CN113516687A - 目标跟踪方法、装置、设备及存储介质 - Google Patents

目标跟踪方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113516687A
CN113516687A CN202110778293.6A CN202110778293A CN113516687A CN 113516687 A CN113516687 A CN 113516687A CN 202110778293 A CN202110778293 A CN 202110778293A CN 113516687 A CN113516687 A CN 113516687A
Authority
CN
China
Prior art keywords
image
target object
point cloud
cloud data
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.)
Pending
Application number
CN202110778293.6A
Other languages
English (en)
Inventor
张时嘉
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.)
Neusoft Reach Automotive Technology Shenyang Co Ltd
Original Assignee
Neusoft Reach Automotive Technology Shenyang 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 Neusoft Reach Automotive Technology Shenyang Co Ltd filed Critical Neusoft Reach Automotive Technology Shenyang Co Ltd
Priority to CN202110778293.6A priority Critical patent/CN113516687A/zh
Publication of CN113516687A publication Critical patent/CN113516687A/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
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

公开了一种目标跟踪方法、装置、设备及存储介质，所述方法包括：响应于在图像序列的第一图像中未检测到目标对象，根据所述目标对象在所述第一图像之前的至少一帧第二图像中的第二位置，确定所述第二位置在所述第一图像中对应的第一位置；获取所述第一图像中所述第一位置的设定范围内的点云数据；根据所述点云数据确定所述设定范围内是否包含所述目标对象；在包含所述目标对象的情况下，根据所述点云数据确定所述目标对象在所述第一图像中的目标位置；根据所述目标位置，对所述目标对象进行跟踪。根据在所述第一图像中目标对象应该出现的位置附近的点云数据，并根据点云数据确定所述目标对象的位置，可以达到更准确的跟踪效果。

Description

目标跟踪方法、装置、设备及存储介质
技术领域
本发明涉及目标跟踪技术领域，尤其涉及一种目标跟踪方法、装置、设备及存储介质。
背景技术
当前的目标跟踪方法，例如卡尔曼跟踪算法，检测丢失会对跟踪效果产生一定影响。例如，如果在当前帧上未检测到目标对象，则在这一帧中的状态，包括位置、速度等信息没有进行更新，而是基于历史信息进行跟踪，因此跟踪效果并不理想。
发明内容
有鉴于此，本公开提出一种目标跟踪方案，以解决上述技术问题。
第一方面，提出一种目标跟踪方法，所述方法包括：响应于在图像序列的第一图像中未检测到目标对象，根据所述目标对象在所述第一图像之前的至少一帧第二图像中的第二位置，确定所述第二位置在所述第一图像中对应的第一位置；获取所述第一图像中所述第一位置的设定范围内的点云数据；根据所述点云数据确定所述设定范围内是否包含所述目标对象；在包含所述目标对象的情况下，根据所述点云数据确定所述目标对象在所述第一图像中的目标位置；根据所述目标位置，对所述目标对象进行跟踪。
结合本公开提供的任一实施方式，所述根据所述目标对象在所述第一图像之前的至少一帧第二图像中的第二位置，确定所述第二位置在所述第一图像中对应的第一位置，包括：根据所述第二图像与所述第一图像在所述图像序列中的时间间隔，以及所述目标对象的行驶信息，确定所述第二位置在所述第一图像中对应的第一位置。
