CN114820721A - 一种卡尔曼滤波观测噪声的可视化调制方法和装置 - Google Patents

一种卡尔曼滤波观测噪声的可视化调制方法和装置 Download PDF

Info

Publication number
CN114820721A
CN114820721A CN202210536996.2A CN202210536996A CN114820721A CN 114820721 A CN114820721 A CN 114820721A CN 202210536996 A CN202210536996 A CN 202210536996A CN 114820721 A CN114820721 A CN 114820721A
Authority
CN
China
Prior art keywords
height
deviation rate
width
delta
point coordinate
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
CN202210536996.2A
Other languages
English (en)
Other versions
CN114820721B (zh
Inventor
柯岩
李经纬
赵政
张雨
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.)
Suzhou Qingyu Technology Co Ltd
Original Assignee
Suzhou Qingyu 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 Suzhou Qingyu Technology Co Ltd filed Critical Suzhou Qingyu Technology Co Ltd
Priority to CN202210536996.2A priority Critical patent/CN114820721B/zh
Publication of CN114820721A publication Critical patent/CN114820721A/zh
Application granted granted Critical
Publication of CN114820721B publication Critical patent/CN114820721B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/94—Hardware or software architectures specially adapted for image or video understanding
    • G06V10/945—User interactive design; Environments; Toolboxes
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例涉及一种卡尔曼滤波观测噪声的可视化调制方法和装置，所述方法包括：获取第一图像并向用户显示；基于预设的目标检测模型对第一图像进行目标检测；在显示的第一图像上绘制对应的第一中心点和第一边框；使用卡尔曼滤波器的观测噪声矩阵对第一中心点坐标、第一宽度和第一高度进行转换；在显示的第一图像上绘制对应的第二中心点和第二边框；计算x轴偏差率、y轴偏差率、宽高比偏差率和高度偏差率；根据x轴偏差率、y轴偏差率、宽高比偏差率和高度偏差率对观测噪声矩阵进行调制。通过本发明使得调制过程都以可视化方式进行从而提高了过程直观性和调制效率。

