CN112907661A - 一种移动目标定位方法、装置、电子设备、系统及介质 - Google Patents

一种移动目标定位方法、装置、电子设备、系统及介质 Download PDF

Info

Publication number
CN112907661A
CN112907661A CN202110041383.7A CN202110041383A CN112907661A CN 112907661 A CN112907661 A CN 112907661A CN 202110041383 A CN202110041383 A CN 202110041383A CN 112907661 A CN112907661 A CN 112907661A
Authority
CN
China
Prior art keywords
label
image
depth
area
pixel point
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
Application number
CN202110041383.7A
Other languages
English (en)
Inventor
马元勋
何林
唐旋来
杨亚运
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.)
Shanghai Keenlon Intelligent Technology Co Ltd
Original Assignee
Shanghai Keenlon Intelligent Technology Co 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 Shanghai Keenlon Intelligent Technology Co Ltd filed Critical Shanghai Keenlon Intelligent Technology Co Ltd
Priority to CN202110041383.7A priority Critical patent/CN112907661A/zh
Publication of CN112907661A publication Critical patent/CN112907661A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
    • G06K7/1443—Methods for optical code recognition including a method step for retrieval of the optical code locating of the code in an image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G06T7/579—Depth or shape recovery from multiple images from motion
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Electromagnetism (AREA)
  • General Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Artificial Intelligence (AREA)
  • Image Analysis (AREA)

Abstract

本申请实施例公开了一种移动目标定位方法、装置、电子设备、系统及介质。该方法包括：获取移动目标上的图像采集单元采集的包含标签的区域图像中各像素点的深度信息；其中，所述标签设置于参考平面上，所述标签被所述图像采集单元识别的表面与所述参考平面属于不同平面；根据各像素点的深度信息，从所述区域图像中提取标签区域；根据所述标签区域中的特征点，确定所述移动目标的定位。上述方案能够获取区域图像中各像素点的深度信息，根据深度信息更加精确地针对性提取标签区域，进而提高定位的精度和效率。

