CN114088061A - 目标定位方法及装置、电子设备和存储介质 - Google Patents
目标定位方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114088061A CN114088061A CN202111326436.6A CN202111326436A CN114088061A CN 114088061 A CN114088061 A CN 114088061A CN 202111326436 A CN202111326436 A CN 202111326436A CN 114088061 A CN114088061 A CN 114088061A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- reference points
- spatial
- determining
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 22
- 238000003384 imaging method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 15
- 230000002596 correlated effect Effects 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 239000002245 particle Substances 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 6
- 238000001914 filtration Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000005484 gravity Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000012614 Monte-Carlo sampling Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- 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
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
- Radar Systems Or Details Thereof (AREA)
- Die Bonding (AREA)
Abstract
本公开涉及一种目标定位方法及装置、电子设备和存储介质,所述方法包括:获取目标场景的第一图像,其中第一图像由至少一个图像采集设备采集得到;对第一图像进行目标检测,确定目标场景中的目标在第一图像中的第一图像位置;根据目标场景中针对目标的多个第一参考点的第一空间位置,以及图像采集设备的相机参数,确定多个第一参考点在第一图像中的第二图像位置;根据目标的第一图像位置、多个第一参考点的第二图像位置及多个第一参考点的第一空间位置,确定目标在所述目标场景中的第二空间位置。本公开实施例可实现对目标的空间定位,并且目标上不需要增加额外的硬件设备,节省成本,通用性高。
Description
本申请是在2021年02月24日提交中国专利局、申请号为202110208854.9、申请名称为“目标定位方法及装置、电子设备和存储介质”的中国专利申请的分案申请。
技术领域
本公开涉及计算机技术领域,尤其涉及一种目标定位方法及装置、电子设备和存储介质。
背景技术
目前,通常采用基于计算机视觉的全局定位系统对可移动的物体进行定位。基于计算机视觉对物体的定位,仅可以实现对物体的平面定位(即假设物体在地面同一高度上进行定位),而不能定位物体的三维空间位置,这种定位方式,难以应对有起伏路面的场景,以及对无人机等机器人的空间定位。
而相关技术在实现物体的空间定位时,一般需要用到高性能红外摄像机等额外设备,这就需要在可移动的物体上附加额外设备,通用性不高且成本高昂。
发明内容
本公开提出了一种目标定位的技术方案。
根据本公开的一方面,提供了一种目标定位方法,包括:获取目标场景的第一图像,其中所述第一图像由至少一个图像采集设备采集得到;对所述第一图像进行目标检测,确定所述目标场景中的目标在所述第一图像中的第一图像位置;根据所述目标场景中针对所述目标的多个第一参考点的第一空间位置,以及所述图像采集设备的相机参数,确定所述多个第一参考点在所述第一图像中的第二图像位置;根据所述目标的第一图像位置、所述多个第一参考点的第二图像位置及所述多个第一参考点的第一空间位置,确定所述目标在所述目标场景中的第二空间位置。根据本公开实施例,能够实现对目标的空间定位,并且目标上不需要增加额外的硬件设备,节省成本,通用性高。
在一种可能的实现方式中,所述根据所述目标的第一图像位置、所述多个第一参考点的第二图像位置及所述多个第一参考点的第一空间位置,确定所述目标在所述目标场景中的第二空间位置,包括:针对任一第一参考点,根据所述第一参考点的第二图像位置与所述目标的第一图像位置之间相似度,确定所述第一参考点的权重;根据所述多个第一参考点的权重及所述多个第一参考点的第一空间位置,确定所述目标的第二空间位置。通过该方式,能够根据参考点的图像位置与目标的图像位置之间的相似度确定参考点的权重,再基于参考点的权重及参考点的空间位置,精准地确定出目标的空间位置,从而实现目标的空间定位。
在一种可能的实现方式中,所述根据所述多个第一参考点的权重及所述多个第一参考点的第一空间位置,确定所述目标的第二空间位置,包括:基于所述多个第一参考点的权重,确定所述多个第一参考点的第一空间位置的加权平均值,所述多个第一参考点的权重和为1;将所述加权平均值,确定为所述目标的第二空间位置。通过该方式,能够在对目标进行实时空间定位的过程中,使得确定出的第二空间位置不会产生较大波动,空间定位的稳定性及可靠性更高。
在一种可能的实现方式中,所述方法还包括:确定所述目标在所述目标场景中的初始空间位置,所述初始空间位置包括所述目标在所述目标场景的地面上的空间位置;对所述初始空间位置,增加随机量,生成多个初始参考点的第三空间位置;根据所述多个初始参考点的第三空间位置,得到所述多个第一参考点的第一空间位置。通过该方式,可以便捷地确定出目标的初始空间位置以及初始参考点,以便于实现对目标的实时追踪定位。
在一种可能的实现方式中,所述确定所述目标在所述目标场景中的初始空间位置,包括:获取所述目标场景的第二图像,所述第二图像中包括预设在所述地面上的参照物及处于所述地面上的目标,所述第二图像的采集时间在所述第一图像之前;根据所述参照物在所述地面上的第四空间位置,及所述参照物在所述第二图像中的第三图像位置,确定所述图像采集设备的成像平面与所述地面之间的单应矩阵;根据所述单应矩阵及所述目标在所述第二图像上的第四图像位置,确定所述目标的初始空间位置。通过该方式,能够利用参照物的空间位置及图像位置,确定出成像平面与地面之间的单应矩阵,进而可以根据单应矩阵及目标在第二图像中的图像位置,有效地确定出目标在地面上的初始空间位置。
在一种可能的实现方式中,所述方法还包括:根据所述多个第一参考点的权重,从所述多个第一参考点中选取权重超过预设阈值的第二参考点;对所述第二参考点的第五空间位置,增加随机量,生成多个第三参考点的第六空间位置,所述多个第三参考点的第六空间位置用于对所述目标场景的第三图像中的目标进行空间定位,所述第三图像的采集时间在所述第一图像之后。通过该方式,能够基于当前已生成的参考点,生成用于对下一时刻采集的图像中的目标进行空间定位的参考点,从而可以实现对目标场景中的目标的实时追踪定位。