结合本公开提供的任一实施方式，所述设定范围根据所述目标对象在所述第二图像中的尺寸，以及所述目标对象的行驶信息确定。
结合本公开提供的任一实施方式，所述根据所述点云数据确定所述设定范围内是否包含所述目标对象，包括：对所述设定范围内的点云数据进行聚类；根据聚类结果，确定所述设定范围内是否包含所述目标对象。
结合本公开提供的任一实施方式，所述目标对象包括目标车辆，根据所述点云数据确定所述第一图像中是否包含所述目标对象，包括：根据车牌的反射率和形状信息，确定所述设定范围内的点云数据中是否包含所述车牌的点云数据；响应于包含所述车牌的点云数据，确定所述设定范围内包含所述目标车辆。
结合本公开提供的任一实施方式，所述在包含所述目标对象的情况下，根据所述点云数据确定所述目标对象在所述第一图像中的目标位置，包括：根据所述车牌对应的点云数据，确定车牌在所述第一图像中的第三位置；将所述第三位置确定为所述目标对象在所述第一图像中的目标位置。
第二方面，提出一种目标跟踪装置，所述装置包括：第一确定单元，用于响应于在图像序列的第一图像中未检测到目标对象，根据所述目标对象在所述第一图像之前的至少一帧第二图像中的第二位置，确定所述第二位置在所述第一图像中对应的第一位置；获取单元，用于获取所述第一图像中所述第一位置的设定范围内的点云数据；第二确定单元，用于根据所述点云数据确定所述设定范围内是否包含所述目标对象；第三确定单元，用于在包含所述目标对象的情况下，根据所述点云数据确定所述目标对象在所述第一图像中的目标位置；跟踪单元，用于根据所述目标位置，对所述目标对象进行跟踪。
结合本公开提供的任一实施方式，所述设定范围根据所述目标对象在所述第二图像中的尺寸，以及所述目标对象的行驶信息确定。
结合本公开提供的任一实施方式，所述第单元具体用于：对所述设定范围内的点云数据进行聚类；根据聚类结果，确定所述设定范围内是否包含所述目标对象。
结合本公开提供的任一实施方式，所述目标对象包括目标车辆，所述第二单元具体用于：根据车牌的反射率和形状信息，确定所述设定范围内的点云数据中是否包含所述车牌的点云数据；响应于包含所述车牌的点云数据，确定所述设定范围内包含所述目标车辆。
结合本公开提供的任一实施方式，所述第三单元具体用于：根据所述车牌对应的点云数据，确定车牌在所述第一图像中的第三位置；将所述第三位置确定为所述目标对象在所述第一图像中的目标位置。
第三方面，提出一种电子设备，所述设备包括存储器、处理器，所述存储器用于存储可在处理器上运行的计算机指令，所述处理器用于在执行所述计算机指令时实现本公开提供的任一实施方式。
第四方面，提出一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本公开提供的任一实施方式。
第五方面，提出一种计算机程序产品，包括计算机程序，所述程序被处理器执行时实现本公开提供的任一实施方式。
本公开提供的目标跟踪方案，在图像序列的第一图像中未检测到目标对象的情况下，根据所述目标对象在所述第一图像之前的至少一帧第二图像中的第二位置，确定所述第二位置在所述第一图像中对应的第一位置，并获取所述第一图像中所述第一位置的设定范围内的点云数据；接下来，根据所述点云数据确定所述设定范围内是否包含所述目标对象，在包含所述目标对象的情况下，根据所述点云数据确定所述目标对象在所述第一图像中的目标位置，并根据所述目标位置，对所述目标对象进行跟踪。根据在所述第一图像中目标对象应该出现的位置附近的点云数据，并根据点云数据判断是否确实包含目标对象，在确认包含的情况下进一步根据点云数据确定所述目标对象的位置，可以达到更准确的跟踪效果。
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，并不能限制本公开。
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，示出了符合本说明书的实施例，并与说明书一起用于解释本说明书的原理。
图1示出本公开至少一个实施例提出的目标跟踪方法的流程图；
图2示出本公开至少一个实施例提出的目标跟踪装置的结构示意图；
图3示出本公开至少一个实施例提出的电子设备的结构图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利
在本发明使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本发明可能采用术语第一、第二等来描述各种结构或信息，但这些结构不应限于这些术语。这些术语仅用来将同一类型的结构或信息彼此区分开。