Description

一种卡尔曼滤波观测噪声的可视化调制方法和装置
技术领域
本发明涉及数据处理技术领域，特别涉及一种卡尔曼滤波观测噪声的可视化调制方法和装置。
背景技术
车辆自动驾驶系统或无人驾驶系统中的感知模块在处理目标运动状态跟踪时，首先基于目标检测模型对图像进行目标检测从而得目标检测框(bounding box)的观测量(x，y，α，h)，其中(x，y)为目标检测框中心点在图像中的位置坐标，α＝w/h为目标检测框的宽高比，w、h为目标检测框的宽度、高度；然后，使用卡尔曼滤波器状态-观测转换方程的观测噪声对该观测量(x，y，α，h)进行误差调制从而得到目标检测框的状态量(x’，y’，α’，h’)；最后，基于连续时刻的状态量(x’，y’，α’，h’)完成对目标的状态跟踪。
由此过程不难看出，状态量的准确度直接影响目标跟踪的准确度，而状态量准确度又受观测噪声准确度的影响。为保证观测噪声准确度，就需要使用大量目标检测框的真值数据对象进行迭代训练。然而这种处理方式也存在一些问题：1)数据准备工作量大的问题，这种方式需要花费较多时间去准备目标检测框的真值数据对象；2)过程不直观的问题，这种方式类似盲调只有在迭代完成后才能看见训练效果，若效果与预期不匹配也只能一次又一次的重复迭代。
发明内容
本发明的目的，就是针对现有技术的缺陷，提供一种卡尔曼滤波观测噪声的可视化调制方法、装置、电子设备及计算机可读存储介质，以目标检测模型输出的目标检测框为观测量，将观测量输入卡尔曼滤波器状态-观测转换方程进行转换得到对应的状态量，通过状态量与观测量的位置和形状偏差率对状态-观测转换方程的观测噪声进行可视化迭代调制从而达到有效提高观测噪声准确度的目的；并在整个调制过程中，对由最新观测噪声得到的状态量的对应边框进行实时绘制。通过本发明，一方面无需预先准备目标检测框的真值数据对象从而达到了降低数据准备工作量的目的；另一方面整个调制过程都以可视化方式进行展示从而达到了提高过程直观性、提高调制效率的目的。
为实现上述目的，本发明实施例第一方面提供了一种卡尔曼滤波观测噪声的可视化调制方法，所述方法包括：
获取第一图像；并向用户显示所述第一图像；
基于预设的目标检测模型，对所述第一图像进行目标检测得到对应的目标检测框；所述目标检测框对应一组目标检测框参数；所述目标检测框参数包括第一中心点坐标(x1，y1)、第一宽度w1和第一高度h1；
在显示的所述第一图像上根据所述第一中心点坐标(x1，y1)、所述第一宽度w1和所述第一高度h1绘制对应的第一中心点和第一边框；
使用卡尔曼滤波器的观测噪声矩阵对所述第一中心点坐标(x1，y1)、所述第一宽度w1和所述第一高度h1进行转换得到对应的第二中心点坐标(x2，y2)、第二宽度w2和第二高度h2；
在显示的所述第一图像上根据所述第二中心点坐标(x2，y2)、所述第二宽度w2和所述第二高度h2绘制对应的第二中心点和第二边框；
根据所述第一中心点坐标(x1，y1)、所述第一宽度w1、所述第一高度h1和所述第二中心点坐标(x2，y2)、所述第二宽度w2、所述第二高度h2计算出对应的x轴偏差率、y轴偏差率、宽高比偏差率和高度偏差率；
根据所述x轴偏差率、所述y轴偏差率、所述宽高比偏差率和所述高度偏差率对所述观测噪声矩阵进行调制。
优选的，所述在显示的所述第一图像上根据所述第一中心点坐标(x1，y1)、所述第一宽度w1和所述第一高度h1绘制对应的第一中心点和第一边框，具体包括：
根据所述第一中心点坐标(x1，y1)、所述第一宽度w1和所述第一高度h1计算四个边框顶点坐标得到对应的左上顶点坐标(x左上，y左上)、右上顶点坐标(x右上，y右上)、右下顶点坐标(x右下，y右下)和左下顶点坐标(x左下，y左下)，
x左上＝x1-(w1/2)、y左上＝y1-(h1/2),
x右上＝x1+(w1/2)、y右上＝y1-(h1/2)，
x右下＝x1+(w1/2)、y右下＝y1+(h1/2)，
x左下＝x1-(w1/2)、y左下＝y1+(h1/2)；
在显示的所述第一图像上，将所述第一中心点坐标(x1，y1)对应的像素点作为所述第一中心点，并将所述第一中心点的颜色设为预设的第一颜色；并对所述左上顶点坐标(x左上，y左上)、所述右上顶点坐标(x右上，y右上)、所述右下顶点坐标(x右下，y右下)和所述左下顶点坐标(x左下，y左下)对应的四个像素点以直线连接方式进行顺次连接，并将连接得到的矩形边框作为对应的所述第一边框，并将所述第一边框的颜色设为预设的第二颜色。
优选的，所述观测噪声矩阵为[△x,△y,△α,△h]；△x、△y、△α和△h分别为x轴坐标噪声参数、y轴坐标噪声参数、宽高比噪声参数和高度噪声参数。
优选的，所述使用卡尔曼滤波器的观测噪声矩阵对所述第一中心点坐标(x1，y1)、所述第一宽度w1和所述第一高度h1进行转换得到对应的第二中心点坐标(x2，y2)、第二宽度w2和第二高度h2，具体包括：
根据所述第一中心点坐标(x1，y1)、所述第一宽度w1和所述第一高度h1构建对应的观测向量；所述观测向量为[x1,y1,α1,h1]，α1＝w1/h1；
将所述观测向量和所述观测噪声矩阵代入卡尔曼滤波器的状态观测转换方程[x1,y1,α1,h1]T＝[x2,y2,α2,h2]T+[△x,△y,△α,△h]T进行计算，得到对应的状态向量；所述状态向量为[x2,y2,α2,h2]；
提取所述状态向量中的x2、y2作为所述第二中心点坐标(x2，y2)；提取所述状态向量中的h2作为所述第二高度h2；由所述状态向量中的α2、h2计算得到所述第二宽度w2，w2＝h2*α2。
优选的，所述根据所述第一中心点坐标(x1，y1)、所述第一宽度w1、所述第一高度h1和所述第二中心点坐标(x2，y2)、所述第二宽度w2、所述第二高度h2计算出对应的x轴偏差率、y轴偏差率、宽高比偏差率和高度偏差率，具体包括：
根据所述第一中心点坐标(x1，y1)和所述第二中心点坐标(x2，y2)计算生成对应的所述x轴偏差率和所述y轴偏差率，
x轴偏差率＝(x2-x1)/x1，
y轴偏差率＝(y2-y1)/y1；
根据所述第一宽度w1、所述第一高度h1和所述第二宽度w2、所述第二高度h2计算生成对应的所述宽高比偏差率，
Figure BDA0003648734480000041
根据所述第一高度h1和所述第二高度h2计算生成对应的所述高度偏差率，
高度偏差率＝(h2-h1)/h1。
优选的，所述根据所述x轴偏差率、所述y轴偏差率、所述宽高比偏差率和所述高度偏差率对所述观测噪声矩阵进行调制，具体包括：
步骤61，对所述x轴偏差率、所述y轴偏差率、所述宽高比偏差率和所述高度偏差率的绝对值是否全部低于预设的偏差率阈值进行识别；若全部低于预设的偏差率阈值则转至步骤67，若不是全部低于预设的偏差率阈值则转至步骤62；
步骤62，将所述x轴偏差率、所述y轴偏差率、所述宽高比偏差率和所述高度偏差率中绝对值最大的作为当前偏差率；
步骤63，根据所述当前偏差率与所述观测噪声矩阵中噪声参数的对应关系对所述观测噪声矩阵进行调制，具体为：若所述当前偏差率为所述x轴偏差率，则按
Figure BDA0003648734480000051
对x轴坐标噪声参数△x进行调制，调制后的所述观测噪声矩阵为[△x’,△y,△α,△h]；若所述当前偏差率为所述y轴偏差率，则按
Figure BDA0003648734480000052
