CN116430338A - 一种移动目标的追踪方法、系统及设备 - Google Patents
一种移动目标的追踪方法、系统及设备 Download PDFInfo
- Publication number
- CN116430338A CN116430338A CN202310271702.2A CN202310271702A CN116430338A CN 116430338 A CN116430338 A CN 116430338A CN 202310271702 A CN202310271702 A CN 202310271702A CN 116430338 A CN116430338 A CN 116430338A
- Authority
- CN
- China
- Prior art keywords
- point
- point cloud
- tracking
- frame
- template
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000012545 processing Methods 0.000 claims abstract description 34
- 230000008569 process Effects 0.000 claims abstract description 12
- 230000009466 transformation Effects 0.000 claims description 5
- 230000000295 complement effect Effects 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 8
- 238000001514 detection method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/66—Radar-tracking systems; Analogous systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/021—Auxiliary means for detecting or identifying radar signals or the like, e.g. radar jamming signals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种移动目标的追踪方法、系统及设备,包括以下步骤:对作业现场中的移动目标进行标定并实时进行点云采集,获得点云数据集;对标定的包括移动目标的点云进行处理,从而对移动目标进行追踪;将追踪的结果进行实时显示。本发明的方法有通用性,不用事先训练,而且可追踪在移动过程中不产生形变的任意刚性物体,也不需要对不同的物体建立不同的模型进行追踪,从而与现有的行人追踪进行互补。
Description
技术领域
本发明属于追踪检测技术领域,尤其涉及一种移动目标的追踪方法、系统及设备。
背景技术
现有技术都是对特别种类的目标进行追踪,如行走的行人、运动的汽车、杯子和笔记本等,但是在对这些目标进行追踪时,需要提前建立模型进行训练,并根据所要追踪的目标不同,如在追踪行走的行人时,还需要提取关于行人的一些特征,并且针对所追踪的目标的不同,需要建立和训练不同的模型。比如训练好的模型是针对行人和汽车的,那么在具体应用追踪中,该模型只能对行人和汽车进行追踪,对其它的物体就不起作用。但是在实际的作业现场,如所变电站等场所,要追踪的目标各种各样,而对每一种物体分别建立相应的模型来进行追踪,这将会非常麻烦,而且在进行具体的追踪时,各种不同的模型同时工作将会导致追踪容易出现问题,导致追踪失败;同时在作业现场中的所要追踪的目标存在不确定性时,比如要对吊车运输的未知物体进行追踪,那么所建立和训练的所有的模型都将会失效。
发明内容
为了克服现在技术存在的问题,本发明提供一种移动目标的追踪方法、系统及设备来解决现有技术中存在的上述问题。
一种移动目标的追踪方法,包括以下步骤:
S1.对作业现场中的移动目标进行标定并实时进行点云采集,获得点云数据集;
S2.对标定的包括移动目标的点云进行处理,从而对移动目标进行追踪;
S3.将追踪的结果进行实时显示。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述S2采用目标跟踪方法对标定的所述移动目标进行追踪,所述目标跟踪方法包括对所述点云数据集中的所有点云进行处理后,进行点云个数判断和遮挡判断,根据判断结果来进行追踪。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,S2还包括:所述目标跟踪方法对点云数据集中的第一帧点云的处理和第i-1帧的处理方式不同。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述S2具体包括如下步骤:
S21.对所述点云数据集中的第一帧点云中的移动目标进行处理,形成第一模板点云template_point_cloud1,并记录第一模板点云中的最小点云个数min_points1和与第一帧点云对应的时间戳t1;
S22.在对第i帧点云追踪时,将时间戳ti输入卡尔曼滤波器进行处理,得到第i个卡尔曼滤波器预测的包围盒,将其扩大K倍后,得到第i帧搜索点云search_point_cloudi,其中,i>1且为正整数,K为正整数;
S23.对第i帧搜索点云search_point_cloudi进行点云个数是否过少判断;并对第i-1帧模板点云template_point_cloudi-1进行是否遮挡判断;
