CN115657735A - 目标定位跟踪方法、装置及计算机可读存储介质 - Google Patents

Abstract

本申请公开了一种目标定位跟踪方法、装置及计算机可读存储介质。该方法包括：获取当前图像；判断当前图像中是否包含目标；若当前图像中包含目标，则基于当前图像确定目标与用于陪伴目标的机器人的当前位置关系；其中，当前图像是由监控设备拍摄到的，监控设备的视野范围为机器人和目标所处的监控区域，当前位置关系包括机器人与目标的当前距离、以及机器人相对于目标的当前朝向；或者，当前图像是由机器人拍摄到的，当前位置关系包括当前图像中目标对应的目标区域的尺寸、以及目标区域的中心偏离当前图像的中心的距离。通过上述方式，能够提高目标定位跟踪的效率。

Description

目标定位跟踪方法、装置及计算机可读存储介质

技术领域

本申请涉及目标跟踪技术领域，特别是涉及一种目标定位跟踪方法、装置及计算机可读存储介质。

背景技术

随着科技的发展，为了迎合目标的陪伴需求，用于陪伴目标的机器人应运而生。机器人可以在目标无人看管的情况下陪伴目标。例如，主人外出时，机器人陪伴家中宠物，以实现对宠物的看管和定时喂食等需求。又如，家长外出时，机器人陪伴家中小孩，以避免危险情况的发生。

机器人陪伴目标过程中，需要对目标进行定位跟踪，以确定机器人与目标的相对位置关系。但是，目前的目标定位跟踪方法实现起来效率不高。

发明内容

本申请提供一种目标定位跟踪方法、装置及计算机可读存储介质，能够解决目前的目标定位跟踪方法实现起来效率不高。

为解决上述技术问题，本申请采用的一个技术方案是：提供一种目标定位跟踪方法。该方法包括：获取当前图像；判断当前图像中是否包含目标；若当前图像中包含目标，则基于当前图像确定目标与用于陪伴目标的机器人的当前位置关系；其中，当前图像是由监控设备拍摄到的，监控设备的视野范围为机器人和目标所处的监控区域，当前位置关系包括机器人与目标的当前距离、以及机器人相对于目标的当前朝向；或者，当前图像是由机器人拍摄到的，当前位置关系包括当前图像中目标对应的目标区域的尺寸、以及目标区域的中心偏离当前图像的中心的距离。

为解决上述技术问题，本申请采用的另一个技术方案是：提供一种目标定位跟踪装置，该目标定位跟踪装置包括处理器、与处理器连接的存储器，其中，存储器存储有程序指令；处理器用于执行存储器存储的程序指令以实现上述方法。

为解决上述技术问题，本申请采用的又一个技术方案是：提供一种计算机可读存储介质，存储有程序指令，该程序指令被执行时能够实现上述方法。

通过上述方式，本申请获取由监控设备或者机器人拍摄到的当前图像，在当前图像包含目标的情况下，基于当前图像确定目标与机器人的当前位置关系(视觉定位跟踪)。一方面，相较于探索式定位跟踪，视觉定位跟踪能够节省定位跟踪所需耗费的时间，提高目标定位跟踪的效率；另一方面，目标无需佩戴任何电子设备，就可以自动实现对目标的定位跟踪，能够降低目标定位跟踪的复杂度。

附图说明

图1是本申请目标定位跟踪方法一实施例的流程示意图；

图2是本申请目标定位跟踪方法另一实施例的流程示意图；

图3是本申请应用场景的一示意图；

图4是本申请目标定位跟踪方法又一实施例的流程示意图；

图5是当前图像是机器人拍摄到的情况下当前图像的示意图；

图6是本申请应用场景的另一示意图；

图7是本申请目标定位跟踪方法一具体实例的流程示意图；

图8是本申请目标定位跟踪方法另一具体实例的流程示意图；

图9是目标定位跟踪系统的一结构示意图；

图10是本申请目标定位跟踪装置一实施例的结构示意图；

图11是本申请目标定位跟踪装置另一实施例的结构示意图；

图12是本申请计算机可读存储介质一实施例的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。

本申请中的术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，在不冲突的情况下，本文所描述的实施例可以与其它实施例相结合。