在一种可能的实现方式中,所述图像采集设备包括多个,所述针对任一第一参考点,根据所述第一参考点的第二图像位置与所述目标的第一图像位置之间相似度,确定所述第一参考点的权重,包括:针对任一第一参考点,根据所述第一参考点的多个第二图像位置构成的第一位置向量,与所述目标的多个第一图像位置构成的第二位置向量之间的相似度,确定所述第一参考点的权重,所述权重与所述相似度正相关。通过该方式,通过该方式,可以便于计算多个第二图像位置与多个第一图像位置之间的相似度。
根据本公开的一方面,提供了一种目标定位装置,包括:获取模块,用于获取目标场景的第一图像,其中所述第一图像由至少一个图像采集设备采集得到;检测模块,用于对所述第一图像进行目标检测,确定所述目标场景中的目标在所述第一图像中的第一图像位置;图像位置确定模块,用于根据所述目标场景中针对所述目标的多个第一参考点的第一空间位置,以及所述图像采集设备的相机参数,确定所述多个第一参考点在所述第一图像中的第二图像位置;空间位置确定模块,用于根据所述目标的第一图像位置、所述多个第一参考点的第二图像位置及所述多个第一参考点的第一空间位置,确定所述目标在所述目标场景中的第二空间位置。
在一种可能的实现方式中,所述空间位置确定模块,包括:权重确定子模块,用于针对任一第一参考点,根据所述第一参考点的第二图像位置与所述目标的第一图像位置之间相似度,确定所述第一参考点的权重;空间位置确定子模块,用于根据所述多个第一参考点的权重及所述多个第一参考点的第一空间位置,确定所述目标的第二空间位置。
在一种可能的实现方式中,所述空间位置确定子模块,具体用于:基于所述多个第一参考点的权重,确定所述多个第一参考点的第一空间位置的加权平均值,所述多个第一参考点的权重和为1;将所述加权平均值,确定为所述目标的第二空间位置。
在一种可能的实现方式中,所述装置还包括:初始空间位置确定模块,用于确定所述目标在所述目标场景中的初始空间位置,所述初始空间位置包括所述目标在所述目标场景的地面上的空间位置;初始参考点确定模块,用于对所述初始空间位置,增加随机量,生成多个初始参考点的第三空间位置;第一空间位置确定模块,用于根据所述多个初始参考点的第三空间位置,得到所述多个第一参考点的第一空间位置。
在一种可能的实现方式中,所述初始空间位置确定模块,包括:获取子模块,用于获取所述目标场景的第二图像,所述第二图像中包括预设在所述地面上的参照物及处于所述地面上的目标,所述第二图像的采集时间在所述第一图像之前;单应矩阵确定子模块,用于根据所述参照物在所述地面上的第四空间位置,及所述参照物在所述第二图像中的第三图像位置,确定所述图像采集设备的成像平面与所述地面之间的单应矩阵;初始空间位置确定子模块,用于根据所述单应矩阵及所述目标在所述第二图像上的第四图像位置,确定所述目标的初始空间位置。
在一种可能的实现方式中,所述装置还包括:参考点确定模块,用于根据所述多个第一参考点的权重,从所述多个第一参考点中选取权重超过预设阈值的第二参考点;对所述第二参考点的第五空间位置,增加随机量,生成多个第三参考点的第六空间位置,所述多个第三参考点的第六空间位置用于对所述目标场景的第三图像中的目标进行空间定位,所述第三图像的采集时间在所述第一图像之后。
在一种可能的实现方式中,所述图像采集设备包括多个,所述权重确定子模块,具体用于:针对任一第一参考点,根据所述第一参考点的多个第二图像位置构成的第一位置向量,与所述目标的多个第一图像位置构成的第二位置向量之间的相似度,确定所述第一参考点的权重,所述权重与所述相似度正相关。
根据本公开的一方面,提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,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,能够基于预估的多个第一参考点的第一空间位置,得到该多个第一参考点的第二图像位置,再结合第一图像中目标实际所处的第一图像位置,以及预估的第一空间位置,确定出目标在目标场景中的第二空间位置,从而可以实现对目标的空间定位,并且目标上不需要增加额外的硬件设备,节省成本,通用性高。
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示出根据本公开实施例的目标定位方法的流程图。
图2示出根据本公开实施例的目标定位装置的框图。
图3示出根据本公开实施例的一种电子设备的框图。
图4示出根据本公开实施例的一种电子设备的框图。
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。
应当理解,本公开的权利要求、说明书及附图中的术语“第一”、“第二”及“第三”等是用于区别不同对象,而不是用于描述特定顺序。本公开的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
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。
图1示出根据本公开实施例的目标定位方法的流程图,如图1所示,所述目标定位方法包括:
在步骤S11中,获取目标场景的第一图像,其中第一图像由至少一个图像采集设备采集得到;
在步骤S12中,对第一图像进行目标检测,确定目标场景中的目标在第一图像中的第一图像位置;
在步骤S13中,根据目标场景中针对目标的多个第一参考点的第一空间位置,以及图像采集设备的相机参数,确定多个第一参考点在第一图像中的第二图像位置;
在步骤S14中,根据目标的第一图像位置、多个第一参考点的第二图像位置及多个第一参考点的第一空间位置,确定目标在目标场景中的第二空间位置。
在一种可能的实现方式中,所述目标定位方法可以由终端设备或服务器等电子设备执行,终端设备可以为用户设备(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 Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等,所述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。或者,可通过服务器执行所述方法。
在一种可能的实现方式中,在步骤S11中,目标场景可以是目标可移动的地理空间区域,例如,可以是空地、广场、教室等区域。其中,目标可以包括无人飞行器、智能车辆、智能机器人中的至少一种。对于目标的具体类型,本公开实施例不作限制。
用户可以在目标场景中控制目标的移动、目标也可以基于视觉定位实现自主移动,对此本公开实施例不作限制。应理解的是,无论是控制目标移动,还是目标的自主移动,均可对目标的空间位置进行定位。
在一种可能的实现方式中,在步骤S11中,图像采集设备(例如摄像头)可以布置在目标场景中,也可以围绕目标场景布置。图像采集设备可以采用一个或多个,多个图像采集设备可以采集目标场景的不同区域的图像。对于图像采集设备的布置方式、数量等,可依据实际需求设定,对此本公开实施例不作限制。通过该方式,可以实现对处于目标场景内的目标进行空间定位。
在一种可能的实现方式中,图像采集设备可以通过有线连接或无线连接的方式,与执行目标定位方法的电子设备连接,具体可依据实际需求设定,对此本公开实施例不作限制。通过该方式,可以将一个或多个图像采集设备采集的图像,发送至电子设备,以实现对目标的空间定位。
在一种可能的实现方式中,图像采集设备采集的第一图像,可以是图像采集设备实时采集的图像、或实时采集的视频流中的图像帧。应理解的是,图像采集设备可以不止一个,相应的第一图像可以不止一个,基于实时采集的多个第一图像,可以更为精准地对目标进行空间定位。
在一种可能的实现方式中,在步骤S12中,可以通过目标检测网络对第一图像进行目标检测,确定目标场景中的目标在第一图像中的第一图像位置。其中,目标检测网络可以采用任何已知的神经网络训练得到,例如可以采用卷积神经网络、残差网络、特征金字塔网络等。对于目标检测网络的网络结构及训练方式,本公开实施例不作限制。
