CN115170651A - 空间位置的识别方法、装置、系统及存储介质 - Google Patents

空间位置的识别方法、装置、系统及存储介质 Download PDF

Info

Publication number
CN115170651A
CN115170651A CN202210993676.XA CN202210993676A CN115170651A CN 115170651 A CN115170651 A CN 115170651A CN 202210993676 A CN202210993676 A CN 202210993676A CN 115170651 A CN115170651 A CN 115170651A
Authority
CN
China
Prior art keywords
calibration
target
space
determining
sphere
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
CN202210993676.XA
Other languages
English (en)
Inventor
段灵峰
张世醒
米杰
许莹光
马明
刘凡
韩文利
李振豪
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.)
Shaanxi Rio Tinto Technology Co ltd
Yihai Kerry Xingping Foodstuffs Industries Co Ltd
Original Assignee
Shaanxi Rio Tinto Technology Co ltd
Yihai Kerry Xingping Foodstuffs Industries 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 Shaanxi Rio Tinto Technology Co ltd, Yihai Kerry Xingping Foodstuffs Industries Co Ltd filed Critical Shaanxi Rio Tinto Technology Co ltd
Priority to CN202210993676.XA priority Critical patent/CN115170651A/zh
Publication of CN115170651A publication Critical patent/CN115170651A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本申请涉及工程应用技术领域，具体而言，涉及一种空间位置的识别方法、装置、系统及存储介质，一定程度上可以解决已有普通摄像机的工程项目，无法确定目标的空间位置的问题。通过获取包含预设空间的至少两个标定图像，可实现获取不同的拍摄角度下包含预设空间且二维的标定图像；进一步基于每个标定图像中相同标定点的坐标，可确定标定向量，通过将标定向量通过预设转换模型，可确定预设空间的超球体；通过获取待测目标，可实现确定待测目标与超球体球心的距离，进一步确定待测目标的空间位置，实现通过二维的摄像设备获得待测目标在三维空间的空间位置。