Description

一种移动目标定位方法、装置、电子设备、系统及介质
技术领域
本申请实施例涉及自动检测技术领域，尤其涉及一种移动目标定位方法、装置、电子设备、系统及介质。
背景技术
在机器人视觉导航任务中，常常需要通过识别人工标签获得机器人在世界坐标系中的位姿。它的原理是通过匹配人工标签中特征点的世界坐标和图像坐标，从而估算机器人坐标系与世界坐标系之间的转换矩阵。人工标签的种类很多，常见的比如QR码、Aruco码等。
目前，在根据标签进行机器人定位时，一般只利用标签图像的二维信息进行识别和检测，并没有考虑到深度信息，标签图像和特征点的识别容易受到环境光的干扰，难以针对性地对标签图像进行提取，进而影响机器人定位的精确性。
发明内容
本申请实施例提供一种移动目标定位方法、装置、电子设备、系统及介质，以实现对移动目标精准、高效地定位。
在一个实施例中，本申请实施例提供了一种移动目标定位方法，该方法包括：
获取移动目标上的图像采集单元采集的包含标签的区域图像中各像素点的深度信息；其中，所述标签设置于参考平面上，所述标签被所述图像采集单元识别的表面与所述参考平面属于不同平面；
根据各像素点的深度信息，从所述区域图像中提取标签区域；
根据所述标签区域中的特征点，确定所述移动目标的定位。
在另一个实施例中，本申请实施例还提供了一种移动目标定位装置，该装置包括：
深度信息获取模块，用于获取移动目标上的图像采集单元采集的包含标签的区域图像中各像素点的深度信息；其中，所述图像采集单元为双目图像采集单元或多目图像采集单元，所述标签设置于参考平面上，所述标签被所述图像采集单元识别的表面与所述参考平面属于不同平面；
标签区域提取模块，用于根据各像素点的深度信息，从所述区域图像中提取标签区域；
定位确定模块，用于根据所述标签区域中的特征点，确定所述移动目标的定位。
在又一个实施例中，本申请实施例还提供了一种电子设备，包括：一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本申请实施例任一项所述的移动目标定位方法。
在一个实施例中，本申请实施例还提供了一种移动目标定位系统，所述系统包括：
标签，设置于参考平面上，所述标签被图像采集单元识别的表面与所述参考平面属于不同平面；
移动目标以及设置于移动目标上的图像采集单元，用于采集所述参考平面以及所述标签的图像；
电子设备，设置于移动目标中，或者设置于移动目标之外，所述电子设备可以实现本申请实施例任一项所述的移动目标定位方法。
在一个实施例中，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例中任一项所述的移动目标定位方法。
本申请实施例中，获取移动目标上的图像采集单元采集的包含标签的区域图像中各像素点的深度信息；其中，所述标签设置于参考平面上，所述标签被所述图像采集单元识别的表面与所述参考平面属于不同平面；根据各像素点的深度信息，从所述区域图像中提取标签区域；根据所述标签区域中的特征点，确定所述移动目标的定位。通过获取区域图像中各像素点的深度信息，根据深度信息更加精确地针对性提取标签区域，进而提高定位的精度和效率，并减少了特征点检测的计算量。
附图说明
图1为本申请一种实施例提供的移动目标定位方法的流程图；
图2为本申请另一实施例提供的移动目标定位方法的流程图；
图3为本申请又一实施例提供的移动目标定位方法具体实现的应用场景图；
图4为本申请一种实施例提供的移动目标定位装置的结构示意图；
图5为本申请一种实施例提供的电子设备的结构示意图；
图6为本申请一种实施例提供的移动目标定位系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。
图1为本申请一种实施例提供的移动目标定位方法的流程图。本申请实施例提供的移动目标定位方法可适用于对移动目标进行定位的情况。典型的，本申请实施例适用于通过移动目标上的图像采集单元获取的深度信息，确定标签区域进而对移动目标进行定位的情况。该方法具体可以由移动目标定位装置执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在能够实现移动目标定位方法的电子设备中。参见图1，本申请实施例的方法具体包括：
S110、获取移动目标上的图像采集单元采集的包含标签的区域图像中各像素点的深度信息；其中，所述标签设置于参考平面上，所述标签被所述图像采集单元识别的表面与所述参考平面属于不同平面。
其中，移动目标可以为自主控制运动的物体，例如机器人、行人、汽车等，也可以为依靠外力运动的物体，例如被推拉移动的手推车、木箱等。移动目标的移动方式不做具体限定，可以为滚动、滑动等。无论移动目标怎样移动，只要移动目标上设置图像采集单元，能够采集包含标签的区域图像即可。本申请实施例中的图像采集单元为可以采集深度信息的图像采集单元，例如双目摄像头、多目摄像头等。深度信息也可以借助其他传感器获取，例如借助红外传感器、激光雷达等。
示例性的，在移动目标移动过程中，通过图像采集单元实时采集参考平面的图像，并对采集的图像进行检测。如果在采集的图像中检测到标签，则将该图像确定为包含标签的区域图像。由于区域图像是由双目摄像头或多目摄像头采集的，因此能够获取区域图像中各像素点的深度信息。