图1是本申请目标定位跟踪方法一实施例的流程示意图。需注意的是，若有实质上相同的结果，本实施例并不以图1所示的流程顺序为限。

如图1所示，本实施例可以包括：

S11：获取当前图像。

当前图像是由监控设备拍摄到或者用于陪伴目标的机器人拍摄到的。

本申请方法实施例的执行主体是目标定位跟踪装置，目标定位跟踪装置可以是监控设备、与监控设备建立通信连接的其他电子设备、机器人、与机器人建立连接的其他电子设备。

目标可以是动物(如宠物猫、宠物狗)、预设年龄段的人(如小孩、老人)或者其他有陪伴需求的对象。用于陪伴目标的机器人可以包括导航传感器，该导航传感器可以是里程计、陀螺仪、加速计等等，导航传感器可以用于累计机器人的运动数据并实时计算得到机器人的位姿。机器人还可以包括摄像头，一般来说摄像头正对机器人的前方(相对机器人行走方向而言)。机器人与目标均处于监控区域。

当前图像是指当前时刻对监控区域拍摄到的图像。

监控设备可以是独立的摄像头，也可以是包含摄像头的终端，监控设备的视野范围广于机器人，监控设备的视野范围为所述机器人和所述目标所处的监控区域。监控设备的视角可以正对监控区域，也可以非正对监控区域。在非正对监控区域的情况下，如果当前图像是由监控设备拍摄到的，在将当前图像用于后续步骤之前，需要利用投影矩阵对当前图像进行投影变化，以转换其拍摄视角为正对监控区域的视角。

S12：判断当前图像中是否包含目标。

可以利用目标位置检测算法对当前图像进行目标检测，以确定其中是否包含目标。在目标被监控区域的遮挡物遮挡的情况下，例如目标在沙发或者桌子下方，可能导致当前图像中未包含目标。

若当前图像中包含目标，则执行S13；否则向用户发出跟丢提醒或者执行S14(继续定位跟踪)。

S13：基于当前图像确定目标与用于陪伴目标的机器人的当前位置关系。

当前位置关系表征目标的当前位置与机器人的当前位姿之间的关系，目标的当前位置为目标在当前图像中的位置，机器人的当前位姿包括机器人的当前位置，以及机器人相对于目标的当前朝向。

在当前图像是由监控设备拍摄到的情况下，当前位置关系可以包括目标与机器人的当前距离、机器人相对于目标的当前朝向。目标与机器人之间的当前距离，为目标的当前位置和机器人的当前位置之间的距离。基于此，S13可以包括：

获取当前图像中目标的当前位置和机器人的当前位姿；基于目标的当前位置和机器人的当前位置，获取目标与机器人的当前距离。

若当前图像中不仅包括目标还包括机器人，则可以用目标位置检测算法对当前图像检测得到目标的当前位置，用机器人位姿检测算法对当前图像检测得到机器人的当前位姿。

或者，不管当前图像中是否还包括机器人，只用目标检测算法对当前图像检测得到目标的当前位置，用机器人的导航传感器累计得到机器人的当前位姿。导航传感器的初始累计值可以是人为录入的，也可以是通过机器人位姿检测算法对监控设备拍摄到的首张第一图像检测得到的。此种方式下，定位跟踪全程直接采用导航传感器累积得到的机器人的当前位姿，能够节省启用机器人位姿检测算法所需的计算资源。