在一种可能的实现方式中,通过目标检测网络可以检测出目标在第一图像中的所在区域(例如矩形框指示的区域),进而可以基于矩形框的位置(例如四个顶点坐标)确定目标的所在区域的中心点,将该中心点在图像中的像素坐标作为目标的第一图像位置;还可以通过目标检测网络检测出目标上的多个关键点,将该多个关键点的像素坐标的均值作为目标的第一图像位置,其中,多个关键点可以均用于指示目标的重心。
也就是说,目标的第一图像位置可以是目标的中心点或重心在图像中的像素坐标,也即二维坐标位置。通过该方式,可以将检测出的目标的中心点或重心在图像中的像素坐标,作为目标的第一图像位置,以便于确定出目标的空间位置。
需要说明的是,利用目标的中心点或重心确定目标的图像位置,是本公开实施例提供的一种具体实现方式。本领域技术人员应理解,本公开应不限于此,实际上,只要是目标上的点,均可用来指示目标的图像位置,例如,可以采用目标的边界上的点,对此本公开实施例不作限制。
在一种可能的实现方式中,在步骤S13中,目标的多个第一参考点,也可称为多个粒子,可以用于指示目标在目标场景中可能所处的位置;多个第一参考点的第一空间位置,可以是预估的目标可能所处的空间位置。
其中,第一参考点的数量可根据实际需求设定,例如,可以采用至少10000个第一参考点,对此本公开实施例不作限制。
在一种可能的实现方式中,目标在目标场景中的第二空间位置,可以认为是目标在目标场景中实际所处的位置。目标在目标场景中实际所处的位置,可能与预估的多个第一参考点中的某些参考点指示的空间位置近似,基于此,可以至少根据预估多个参考点的第一空间位置,得到目标在目标场景中的第二空间位置。
需要说明的是,本公开实施例中的空间位置可以指在目标场景中的三维坐标位置。应理解的是,可以针对目标场景建立世界坐标系,目标在目标场景中的空间位置,可以是目标在该世界坐标系中的三维坐标位置。
在一种可能的实现方式中,图像采集设备的相机参数,可以采用任何已知的相机标定方式得到,例如,可以通过张正友相机标定法。其中,相机参数可以包括相机外参及相机内参,对相机参数进行相机标定,可以仅对相机外参进行标定,也可对相机外参及相机内参进行标定。对于图像采集设备的相机标定方式,本公开实施例不作限制。
在一种可能的实现方式中,在步骤S13中,多个第一参考点的第一空间位置,可以是预估的目标可能所处的空间位置。多个第一参考点的第一空间位置,可以是基于目标的初始空间位置(例如目标在目标场景的地面上的位置),结合粒子滤波方式得到。其中,可采用本领域任何已知的粒子滤波方式,例如,采用贝叶斯滤波算法、蒙特卡洛采样算法、重要性滤波算法等,对此本公开实施例不作限制。
在一种可能的实现方式中,在步骤S13中,根据多个第一参考点的第一空间位置及相机参数,确定多个第一参考点的第二图像位置,可以是基于图像采集设备的成像原理(例如小孔成像原理)实现。
在一种可能的实现方式中,可以采用公式(1)的成像原理,实现根据多个第一参考点的第一空间位置及相机参数,确定多个第一参考点的第二图像位置;
其中,z为比例因子,(u,v)可以代表第二图像位置,也即第一参考点的像素坐标;(X,Y,Z)可以代表第一空间位置,也即第一参考点的世界坐标;K代表相机内参矩阵,代表相机外参矩阵,R代表旋转矩阵,t代表平移矩阵,[]T代表矩阵转置。
在一种可能的实现方式中,在步骤S14中,可以根据目标的第一图像位置与多个第一参考点的第二图像位置之间的相似度或距离,以及多个参考点的第一空间位置,确定目标的第二空间位置。
在一种可能的实现方式中,可以认为第一参考点的第二图像位置与目标的第一图像位置之间的相似度或距离越高,该第一参考点与目标越接近。基于此,可以根据相似度或距离,确定第一参考点的第一空间位置的加权平均值,进而将该加权平均值,作为目标的第二空间位置;也可以从多个第一参考点中选取相似度或距离超过一定阈值的参考点,进而将该超过一定阈值的参考点的空间位置的均值,作为目标的第二空间位置。
应理解的是,以上相似度、距离、计算加权平均值、计算均值的方式,是本公开实施例公开的具体实现方式,本领域技术人员应理解,本公开应不限于此。实际上,只要能够依据目标的第一图像位置、多个第一参考点的第二图像位置及多个第一参考点的第一空间位置,确定出的目标的第二空间位置,均在本公开的保护范围内。
根据本公开实施例,能够基于预估的多个第一参考点的第一空间位置,得到该多个第一参考点的第二图像位置,再结合第一图像中目标实际所处的第一图像位置,以及预估的第一空间位置,确定出目标在目标场景中的第二空间位置,从而可以实现对目标的空间定位,并且目标上不需要增加额外的硬件设备,节省成本,通用性高。
在一种可能的实现方式中,在步骤S14中,根据目标的第一图像位置、多个第一参考点的第二图像位置及多个第一参考点的第一空间位置,确定目标在目标场景中的第二空间位置,可以包括:
针对任一第一参考点,根据第一参考点的第二图像位置与目标的第一图像位置之间相似度,确定第一参考点的权重;
根据多个第一参考点的权重及多个第一参考点的第一空间位置,确定目标的第二空间位置。
其中,针对每个第一参考点,可以分别对应一个或多个第二图像位置。应理解的是,第一参考点对应的第二图像位置的数量,与图像采集设备的数量一致。
在一种可能的实现方式中,第一参考点的第二图像位置与目标的第一图像位置之间相似度,可以采用任何已知的相似度计算方式,例如,可以采用余弦相似度、欧氏距离、皮尔逊相关系数等,对此本公开实施例不作限制。
在一种可能的实现方式中,可以设定第一参考点的权重与相似度正相关,也即,相似度越高,该第一参考点分配的权重越高。其中,对于权重分配的具体数值,可依据实际需求设定,例如可以限定多个第一参考点的权重和为1,或限定权重和为10、100等,进而依据该限定分配第一参考点的权重,对此本公开实施例不作限制。
如上所述,图像采集设备可以包括多个,相应的,针对任一第一参考点,该第一参考点的第二图像位置对应包括多个,以及目标的第一图像位置对应包括多个。在一种可能的实现方式中,所述针对任一第一参考点,根据第一参考点的第二图像位置与目标的第一图像位置之间相似度,确定第一参考点的权重,可以包括:
针对任一第一参考点,根据第一参考点的多个第二图像位置构成的第一位置向量,与目标的多个第一图像位置构成的第二位置向量之间的相似度,确定第一参考点的权重。通过该方式,可以便于计算多个第二图像位置与多个第一图像位置之间的相似度。
举例来说,基于n个图像采集设备采集的n个第一图像,针对任一第一参考点,可以通过步骤S13得到该第一参考点在n个第一图像中的n个第二图像位置;该n个第二图像位置构成的第一位置向量可以表示为:PL=[uL1 vL1 uL2 vL2 … uLn vLn],其中,L用于指示多个第一参考点中的第L个第一参考点,(uLn,vLn)代表第L个第一参考点的第n个第二图像位置;
目标在n个第一图像中的n个第一图像位置,构成的第二位置向量可以表示为:P0=[u01 v01 u02 v02 … u0n v0n],(u0n,v0n)代表目标在n个第一图像中的第n个第一图像位置;PL与P0之间的余弦相似度可以表示为:
在一种可能的实现方式中,所述根据多个第一参考点的权重及多个第一参考点的第一空间位置,确定目标的第二空间位置,可以包括:
基于多个第一参考点的权重,确定多个第一参考点的第一空间位置的加权平均值,多个第一参考点的权重和为1;将加权平均值,确定为目标的第二空间位置。通过该方式,能够在对目标进行实时空间定位的过程中,使得确定出的第二空间位置不会产生较大波动,空间定位的稳定性及可靠性更高。
举例来说,m个第一参考点的第一空间位置可表示为:O1、O2、O3……Om;m个第一参考点的权重可以表示为:a1、a2、a3……am;m个第一参考点的第一空间位置的加权平均值可以表示为:其中,由于限定m个第一参考点的权重和为1,从而可以直接将该加权平均值确定为目标的第二空间位置。应理解的是,第m个第一空间位置Om=(Xm,Ym,Zm)。