本申请实施例中，标签设置于参考平面上，标签被图像采集单元识别的表面与参考平面属于不同平面。在设置标签时，令标签相对于参考平面凸起，例如增加标签厚度，或者增加间隔物使标签相对于参考平面凸起，从而使标签被图像采集单元识别的表面与参考平面在不同平面。在此情况下，图像采集单元采集到的区域图像中的标签的深度信息与参考平面的深度信息不同。参考平面的方向不做具体限制，可以与地平面平行、与地平面垂直或者与地平面呈一定的角度。
S120、根据各像素点的深度信息，从所述区域图像中提取标签区域。
示例性的，标签并不会遍布整个参考平面，而是设置在参考平面的指定位置，因此，并不需要对整个区域图像进行特征点检测和识别，可以从区域图像中提取出标签区域，从而只针对性的对标签区域进行特征点识别。由于标签相对于参考平面凸起，在区域图像中标签区域的深度信息与其他区域的深度信息不同，因此，可以根据各像素点的深度信息，从区域图像中提取标签区域，以对标签区域进行针对性检测。
S130、根据所述标签区域中的特征点，确定所述移动目标的定位。
示例性的，可以针对性地对标签区域进行特征点检测和识别，将检测到的特征点与预先已知定位的标签特征点进行匹配，将相匹配的标签特征点对应的定位作为移动目标的定位。针对性地只对标签区域进行识别，标签区域图像噪声小，背景单一，因此能够更加快速精确的检测出特征点进行定位，从而提高移动目标定位的效率和精准度。其中，标签的预先已知定位可以是在标签设置时确定的，由于标签是主动设置在特定位置，因此该特定位置已知，也就是标签的定位已知，如果从实际采集的区域图像中提取的标签区域的特征点与已知定位的标签特征点相匹配，则可以确定实际采集到的标签与已知定位的标签为同一标签，定位为同一定位。
本申请实施例中，获取移动目标上的图像采集单元采集的包含标签的区域图像中各像素点的深度信息；其中，所述图像采集单元为双目图像采集单元或多目图像采集单元，所述标签设置于参考平面上，所述标签被所述图像采集单元识别的表面与所述参考平面属于不同平面；根据各像素点的深度信息，从所述区域图像中提取标签区域；根据所述标签区域中的特征点，确定所述移动目标的定位。通过获取区域图像中各像素点的深度信息，根据深度信息更加精确地针对性提取标签区域，进而提高定位的精度和效率，并减少了特征点检测的计算量。
图2为本申请另一实施例提供的移动目标定位方法的流程图。本申请实施例为对上述实施例的进一步优化，未在本申请实施例中详细描述的细节详见上述实施例。参见图2，本申请实施例提供的移动目标定位方法可以包括：
S210、获取移动目标上的图像采集单元采集的包含标签的区域图像中各像素点的深度信息；其中，所述标签设置于参考平面上，所述标签被所述图像采集单元识别的表面与所述参考平面属于不同平面。
S220、根据各像素点的深度信息，确定所述区域图像中像素点的深度平均值。
示例性的，一般情况下，图像采集单元的拍摄范围远远大于标签面积，例如，图像采集单元的拍摄范围为1280*960个像素，标签面积为100*100个像素，只占图像采集单元拍摄范围的0.008，因此，可以将区域图像中像素点的深度平均值，作为参考平面的深度值。
具体的，各像素点的深度信息中包括各像素点的深度值，将各像素点的深度值相加，除以像素点总数，即为区域图像中像素点的深度平均值。
S230、根据各像素点深度信息中的深度值和所述深度平均值的差值，从所述区域图像中提取标签区域。
示例性的，由于标签相对于参考平面是凸起的，因此标签区域的深度值与参考平面的深度值不同，标签区域的深度值与参考平面的深度值的差值应等于标签相对于参考平面凸起的高度。区域图像中像素点的深度平均值可以近似作为参考平面的深度值，因此根据各像素点深度信息中的深度值与深度平均值的差值，从区域图像中提取标签区域。
在本申请实施例中，根据各像素点深度信息中的深度值和所述深度平均值的差值，从所述区域图像中提取标签区域，包括：根据各像素点深度信息中的深度值和所述深度平均值的差值，从所述区域图像的像素点中筛选标签像素点；将所述标签像素点所在的区域作为标签区域。
示例性的，可以对各像素点的深度值进行分析，根据各像素点的深度值与深度平均值的差值，从区域图像的像素点中筛选标签像素点。将标签像素点所在的区域作为标签区域。
在本申请实施例中，根据各像素点深度信息中的深度值和所述深度平均值的差值，从所述区域图像的像素点中筛选标签像素点，包括：若像素点的深度值与深度平均值的差值，与预设深度值之差小于预设深度差阈值，则确定该像素点为标签像素点；其中，所述预设深度值根据所述参考平面和所述标签被所述图像采集单元识别的表面之间的距离确定。
示例性的，预设深度值可以等于参考平面和标签被图像采集单元识别的表面之间的距离，在参考平面上设置标签时即可以确定。例如可以设置参考平面和标签被图像采集单元识别的表面之间的距离为10厘米，则预设深度值即为10厘米。预设深度差阈值可以根据实际情况进行设置，例如可以设置为预设深度值的十分之一，当预设深度值为10厘米时，预设深度差阈值即为1厘米。如果像素点的深度值与深度平均值的差值，与预设深度值之差小于预设深度差阈值，也就是像素点的深度值与深度平均值的差值，与参考平面至标签被图像采集单元识别的表面之间的距离差不多，则说明该像素点应为标签区域的像素点，确定该像素点为标签像素点。将所有标签像素点所在的区域作为标签区域。
S240、根据所述标签区域中的特征点，确定所述移动目标的定位。
本申请实施例的方案，根据各像素点的深度信息，确定所述区域图像中像素点的深度平均值，根据各像素点深度信息中的深度值和所述深度平均值的差值，从所述区域图像中提取标签区域，从而精确地提取出标签区域，以对标签区域进行针对性的检测，进而提高了移动目标定位的效率和精确性，并且针对性对标签区域进行特征点检测和识别，减少了特征点识别的计算量。