S24.在判断结果均为否时,将第i帧搜索点云search_point_cloudi和第i-1帧模板点云template_point_cloudi-1进行特征描述,并对第i-1帧模板点云template_point_cloudi-1进行粗变换,得到第i帧粗预测点云coarse_pred_point_cloudi与第i帧粗预测包围盒coarse_pred_bboxi;
S25.对第i帧粗预测点云coarse_pred_point_cloudi进行追踪判断,若追踪成功,则对该第i帧粗预测点云coarse_pred_point_cloudi和粗预测包围盒coarse_pred_bboxi进行处理,得到第i帧模板点云template_point_cloudi和第i帧点云的包围盒bboxi及最小点云个数min_pointsi。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,还包括S26:若失败次数大于设定的阈值时,则追踪失败,整个过程结束,继续对第i+1帧点云中标定的所述移动目标采用目标跟踪方法进行追踪。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述S3具体包括:将最终的第i帧模板点云template_point_cloudi和第i帧点云的包围盒bboxi作为追踪结果进行显示。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述S23具体包括:
S231.将第i帧搜索点云search_poing_cloudi的点云个数与min_pointsi-1*min_rate进行比较,其中min_rate为预设的大于0而小于1的一个小数,min_pointsi-1为第i-1帧点云的点云个数,若search_point_cloudi的点云个数小于min_pointsi-1*min_rate,则搜索区域的点数过少,判定为追踪失败,转步骤S26,否则转步骤S25;
S232.将第i帧模板点云template_point_cloudi与第i帧点云input_point_cloudi进行处理得到第i个遮挡点数obstacle_pointsi,将obstacle_pointsi与obstacle_pointsi-1*obstacle_rate进行比较,obstacle_pointsi-1为第i-1个遮挡点数,obstacle_rate为预先设定的超参数遮挡率,若obstacle_pointsi小于obstacle_pointsi-1*obstacle_rate,则判定无遮挡,转步骤S25,否则转步骤S26。
本发明还提供了一种移动目标的追踪系统,所述系统实现所述的方法,包括:
采集模块,用于对作业现场中的移动目标进行标定并实时进行点云采集,获得点云数据集;
追踪模块,用于对标定的包括移动目标的点云进行处理,从而对移动目标进行追踪;
显示模块,用于将追踪的结果进行显示。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述采集模块为雷达。
本发明还提供了一种计算机设备,包括:处理器和用于存储可执行指令的存储器,其中,所述处理器被配置为执行所述可执行指令,以执行本发明所述的追踪方法。
与现有技术相比,本发明有如下有益效果:
本发明相比现有技术具有如下优点:
本发明移动目标的追踪方法,包括:对作业现场进行点云采集,获得点云数据集;对所述点云数据集中的包括移动目标的点云进行标定;对标定的移动目标进行追踪;将追踪的结果进行显示,本发明的方法有通用性,不用事先训练,运算量小,推理速度较快,而且可追踪在移动过程中不产生形变的任意刚性物体,也不需要对不同的物体建立不同的模型进行追踪,从而与现有的行人追踪进行互补。
附图说明
图1为本发明方法流程图;
图2为本发明的电子设备结构示意图。
具体实施方式
为了更好的理解本发明的技术方案,本发明内容包括但不限于下文中的具体实施方式,相似的技术和方法都应该视为本发明保护的范畴之内。为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
应当明确,本发明所描述的实施例仅仅是本发明一部分实施例,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作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。
如1所示,本发明提供了一种移动目标的追踪方法,包括以下步骤:S1.对作业现场中的移动目标进行标定并实时进行点云采集,获得点云数据集;
S2.对标定的包括移动目标的点云进行处理,从而对移动目标进行追踪;
S3.将追踪的结果进行实时显示。
进一步地,在S1中采用视频设备等对现场进行实时的拍摄,在形成的点云视频流中暂停进行人工标定,或者不暂停直接通过检测算法输出的结果来标定移动目标,确定移动目标后,对移动目标进行实时地追踪监控,具体的追踪监控过程,在下面进行详细地描述。本发明采用人工手动在选定的移动目标进行标定的方式为现有技术,本发明不作限定。
进一步地,所述S2采用目标跟踪方法对标定的包括移动目标的点云进行追踪,所述目标跟踪方法包括对所述点云数据集中的所有点云进行处理后,进行点云个数判断和遮挡判断,根据判断结果来进行追踪,且所述目标跟踪方法对点云数据集中的第一帧点云的处理和第i-1帧的处理方式不同,具体包括如下步骤:
S21.对所述点云数据集中的第一帧点云中的移动目标进行处理,具体为采用立方体对第一帧点云进行包围,形成第一模板点云template_point_cloud1,并记录第一模板点云中的最小点云个数min_points1和与第一帧点云对应的时间戳t1;
S22.在对第i帧点云追踪时,所述时间戳ti输入卡尔曼滤波器进行处理,得到第i个卡尔曼滤波器预测的包围盒,将其扩大K倍后,得到第i帧搜索点云search_point_cloudi,其中,i>1且为正整数,K为正整数;