对y轴坐标噪声参数△y进行调制，调制后的所述观测噪声矩阵为[△x,△y’,△α,△h]；若所述当前偏差率为所述宽高比偏差率，则按
Figure BDA0003648734480000053
对宽高比噪声参数△α进行调制，调制后的所述观测噪声矩阵为[△x,△y,△α’,△h]；若所述当前偏差率为所述高度偏差率，则按
Figure BDA0003648734480000054
对高度噪声参数△h进行调制，调制后的所述观测噪声矩阵为[△x,△y,△α,△h’]；
步骤64，根据所述第一中心点坐标(x1，y1)、所述第一宽度w1和所述第一高度h1构建对应的当前观测向量；并将所述当前观测向量和调制后的所述观测噪声矩阵代入卡尔曼滤波器的状态观测转换方程进行计算得到对应的当前状态向量；所述当前观测向量为[x1,y1,α1,h1]，α1＝w1/h1；所述当前状态向量为[x’,y’,α’,h’]；
步骤65，根据所述当前状态向量得到对应的当前中心点坐标(x’,y’)，当前宽度w’和当前高度h’，w’＝h’*α’；并在显示的所述第一图像上根据所述当前中心点坐标(x’,y’)、所述当前宽度w’和所述当前高度h’绘制对应的当前中心点和当前边框；
步骤66，根据所述当前中心点坐标(x’,y’)、所述当前宽度w’、所述当前高度h’和所述第一中心点坐标(x1，y1)、所述第一宽度w1和所述第一高度h1计算出新的所述x轴偏差率、所述y轴偏差率、所述宽高比偏差率和所述高度偏差率，并转至步骤61；其中，
x轴偏差率＝(x′-x1)/x1，
y轴偏差率＝(y′-y1)/y1，
Figure BDA0003648734480000061
高度偏差率＝(h′-h1)/h1；
步骤67，结束本次调制，并将最后得到的所述观测噪声矩阵作为卡尔曼滤波器的最新观测噪声。
本发明实施例第二方面提供了一种用于实现上述第一方面所述的卡尔曼滤波观测噪声的可视化调制方法的装置,所述装置包括：第一处理模块、第二处理模块和调制处理模块；
所述第一处理模块用于获取第一图像；并向用户显示所述第一图像；并基于预设的目标检测模型，对所述第一图像进行目标检测得到对应的目标检测框；所述目标检测框对应一组目标检测框参数；所述目标检测框参数包括第一中心点坐标(x1，y1)、第一宽度w1和第一高度h1；
所述第二处理模块用于在显示的所述第一图像上根据所述第一中心点坐标(x1，y1)、所述第一宽度w1和所述第一高度h1绘制对应的第一中心点和第一边框；并使用卡尔曼滤波器的观测噪声矩阵对所述第一中心点坐标(x1，y1)、所述第一宽度w1和所述第一高度h1进行转换得到对应的第二中心点坐标(x2，y2)、第二宽度w2和第二高度h2；并在显示的所述第一图像上根据所述第二中心点坐标(x2，y2)、所述第二宽度w2和所述第二高度h2绘制对应的第二中心点和第二边框；并根据所述第一中心点坐标(x1，y1)、所述第一宽度w1、所述第一高度h1和所述第二中心点坐标(x2，y2)、所述第二宽度w2、所述第二高度h2计算出对应的x轴偏差率、y轴偏差率、宽高比偏差率和高度偏差率；
所述调制处理模块用于根据所述x轴偏差率、所述y轴偏差率、所述宽高比偏差率和所述高度偏差率对所述观测噪声矩阵进行调制。
本发明实施例第三方面提供了一种电子设备，包括：存储器、处理器和收发器；
所述处理器用于与所述存储器耦合，读取并执行所述存储器中的指令，以实现上述第一方面所述的方法步骤；
所述收发器与所述处理器耦合，由所述处理器控制所述收发器进行消息收发。
本发明实施例第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，当所述计算机指令被计算机执行时，使得所述计算机执行上述第一方面所述的方法的指令。
本发明实施例提供了一种卡尔曼滤波观测噪声的可视化调制方法、装置、电子设备及计算机可读存储介质，以目标检测模型输出的目标检测框为观测量，将观测量输入卡尔曼滤波器状态-观测转换方程进行转换得到对应的状态量，通过状态量与观测量的位置和形状偏差率对状态-观测转换方程的观测噪声进行可视化迭代调制从而达到有效提高观测噪声准确度的目的；并在整个调制过程中，对由最新观测噪声得到的状态量的对应边框进行实时绘制。通过本发明，一方面无需预先准备目标检测框的真值数据对象从而极大地降低了数据准备工作量；另一方面整个调制过程都以可视化方式进行展示从而提高了过程直观性，过程直观性得到提高自然就能进一步提高调制效率、降低调制工作量。
附图说明
图1为本发明实施例一提供的一种卡尔曼滤波观测噪声的可视化调制方法示意图；
图2a为本发明实施例一提供的第一中心点和第一边框示意图；
图2b为本发明实施例一提供的第一、第二中心点和第一、第二边框示意图；
图3为本发明实施例二提供的一种卡尔曼滤波观测噪声的可视化调制装置的模块结构图；
图4为本发明实施例三提供的一种电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本发明实施例一提供一种卡尔曼滤波观测噪声的可视化调制方法，如图1为本发明实施例一提供的一种卡尔曼滤波观测噪声的可视化调制方法示意图所示，本方法主要包括如下步骤：
步骤1，获取第一图像；并向用户显示第一图像。
这里，第一图像为由相机或摄像机拍摄的图像，本发明实施例通过可视界面向用户显示第一图像。
步骤2，基于预设的目标检测模型，对第一图像进行目标检测得到对应的目标检测框；
其中，目标检测框对应一组目标检测框参数；目标检测框参数包括第一中心点坐标(x1，y1)、第一宽度w1和第一高度h1。
这里，使用本地预置的目标检测模型对第一图像行目标检测，该检测模型可以识别出一个或多个实体目标(诸如车辆、交通标志物、障碍物、行人、动物、植物、建筑物等)，并可为每个识别出的实体目标计算出一组对应的目标检测框参数。基于该目标检测框参数，就能在第一图像上定位出对应的目标检测框：目标检测框参数中的第一中心点坐标(x1，y1)是第一图像上的一个像素坐标，通过该坐标可以定位目标检测框的中心点位置；目标检测框的形状默认为一个高*宽的矩形，其高度由目标检测框参数中的第一高度h1决定、其宽度由目标检测框参数中的第一宽度w1决定。需要说明的是本发明实施例的各点坐标均采用像素坐标系，也就是以第一图像的左上顶点为原点，以第一图像的顶边为X轴、以第一图像左侧边为Y轴。
步骤3，在显示的第一图像上根据第一中心点坐标(x1，y1)、第一宽度w1和第一高度h1绘制对应的第一中心点和第一边框；
这里，本发明实施例向用户展示目标检测模型输出的目标检测框的中心点和边框也就是第一中心点和第一边框；
具体包括：步骤31，根据第一中心点坐标(x1，y1)、第一宽度w1和第一高度h1计算四个边框顶点坐标得到对应的左上顶点坐标(x左上，y左上)、右上顶点坐标(x右上，y右上)、右下顶点坐标(x右下，y右下)和左下顶点坐标(x左下，y左下)，
x左上＝x1-(w1/2)、y左上＝y1-(h1/2),
x右上＝x1+(w1/2)、y右上＝y1-(h1/2)，
x右下＝x1+(w1/2)、y右下＝y1+(h1/2)，
x左下＝x1-(w1/2)、y左下＝y1+(h1/2)；
这里，因为本发明实施例采用的坐标系为像素坐标系，所以Y轴上各顶点坐标的计算方式与常规笛卡尔二维坐标的计算方式正好相反，本发明实施例中相对中心点越高的点其Y轴坐标值越低、相对中心点越低的点其Y轴坐标值越高；