在本申请实施例中，所述方法还包括：根据图像采集单元采集的包含标签的图像中各像素点的深度信息，确定所述标签对应区域的区域信息；其中，所述区域信息包括所述区域的平整度信息和/或所述移动目标的速度调整区域信息。
在本申请实施例中，包含标签的图像包括图像采集单元在任意时刻采集的包含标签的图像。根据包含标签的图像中各像素点的深度信息，能够确定标签与对应区域的距离，从而反映出标签对应区域的区域信息，即所述区域的平整度信息和/或所述移动目标的速度调整区域信息。移动目标的速度调整区域信息可以根据图像采集单元采集的包含标签的图像中各像素点的深度信息直接确定，也可以根据所述区域的平整度信息确定。在本申请实施例中，根据图像采集单元采集的包含标签的图像中各像素点的深度信息，确定所述标签对应区域的区域信息，包括：获取所述图像采集单元采集的包含标签的历史区域图像中各像素点的深度信息；其中，所述历史区域图像为在当前的区域图像采集时刻之前采集的；根据所述历史区域图像中各像素点深度信息，以及所述区域图像中各像素点深度信息，确定所述标签对应的移动目标承载平面的平整度。
示例性的，历史区域图像中的标签和区域图像中的标签不属于同一个标签，历史区域图像中的标签为设置于其他位置的标签，移动目标在移动至当前位置之前曾经过其他位置，采集了包含其他位置标签的历史区域图像。移动目标在承载平面上运动，承载平面的平整度可以通过移动目标上图像采集单元采集图像的深度信息体现。可以获取之前采集的包含标签的历史区域图像的深度信息，分析区域图像的深度信息和历史区域图像的深度信息的变化。如果区域图像中像素点的深度平均值和历史区域图像中像素点的深度平均值一致，则说明标签对应的承载平面较平整。如果区域图像中像素点的深度平均值和历史区域图像中像素点的深度平均值不一致，则说明标签对应的承载平面不平整。
在本申请实施例中，根据图像采集单元采集的包含标签的图像中各像素点的深度信息，确定所述标签对应区域的区域信息，包括：若所述历史区域图像中像素点的深度平均值，与所述区域图像中像素点的深度平均值不同，则将所述标签对应的区域作为移动目标的速度调整区域，以对所述速度调整区域中的移动目标的速度进行调整。
示例性的，如果历史区域图像中像素点的深度平均值与区域图像中像素点的深度平均值不同，则说明标签对应区域的承载平面不平整，则将该区域作为速度调整区域，需要对速度调整区域中的移动目标的速度进行调整，避免移动目标在不平整的承载平面上移动时出现不稳定的情况。或者如果历史区域图像中像素点的深度平均值与区域图像中像素点的深度平均值不同，则控制速度调整区域中的移动目标停止移动，避免移动目标因承载平面不平整而发生倾倒。
在本申请实施例中，所述方法还包括：若移动目标上的图像采集单元采集的当前图像中，像素点的深度平均值与预设深度平均值的差值大于预设差值，则对所述移动目标的速度进行调整；其中，所述预设深度平均值根据所述参考平面与所述图像采集单元的距离确定。
示例性的，预设差值可以根据实际情况确定，例如可以取预设深度平均值的十分之一，预设差值设置越小，越能够精确的判断像素点的深度平均值与预设深度平均值是否一致。预先根据所述参考平面与所述图像采集单元的距离确定预设深度平均值，在移动目标上的图像采集单元实时采集图像的过程中，如果移动目标上的图像采集单元采集的当前图像中，像素点的深度平均值与预设深度平均值的差值大于预设差值，则说明承载平面与参考平面的距离发生了变化，也就是承载平面不平整，此时可以对移动目标的速度进行调整，避免移动目标在移动过程中不稳定发生倾倒等事故。如果移动目标上的图像采集单元采集的当前图像中，像素点的深度平均值与预设深度平均值的差值不大于预设差值，则说明像素点的深度平均值与预设深度平均值相差不多，近似一致，确定承载平面平整。
上述方案的有益效果在于，基于移动目标上的图像采集单元采集图像的深度信息，从而及时地分析出承载平面的平整度，以及时对移动目标的速度进行调整，避免移动目标因承载平面不平整时仍按照原速度移动时发生倾倒事件。
图3为本申请又一实施例提供的移动目标定位方法具体实现的应用场景图。本申请实施例为移动目标定位方法一种具体实现方式的介绍，在本申请实施例中，移动目标为机器人，机器人中包括处理器和存储器，处理器可以执行上述任一实施例中的移动目标定位方法。机器人上安装有图像采集单元，图像采集单元为双目图像采集单元或多目图像采集单元，机器人在水平地平面上移动，参考平面位于地平面上方，与水平地平面平行，参考平面与水平地平面的距离在图像采集单元的深度探测范围之内，标签设置于参考平面上，标签的下表面与参考平面的距离可以设置为10厘米，标签下表面即为被图像采集单元识别的表面。应用场景图如图3所示。具体实现如下：