Description

空间位置的识别方法、装置、系统及存储介质
技术领域
本申请涉及工程应用技术领域，具体而言，涉及一种空间位置的识别方法、装置、系统及存储介质。
背景技术
在工程应用中，往往需要识别不同设备或者人员等目标的空间位置。
相关技术中主要通过深度相机，获得拍摄画面，以及拍摄画面的深度信息，通过AI算法识别出目标，确定目标在空间的三维坐标，然而，对于已有的摄像设备(摄像设备只能获取图像的二维坐标)的工程项目，无法通过摄像设备获得目标的深度信息，进而无法确定目标的空间位置。
发明内容
为了解决已有普通摄像机的工程项目，无法确定目标的空间位置的问题，本申请提供了一种空间位置的识别方法、装置、系统及存储介质。
本申请的实施例是这样实现的：
本申请实施例的第一方面提供一种空间位置的识别方法，包括：
获取包含预设空间的至少两个标定图像，标定图像是基于不同的拍摄角度获得的二维图像；
基于每个标定图像中相同标定点的坐标，确定标定向量；
将标定向量通过预设转换模型，确定预设空间的超球体；
获取待测目标，以及基于待测目标与超球体球心的距离，确定待测目标的空间位置。
在一种可能的方式中，基于待测目标与超球体球心的距离，确定目标的空间位置，包括：
当待测目标与超球体球心的距离小于等于超球体半径时，确定待测目标的空间位置在预设空间内。
在一种可能的方式中，预设转换模型为支持向量数据描述模型。
在一种可能的方式中，预设空间的超球体的确定，包括超球体半径和超球体球心的确定，超球体半径和超球体球心按照下式计算获得：
Figure BDA0003804886270000011
Figure BDA0003804886270000021
式中，a是超球体球心，αi是标定向量xi对应的拉格朗日系数，n为标定向量个数，Φ(xi)是标定向量从原始空间映射到核空间的非线性变换，R是超球体半径，xv∈SV，xv为每个标定向量，SV为标定向量的集合，K(xi，xj)为核函数。
其中，核函数通过下式计算获得：
Figure BDA0003804886270000022
σ是平滑程度参数，||||是向量的模，xi，xj是空间的点。
在一种可能的方式中，待测目标与超球体球心的距离，按照下式计算获得：
Figure BDA0003804886270000023
式中，d为待测目标与超球体的球心的距离，xt为待测目标的标定向量；
当d≤R时，确定待测目标的空间位置在预设空间内。
在一种可能的方式中，获取包含预设空间的至少两个标定图像之前，方法还包括：
在预设空间下设置标定物，标定物具有标定点。
在一种可能的方式中，将标定向量通过预设转换模型，确定预设空间的超球体，还包括：
确定预设空间内的标定向量和预设空间外的标定向量；
将预设空间内的标定向量和预设空间外的标定向量通过预设转换模型，确定预设空间的超球体。
本申请实施例的第二方面提供一种空间位置的识别装置，包括：
获取模块，用于获取包含预设空间的至少两个标定图像，标定图像是基于不同的拍摄角度获得的二维图像；
分析模块，用于基于每个标定图像中相同标定点的坐标，确定标定向量，以及将标定向量通过预设转换模型，确定预设空间的超球体；
检测模块，用于获取待测目标，以及基于待测目标与超球体球心的距离，确定待测目标的空间位置。
本申请实施例的第三方面提供一种空间位置的识别系统，包括标定物、至少两个摄像机、处理器、存储器和通信总线，摄像机、处理器和存储器通过通信总线完成相互间的通信；
标定物位于每个摄像机的可视区域内；
存储器用于存放至少一可执行指令，可执行指令使处理器执行发明内容空间位置的识别方法的操作。
本申请实施例的第四方面提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，使得处理器执行发明内容的空间位置的识别方法的步骤。
本申请的有益效果；通过获取包含预设空间的至少两个标定图像，可实现获取不同的拍摄角度下包含预设空间且二维的标定图像；进一步基于每个标定图像中相同标定点的坐标，可确定标定向量，通过将标定向量通过预设转换模型，可确定预设空间的超球体，通过获取待测目标，可实现确定待测目标与超球体球心的距离，进一步确定待测目标的空间位置，实现通过二维的摄像设备获得待测目标在三维空间的空间位置。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1示出了本申请一实施例一种空间位置的识别方法的流程示意图；
图2示出了本申请另一实施例一种空间位置的识别方法的另一种流程示意图；