步骤32，在显示的第一图像上，将第一中心点坐标(x1，y1)对应的像素点作为第一中心点，并将第一中心点的颜色设为预设的第一颜色；并对左上顶点坐标(x左上，y左上)、右上顶点坐标(x右上，y右上)、右下顶点坐标(x右下，y右下)和左下顶点坐标(x左下，y左下)对应的四个像素点以直线连接方式进行顺次连接，并将连接得到的矩形边框作为对应的第一边框，并将第一边框的颜色设为预设的第二颜色。
这里，为以示区别本发明实施例使用的第二颜色与第一颜色是两种不同的颜色，但默认都会选用亮度更高的颜色对二者进行设定，以便与第一图像进行区分。
以图2a为本发明实施例一提供的第一中心点和第一边框示意图为例，设已知第一中心点坐标(x1，y1)为(200,130)、第一宽度w1为190、第一高度h1为120；那么，就可算出左上顶点坐标为(105，70)、右上顶点坐标为(295，70)、右下顶点坐标为(295，190)、左下顶点坐标为(105，190)；将第一中心点坐标对应的点记为第一中心点，将左上、右上、右下、左下顶点坐标对应的点记为左上、右上、右下、左下顶点，自然就可以在显示的第一图像上绘制出第一中心点并将其颜色定为第一颜色，同时也可以在显示的第一图像上对由左上-右上-右下-左下-左上顶点顺次连接而成的第一边框进行绘制并将其颜色定为第二颜色。
步骤4，使用卡尔曼滤波器的观测噪声矩阵对第一中心点坐标(x1，y1)、第一宽度w1和第一高度h1进行转换得到对应的第二中心点坐标(x2，y2)、第二宽度w2和第二高度h2；
其中，观测噪声矩阵为[△x,△y,△α,△h]；△x、△y、△α和△h分别为x轴坐标噪声参数、y轴坐标噪声参数、宽高比噪声参数和高度噪声参数；
具体包括：步骤41，根据第一中心点坐标(x1，y1)、第一宽度w1和第一高度h1构建对应的观测向量；其中，观测向量为[x1,y1,α1,h1]，α1＝w1/h1；
步骤42，将观测向量和观测噪声矩阵代入卡尔曼滤波器的状态观测转换方程[x1,y1,α1,h1]T＝[x2,y2,α2,h2]T+[△x,△y,△α,△h]T进行计算，得到对应的状态向量；其中，状态向量为[x2,y2,α2,h2]；
步骤43，提取状态向量中的x2、y2作为第二中心点坐标(x2，y2)；提取状态向量中的h2作为第二高度h2；由状态向量中的α2、h2计算得到第二宽度w2，w2＝h2*α2。
这里，本发明实施例卡尔曼滤波器的状态观测转换方程为：
观测向量＝状态向量+观测噪声矩阵；
其中，观测向量的向量结构为[x1,y1,α1,h1]，由x坐标、y坐标、宽高比和高度四个分量组成；同理，状态向量结构为[x2,y2,α2,h2]，也由x坐标、y坐标、宽高比和高度四个分量组成；状态观测转换方程中的观测噪声矩阵为[△x,△y,△α,△h]，也由x坐标噪声(偏移)、y坐标噪声(偏移)、宽高比噪声(偏移)和高度噪声(偏移)四个分量组成；以向量方式对状态观测转换方程进行表达，就得到：
[x1,y1,α1,h1]T＝[x2,y2,α2,h2]T+[△x,△y,△α,△h]T；
按向量中四个分量分解上述方程实际就是：
x1＝x2+△x，y1＝y2+△y，α1＝α2+△α，h1＝h2+△h；
本发明实施例中，以目标检测模型输出的目标检测框为观测量，所以根据目标检测模型输出的目标检测框的x1、y1、w1、h1构建对应的观测向量应为[x1,y1,α1,h1]＝[x1,y1,w1/h1,h1]；将观测向量和观测噪声矩阵代入卡尔曼滤波器的状态观测转换方程之后，按上述四个分量的分解表达式可以得到x2＝x1-△x，y2＝y1-△y，α2＝α1-△α，h2＝h1-△h，也就是说对应的状态向量[x2,y2,α2,h2]＝[x1-△x,y1-△y,α1-△α,h1-△h]；因为α2＝w2/h2，所以由状态向量[x2,y2,α2,h2]就可得到其对应目标检测框的x2、y2、w2、h2。
步骤5，在显示的第一图像上根据第二中心点坐标(x2，y2)、第二宽度w2和第二高度h2绘制对应的第二中心点和第二边框。
这里，对第二中心点和第二边框的显示处理与前述步骤3近似，在此不做进一步赘述；唯一需要说明的是，为区别观测量与状态量的对应边框和中心点，本发明实施例对第二中心点的颜色设定选择与第一、第二颜色不同的第三颜色，同理，对第二边框的颜色设定选择与第一、第二、第三颜色不同的第四颜色。
步骤6，根据第一中心点坐标(x1，y1)、第一宽度w1、第一高度h1和第二中心点坐标(x2，y2)、第二宽度w2、第二高度h2计算出对应的x轴偏差率、y轴偏差率、宽高比偏差率和高度偏差率；
这里，实际就是对目标检测模型输出的目标检测框也就是观测量对应的目标检测框(第一边框)与卡尔曼滤波器输出的状态向量对应的目标检测框(第二边框)的位置和形状进行偏差统计从而得到四个偏差率；
具体包括：步骤61，根据第一中心点坐标(x1，y1)和第二中心点坐标(x2，y2)计算生成对应的x轴偏差率和y轴偏差率；
其中，x轴偏差率＝(x2-x1)/x1，y轴偏差率＝(y2-y1)/y1；
步骤62，根据第一宽度w1、第一高度h1和第二宽度w2、第二高度h2计算生成对应的宽高比偏差率；
其中，
Figure BDA0003648734480000121
步骤63，根据第一高度h1和第二高度h2计算生成对应的高度偏差率；
其中，高度偏差率＝(h2-h1)/h1。
这里，步骤61-63的四个偏差率等式被视为x轴偏差率、y轴偏差率、宽高比偏差率和高度偏差率的偏差率函数；
以图2b为本发明实施例一提供的第一、第二中心点和第一、第二边框示意图为例，已知第一边框的第一中心点坐标(x1，y1)为(200,130)、第一宽度w1为190、第一高度h1为120，第二边框的第二中心点坐标(x2，y2)为(180,130)、第二宽度w2为144、第二高度h2为98；
那么，得到的
Figure BDA0003648734480000122
Figure BDA0003648734480000123
步骤7，根据x轴偏差率、y轴偏差率、宽高比偏差率和高度偏差率对观测噪声矩阵进行调制；
具体包括：步骤71，对x轴偏差率、y轴偏差率、宽高比偏差率和高度偏差率的绝对值是否全部低于预设的偏差率阈值进行识别；若全部低于预设的偏差率阈值则转至步骤77，若不是全部低于预设的偏差率阈值则转至步骤72；
这里，预设的偏差率阈值根据实际要求进行设置，常规设为10％或0.1；
例如，已知x轴偏差率为-0.01、y轴偏差率为0、宽高比偏差率为0.07、高度偏差率为-0.18；通过比对可知高度偏差率的绝对值超过了0.1，说明第二边框与第一边框的中心位置偏差不大、但形状大小差异较大，因此需要转至步骤72启动对观测噪声的调制；
步骤72，将x轴偏差率、y轴偏差率、宽高比偏差率和高度偏差率中绝对值最大的作为当前偏差率；
例如，已知x轴偏差率为-0.01、y轴偏差率为0、宽高比偏差率为0.07、高度偏差率为-0.18，其中绝对值最大的是高度偏差率，那么，当前偏差率＝高度偏差率＝-0.18；
步骤73，根据当前偏差率与观测噪声矩阵中噪声参数的对应关系对观测噪声矩阵进行调制；
具体为：若当前偏差率为x轴偏差率，则按
Figure BDA0003648734480000131
对x轴坐标噪声参数△x进行调制，调制后的观测噪声矩阵为[△x’,△y,△α,△h]；若当前偏差率为y轴偏差率，则按
Figure BDA0003648734480000132