图1示出本公开至少一个实施例提出的一种目标跟踪方法的流程图。本实施例的方法可以应用于具有数据处理功能的终端设备(如，车载终端、智能手机或平板电脑等)或服务端(如，一台服务器或多台服务器组成的服务器集群等)。如图1所示，该方法包括以下步骤101～105。
在步骤101中，响应于在图像序列的第一图像中未检测到目标对象，根据所述目标对象在所述第一图像之前的至少一帧第二图像中的第二位置，确定所述第二位置在所述第一图像中对应的第一位置。
其中，所述图像序列例如为针对同一场景的一系列图像。所述图像序列可以是图像采集装置(例如摄像头)连续拍摄的多张图像，也可以是包含多帧图像的视频片段，本公开实施例对此不进行限制。
本领域技术人员应当理解，所述图像序列不限于顺序相邻的图像，也可以是针对同一场景，以设定间隔获取的图像。
在所述图像序列的第一图像中未检测到目标对象，也即在跟踪过程中当前图像帧中未检测到所跟踪的目标对象的情况下，根据第一图像之前的至少一帧第二图像中目标对象的第二位置，确定所述目标对象在所述第一图像中应当出现的位置，即所述第二位置在所述第一图像中对应的第一位置。
在本公开实施例中，所述目标对象可以包括车辆以及其他行驶设备。以所述目标对象为车辆为例，在对目标车辆进行跟踪的过程中，在第一图像(当前帧)中未检测到所述目标车辆的情况下，则确定在当前帧的至少一帧第二图像中所述目标车辆的第二位置。例如，可以确定所述当前帧的前一帧中目标车辆的第二位置，也可以确定前两帧中目标车辆分别所在的第二位置。
在一个示例中，可以根据所述第二图像与所述第一图像在所述图像序列中的时间间隔，以及所述目标对象的行驶信息，确定所述第二位置在所述第一图像中对应的第一位置。
由于所述图像序列中各个图像之间的采集时间间隔是确定的，因此可以确定所述第二图像与所述第一图像之间的时间间隔。根据所述时间间隔，以及所述目标对象的行驶信息，包括行驶速度以及行驶方向，则可以预估出在正常情况下所述目标对象在所述第一图像中应当出现的位置，并将该位置确定为所述第二位置在所述第一图像中对应的第一位置。
在步骤102中，获取所述第一图像中所述第一位置的设定范围内的点云数据。
其中，所述点云数据是激光雷对所述图像采集设备所采集的同一场景进行感测得到的，所述点云数据与图像数据是相对应的。
所述设定范围可以是预先设置的，也可以根据所述第二图像中所提供的信息实时确定的。例如，可以根据所述目标对象在所述第二图像中的尺寸，以及所述目标对象的行驶信息确定所述设定范围。通过所述目标对象在所述第二图像中的尺寸，以及所述目标对象的行驶信息，包括所述目标对象的行驶速度和行驶方向，则可以确定所述目标对象在所述第一图像中所占据的尺寸。在本公开实施例中，可以将所述设定范围设置为大于所确定的所述目标对象在所述第一图像中所占据的尺寸，以增加所得到的点云数据中包含所述目标对象的概率。
在本公开实施例中所得到的设定范围内的点云数据，与所述第一图像对应的原始点云数据(通常为百万数量级)相比，数据量显著降低。一方面，降低了处理设备的计算负荷，另一方面在更精准范围的点云数据中进行检测，也有于提高后续检测的精度。
在步骤103中，根据所述点云数据确定所述设定范围内是否包含所述目标对象。
在一个示例中，可以通过聚类的方式确定所述第一图像中是否包含所述目标对象。
具体地，对所述设定范围内的点云数据进行聚类，根据聚类结果，也即聚类得到的对象的尺寸(包括长、宽、高)等信息，与所预估的所述目标对象在所述第一图像中的尺寸进行比较，即可以确定所述第一图像中是否包含所述目标对象。
本公开实施例也可以通过其他方式确定所述第一图像中是否包含所述目标对象，本公开对此不进行限制。
在步骤104中，在包含所述目标对象的情况下，根据所述点云数据确定所述目标对象在所述第一图像中的目标位置。
在确定了所述设定范围内包含所述目标对象的情况下，也即所述目标对象出现在了所预估的应该在第一图像中出现的位置。根据所述设定范围内的点云数据所指示的位置信息，即可确定所述目标对象在所述第一图像中的目标位置。
在步骤105中，根据所述目标位置，对所述目标对象进行跟踪。
在图像序列中当前帧中未检测到目标对象的情况下，根据本公开实施例所提供的方法，根据点云数据可以得到目标对象在当前帧中的目标位置，利用该目标位置来更新跟踪列表，可以实现较好的跟踪效果。
在本公开实施例中，在图像序列的第一图像中未检测到目标对象的情况下，根据所述目标对象在所述第一图像之前的至少一帧第二图像中的第二位置，确定所述第二位置在所述第一图像中对应的第一位置，并获取所述第一图像中所述第一位置的设定范围内的点云数据；接下来，根据所述点云数据确定所述设定范围内是否包含所述目标对象，在包含所述目标对象的情况下，根据所述点云数据确定所述目标对象在所述第一图像中的目标位置，并根据所述目标位置，对所述目标对象进行跟踪。根据在所述第一图像中目标对象应该出现的位置附近的点云数据，并根据点云数据判断是否确实包含目标对象，在确认包含的情况下进一步根据点云数据确定所述目标对象的位置，可以达到更准确的跟踪效果。
