恢复的场地可以是相对封闭的区域,也可以是相对开阔的区域。例如,需要进行三维坐标恢复和/或三维运动轨迹恢复的场地可以是球场、商场、教室等。所述目标对象表示需要进行三维坐标恢复和/或三维运动轨迹恢复的对象。例如,所述目标对象可以是行人、车辆、运动场中的运动员(例如足球场中的球员)、足球场中的足球等任何需要进行三维坐标恢复和/或三维运动轨迹恢复的对象。
在本公开实施例中,可以针对摄像头采集的每一视频帧,分别确定所述目标对象的三维坐标。当然,也可以不对摄像头采集的视频帧逐帧进行分析,例如,可以每隔若干个视频帧,确定所述目标对象的三维坐标。
在本公开实施例中,三维坐标可以是第一坐标系下的坐标。所述第一坐标系是三维坐标系。例如,所述第一坐标系可以是世界坐标系或者其他虚拟的三维坐标系。在一种可能的实现方式中,所述第一坐标系可以以需要进行三维坐标恢复和/或三维运动轨迹恢复的场地平面为x-y平面,且所述第一坐标系的z轴垂直于x-y平面。
在一种可能的实现方式中,相邻的两个时刻之间的时间间隔可以等于摄像头采集视频帧的帧率的倒数。在另一种可能的实现方式中,相邻的两个时刻之间的时间间隔可以大于摄像头采集视频帧的帧率的倒数,例如可以等于摄像头采集视频帧的帧率的倒数的H倍,其中,H是大于1的整数。所述当前时刻可以表示当前进行三维坐标恢复的时刻,所述上一时刻表示所述当前时刻的上一个进行三维坐标恢复的时刻。
在本公开实施例中,若所述当前时刻不是三维坐标恢复的开始时刻,则可以获取目标对象在当前时刻的上一时刻的三维坐标。其中,三维坐标恢复的开始时刻可以指开始恢复三维坐标的时刻,即,可以指恢复目标对象的第一个三维坐标的时刻。三维坐标恢复的开始时刻可以等同于三维运动轨迹恢复的开始时刻。在一种可能的实现方式中,在所述获取目标对象在当前时刻的上一时刻的三维坐标之前,所述方法还包括:对于所述多个摄像头中的任一摄像头,根据该摄像头在第一时刻采集的视频帧中置信度最高的检测框,确定目标对象在所述第一时刻对应的候选检测框,其中,所述第一时刻表示三维坐标恢复的开始时刻;根据所述目标对象在所述第一时刻对应的候选检测框,确定所述目标对象在所述第一时刻的三维坐标。
在该实现方式中,任一检测框的置信度,可以表示该检测框属于目标对象类别的概率。例如,该检测框属于目标对象类别的概率越高,则该检测框的置信度越高;该检测框属于目标对象类别的概率越低,则该检测框的置信度越低。例如,目标对象是行人,则目标对象类别是行人类别,任一检测框的置信度可以表示该检测框属于行人类别的概率;又如,目标对象是足球,则目标对象类别是足球类别,任一检测框的置信度可以表示该检测框属于足球类别的概率。在该实现方式中,对于所述多个摄像头中的任一摄像头,可以将该摄像头在第一时刻采集的视频帧中置信度最高的检测框,确定为目标对象在所述第一时刻对应的候选检测框;或者,对于所述多个摄像头中的任一摄像头,对该摄像头在第一时刻采集的视频帧中置信度最高的检测框的置信度大于或等于预设的置信度阈值,则将该摄像头在第一时刻采集的视频帧中置信度最高的检测框确定为目标对象在所述第一时刻对应的候选检测框。当然,在其他可能的实现方式中,对于所述多个摄像头中的任一摄像头,还可以根据该摄像头在第一时刻采集的视频帧中置信度高于预设的置信度阈值的任一检测框,确定目标对象在所述第一时刻对应的候选检测框,在此不作限定。
在该实现方式中,可以根据所述目标对象在所述第一时刻对应的候选检测框,确定所述目标对象在所述第一时刻的候选三维坐标;根据所述目标对象在所述第一时刻的候选三维坐标,确定所述目标对象在所述第一时刻的三维坐标。
作为该实现方式的一个示例,对于所述多个摄像头中的任意一组摄像头中的任意一个摄像头,根据该摄像头在所述第一时刻采集的视频帧所确定的所述目标对象在所述第一时刻对应的候选检测框,确定所述目标对象在所述第一时刻对应于该摄像头的候选二维坐标,其中,任意一组摄像头包括至少两个摄像头;根据所述目标对象在所述第一时刻对应于该组摄像头中的摄像头的候选二维坐标,以及该组摄像头中的摄像头对应的二维坐标与三维坐标之间的转换关系,确定所述目标对象在所述第一时刻对应于该组摄像头的候选三维坐标。
在该示例中,对于所述多个摄像头中的任意一个摄像头,可以根据该摄像头在所述第一时刻采集的视频帧所确定的所述目标对象在所述第一时刻对应的候选检测框的位置,确定所述目标对象在所述第一时刻对应于该摄像头的候选二维坐标。例如,任一摄像头在第一时刻采集的视频帧所确定的所述目标对象在第一时刻对应的候选检测框是候选检测框B,则可以将候选检测框B上的任意一点或者候选检测框B内部的任意一点作为目标对象在所述第一时刻对应于该摄像头的候选二维坐标。例如,可以将候选检测框B底边的中点作为目标对象在所述第一时刻对应于该摄像头的候选二维坐标。
作为该实现方式的一个示例,可以将所述目标对象在所述第一时刻的候选三维坐标中的中位数,确定为所述目标对象在所述第一时刻的三维坐标。作为该实现方式的另一个示例,可以将所述目标对象在所述第一时刻的候选三维坐标中的平均值,确定为所述目标对象在所述第一时刻的三维坐标。
在该实现方式中,对于所述多个摄像头中的任一摄像头,根据该摄像头在第一时刻采集的视频帧中置信度最高的检测框,确定目标对象在所述第一时刻对应的候选检测框,根据所述目标对象在所述第一时刻对应的候选检测框,确定所述目标对象在所述第一时刻的三维坐标,由此能够准确地确定目标对象在第一时刻的三维坐标。由于在所述第一时刻之后的任一时刻进行三维坐标的恢复时,依赖于目标对象在该时刻的上一时刻的三维坐标,因此,基于由此确定的目标对象在第一时刻的三维坐标进行后续的三维坐标的恢复,有助于提高三维坐标恢复的准确性,从而有助于提高后续恢复的目标对象的三维运动轨迹的准确性。