图3a示出了本申请另一实施例一种空间位置的识别方法空间位置的识别方法的一种应用场景图；
图3b示出了本申请另一实施例一种空间位置的识别方法第一视角下标定图案；
图3c示出了本申请另一实施例一种空间位置的识别方法第二视角下标定图案；
图4示出本申请实施例的一种空间位置的识别装置的结构示意图。
具体实施方式
为使本申请的目的、实施方式和优点更加清楚，下面将结合本申请示例性实施例中的附图，对本申请示例性实施方式进行清楚、完整地描述，显然，所描述的示例性实施例仅是本申请一部分实施例，而不是全部的实施例。
需要说明的是，本申请中对于术语的简要说明，仅是为了方便理解接下来描述的实施方式，而不是意图限定本申请的实施方式。除非另有说明，这些术语应当按照其普通和通常的含义理解。
本申请中说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等是用于区别类似或同类的对象或实体，而不必然意味着限定特定的顺序或先后次序，除非另外注明。应该理解这样使用的用语在适当情况下可以互换。
术语“包括”和“具有”以及他们的任何变形，意图在于覆盖但不排他的包含，例如，包含了一系列组件的产品或设备不必限于清楚地列出的所有组件，而是可包括没有清楚地列出的或对于这些产品或设备固有的其它组件。
在工程应用中，需要识别待测目标是否在预设空间内，目前，工程应用中，通常采用单相机的普通摄像设备，即只能拍摄空间的二维信息的图像，无法获得空间内的深度信息，例如，在一种具体的场景下，需要通过摄像设备检测人员是否在卡车上作业，在普通摄像设备的画面下，无法得知人员实在卡车上还是在后方与卡车平行的平台上。
相关技术中，可以通过将普通的摄像设备用深度相机替换，深度相机一般具有双目的，在固定的设备角度下，构成可获得目标深度信息的图像，进而获得目标在空间的三维坐标。对于多数的工程项目，摄像设备已经配备，如果对其替换，增加工程的进度时间，导致工程项目的预算增加。
为了在现有的摄像设备的基础上，获得待测目标的空间位置，本申请提供一种空间位置的识别方法、装置、系统及存储介质，空间位置的识别方法通过获取包含预设空间的至少两个标定图像，获取不同的拍摄角度下包含预设空间且二维的标定图像；另外，基于每个标定图像中相同标定点的坐标，确定标定向量，通过将标定向量通过预设转换模型，确定预设空间的超球体，通过获取待测目标，确定待测目标与超球体球心的距离，进而确定待测目标的空间位置，通过二维的摄像设备获得待测目标在三维空间的空间位置。
以下结合附图说明对本申请实施例的空间位置的识别方法、装置、系统及存储介质进行详细说明。
图1是本申请实施例提供的一种空间位置的识别方法的流程示意图，如图1所示，本申请实施例提供一种空间位置的识别方法。
具体地，空间位置的识别方法包括以下步骤：
S110、获取包含预设空间的至少两个标定图像，标定图像是基于不同的拍摄角度获得的二维图像。
应当理解的是，对于包含预设空间的标定图像，是从不同的拍摄角度获得的，需要至少两个标定图像，也就是说，标定图像可以是两张、也可以是两张以上的。
标定图像的拍摄角度不同，因此，是通过不同的摄像设备拍摄的，且该设备的拍摄图像是二维图像。
在一些实施例中，不同的摄像设备是设置在不同的位置的，且其拍摄的角度是可以调节的，因此，可通过对摄像设备的合理设置，使得摄像设备覆盖整个工程项目，提高基于摄像设备的空间位置识别。
S120、基于每个标定图像中相同标定点的坐标，确定标定向量。
需要说明的是标定图像是通过对设置有标定物且包含预设空间的拍摄获得的，根据标定物上一个或者多个标定点，可以确定在不同的标定图像中，同一个标定点的坐标。
标定物可以是点标定物，也可以是面标定物，通过标定物可在获取的标定图像上确定标定点就复合本申请的需求。
标定向量是通过不同标定图像中相同的标定点的坐标确定的。
S130、将标定向量通过预设转换模型，确定预设空间的超球体。
标定向量通过预设转换模型，可以将三维空间的信息转化到多维空间下，也就是将获取的预设空间转到多维空间下的超球体。
S140、获取待测目标，以及基于待测目标与超球体球心的距离，确定待测目标的空间位置。
其中，待测目标是在包含待测空间的空间下的，也就是说待测目标可能在待测空间内，也可能在待测空间外，这里需要注意的是即便待测目标在待测空间外，也同样是在摄像设备的拍摄范围内的。
在建立到预设空间的超球体之后，就可以对获取得待测目标进行识别，对于待测目标识别的方式是通过待测目标与超球体球心的距离，比较该距离与超球体半径的关系，进而确定待测目标的空间位置，进而可判断待测目标的空间位置与预设空间的位置关系。
