CN115690231A - 一种基于多目视觉的定位方法 - Google Patents

Abstract

本说明书公开了一种基于多目视觉的定位方法，包括：获取第一定位点数据；第一定位点数据为第一数据采集装置在第一位置采集得到的图像中目标物的中心像素点；获取第二定位点数据；第二定位点数据为第二数据采集装置在第二位置采集得到的图像中目标物的中心像素点；根据第一定位点数据的像素坐标信息，计算得到目标物的第一位置信息；根据第二定位点数据的像素坐标信息，计算得到目标物的第二位置信息；计算第一位置信息的第一置信度和第二位置信息的第二置信度，以及第一位置信息与第二位置信息之间的目标间距离；根据第一置信度和第二置信度以及目标间距离，计算得到目标物的融合后位置信息。本说明书实施例提供的定位方法能够提高定位的精度。

Description

一种基于多目视觉的定位方法

技术领域

本申请涉及自动驾驶技术领域，尤其涉及一种基于多目视觉的定位方法。

背景技术

现有的视觉定位技术中，多目视觉定位技术是采用多个摄像头相互覆盖，将多个摄像头的定位结果融合在一起输出的多目视觉定位技术。多目视觉定位技术可以将每个摄像头的高精度定位区域相互覆盖，从而保证在一整片区域内，视觉定位的精度都可以达到很高的水平。

在实际情况中，由于单摄像头对远距离的目标定位精度较差的原因，在送入融合模块的目标信息中，经常存在同一个目标在不同摄像头中的位置偏差过大，导致融合模块将其判断为两个目标，无法融合的情况。