或者，若当前图像中未包括机器人，用目标位置检测算法对当前图像检测得到目标的当前位置，用机器人的导航传感器在机器人的历史位姿的基础上累计得到机器人的当前位姿。机器人的历史位姿是基于监控设备拍摄到的历史图像确定的，即历史图像中包括机器人，历史位姿是用机器人位姿检测算法对历史图像检测得到的，且在检测得到历史位姿之后，将导航传感器在历史时刻累计的历史位姿对齐至检测得到的历史位姿。此种方式下，如果监控设备拍到机器人，就可以通过检测算法确定机器人的当前位姿。如果机器人被监控区域的遮挡物遮挡，导致监控设备未拍到机器人，由于通过历史图像检测到机器人的历史位姿之后，会将导航传感器累积的历史位姿对齐至检测得到的历史位姿，因此导航传感器可以在对齐后的历史位姿的基础之上，进一步累计得到机器人的当前位姿。从而通过当前图像与导航传感器联合的方式，不但能够在监控设备拍到机器人的时候通过当前图像确定机器人的当前位姿，还能够在监控设备未拍到机器人的时候通过导航传感器在历史位姿的基础上累计得到机器人的当前位姿，在不缺失准确度的同时保证机器人的当前位姿的正常确定。

在当前图像是由机器人拍摄到的情况下，当前位置关系可以包括当前图像中目标对应的目标区域的尺寸，以及目标区域的中心偏离当前图像的中心的距离。基于此，S13可以包括：

确定当前图像中目标对应的目标区域；获取目标区域的尺寸以及目标区域的中心偏离当前图像的中心的距离，作为当前位置关系。目标区域可以是当前图像中目标的连通域或者外接矩形框。

S14：用其他方式确定目标与机器人的当前位置关系。

在一些实施例中，可以在至少一个参考位置搜索目标(探索式定位跟踪目标)，并基于搜索到目标时机器人的位姿与目标的位置，确定当前位置关系。从而，提高搜索到目标的概率，提高通过目标定位跟踪成功确定当前位置关系的概率。

参考位置可以是随机生成的。或者，参考位置可以为目标出现的可能性相对较高的位置。

出现的可能性相对较高的位置可以为目标的若干历史位置。目标的若干历史位置包括目标在若干历史时刻分别对应的位置。若干历史时刻可以包括当前时刻之前的至少一历史时刻，例如包括与当前时刻最近的预设数量个历史时刻。目标的历史位置可以是通过监控设备在历史时刻拍摄到的历史图像确定的，即监控设备拍摄到的历史图像中目标的位置。或者，目标的历史位置可以是通过机器人拍摄到的历史图像确定的，即根据拍摄该历史图像时机器人与目标的历史位置关系，对该历史图像中目标的位置转换得到的。

或者，参考位置可以为各聚类结果的聚类中心，各聚类结果是对目标的若干历史位置聚类得到的。

或者，参考位置可以为机器人的若干历史位置，机器人的历史位置获取方式与机器人的当前位置的获取方式类似，请参考S13的具体说明，在此不赘述。

可以依序在各个参考位置搜索目标，直到搜索到目标为止。若参考位置是出现的可能性相对较高的位置，搜索顺序可以随机。在出现的可能性相对较高的位置为目标的若干历史位置的情况下，搜索顺序还可以为对应的历史时刻与当前时刻的间隔从小到大的顺序；在出现的可能性相对较高的位置为聚类中心的情况下，搜索顺序还可以为各聚类中心的权重从大到小的顺序，聚类中心的权重越大，代表目标出现在该聚类中心的可能性越高。

聚类中心的权重可以是由聚类中心对应的聚类结果中历史位置的数量决定的，即聚类中心的权重与对应的聚类结果中历史位置的数量正相关，或者聚类中心的权重等于对应的聚类结果中历史位置的数量。或者，聚类中心的权重是由聚类中心对应的聚类结果中各历史位置的类间距离决定的，即聚类中心的权重与对应的聚类结果中各历史位置的类间距离正相关，或者聚类中心的权重等于对应的聚类结果中各历史位置的类间距离。