可以知晓的是,图像采集设备的成像原理,实际上是将立体空间中的三维点映射变换到二维点的过程,所以仅通过目标的图像位置是无法得到目标的空间位置。根据本公开实施例,可以基于图像采集设备的成像原理,由参考点的空间位置得到参考点的图像位置,进而可以根据参考点的图像位置与目标的图像位置之间的相似度确定参考点的权重,再基于参考点的权重及参考点的空间位置,精准地确定出目标的空间位置,从而实现目标的空间定位。
如上所述,目标的多个第一参考点,可以用于指示目标在目标场景中可能所处的位置;多个第一参考点的第一空间位置,可以是预估的目标可能所处的空间位置。以下将对多个第一参考点的生成方式进行说明。
应理解的是,由于本公开实施例可以基于图像采集设备实时采集的图像帧,实现对目标的空间定位,图像帧之间的时间间隔(也即帧率)可以较短。那么在该时间间隔内,目标的空间位置可能会发生变化,但变化的程度不大。基于此,可以先根据目标的初始空间位置生成多个初始参考点;进而在对目标进行实时追踪定位时,可以借鉴粒子滤波的方式,基于初始参考点,连续生成新的参考点,以实现目标的追踪定位。
在一种可能的实现方式中,所述方法还包括:
确定目标在目标场景中的初始空间位置,初始空间位置包括目标在目标场景的地面上的空间位置;对初始空间位置,增加随机量,生成多个初始参考点的第三空间位置;根据多个初始参考点的第三空间位置,得到多个第一参考点的第一空间位置。通过该方式,可以便捷地确定出目标的初始空间位置以及初始参考点,以便于实现对目标的实时追踪定位。
在一种可能的实现方式中,目标的初始空间位置,可以理解为,目标在目标场景中的首个空间位置;将目标在地面上的空间位置作为初始空间位置,可以较为容易的确定出目标的初始空间位置。
如上所述,在确定目标的空间位置时,可以针对目标场景建立世界坐标系,为了便于得到目标的初始空间位置,可以设定目标场景中的地面上的物体在世界坐标系中的竖坐标(Z轴)为0,也即,目标在目标场景的地面上的初始空间位置可以表示为(XC,YC,0)。通过该方式,可以在得到目标在地面上的横纵坐标(XC,YC)时,便可以得到目标在地面上的初始空间位置。
在一种可能的实现方式中,对初始空间位置增加随机量,可以是采用已知的方式方法,例如,采用任何已知的粒子滤波算法等,生成多个随机量,并对初始空间位置增加该生成的多个随机量,从而得到多个初始参考点的第三空间位置。应理解的是,各初始参考点的第三空间位置不同,也即各初始参考点对应的随机量可以不同。对于多个初始参考点的第三空间位置的生成方式,本公开实施例不做限制。
应理解的是,第一参考点可以是初始参考点;也可以是基于多个初始参考点,生成的参考点。其中,第一参考点的数量可以与初始参考点的数量相同,以确保连续生成参考点的稳定性。
在一种可能的实现方式中,在第一参考点是初始参考点的情况下,根据多个初始参考点的第三空间位置,得到多个第一参考点的第一空间位置,可以包括:将多个初始参考点的第三空间位置,确定为多个第一参考点的第一空间位置。
在一种可能的实现方式中,在第一参考点不是初始参考点的情况下,根据多个初始参考点的第三空间位置,得到多个第一参考点的第一空间位置,可以包括:根据多个初始参考点的权重,从多个初始参考点中选取权重超过预设阈值的第四参考点;对第四参考点的第六空间位置,增加随机量,生成多个第一参考点的第一空间位置。
其中,所述多个初始参考点的权重,可以采用与确定第一参考点的权重相同的方式进行确定,在此不做赘述。预设阈值的具体数值,可根据实际需求设定,对此本公开实施例不作限制。
通过设置预设阈值,可以使初始参考点被选出的概率与该初始参考点的权重正相关,从而能够筛选出与初始空间位置接近的第四参考点,进而使得生成的第一参考点的第一空间位置可以尽可能接近当前的第二空间位置。
在一种可能的实现方式中,所述确定目标在目标场景中的初始空间位置,可以包括:
获取目标场景的第二图像,第二图像中包括预设在地面上的参照物及处于地面上的目标,第二图像的采集时间在第一图像之前;
根据参照物在地面上的第四空间位置,及参照物在第二图像中的第三图像位置,确定图像采集设备的成像平面与地面之间的单应矩阵;
根据单应矩阵及目标在第二图像上的第四图像位置,确定目标的初始空间位置。
在一种可能的实现方式中,第二图像可以是用于确定目标的初始空间位置所采集的图像。按照上文所述,目标在第二图像上的第四图像位置,可以是目标的中心点或重心在第二图像中的像素坐标。
在一种可能的实现方式中,参照物可以是预先设置在地面上的物体,参照物在地面上的第四空间位置可以是已知的,例如,用户可以预设参照物的中心在地面上的空间位置。其中,参照物可以是任意形式的物体,例如,可以是用于对图像采集设备进行相机标定的二维码图、棋盘格图等,对此本公开实施例不作限制。参照物在第二图像中的第三图像位置,可以是参照物的中心在第二图像中的像素坐标。
如上所述,可以设定目标场景中的地面上的物体在世界坐标系的竖坐标为0,则参照物在地面上的第四空间位置可以表示为(Xv,Yv,0),进而可以根据参照物的第四空间位置的横纵坐标(Xv,Yv),与参照物在第二图像中的第三图像位置(xv,yv),确定出图像采集设备的成像平面与地面之间的单应矩阵。
其中,可以采用任何本领域公知的方式,计算出图像采集设备的成像平面与地面之间的单应矩阵,对此本公开实施例不作限制。
在一种可能的实现方式中,可以根据式确定出图像采集设备的成像平面到地面的单应矩阵H,其中,地面的平面方程可以表示为BTP+d=0,K代表相机内参矩阵,R代表旋转矩阵,t代表平移矩阵,B与d为该地面的平面方程的参数,BT代表B的转置,P代表地面上物体的二维位置,也即,可以代表参照物的第四空间位置的横纵坐标。
在一种可能的实现方式中,确定出的单应矩阵可以表示为则可根据公式(2),实现根据单应矩阵及目标在第二图像上的第四图像位置,确定目标的初始空间位置。其中,(XC,YC)代表目标的初始空间位置的横纵坐标,(xc,yc)代表目标的第四图像位置,在确定出目标的(XC,YC)时,便可以得到目标的初始空间位置(XC,YC,0)。
根据本公开实施例,能够利用参照物的空间位置及图像位置,确定出成像平面与地面之间的单应矩阵,进而可以根据单应矩阵及目标在第二图像中的图像位置,有效地确定出目标在地面上的初始空间位置。
考虑到,为实现对目标的实时追踪定位,可以基于已生成的多个第一参考点,生成多个第三参考点,以用于对之后采集的图像中的目标进行空间定位。在一种可能的实现方式中,所述方法还包括:
根据多个第一参考点的权重,从多个第一参考点中选取权重超过预设阈值的第二参考点;对第二参考点的第五空间位置,增加随机量,生成多个第三参考点的第六空间位置,多个第三参考点的第六空间位置用于对目标场景的第三图像中的目标进行空间定位,第三图像的采集时间在第一图像之后。
如上所述,预设阈值的具体数值,可根据实际需求设定,对此本公开实施例不作限制。各第一参考点分配的权重可以与第一参考点与目标之间的相似度正相关,通过设置预设阈值,可以使第一参考点被选出的概率与该第一参考点的权重正相关,从而能够筛选出与目标当前的第二空间位置接近的第二参考点;进而使得生成的多个第三参考点的第六空间位置,更接近下一时刻目标的空间位置。
在一种可能的实现方式中,第三参考点的数量可以与第一参考点的数量相同,以确保连续生成参考点的稳定性。
在一种可能的实现方式中,对第二参考点的第五空间位置,增加随机量,可以采用与对初始空间位置增加随机量相同的方式,例如,可以采用粒子滤波算法,生成多个第三参考点的第六空间位置,对此本公开实施例不作限制。
可以理解的是,多个第一参考点的第一空间位置,可以是采用与本公开实施例中生成第三参考点的第六空间位置相同的方式生成,也即,可以基于上次已生成的参考点的空间位置,生成当前多个第一参考点的第一空间位置。