S23.对第i帧搜索点云search_point_cloudi进行点云个数是否过少的判断;并对第i-1帧模板点云template_point_cloudi-1进行是否遮挡的判断;
S24.在判断结果均为否时,将第i帧搜索点云search_point_cloudi和第i-1帧模板点云template_point_cloudi-1进行特征描述,并对第i-1帧模板点云template_point_cloudi-1进行粗变换,得到第i帧粗预测点云coarse_pred_point_cloudi与第i帧粗预测包围盒coarse_pred_bboxi;
S25.对第i帧粗预测点云coarse_pred_point_cloudi进行追踪判断,若追踪成功,则对该第i帧粗预测点云coarse_pred_point_cloudi和粗预测包围盒coarse_pred_bboxi进行处理,得到最终的第i帧模板点云template_point_cloudi和第i帧点云的包围盒bboxi,最小点云个数min_pointsi;
S26:若失败次数大于设定的阈值时,则追踪失败,则整个过程结束,即对第i帧点云的追踪结束,继续对第i+1帧点云中标定的所述移动目标采用目标检测方法进行追踪。
进一步地,所述S3具体包括:将最终变换的第i帧模板点云template_point_cloudi和第i帧点云的包围盒bboxi作为追踪结果进行显示。
进一步地,所述S23具体包括:
S231.将第i帧模板点云search_point_cloudi包括的点云个数与min_pointsi-1*min_rate进行比较,其中min_rate为预设的大于0而小于1的一个小数,min_pointsi-1为第i-1帧点云的点云个数,若search_point_cloudi的点云个数小于min_pointsi-1*min_rate,则搜索区域的点数过少,判定为追踪失败,转步骤S26,否则转步骤S25;
S232.将第i帧模板点云template_point_cloudi与第i帧点云input_point_cloudi进行处理得到第i个遮挡点数obstacle_pointsi,将obstacle_pointsi与obstacle_pointsi-1*obstacle_rate进行比较,obstacle_rate为预先设定的超参数遮挡率,obstacle_pointsi-1为第i-1个遮挡点数,若obstacle_pointsi小于obstacle_pointsi-1*obstacle_rate,则判定无遮挡,转步骤S25,否则转步骤S26。
具体来说,本发明采用目标跟踪方法的具体过程如下:
在开始之前,先说明本目标跟踪方法中使用的遮挡判断模块obstacle_judge,该模块的初始输入设为模板块template_pc,搜索块search pc两个部分,该模块主要执行以下操作:
1.确定模板块template_pc的质心template_center,搜索块search pc的质心search_center;
2.计算模板块template_pc与其质心template_center之间的度数,及搜索块search pc与质心search_center之间的度数:
其中点“·”表示矩阵的内积,||x||表示矩阵x每一个行向量的模大小,*为乘法,arccos()表示反余弦函数,degree()表示将余弦值转换为度数;
3.计算模板块template_pc和搜索块search pc的距离
distance_template=||template_pc||
distance_search=||search_pc||
4.计算模板块template_pc的最大度数max_degree=max(degrees_gemplate),计算模板块template_pc的最大距离max_distance=min(distance_template);
5.统计满足distance_search矩阵中小于max_distance且degrees_search矩阵中小于degrees_template的索引,计算索引数量,记为遮挡点数obstacle_points,并返回遮挡点数obstacle_points,模块计算结束。
下面描述本目标跟踪方法的具体步骤:
设bboxi为第i帧点云的预测立体包围盒bounding box,优选采用长方体包围盒来实现,当i=1时,bounding box1表示为第一帧点云时的包围盒。设input_point_cloudi为输入的第i帧的环境点云,即作为该第i帧的输入点云,其中,ti为该第i帧点云的时间戳,template_point_cloudi为第i帧的模板点云,min_pointsi为第i帧模板点云template_point_cloudi的最小点云个数。
第一帧点云作为第一环境点云(或称为第一输入点云)input_point_cloud1,并采用第一包围盒bbox1对第一环境点云中的移动目标进行标定,此时设定失败计数cnt_fail=0,通过第一包围盒bbox1将第一环境点云input_point_cloud1进行分割,将被第一包围盒bbox1包围在内的移动目标的点云,记为第一帧模板点云template_point_cloud1,并得出该第一帧模板点云template_point_cloud1的最小点云个数min_points1,该第一帧模板点云template_point_cloud1为一个包括点云的立体空间。将第一包围盒bbox1和当前第一帧点云对应的时间戳t1输入卡尔曼滤波器用于后续的步骤。