因此，亟需一种视觉定位融合方法，以提高多目视觉定位精度。

发明内容

本说明书实施例提供一种基于多目视觉的定位方法，以解决多目视觉定位中位置偏差带来的同一目标无法融合的问题。

为解决上述技术问题，本说明书实施例是这样实现的：

本说明书实施例提供的基于多目视觉的定位方法，包括：

获取第一定位点数据；所述第一定位点数据为第一数据采集装置在第一位置采集得到的图像中目标物的中心像素点；

获取第二定位点数据；所述第二定位点数据为第二数据采集装置在第二位置采集得到的图像中目标物的中心像素点；

根据所述第一定位点数据的像素坐标信息，计算得到所述目标物的第一位置信息；

根据所述第二定位点数据的像素坐标信息，计算得到所述目标物的第二位置信息；

计算所述第一位置信息的第一置信度和所述第二位置信息的第二置信度，以及所述第一位置信息与所述第二位置信息之间的目标间距离；

根据所述第一置信度和第二置信度以及目标间距离，计算得到所述目标物的融合后位置信息。

可选的，所述计算所述第一位置信息的第一置信度和所述第二位置信息的第二置信度，具体包括：

获取第一像素偏移量；

判断所述第一位置信息的第一像素偏移量是否大于所述像素偏移量阈值，得到第一判断结果；

所述第一判断结果表示是时，确定所述第一置信度为零；

所述第一判断结果表示否时，将1-第一像素偏移量/像素偏移量阈值的值确定为所述第一置信度；

获取第二像素偏移量；

判断所述第二位置信息的第二像素偏移量是否大于所述像素偏移量阈值，得到第二判断结果；

所述第二判断结果为是时，所述第二置信度为零；

所述第二判断结果为否时，将1-第二像素偏移量/像素偏移量阈值的值为所述第二置信度。

可选的，所述获取第一像素偏移量具体包括：

获取所述第一定位点相邻的各个像素点的位置信息；

计算所述第一定位点与所述各个像素点之间的第一像素点间距离；

计算所述第一像素点间距离的平均值，确定所述平均值为所述第一像素偏移量；

所述获取第二像素偏移量具体包括：

获取所述第二定位点相邻的各个像素点的位置信息；

计算所述第二定位点与所述各个像素点之间的第二像素点间距离；

计算所述第二像素点间距离的平均值，确定所述平均值作为所述第二像素偏移量。

可选的，所述根据所述第一定位点数据的像素坐标信息，计算得到所述目标物的第一位置信息，具体包括：

将所述第一定位点的像素点坐标信息进行坐标转换，得到所述第一位置信息；

所述根据所述第二定位点数据的像素坐标信息，计算得到所述目标物的第二位置信息，具体包括：

将所述第二定位点的像素点坐标进行坐标转换，得到所述第二位置信息。

可选的，在所述获取第一定位点数据之前，所述方法还包括：

获取数据采集装置在采集得到的目标物图像；所述目标物为多个；

在所述目标图像中确定具有相同目标物标识的图像集合；

在所述图像集合中确定所述第一定位点数据和第二定位点数据。

可选的，所述计算所述目标物融合后的定位数据，具体包括：

获取目标允许最大距离和最小可信置信度；

基于所述第一位置信息和第二位置信息的目标距离以及所述第一置信度和第二置信度，计算所述目标物融合后的定位数据。

可选的，当所述第一位置信息和第二位置信息的目标间距离小于所述目标允许最大距离，且所述第一置信度和第二置信度均大于所述最小可信置信度时，计算所述第一位置信息和第二位置信息的平均值，将所述平均值作为所述目标物的融合后位置信息。

可选的，当所述第一位置信息和第二位置信息的目标间距离小于所述目标允许最大距离，所述第一置信度或所述第二置信度小于所述最小可信置信度时，

判断所述目标间距离与所述第一判定像素偏移量之和是否不大于所述目标允许最大距离，得到第三判断结果；所述第一判定像素偏移量为所述第一置信度和所述第二置信度中低的像素偏移量；

当所述第三判断结果表示是时，将所述第一置信度和第二置信度中高置信度对应的位置信息作为所述目标物的融合后位置信息；

当所述第三判断结果表示否时，不采用所述第一位置信息和所述第二位置信息对所述目标物的融合后位置信息进行计算。

可选的，当所述第一置信度或所述第二置信度均小于所述最小可信置信度时，不采用所述第一位置信息和所述第二位置信息对所述目标物的融合后位置信息进行计算。

可选的，当所述第一位置信息和第二位置信息的目标间距离大于所述目标允许最大距离，所述第一置信度或所述第二置信度大于所述最小可信置信度时，判断所述目标间距离与第二判定像素偏移量之差是否不大于所述目标允许最大距离，得到第四判断结果；所述第二判定像素偏移量为所述第一置信度和所述第二置信度中低对应的像素偏移量；

当所述第四判断结果表示是时，将所述第一置信度和第二置信度中高置信度对应的位置信息作为所述目标物的融合后位置信息；

当所述第四判断结果表示否时，不采用所述第一位置信息和所述第二位置信息对所述目标物的融合后位置信息进行计算。

本说明书一个实施例至少能够达到以下有益效果：

通过第一定位点数据和第二定位点数据的像素坐标信息，计算得到目标物的第一位置信息和第二位置信息，并基于第一位置信息计算第一置信度，基于第二位置信息计算第二置信度，根据第一置信度和第二置信度以及第一位置信息和第二位置信息之间的距离，计算目标物融合后的位置信息。本说明书实施例提供的基于多目视觉的定位方法，不仅考虑了目标之间距离，还参考目标数据的置信度信息，提高多目视觉定位精度。

附图说明

为了更清楚地说明本说明书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简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，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是本说明书实施例提供的一种基于多目视觉的定位系统的架构图；

图2是本说明书实施例提供的一种基于多目视觉的定位方法的流程示意图；

图3是本说明书实施例提供的一种实际应用场景下的基于多目视觉的定位方法的流程示意图。

具体实施方式

为使本说明书一个或多个实施例的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书一个或多个实施例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说明书的一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都属于本说明书一个或多个实施例保护的范围。

应当理解，尽管在本申请文件中可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。

以下结合附图，详细说明本说明书各实施例提供的技术方案。

现有技术中，多目视觉定位时，由于单个摄像头对远距离的目标精度较差，在送入融合模块后，会存在同一个目标在不同摄像头中的位置偏差过大，导致融合模块将目标误判为两个目标无法进行目标融合。

为了解决现有技术中的缺陷，本方案给出了以下实施例：

图1为本说明书实施例中一种基于多目视觉的定位系统的架构图。如图1所示，该架构包括数据采集装置10和服务器20，其中，数据采集装置10采集目标物的图像，并通过算法将图像中的目标物进行定位，数据采集装置10将包含有定位信息的图像发送至服务器20，服务器20从多个图像中对包含同一目标物的定位数据进行数据融合，计算出一个最终结果输出，达到多目感知的目的。

