CN115950436A - 运动物体于既定空间内的定位方法及系统、存储介质 - Google Patents
运动物体于既定空间内的定位方法及系统、存储介质 Download PDFInfo
- Publication number
- CN115950436A CN115950436A CN202310232396.1A CN202310232396A CN115950436A CN 115950436 A CN115950436 A CN 115950436A CN 202310232396 A CN202310232396 A CN 202310232396A CN 115950436 A CN115950436 A CN 115950436A
- Authority
- CN
- China
- Prior art keywords
- moving object
- space
- shooting
- target
- frame image
- 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
Links
Images
Abstract
本发明公开了运动物体于既定空间内的定位方法及系统、存储介质,属于监测定位的技术领域。包括以下步骤:根据需求安装拍摄装置,并同步采集投掷训练框内的图像信息;对采集得到的图像进行帧差计算,获取图像中的运动目标信息;计算运动目标在图像中的重心位置;根据目标的重心位置、拍摄装置的视角、拍摄装置的位置和拍摄装置的朝向,计算运动目标在投掷训练框中的位置;对根据多组拍摄装置计算出的多组有效目标空间位置数据取均值,获取最终目标空间位置数据。本发明采用拍摄装置实时检测,持续检测既定空间内通过的运动物体,降低了遗漏目标的概率,准确检测到通过的运动物体。
Description
技术领域
本发明属于监测定位的技术领域,特别是涉及运动物体于既定空间内的定位方法及系统、存储介质。
背景技术
基于生活需求和工业发展,图像识别技术得到了迅速的发展,并被广泛应用于各个领域中。尤其是通过图像对既定空间内的运动物体进行定位检测成了各行各业的重要技术部分。
现有技术中,既定空间内的运动物体的识别一般是使用摄像组件获取视频图像,基于视频图像提取特征,根据提取到的特征对运动物体进行定位,但是此方法对运动物体进行识别时存在死角盲区,且定位精度低。
发明内容
本发明为解决上述背景技术中存在的技术问题,提供了运动物体于既定空间内的定位方法及系统、存储介质。
采用以下技术方案:运动物体于既定空间内的定位方法,至少包括以下步骤:
步骤一、于既定空间内安装至少两组拍摄装置Mm,m为拍摄装置的编号;对位于既定空间内的运动物体进行拍摄得到帧图像,对每组拍摄装置的帧图像分别执行步骤二;
步骤二、基于所述帧图像利用帧差法对运动物体进行识别,并提取运动目标信息;基于所述运动目标信息计算运动物体在对应帧图像中的重心位置(xx,yy);
步骤三、将两组相邻的拍摄装置进行无重叠组合得到n个有效目标空间,于所述有效目标空间内执行步骤四;
在进一步的实施例中,所述拍摄参数至少包括拍摄装置的位置、拍摄装置的视角以及拍摄装置的朝向角度。
在进一步的实施例中,所述重心位置(xx,yy)的计算流程如下:
在水平方向遍历帧图像,判断当前像素点是否为目标点:若是,则将对应像素点的水平坐标值进行累加得到关于目标点的水平位置累加值X;在垂直方向遍历帧图像,判断当前像素点是否为目标点:若是,则将对应像素点的垂直坐标值进行累加得到关于目标点的垂直位置累加值Y;统计属于目标点的像素点的数量ALL;
运动目标信息至少包括:运动物体在帧图像中的水平重心位置、运动物体在帧图像中的垂直重心位置;
则,所述重心位置(xx,yy)通过以下公式计算得到:
在进一步的实施例中,所述目标点的判断方式如下:
遍历帧图像中的所有像素点,像素点的总数为LEN;对相邻两张帧图像中同一像素点的灰度值进行差值绝对值计算并确定目标点:
步骤401、对当前有效目标空间n中的拍摄装置进行定义:分别为第一拍摄装置和第二拍摄装置;并定义第一拍摄装置的安装位置为空间坐标系的原点,当前有效目标空间内第一拍摄装置和第二拍摄装置的垂直视界底面在空间坐标系的XY面上,第一拍摄装置的水平视界的左边与空间坐标系的X轴重合;获取第一拍摄装置和第二拍摄装置的水平距离W,第一拍摄装置和第二拍摄装置的水平视角分别为和,第一拍摄装置和第二拍摄装置的两水平视角边的最小夹角为;
计算得到运动物体相对于原点的空间坐标位置,所述空间坐标位置用进行表示,其中,为第一拍摄装置对应帧图像中运动物体的重心位置到第一拍摄装置的连线与空间坐标系YZ面之间的夹角;为第二拍摄装置对应帧图像中运动物体的重心位置到第二拍摄装置的连线与空间坐标系YZ面之间的夹角;