对y轴坐标噪声参数△y进行调制，调制后的观测噪声矩阵为[△x,△y’,△α,△h]；若当前偏差率为宽高比偏差率，则按
Figure BDA0003648734480000133
对宽高比噪声参数△α进行调制，调制后的观测噪声矩阵为[△x,△y,△α’,△h]；若当前偏差率为高度偏差率，则按
Figure BDA0003648734480000134
对高度噪声参数△h进行调制，调制后的观测噪声矩阵为[△x,△y,△α,△h’]；
这里，步骤73的四个调制等式被视为△x’、△y’、△α’和△h’的调制函数；
例如，已知当前偏差率对应的是高度偏差率＝-0.18；那么，就会对高度噪声参数△h进行调制，通过△h’的调制等式计算得到
Figure BDA0003648734480000135
Figure BDA0003648734480000136
调制后的观测噪声矩阵为[△x,△y,△α,0.91*△h]；
步骤74，根据第一中心点坐标(x1，y1)、第一宽度w1和第一高度h1构建对应的当前观测向量；并将当前观测向量和调制后的观测噪声矩阵代入卡尔曼滤波器的状态观测转换方程进行计算得到对应的当前状态向量；当前观测向量为[x1,y1,α1,h1]，α1＝w1/h1；当前状态向量为[x’,y’,α’,h’]；
这里，类似步骤4的处理过程；首先，根据第一中心点坐标(x1，y1)、第一宽度w1和第一高度h1构建得到当前观测向量[x1,y1,α1,h1]，α1＝w1/h1；然后，由状态观测转换方程：观测向量＝状态向量+调制后的观测噪声矩阵，得到当前状态向量为[x’,y’,α’,h’]；
例如，已知前观测向量为[x1,y1,α1,h1]，调制后的观测噪声矩阵为[△x,△y,△α,0.91*△h]，那么，当前状态向量[x’,y’,α’,h’]＝[x1-△x,y1-△y,α1-△α,h1-0.91*△h]；不难看出，通过调制后的观测噪声矩阵得到的当前状态向量的h’与观测量的h1之间的误差减小了；
步骤75，根据当前状态向量得到对应的当前中心点坐标(x’,y’)，当前宽度w’和当前高度h’，w’＝h’*α’；并在显示的第一图像上根据当前中心点坐标(x’,y’)、当前宽度w’和当前高度h’绘制对应的当前中心点和当前边框；
这里，对当前中心点和当前边框的显示处理与前述步骤3近似，在此不做进一步赘述；唯一需要说明的是，当前中心点和当前边框实际也是状态量对应的边框，为体现调制过程中状态量对应边框的位置与形状变化层次，本发明实施例对当前中心点和当前边框的颜色给出一个设定规则：选择与第二边框的第四颜色或上一次循环中当前边框颜色同色系的其他颜色作为本次当前边框的颜色，并将本次当前中心点的颜色设为与本次当前边框同色；
步骤76，根据当前中心点坐标(x’,y’)、当前宽度w’、当前高度h’和第一中心点坐标(x1，y1)、第一宽度w1和第一高度h1计算出新的x轴偏差率、y轴偏差率、宽高比偏差率和高度偏差率，并转至步骤71；
其中，x轴偏差率＝(x′-x1)/x1，y轴偏差率＝(y′-y1)/y1，
Figure BDA0003648734480000141
高度偏差率＝(h′-h1)/h1；
这里，计算出新的x轴偏差率、y轴偏差率、宽高比偏差率和高度偏差率的处理步骤实际与前述步骤6类似，在此不做重复说明；在得到新的x轴偏差率、y轴偏差率、宽高比偏差率和高度偏差率之后，本发明实施例循环回步骤71继续根据新的x轴偏差率、y轴偏差率、宽高比偏差率和高度偏差率来对当前观测噪声矩阵进行调制；
步骤77，结束本次调制，并将最后得到的观测噪声矩阵作为卡尔曼滤波器的最新观测噪声。
这里，在步骤71处若最新四个偏差率(x轴偏差率、y轴偏差率、宽高比偏差率和高度偏差率)的绝对值都低于预设的偏差率阈值，则说明目标检测模型输出的目标检测框(第一边框)与卡尔曼滤波器输出的状态向量对应的目标检测框(第二边框)的位置与形状偏差已经进入合理偏差范围，也就是说当前经过一次或多次调制的观测噪声矩阵的准确度已经满足要求；此时，本发明实施例会从步骤71直接转至当前步骤77结束本次调制并将最后得到的观测噪声矩阵作为卡尔曼滤波器的最新观测噪声对状态观测转换方程中的观测噪声矩阵进行替换。
需要说明的是，本发明实施例在处理步骤7的可视化调制过程时，另外还提供随时中止调制的技术实现以供用户使用。具体为在根据x轴偏差率、y轴偏差率、宽高比偏差率和高度偏差率对观测噪声矩阵进行调制的过程中，本发明实施例方法还包括：对用户发送的操作指令进行侦听，若操作指令为中止调制指令则结束本次调制并对最后得到的观测噪声矩阵进行显示。另外，为提高调制效率和便捷度，本发明实施例在处理步骤7的可视化调制过程时，另外还提供随时修改调制参数的技术实现以供用户使用。具体为在根据x轴偏差率、y轴偏差率、宽高比偏差率和高度偏差率对观测噪声矩阵进行调制的过程中，本发明实施例方法还包括：对用户发送的操作指令进行侦听，若操作指令为偏差率阈值修改指令，则从偏差率阈值修改指令中提取出偏差率阈值指令参数对本地的偏差率阈值进行修改；若操作指令为调制函数修改指令，则从调制函数修改指令中提取出新的△x’、△y’、△α’或△h’的调制函数对本地预设的△x’、△y’、△α’或△h’的调制函数进行修改；若操作指令为偏差率函数修改指令，则从偏差率函数修改指令中提取出新的x轴偏差率、y轴偏差率、宽高比偏差率或高度偏差率的偏差率函数对本地预设的x轴偏差率、y轴偏差率、宽高比偏差率或高度偏差率的偏差率函数进行修改。
图3为本发明实施例二提供的一种卡尔曼滤波观测噪声的可视化调制装置的模块结构图，该装置为实现前述方法实施例的终端设备或者服务器，也可以为能够使得前述终端设备或者服务器实现前述方法实施例的装置，例如该装置可以是前述终端设备或者服务器的装置或芯片系统。如图3所示，该装置包括：第一处理模块201、第二处理模块202和调制处理模块203。
第一处理模块201用于获取第一图像；并向用户显示第一图像；并基于预设的目标检测模型，对第一图像进行目标检测得到对应的目标检测框；目标检测框对应一组目标检测框参数；目标检测框参数包括第一中心点坐标(x1，y1)、第一宽度w1和第一高度h1。
第二处理模块202用于在显示的第一图像上根据第一中心点坐标(x1，y1)、第一宽度w1和第一高度h1绘制对应的第一中心点和第一边框；并使用卡尔曼滤波器的观测噪声矩阵对第一中心点坐标(x1，y1)、第一宽度w1和第一高度h1进行转换得到对应的第二中心点坐标(x2，y2)、第二宽度w2和第二高度h2；并在显示的第一图像上根据第二中心点坐标(x2，y2)、第二宽度w2和第二高度h2绘制对应的第二中心点和第二边框；并根据第一中心点坐标(x1，y1)、第一宽度w1、第一高度h1和第二中心点坐标(x2，y2)、第二宽度w2、第二高度h2计算出对应的x轴偏差率、y轴偏差率、宽高比偏差率和高度偏差率。
调制处理模块203用于根据x轴偏差率、y轴偏差率、宽高比偏差率和高度偏差率对观测噪声矩阵进行调制。
本发明实施例提供的一种卡尔曼滤波观测噪声的可视化调制装置，可以执行上述方法实施例中的方法步骤，其实现原理和技术效果类似，在此不再赘述。