数据采集装置10可以为多个摄像头，每个摄像头可以对对覆盖区域内的目标物进行定位；目标物可以为具有一定移动速度的物体，例如：行进中的车辆、行进中的行人等。

接下来，将针对说明书实施例提供的一种定位方法结合附图进行具体说明。

图2为本说明书实施例提供的一种基于多目视觉的定位方法的流程示意图。从程序角度而言，流程的执行主体可以为搭载于应用服务器或应用终端的程序。

如图2所示，该流程可以包括以下步骤：

步骤202：获取第一定位点数据；所述第一定位点数据为第一数据采集装置在第一位置采集得到的图像中目标物的中心像素点。

步骤204：获取第二定位点数据；所述第二定位点数据为第二数据采集装置在第二位置采集得到的图像中目标物的中心像素点。

第一定位点数据和第二定位点数据可以为同一目标物在不同数据采集装置采集的图像中的中心像素点。第一数据采集装置和第二数据采集装置可以在不同位置对目标物进行采集后，采用识别算法分别识别图像中的目标物，分别得到第一定位点数据和第二定位点数据。

数据采集装置可以为图像拍摄装置，例如：摄像头，通过摄像头对目标物的连续拍摄，通过图像识别算法识别每一帧图像中的目标物。

步骤206：根据所述第一定位点数据的像素坐标信息，计算得到所述目标物的第一位置信息。

步骤208：根据所述第二定位点数据的像素坐标信息，计算得到所述目标物的第二位置信息。

摄像头拍摄的图像中的每一个像素点均对应一个像素坐标系，像素坐标系表示三维空间物体在图像平面上的投影，像素坐标系的坐标原点在图像的左上角。大地坐标系是大地测量中以参考椭球面为基准面建立起来的坐标系，也就是地理坐标系，地面点的位置用经度L、纬度B和高度H表示。

实际应用中，可以预先对摄像头拍摄的图像中的像素坐标系和大地坐标系之间进行标定，得到像素坐标系和大地坐标系之间的转换矩阵H。

作为一种可选的实施方式，所述根据所述第一定位点数据的像素坐标信息，计算得到所述目标物的第一位置信息，具体包括：

将所述第一定位点的像素点坐标信息进行坐标转换，得到所述第一位置信息；

所述根据所述第二定位点数据的像素坐标信息，计算得到所述目标物的第二位置信息，具体包括：

将所述第二定位点的像素点坐标进行坐标转换，得到所述第二位置信息。

第一定位点数据的像素坐标可以表示为(X₁,Y₁)，第二定位点数据的像素坐标可以表示为(X₂，Y₂)。通过上述转换矩阵得到第一定位点数据的像素坐标信息计算得到目标物的第一位置信息，以及通过第二定位点数据的像素坐标信息计算得到目标物的第二位置信息。

步骤210：计算所述第一位置信息的第一置信度和所述第二位置信息的第二置信度，以及所述第一位置信息与所述第二位置信息之间的目标间距离。

第一置信度可以理解为目标物在第一位置的可信程度，第二置信度可以理解为目标物在第二位置的可信程度。由于第一位置信息和第二位置信息可以为大地坐标系下的坐标，通过第一位置信息和第二位置信息的坐标差，可以确定第一位置信息与第二位置信息之间的目标间距离。由于第一位置信息为第一定位点数据的中心像素点的数据，第二位置信息为第二定位点数据的中心像素点的数据，目标距离可以是第一定位点数据与第二定位点数据之间的距离，也即不同的数据采集装置在不同位置采集的同一目标物的定位差。

实际应用中，可以采用欧氏距离计算方法确定第一位置信息与第二位置信息之间的目标距离。

步骤212：根据所述第一置信度和第二置信度以及目标间距离，计算得到所述目标物的融合后位置信息。

本说明书实施例中在进行目标融合时，不仅考虑了第一位置信息和第二位置信息的目标间距离，还基于第一置信度和第二置信度计算目标物融合后的位置信息，使得融合后的位置信息匹配到合理的高置信度目标，提高多目视觉定位的精度。