在进一步的实施例中,所述步骤五中的最终三维坐标(x,y,z)的获取方式如下:
一种计算机系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的方法的步骤。
本发明的有益效果:在既定空间内的安装有两个或以上的按照一定角度朝向的拍摄装置(采用高速摄像头),通过拍摄装置对既定空间内的运动物体进行实时监测。采用拍摄装置实时检测,可以连续工作,持续检测既定空间内通过的运动物体,大大降低了遗漏目标的概率:当物体从既定空间内通过时,必然被两个或以上的拍摄装置拍摄到,先利用拍摄装置捕获的帧差法对从拍摄装置视野中通过的运动物体进行识别和提取,然后再计算出运动物体在图像中的重心。根据物体在各个拍摄装置采集图像中的重心位置、拍摄装置的视角、拍摄装置的位置和拍摄装置的朝向,通过测距算法计算得出物体在既定空间中的三维坐标。
将两个及两个以上的拍摄装置进行组合得到多个有效目标空间,在创建的多个有效目标空间内进行数据分析,因此安装传感器数量少、测距精度高可达到厘米级、无死角盲区。
输出的结果可以直接驱动硬件设备展示;采用高速拍摄装置的情况下,设备采样频率达到140帧以上,采集三次以上便可以出结果,延时不超过0.1秒,结果通过网络传输,总延时不超过1秒。因此输出的结果实时性高、延时低,可以在1秒内输出结果。
附图说明
图1为实施例1的工作流程图。
图2至图3中的各标注为:第一拍摄装置1、第二拍摄装置2、第三拍摄装置3、第四拍摄装置4、运动物体5。
具体实施方式
下面结合说明书附图和实施例对本发明做进一步的描述。
实施例1
本实施例为解决运动物体经过既定空间时所在空间位置的检测问题,提出了运动物体于既定空间内的定位方法,该方法可实现对运动物体在既定空间内进行精准定位。
运动物体于既定空间内的定位方法,如图1所示包括以下步骤:
步骤一、于既定空间内安装至少两组拍摄装置Mm,m为拍摄装置的编号,m的大小取决于拍摄装置的数量。对位于既定空间内的运动物体进行拍摄得到帧图像,对每组拍摄装置的帧图像分别执行步骤二;每组拍摄装均按照预定角度进行安装,在本实施例中,拍摄装置为高速拍摄装置,设备采样频率达到140帧以上。换言之,通过高速拍摄装置对既定空间内的运动物体进行实时监测,延时不超过0.1秒,结果通过网络传输,总延时不超过1秒。
步骤二、基于所述帧图像利用帧差法对运动物体进行识别,并提取运动目标信息;基于所述运动目标信息计算运动物体在对应帧图像中的重心位置(xx,yy)。换言之,通过步骤二对每组高速拍摄装置获取的帧图像进行运动物体识别,以确定当前时间帧的运动物体在对应高速拍摄装置获取的图像内的重心位置,即运动物体的重心相对高速拍摄装置的所在位置。
步骤三、将两组相邻的拍摄装置进行无重叠组合得到n个有效目标空间,于所述有效目标空间内执行步骤四;在本实施例中,有效目标空间的数量n的取值取决于实际安装拍摄装置的数量。
换言之,通过不同拍摄装置组成的n个有效目标空间,分别在n个有效目标空间内进行计算并整合数据,以消除盲区,提高定位精度。
具体如下:步骤四、获取所述有效目标空间内的两组拍摄装置的拍摄参数和步骤二计算得到的对应的重心位置(xx,yy),基于所述拍摄参数和对应的重心位置(xx,yy)计算出运动物体在有效目标空间内的空间位置。在进一步的实施例中,拍摄参数包括拍摄装置的位置、拍摄装置的视角以及拍摄装置的朝向角度。
上述步骤二中的重心位置(xx,yy)的计算流程如下:
在水平方向遍历帧图像,判断当前像素点是否为目标点:若是,则将对应像素点的水平坐标值进行累加得到关于目标点的水平位置累加值X;在垂直方向遍历帧图像,判断当前像素点是否为目标点:若是,则将对应像素点的垂直坐标值进行累加得到关于目标点的垂直位置累加值Y;统计属于目标点的像素点的数量ALL;
运动目标信息至少包括:运动物体在帧图像中的水平重心位置、运动物体在帧图像中的垂直重心位置;
则,所述重心位置(xx,yy)通过以下公式计算得到:
通过采用上述技术方案,采用二级循环遍历图片,分别获取水平向和垂直向的目标点及对应的位置坐标值,从而计算出运动物体在图像中的重心位置。
为了实现上述重心位置的计算,本实施例中所述目标点的判断方式如下:
遍历帧图像中的所有像素点,像素点的总数为LEN;对相邻两张帧图像中同一像素点的灰度值进行差值绝对值计算并确定目标点:,式中,0≤i≤LEN,表示像素点i新帧图像的灰度值组,表示像素点i与新帧图像相邻的历史帧图像的灰度值组;若,则对应的像素点i为目标点;反之,若,则对应的像素点i为非目标点,式中,T为既定的帧差阈值。