在另一种可能的实现方式中,在所述获取目标对象在当前时刻的上一时刻的三维坐标之前,所述方法还包括:根据所述多个摄像头中的第一摄像头在第一时刻采集的视频帧中置信度最高的检测框,确定所述目标对象在所述第一时刻对应的第一候选检测框,其中,所述第一摄像头为所述多个摄像头中的任一摄像头;根据所述多个摄像头中的第二摄像头在所述第一时刻采集的视频帧中置信度最高的检测框,确定所述目标对象在所述第一时刻对应的第二候选检测框其,其中,所述第二摄像头为所述多个摄像头中除所述第一摄像头以外的任一摄像头;根据所述第一候选检测框,确定所述目标对象在所述第一时刻对应于所述第一摄像头的第一候选二维坐标;根据所述第二候选检测框,确定所述目标对象在所述第一时刻对应于所述第二摄像头的第二候选二维坐标;根据所述第一候选二维坐标,所述第二候选二维坐标,以及所述第一摄像头和所述第二摄像头对应的二维坐标与三维坐标之间的转换关系,确定所述目标对象在所述第一时刻的三维坐标。根据该实现方式,可以仅根据两个摄像头在第一时刻采集的视频帧确定所述目标对象在所述第一时刻的三维坐标。
在一种可能的实现方式中,可以采用目标检测模型检测摄像头采集的视频帧中目标对象的检测框,即目标对象的边界框。例如,所述目标检测模型可以采用Faster-RCNN(Faster Recurrent Convolutional Neural Network,更快速的递归卷积神经网络)或者Fast-RCNN(Faster Recurrent Convolutional Neural Network,快速递归卷积神经网络)等。所述目标检测模型的骨干网络可以采用ResNet-18等结构。为了提高所述目标检测模型的处理速度,可以通过减少骨干网络中的模块数量、通道剪枝等方法对所述目标检测模型进行模型压缩,由此在不降低模型精度的同时,提高模型速度。在一个示例中,为了提高对小尺寸目标对象的检测精度,可以调整锚(Anchor)的尺寸,例如减小锚的尺寸,或者设置多个不同的锚尺寸,以提高小尺寸的目标对象的召回率,减少漏检,并可以采用特征金字塔的方法,融合多层特征,以检测出多尺度的目标对象。采用该示例,可以适应于恢复小尺寸的目标对象(例如足球场中的球员或足球)和/或多尺度的目标对象的三维坐标和/或三维运动轨迹。
在步骤S12中,根据所述目标对象在所述上一时刻的三维坐标,确定所述目标对象在所述上一时刻与多个摄像头分别对应的二维坐标。
在本公开实施例中,所述多个摄像头可以放置在需要进行三维坐标恢复和/或三维运动轨迹恢复的场地的周围。二维坐标可以是第二坐标系下的坐标。所述第二坐标系是二维坐标系。例如,所述第二坐标系可以是像素坐标系或者图像坐标系等。所述目标对象在所述上一时刻与多个摄像头分别对应的二维坐标,可以包括所述目标对象在所述上一时刻对应于所述多个摄像头中的各个摄像头的二维坐标。当然,若所述多个摄像头中的任一摄像头在所述上一时刻采集的视频帧中不包含所述目标对象,即,所述目标对象在所述上一时刻不在该摄像头的视野范围内,则在所述目标对象在所述上一时刻与多个摄像头分别对应的二维坐标中可以不包括所述目标对象在所述上一时刻对应于该摄像头的二维坐标,或者,所确定的所述目标对象在所述上一时刻对应于该摄像头的二维坐标可以在该摄像头的视野范围外。
在一种可能的实现方式中,所述根据所述目标对象在所述上一时刻的三维坐标,确定所述目标对象在所述上一时刻与多个摄像头分别对应的二维坐标,包括:对于所述多个摄像头中的任一摄像头,根据所述目标对象在所述上一时刻的三维坐标,以及该摄像头对应的三维坐标与二维坐标之间的转换关系,确定所述目标对象在所述上一时刻对应于该摄像头的二维坐标。在该实现方式中,通过对于所述多个摄像头中的任一摄像头,根据所述目标对象在所述上一时刻的三维坐标,以及该摄像头对应的三维坐标与二维坐标之间的转换关系,确定所述目标对象在所述上一时刻对应于该摄像头的二维坐标,由此基于重投影的方法,根据所述目标对象在所述上一时刻的三维坐标,准确地确定所述目标对象在所述上一时刻对应于所述多个摄像头的二维坐标。当然,在其他可能的实现方式中,在根据所述目标对象在所述上一时刻的三维坐标,确定所述目标对象在所述上一时刻与多个摄像头分别对应的二维坐标的过程中,还可以结合最小化重投影误差的方法,以进一步提高所确定的所述目标对象在所述上一时刻对应于所述多个摄像头的二维坐标的准确性。
在步骤S13中,对于所述多个摄像头中的任一摄像头,根据所述目标对象在所述上一时刻对应于该摄像头的二维坐标、与该摄像头在所述当前时刻采集的视频帧中的检测框之间的距离,确定所述目标对象在所述当前时刻对应的候选检测框。
例如,所述多个摄像头包括摄像头ch1,所述当前时刻记为t,所述当前时刻的上一时刻记为t-1。所述目标对象在上一时刻t-1对应于摄像头ch1的二维坐标为q1,摄像头ch1在当前时刻t采集的视频帧中的某一检测框的位置为q2,则可以根据q1与q2之间的距离,判断是否将该检测框确定为所述目标对象在当前时刻t对应的候选检测框。
在本公开实施例中,结合所述目标对象在所述上一时刻对应于各个摄像头的二维坐标,确定所述目标对象在所述当前时刻对应的候选检测框,由此确定的候选检测框属于目标对象的真实检测框的概率较大,即,由此确定的候选检测框中包含目标对象的概率较大。基于由此确定的目标对象在当前时刻对应的候选检测框,确定目标对象在当前时刻的三维坐标,有助于提高所确定的目标对象在当前时刻的三维坐标的准确性。
在一种可能的实现方式中,所述对于所述多个摄像头中的任一摄像头,根据所述目标对象在所述上一时刻对应于该摄像头的二维坐标、与该摄像头在所述当前时刻采集的视频帧中的检测框之间的距离,确定所述目标对象在所述当前时刻对应的候选检测框,包括:对于所述多个摄像头中的任一摄像头,确定该摄像头在所述当前时刻采集的视频帧中、与所述目标对象在所述上一时刻对应于该摄像头的二维坐标距离最近的检测框;响应于所述距离最近的检测框与所述目标对象在所述上一时刻对应于该摄像头的二维坐标之间的距离小于或等于第一距离阈值,将所述距离最近的检测框确定为所述目标对象在所述当前时刻对应的候选检测框。