在一种可能的实现方式中,通过多个第三参考点的第六空间位置,对目标场景的第三图像中的目标进行空间定位,可以采用上述本公开实施例中目标定位方法实现,在此不做赘述。
根据本公开实施例,可以基于当前已生成的参考点,生成用于对下一时刻采集的图像中的目标进行空间定位的参考点,从而可以实现对目标场景中的目标的实时追踪定位。
根据本公开实施例,能够使用多个图像采集设备实现对目标场景中的目标(如机器人)的立体定位(空间定位);且无需时刻保持各图像采集设备均拍摄到目标,也即,无需保证目标出现在所有摄像头拍摄的图像中,只要有图像采集设备拍摄到目标,就可以实现对目标的立体定位。
根据本公开实施例,可以利用相关的目标检测网络针对摄像头采集的图像中的机器人进行快速检测,然后在多个图像中分别检测机器人的关键点;然后使用粒子滤波的方法,推测机器人的立体位置(空间位置)。
根据本公开实施例,使用计算机视觉对目标场景中的机器人实现立体定位,无需对目标定位方法中使用的设备进行手动校准。
根据本公开实施例的目标定位方法,可以应用在AI教育平台、AI教育机器人等领域。
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,本公开还提供了目标定位装置、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目标定位方法,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2示出根据本公开实施例的目标定位装置的框图,如图2所示,所述装置包括:
获取模块101,用于获取目标场景的第一图像,其中所述第一图像由至少一个图像采集设备采集得到;
检测模块102,用于对所述第一图像进行目标检测,确定所述目标场景中的目标在所述第一图像中的第一图像位置;
图像位置确定模块103,用于根据所述目标场景中针对所述目标的多个第一参考点的第一空间位置,以及所述图像采集设备的相机参数,确定所述多个第一参考点在所述第一图像中的第二图像位置;
空间位置确定模块104,用于根据所述目标的第一图像位置、所述多个第一参考点的第二图像位置及所述多个第一参考点的第一空间位置,确定所述目标在所述目标场景中的第二空间位置。
在一种可能的实现方式中,所述空间位置确定模块04,包括:权重确定子模块,用于针对任一第一参考点,根据所述第一参考点的第二图像位置与所述目标的第一图像位置之间相似度,确定所述第一参考点的权重;空间位置确定子模块,用于根据所述多个第一参考点的权重及所述多个第一参考点的第一空间位置,确定所述目标的第二空间位置。
在一种可能的实现方式中,所述空间位置确定子模块,具体用于:基于所述多个第一参考点的权重,确定所述多个第一参考点的第一空间位置的加权平均值,所述多个第一参考点的权重和为1;将所述加权平均值,确定为所述目标的第二空间位置。
在一种可能的实现方式中,所述装置还包括:初始空间位置确定模块,用于确定所述目标在所述目标场景中的初始空间位置,所述初始空间位置包括所述目标在所述目标场景的地面上的空间位置;初始参考点确定模块,用于对所述初始空间位置,增加随机量,生成多个初始参考点的第三空间位置;第一空间位置确定模块,用于根据所述多个初始参考点的第三空间位置,得到所述多个第一参考点的第一空间位置。
在一种可能的实现方式中,所述初始空间位置确定模块,包括:获取子模块,用于获取所述目标场景的第二图像,所述第二图像中包括预设在所述地面上的参照物及处于所述地面上的目标,所述第二图像的采集时间在所述第一图像之前;单应矩阵确定子模块,用于根据所述参照物在所述地面上的第四空间位置,及所述参照物在所述第二图像中的第三图像位置,确定所述图像采集设备的成像平面与所述地面之间的单应矩阵;初始空间位置确定子模块,用于根据所述单应矩阵及所述目标在所述第二图像上的第四图像位置,确定所述目标的初始空间位置。
在一种可能的实现方式中,所述装置还包括:参考点确定模块,用于根据所述多个第一参考点的权重,从所述多个第一参考点中选取权重超过预设阈值的第二参考点;对所述第二参考点的第五空间位置,增加随机量,生成多个第三参考点的第六空间位置,所述多个第三参考点的第六空间位置用于对所述目标场景的第三图像中的目标进行空间定位,所述第三图像的采集时间在所述第一图像之后。
在一种可能的实现方式中,所述图像采集设备包括多个,所述权重确定子模块,具体用于:针对任一第一参考点,根据所述第一参考点的多个第二图像位置构成的第一位置向量,与所述目标的多个第一图像位置构成的第二位置向量之间的相似度,确定所述第一参考点的权重,所述权重与所述相似度正相关。
在本公开实施例中,能够基于预估的多个第一参考点的第一空间位置,得到该多个第一参考点的第二图像位置,再结合第一图像中目标实际所处的第一图像位置,以及预估的第一空间位置,确定出目标在目标场景中的第二空间位置,从而可以实现对目标的空间定位,并且目标上不需要增加额外的硬件设备,节省成本,通用性高。
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。
本公开实施例还提出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。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
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目标定位方法的指令。
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目标定位方法的操作。
电子设备可以被提供为终端、服务器或其它形态的设备。
图3示出根据本公开实施例的一种电子设备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设备。
参照图3,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,如互补金属氧化物半导体(CMOS)或电荷耦合装置(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,如无线网络(WiFi),第二代移动通信技术(2G)或第三代移动通信技术(3G),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4示出根据本公开实施例的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图4,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,例如微软服务器操作系统(Windows ServerTM),苹果公司推出的基于图形用户界面操作系统(Mac OSXTM),多用户多进程的计算机操作系统(UnixTM),自由和开放原代码的类Unix操作系统(LinuxTM),开放原代码的类Unix操作系统(FreeBSDTM)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 (10)
1.一种目标定位方法,其特征在于,包括:
获取目标场景的第一图像,其中所述第一图像由至少一个图像采集设备采集得到;
对所述第一图像进行目标检测,确定所述目标场景中的目标在所述第一图像中的第一图像位置;
根据所述目标场景中针对所述目标的多个第一参考点的第一空间位置,以及所述图像采集设备的相机参数,确定所述多个第一参考点在所述第一图像中的第二图像位置,所述多个第一参考点的第一空间位置是对所述目标在所述目标场景中的初始空间位置增加随机量得到的;