针对进行跟踪的目标对象为车辆的情况，本公开实施例提出了一种确定所述设定范围内是否包含所述目标对象的方法。
在该方法中，可以根据车牌的反射率和形状信息，确定所述设定范围内的点云数据中是否包含所述车牌的点云数据；响应于包含所述车牌的点云数据，确定所述设定范围内包含所述目标车辆。
由于车牌的反射率相较于车体其他部位不同，因此可以作为一个维度上的信息，以帮助确认点云中是否包含车辆。
根据车牌的特定反射率，以及车牌的形状信息，可以确定在所述设定范围内的点云数据中是否包含车牌的点云数据。在包含的情况下，也即说明在该设定范围内是包含目标车辆的，也即该目标车辆出现在预设应该在第一图像中出现的位置。
在确定了所述设定范围内的点云数据中包含车牌的点云数据情况下，可以根据所述车牌对应的点云数据，确定车牌在所述第一图像中的第三位置，并将车牌所在的位置确定为车辆的位置。
将车牌出现的位置作为车辆的位置，对车辆速度的推算，相较于利用整车或者车辆中心点进行车辆速度的推算更为准确，因为在观测角度发生变化时，所感知的整车形状、中心点等会有变化，而由于车牌的特定形状，其在观测角度发生变化时对于位置信息的影响较小。
图2示出本公开至少一个实施例提出的一种目标跟踪装置的结构示意图。如图2所示，所述装置包括：第一确定单元201，用于响应于在图像序列的第一图像中未检测到目标对象，根据所述目标对象在所述第一图像之前的至少一帧第二图像中的第二位置，确定所述第二位置在所述第一图像中对应的第一位置；获取单元202，用于获取所述第一图像中所述第一位置的设定范围内的点云数据；第二确定单元203，用于根据所述点云数据确定所述设定范围内是否包含所述目标对象；第三确定单元204，用于在包含所述目标对象的情况下，根据所述点云数据确定所述目标对象在所述第一图像中的目标位置；跟踪单元205，用于根据所述目标位置，对所述目标对象进行跟踪。
在一些实现方式中，所述设定范围根据所述目标对象在所述第二图像中的尺寸，以及所述目标对象的行驶信息确定。
在一些实现方式中，所述第单元具体用于：对所述设定范围内的点云数据进行聚类；根据聚类结果，确定所述设定范围内是否包含所述目标对象。
在一些实现方式中，所述目标对象包括目标车辆，所述第二单元具体用于：根据车牌的反射率和形状信息，确定所述设定范围内的点云数据中是否包含所述车牌的点云数据；响应于包含所述车牌的点云数据，确定所述设定范围内包含所述目标车辆。
在一些实现方式中，所述第三单元具体用于：根据所述车牌对应的点云数据，确定车牌在所述第一图像中的第三位置；将所述第三位置确定为所述目标对象在所述第一图像中的目标位置。
本公开至少一个实施例还提供了一种电子设备，如图3所示，所述设备包括存储器、处理器，存储器用于存储可在处理器上运行的计算机指令，处理器用于在执行所述计算机指令时实现本公开任一实施例所述的目标跟踪方法。
本公开至少一个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，所述程序被处理器执行时实现本公开任一实施例所述的目标跟踪方法。
本公开至少一个实施例还提供了一种计算机程序产品，包括计算机程序，所述程序被处理器执行时实现本公开任一实施例所述的目标跟踪方法。
本领域技术人员应明白，本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于数据处理设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的行为或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中描述的主题及功能操作的实施例可以在以下中实现：数字电子电路、有形体现的计算机软件或固件、包括本说明书中公开的结构及其结构性等同物的计算机硬件、或者它们中的一个或多个的组合。本说明书中描述的主题的实施例可以实现为一个或多个计算机程序，即编码在有形非暂时性程序载体上以被数据处理装置执行或控制数据处理装置的操作的计算机程序指令中的一个或多个模块。可替代地或附加地，程序指令可以被编码在人工生成的传播信号上，例如机器生成的电、光或电磁信号，该信号被生成以将信息编码并传输到合适的接收机装置以由数据处理装置执行。计算机存储介质可以是机器可读存储设备、机器可读存储基板、随机或串行存取存储器设备、或它们中的一个或多个的组合。