在该实现方式中,对于所述多个摄像头中的任一摄像头,该摄像头在所述当前时刻采集的视频帧中可能存在检测框,也可能不存在检测框。在该摄像头在所述当前时刻采集的视频帧中存在检测框的情况下,可以确定该摄像头在所述当前时刻采集的视频帧中、与所述目标对象在所述上一时刻对应于该摄像头的二维坐标距离最近的检测框。对于所述多个摄像头中的任一摄像头,若所述距离最近的检测框与所述目标对象在所述上一时刻对应于该摄像头的二维坐标之间的距离大于第一距离阈值,则可以不将所述距离最近的检测框确定为所述目标对象在所述当前时刻对应的候选检测框。即,对于所述多个摄像头中的任一摄像头,若该摄像头在所述当前时刻采集的视频帧中、不存在与所述目标对象在所述上一时刻对应于该摄像头的二维坐标的距离小于或等于所述第一距离阈值的检测框,则在所述目标对象在所述当前时刻对应的候选检测框中,可以不包括该摄像头在所述当前时刻采集的视频帧中的检测框。
在该实现方式中,对于所述多个摄像头中的任一摄像头,若所述距离最近的检测框与所述目标对象在所述上一时刻对应于该摄像头的二维坐标之间的距离小于或等于第一距离阈值,则所述距离最近的检测框与所述目标对象在所述上一时刻的位置较近,因此所述距离最近的检测框属于所述目标对象的真实检测框的概率较高;若所述距离最近的检测框与所述目标对象在所述上一时刻对应于该摄像头的二维坐标之间的距离大于所述第一距离阈值,则所述距离最近的检测框与所述目标对象在所述上一时刻的位置较远,因此所述距离最近的检测框属于所述目标对象的真实检测框的概率较低。在该实现方式中,通过第一距离阈值来筛选目标对象在当前时刻对应的候选检测框,由此能够进一步提高所确定的候选检测框属于目标对象的真实检测框的概率,即,能够进一步提高所确定的候选检测框中包含目标对象的概率。基于由此确定的目标对象在当前时刻对应的候选检测框,确定目标对象在当前时刻的三维坐标,有助于进一步提高所确定的目标对象在当前时刻的三维坐标的准确性。
作为该实现方式的一个示例,所述方法还包括:根据所述目标对象的运动速度,确定所述第一距离阈值,其中,所述第一距离阈值与所述目标对象的运动速度正相关。在该示例中,可以根据所述目标对象在多个时刻的三维坐标,确定所述目标对象的运动速度。例如,可以根据所述目标对象在所述上一时刻以及所述上一时刻之前的至少一个时刻的三维坐标,以及相邻时刻之间的时间间隔,确定所述目标对象的运动速度。在该示例中,所述目标对象的运动速度越大,则所述第一距离阈值越大,反之,所述目标对象的运动速度越小,则所述第一距离阈值越小。在该示例中,通过根据所述目标对象的运动速度确定所述第一距离阈值,由此能够基于目标对象的运动状态灵活确定合适的第一距离阈值,即,在所述目标对象的运动速度较小时,确定较小的第一距离阈值,在所述目标对象的运动速度较大时,确定较大的第一距离阈值,从而在所述目标对象的运动速度较小时,能够降低将距离较远的检测框误作为候选检测框的概率,并能够在所述目标对象的运动速度较大时,降低错过距离较远的检测框的概率,从而能够提高所确定的候选检测框的准确性,进而能够提高所确定的目标对象在当前时刻的三维坐标的精度。在该示例中,可以随着所述目标对象的运动速度的改变,动态调整所述第一距离阈值,或者,也可以在根据所述目标对象的运动速度确定所述第一距离阈值后,不再调整所述第一距离阈值。
当然,在其他示例中,所述第一距离阈值还可以是预先设置的常数,以降低目标跟踪过程中的计算量。
在另一种可能的实现方式中,所述对于所述多个摄像头中的任一摄像头,根据所述目标对象在所述上一时刻对应于该摄像头的二维坐标、与该摄像头在所述当前时刻采集的视频帧中的检测框之间的距离,确定所述目标对象在所述当前时刻对应的候选检测框,包括:对于所述多个摄像头中的任一摄像头,将该摄像头在所述当前时刻采集的视频帧中、与所述目标对象在所述上一时刻对应于该摄像头的二维坐标距离最近的检测框,确定为所述目标对象在所述当前时刻对应的候选检测框。
在步骤S14中,根据所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻的三维坐标。
在本公开实施例中,根据所述目标对象在所述当前时刻的三维坐标,以及所述目标对象在所述当前时刻之前的至少一个时刻的三维坐标,可以得到所述目标对象的三维运动轨迹。例如,可以根据时间顺序,连接所述目标对象在所述当前时刻以及所述当前时刻之前的各个时刻的三维坐标,得到所述目标对象的三维运动轨迹。
在一种可能的实现方式中,在确定目标对象在当前时刻的三维坐标之后,可以采用卡尔曼滤波算法,基于目标对象在上一时刻的三维坐标,预测目标对象在当前时刻的估计坐标,并根据目标对象在当前时刻的估计坐标,校正目标对象在当前时刻的三维坐标。该实现方式通过采用卡尔曼滤波算法对目标对象在当前时刻的三维坐标进行处理,从而能够使恢复得到的目标对象的三维运动轨迹更平滑。当然,也可以采用其他滤波算法对所述目标对象的三维运动轨迹进行平滑处理,或者可以不对所述目标对象的三维运动轨迹进行平滑处理,在此不作限定。
在本公开实施例中,通过获取目标对象在当前时刻的上一时刻的三维坐标,根据所述目标对象在所述上一时刻的三维坐标,确定所述目标对象在所述上一时刻与多个摄像头分别对应的二维坐标,对于所述多个摄像头中的任一摄像头,根据所述目标对象在所述上一时刻对应于该摄像头的二维坐标、与该摄像头在所述当前时刻采集的视频帧中的检测框之间的距离,确定所述目标对象在所述当前时刻对应的候选检测框,并根据所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻的三维坐标,由此利用目标对象在上一时刻的三维坐标,结合多个摄像头对应的多个视角,获取目标对象在当前时刻的三维坐标,从而能够恢复得到准确的三维运动轨迹。本公开实施例结合目标对象在上一时刻的位置信息(时序信息)以及重投影的方法来获取目标对象在当前时刻的三维坐标,进而在角点数量较少的场景中也能恢复得到准确的三维坐标和/或三维运动轨迹,且能够适用于对小尺寸、难检测的目标对象进行三维坐标恢复和/或三维运动轨迹恢复。