设第一帧模板点云template_point_cloud1的中心点为center_temlpate1,点云是采用雷达采集的,因此,记雷达信号发射点坐标为c,本发明的目标跟踪方法是在雷达信号发射点的坐标为零的情况下进行,因此,将第一帧模板点云template_point_cloud1与第一输入点云input_point_cloud1分别减去雷达信号发射点坐标c,用于消除偏差,之后将消除偏差后的第一帧模板点云template_point_cloud1与第一输入点云input_point_cloud1同时进行遮挡处理,从而得到相应的遮挡点数,优选地,本发明是将所述消除偏差后的第一帧模板点云template_point_cloud1与第一输入点云input_point_cloud1同时输入遮挡判断模块obstacle_judge进行处理,得到第一遮挡点数obstacle_points1。在对第i(i>1且为正整数)帧点云进行处理时,记录该第i帧模板点云的最小点云个数min_pointsi和第i帧点云对应的时间戳ti,将第i帧模板点云template_point_cloudi与第i帧输入点云input_point_cloudi二者分别减去雷达信号发射点坐标c后,同时输入遮挡检测模块obstacle_judge后进行计算得到第i个遮挡点数obstacle_pointsi。
在对第i(其中i>1且为正整数)帧点云进行追踪时,此时有该第i帧输入点云input_point_cloudi及对上一帧点云的追踪结果,该上一帧点云的追踪结果包括第i-1个包围盒bboxi-1和第i-1帧模板点云template_point_cloudi-1。此时追踪的具体的步骤如下:
(1).将时间戳ti输入卡尔曼滤波器,通过卡尔曼滤波预测一个移动目标的第i个包围盒,记为卡尔曼预测包围盒kalman_pred_bboxi,并将kalman_pred_bboxi扩大K倍,K为正整数,记为k_kalman_pred_bboxi。计算第o个输入点云imput_point_cloudi中在k_kalmax_pred_bboxi中的点,将该部分点云记为第i个搜索点云search_point_cloudi;
(2).比较第i个搜索点云search_point_cloudi中点云的个数与第i-1帧模板点云的最小点云个数min_pointsi-1与一个系数的乘积min_pointsi-1*min_rate的大小,其中,系数min_rate为预设的介于0与1之间的小数,若search_point_cloudi点云的个数小于min_pointsi-1*min_rate,则认为搜索区域的点数过少,判定为追踪失败,转步骤(9),否则转步骤(4);
(3).判断遮挡,将第i个模板点云template_point_cloudi与第i个输入点云input_point_cloudi进行处理,进行遮挡判断,优选地,本发明将template_point_cloudi与input_point_cloudi输入遮挡判断模块obstacle_judge,根据前面描述的遮挡判断模块obstacle_judge所进行的操作,经处理后得到第i个遮挡点数obstacle_pointsi,判断遮挡点数obstacle_pointsi与第i-1个遮挡点数obstacle_pointsi-1与超参数遮挡率的乘积obstacle_pointsi-1*obstacle_rate的大小,obstacle_rate为预先设定的超参数遮挡率,大小在0与1之间。若obstacle_pointsi小于obstacle_pointsi-1*obstacle_rate,则认定没有遮挡,转步骤(4),否则转步骤(9);
(4).将search_point_cloudi与template_point_cloudi-1分别降采样后得到兴趣搜索点集key_point_searchi与兴趣模板点集key_point_templatei,并进行处理得到兴趣点集的搜索特征feature_searchi与模板特征feature_templatei;
(5).将key_point_searchi、key_point_templatei、feature_searchi和feature_templatei进行粗配准,优选地,本发明将上述四者输入配准模型SC2-PCR中进行处理,得到初始变换矩阵coarse_transform_matrixi;
(6).使用coarse_transform_matrixi将第i-1帧模板点云template_point_cloudi-1与第i-1个包围盒bboxi-1进行变换,得到第i帧粗预测点云coarse_pred_point_cloudi与第i个粗预测包围盒coarse_pred_bboxi;
(7).计算coarse_pred_point_cloudi中有多少比例的点在第i个卡尔曼预测包围盒kalman_pre_bboxi中,记为包含率in_ratei,计算kalman_pred_bboxi与coarse_pred_bboxi中心的距离distancei,具体采用与遮挡判断模块obstacle_judge中关于距离的相同的计算方式;
(8).判断in_ratei是否小于设定的阈值in_rate_threhold,判断distancei是否小于设定的距离阈值distance_threhold,若全部不满足转步骤(9),否则转(10);
(9).追踪失败,则失败计数加1,即cnt_fail=cnt_fail+1,将template_point_cloudi设定为template_point_cloudi-1,bboxi设定为bboxi-1,转步骤(12);
(10).将coarse_pred_point_cloudi与input_point_cloudi进行精配准,优选地,本发明采用ICP算法来实现,得到细化转换矩阵fine_transform_matrixi,并将coarse_pred_point_cloudi与coarse_pred_bboxi进行变换,得到变换的template_point_cloudi与bboxi,计算该变换的template_point_cloudi的min_pointsi并令失败计数为零:cnt_fail=0,在终端上始终显示最终的变换的template_point_cloudi与bboxi,以便实时追踪移动目标;