假设机器人的高度1m，图像采集单元安装在机器人的头顶上，墙体的高度7m，面阵双目深度摄像头的深度探测范围是0.6m到8m，图像采集单元拍摄的图像的尺寸范围是1280*960个像素，标签贴在距离墙定10cm的位置下方。机器人移动过程中实时采集参考平面的图像。当机器人运动到标签附近的时候，采集一张包含标签的图像，该图像中存在1280*960个像素点对应的深度信息，遍历各像素点的深度信息，求平均值得到深度平均值avge。再遍历图像中各像素点的深度值，找到深度值与avge差值绝对值fabs|avge-len|在10cm附近的像素点，那么这些像素点所组成的区域就是标签区域。其他有干扰的像素点就可以忽略。假设标签区域的为100*100个像素，那么仅对100*100个像素大小的图像进行检测识别即可，而不需要对1280*960个像素大小的图像进行检测，可以减少大约90％的计算量，大大提高运算效率。同时也可以利用和包含标签的图像连续采集的图像的深度信息，确定水平地平面的平整度。计算之前采集的包含标签的图像的像素点深度平均值Ha，以及当前采集的包含标签的图像的像素点深度平均值Hb信息，如果Ha<Hb，说明机器正在从陆地平摊的地面到斜坡地面向下行驶，此时可以控制机器人减速，同样，如果Ha>Hb，说明机器正在从陆地平摊的地面到斜坡地面向上行驶，此时可以控制机器人减速。其中，Ha也可以是之前采集的多个包含标签的图像深度信息求平均得到的值。
图4为本申请一种实施例提供的移动目标定位装置的结构示意图。该装置可适用于对移动目标进行定位的情况。典型的，本申请实施例适用于通过移动目标上的图像采集单元获取的深度信息，确定标签区域进而对移动目标进行定位的情况。该装置可以由软件和/或硬件的方式实现，该装置可以集成在电子设备中。参见图4，该装置具体包括：
深度信息获取模块310，用于获取移动目标上的图像采集单元采集的包含标签的区域图像中各像素点的深度信息；其中，所述图像采集单元为双目图像采集单元或多目图像采集单元，所述标签设置于参考平面上，所述标签被所述图像采集单元识别的表面与所述参考平面属于不同平面；
标签区域提取模块320，用于根据各像素点的深度信息，从所述区域图像中提取标签区域；
定位确定模块330，用于根据所述标签区域中的特征点，确定所述移动目标的定位。
在本申请实施例中，所述标签区域提取模块320，包括：
深度平均值确定单元，用于根据各像素点的深度信息，确定所述区域图像中像素点的深度平均值；
提取单元，用于根据各像素点深度信息中的深度值和所述深度平均值的差值，从所述区域图像中提取标签区域。
在本申请实施例中，提取单元，具体用于：
根据各像素点深度信息中的深度值和所述深度平均值的差值，从所述区域图像的像素点中筛选标签像素点；
将所述标签像素点所在的区域作为标签区域。
在本申请实施例中，提取单元，具体用于：
若像素点的深度值与深度平均值的差值，与预设深度值之差小于预设深度差阈值，则确定该像素点为标签像素点；其中，所述预设深度值根据所述参考平面和所述标签被所述图像采集单元识别的表面之间的距离确定。
在本申请实施例中，所述装置还包括：
区域信息确定模块，用于根据图像采集单元采集的包含标签的图像中各像素点的深度信息，确定所述标签对应区域的区域信息；其中，所述区域信息包括所述区域的平整度信息和/或所述移动目标的速度调整区域信息。
在本申请实施例中，所述区域信息确定模块，包括：
深度信息获取单元，用于获取所述图像采集单元采集的包含标签的历史区域图像中各像素点的深度信息；其中，所述历史区域图像为在当前的区域图像采集时刻之前采集的；
平整度确定单元，用于根据所述历史区域图像中各像素点深度信息，以及所述区域图像中各像素点深度信息，确定所述标签对应的移动目标承载平面的平整度。
在本申请实施例中，所述区域信息确定模块，包括：
速度调整单元，用于若所述历史区域图像中像素点的深度平均值，与所述区域图像中像素点的深度平均值不同，则将所述标签对应的区域作为移动目标的速度调整区域，以对所述速度调整区域中的移动目标的速度进行调整。
在本申请实施例中，所述装置还包括：
调整模块，用于若移动目标上的图像采集单元采集的当前图像中，像素点的深度平均值与预设深度平均值的差值大于预设差值，则对所述移动目标的速度进行调整；
其中，所述预设深度平均值根据所述参考平面与所述图像采集单元的距离确定。
本申请实施例所提供的移动目标定位装置可执行本申请任意实施例所提供的移动目标定位方法，具备执行方法相应的功能模块和有益效果。
图5为本申请一种实施例提供的电子设备的结构示意图。图5示出了适于用来实现本申请实施例的示例性电子设备412的框图。图5显示的电子设备412仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示，电子设备412可以包括：一个或多个处理器416；存储器428，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器416执行，使得所述一个或多个处理器416实现本申请实施例所提供的移动目标定位方法，包括：
获取移动目标上的图像采集单元采集的包含标签的区域图像中各像素点的深度信息；其中，所述标签设置于参考平面上，所述标签被所述图像采集单元识别的表面与所述参考平面属于不同平面；
根据各像素点的深度信息，从所述区域图像中提取标签区域；
根据所述标签区域中的特征点，确定所述移动目标的定位。
电子设备412的组件可以包括但不限于：一个或者多个处理器或者处理器416，存储器428，连接不同设备组件(包括存储器428和处理器416)的总线418。
总线418表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，处理型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备412典型地包括多种计算机设备可读存储介质。这些存储介质可以是任何能够被电子设备412访问的可用存储介质，包括易失性和非易失性存储介质，可移动的和不可移动的存储介质。