基于图2的方法，本说明书实施例还提供了该方法的一些具体实施方式，下面进行说明。

可选的，所述计算所述第一位置信息的第一置信度和所述第二位置信息的第二置信度，具体包括：

获取第一像素偏移量；

判断所述第一位置信息的第一像素偏移量是否大于所述像素偏移量阈值，得到第一判断结果；

所述第一判断结果表示是时，确定所述第一置信度为零；

所述第一判断结果表示否时，将1-第一像素偏移量/像素偏移量阈值的值确定为所述第一置信度；

获取第二像素偏移量；

判断所述第二位置信息的第二像素偏移量是否大于所述像素偏移量阈值，得到第二判断结果；

所述第二判断结果为是时，所述第二置信度为零；

所述第二判断结果为否时，将1-第二像素偏移量/像素偏移量阈值的值为所述第二置信度。

像素偏移量可以理解为数据采集装置在数据采集过程中装置本身参数的带来的帧图像的抖动，由于图像的抖动会对识别出的目标带来像素级别的偏移量。像素偏移量阈值可以理解为允许最大的误差。通过第一像素偏移量像素偏移量阈值的关系，可以确定第一定位点的置信度。通过第二像素偏移量像素偏移量阈值的关系，可以确定第二定位点的置信度。

可选的，所述获取第一像素偏移量具体包括：

获取所述第一定位点相邻的各个像素点的位置信息；

计算所述第一定位点与所述各个像素点之间的第一像素点间距离；

计算所述第一像素点间距离的平均值，确定所述平均值为所述第一像素偏移量；

所述获取第二像素偏移量具体包括：

获取所述第二定位点相邻的各个像素点的位置信息；

计算所述第二定位点与所述各个像素点之间的第二像素点间距离；

计算所述第二像素点间距离的平均值，确定所述平均值作为所述第二像素偏移量。

通过计算第一定位点与相邻的各个像素点的距离平均值，可以确定第一定位点的第一像素偏移量。通过计算第二定位点与相邻的各个像素点的距离平均值，可以确定第二定位点的第二像素偏移量。

实际应用中，可以预先将第一数据采集装置和第二数据采集装置采集的图像的所有像素点的像素偏移量进行计算并存储，进一步获得每一像素点的置信度，以便在进行目标融合时能够直接调用每一像素点的置信度，提高目标融合的速度。

可选的，在所述获取第一定位点数据之前，所述方法还包括：

获取数据采集装置在采集得到的目标物图像；所述目标物为多个；

在所述目标图像中确定具有相同目标物标识的图像集合；

在所述图像集合中确定所述第一定位点数据和第二定位点数据。

实际应用中，数据采集装置可以对覆盖范围内的目标物进行定位或识别，每一数据采集装置均可以同时识别多个目标物，在进行目标物的信息融合时，需要确定当前融合的目标为同一目标。例如：第一数据采集装置采集的图像中包含车辆1至车辆4的定位数据，第二数据采集装置采集的图像中包含车辆2至车辆5的定位数据，则第一定位点数据和第二定位点数据可以是车辆3的定位数据，也可以是车辆4的定位数据，还可以是车辆2的定位数据。

可选的，所述计算所述目标物融合后的定位数据，具体包括：

获取目标允许最大距离和最小可信置信度；

基于所述第一位置信息和第二位置信息的目标距离以及所述第一置信度和第二置信度，计算所述目标物融合后的定位数据。

可选的，当所述第一位置信息和第二位置信息的目标间距离小于所述目标允许最大距离，且所述第一置信度和第二置信度均大于所述最小可信置信度时，计算所述第一位置信息和第二位置信息的平均值，将所述平均值作为所述目标物的融合后位置信息。

可选的，当所述第一位置信息和第二位置信息的目标间距离小于所述目标允许最大距离，所述第一置信度或所述第二置信度小于所述最小可信置信度时，判断所述目标间距离与所述第一判定像素偏移量之和是否不大于所述目标允许最大距离，得到第三判断结果；所述第一判定像素偏移量为所述第一置信度和所述第二置信度中低的像素偏移量；