本申请实施例通过获取包含预设空间的至少两个标定图像，可实现获取不同的拍摄角度下包含预设空间且二维的标定图像；进一步基于每个标定图像中相同标定点的坐标，可确定标定向量，通过将标定向量通过预设转换模型，可确定预设空间的超球体，通过获取待测目标，可实现确定待测目标与超球体球心的距离，进一步确定待测目标的空间位置，实现通过二维的摄像设备获得待测目标在三维空间的空间位置。
图2是本申请实施例提供的一种空间位置的识别方法中的另一种流程图，如图2所示，与图1对应的示例不同的是，在一种可行的方式中，获取包含预设空间的至少两个标定图像之前，即在步骤110之前，可包括以下步骤：
S101、在预设空间下设置标定物，标定物具有标定点。
标定物可以是点标定物，也可以是面标定物。
在一些实施例中，标定物可以是黑白棋盘格标定板，可以将黑白棋盘格标定板放置在预设空间下，通过不同角度的摄像设备对其拍摄获得不同的标定图像。
可以设定黑白棋盘格标定板的左上角顶点作为原点，并且获得每个黑白正方形的角点坐标作为标定向量。
例如，如图3a所示，为空间位置的识别方法的一种应用场景图，对于其中摄像设备11、12的设定，只需要对整个工程范围实现检测即可，分别为第一视角13下对包含预设空间10的第一标定图像，为第二视角14下对包含预设空间10的第二标定图像。如图3b所示，为第一视角下对包含预设空间的第一标定图像；如图3c所示，为第二视角下对包含预设空间的第二标定图像，通过步骤120基于每个标定图像中相同标定点的坐标，确定标定向量，所述标定向量是预设空间的边界坐标。
如图2所示，步骤130将标定向量通过预设转换模型，确定预设空间的超球体，还包括：
S131、确定预设空间内的标定向量和预设空间外的标定向量。
S132、将预设空间内的标定向量和预设空间外的标定向量通过预设转换模型，确定预设空间的超球体。
在一些实施例中可以只确定预设空间内的标定向量，将预设空间内的标定向量通过预设转换模型，确定预设空间的超球体。
通过上述步骤131和步骤132可以放置过拟合的情况。
本申请实施例通过在预设空间下设置标定物，标定物具有标定点，进而获取包含预设空间的至少两个标定图像，可实现获取不同的拍摄角度下包含预设空间且二维的标定图像；进一步基于每个标定图像中相同标定点的坐标，可确定标定向量，通过将预设空间内的标定向量和预设空间外的标定向量通过预设转换模型，可确定预设空间的超球体，通过获取待测目标，可实现确定待测目标与超球体球心的距离，进一步确定待测目标的空间位置，实现通过二维的摄像设备获得待测目标在三维空间的空间位置。
本申请实施例提供的又一种空间位置的识别方法，与图1和/或图2对应的示例不同的是，在一种可行的方式中，预设转换模型为支持向量数据描述模型，此时对应的步骤130和步骤140可以进一步包括以下步骤：
将标定向量通过支持向量数据描述模型，确定预设空间的超球体。
支持向量数据描述(Support Vector Data Description，SVDD)是一种单值分类算法，能够实现目标样本和非目标样本的区分，通常应用于异常检测和故障检测等领域。SVDD首先，通过非线性映射将原始训练样本，映射到高维的特征空间；然后，在特征空间中寻找一个包含全部或大部分被映射到特征空间的训练样本且体积最小的超球体(最优超球体)。
其中，预设空间的超球体的确定，包括超球体半径和超球体球心的确定，超球体半径和超球体球心按照下式计算获得：
Figure BDA0003804886270000061
Figure BDA0003804886270000062
式中，a是超球体球心，αi是标定向量xi对应的拉格朗日系数，n为标定向量个数，Φ(xi)是标定向量从原始空间映射到核空间的非线性变换，R是超球体半径，xv∈SV，xv为每个标定向量，SV为标定向量的集合，K(xi，xj)为核函数。
其中，核函数通过下式计算获得：
Figure BDA0003804886270000063
σ是平滑程度参数，||||是向量的模，xi，xj是空间的点。
标定向量通过预设转换模型，可以将三维空间的信息转化到多维空间下，也就是将获取的预设空间转到多维空间下的超球体。
待测目标与超球体球心的距离，按照下式计算获得：
Figure BDA0003804886270000071
式中，d为待测目标与超球体的球心的距离，xt为待测目标的标定向量；
当d≤R时，确定待测目标的空间位置在预设空间内。
也就是说，当待测目标与超球体球心的距离小于等于超球体半径时，确定待测目标的空间位置在预设空间内，当待测目标与超球体球心的距离大于超球体半径时，确定待测目标的空间位置在预设空间外。