在一种可能的实现方式中,所述根据所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻的三维坐标,包括:根据所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻的候选三维坐标;根据所述目标对象在所述当前时刻的候选三维坐标,确定所述目标对象在所述当前时刻的三维坐标。在该实现方式中,根据所述目标对象在所述当前时刻对应的候选检测框的位置,恢复得到所述目标对象在所述当前时刻的候选三维坐标,并根据所述目标对象在所述当前时刻的候选三维坐标,确定所述目标对象在所述当前时刻的三维坐标,由此能够准确地确定目标对象在当前时刻的三维坐标,从而能够恢复得到准确的三维运动轨迹。
作为该实现方式的一个示例,所述根据所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻的候选三维坐标,包括:对于所述多个摄像头中的任意一组摄像头中的任意一个摄像头,根据该摄像头在所述当前时刻采集的视频帧所确定的所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻对应于该摄像头的候选二维坐标,其中,任意一组摄像头包括至少两个摄像头;根据所述目标对象在所述当前时刻对应于该组摄像头中的摄像头的候选二维坐标,以及该组摄像头中的摄像头对应的二维坐标与三维坐标之间的转换关系,确定所述目标对象在所述当前时刻对应于该组摄像头的候选三维坐标。
在该示例中,任意一组摄像头中的摄像头的数量为两个或两个以上。例如,可以将任意两个摄像头组为一组摄像头。任一摄像头可以同时属于一组或两组以上的摄像头,例如,摄像头ch2可以与摄像头ch1组成第一组摄像头,摄像头ch2还可以与摄像头ch3组成第二组摄像头。
在该示例中,对于所述多个摄像头中的任意一个摄像头,可以根据该摄像头在所述当前时刻采集的视频帧所确定的所述目标对象在所述当前时刻对应的候选检测框的位置,确定所述目标对象在所述当前时刻对应于该摄像头的候选二维坐标。例如,任一摄像头在当前时刻采集的视频帧所确定的所述目标对象在当前时刻对应的候选检测框是候选检测框B’,则可以将候选检测框B’上的任意一点或者候选检测框B’内部的任意一点作为目标对象在所述当前时刻对应于该摄像头的候选二维坐标。例如,可以将候选检测框B’底边的中点作为目标对象在所述当前时刻对应于该摄像头的候选二维坐标。
在该示例中,根据所述目标对象在所述当前时刻对应于该组摄像头中的摄像头的候选二维坐标,以及该组摄像头中的摄像头对应的二维坐标与三维坐标之间的转换关系,结合多视几何,确定所述目标对象在所述当前时刻对应于该组摄像头的候选三维坐标。
在该示例中,对于所述多个摄像头中的任意一组摄像头中的任意一个摄像头,根据该摄像头在所述当前时刻采集的视频帧所确定的所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻对应于该摄像头的候选二维坐标,根据所述目标对象在所述当前时刻对应于该组摄像头中的摄像头的候选二维坐标,以及该组摄像头中的摄像头对应的二维坐标与三维坐标之间的转换关系,确定所述目标对象在所述当前时刻对应于该组摄像头的候选三维坐标,由此能够基于多视几何较准确地恢复所述目标对象在所述当前时刻对应于该组摄像头的候选三维坐标。
作为该实现方式的一个示例,所述根据所述目标对象在所述当前时刻的候选三维坐标,确定所述目标对象在所述当前时刻的三维坐标,包括:根据所述目标对象在所述当前时刻的候选三维坐标中,与所述目标对象在所述上一时刻的三维坐标之间的距离小于第二距离阈值的候选三维坐标,确定所述目标对象在所述当前时刻的三维坐标。
在该示例中,对于所述目标对象在所述当前时刻的任意一个候选三维坐标,若所述候选三维坐标与所述目标对象在所述上一时刻的三维坐标之间的距离小于第二距离阈值,则所述候选三维坐标与所述目标对象在所述上一时刻的位置较近,所述候选三维坐标能够反映所述目标对象在所述当前时刻的真实三维坐标的概率较高;若所述候选三维坐标与所述目标对象在所述上一时刻的三维坐标之间的距离大于或等于第二距离阈值,则所述候选三维坐标与所述目标对象在所述上一时刻的位置较远,所述候选三维坐标能够反映所述目标对象在所述当前时刻的真实三维坐标的概率较低。因此,在该实现方式中,通过第二距离阈值来筛选所述目标对象在当前时刻的候选三维坐标,由此能够进一步提高所确定的目标对象在当前时刻的三维坐标的准确性。
在一个例子中,可以将所述目标对象在所述当前时刻的候选三维坐标中,与所述目标对象在所述上一时刻的三维坐标之间的距离小于第二距离阈值的候选三维坐标的平均值,确定为所述目标对象在所述当前时刻的三维坐标,从而有助于使恢复得到的目标对象的三维运动轨迹更平滑。在另一个例子中,可以将所述目标对象在所述当前时刻的候选三维坐标中,与所述目标对象在所述上一时刻的三维坐标之间的距离小于第二距离阈值的候选三维坐标的中位数,确定为所述目标对象在所述当前时刻的三维坐标。
在一个例子中,所述方法还包括:根据所述目标对象的运动速度,确定所述第二距离阈值,其中,所述第二距离阈值与所述目标对象的运动速度正相关。在这个例子中,目标对象的运动速度越大,则第二距离阈值越大,反之,目标对象的运动速度越小,则第二距离阈值越小。在这个例子中,通过根据目标对象的运动速度确定第二距离阈值,由此能够基于目标对象的运动状态灵活确定合适的第二距离阈值,即,在所述目标对象的运动速度较小时,确定较小的第二距离阈值,在所述目标对象的运动速度较大时,确定较大的第二距离阈值,从而在所述目标对象的运动速度较小时,能够基于较小范围内的候选三维坐标确定目标对象在当前时刻的三维坐标,在所述目标对象的运动速度较大时,能够基于较大范围内的候选三维坐标确定目标对象在当前时刻的三维坐标,从而能够提高所确定的目标对象在当前时刻的三维坐标的精度。在这个例子中,可以随着所述目标对象的运动速度的改变,动态调整所述第二距离阈值,或者,也可以在根据所述目标对象的运动速度确定所述第二距离阈值后,不再调整所述第二距离阈值。
当然,在其他例子中,所述第二距离阈值还可以是预先设置的常数,以降低目标跟踪过程中的计算量。