当所述第三判断结果表示是时，将所述第一置信度和第二置信度中高置信度对应的位置信息作为所述目标物的融合后位置信息；

当所述第三判断结果表示否时，不采用所述第一位置信息和所述第二位置信息对所述目标物的融合后位置信息进行计算。

可选的，当所述第一置信度或所述第二置信度均小于所述最小可信置信度时，不采用所述第一位置信息和所述第二位置信息对所述目标物的融合后位置信息进行计算。

可选的，当所述第一位置信息和第二位置信息的目标间距离大于所述目标允许最大距离，所述第一置信度或所述第二置信度大于所述最小可信置信度时，判断所述目标间距离与第二判定像素偏移量之差是否不大于所述目标允许最大距离，得到第四判断结果；所述第二判定像素偏移量为所述第一置信度和所述第二置信度中低对应的像素偏移量；

当所述第四判断结果表示是时，将所述第一置信度和第二置信度中高置信度对应的位置信息作为所述目标物的融合后位置信息；

当所述第四判断结果表示否时，不采用所述第一位置信息和所述第二位置信息对所述目标物的融合后位置信息进行计算。

根据上面的说明，本说明书实施例提供的一种实际应用场景下基于多目视觉的定位方法的流程示意图，如图3所示。在本实施例中以在道路上的十字交叉口，目标物为行进中的车辆为例进行说明。本说明书实施例中的数据采集装置为4个摄像头，4个摄像头分别在十字交叉口的四个方向，向交叉口内部拍摄车辆的图像。假设各摄像头上报的感知数据之间不存在时间差。

在图3中，包括以下步骤：

步骤301：获取第一定位点数据和第二定位点数据。

需要说明的是，第一定位点数据和第二定位点数据为同一目标在不同摄像头下的图像中的目标物的中心像素点。

在步骤301之前，服务器可以对摄像头采集的图像中像素点进行坐标转换和置信度计算，得到第一定位点的位置信息和置信度信息，以及第二定位点的位置信息和置信度信息。

在计算第一像素偏移量时，通过获取第一定位点与相邻的上下左右四个像素点所对应的经纬度坐标之间的距离均值作为第一像素偏移量D₁。

第一置信度C₁的计算过程如下：

其中，D_MAX为像素偏移量阈值。

第二置信度的计算过程与第一置信度计算过程相同，在此不再赘述。

步骤303：根据所述第一定位点数据的像素坐标信息，计算得到所述目标物的第一位置信息；根据所述第二定位定数据的像素坐标信息，计算得到所述目标物的第二位置信息。

步骤305：计算所述第一位置信息与所述第二位置信息之间的目标间距离。

步骤307：判断所述目标间距离是否小于目标允许最大距离；若是，执行步骤309，若否，执行步骤311。

步骤309：判断所述第一置信度和第二置信度是否均大于所述最小可信置信度；若是，执行步骤：313；若否执行步骤315。

步骤313：计算所述第一位置信息和第二位置信息的平均值，将所述平均值作为所述目标物的融合后位置信息。

在本实施例中，在第一位置信息与第二位置信息之间的目标间距离小于允许最大距离，并且，第一置信度和第二置信度均高于最小可信置信度时，将第一位置信息和第二位置信息融合，并将第一位置信息和第二位置信息的平均值作为目标物的融合后位置信息，删除原有第一位置信息和第二位置信息。由于第一定位点数据和第二定位点数据的置信度均高于最小可信置信度，采用二者的位置信息的均值作为目标物的融合后位置信息，提高了目标物融合的精度。

步骤315：判断第一置信度或所述第二置信度是否小于所述最小可信置信度。若是，执行步骤317，若否，执行步骤319。

步骤317：判断所述目标间距离与所述第一判定像素偏移量之和是否不大于所述目标允许最大距离；若是，执行步骤321，若否，执行步骤319。

步骤319：不采用所述第一位置信息和所述第二位置信息对所述目标物的融合后位置信息进行计算。

步骤321：将所述第一置信度和第二置信度中高置信度对应的位置信息作为所述目标物的融合后位置信息。

在本实施例中，当第一位置信息与第二位置信息之间的目标间距离小于目标允许最大距离，并且，其中第一置信度或者第二置信度小于最小可信置信度时，而且目标间距离与第一判定像素偏移量之间的距离不大于所述目标允许最大距离，采用第一置信度和第二置信度中较高的置信度对应的位置信息作为目标物的融合后位置信息。