如下对在参考位置搜索目标的过程进行举例说明：参考位置包括p1～pn，可以基于导航传感器控制机器人移动至p1；控制机器人在p1转动，并记录机器人在转动角度下拍摄到的搜索图像；判断搜索图像中是否包含目标；若包含目标，则停止搜索，并基于该搜索图像确定当前位置关系，基于搜索图像确定当前位置关系的方式，与基于机器人拍摄的当前图像获取当前位置关系的方式类似；若未包含目标，则在p1继续转动并拍摄新的搜索图像，直至在p1转动一周；若转动一周还未搜索到目标，则将p1标记为已经搜索的参考位置，并且在p2继续搜索，以此类推，直至搜索到目标。

若参考位置为出现的可能性相对较高的位置，且在出现的可能性相对较高的位置均未搜索到目标，还可以继续在随机生成的位置搜索，直至搜索到目标。

在一些实施例中，若S11～S13中当前图像是由监控设备拍摄到的，S14中可以获取新的当前图像，新的当前图像是由机器人拍摄到的；判断新的当前图像是否包含目标，若包含目标，则基于新的当前图像确定当前位置关系；若不包含目标，则在参考位置搜索目标，以确定当前位置关系。基于新的当前图像确定当前位置关系的方式，与S13中当前图像为机器人拍摄得到的情况下当前位置关系的方式类似，在此不赘述。

从而，能够在监控设备定位跟踪不到目标的时候，通过机器人定位跟踪目标，在机器人定位跟踪不到目标的时候，才通过探索式定位跟踪目标，实现监控设备和机器人对目标的联合定位跟踪。由此，能够扩大视觉定位跟踪目标的范围，缩短探索式定位跟踪目标的范围，缩短定位跟踪时间，更快速地定位跟踪到目标。

在一些实施例中，若S11～S13中当前图像是由机器人拍摄到的，S14中可以获取新的当前图像，新的当前图像是由监控设备拍摄到的；判断新的当前图像是否包含目标；若包含目标，则基于新的当前图像确定当前位置关系；若不包含目标，则在参考位置搜索目标，以确定当前位置关系。基于新的当前图像确定当前位置关系的方式，与S13中当前图像为监控设备拍摄得到的情况下当前位置关系的方式类似，在此不赘述。

从而，能够在机器人定位跟踪不到目标的时候，通过监控设备定位跟踪目标，在监控设备定位跟踪不到目标的时候，才通过探索式定位跟踪目标，实现监控设备和机器人对目标的联合定位跟踪。由此，能够扩大视觉定位跟踪目标的范围，缩短探索式定位跟踪目标的范围，缩短定位跟踪时间，更快速地定位跟踪到目标。

通过本实施例的实施，本申请获取由监控设备或者机器人拍摄到的当前图像，在当前图像包含目标的情况下，基于当前图像确定目标与机器人的当前位置关系(视觉定位跟踪)。一方面，相较于探索式定位跟踪，视觉定位跟踪能够节省定位跟踪所需耗费的时间，提高目标定位跟踪的效率；另一方面，目标无需佩戴任何电子设备，就可以自动实现对目标的定位跟踪，能够降低目标定位跟踪的复杂度。

进一步地，前述提及的目标位置检测算法是依据训练好的第一神经网络实现的，机器人位姿检测算法是依据训练好的第二神经网络实现的。

针对第一神经网络的训练，可以预先获取批量的训练样本(训练图像和标注数据)，训练图像包含训练对象，训练对象可以是与目标相同类别或相近类别的对象，标注数据包括训练对象在训练图像中的位置(如左上顶点坐标、右下顶点坐标)；利用批量的训练样本对第一神经网络进行训练。

在一些实施例中，若第一神经网络用于对监控设备拍摄到的图像，训练图像的拍摄主体可以是监控设备；若第一神经网络用于对机器人拍摄到的图像，训练图像的拍摄主体可以是机器人，以使得训练图像的格式与应用阶段的图像格式一致。