存储器428可以包括易失性存储器形式的计算机设备可读存储介质，例如随机存取存储器(RAM)430和/或高速缓存存储器432。电子设备412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机设备存储介质。仅作为举例，存储系统434可以用于读写不可移动的、非易失性磁存储介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光存储介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据存储介质接口与总线418相连。存储器428可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块442的程序/实用工具440，可以存储在例如存储器428中，这样的程序模块442包括但不限于操作设备、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块442通常执行本申请所描述的实施例中的功能和/或方法。
电子设备412也可以与一个或多个外部设备414(例如键盘、指向设备、显示器424等)通信，还可与一个或者多个使得用户能与该电子设备412交互的设备通信，和/或与使得该电子设备412能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口422进行。并且，电子设备412还可以通过网络适配器420与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图5所示，网络适配器420通过总线418与电子设备412的其它模块通信。应当明白，尽管图5中未示出，可以结合电子设备412使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID设备、磁带驱动器以及数据备份存储设备等。
处理器416通过运行存储在存储器428中的多个程序中其他程序的至少一个，从而执行各种功能应用以及数据处理，例如实现本申请实施例所提供的一种移动目标定位方法。
图6为本申请一种实施例提供的移动目标定位系统的结构示意图。本申请实施例提供的移动目标定位系统包括：
标签501，设置于参考平面上，所述标签501被图像采集单元503识别的表面与所述参考平面属于不同平面；
移动目标502以及设置于移动目标上的图像采集单元503，用于采集所述参考平面以及设置于参考平面上的标签501的图像，所述图像采集单元503为双目摄像头或多目摄像头；
电子设备504，设置于移动目标502中，或者设置于移动目标502之外，所述电子设备可以实现如上述任一实施例中的移动目标定位方法。
本申请实施例中，图像采集单元503可以与电子设备504通过有线或和/或无线的方式进行通信。移动目标502和电子设备504还可以是一体的，即移动目标本申请即为电子设备，能够实现任一实施例中的移动目标定位方法。
本申请实施例所提供的移动目标定位系统可执行本申请任意实施例所提供的移动目标定位方法，具备执行方法相应的功能模块和有益效果。
本申请一种实施例提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行移动目标定位方法，包括：
获取移动目标上的图像采集单元采集的包含标签的区域图像中各像素点的深度信息；其中，所述标签设置于参考平面上，所述标签被所述图像采集单元识别的表面与所述参考平面属于不同平面；
根据各像素点的深度信息，从所述区域图像中提取标签区域；
根据所述标签区域中的特征点，确定所述移动目标的定位。
本申请实施例的计算机存储介质，可以采用一个或多个计算机可读的存储介质的任意组合。计算机可读存储介质可以是计算机可读信号存储介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的设备、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、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)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请实施例中，计算机可读存储介质可以是任何包含或存储程序的有形存储介质，该程序可以被指令执行设备、装置或者器件使用或者与其结合使用。
计算机可读的信号存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号存储介质还可以是计算机可读存储介质以外的任何计算机可读存储介质，该计算机可读存储介质可以发送、传播或者传输用于由指令执行设备、装置或者器件使用或者与其结合使用的程序。
计算机可读存储介质上包含的程序代码可以用任何适当的存储介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码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设备上执行。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)。
注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。