(11).将最终的变换的bboxi与时间戳ti送入卡尔曼滤波器中,对卡尔曼滤波器进行更新,转步骤(12);
(12).若失败次数cnt_fail大于设定的失败最大值max_fail_nums,则整个算法结束,否则继续进行下一帧点云的追踪过程。
本发明的目标跟踪方法在执行过程中使用卡尔曼滤波器进行辅助预测,目的是为了减少搜索空间,降低过程的运行时间,并可以在一定程度上降低干扰;还有就是用来判断追踪的结果是否有效,因为若不加以约束,在执行过程中很有可能找到一个将一块形状与移动目标较相似但实际距离很远的点云视为追踪的目标,因此采用卡尔曼滤波提高了整个检测方法的检测效果。
本发明实施例还提供了一种移动目标的追踪系统,所述系统实现本发明所述的方法,包括:
采集模块,用于对作业现场中的移动目标进行标定并实时进行点云采集,获得点云数据集;
追踪模块,用于对标定的包括移动目标的点云进行处理,从而对移动目标进行追踪;
显示模块,用于将追踪的结果进行显示。
本发明的采集模块包括但不限于激光雷达、视频采集设备等,本发明将采集模块采集的点云输出到显示模块上,并通过交互设备选择移动目标后,采用本发明所提出的方法来对点云按帧进行跟踪,并将跟踪的结果反馈于显示模块中,便于实时追踪移动目标。
如图2所示,本发明实施例还提供了一种电子设备60,该电子设备包括:
至少一个处理器,以及;
与该至少一个处理器通信连接的存储器,其中;
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行前述方法。
模式转换方法。
本发明实施例还提供了一种计算机程序产品,该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序,该计算机程序包括程序指令,当该程序指令被计算机执行时,使该计算机执行前述方法。
下面参考图2,其示出了适于用来实现本发明实施例的电子设备60的结构示意图。
本发明实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图2示出的电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图2所示,电子设备60可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM603中,还存储有电子设备60操作所需的各种程序和数据。处理装置601、ROM602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备60与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装置的电子设备60,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本发明的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM602被安装。在该计算机程序被处理装置601执行时,执行本发明实施例的方法中限定的上述功能。
需要说明的是,本发明上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取至少两个网际协议地址;向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求,其中,所述节点评价设备从所述至少两个网际协议地址中,选取网际协议地址并返回;接收所述节点评价设备返回的网际协议地址;其中,所获取的网际协议地址指示内容分发网络中的边缘节点。
或者,上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:接收包括至少两个网际协议地址的节点评价请求;从所述至少两个网际协议地址中,选取网际协议地址;返回选取出的网际协议地址;其中,接收到的网际协议地址指示内容分发网络中的边缘节点。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在上面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。公开于该背景技术部分的信息仅仅旨在加深对本发明的总体背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
Claims (10)
1.一种移动目标的追踪方法,其特征在于,包括以下步骤:
S1.对作业现场中的移动目标进行标定并实时进行点云采集,获得点云数据集;
S2.对标定的包括移动目标的点云进行处理,从而对移动目标进行追踪;
S3.将追踪的结果进行实时显示。
2.根据权利要求1所述的移动目标的追踪方法,其特征在于,所述S2采用目标跟踪方法对标定的所述移动目标进行追踪,所述目标跟踪方法包括对所述点云数据集中的所有点云进行处理后,进行点云个数判断和遮挡判断,根据判断结果来进行追踪。
3.根据权利要求2所述的移动目标的追踪方法,其特征在于,S2还包括:所述目标跟踪方法对点云数据集中的第一帧点云的处理和第i-1帧点云的处理方式不同。
4.根据权利要求3所述的移动目标的追踪方法,其特征在于,所述S2具体包括如下步骤:
S21.对所述点云数据集中的第一帧包括移动目标的点云进行处理,形成第一模板点云template_point_cloud1,并记录第一模板点云中的最小点云个数min_points1和与第一帧点云对应的时间戳t1;