在一些实施例中，无论第一神经网络用于的图像是监控设备拍摄到的还是机器人拍摄到的，均可以用监控设备、机器人或者其他设备拍摄训练图像，且在训练之前需要将训练图像的格式与应用阶段的图像格式对齐。

在一些实施例中，可以将批量的训练样本分为训练集、验证集和测试集三部分，在训练集上对第一神经网络进行训练，在验证集上进行验证，最后选取在测试集中检测结果最准确的网络，作为训练好的第一神经网络。

针对第二神经网络的训练，与第一神经网络的训练样本区别在于标注数据的不同，标注数据包括训练对象在训练图像中的位姿(如左上顶点坐标、右下顶点坐标和朝向角)。

进一步地，由于在很多场景下，机器人与目标之间的主动交互需要在理想位置关系下进行，例如宠物陪伴机器人向宠物投食，在机器人与目标的距离为固定距离，且机器人相对于目标的朝向为固定朝向的前提下进行。因此，在确定当前位置关系之后，可以判断当前位置关系是否为理想位置关系，若不为理想位置关系，则调整机器人的当前位姿，以更新当前位置关系为理想位置关系。具体可以如下：

图2是本申请目标定位跟踪方法另一实施例的流程示意图。需注意的是，若有实质上相同的结果，本实施例并不以图2所示的流程顺序为限。S11～S13中当前图像是由监控设备拍摄到的，机器人的当前位姿包括机器人与目标之间的当前距离、以及机器人相对于目标的当前朝向。如图2所示，本实施例可以包括：

S21：基于目标的当前位置的参考点与机器人的当前位置的参考点之间的连线，获取机器人相对于目标的理想朝向。

当前位置的参考点可以是当前位置中任意一个像素点，例如中心，当前位置的参考点同理。参考点的坐标可以表示为(x，y)，x和y分别代表在图像坐标系中水平方向X和垂直方向Y的坐标。理想朝向下机器人相对预设方向(水平方向或垂直方向)的朝向角为连线相对于预设方向的朝向角。机器人与目标的当前距离为连线的长度。

S22：判断当前朝向是否为理想朝向，当前距离是否为第一理想距离。

若当前朝向下机器人相对预设方向的朝向角等于理想朝向下连线相对于预设方向的朝向角，则判定当前朝向为理想朝向。

若不为理想朝向，则执行S23；若不为第一理想距离，则执行S24；若为理想朝向且为第一理想距离，则不进行调整。

S23：调整机器人的当前朝向为理想朝向。

可以用理想朝向下的朝向角减去当前朝向下的朝向角，得到调整角度，控制机器人旋转该角度，以将当前朝向更新为理想朝向。

S24：调整机器人的当前位置，以使机器人与目标的当前距离为第一理想距离。

可以用第一理想距离减去当前距离，得到调整距离，控制机器人移动该距离，以将当前距离更新为第一理想距离。

如下结合图3对S21～S24进行举例说明：

图3中包括宠物以及宠物陪伴机器人，在图像坐标系XOY中，宠物的当前位置包括宠物左上顶点坐标(x_p1，y_p1)和宠物右下顶点坐标(x_p2，y_p2)，机器人的当前位姿包括机器人左上顶点坐标(x_r1，y_r1)、机器人右下顶点坐标(x_r2，y_r2)和当前朝向下机器人相对于X方向的朝向角thetar。机器人的当前位置的中心与宠物的当前位置的中心之间的连线为L。用L相对于X方向的朝向角减去thetar，得到机器人的调整角度；用第一理想距离减去L的长度，得到机器人的调整距离。基于调整角度、调整距离对机器人调整，以更新当前位置关系为理想位置关系。