需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，第一处理模块可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上确定模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所描述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，ASIC)，或，一个或多个数字信号处理器(Digital Signal Processor，DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(CentralProcessing Unit，CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(System-on-a-chip，SOC)的形式实现。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时，全部或部分地产生按照前述方法实施例所描述的流程或功能。上述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。上述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，上述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线路((Digital Subscriber Line，DSL))或无线(例如红外、无线、蓝牙、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。上述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。上述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。
图4为本发明实施例三提供的一种电子设备的结构示意图。该电子设备可以为前述的终端设备或者服务器，也可以为与前述终端设备或者服务器连接的实现本发明实施例方法的终端设备或服务器。如图4所示，该电子设备可以包括：处理器301(例如CPU)、存储器302、收发器303；收发器303耦合至处理器301，处理器301控制收发器303的收发动作。存储器302中可以存储各种指令，以用于完成各种处理功能以及实现前述方法实施例描述的处理步骤。优选的，本发明实施例涉及的电子设备还包括：电源304、系统总线305以及通信端口306。系统总线305用于实现元件之间的通信连接。上述通信端口306用于电子设备与其他外设之间进行连接通信。
在图4中提到的系统总线305可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该系统总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(Random Access Memory，RAM)，也可能还包括非易失性存储器(Non-Volatile Memory)，例如至少一个磁盘存储器。
上述的处理器可以是通用处理器，包括中央处理器CPU、网络处理器(NetworkProcessor，NP)、图形处理器(Graphics Processing Unit，GPU)等；还可以是数字信号处理器DSP、专用集成电路ASIC、现场可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
需要说明的是，本发明实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中提供的方法和处理过程。
本发明实施例还提供一种运行指令的芯片，该芯片用于执行前述方法实施例描述的处理步骤。
本发明实施例提供了一种卡尔曼滤波观测噪声的可视化调制方法、装置、电子设备及计算机可读存储介质，以目标检测模型输出的目标检测框为观测量，将观测量输入卡尔曼滤波器状态-观测转换方程进行转换得到对应的状态量，通过状态量与观测量的位置和形状偏差率对状态-观测转换方程的观测噪声进行可视化迭代调制从而达到有效提高观测噪声准确度的目的；并在整个调制过程中，对由最新观测噪声得到的状态量的对应边框进行实时绘制。通过本发明，一方面无需预先准备目标检测框的真值数据对象从而极大地降低了数据准备工作量；另一方面整个调制过程都以可视化方式进行展示从而提高了过程直观性，过程直观性得到提高自然就能进一步提高调制效率、降低调制工作量。
专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种卡尔曼滤波观测噪声的可视化调制方法，其特征在于，所述方法包括：
获取第一图像；并向用户显示所述第一图像；
基于预设的目标检测模型，对所述第一图像进行目标检测得到对应的目标检测框；所述目标检测框对应一组目标检测框参数；所述目标检测框参数包括第一中心点坐标(x1，y1)、第一宽度w1和第一高度h1；
在显示的所述第一图像上根据所述第一中心点坐标(x1，y1)、所述第一宽度w1和所述第一高度h1绘制对应的第一中心点和第一边框；
使用卡尔曼滤波器的观测噪声矩阵对所述第一中心点坐标(x1，y1)、所述第一宽度w1和所述第一高度h1进行转换得到对应的第二中心点坐标(x2，y2)、第二宽度w2和第二高度h2；
在显示的所述第一图像上根据所述第二中心点坐标(x2，y2)、所述第二宽度w2和所述第二高度h2绘制对应的第二中心点和第二边框；
根据所述第一中心点坐标(x1，y1)、所述第一宽度w1、所述第一高度h1和所述第二中心点坐标(x2，y2)、所述第二宽度w2、所述第二高度h2计算出对应的x轴偏差率、y轴偏差率、宽高比偏差率和高度偏差率；
根据所述x轴偏差率、所述y轴偏差率、所述宽高比偏差率和所述高度偏差率对所述观测噪声矩阵进行调制。
2.根据权利要求1所述的卡尔曼滤波观测噪声的可视化调制方法，其特征在于，所述在显示的所述第一图像上根据所述第一中心点坐标(x1，y1)、所述第一宽度w1和所述第一高度h1绘制对应的第一中心点和第一边框，具体包括：
根据所述第一中心点坐标(x1，y1)、所述第一宽度w1和所述第一高度h1计算四个边框顶点坐标得到对应的左上顶点坐标(x左上，y左上)、右上顶点坐标(x右上，y右上)、右下顶点坐标(x右下，y右下)和左下顶点坐标(x左下，y左下)，
x左上＝x1-(w1/2)、y左上＝y1-(h1/2),
x右上＝x1+(w1/2)、y右上＝y1-(h1/2)，
x右下＝x1+(w1/2)、y右下＝y1+(h1/2)，
x左下＝x1-(w1/2)、y左下＝y1+(h1/2)；
在显示的所述第一图像上，将所述第一中心点坐标(x1，y1)对应的像素点作为所述第一中心点，并将所述第一中心点的颜色设为预设的第一颜色；并对所述左上顶点坐标(x左上，y左上)、所述右上顶点坐标(x右上，y右上)、所述右下顶点坐标(x右下，y右下)和所述左下顶点坐标(x左下，y左下)对应的四个像素点以直线连接方式进行顺次连接，并将连接得到的矩形边框作为对应的所述第一边框，并将所述第一边框的颜色设为预设的第二颜色。
3.根据权利要求1所述的卡尔曼滤波观测噪声的可视化调制方法，其特征在于，
所述观测噪声矩阵为[△x,△y,△α,△h]；△x、△y、△α和△h分别为x轴坐标噪声参数、y轴坐标噪声参数、宽高比噪声参数和高度噪声参数。