图2示出本公开实施例提供的三维坐标的恢复方法的示意图。如图2所示,可以将目标对象在当前时刻t的上一时刻t-1的三维坐标Pt-1,重投影到N个摄像头ch1、ch2、……、chN的像素坐标系下,得到目标对象在上一时刻t-1对应于N个摄像头的二维坐标(即像素坐标)。对于N个摄像头中的任一摄像头,根据目标对象在上一时刻t-1对应于该摄像头的二维坐标、与该摄像头在当前时刻t采集的视频帧中的检测框之间的距离,确定目标对象在当前时刻t对应的候选检测框。假设在当前时刻t,N个摄像头中有n个摄像头ch1、ch2、……、chn中存在目标对象对应的候选检测框。摄像头ch1与摄像头ch2可以组成一组摄像头,摄像头ch2与摄像头ch3可以组成一组摄像头,以此类推,摄像头chn-1与摄像头chn可以组成一组摄像头。根据目标对象在当前时刻t对应于摄像头ch1与摄像头ch2的候选二维坐标,以及摄像头ch1与摄像头ch2对应的二维坐标与三维坐标之间的转换关系,可以得到目标对象在当前时刻t对应于该组摄像头的候选三维坐标p1,根据目标对象在当前时刻t对应于摄像头ch2与摄像头ch3的候选二维坐标,以及摄像头ch2与摄像头ch3对应的二维坐标与三维坐标之间的转换关系,可以得到目标对象在当前时刻t对应于该组摄像头的候选三维坐标p2,以此类推,根据目标对象在当前时刻t对应于摄像头chn-1与摄像头chn的候选二维坐标,以及摄像头chn-1与摄像头chn对应的二维坐标与三维坐标之间的转换关系,可以得到目标对象在当前时刻t对应于该组摄像头的候选三维坐标根据目标对象在当前时刻t的候选三维坐标pi中,与目标对象在上一时刻t-1的三维坐标Pt-1之间的距离小于第二距离阈值Lth的候选三维坐标,即满足|pi-Pt-1|<Lth的pi,确定目标对象在当前时刻t的三维坐标Pt,其中,m表示与目标对象在上一时刻t-1的三维坐标Pt-1之间的距离小于第二距离阈值Lth的候选三维坐标pi的数量。
在一种可能的实现方式中,在步骤S11之前,所述方法还包括:获取标志物的三维坐标;对于所述多个摄像头中的任一摄像头,根据该摄像头获得的所述标志物的二维坐标,以及所述标志物的三维坐标,确定该摄像头的内外参数;根据该摄像头的内外参数,确定该摄像头对应的二维坐标与三维坐标之间的转换关系,以及该摄像头对应的三维坐标与二维坐标之间的转换关系。
在该实现方式中,在对所述多个摄像头进行标定时,可以先在需要进行三维坐标恢复和/或三维运动轨迹恢复的场地中以一定的密度放置标志物,例如,可以在需要进行三维坐标恢复和/或三维运动轨迹恢复的场地中放置N个标志物。其中,任一标志物的三维坐标可以表示为(Xw,Yw,Zw),对于所述多个摄像头中的任一摄像头,该标志物在该摄像头的第二坐标系(例如像素坐标系)下的二维坐标(例如像素坐标)可以表示为(u,v)。可以采用棋盘格标定的方法求取畸变系数,如式1:
其中,fx、fy、cx和cy构成该摄像头的内参矩阵,其中,cx、cy表示该摄像头的像主点的坐标,fx和fy分别表示焦距与像素横纵比的乘积;K3×3表示该摄像头的内参,R3×3和T3×1表示该摄像头的外参。
对式1进行简化可以得到式2:
我们令P=[Xw,Yw,Zw,1]T,t1=[t1,t2,t3,t4]T,t2=[t5,t6,t7,t8]T,t3=[t9,t10,t11,t12]T,则可以将式2转换为式3:
根据标定得到的三维坐标和二维坐标(例如像素坐标),通过矩阵奇异值分解,可以得到摄像头的内外参数。根据上述实现方式,能够获得精度较高的摄像头的内外参数。
在一种可能的实现方式中,在确定所述目标对象在当前时刻的三维坐标之后,可以增加实时特效,以满足文娱等方面的需求。
本公开实施例提供的三维坐标的恢复方法无需采用激光雷达设备或者RGB-D相机,且无需相机运动,因此能够降低对硬件的要求,降低三维坐标恢复和/或三维运动轨迹恢复的成本。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外,本公开还提供了三维坐标的恢复装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种三维坐标的恢复方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
图3示出本公开实施例提供的三维坐标的恢复装置的框图。如图3所示,所述三维坐标的恢复装置包括:
获取模块31,用于获取目标对象在当前时刻的上一时刻的三维坐标;
第一确定模块32,用于根据所述目标对象在所述上一时刻的三维坐标,确定所述目标对象在所述上一时刻与多个摄像头分别对应的二维坐标;
第二确定模块33,用于对于所述多个摄像头中的任一摄像头,根据所述目标对象在所述上一时刻对应于该摄像头的二维坐标、与该摄像头在所述当前时刻采集的视频帧中的检测框之间的距离,确定所述目标对象在所述当前时刻对应的候选检测框;
第三确定模块34,用于根据所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻的三维坐标。
在一种可能的实现方式中,所述第一确定模块32用于:
对于所述多个摄像头中的任一摄像头,根据所述目标对象在所述上一时刻的三维坐标,以及该摄像头对应的三维坐标与二维坐标之间的转换关系,确定所述目标对象在所述上一时刻对应于该摄像头的二维坐标。
在一种可能的实现方式中,所述第一确定模块32用于:
对于所述多个摄像头中的任一摄像头,确定该摄像头在所述当前时刻采集的视频帧中、与所述目标对象在所述上一时刻对应于该摄像头的二维坐标距离最近的检测框;
响应于所述距离最近的检测框与所述目标对象在所述上一时刻对应于该摄像头的二维坐标之间的距离小于或等于第一距离阈值,将所述距离最近的检测框确定为所述目标对象在所述当前时刻对应的候选检测框。
在一种可能的实现方式中,所述装置还包括:
第四确定模块,用于根据所述目标对象的运动速度,确定所述第一距离阈值,其中,所述第一距离阈值与所述目标对象的运动速度正相关。
在一种可能的实现方式中,所述第三确定模块34用于:
根据所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻的候选三维坐标;
根据所述目标对象在所述当前时刻的候选三维坐标,确定所述目标对象在所述当前时刻的三维坐标。
在一种可能的实现方式中,所述第三确定模块34用于:
对于所述多个摄像头中的任意一组摄像头中的任意一个摄像头,根据该摄像头在所述当前时刻采集的视频帧所确定的所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻对应于该摄像头的候选二维坐标,其中,任意一组摄像头包括至少两个摄像头;
根据所述目标对象在所述当前时刻对应于该组摄像头中的摄像头的候选二维坐标,以及该组摄像头中的摄像头对应的二维坐标与三维坐标之间的转换关系,确定所述目标对象在所述当前时刻对应于该组摄像头的候选三维坐标。
在一种可能的实现方式中,所述第三确定模块34用于:
根据所述目标对象在所述当前时刻的候选三维坐标中,与所述目标对象在所述上一时刻的三维坐标之间的距离小于第二距离阈值的候选三维坐标,确定所述目标对象在所述当前时刻的三维坐标。
在一种可能的实现方式中,所述装置还包括:
第五确定模块,用于根据所述目标对象的运动速度,确定所述第二距离阈值,其中,所述第二距离阈值与所述目标对象的运动速度正相关。
在一种可能的实现方式中,所述装置还包括:
第六确定模块,用于对于所述多个摄像头中的任一摄像头,根据该摄像头在第一时刻采集的视频帧中置信度最高的检测框,确定目标对象在所述第一时刻对应的候选检测框,其中,所述第一时刻表示三维坐标恢复的开始时刻;
第七确定模块,用于根据所述目标对象在所述第一时刻对应的候选检测框,确定所述目标对象在所述第一时刻的三维坐标。
在本公开实施例中,通过获取目标对象在当前时刻的上一时刻的三维坐标,根据所述目标对象在所述上一时刻的三维坐标,确定所述目标对象在所述上一时刻与多个摄像头分别对应的二维坐标,对于所述多个摄像头中的任一摄像头,根据所述目标对象在所述上一时刻对应于该摄像头的二维坐标、与该摄像头在所述当前时刻采集的视频帧中的检测框之间的距离,确定所述目标对象在所述当前时刻对应的候选检测框,并根据所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻的三维坐标,由此利用目标对象在上一时刻的三维坐标,结合多个摄像头对应的多个视角,获取目标对象在当前时刻的三维坐标,从而能够恢复得到准确的三维运动轨迹。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提供一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。其中,所述计算机可读存储介质可以是非易失性计算机可读存储介质,或者可以是易失性计算机可读存储介质。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,当计算机可读代码在设备上运行时,设备中的处理器执行用于实现如上任一实施例提供的三维坐标的恢复方法的指令。
本公开实施例还提供了另一种计算机程序产品,用于存储计算机可读指令,指令被执行时使得计算机执行上述任一实施例提供的三维坐标的恢复方法的操作。
本公开实施例还提供一种电子设备,包括:一个或多个处理器;用于存储可执行指令的存储器;其中,所述一个或多个处理器被配置为调用所述存储器存储的可执行指令,以执行上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图4示出本公开实施例提供的一种电子设备800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图4,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如Wi-Fi、2G、3G、4G/LTE、5G或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图5示出本公开实施例提供的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图5,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如WindowsMac OS或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (11)
1.一种三维坐标的恢复方法,其特征在于,包括:
获取目标对象在当前时刻的上一时刻的三维坐标;
根据所述目标对象在所述上一时刻的三维坐标,确定所述目标对象在所述上一时刻与多个摄像头分别对应的二维坐标;
对于所述多个摄像头中的任一摄像头,确定该摄像头在所述当前时刻采集的视频帧中、与所述目标对象在所述上一时刻对应于该摄像头的二维坐标距离最近的检测框,并响应于所述距离最近的检测框与所述目标对象在所述上一时刻对应于该摄像头的二维坐标之间的距离小于或等于第一距离阈值,将所述距离最近的检测框确定为所述目标对象在所述当前时刻对应的候选检测框;
根据所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻的三维坐标。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标对象在所述上一时刻的三维坐标,确定所述目标对象在所述上一时刻与多个摄像头分别对应的二维坐标,包括:
对于所述多个摄像头中的任一摄像头,根据所述目标对象在所述上一时刻的三维坐标,以及该摄像头对应的三维坐标与二维坐标之间的转换关系,确定所述目标对象在所述上一时刻对应于该摄像头的二维坐标。
3.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
根据所述目标对象的运动速度,确定所述第一距离阈值,其中,所述第一距离阈值与所述目标对象的运动速度正相关。