通过本实施例中的实施，本申请能够基于目标与机器人的当前位置关系指导机器人移动，调整机器人的当前位姿，以保持目标与机器人的位置关系为理想位置关系。

图4是本申请目标定位跟踪方法又一实施例的流程示意图。需注意的是，若有实质上相同的结果，本实施例并不以图4所示的流程顺序为限。S11～S13中当前图像是由机器人拍摄到的，当前位置关系包括目标区域的尺寸，以及目标区域的中心偏离当前图像的中心的距离。如图4所示，本实施例可以包括：

S31：判断目标区域的尺寸是否为理想尺寸，目标区域的中心偏离当前图像的中心的距离是否为第二理想距离。

结合参阅图5，图5是当前图像是机器人拍摄到的情况下当前图像的示意图，如图5所示，当前图像中宠物区域为A，A的左上顶点坐标为(x_p1，y_p1)、右下顶点坐标为(x_p2，y_p2)，当前图像的中心线为a。

理想尺寸即为机器人与目标的距离为理想朝向时目标区域的尺寸，第二理想距离即为机器人的朝向为理想朝向时目标区域的中心偏离当前图像的中心的距离。在一些实施例中，第二理想距离为0，即目标在当前图像的中心。

若不为理想尺寸，则执行S32；若不为第二理想距离，则执行S33；若为理想尺寸且为第二理想距离，则不进行调整。

S32：调整机器人的当前位置。

目标区域的尺寸反映机器人与目标的当前距离。可以设置尺寸偏差与调整距离的对应关系；获取当前图像中目标区域的尺寸与理想尺寸之间的尺寸偏差；基于对应关系确定调整距离；基于确定的距离调整机器人的当前位置。

S33：调整机器人的当前朝向。

可以设置距离偏差与调整角度的对应关系；获取目标区域的中心偏离当前图像的中心的距离与第二理想距离之间的距离偏差；基于对应关系确定调整角度；基于确定的角度调整机器人的当前朝向。

通过本实施例中的实施，本申请能够基于目标与机器人的当前位置关系指导机器人移动，调整机器人的当前位姿，以保持目标与机器人的位置关系为理想位置关系。

如下结合图6～8，结合一室内应用场景对本申请提供的目标定位跟踪方法进行详细说明：

结合参阅图6，该室内应用场景下，监控区域布设有监控设备，宠物处在监控区域，机器人可以往返于充电桩与监控区域。

1)判断机器人是否开机；若是则进入2)；否则结束。

2)判断机器人是否在充电；若是则进入3)；否则进入6)。

3)判断机器人电量是否充满；若否则进入4)；否则进入5)。

4)继续充电。预设时间后进入3)，以循环判断电量是否充满。

5)控制机器人离开充电桩且向监控区域移动。进入6)。

6)判断机器人电量是否低于预设值；若是则控制机器人返回充电桩并进入3)；否则进入7)。

7)机器人移动至监控区域后，联合机器人和监控设备对监控区域的宠物进行定位跟踪：

①获取当前图像，当前图像是由监控设备拍摄到的。

②判断当前图像中是否包含宠物和机器人；若是则进入③；否则进入④。

③基于当前图像确定宠物与机器人的当前位置关系。具体来说，利用目标位置检测算法获取当前图像中宠物的当前位置，以及用机器人位姿检测算法获取当前图像中机器人的当前位姿，从而得到当前位置关系。进入⑧。

④获取新的当前图像，新的当前图像是由机器人拍摄到的。

⑤判断新的当前图像是否包含宠物；若是则进入⑥；否则进入⑦。

⑥基于新的当前图像确定宠物与机器人的当前位置关系。具体来说，利用目标位置检测算法获取当前图像中宠物的当前位置，利用导航传感器累计得到机器人的当前位姿，从而得到当前位置关系。进入⑧。

