CN114281110A - 一种基于路径预测的伺服记忆跟踪实现方法 - Google Patents

一种基于路径预测的伺服记忆跟踪实现方法 Download PDF

Info

Publication number
CN114281110A
CN114281110A CN202111428429.7A CN202111428429A CN114281110A CN 114281110 A CN114281110 A CN 114281110A CN 202111428429 A CN202111428429 A CN 202111428429A CN 114281110 A CN114281110 A CN 114281110A
Authority
CN
China
Prior art keywords
tracking
pitching
servo
target
level
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
Application number
CN202111428429.7A
Other languages
English (en)
Other versions
CN114281110B (zh
Inventor
邸军伟
徐梁
王亚洲
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.)
Luoyang Institute of Electro Optical Equipment AVIC
Original Assignee
Luoyang Institute of Electro Optical Equipment AVIC
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 Luoyang Institute of Electro Optical Equipment AVIC filed Critical Luoyang Institute of Electro Optical Equipment AVIC
Priority to CN202111428429.7A priority Critical patent/CN114281110B/zh
Publication of CN114281110A publication Critical patent/CN114281110A/zh
Application granted granted Critical
Publication of CN114281110B publication Critical patent/CN114281110B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Transforming Light Signals Into Electric Signals (AREA)

Abstract

本发明一种基于路径预测的伺服记忆跟踪实现方法,属于光电探测领域;首先根据像素偏差量计算相对角度变化值,然后与伺服位置偏差量数组叠加计算,得到光电探测系统跟踪模块的总偏差量;最后根据总偏差量计算得到相对运动速度变化平均量;将相对运动速度变化平均量作为光电探测系统目标丢失后的运动速度量,伺服系统运动过程中实时接收图像跟踪处理系统数据,当图像跟踪处理系统重新锁定目标,则跳出路径预测循环,进入正常跟踪。通过对图像跟踪过程中前一段时刻的路径进行分析,目标跟踪丢失后,根据路径预测结果,驱动伺服系统按照预测路径运动,达到持续跟踪的目的。