根据所述目标的第一图像位置、所述多个第一参考点的第二图像位置及所述多个第一参考点的第一空间位置,确定所述目标在所述目标场景中的第二空间位置。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标的第一图像位置、所述多个第一参考点的第二图像位置及所述多个第一参考点的第一空间位置,确定所述目标在所述目标场景中的第二空间位置,包括:
针对任一第一参考点,根据所述第一参考点的第二图像位置与所述目标的第一图像位置之间相似度或距离,确定所述第一参考点的权重;
根据所述多个第一参考点的权重及所述多个第一参考点的第一空间位置,确定所述目标的第二空间位置。
3.根据权利要求2所述的方法,其特征在于,所述根据所述多个第一参考点的权重及所述多个第一参考点的第一空间位置,确定所述目标的第二空间位置,包括:
基于所述多个第一参考点的权重,确定所述多个第一参考点的第一空间位置的加权平均值,所述多个第一参考点的权重和为1;
将所述加权平均值,确定为所述目标的第二空间位置。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
确定所述目标在所述目标场景中的初始空间位置,所述初始空间位置包括所述目标在所述目标场景的地面上的空间位置;
对所述初始空间位置,增加随机量,生成多个初始参考点的第三空间位置;
根据所述多个初始参考点的第三空间位置,得到所述多个第一参考点的第一空间位置。
5.根据权利要求4所述的方法,其特征在于,所述确定所述目标在所述目标场景中的初始空间位置,包括:
获取所述目标场景的第二图像,所述第二图像中包括预设在所述地面上的参照物及处于所述地面上的目标,所述第二图像的采集时间在所述第一图像之前;
根据所述参照物在所述地面上的第四空间位置,及所述参照物在所述第二图像中的第三图像位置,确定所述图像采集设备的成像平面与所述地面之间的单应矩阵;
根据所述单应矩阵及所述目标在所述第二图像上的第四图像位置,确定所述目标的初始空间位置。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述方法还包括:
根据所述多个第一参考点的权重,从所述多个第一参考点中选取权重超过预设阈值的第二参考点;
对所述第二参考点的第五空间位置,增加随机量,生成多个第三参考点的第六空间位置,所述多个第三参考点的第六空间位置用于对所述目标场景的第三图像中的目标进行空间定位,所述第三图像的采集时间在所述第一图像之后。
7.根据权利要求2所述的方法,其特征在于,所述图像采集设备包括多个,所述针对任一第一参考点,根据所述第一参考点的第二图像位置与所述目标的第一图像位置之间相似度,确定所述第一参考点的权重,包括:
针对任一第一参考点,根据所述第一参考点的多个第二图像位置构成的第一位置向量,与所述目标的多个第一图像位置构成的第二位置向量之间的相似度,确定所述第一参考点的权重,所述权重与所述相似度正相关。
8.一种目标定位装置,其特征在于,包括:
获取模块,用于获取目标场景的第一图像,其中所述第一图像由至少一个图像采集设备采集得到;
检测模块,用于对所述第一图像进行目标检测,确定所述目标场景中的目标在所述第一图像中的第一图像位置;
图像位置确定模块,用于根据所述目标场景中针对所述目标的多个第一参考点的第一空间位置,以及所述图像采集设备的相机参数,确定所述多个第一参考点在所述第一图像中的第二图像位置,所述多个第一参考点的第一空间位置是对所述目标在所述目标场景中的初始空间位置增加随机量得到的;
空间位置确定模块,用于根据所述目标的第一图像位置、所述多个第一参考点的第二图像位置及所述多个第一参考点的第一空间位置,确定所述目标在所述目标场景中的第二空间位置。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至7中任意一项所述的方法。
10.一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7中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111326436.6A CN114088061B (zh) | 2021-02-24 | 2021-02-24 | 目标定位方法及装置、电子设备和存储介质 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111326436.6A CN114088061B (zh) | 2021-02-24 | 2021-02-24 | 目标定位方法及装置、电子设备和存储介质 |
CN202110208854.9A CN112945207B (zh) | 2021-02-24 | 2021-02-24 | 目标定位方法及装置、电子设备和存储介质 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110208854.9A Division CN112945207B (zh) | 2021-02-24 | 2021-02-24 | 目标定位方法及装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114088061A true CN114088061A (zh) | 2022-02-25 |
CN114088061B CN114088061B (zh) | 2024-03-22 |
Family
ID=76246071
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111326436.6A Active CN114088061B (zh) | 2021-02-24 | 2021-02-24 | 目标定位方法及装置、电子设备和存储介质 |
CN202111327234.3A Active CN114088062B (zh) | 2021-02-24 | 2021-02-24 | 目标定位方法及装置、电子设备和存储介质 |
CN202110208854.9A Active CN112945207B (zh) | 2021-02-24 | 2021-02-24 | 目标定位方法及装置、电子设备和存储介质 |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111327234.3A Active CN114088062B (zh) | 2021-02-24 | 2021-02-24 | 目标定位方法及装置、电子设备和存储介质 |
CN202110208854.9A Active CN112945207B (zh) | 2021-02-24 | 2021-02-24 | 目标定位方法及装置、电子设备和存储介质 |
Country Status (3)
Country | Link |
---|---|
KR (1) | KR20220123218A (zh) |
CN (3) | CN114088061B (zh) |
WO (1) | WO2022179013A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114596337A (zh) * | 2022-03-03 | 2022-06-07 | 捻果科技(深圳)有限公司 | 一种基于多摄像机位联动性的自识别目标追踪方法及系统 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114088061B (zh) * | 2021-02-24 | 2024-03-22 | 上海商汤临港智能科技有限公司 | 目标定位方法及装置、电子设备和存储介质 |