⑦在参考位置搜索目标，以确定当前位置关系。进入⑧。

⑧判断当前位置关系是否为理想位置关系；若是则进入⑨；否则返回①，以继续定位跟踪。

⑨调整机器人的当前位姿，以更新当前位置关系为理想位置关系。返回①，以继续定位跟踪。

图9是目标定位跟踪系统的一结构示意图。如图9所示，目标定位跟踪系统包括监控设备、机器人和目标定位跟踪装置。

监控设备和机器人均可用于获取监控区域的图像；目标定位跟踪系统可以接收图像并对图像分析，以实现前述目标定位跟踪方法。具体实现过程请参考前面的方法实施例，在此不赘述。

在其他实施例中，目标定位跟踪装置可以是监控设备或者机器人本身。

在其他实施例中，目标定位跟踪系统也可以仅包括监控设备或者机器人中的一个。

图10是本申请目标定位跟踪装置一实施例的结构示意图。如图10所示，该目标定位跟踪装置包括获取模块11、判断模块12和确定模块13。

其中，获取模块11可以用于获取当前图像，当前图像是由监控设备拍摄到或者用于陪伴目标的机器人拍摄到的。

判断模块12可以用于判断当前图像中是否包含目标。

确定模块13可以用于在当前图像中包含目标的情况下，基于当前图像确定目标与机器人的当前位置关系。

本实施例的其他详细描述，请参考前面的方法实施例，在此不赘述。

通过本实施例的实施，本申请目标定位跟踪装置用获取模块获取由监控设备或者机器人拍摄到的当前图像，用判断模块判断当前图像中是否包含目标，用确定模块在当前图像包含目标的情况下，基于当前图像确定目标与机器人的当前位置关系(视觉定位跟踪)。一方面，相较于探索式定位跟踪，能够节省定位跟踪所需耗费的时间，提高目标定位跟踪的效率；另一方面，目标无需佩戴任何电子设备，就可以自动实现对目标的定位跟踪，能够降低目标定位跟踪的复杂度。

图11是本申请目标定位跟踪装置另一实施例的结构示意图。如图11所示，该目标定位跟踪装置包括处理器21、与处理器21耦接的存储器22。

其中，存储器22存储有用于实现上述任一实施例的方法的程序指令；处理器21用于执行存储器22存储的程序指令以实现上述方法实施例的步骤。其中，处理器21还可以称为CPU(Central Processing Unit，中央处理单元)。处理器21可能是一种集成电路芯片，具有信号的处理能力。处理器21还可以是通用处理器、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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

图12是本申请计算机可读存储介质一实施例的结构示意图。如图12所示，本申请实施例的计算机可读存储介质30存储有程序指令31，该程序指令31被执行时实现本申请上述实施例提供的方法。其中，该程序指令31可以形成程序文件以软件产品的形式存储在上述计算机可读存储介质30中，以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的计算机可读存储介质30包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质，或者是计算机、服务器、手机、平板等终端设备。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。以上仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (12)

1.一种目标定位跟踪方法，其特征在于，包括：

获取当前图像；

判断所述当前图像中是否包含所述目标；

若所述当前图像中包含所述目标，则基于所述当前图像确定所述目标与用于陪伴所述目标的机器人的当前位置关系；

其中，所述当前图像是由监控设备拍摄到的，所述监控设备的视野范围为所述机器人和所述目标所处的监控区域，所述当前位置关系包括所述机器人与所述目标的当前距离、以及所述机器人相对于所述目标的当前朝向；或者，所述当前图像是由所述机器人拍摄到的，所述当前位置关系包括所述当前图像中所述目标对应的目标区域的尺寸、以及所述目标区域的中心偏离所述当前图像的中心的距离。

2.根据权利要求1所述的方法，其特征在于，在所述当前图像由所述监控设备拍摄到，且所述当前图像中还包含所述机器人的情况下，所述基于所述当前图像确定所述目标与所述机器人的当前位置关系，包括：