Description

一种基于路径预测的伺服记忆跟踪实现方法
技术领域
本发明属于光电探测领域,具体涉及一种基于路径预测的伺服记忆跟踪实现方法。
背景技术
图像跟踪功能是光电系统的重要功能之一,光电探测系统在跟踪情况下能够实时锁定目标,并驱动伺服控制系统,保证目标始终在图像中心,更有利于目标观察及后续操作。但光电系统的使用场景一般都比较复杂,如空对地、地对地场景下,地面背景复杂,如跟踪车辆、行人等目标时,背景物如树木、房屋等复杂背景的遮挡尤其严重,对光电系统的跟踪能力造成极大压力。
现有技术中,通过图像处理能够在当前视场范围内再次检索目标,重新跟踪。但实际应用过程中,由于目标速度快、遮挡时间长等多方面原因造成目标不能重新捕获,此时,目标已不在视场范围内,重新搜索找到目标或者目标彻底丢失;但是重新进行目标搜索锁定时间较长,影响跟踪效率和精度。
现有光电跟踪系统针对目标丢失后,主要依靠图像跟踪器再次在视场范围内匹配搜索等策略进行,不能保证跟踪丢失后再捕获的概率。
发明内容
要解决的技术问题:
为了避免现有技术的不足之处,保证图像跟踪目标丢失后,目标持续在视场内出现一定时间,减少重新搜索锁定时间,本发明提出一种基于路径预测的伺服记忆跟踪实现方法,根据目标前段时刻运动特征对下一时刻运动轨迹进行预测,目标前段时刻运动特征由跟踪偏移量与光电系统角度两个量进行统计分析预测,预测的路径数据转换成伺服控制的电机驱动量即速度控制,及运动时间控制;目标跟踪丢失后,根据路径预测结果,通过速度及时间两个量完成伺服控制系统的运动,实现目标运动轨迹的预测,保证目标始终处在当前视场范围内,达到持续跟踪的目的。
本发明的技术方案是:一种基于路径预测的伺服记忆跟踪实现方法,其特征在于具体步骤如下:
步骤一:根据光电探测系统的跟踪模块中数组存储T0至Tf时刻的水平和俯仰方向跟踪像素偏差量W水平[t]和W俯仰[t],计算得到T0至Tf时刻的水平方向和俯仰方向的相对角度变化值
Figure BDA0003378904510000021
Figure BDA0003378904510000022
步骤二:统计光电探测系统的伺服系统中T0至Tf时刻时间段水平方向和俯仰方向的伺服位置偏差量数组θ水平[t]和θ俯仰[t];
步骤三:首先,基于步骤一得到的T0至Tf时刻的水平方向和俯仰方向的相对角度变化值
Figure BDA0003378904510000023
Figure BDA0003378904510000024
步骤二统计的T0至Tf时刻时间段水平方向和俯仰方向的伺服位置偏差量数组θ水平[t]和θ俯仰[t],叠加计算得到目标相对于光电探测系统跟踪模块的总水平偏差量λ水平和总俯仰偏差量λ俯仰
然后,计算T0至Tf时刻水平和俯仰方向相对运动速度变化平均量v水平和v俯仰,公式如下:
Figure BDA0003378904510000025
Figure BDA0003378904510000026
步骤四:将步骤三计算得到的相对运动速度变化平均量作为光电探测系统目标丢失后的运动速度量,伺服系统运动过程中实时接收图像跟踪处理系统数据,当图像跟踪处理系统重新锁定目标,则跳出路径预测循环,进入正常跟踪。
本发明的进一步技术方案是:所述步骤一中,首先,提取光电探测系统的跟踪模块中数组存储T0至Tf时刻的水平和俯仰方向跟踪像素偏差量W水平[t]和W俯仰[t];
然后,分别计算T0至Tf时刻的水平方向和俯仰方向的相对角度变化值
Figure BDA0003378904510000027
Figure BDA0003378904510000028
公式如下:
Figure BDA0003378904510000029
其中,F水平为光学传感器水平分辨率,Δ水平为光学传感器水平视场角,t为T0至Tf时刻中某一时刻;
Figure BDA00033789045100000210
其中,F俯仰为光学传感器俯仰分辨率,Δ俯仰为光学传感器俯仰视场角,t为T0至Tf时刻中某一时刻。
本发明的进一步技术方案是:所述步骤三中,目标相对于光电探测系统跟踪模块的总水平偏差量λ水平和总俯仰偏差量λ俯仰的计算公式如下:
Figure BDA0003378904510000031
Figure BDA0003378904510000032
有益效果
本发明的有益效果在于:本发明属于光电跟踪系统跟踪性能优化设计技术,通过对图像跟踪过程中前一段时刻的路径进行分析,目标跟踪丢失后,根据路径预测结果,驱动伺服系统按照预测路径运动,达到持续跟踪的目的。该方法能够适用于背景复杂下目标丢失情况,该方法不以当前目标运动为跟踪输入,是根据目标前段时刻运动特征对下一时刻运动轨迹进行预测,能够极大提升跟踪丢失再锁定能力。
本发明用于提升光电跟踪系统跟踪目标丢失后的再捕获概率,通过处理正常跟踪时多组跟踪偏差量和角位置数据,能够明显提升跟踪丢失后目标再捕获的概率,并通过实际光电系统验证,针对车辆移动目标进行测试,目标跟踪遮挡或丢失后10s内,达到90%的概率成功再捕获。
附图说明
图1为本发明基于路径预测的伺服记忆跟踪流程实测图;(a)稳定跟踪;(b)目标遮挡丢失;(c)预测路径再锁定;(d)丢失捕获稳定跟踪;
图2为本发明基于路径预测的伺服记忆跟踪流程框图。
具体实施方式
下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
参照图1所示,本发明一种基于路径预测的伺服记忆跟踪实现方法,其特征在于具体步骤如下:
步骤一:首先,提取光电探测系统的跟踪模块中数组存储T0至T10时刻的水平和俯仰方向跟踪像素偏差量W水平[t]和W俯仰[t];
然后,分别计算T0至T10时刻的水平方向和俯仰方向的相对角度变化值
Figure BDA0003378904510000033
Figure BDA0003378904510000041
公式如下:
Figure BDA0003378904510000042
其中,F水平为光学传感器水平分辨率,Δ水平为光学传感器水平视场角,t为T0至T10时刻中某一时刻;
Figure BDA0003378904510000043
其中,F俯仰为光学传感器俯仰分辨率,Δ俯仰为光学传感器水平视场角,t为T0至T10时刻中某一时刻;
步骤二:统计光电探测系统的伺服系统中T0至T10时刻时间段水平方向和俯仰方向的伺服位置偏差量数组θ水平[t]和θ俯仰[t];
步骤三:基于步骤一得到的T0至T10时刻的水平方向和俯仰方向的相对角度变化值
Figure BDA0003378904510000044
Figure BDA0003378904510000045
步骤二统计的T0至T10时刻时间段水平方向和俯仰方向的伺服位置偏差量数组θ水平[t]和θ俯仰[t],叠加加计算得到目标相对于光电探测系统跟踪模块的总水平偏差量λ水平和总俯仰偏差量λ俯仰,公式如下:
Figure BDA0003378904510000046
Figure BDA0003378904510000047
然后,计算T0至T10时刻水平和俯仰方向相对运动速度变化平均量v水平和v俯仰,公式如下:
Figure BDA0003378904510000048
Figure BDA0003378904510000049
步骤四:将步骤三计算得到的相对运动速度变化平均量作为光电探测系统目标丢失后的运动速度量,伺服运动过程中实时接收图像跟踪处理系统数据,当图像跟踪处理系统重新锁定目标,则跳出路径预测循环,进入正常跟踪。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (3)