CN115861039B (zh) * | 2022-11-21 | 2023-07-25 | 北京城市网邻信息技术有限公司 | 信息展示方法、装置、设备及介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103438907A (zh) * | 2013-09-11 | 2013-12-11 | 哈尔滨工业大学 | 一种星敏感器六自由度像平面误差的在轨标定方法 |
US20160088288A1 (en) * | 2014-09-18 | 2016-03-24 | Vivotek Inc. | Stereo camera and automatic range finding method for measuring a distance between stereo camera and reference plane |
US20160117828A1 (en) * | 2014-04-11 | 2016-04-28 | National Institute Of Meteorological Research | Method for estimating position of target by using images acquired from camera and device and computer-readable recording medium using the same |
CN107202982A (zh) * | 2017-05-22 | 2017-09-26 | 徐泽宇 | 一种基于无人机位姿计算的信标布置及图像处理方法 |
JP2018077162A (ja) * | 2016-11-10 | 2018-05-17 | 株式会社デンソーアイティーラボラトリ | 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラム |
CN109506628A (zh) * | 2018-11-29 | 2019-03-22 | 东北大学 | 一种基于深度学习的卡车环境下目标物测距方法 |
CN109697734A (zh) * | 2018-12-25 | 2019-04-30 | 浙江商汤科技开发有限公司 | 位姿估计方法及装置、电子设备和存储介质 |
CN110758477A (zh) * | 2019-11-07 | 2020-02-07 | 交控科技股份有限公司 | 基于二维码识别的列车定位方法及系统 |
US20200175716A1 (en) * | 2018-11-30 | 2020-06-04 | Casio Computer Co., Ltd. | Position information acquisition device, position information acquisition method, recording medium, and position information acquisition system |
CN111524185A (zh) * | 2020-04-21 | 2020-08-11 | 上海商汤临港智能科技有限公司 | 定位方法及装置、电子设备和存储介质 |
US20200388051A1 (en) * | 2018-05-22 | 2020-12-10 | Tencent Technology (Shenzhen) Company Limited | Camera attitude tracking method and apparatus, device, and system |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6917720B1 (en) * | 1997-07-04 | 2005-07-12 | Daimlerchrysler Ag | Reference mark, method for recognizing reference marks and method for object measuring |
CN100585333C (zh) * | 2008-01-31 | 2010-01-27 | 北京控制工程研究所 | 奔月段基于紫外敏感器、星敏感器的自主轨道估计方法 |
US8559731B2 (en) * | 2010-01-18 | 2013-10-15 | International Business Machines Corporation | Personalized tag ranking |
US9230339B2 (en) * | 2013-01-07 | 2016-01-05 | Wexenergy Innovations Llc | System and method of measuring distances related to an object |
US10634492B2 (en) * | 2016-08-31 | 2020-04-28 | Deere & Company | Methods and apparatus to track a blade |
CN107300391A (zh) * | 2017-06-26 | 2017-10-27 | 国家电网公司 | 一种变电站智能巡检机器人定位坐标的自动校正装置及校正方法 |
AU2017254859A1 (en) * | 2017-10-31 | 2019-05-16 | Canon Kabushiki Kaisha | Method, system and apparatus for stabilising frames of a captured video sequence |
CN108253975B (zh) * | 2017-12-29 | 2022-01-14 | 驭势(上海)汽车科技有限公司 | 一种建立地图信息及车辆定位的方法与设备 |
JP7013989B2 (ja) * | 2018-03-23 | 2022-02-01 | 株式会社デンソー | 他車両位置推定装置 |
CN108921894B (zh) * | 2018-06-08 | 2021-06-29 | 百度在线网络技术(北京)有限公司 | 对象定位方法、装置、设备和计算机可读存储介质 |
CN109345567B (zh) * | 2018-09-30 | 2021-03-16 | 百度在线网络技术(北京)有限公司 | 物体运动轨迹识别方法、装置、设备和存储介质 |
CN111754564B (zh) * | 2019-03-28 | 2024-02-20 | 杭州海康威视系统技术有限公司 | 视频展示方法、装置、设备及存储介质 |
CN110081862B (zh) * | 2019-05-07 | 2021-12-24 | 达闼科技(北京)有限公司 | 一种对象的定位方法、定位装置、电子设备和可存储介质 |
CN110619662B (zh) * | 2019-05-23 | 2023-01-03 | 深圳大学 | 一种基于单目视觉的多行人目标空间连续定位方法及系统 |
CN110807392B (zh) * | 2019-10-25 | 2022-09-06 | 浙江大华技术股份有限公司 | 编码控制方法以及相关装置 |
CN110926334B (zh) * | 2019-11-29 | 2022-02-22 | 深圳市商汤科技有限公司 | 测量方法、装置、电子设备及存储介质 |
CN114088061B (zh) * | 2021-02-24 | 2024-03-22 | 上海商汤临港智能科技有限公司 | 目标定位方法及装置、电子设备和存储介质 |
-
2021
- 2021-02-24 CN CN202111326436.6A patent/CN114088061B/zh active Active
- 2021-02-24 CN CN202111327234.3A patent/CN114088062B/zh active Active