由于第一定位点数据或第二定位点数据中有一个数据的置信度小于最小可信置信度，此时有可能是由于摄像头对车辆拍摄角度等造成的偏差，因此，将目标间距离与置信度低的对应的像素偏移量之和作为判定条件，假设此第一置信度高于第二置信度，将第二定位点数据距离第二像素偏移量内的像素点均可以作为目标物的像素点，若目标间距离与置信度低的对应的像素偏移量之和仍然小于目标允许最大距离，说明此时第一置信度对应的第一位置信息能够代表目标物的位置信息。若目标间距离与置信度低的对应的像素偏移量之和大于目标允许最大距离，说明此时即便是第一置信度对应的第一位置信息也不可信，则不采用第一位置信息和第二位置信息对目标物的融合后位置信息进行计算，避免了采用无效数据作为目标融合的数据。

本说明书实施例中在一个置信度低于最小可信置信度时，扩大像素点的匹配范围，以使目标物的融合后位置信息可以匹配到较高置信度目标，达到提高多目视觉定位精度的目的。

步骤311：判断所述第一置信度或所述第二置信度是否大于所述最小可信置信度；若是，执行步骤323，若否执行步骤319。

步骤323：判断所述目标间距离与第二判定像素偏移量之差是否不大于所述目标允许最大距离；若是，执行步骤325，若否，执行步骤319。

步骤325：将所述第一置信度和第二置信度中高置信度对应的位置信息作为所述目标物的融合后位置信息。

在本实施例中，当第一位置信息与第二位置信息之间的目标间距离大于目标允许最大距离，并且，其中第一置信度或者第二置信度大最小可信置信度时，而且目标间距离与第二判定像素偏移量之间的距离不大于所述目标允许最大距离，采用第一置信度和第二置信度中较高的置信度对应的位置信息作为目标物的融合后位置信息。

本实施例中目标间距离大于目标允许最大距离，但其中有一个数据的置信度高于最小可信置信度，此时将目标间距离与置信度低的对应的像素偏移量之差作为判定条件，假设第一置信度高于第二置信度，若目标间距离与第二置信度对应的像素偏移量之差小于目标允许最大距离，说明第一置信度对应的第一位置信息可以作为目标物融合后的信息；若目标间距离与第二像素偏移量之差大于目标允许最大距离，说明第一位置也不宜作为目标物融合后的信息，不采用第一位置信息和第二位置信息作为目标物的融合后的位置信息。

本说明书实施例中对置信度较高的数据，通过缩小数据像素点的匹配范围，以判定置信度高的数据是否可以作为目标物的融合后位置信息，达到提高多目视觉定位精度的目的。

在本实施例中对于目标间距离大于目标允许最大距离，并且，第一置信度和第二置信度均低于最小可信置信度的数据均不作为目标物的融合后的位置信息，避免了无效数据作为目标物的融合数据，提高了目标融合的精度。

实际应用中，当摄像头出现的车辆未能找到匹配的车辆时，此时可能是新出现的目标车辆，若定位点数据的置信度高于最小可信置信度，则将定位点数据进行保留。定位点数据的置信度低于最小可信置信度，则将定位点数据删除。

上述对本说明书特定实施例进行了描述，在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字符系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字符多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带式磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种基于多目视觉的定位方法，其特征在于，包括：