通过采用上述技术方案将整张图像中所有的运动物体占据的像素点标记出。
步骤401、对当前有效目标空间n中的拍摄装置进行定义:分别为第一拍摄装置和第二拍摄装置;并定义第一拍摄装置的安装位置为空间坐标系的原点,当前有效目标空间内第一拍摄装置和第二拍摄装置的垂直视界底面在空间坐标系的XY面上,第一拍摄装置的水平视界的左边与空间坐标系的X轴重合;获取第一拍摄装置和第二拍摄装置的水平距离W,第一拍摄装置和第二拍摄装置的水平视角分别为和,第一拍摄装置和第二拍摄装置的两水平视角边的最小夹角为;
计算得到运动物体相对于原点的空间坐标位置,所述空间坐标位置用进行表示,其中,为第一拍摄装置对应帧图像中运动物体的重心位置到第一拍摄装置的连线与空间坐标系YZ面之间的夹角;为第二拍摄装置对应帧图像中运动物体的重心位置到第二拍摄装置的连线与空间坐标系YZ面之间的夹角;
在进一步的实施例中,步骤五中的最终三维坐标(x,y,z)的获取方式如下:
本实施例利用装配在既定空间内两个或以上的拍摄装置,实现对通过该既定空间运动物体的识别和三维坐标定位,采集设备布局简单、识别率高、采集精度高、无盲区。
举例说明,在其中一个实施例中使用的拍摄装置为两组,则m=1,2,此时n的取值为1。
基于两组拍摄装置创建一个有效目标空间,在当前有效目标空间内分别定义第一拍摄装置和第二拍摄装置,其中第一拍摄装置的水平视界的左边与空间坐标系的X轴重合,则以第一拍摄装置的安装位置为空间坐标系的原点。原理如图2所示,将第一拍摄装置和第二拍摄装置所在的安装平面构建为一个有效目标空间,在该有效目标空间内采用步骤四进行计算得到空间位置。图2则表示当前的有效目标空间为一个,且在这一个有效目标空间内的第一拍摄装置和第二拍摄装置的水平视角分别为和;则表示在这一个有效目标空间内的第一拍摄装置对应帧图像中运动物体的重心位置到第一拍摄装置的连线与空间坐标系YZ面之间的夹角;为第二拍摄装置对应帧图像中运动物体的重心位置到第二拍摄装置的连线与空间坐标系YZ面之间的夹角;表示第一拍摄装置和第二拍摄装置最小水平视角两水平视角边的最小夹角。
在另一个实施例中,如图3所示,采用四组拍摄装置,拍摄装置M1、拍摄装置M2、拍摄装置M3和拍摄装置M4。分别将拍摄装置M1和拍摄装置M2、拍摄装置M1和拍摄装置M4、拍摄装置M4和拍摄装置M3、以及拍摄装置M2和拍摄装置M3进行相邻的两两组合得到四个不同的有效目标空间,即在本实施例中,n的取值为4。进一步举例说明,当拍摄装置M1和拍摄装置M4构成第二个有效目标空间时,则当前有效空间内,定义拍摄装置M1和拍摄装置M4分别为当前有效空间内的第一拍摄装置和第二拍摄装置,则第一拍摄装置和第二拍摄装置的水平视角分别为和,第一拍摄装置和第二拍摄装置最小水平视角两水平视角边的最小夹角为,计算得到和;得到运动物体在当前有效目标空间(n=2)内的坐标;依次计算得到其他有效目标空间(n=1、3、4)内的坐标、和。
采用以下公式计算得到最终三维坐标(x,y,z):
实施例2
本实施例提供了一种计算机系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现实施例1所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现实施例1所述方法的步骤。
Claims (10)
1.运动物体于既定空间内的定位方法,其特征在于,至少包括以下步骤:
步骤一、于既定空间内安装至少两组拍摄装置Mm,m为拍摄装置的编号;对位于既定空间内的运动物体进行拍摄得到帧图像,对每组拍摄装置的帧图像分别执行步骤二;
步骤二、基于所述帧图像利用帧差法对运动物体进行识别,并提取运动目标信息;基于所述运动目标信息计算运动物体在对应帧图像中的重心位置(xx,yy);
步骤三、将两组相邻的拍摄装置进行无重叠组合得到n个有效目标空间,于所述有效目标空间内执行步骤四;
2.根据权利要求1所述的运动物体于既定空间内的定位方法,其特征在于,所述拍摄参数至少包括拍摄装置的位置、拍摄装置的视角以及拍摄装置的朝向角度。
步骤401、对当前有效目标空间n中的拍摄装置进行定义:分别为第一拍摄装置和第二拍摄装置;并定义第一拍摄装置的安装位置为空间坐标系的原点,当前有效目标空间内第一拍摄装置和第二拍摄装置的垂直视界底面在空间坐标系的XY面上,第一拍摄装置的水平视界的左边与空间坐标系的X轴重合;获取第一拍摄装置和第二拍摄装置的水平距离W,第一拍摄装置和第二拍摄装置的水平视角分别为和,第一拍摄装置和第二拍摄装置的两水平视角边的最小夹角为;