本说明书中描述的处理及逻辑流程可以由执行一个或多个计算机程序的一个或多个可编程计算机执行，以通过根据输入数据进行操作并生成输出来执行相应的功能。所述处理及逻辑流程还可以由专用逻辑电路—例如FPGA(现场可编程门阵列)或ASIC(专用集成电路)来执行，并且装置也可以实现为专用逻辑电路。
适合用于执行计算机程序的计算机包括，例如通用和/或专用微处理器，或任何其他类型的中央处理单元。通常，中央处理单元将从只读存储器和/或随机存取存储器接收指令和数据。计算机的基本组件包括用于实施或执行指令的中央处理单元以及用于存储指令和数据的一个或多个存储器设备。通常，计算机还将包括用于存储数据的一个或多个大容量存储设备，例如磁盘、磁光盘或光盘等，或者计算机将可操作地与此大容量存储设备耦接以从其接收数据或向其传送数据，抑或两种情况兼而有之。然而，计算机不是必须具有这样的设备。此外，计算机可以嵌入在另一设备中，例如移动电话、个人数字助理(PDA)、移动音频或视频播放器、游戏操纵台、全球定位系统(GPS)接收机、或例如通用串行总线(USB)闪存驱动器的便携式存储设备，仅举几例。
适合于存储计算机程序指令和数据的计算机可读介质包括所有形式的非易失性存储器、媒介和存储器设备，例如包括半导体存储器设备(例如EPROM、EEPROM和闪存设备)、磁盘(例如内部硬盘或可移动盘)、磁光盘以及CD ROM和DVD-ROM盘。处理器和存储器可由专用逻辑电路补充或并入专用逻辑电路中。
虽然本说明书包含许多具体实施细节，但是这些不应被解释为限制任何发明的范围或所要求保护的范围，而是主要用于描述特定发明的具体实施例的特征。本说明书内在多个实施例中描述的某些特征也可以在单个实施例中被组合实施。另一方面，在单个实施例中描述的各种特征也可以在多个实施例中分开实施或以任何合适的子组合来实施。此外，虽然特征可以如上所述在某些组合中起作用并且甚至最初如此要求保护，但是来自所要求保护的组合中的一个或多个特征在一些情况下可以从该组合中去除，并且所要求保护的组合可以指向子组合或子组合的变型。
类似地，虽然在附图中以特定顺序描绘了操作，但是这不应被理解为要求这些操作以所示的特定顺序执行或顺次执行、或者要求所有例示的操作被执行，以实现期望的结果。在某些情况下，多任务和并行处理可能是有利的。此外，上述实施例中的各种系统模块和组件的分离不应被理解为在所有实施例中均需要这样的分离，并且应当理解，所描述的程序组件和系统通常可以一起集成在单个软件产品中，或者封装成多个软件产品。
由此，主题的特定实施例已被描述。其他实施例在所附权利要求书的范围以内。在某些情况下，权利要求书中记载的动作可以以不同的顺序执行并且仍实现期望的结果。此外，附图中描绘的处理并非必需所示的特定顺序或顺次顺序，以实现期望的结果。在某些实现中，多任务和并行处理可能是有利的。
以上所述仅为本说明书一个或多个实施例的较佳实施例而已，并不用以限制本说明书一个或多个实施例，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例保护的范围之内。

Claims (10)

1.一种目标跟踪方法，其特征在于，所述方法包括：
响应于在图像序列的第一图像中未检测到目标对象，根据所述目标对象在所述第一图像之前的至少一帧第二图像中的第二位置，确定所述第二位置在所述第一图像中对应的第一位置；
获取所述第一图像中所述第一位置的设定范围内的点云数据；
根据所述点云数据确定所述设定范围内是否包含所述目标对象；
在包含所述目标对象的情况下，根据所述点云数据确定所述目标对象在所述第一图像中的目标位置；
根据所述目标位置，对所述目标对象进行跟踪。
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第一图像之前的至少一帧第二图像中的第二位置，确定所述第二位置在所述第一图像中对应的第一位置，包括：
根据所述第二图像与所述第一图像在所述图像序列中的时间间隔，以及所述目标对象的行驶信息，确定所述第二位置在所述第一图像中对应的第一位置。
3.根据权利要求1所述的方法，其特征在于，所述设定范围根据所述目标对象在所述第二图像中的尺寸，以及所述目标对象的行驶信息确定。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述根据所述点云数据确定所述设定范围内是否包含所述目标对象，包括：
对所述设定范围内的点云数据进行聚类；
根据聚类结果，确定所述设定范围内是否包含所述目标对象。
5.根据权利要求1至3任一项所述的方法，其特征在于，所述目标对象包括目标车辆，根据所述点云数据确定所述第一图像中是否包含所述目标对象，包括：