在一些实施例中，也可以通过其他的分类算法模型实现空间数据的转换，比如SVM(支持向量机)等。
本申请实施例通过在预设空间下设置标定物，标定物具有标定点，进而获取包含预设空间的至少两个标定图像，可实现获取不同的拍摄角度下包含预设空间且二维的标定图像；进一步基于每个标定图像中相同标定点的坐标，可确定标定向量，通过将预设空间内的标定向量和预设空间外的标定向量通过预设转换模型，可确定预设空间的超球体，通过获取待测目标，可实现确定待测目标与超球体球心的距离，进一步确定待测目标的空间位置，实现通过二维的摄像设备获得待测目标在三维空间的空间位置。
图4示出本申请实施例的一种空间位置的识别装置的结构示意图，如图4所示，空间位置的识别装置400包括获取模块410、分析模块420和检测模块430。
获取模块，用于获取包含预设空间的至少两个标定图像，标定图像是基于不同的拍摄角度获得的二维图像。
分析模块，用于基于每个标定图像中相同标定点的坐标，确定标定向量，以及将标定向量通过预设转换模型，确定预设空间的超球体；其中，预设转换模型可以是支持向量数据描述模型。预设空间的超球体的确定，包括超球体半径和超球体球心的确定，超球体半径和超球体球心按照下式计算获得：
Figure BDA0003804886270000072
Figure BDA0003804886270000073
式中，a是超球体球心，αi是标定向量xi对应的拉格朗日系数，n为标定向量个数，Φ(xi)是标定向量从原始空间映射到核空间的非线性变换，R是超球体半径，xv∈SV，xv为每个标定向量，SV为标定向量的集合，K(xi，xj)为核函数。
其中，核函数通过下式计算获得：
Figure BDA0003804886270000081
σ是平滑程度参数，||||是向量的模，xi，xj是空间的点。
分析模块还用于确定预设空间内的标定向量和预设空间外的标定向量；将预设空间内的标定向量和预设空间外的标定向量通过预设转换模型，确定预设空间的超球体。
检测模块，用于获取待测目标，以及基于待测目标与超球体球心的距离，确定待测目标的空间位置。在一些实施例中，当待测目标与超球体球心的距离小于等于超球体半径时，确定待测目标的空间位置在预设空间内。待测目标与超球体球心的距离，按照下式计算获得：
Figure BDA0003804886270000082
式中，d为待测目标与超球体的球心的距离，xt为待测目标的标定向量。
本申请实施例空间位置的识别装置包括获取模块、分析模块和检测模块，获取模块通过获取包含预设空间的至少两个标定图像，可实现获取不同的拍摄角度下包含预设空间且二维的标定图像；进一步分析模块基于每个标定图像中相同标定点的坐标，可确定标定向量，通过将标定向量通过预设转换模型，可确定预设空间的超球体，检测模块通过获取待测目标，可实现确定待测目标与超球体球心的距离，进一步确定待测目标的空间位置，实现通过二维的摄像设备获得待测目标在三维空间的空间位置。
本申请实施例的提供一种空间位置的识别系统，包括标定物、至少两个摄像机、处理器、存储器和通信总线，摄像机、处理器和存储器通过通信总线完成相互间的通信；标定物位于每个摄像机的可视区域内。
利用两个以上交叉视角的普通摄像设备结合SVDD算法，实现空间待测目标的空间位置识别。
存储器用于存放至少一可执行指令，可执行指令使处理器执行发明内容空间位置的识别方法的操作，具体操作如下：
获取包含预设空间的至少两个标定图像，标定图像是基于不同的拍摄角度获得的二维图像；基于每个标定图像中相同标定点的坐标，确定标定向量；将标定向量通过预设转换模型，确定预设空间的超球体；获取待测目标，以及基于待测目标与超球体球心的距离，确定待测目标的空间位置。
在一种可能的方式中，基于待测目标与超球体球心的距离，确定目标的空间位置，包括：
当待测目标与超球体球心的距离小于等于超球体半径时，确定待测目标的空间位置在预设空间内。
在一种可能的方式中，预设转换模型为支持向量数据描述模型。
在一种可能的方式中，预设空间的超球体的确定，包括超球体半径和超球体球心的确定，超球体半径和超球体球心按照下式计算获得：
Figure BDA0003804886270000091
Figure BDA0003804886270000092
式中，a是超球体球心，αi是标定向量xi对应的拉格朗日系数，n为标定向量个数，Φ(xi)是标定向量从原始空间映射到核空间的非线性变换，R是超球体半径，xv∈SV，xv为每个标定向量，SV为标定向量的集合，K(xi，xj)为核函数。