计算得到运动物体相对于原点的空间坐标位置,所述空间坐标位置用进行表示,其中,为第一拍摄装置对应帧图像中运动物体的重心位置到第一拍摄装置的连线与空间坐标系YZ面的夹角;为第二拍摄装置对应帧图像中运动物体的重心位置到第二拍摄装置的连线与空间坐标系YZ面的夹角;
9.一种计算机系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310232396.1A CN115950436B (zh) | 2023-03-13 | 2023-03-13 | 运动物体于既定空间内的定位方法及系统、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310232396.1A CN115950436B (zh) | 2023-03-13 | 2023-03-13 | 运动物体于既定空间内的定位方法及系统、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115950436A true CN115950436A (zh) | 2023-04-11 |
CN115950436B CN115950436B (zh) | 2023-06-06 |
Family
ID=85896289
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310232396.1A Active CN115950436B (zh) | 2023-03-13 | 2023-03-13 | 运动物体于既定空间内的定位方法及系统、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115950436B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622767A (zh) * | 2012-03-05 | 2012-08-01 | 广州乐庚信息科技有限公司 | 双目非标定空间定位方法 |
CN104236468A (zh) * | 2014-09-26 | 2014-12-24 | 上海未来伙伴机器人有限公司 | 目标空间坐标计算方法、系统及移动机器人 |
CN105049701A (zh) * | 2014-04-28 | 2015-11-11 | 佳能株式会社 | 图像处理方法和图像捕捉装置 |
CN106529536A (zh) * | 2016-11-10 | 2017-03-22 | 北京昊翔信达科技有限公司 | 基于空间建模实现运动目标定位的图像分析方法及系统 |
CN110619654A (zh) * | 2019-08-02 | 2019-12-27 | 北京佳讯飞鸿电气股份有限公司 | 一种运动目标检测与跟踪方法 |
CN110889873A (zh) * | 2019-11-26 | 2020-03-17 | 中国科学院光电研究院 | 一种目标定位方法、装置、电子设备及存储介质 |
CN112288815A (zh) * | 2020-11-06 | 2021-01-29 | 山东产研信息与人工智能融合研究院有限公司 | 一种目标模位置测量方法、系统、存储介质及设备 |
CN115575892A (zh) * | 2021-06-21 | 2023-01-06 | 浙江宇视科技有限公司 | 目标位置确定方法、装置、电子设备及存储介质 |
CN115690212A (zh) * | 2022-10-26 | 2023-02-03 | 陈政 | 一种对视定位方法、装置及存储介质 |
-
2023
- 2023-03-13 CN CN202310232396.1A patent/CN115950436B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622767A (zh) * | 2012-03-05 | 2012-08-01 | 广州乐庚信息科技有限公司 | 双目非标定空间定位方法 |
CN105049701A (zh) * | 2014-04-28 | 2015-11-11 | 佳能株式会社 | 图像处理方法和图像捕捉装置 |
CN104236468A (zh) * | 2014-09-26 | 2014-12-24 | 上海未来伙伴机器人有限公司 | 目标空间坐标计算方法、系统及移动机器人 |
CN106529536A (zh) * | 2016-11-10 | 2017-03-22 | 北京昊翔信达科技有限公司 | 基于空间建模实现运动目标定位的图像分析方法及系统 |
CN110619654A (zh) * | 2019-08-02 | 2019-12-27 | 北京佳讯飞鸿电气股份有限公司 | 一种运动目标检测与跟踪方法 |