Claims (12)

1.一种移动目标定位方法，其特征在于，所述方法包括：
获取移动目标上的图像采集单元采集的包含标签的区域图像中各像素点的深度信息；其中，所述标签设置于参考平面上，所述标签被所述图像采集单元识别的表面与所述参考平面属于不同平面；
根据各像素点的深度信息，从所述区域图像中提取标签区域；
根据所述标签区域中的特征点，确定所述移动目标的定位。
2.根据权利要求1所述的方法，其特征在于，根据各像素点的深度信息，从所述区域图像中提取标签区域，包括：
根据各像素点的深度信息，确定所述区域图像中像素点的深度平均值；
根据各像素点深度信息中的深度值和所述深度平均值的差值，从所述区域图像中提取标签区域。
3.根据权利要求2所述的方法，其特征在于，根据各像素点深度信息中的深度值和所述深度平均值的差值，从所述区域图像中提取标签区域，包括：
根据各像素点深度信息中的深度值和所述深度平均值的差值，从所述区域图像的像素点中筛选标签像素点；
将所述标签像素点所在的区域作为标签区域。
4.根据权利要求3所述的方法，其特征在于，根据各像素点深度信息中的深度值和所述深度平均值的差值，从所述区域图像的像素点中筛选标签像素点，包括：
若像素点的深度值与深度平均值的差值，与预设深度值之差小于预设深度差阈值，则确定该像素点为标签像素点；其中，所述预设深度值根据所述参考平面和所述标签被所述图像采集单元识别的表面之间的距离确定。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据图像采集单元采集的包含标签的图像中各像素点的深度信息，确定所述标签对应区域的区域信息；其中，所述区域信息包括所述区域的平整度信息和/或所述移动目标的速度调整区域信息。
6.根据权利要求5所述的方法，其特征在于，根据图像采集单元采集的包含标签的图像中各像素点的深度信息，确定所述标签对应区域的区域信息，包括：
获取所述图像采集单元采集的包含标签的历史区域图像中各像素点的深度信息；其中，所述历史区域图像为在当前的区域图像采集时刻之前采集的；
根据所述历史区域图像中各像素点深度信息，以及所述区域图像中各像素点深度信息，确定所述标签对应的移动目标承载平面的平整度。
7.根据权利要求5所述的方法，其特征在于，根据图像采集单元采集的包含标签的图像中各像素点的深度信息，确定所述标签对应区域的区域信息，包括：
若所述历史区域图像中像素点的深度平均值，与所述区域图像中像素点的深度平均值不同，则将所述标签对应的区域作为移动目标的速度调整区域，以对所述速度调整区域中的移动目标的速度进行调整。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若移动目标上的图像采集单元采集的当前图像中，像素点的深度平均值与预设深度平均值的差值大于预设差值，则对所述移动目标的速度进行调整；
其中，所述预设深度平均值根据所述参考平面与所述图像采集单元的距离确定。
9.一种移动目标定位装置，其特征在于，所述装置包括：
深度信息获取模块，用于获取移动目标上的图像采集单元采集的包含标签的区域图像中各像素点的深度信息；其中，所述标签设置于参考平面上，所述标签被所述图像采集单元识别的表面与所述参考平面属于不同平面；
标签区域提取模块，用于根据各像素点的深度信息，从所述区域图像中提取标签区域；
定位确定模块，用于根据所述标签区域中的特征点，确定所述移动目标的定位。
10.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一项所述的移动目标定位方法。
11.一种移动目标定位系统，其特征在于，所述系统包括：
标签，设置于参考平面上，所述标签被图像采集单元识别的表面与所述参考平面属于不同平面；
移动目标以及设置于移动目标上的图像采集单元，用于采集所述参考平面以及所述标签的图像；
电子设备，设置于移动目标中，或者设置于移动目标之外，所述电子设备可以实现如权利要求1-8中任一项所述的移动目标定位方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一项所述的移动目标定位方法。
CN202110041383.7A 2021-01-13 2021-01-13 一种移动目标定位方法、装置、电子设备、系统及介质 Pending CN112907661A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110041383.7A CN112907661A (zh) 2021-01-13 2021-01-13 一种移动目标定位方法、装置、电子设备、系统及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110041383.7A CN112907661A (zh) 2021-01-13 2021-01-13 一种移动目标定位方法、装置、电子设备、系统及介质