根据车牌的反射率和形状信息，确定所述设定范围内的点云数据中是否包含所述车牌的点云数据；
响应于包含所述车牌的点云数据，确定所述设定范围内包含所述目标车辆。
6.根据权利要求5所述的方法，其特征在于，所述在包含所述目标对象的情况下，根据所述点云数据确定所述目标对象在所述第一图像中的目标位置，包括：
根据所述车牌对应的点云数据，确定车牌在所述第一图像中的第三位置；
将所述第三位置确定为所述目标对象在所述第一图像中的目标位置。
7.一种目标跟踪装置，其特征在于，所述装置包括：
第一确定单元，用于响应于在图像序列的第一图像中未检测到目标对象，根据所述目标对象在所述第一图像之前的至少一帧第二图像中的第二位置，确定所述第二位置在所述第一图像中对应的第一位置；
获取单元，用于获取所述第一图像中所述第一位置的设定范围内的点云数据；
第二确定单元，用于根据所述点云数据确定所述设定范围内是否包含所述目标对象；
第三确定单元，用于在包含所述目标对象的情况下，根据所述点云数据确定所述目标对象在所述第一图像中的目标位置；
跟踪单元，用于根据所述目标位置，对所述目标对象进行跟踪。
8.一种电子设备，其特征在于，所述设备包括存储器、处理器，所述存储器用于存储可在处理器上运行的计算机指令，所述处理器用于在执行所述计算机指令时实现权利要求1至6任一所述的方法。
9.一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，所述程序被处理器执行时实现权利要求1至6任一所述的方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至6任一所述的方法。
CN202110778293.6A 2021-07-09 2021-07-09 目标跟踪方法、装置、设备及存储介质 Pending CN113516687A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110778293.6A CN113516687A (zh) 2021-07-09 2021-07-09 目标跟踪方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110778293.6A CN113516687A (zh) 2021-07-09 2021-07-09 目标跟踪方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN113516687A true CN113516687A (zh) 2021-10-19

Family

ID=78066591

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110778293.6A Pending CN113516687A (zh) 2021-07-09 2021-07-09 目标跟踪方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113516687A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110472553A (zh) * 2019-08-12 2019-11-19 北京易航远智科技有限公司 图像和激光点云融合的目标追踪方法、计算装置和介质
CN111369600A (zh) * 2020-02-12 2020-07-03 苏州大学 一种基于参照物的激光雷达点云数据配准方法
CN111427979A (zh) * 2020-01-15 2020-07-17 深圳市镭神智能系统有限公司 基于激光雷达的动态地图构建方法、系统及介质
CN112509333A (zh) * 2020-10-20 2021-03-16 智慧互通科技股份有限公司 一种基于多传感器感知的路侧停车车辆轨迹识别方法及系统
US20210090296A1 (en) * 2019-09-20 2021-03-25 Beijing Baidu Netcom Science And Technology Co., Ltd. Method and apparatus for calibrating camera
CN112633282A (zh) * 2021-01-07 2021-04-09 清华大学深圳国际研究生院 一种车辆实时跟踪方法及计算机可读存储介质
WO2021134285A1 (zh) * 2019-12-30 2021-07-08 深圳元戎启行科技有限公司 图像跟踪处理方法、装置、计算机设备和存储介质