4.根据权利要求1至3中任意一项所述的方法,其特征在于,所述根据所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻的三维坐标,包括:
根据所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻的候选三维坐标;
根据所述目标对象在所述当前时刻的候选三维坐标,确定所述目标对象在所述当前时刻的三维坐标。
5.根据权利要求4所述的方法,其特征在于,所述根据所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻的候选三维坐标,包括:
对于所述多个摄像头中的任意一组摄像头中的任意一个摄像头,根据该摄像头在所述当前时刻采集的视频帧所确定的所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻对应于该摄像头的候选二维坐标,其中,任意一组摄像头包括至少两个摄像头;
根据所述目标对象在所述当前时刻对应于该组摄像头中的摄像头的候选二维坐标,以及该组摄像头中的摄像头对应的二维坐标与三维坐标之间的转换关系,确定所述目标对象在所述当前时刻对应于该组摄像头的候选三维坐标。
6.根据权利要求4或5所述的方法,其特征在于,所述根据所述目标对象在所述当前时刻的候选三维坐标,确定所述目标对象在所述当前时刻的三维坐标,包括:
根据所述目标对象在所述当前时刻的候选三维坐标中,与所述目标对象在所述上一时刻的三维坐标之间的距离小于第二距离阈值的候选三维坐标,确定所述目标对象在所述当前时刻的三维坐标。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
根据所述目标对象的运动速度,确定所述第二距离阈值,其中,所述第二距离阈值与所述目标对象的运动速度正相关。
8.根据权利要求1至7中任意一项所述的方法,其特征在于,在所述获取目标对象在当前时刻的上一时刻的三维坐标之前,所述方法还包括:
对于所述多个摄像头中的任一摄像头,根据该摄像头在第一时刻采集的视频帧中置信度最高的检测框,确定目标对象在所述第一时刻对应的候选检测框,其中,所述第一时刻表示三维坐标恢复的开始时刻;
根据所述目标对象在所述第一时刻对应的候选检测框,确定所述目标对象在所述第一时刻的三维坐标。
9.一种三维坐标的恢复装置,其特征在于,包括:
获取模块,用于获取目标对象在当前时刻的上一时刻的三维坐标;
第一确定模块,用于根据所述目标对象在所述上一时刻的三维坐标,确定所述目标对象在所述上一时刻与多个摄像头分别对应的二维坐标;
第二确定模块,用于对于所述多个摄像头中的任一摄像头,确定该摄像头在所述当前时刻采集的视频帧中、与所述目标对象在所述上一时刻对应于该摄像头的二维坐标距离最近的检测框,并响应于所述距离最近的检测框与所述目标对象在所述上一时刻对应于该摄像头的二维坐标之间的距离小于或等于第一距离阈值,将所述距离最近的检测框确定为所述目标对象在所述当前时刻对应的候选检测框;
第三确定模块,用于根据所述目标对象在所述当前时刻对应的候选检测框,确定所述目标对象在所述当前时刻的三维坐标。
10.一种电子设备,其特征在于,包括:
一个或多个处理器;
用于存储可执行指令的存储器;
其中,所述一个或多个处理器被配置为调用所述存储器存储的可执行指令,以执行权利要求1至8中任意一项所述的方法。
11.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至8中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011255018.8A CN112330721B (zh) | 2020-11-11 | 2020-11-11 | 三维坐标的恢复方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011255018.8A CN112330721B (zh) | 2020-11-11 | 2020-11-11 | 三维坐标的恢复方法及装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112330721A CN112330721A (zh) | 2021-02-05 |
CN112330721B true CN112330721B (zh) | 2023-02-17 |
Family
ID=74317442
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011255018.8A Active CN112330721B (zh) | 2020-11-11 | 2020-11-11 | 三维坐标的恢复方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112330721B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113129339B (zh) * | 2021-04-28 | 2023-03-10 | 北京市商汤科技开发有限公司 | 一种目标跟踪方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015024361A1 (zh) * | 2013-08-20 | 2015-02-26 | 华为技术有限公司 | 三维重建方法及装置、移动终端 |
WO2017215295A1 (zh) * | 2016-06-14 | 2017-12-21 | 华为技术有限公司 | 一种摄像机参数调整方法、导播摄像机及系统 |
CN108062763A (zh) * | 2017-12-29 | 2018-05-22 | 纳恩博(北京)科技有限公司 | 目标跟踪方法及装置、存储介质 |
CN110544273A (zh) * | 2018-05-29 | 2019-12-06 | 杭州海康机器人技术有限公司 | 运动捕捉方法、装置以及系统 |