Publications (1)

Publication Number Publication Date
CN112907661A true CN112907661A (zh) 2021-06-04

Family

ID=76112751

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110041383.7A Pending CN112907661A (zh) 2021-01-13 2021-01-13 一种移动目标定位方法、装置、电子设备、系统及介质

Country Status (1)

Country Link
CN (1) CN112907661A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113673569A (zh) * 2021-07-21 2021-11-19 浙江大华技术股份有限公司 目标检测方法、装置、电子设备、存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113673569A (zh) * 2021-07-21 2021-11-19 浙江大华技术股份有限公司 目标检测方法、装置、电子设备、存储介质

Similar Documents

Publication Publication Date Title
JP6095018B2 (ja) 移動オブジェクトの検出及び追跡
US9185402B2 (en) Traffic camera calibration update utilizing scene analysis
US11205276B2 (en) Object tracking method, object tracking device, electronic device and storage medium
US20200167993A1 (en) Map constructing apparatus and map constructing method
CN105760824A (zh) 一种运动人体跟踪方法和系统
CN110263713B (zh) 车道线检测方法、装置、电子设备及存储介质
EP3968266B1 (en) Obstacle three-dimensional position acquisition method and apparatus for roadside computing device
US20120106784A1 (en) Apparatus and method for tracking object in image processing system
CN110276293B (zh) 车道线检测方法、装置、电子设备及存储介质
CN111260289A (zh) 一种基于视觉导航的微型无人机仓库盘点系统及方法
CN111382637B (zh) 行人检测跟踪方法、装置、终端设备及介质
KR20200055239A (ko) 로봇군 제어 방법 및 시스템
CN113838125A (zh) 目标位置确定方法、装置、电子设备以及存储介质
CN112907661A (zh) 一种移动目标定位方法、装置、电子设备、系统及介质
WO2022002149A1 (zh) 一种初始定位方法、视觉导航设备、仓储系统
CN104715250A (zh) 十字激光检测方法和装置
CN111553342B (zh) 一种视觉定位方法、装置、计算机设备和存储介质
JP2013532451A (ja) 倉庫内の物体の位置を特定するための方法及び装置
CN114758163B (zh) 一种叉车移动控制方法、装置、电子设备及存储介质
KR20150137698A (ko) 농장에서의 움직임 개체의 이동 궤적 트래킹 방법 및 장치
CN114740867A (zh) 基于双目视觉的智能避障方法、装置、机器人及介质
CN115147809A (zh) 一种障碍物检测方法、装置、设备以及存储介质
CN113011212B (zh) 图像识别方法、装置及车辆
CN113869163A (zh) 目标跟踪方法、装置、电子设备及存储介质
CN107392209B (zh) 一种提取线段的装置及方法

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