1.一种基于路径预测的伺服记忆跟踪实现方法,其特征在于具体步骤如下:
步骤一:根据光电探测系统的跟踪模块中数组存储T0至Tf时刻的水平和俯仰方向跟踪像素偏差量W水平[t]和W俯仰[t],计算得到T0至Tf时刻的水平方向和俯仰方向的相对角度变化值
Figure FDA0003378904500000011
Figure FDA0003378904500000012
步骤二:统计光电探测系统的伺服系统中T0至Tf时刻时间段水平方向和俯仰方向的伺服位置偏差量数组θ水平[t]和θ俯仰[t];
步骤三:首先,基于步骤一得到的T0至Tf时刻的水平方向和俯仰方向的相对角度变化值
Figure FDA0003378904500000013
Figure FDA0003378904500000014
步骤二统计的T0至Tf时刻时间段水平方向和俯仰方向的伺服位置偏差量数组θ水平[t]和θ俯仰[t],叠加计算得到目标相对于光电探测系统跟踪模块的总水平偏差量λ水平和总俯仰偏差量λ俯仰
然后,计算T0至Tf时刻水平和俯仰方向相对运动速度变化平均量v水平和v俯仰,公式如下:
Figure FDA0003378904500000015
Figure FDA0003378904500000016
步骤四:将步骤三计算得到的相对运动速度变化平均量作为光电探测系统目标丢失后的运动速度量,伺服系统运动过程中实时接收图像跟踪处理系统数据,当图像跟踪处理系统重新锁定目标,则跳出路径预测循环,进入正常跟踪。
2.根据权利要求1所述基于路径预测的伺服记忆跟踪实现方法,其特征在于:所述步骤一中,首先,提取光电探测系统的跟踪模块中数组存储T0至Tf时刻的水平和俯仰方向跟踪像素偏差量W水平[t]和W俯仰[t];
然后,分别计算T0至Tf时刻的水平方向和俯仰方向的相对角度变化值
Figure FDA0003378904500000017
Figure FDA0003378904500000018
公式如下:
Figure FDA0003378904500000019
其中,F水平为光学传感器水平分辨率,Δ水平为光学传感器水平视场角,t为T0至Tf时刻中某一时刻;
Figure FDA0003378904500000021
其中,F俯仰为光学传感器俯仰分辨率,Δ俯仰为光学传感器俯仰视场角,t为T0至Tf时刻中某一时刻。
3.根据权利要求1所述基于路径预测的伺服记忆跟踪实现方法,其特征在于:所述步骤三中,目标相对于光电探测系统跟踪模块的总水平偏差量λ水平和总俯仰偏差量λ俯仰的计算公式如下:
Figure FDA0003378904500000022
Figure FDA0003378904500000023
CN202111428429.7A 2021-11-27 2021-11-27 一种基于路径预测的伺服记忆跟踪实现方法 Active CN114281110B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111428429.7A CN114281110B (zh) 2021-11-27 2021-11-27 一种基于路径预测的伺服记忆跟踪实现方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111428429.7A CN114281110B (zh) 2021-11-27 2021-11-27 一种基于路径预测的伺服记忆跟踪实现方法

Publications (2)

Publication Number Publication Date
CN114281110A true CN114281110A (zh) 2022-04-05
CN114281110B CN114281110B (zh) 2023-12-22