CN110706259A (zh) * | 2019-10-12 | 2020-01-17 | 四川航天神坤科技有限公司 | 一种基于空间约束的可疑人员跨镜头追踪方法及装置 |
WO2020103427A1 (zh) * | 2018-11-23 | 2020-05-28 | 华为技术有限公司 | 对象检测方法、相关设备及计算机存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109188457B (zh) * | 2018-09-07 | 2021-06-11 | 百度在线网络技术(北京)有限公司 | 物体检测框的生成方法、装置、设备、存储介质及车辆 |
-
2020
- 2020-11-11 CN CN202011255018.8A patent/CN112330721B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015024361A1 (zh) * | 2013-08-20 | 2015-02-26 | 华为技术有限公司 | 三维重建方法及装置、移动终端 |
WO2017215295A1 (zh) * | 2016-06-14 | 2017-12-21 | 华为技术有限公司 | 一种摄像机参数调整方法、导播摄像机及系统 |
CN108062763A (zh) * | 2017-12-29 | 2018-05-22 | 纳恩博(北京)科技有限公司 | 目标跟踪方法及装置、存储介质 |
CN110544273A (zh) * | 2018-05-29 | 2019-12-06 | 杭州海康机器人技术有限公司 | 运动捕捉方法、装置以及系统 |
WO2020103427A1 (zh) * | 2018-11-23 | 2020-05-28 | 华为技术有限公司 | 对象检测方法、相关设备及计算机存储介质 |
CN110706259A (zh) * | 2019-10-12 | 2020-01-17 | 四川航天神坤科技有限公司 | 一种基于空间约束的可疑人员跨镜头追踪方法及装置 |
Non-Patent Citations (1)
Title |
---|
视频运动捕获系统中多标记点的三维跟踪算法;晏剑云等;《计算机工程》;20081220(第24期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112330721A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109658352B (zh) | 图像信息的优化方法及装置、电子设备和存储介质 | |
CN111983635B (zh) | 位姿确定方法及装置、电子设备和存储介质 | |
CN109889724B (zh) | 图像虚化方法、装置、电子设备及可读存储介质 | |
CN109829863B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
US20210097715A1 (en) | Image generation method and device, electronic device and storage medium | |
CN109948494B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
TWI767596B (zh) | 場景深度和相機運動預測方法、電子設備和電腦可讀儲存介質 | |
CN109584362B (zh) | 三维模型构建方法及装置、电子设备和存储介质 | |
CN112001321A (zh) | 网络训练、行人重识别方法及装置、电子设备和存储介质 | |
CN111553864A (zh) | 图像修复方法及装置、电子设备和存储介质 | |
CN111104920A (zh) | 视频处理方法及装置、电子设备和存储介质 | |
CN112991381B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109671051B (zh) | 图像质量检测模型训练方法及装置、电子设备和存储介质 | |
CN112991553A (zh) | 信息展示方法及装置、电子设备和存储介质 | |
CN108171222B (zh) | 一种基于多流神经网络的实时视频分类方法及装置 | |
US20220383517A1 (en) | Method and device for target tracking, and storage medium | |
CN111680646A (zh) | 动作检测方法及装置、电子设备和存储介质 | |
CN112330717B (zh) | 目标跟踪方法及装置、电子设备和存储介质 | |
CN112330721B (zh) | 三维坐标的恢复方法及装置、电子设备和存储介质 | |
CN111062407A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN113506324B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN113506325B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111832338A (zh) | 对象检测方法及装置、电子设备和存储介质 | |
CN114549983A (zh) | 计算机视觉模型训练方法及装置、电子设备和存储介质 | |
CN114445753A (zh) | 人脸跟踪识别方法及装置、电子设备和存储介质 |
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 |