- 2021-02-24 CN CN202110208854.9A patent/CN112945207B/zh active Active
- 2021-06-24 WO PCT/CN2021/102062 patent/WO2022179013A1/zh active Application Filing
- 2021-06-24 KR KR1020227014673A patent/KR20220123218A/ko unknown
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103438907A (zh) * | 2013-09-11 | 2013-12-11 | 哈尔滨工业大学 | 一种星敏感器六自由度像平面误差的在轨标定方法 |
US20160117828A1 (en) * | 2014-04-11 | 2016-04-28 | National Institute Of Meteorological Research | Method for estimating position of target by using images acquired from camera and device and computer-readable recording medium using the same |
US20160088288A1 (en) * | 2014-09-18 | 2016-03-24 | Vivotek Inc. | Stereo camera and automatic range finding method for measuring a distance between stereo camera and reference plane |
JP2018077162A (ja) * | 2016-11-10 | 2018-05-17 | 株式会社デンソーアイティーラボラトリ | 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラム |
CN107202982A (zh) * | 2017-05-22 | 2017-09-26 | 徐泽宇 | 一种基于无人机位姿计算的信标布置及图像处理方法 |
US20200388051A1 (en) * | 2018-05-22 | 2020-12-10 | Tencent Technology (Shenzhen) Company Limited | Camera attitude tracking method and apparatus, device, and system |
CN109506628A (zh) * | 2018-11-29 | 2019-03-22 | 东北大学 | 一种基于深度学习的卡车环境下目标物测距方法 |
US20200175716A1 (en) * | 2018-11-30 | 2020-06-04 | Casio Computer Co., Ltd. | Position information acquisition device, position information acquisition method, recording medium, and position information acquisition system |
CN109697734A (zh) * | 2018-12-25 | 2019-04-30 | 浙江商汤科技开发有限公司 | 位姿估计方法及装置、电子设备和存储介质 |
CN110758477A (zh) * | 2019-11-07 | 2020-02-07 | 交控科技股份有限公司 | 基于二维码识别的列车定位方法及系统 |
CN111524185A (zh) * | 2020-04-21 | 2020-08-11 | 上海商汤临港智能科技有限公司 | 定位方法及装置、电子设备和存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114596337A (zh) * | 2022-03-03 | 2022-06-07 | 捻果科技(深圳)有限公司 | 一种基于多摄像机位联动性的自识别目标追踪方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112945207A (zh) | 2021-06-11 |
CN112945207B (zh) | 2021-11-26 |
KR20220123218A (ko) | 2022-09-06 |
CN114088062A (zh) | 2022-02-25 |
CN114088061B (zh) | 2024-03-22 |
WO2022179013A1 (zh) | 2022-09-01 |
CN114088062B (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109697734B (zh) | 位姿估计方法及装置、电子设备和存储介质 | |
CN109522910B (zh) | 关键点检测方法及装置、电子设备和存储介质 | |
CN112945207B (zh) | 目标定位方法及装置、电子设备和存储介质 | |
CN110503689B (zh) | 位姿预测方法、模型训练方法及装置 | |
CN109584362B (zh) | 三维模型构建方法及装置、电子设备和存储介质 | |
CN106778773B (zh) | 图片中目标物的定位方法及装置 | |
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 | |
CN110473259A (zh) | 位姿确定方法及装置、电子设备和存储介质 | |
CN114019473A (zh) | 对象检测方法及装置、电子设备和存储介质 | |
CN111401230B (zh) | 姿态估计方法及装置、电子设备和存储介质 | |
CN111860373B (zh) | 目标检测方法及装置、电子设备和存储介质 | |
CN112541971A (zh) | 点云地图构建方法及装置、电子设备和存储介质 | |
CN113066135A (zh) | 图像采集设备的标定方法及装置、电子设备和存储介质 | |
CN111563138A (zh) | 定位方法及装置、电子设备和存储介质 | |
CN112860061A (zh) | 场景图像展示方法及装置、电子设备和存储介质 | |
CN114187498A (zh) | 遮挡检测方法及装置、电子设备和存储介质 | |
CN112529781B (zh) | 图像处理方法、装置以及可读存储介质 | |
CN113936154A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN113345000A (zh) | 深度检测方法及装置、电子设备和存储介质 | |
CN112837372A (zh) | 数据生成方法及装置、电子设备和存储介质 | |
CN112767541A (zh) | 三维重建方法及装置、电子设备和存储介质 | |
CN111784773A (zh) | 图像处理方法及装置、神经网络训练方法及装置 | |
CN113192145B (zh) | 设备标定方法及装置、电子设备和存储介质 | |
CN114519794A (zh) | 特征点匹配方法及装置、电子设备和存储介质 | |
CN114550086A (zh) | 一种人群定位方法及装置、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 |