Family

ID=80870158

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111428429.7A Active CN114281110B (zh) 2021-11-27 2021-11-27 一种基于路径预测的伺服记忆跟踪实现方法

Country Status (1)

Country Link
CN (1) CN114281110B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090262977A1 (en) * 2008-04-18 2009-10-22 Cheng-Ming Huang Visual tracking system and method thereof
CN103345266A (zh) * 2013-06-12 2013-10-09 西安应用光学研究所 基于全景图像的车载光电视觉引导方法
CN106342266B (zh) * 2011-08-22 2014-10-22 中国航空工业集团公司洛阳电光设备研究所 光电探测系统跟踪控制方法
CN108919841A (zh) * 2018-08-24 2018-11-30 湖北三江航天红峰控制有限公司 一种光电跟踪系统的复合轴控制方法及系统
CN112444374A (zh) * 2020-09-18 2021-03-05 中国人民解放军战略支援部队航天工程大学士官学校 一种基于光学跟踪测量设备伺服系统的跟踪评估方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090262977A1 (en) * 2008-04-18 2009-10-22 Cheng-Ming Huang Visual tracking system and method thereof
CN106342266B (zh) * 2011-08-22 2014-10-22 中国航空工业集团公司洛阳电光设备研究所 光电探测系统跟踪控制方法
CN103345266A (zh) * 2013-06-12 2013-10-09 西安应用光学研究所 基于全景图像的车载光电视觉引导方法
CN108919841A (zh) * 2018-08-24 2018-11-30 湖北三江航天红峰控制有限公司 一种光电跟踪系统的复合轴控制方法及系统
CN112444374A (zh) * 2020-09-18 2021-03-05 中国人民解放军战略支援部队航天工程大学士官学校 一种基于光学跟踪测量设备伺服系统的跟踪评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李超;吴玉敬;徐飞飞;赵创社;张慧;孟立新;: "一种目标遮挡情况下的自动跟踪控制方法", 应用光学, no. 05 *

Also Published As

Publication number Publication date
CN114281110B (zh) 2023-12-22

Similar Documents

Publication Publication Date Title
Zhang et al. Eye in the sky: Drone-based object tracking and 3d localization
Kim et al. Performance enhancement of YOLOv3 by adding prediction layers with spatial pyramid pooling for vehicle detection
CN110570456A (zh) 基于yolo目标检测算法和光流追踪算法融合的机动车轨迹提取方法
CN111323765A (zh) 一种星载光子计数激光雷达回波信号处理及目标提取方法
CN103985257A (zh) 一种智能交通视频分析方法
Zeng et al. Robust multivehicle tracking with wasserstein association metric in surveillance videos
CN115236627B (zh) 一种基于多帧多普勒速度扩维的毫米波雷达数据聚类方法
Fang et al. Camera and LiDAR fusion for on-road vehicle tracking with reinforcement learning
Yao et al. City-scale multi-camera vehicle tracking based on space-time-appearance features
Wang et al. Robust and fast vehicle turn-counts at intersections via an integrated solution from detection, tracking and trajectory modeling
CN105844664A (zh) 基于改进tld的监控视频车辆检测跟踪方法
Wei et al. Street object detection/tracking for AI city traffic analysis
CN1207687C (zh) 低信噪比红外图像序列中点目标的多帧模糊检测方法
CN114281110A (zh) 一种基于路径预测的伺服记忆跟踪实现方法
Zhang et al. A two-stage adaptive clustering approach for 3D point clouds
CN113947636B (zh) 一种基于深度学习的激光slam定位系统及方法
CN1484042A (zh) 红外图像序列中缓动弱小目标的能量投影检测方法
Maalej et al. Tracking 3D LIDAR point clouds using extended kalman filters in KITTI driving sequences
CN113947616A (zh) 一种基于层级化感知机的智能目标跟踪及丢失重检方法
Su et al. Real-time multiple object tracking based on optical flow
Ardianto et al. Fast Vehicle Detection and Tracking on Fisheye Traffic Monitoring Video using Motion Trail
He et al. PFET: Multi-vehicle tracking with pseudo-feature embeddings for traffic video surveillance
Bai et al. Pedestrian Tracking and Trajectory Analysis for Security Monitoring
Hu et al. Modified multi-hypothesis tracking algorithm based on radar target appearance features
Yuan et al. A multiple objects tracking method based on a combination of Camshift and object trajectory tracking

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