4.根据权利要求3所述的卡尔曼滤波观测噪声的可视化调制方法，其特征在于，所述使用卡尔曼滤波器的观测噪声矩阵对所述第一中心点坐标(x1，y1)、所述第一宽度w1和所述第一高度h1进行转换得到对应的第二中心点坐标(x2，y2)、第二宽度w2和第二高度h2，具体包括：
根据所述第一中心点坐标(x1，y1)、所述第一宽度w1和所述第一高度h1构建对应的观测向量；所述观测向量为[x1,y1,α1,h1]，α1＝w1/h1；
将所述观测向量和所述观测噪声矩阵代入卡尔曼滤波器的状态观测转换方程[x1,y1,α1,h1]T＝[x2,y2,α2,h2]T+[△x,△y,△α,△h]T进行计算，得到对应的状态向量；所述状态向量为[x2,y2,α2,h2]；
提取所述状态向量中的x2、y2作为所述第二中心点坐标(x2，y2)；提取所述状态向量中的h2作为所述第二高度h2；由所述状态向量中的α2、h2计算得到所述第二宽度w2，w2＝h2*α2。
5.根据权利要求1所述的卡尔曼滤波观测噪声的可视化调制方法，其特征在于，所述根据所述第一中心点坐标(x1，y1)、所述第一宽度w1、所述第一高度h1和所述第二中心点坐标(x2，y2)、所述第二宽度w2、所述第二高度h2计算出对应的x轴偏差率、y轴偏差率、宽高比偏差率和高度偏差率，具体包括：
根据所述第一中心点坐标(x1，y1)和所述第二中心点坐标(x2，y2)计算生成对应的所述x轴偏差率和所述y轴偏差率，
x轴偏差率＝(x2-x1)/x1，
y轴偏差率＝(y2-y1)/y1；
根据所述第一宽度w1、所述第一高度h1和所述第二宽度w2、所述第二高度h2计算生成对应的所述宽高比偏差率，
Figure FDA0003648734470000031
根据所述第一高度h1和所述第二高度h2计算生成对应的所述高度偏差率，
高度偏差率＝(h2-h1)/h1。
6.根据权利要求3所述的卡尔曼滤波观测噪声的可视化调制方法，其特征在于，所述根据所述x轴偏差率、所述y轴偏差率、所述宽高比偏差率和所述高度偏差率对所述观测噪声矩阵进行调制，具体包括：
步骤61，对所述x轴偏差率、所述y轴偏差率、所述宽高比偏差率和所述高度偏差率的绝对值是否全部低于预设的偏差率阈值进行识别；若全部低于预设的偏差率阈值则转至步骤67，若不是全部低于预设的偏差率阈值则转至步骤62；
步骤62，将所述x轴偏差率、所述y轴偏差率、所述宽高比偏差率和所述高度偏差率中绝对值最大的作为当前偏差率；
步骤63，根据所述当前偏差率与所述观测噪声矩阵中噪声参数的对应关系对所述观测噪声矩阵进行调制，具体为：若所述当前偏差率为所述x轴偏差率，则按
Figure FDA0003648734470000041
对x轴坐标噪声参数△x进行调制，调制后的所述观测噪声矩阵为[△x’,△y,△α,△h]；若所述当前偏差率为所述y轴偏差率，则按
Figure FDA0003648734470000042
对y轴坐标噪声参数△y进行调制，调制后的所述观测噪声矩阵为[△x,△y’,△α,△h]；若所述当前偏差率为所述宽高比偏差率，则按
Figure FDA0003648734470000043
对宽高比噪声参数△α进行调制，调制后的所述观测噪声矩阵为[△x,△y,△α’,△h]；若所述当前偏差率为所述高度偏差率，则按
Figure FDA0003648734470000044
对高度噪声参数△h进行调制，调制后的所述观测噪声矩阵为[△x,△y,△α,△h’]；
步骤64，根据所述第一中心点坐标(x1，y1)、所述第一宽度w1和所述第一高度h1构建对应的当前观测向量；并将所述当前观测向量和调制后的所述观测噪声矩阵代入卡尔曼滤波器的状态观测转换方程进行计算得到对应的当前状态向量；所述当前观测向量为[x1,y1,α1,h1]，α1＝w1/h1；所述当前状态向量为[x’,y’,α’,h’]；
步骤65，根据所述当前状态向量得到对应的当前中心点坐标(x’,y’)，当前宽度w’和当前高度h’，w’＝h’*α’；并在显示的所述第一图像上根据所述当前中心点坐标(x’,y’)、所述当前宽度w’和所述当前高度h’绘制对应的当前中心点和当前边框；
步骤66，根据所述当前中心点坐标(x’,y’)、所述当前宽度w’、所述当前高度h’和所述第一中心点坐标(x1，y1)、所述第一宽度w1和所述第一高度h1计算出新的所述x轴偏差率、所述y轴偏差率、所述宽高比偏差率和所述高度偏差率，并转至步骤61；其中，
x轴偏差率＝(x′-x1)/x1，
y轴偏差率＝(y′-y1)/y1，
Figure FDA0003648734470000045
高度偏差率＝(h′-h1)/h1；
步骤67，结束本次调制，并将最后得到的所述观测噪声矩阵作为卡尔曼滤波器的最新观测噪声。
7.一种用于实现权利要求1-6任一项所述的卡尔曼滤波观测噪声的可视化调制方法的装置，其特征在于，所述装置包括：第一处理模块、第二处理模块和调制处理模块；
所述第一处理模块用于获取第一图像；并向用户显示所述第一图像；并基于预设的目标检测模型，对所述第一图像进行目标检测得到对应的目标检测框；所述目标检测框对应一组目标检测框参数；所述目标检测框参数包括第一中心点坐标(x1，y1)、第一宽度w1和第一高度h1；
所述第二处理模块用于在显示的所述第一图像上根据所述第一中心点坐标(x1，y1)、所述第一宽度w1和所述第一高度h1绘制对应的第一中心点和第一边框；并使用卡尔曼滤波器的观测噪声矩阵对所述第一中心点坐标(x1，y1)、所述第一宽度w1和所述第一高度h1进行转换得到对应的第二中心点坐标(x2，y2)、第二宽度w2和第二高度h2；并在显示的所述第一图像上根据所述第二中心点坐标(x2，y2)、所述第二宽度w2和所述第二高度h2绘制对应的第二中心点和第二边框；并根据所述第一中心点坐标(x1，y1)、所述第一宽度w1、所述第一高度h1和所述第二中心点坐标(x2，y2)、所述第二宽度w2、所述第二高度h2计算出对应的x轴偏差率、y轴偏差率、宽高比偏差率和高度偏差率；
所述调制处理模块用于根据所述x轴偏差率、所述y轴偏差率、所述宽高比偏差率和所述高度偏差率对所述观测噪声矩阵进行调制。
8.一种电子设备，其特征在于，包括：存储器、处理器和收发器；
所述处理器用于与所述存储器耦合，读取并执行所述存储器中的指令，以实现权利要求1-6任一项所述的方法步骤；
所述收发器与所述处理器耦合，由所述处理器控制所述收发器进行消息收发。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，当所述计算机指令被计算机执行时，使得所述计算机执行权利要求1-6任一项所述的方法的指令。
CN202210536996.2A 2022-05-17 2022-05-17 一种卡尔曼滤波观测噪声的可视化调制方法和装置 Active CN114820721B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210536996.2A CN114820721B (zh) 2022-05-17 2022-05-17 一种卡尔曼滤波观测噪声的可视化调制方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210536996.2A CN114820721B (zh) 2022-05-17 2022-05-17 一种卡尔曼滤波观测噪声的可视化调制方法和装置