其中，核函数通过下式计算获得：
Figure BDA0003804886270000093
σ是平滑程度参数，||||是向量的模，xi，xj是空间的点。
在一种可能的方式中，待测目标与超球体球心的距离，按照下式计算获得：
Figure BDA0003804886270000094
式中，d为待测目标与超球体的球心的距离，xt为待测目标的标定向量。
当d≤R时，确定待测目标的空间位置在预设空间内。
在一种可能的方式中，获取包含预设空间的至少两个标定图像之前，方法还包括：
在预设空间下设置标定物，标定物具有标定点。
在一种可能的方式中，将标定向量通过预设转换模型，确定预设空间的超球体，还包括：
确定预设空间内的标定向量和预设空间外的标定向量；将预设空间内的标定向量和预设空间外的标定向量通过预设转换模型，确定预设空间的超球体。
本申请实施例通过获取包含预设空间的至少两个标定图像，可实现获取不同的拍摄角度下包含预设空间且二维的标定图像；进一步基于每个标定图像中相同标定点的坐标，可确定标定向量，通过将标定向量通过预设转换模型，可确定预设空间的超球体，通过获取待测目标，可实现确定待测目标与超球体球心的距离，进一步确定待测目标的空间位置，实现通过二维的摄像设备获得待测目标在三维空间的空间位置。
本发明实施例提供了一种计算机可读存储介质，所述存储介质存储有至少一可执行指令，该可执行指令在空间位置的识别装置/空间位置的识别系统上运行时，使得在空间位置的识别装置/空间位置的识别系统执行上述任意方法实施例中的空间位置的识别方法。
可执行指令具体可以用于使的空间位置的识别装置/空间位置的识别系统执行以下操作：
获取包含预设空间的至少两个标定图像，标定图像是基于不同的拍摄角度获得的二维图像；基于每个标定图像中相同标定点的坐标，确定标定向量；将标定向量通过预设转换模型，确定预设空间的超球体；获取待测目标，以及基于待测目标与超球体球心的距离，确定待测目标的空间位置。
在一种可能的方式中，基于待测目标与超球体球心的距离，确定目标的空间位置，包括：
当待测目标与超球体球心的距离小于等于超球体半径时，确定待测目标的空间位置在预设空间内。
在一种可能的方式中，预设转换模型为支持向量数据描述模型。
在一种可能的方式中，预设空间的超球体的确定，包括超球体半径和超球体球心的确定，超球体半径和超球体球心按照下式计算获得：
Figure BDA0003804886270000101
Figure BDA0003804886270000102
式中，a是超球体球心，αi是标定向量xi对应的拉格朗日系数，n为标定向量个数，Φ(xi)是标定向量从原始空间映射到核空间的非线性变换，R是超球体半径，xv∈SV，xv为每个标定向量，SV为标定向量的集合，K(xi，xj)为核函数。
其中，核函数通过下式计算获得：
Figure BDA0003804886270000103
σ是平滑程度参数，||||是向量的模，xi，xj是空间的点。
在一种可能的方式中，待测目标与超球体球心的距离，按照下式计算获得：
Figure BDA0003804886270000104
式中，d为待测目标与超球体的球心的距离，xt为待测目标的标定向量。
当d≤R时，确定待测目标的空间位置在预设空间内。
在一种可能的方式中，获取包含预设空间的至少两个标定图像之前，方法还包括：
在预设空间下设置标定物，标定物具有标定点。
在一种可能的方式中，将标定向量通过预设转换模型，确定预设空间的超球体，还包括：
确定预设空间内的标定向量和预设空间外的标定向量；将预设空间内的标定向量和预设空间外的标定向量通过预设转换模型，确定预设空间的超球体。
本申请实施例通过获取包含预设空间的至少两个标定图像，可实现获取不同的拍摄角度下包含预设空间且二维的标定图像；进一步基于每个标定图像中相同标定点的坐标，可确定标定向量，通过将标定向量通过预设转换模型，可确定预设空间的超球体，通过获取待测目标，可实现确定待测目标与超球体球心的距离，进一步确定待测目标的空间位置，实现通过二维的摄像设备获得待测目标在三维空间的空间位置。
以下段落将对本申请说明书中涉及的中文术语、及其对应的英文术语进行对比罗列，以便于阅读、理解。
为了方便解释，已经结合具体的实施方式进行了上述说明。但是，上述在一些实施例中讨论不是意图穷尽或者将实施方式限定到上述公开的具体形式。根据上述的教导，可以得到多种修改和变形。上述实施方式的选择和描述是为了更好的解释原理以及实际的应用，从而使得本领域技术人员更好的使用实施方式以及适于具体使用考虑的各种不同的变形的实施方式。