WO2021134258A1 (zh) * 2019-12-30 2021-07-08 深圳元戎启行科技有限公司 基于点云的目标跟踪方法、装置、计算机设备和存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110472553A (zh) * 2019-08-12 2019-11-19 北京易航远智科技有限公司 图像和激光点云融合的目标追踪方法、计算装置和介质
US20210090296A1 (en) * 2019-09-20 2021-03-25 Beijing Baidu Netcom Science And Technology Co., Ltd. Method and apparatus for calibrating camera
WO2021134285A1 (zh) * 2019-12-30 2021-07-08 深圳元戎启行科技有限公司 图像跟踪处理方法、装置、计算机设备和存储介质
WO2021134258A1 (zh) * 2019-12-30 2021-07-08 深圳元戎启行科技有限公司 基于点云的目标跟踪方法、装置、计算机设备和存储介质
CN111427979A (zh) * 2020-01-15 2020-07-17 深圳市镭神智能系统有限公司 基于激光雷达的动态地图构建方法、系统及介质
CN111369600A (zh) * 2020-02-12 2020-07-03 苏州大学 一种基于参照物的激光雷达点云数据配准方法
CN112509333A (zh) * 2020-10-20 2021-03-16 智慧互通科技股份有限公司 一种基于多传感器感知的路侧停车车辆轨迹识别方法及系统
CN112633282A (zh) * 2021-01-07 2021-04-09 清华大学深圳国际研究生院 一种车辆实时跟踪方法及计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN110991468B (zh) 三维目标检测和智能行驶方法、装置、设备
CN110688971B (zh) 虚线车道线的检测方法、装置和设备
US9794519B2 (en) Positioning apparatus and positioning method regarding a position of mobile object
EP3660807A1 (en) Server device and vehicle
CN113112524A (zh) 自动驾驶中移动对象的轨迹预测方法、装置及计算设备
CN115512568B (zh) 控制装置、移动体、控制方法和计算机可读存储介质
CN115205335A (zh) 行人轨迹预测方法、装置和电子设备
CN108932839B (zh) 一种同行车辆判断方法及装置
US20220319322A1 (en) Drive assist apparatus and drive assist method
CN111328409A (zh) 用于自动地创建行驶的视频的系统和方法
CN112558036B (zh) 用于输出信息的方法和装置
CN113516687A (zh) 目标跟踪方法、装置、设备及存储介质
CN111551947A (zh) 激光点云定位方法、装置、设备及系统
CN109740518B (zh) 一种视频中对象的确定方法及装置
CN114612875A (zh) 目标检测方法、装置、存储介质及电子设备
CN114202912A (zh) 交通服务提供方法、装置、服务器及存储介质
JP7147464B2 (ja) 画像選択装置及び画像選択方法
US20240104910A1 (en) Method and apparatus of obtaining position of stationary target
CN115249354A (zh) 一种点云数据处理方法、装置、设备及存储介质
CN116625384B (zh) 一种数据关联方法、装置及电子设备
CN113721235B (zh) 对象状态确定方法、装置、电子设备以及存储介质
WO2024004113A1 (ja) 目標追尾装置、目標追尾方法、および目標追尾プログラム
CN113516686A (zh) 目标跟踪方法、装置、设备及存储介质
CN118296538A (zh) 一种异常点识别方法、电子设备及计算机程序产品
CN118715454A (zh) 用于跟踪扩展物体的装置和方法

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