获取所述当前图像中所述目标的当前位置和所述机器人的当前位姿，所述机器人的当前位姿包括所述机器人的当前位置和所述机器人相对于所述目标的当前朝向；

基于所述目标的当前位置和所述机器人的当前位置，获取所述目标与所述机器人的当前距离。

3.根据权利要求2所述的方法，其特征在于，所述机器人的当前位姿是由所述机器人的导航传感器在所述机器人的历史位姿的基础上累计得到的，所述机器人的历史位姿是基于所述监控设备拍摄到的历史图像确定的。

4.根据权利要求1所述的方法，其特征在于，在所述当前图像由所述监控设备拍摄到的情况下，在所述判断所述当前图像中是否包含所述目标之后，所述方法进一步包括：

若所述当前图像中未包含所述目标，则获取新的当前图像，所述新的当前图像是由所述机器人拍摄到的；

判断所述新的当前图像是否包含所述目标；

若所述新的当前图像包含所述目标，则基于所述新的当前图像确定所述目标与所述机器人的当前位置关系。

5.根据权利要求1所述的方法，其特征在于，在所述当前图像由所述机器人拍摄到的情况下，所述基于所述当前图像确定所述目标与所述机器人的当前位置关系，包括：

确定所述当前图像中所述目标对应的目标区域；

获取所述目标区域的尺寸以及所述目标区域的中心偏离所述当前图像的中心的距离，作为所述当前位置关系。

6.根据权利要求1所述的方法，其特征在于，在所述当前图像由所述机器人拍摄到的情况下，在所述判断所述当前图像是否包含所述目标之后，所述方法还包括：

若所述当前图像未包含所述目标，则在至少一个参考位置上搜索所述目标。

7.根据权利要求6所述的方法，其特征在于，所述至少一个参考位置为各聚类结果的聚类中心，所述各聚类结果是对目标的若干历史位置聚类得到的，所述目标的若干历史位置包括所述目标在若干历史时刻分别对应的历史位置；

所述在至少一个参考位置上搜索所述目标，包括：

确定各所述聚类中心的权重，所述聚类中心的权重与对应的所述聚类结果中所述历史位置的数量正相关；

依据所述权重从大到小的顺序，在各所述聚类中心搜索所述目标。

8.根据权利要求1所述的方法，其特征在于，在所述基于所述当前图像确定所述目标与所述机器人的当前位置关系之后，所述方法还包括：

若所述当前位置关系不为理想位置关系，则调整所述机器人的当前位姿，以更新所述当前位置关系为所述理想位置关系。

9.根据权利要求8所述的方法，其特征在于，在所述当前图像由所述监控设备拍摄到的情况下，所述若所述当前位置关系不为理想位置关系，则调整所述机器人的当前位姿，包括：

基于所述目标的当前位置的参考点与所述机器人的当前位置的参考点之间的连线，获取所述机器人相对于所述目标的理想朝向；

若所述当前朝向不为所述理想朝向，则调整所述机器人的当前朝向为所述理想朝向，若所述当前距离不为第一理想距离，则调整所述机器人的当前位置，以更新所述机器人与所述目标的当前距离为所述第一理想距离。

10.根据权利要求8所述的方法，其特征在于，在所述当前图像由所述机器人拍摄到的情况下，所述若所述当前位置关系不为理想位置关系，则调整所述机器人的当前位姿，包括：

若所述目标区域的尺寸不为理想尺寸，则调整所述机器人的当前位置，若所述目标区域的中心偏离所述当前图像的中心的距离不为第二理想距离，则调整所述机器人的当前朝向。

11.一种目标定位跟踪装置，其特征在于，包括处理器、与所述处理器连接的存储器，其中，

所述存储器存储有程序指令；

所述处理器用于执行所述存储器存储的所述程序指令以实现权利要求1-10中任一项所述的方法。

12.一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程序指令，所述程序指令能够被处理器执行，被执行时实现如权利要求1-10中任一项所述的方法。

Images