Claims (10)

1.一种空间位置的识别方法，其特征在于，包括：
获取包含预设空间的至少两个标定图像，所述标定图像是基于不同的拍摄角度获得的二维图像；
基于每个标定图像中相同标定点的坐标，确定标定向量；
将所述标定向量通过预设转换模型，确定所述预设空间的超球体；
获取待测目标，以及基于所述待测目标与所述超球体球心的距离，确定所述待测目标的空间位置。
2.根据权利要求1所述的空间位置的识别方法，其特征在于，所述基于所述待测目标与所述超球体球心的距离，确定所述目标的空间位置，包括：
当所述待测目标与所述超球体球心的距离小于等于所述超球体半径时，确定所述待测目标的空间位置在所述预设空间内。
3.根据权利要求1所述的空间位置的识别方法，其特征在于，所述预设转换模型为支持向量数据描述模型。
4.根据权利要求3所述的空间位置的识别方法，其特征在于，所述预设空间的超球体的确定，包括所述超球体半径和所述超球体球心的确定，所述超球体半径和所述超球体球心按照下式计算获得：
Figure FDA0003804886260000011
Figure FDA0003804886260000012
式中，a是超球体球心，αi是标定向量xi对应的拉格朗日系数，n为标定向量个数，Φ(xi)是标定向量从原始空间映射到核空间的非线性变换，R是超球体半径，xv∈SV，xv为每个标定向量，SV为所述标定向量的集合，K(xi，xj)为核函数；
其中，核函数通过下式计算获得：
Figure FDA0003804886260000013
σ是平滑程度参数，|| ||是向量的模，xi，xj是空间的点。
5.根据权利要求4所述的空间位置的识别方法，其特征在于，所述待测目标与所述超球体球心的距离，按照下式计算获得：
Figure FDA0003804886260000014
式中，d为待测目标与超球体的球心的距离，xt为待测目标的标定向量；
当d≤R时，确定所述待测目标的空间位置在所述预设空间内。
6.根据权利要求1所述的空间位置的识别方法，其特征在于，所述获取包含预设空间的至少两个标定图像之前，所述方法还包括：
在预设空间下设置标定物，所述标定物具有标定点。
7.根据权利要求1所述的空间位置的识别方法，其特征在于，将所述标定向量通过预设转换模型，确定所述预设空间的超球体，还包括：
确定所述预设空间内的所述标定向量和所述预设空间外的所述标定向量；
将所述预设空间内的所述标定向量和所述预设空间外的所述标定向量通过预设转换模型，确定所述预设空间的超球体。
8.一种空间位置的识别装置，其特征在于，包括：
获取模块，用于获取包含预设空间的至少两个标定图像，所述标定图像是基于不同的拍摄角度获得的二维图像；
分析模块，用于基于每个标定图像中相同标定点的坐标，确定标定向量，以及将所述标定向量通过预设转换模型，确定所述预设空间的超球体；
检测模块，用于获取待测目标，以及基于所述待测目标与所述超球体球心的距离，确定所述待测目标的空间位置。
9.一种空间位置的识别系统，其特征在于，包括标定物、至少两个摄像机、处理器、存储器和通信总线，所述摄像机、所述处理器和所述存储器通过所述通信总线完成相互间的通信；
所述标定物位于每个摄像机的可视区域内；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-7任意一项所述空间位置的识别方法的操作。
10.一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上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1-7中任意一项所述的空间位置的识别方法的步骤。
CN202210993676.XA 2022-08-18 2022-08-18 空间位置的识别方法、装置、系统及存储介质 Pending CN115170651A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210993676.XA CN115170651A (zh) 2022-08-18 2022-08-18 空间位置的识别方法、装置、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210993676.XA CN115170651A (zh) 2022-08-18 2022-08-18 空间位置的识别方法、装置、系统及存储介质