CN110889873A (zh) * | 2019-11-26 | 2020-03-17 | 中国科学院光电研究院 | 一种目标定位方法、装置、电子设备及存储介质 |
CN112288815A (zh) * | 2020-11-06 | 2021-01-29 | 山东产研信息与人工智能融合研究院有限公司 | 一种目标模位置测量方法、系统、存储介质及设备 |
CN115575892A (zh) * | 2021-06-21 | 2023-01-06 | 浙江宇视科技有限公司 | 目标位置确定方法、装置、电子设备及存储介质 |
CN115690212A (zh) * | 2022-10-26 | 2023-02-03 | 陈政 | 一种对视定位方法、装置及存储介质 |
Non-Patent Citations (2)
Title |
---|
张正涛;徐德;: "基于智能摄像机的高速视觉系统及其目标跟踪算法研究", 机器人 * |
李然,高会生,王成儒: "基于视频监视系统的运动目标检测技术的实现", 电力系统通信 * |
Also Published As
Publication number | Publication date |
---|---|
CN115950436B (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108009515B (zh) | 一种基于fcn的无人机航拍图像的输电线定位识别方法 | |
CN107924461B (zh) | 用于多因素图像特征配准和跟踪的方法、电路、设备、系统及相关计算机可执行代码 | |
CN108470356B (zh) | 一种基于双目视觉的目标对象快速测距方法 | |
CN109559324B (zh) | 一种线阵图像中的目标轮廓检测方法 | |
CN112785628B (zh) | 一种基于全景视角检测跟踪的轨迹预测方法及系统 | |
CN110189375B (zh) | 一种基于单目视觉测量的图像目标识别方法 | |
CN110827321B (zh) | 一种基于三维信息的多相机协同的主动目标跟踪方法 | |
CN112597877A (zh) | 一种基于深度学习的厂区人员异常行为检测方法 | |
CN114972421A (zh) | 车间物料识别追踪与定位方法、系统 | |
CN102565103B (zh) | 一种基于x射线图像的焊缝缺陷跟踪检测方法 | |
CN113393439A (zh) | 一种基于深度学习的锻件缺陷检测方法 | |
CN113256731A (zh) | 基于单目视觉的目标检测方法及装置 | |
CN113021355B (zh) | 一种用于预测遮挡农作物摘取点的农业机器人作业方法 | |
CN115950436B (zh) | 运动物体于既定空间内的定位方法及系统、存储介质 | |
Liu et al. | Outdoor camera calibration method for a GPS & camera based surveillance system | |
CN111473944B (zh) | 观测流场中存在复杂壁面的piv数据修正方法、装置 | |
CN111399634B (zh) | 一种手势引导物体识别的方法及装置 | |
CN113065483A (zh) | 一种定位方法、装置、电子设备、介质及机器人 | |
CN113255549A (zh) | 一种狼群围猎行为状态智能识别方法及系统 | |
CN112215870B (zh) | 一种液体流动轨迹超限检测方法、装置及系统 | |
CN117237676B (zh) | 一种核电厂基于事件相机对小目标掉落轨迹的处理方法 | |
JP7287430B2 (ja) | 魚検出装置、魚検出方法及びプログラム | |
Xu et al. | A High Accuracy, Light Changing Insensitive, Anti-Interference Workpiece Localization Method Based on Light Weight Neural Networks | |
JP2002257543A (ja) | 連続フレーム画像を用いた高精度ステレオビジョン | |
CN114648567A (zh) | 一种基于单目视觉的水下场景深度评估方法和系统 |
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 |