获取第一定位点数据；所述第一定位点数据为第一数据采集装置在第一位置采集得到的图像中目标物的中心像素点；

获取第二定位点数据；所述第二定位点数据为第二数据采集装置在第二位置采集得到的图像中目标物的中心像素点；

根据所述第一定位点数据的像素坐标信息，计算得到所述目标物的第一位置信息；

根据所述第二定位点数据的像素坐标信息，计算得到所述目标物的第二位置信息；

计算所述第一位置信息的第一置信度和所述第二位置信息的第二置信度，以及所述第一位置信息与所述第二位置信息之间的目标间距离；

根据所述第一置信度和第二置信度以及目标间距离，计算得到所述目标物的融合后位置信息。

2.根据权利要求1所述的基于多目视觉的定位方法，其特征在于，所述计算所述第一位置信息的第一置信度和所述第二位置信息的第二置信度，具体包括：

获取第一像素偏移量；

判断所述第一位置信息的第一像素偏移量是否大于所述像素偏移量阈值，得到第一判断结果；

所述第一判断结果表示是时，确定所述第一置信度为零；

所述第一判断结果表示否时，将1-第一像素偏移量/像素偏移量阈值的值确定为所述第一置信度；

获取第二像素偏移量；

判断所述第二位置信息的第二像素偏移量是否大于所述像素偏移量阈值，得到第二判断结果；

所述第二判断结果为是时，所述第二置信度为零；

所述第二判断结果为否时，将1-第二像素偏移量/像素偏移量阈值的值为所述第二置信度。

3.根据权利要求2所述的基于多目视觉的定位方法，其特征在于，所述获取第一像素偏移量具体包括：

获取所述第一定位点相邻的各个像素点的位置信息；

计算所述第一定位点与所述各个像素点之间的第一像素点间距离；

计算所述第一像素点间距离的平均值，确定所述平均值为所述第一像素偏移量；

所述获取第二像素偏移量具体包括：

获取所述第二定位点相邻的各个像素点的位置信息；

计算所述第二定位点与所述各个像素点之间的第二像素点间距离；

计算所述第二像素点间距离的平均值，确定所述平均值作为所述第二像素偏移量。

4.根据权利要求1所述的基于多目视觉的定位方法，其特征在于，所述根据所述第一定位点数据的像素坐标信息，计算得到所述目标物的第一位置信息，具体包括：

将所述第一定位点的像素点坐标信息进行坐标转换，得到所述第一位置信息；

所述根据所述第二定位点数据的像素坐标信息，计算得到所述目标物的第二位置信息，具体包括：

将所述第二定位点的像素点坐标进行坐标转换，得到所述第二位置信息。

5.根据权利要求1所述的基于多目视觉的定位方法，其特征在于，在所述获取第一定位点数据之前，所述方法还包括：

获取数据采集装置在采集得到的目标物图像；所述目标物为多个；

在所述目标图像中确定具有相同目标物标识的图像集合；

在所述图像集合中确定所述第一定位点数据和第二定位点数据。

6.根据权利要求3所述的基于多目视觉的定位方法，其特征在于，所述计算所述目标物融合后的定位数据，具体包括：

获取目标允许最大距离和最小可信置信度；

基于所述第一位置信息和第二位置信息的目标距离以及所述第一置信度和第二置信度，计算所述目标物融合后的定位数据。

7.根据权利要求6所述的基于多目视觉的定位方法，其特征在于，当所述第一位置信息和第二位置信息的目标间距离小于所述目标允许最大距离，且所述第一置信度和第二置信度均大于所述最小可信置信度时，计算所述第一位置信息和第二位置信息的平均值，将所述平均值作为所述目标物的融合后位置信息。

8.根据权利要求6所述的基于多目视觉的定位方法，其特征在于，当所述第一位置信息和第二位置信息的目标间距离小于所述目标允许最大距离，所述第一置信度或所述第二置信度小于所述最小可信置信度时，

判断所述目标间距离与第一判定像素偏移量之和是否不大于所述目标允许最大距离，得到第三判断结果；所述第一判定像素偏移量为所述第一置信度和所述第二置信度中置信度低的对应的像素偏移量；

当所述第三判断结果表示是时，将所述第一置信度和第二置信度中高置信度对应的位置信息作为所述目标物的融合后位置信息；

当所述第三判断结果表示否时，不采用所述第一位置信息和所述第二位置信息对所述目标物的融合后位置信息进行计算。

9.根据权利要求6所述的基于多目视觉的定位方法，其特征在于，当所述第一置信度或所述第二置信度均小于所述最小可信置信度时，不采用所述第一位置信息和所述第二位置信息对所述目标物的融合后位置信息进行计算。

10.根据权利要求6所述的基于多目视觉的定位方法，其特征在于，当所述第一位置信息和第二位置信息的目标间距离大于所述目标允许最大距离，所述第一置信度或所述第二置信度大于所述最小可信置信度时，判断所述目标间距离与第二判定像素偏移量之差是否不大于所述目标允许最大距离，得到第四判断结果；所述第二判定像素偏移量为所述第一置信度和所述第二置信度中置信度低的对应的像素偏移量；

当所述第四判断结果表示是时，将所述第一置信度和第二置信度中高置信度对应的位置信息作为所述目标物的融合后位置信息；

当所述第四判断结果表示否时，不采用所述第一位置信息和所述第二位置信息对所述目标物的融合后位置信息进行计算。

Images