Publications (1)

Publication Number Publication Date
CN115170651A true CN115170651A (zh) 2022-10-11

Family

ID=83481581

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210993676.XA Pending CN115170651A (zh) 2022-08-18 2022-08-18 空间位置的识别方法、装置、系统及存储介质

Country Status (1)

Country Link
CN (1) CN115170651A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117788781A (zh) * 2024-02-28 2024-03-29 深圳市易检车服科技有限公司 标定物识别方法、装置、电子设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117788781A (zh) * 2024-02-28 2024-03-29 深圳市易检车服科技有限公司 标定物识别方法、装置、电子设备及存储介质
CN117788781B (zh) * 2024-02-28 2024-06-07 深圳市易检车服科技有限公司 标定物识别方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
US10032286B2 (en) Tracking objects between images
WO2017080451A1 (en) Methods and systems for binocular stereo vision
US9519968B2 (en) Calibrating visual sensors using homography operators
US8755624B2 (en) Image registration device and method thereof
CN111507976B (zh) 基于多角度成像的缺陷检测方法及系统
US20040165775A1 (en) Model-based recognition of objects using a calibrated image system
US9767383B2 (en) Method and apparatus for detecting incorrect associations between keypoints of a first image and keypoints of a second image
US11699290B1 (en) Pedestrian re-identification method and apparatus based on local feature attention
US8526679B2 (en) Image processing apparatus and image processing method
JP2011508323A (ja) 不変の視覚場面及び物体の認識
JP5936561B2 (ja) 画像における外観及びコンテキストに基づく物体分類
CN109479082A (zh) 图象处理方法及装置
CN110199316A (zh) 相机和相机的图像处理方法
Horak et al. Image processing on raspberry pi for mobile robotics
CN115170651A (zh) 空间位置的识别方法、装置、系统及存储介质
CN112378333A (zh) 仓储货物测量方法和装置
Betke et al. Recognition, resolution, and complexity of objects subject to affine transformations
CN112073640B (zh) 全景信息采集位姿获取方法及装置、系统
CN112926463A (zh) 一种目标检测方法和装置
CN113436256B (zh) 拍摄装置状态识别方法、装置、计算机设备和存储介质
CN112489240B (zh) 一种商品陈列巡检方法、巡检机器人以及存储介质
JP7040627B2 (ja) 算出装置、情報処理方法およびプログラム
CN112749664A (zh) 一种手势识别方法、装置、设备、系统及存储介质
CN115482285A (zh) 图像对齐方法、装置、设备及存储介质
JP2016194847A (ja) 画像検出装置、画像検出方法およびプログラム

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