Publications (2)

Publication Number Publication Date
CN114820721A true CN114820721A (zh) 2022-07-29
CN114820721B CN114820721B (zh) 2024-03-26

Family

ID=82515887

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210536996.2A Active CN114820721B (zh) 2022-05-17 2022-05-17 一种卡尔曼滤波观测噪声的可视化调制方法和装置

Country Status (1)

Country Link
CN (1) CN114820721B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018099701A (ja) * 2016-12-20 2018-06-28 新日鐵住金株式会社 湯面形状推定方法及び湯面形状推定装置
CN109000782A (zh) * 2018-09-27 2018-12-14 哈尔滨工程大学 一种基于卡尔曼滤波的椭圆拟合非线性误差校正方法
WO2020087846A1 (zh) * 2018-10-31 2020-05-07 东南大学 基于迭代扩展卡尔曼滤波融合惯性与单目视觉的导航方法
WO2020220284A1 (zh) * 2019-04-30 2020-11-05 深圳市大疆创新科技有限公司 一种瞄准控制方法、移动机器人及计算机可读存储介质
CN113720349A (zh) * 2021-08-25 2021-11-30 北京轻舟智航科技有限公司 一种基于卡尔曼滤波的里程计信息平滑方法
CN114299417A (zh) * 2021-12-09 2022-04-08 连云港杰瑞电子有限公司 一种基于雷视融合的多目标跟踪方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018099701A (ja) * 2016-12-20 2018-06-28 新日鐵住金株式会社 湯面形状推定方法及び湯面形状推定装置
CN109000782A (zh) * 2018-09-27 2018-12-14 哈尔滨工程大学 一种基于卡尔曼滤波的椭圆拟合非线性误差校正方法
WO2020087846A1 (zh) * 2018-10-31 2020-05-07 东南大学 基于迭代扩展卡尔曼滤波融合惯性与单目视觉的导航方法
WO2020220284A1 (zh) * 2019-04-30 2020-11-05 深圳市大疆创新科技有限公司 一种瞄准控制方法、移动机器人及计算机可读存储介质
CN113720349A (zh) * 2021-08-25 2021-11-30 北京轻舟智航科技有限公司 一种基于卡尔曼滤波的里程计信息平滑方法
CN114299417A (zh) * 2021-12-09 2022-04-08 连云港杰瑞电子有限公司 一种基于雷视融合的多目标跟踪方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李一兵;王博;张兰;: "基于CA模型的转换坐标卡尔曼滤波", 弹箭与制导学报, no. 02, 15 April 2008 (2008-04-15), pages 22 - 24 *
李理敏;龚文斌;刘会杰;余金培;: "基于自适应扩展卡尔曼滤波的载波跟踪算法", 航空学报, no. 07, 16 November 2011 (2011-11-16), pages 162 - 171 *

Also Published As

Publication number Publication date
CN114820721B (zh) 2024-03-26

Similar Documents

Publication Publication Date Title
Rusu et al. 3d is here: Point cloud library (pcl)
CN109771951B (zh) 游戏地图生成的方法、装置、存储介质和电子设备
CN113298169B (zh) 一种基于卷积神经网络的旋转目标检测方法及装置
CN107341846B (zh) 一种实时显示大规模三维重建场景的方法及设备
JP2005100177A (ja) 画像処理装置およびその方法
CN116051729B (zh) 三维内容生成方法、装置和电子设备
CN108875903B (zh) 图像检测的方法、装置、系统及计算机存储介质
CN115578433B (zh) 图像处理方法、装置、电子设备及存储介质
JP2005100176A (ja) 画像処理装置およびその方法
US20210056337A1 (en) Recognition processing device, recognition processing method, and program
WO2024016930A1 (zh) 特效处理方法、装置、电子设备及存储介质
US11087511B1 (en) Automated vectorization of a raster image using a gradient mesh with arbitrary topology
CN114520894A (zh) 投影区域确定方法、装置、投影设备及可读存储介质
CN113470112A (zh) 图像处理方法、装置、存储介质以及终端
US20230334729A1 (en) Image generation method, apparatus, and device, and storage medium
WO2022235292A1 (en) Method and apparatus for generating a floor plan
CN114820721A (zh) 一种卡尔曼滤波观测噪声的可视化调制方法和装置
CN114170367B (zh) 无限视距椎状热图渲染的方法、装置、存储介质和设备
JP2023095806A (ja) 三次元データ強化、モデルトレーニング検出方法、機器および自動運転車両
CN115601275A (zh) 点云增广方法及装置、计算机可读存储介质、终端设备
CN110689606B (zh) 一种虚拟场景中雨滴下落位置的计算方法及终端
CN109308703B (zh) 利用结构化的用户点击点对解剖结构智能描轮廓
CN113628286A (zh) 视频色域检测方法、装置、计算设备及计算机存储介质
CN112581629B (zh) 增强现实显示方法、装置、电子设备及存储介质
KR100298814B1 (ko) 실시간 처리가 가능한 타원해석 볼륨렌더링 방법

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