S22.在对第i帧点云追踪时,将时间戳ti输入卡尔曼滤波器进行处理,得到第i个卡尔曼滤波器预测的包围盒,将其扩大K倍后,得到第i帧搜索点云search_point_cloudi,其中,i>1且为正整数,K为正整数;
S23.对第i帧搜索点云search_point_cloudi进行点云个数是否过少判断;并对第i-1帧模板点云template_point_cloudi-1进行是否遮挡判断;
S24.在判断结果均为否时,将第i帧搜索点云search_point_cloudi和第i-1帧模板点云template_point_cloudi-1进行特征描述,并对第i-1帧模板点云template_point_cloudi-1进行粗变换,得到第i帧粗预测点云coarse_pred_point_doudi与第i帧粗预测包围盒coarse_pred_bboxi;
S25.对第i帧粗预测点云coarse_pred_point_doudi进行追踪判断,若追踪成功,则对该第i帧粗预测点云coarse_pred_point_doudi和粗预测包围盒coarse_pred_bboxi进行处理,得到第i帧模板点云template_point_cloudi和第i帧点云的包围盒bboxi及最小点云个数min_pointsi。
5.根据权利要求4所述的移动目标的追踪方法,其特征在于,还包括S26:若失败次数大于设定的阈值时,则追踪失败,整个过程结束,继续对第i+1帧点云中标定的所述移动目标采用目标跟踪方法进行追踪。
6.根据权利要求4所述的移动目标的追踪方法,其特征在于,所述S3具体包括:将最终的第i帧模板点云template_point_cloudi和第i帧点云的包围盒bboxi作为追踪结果进行显示。
7.根据权利要求5所述的移动目标的追踪方法,其特征在于,所述S23具体包括:
S231.将第i帧搜索点云search_point_cloudi的点云个数与min_pointsi-1*min_rate进行比较,其中min_pointsi-1为第i-1帧点云的最小点云个数,min_rate为预设的大于0而小于1的一个小数,若search_point_cloudi的点云个数小于min_pointsi-1*min_rate,则搜索区域的点数过少,判定为追踪失败,转步骤S26,否则转步骤S25;
S232.将第i帧模板点云template_point_cloudi与第i帧点云input_point_cloudi进行处理得到第i个遮挡点数obstacle_pointsi,将obstacle_pointsi与obstacle_pointsi-1*obstacle_rate进行比较,其中,obstacle_pointsi-1为第i-1个遮挡点数,obstacle_rate为预先设定的超参数遮挡率,取值在0与1之间,若obstacle_pointsi小于obstacle_pointsi-1*obstacle_rate,则判定无遮挡,转步骤S25,否则转步骤S26。
8.一种移动目标的追踪系统,其特征在于,所述系统实现权利要求1-7任一项所述的方法,包括:
采集模块,用于对作业现场中的移动目标进行标定并实时进行点云采集,获得点云数据集;
追踪模块,用于对标定的包括移动目标的点云进行处理,从而对移动目标进行追踪;
显示模块,用于将追踪的结果进行显示。
9.根据权利要求8所述的系统,其特征在于,所述采集模块为雷达。
10.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器,以及;
与所述至少一个处理器通信连接的存储器,其中;
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310271702.2A CN116430338B (zh) | 2023-03-20 | 2023-03-20 | 一种移动目标的追踪方法、系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310271702.2A CN116430338B (zh) | 2023-03-20 | 2023-03-20 | 一种移动目标的追踪方法、系统及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116430338A true CN116430338A (zh) | 2023-07-14 |
CN116430338B CN116430338B (zh) | 2024-05-10 |
Family
ID=87089913
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310271702.2A Active CN116430338B (zh) | 2023-03-20 | 2023-03-20 | 一种移动目标的追踪方法、系统及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116430338B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110018489A (zh) * | 2019-04-25 | 2019-07-16 | 上海蔚来汽车有限公司 | 基于激光雷达的目标追踪方法、装置及控制器和存储介质 |
US20200081095A1 (en) * | 2018-09-07 | 2020-03-12 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for generating object detection box, device, storage medium, and vehicle |
CN113743385A (zh) * | 2021-11-05 | 2021-12-03 | 陕西欧卡电子智能科技有限公司 | 一种无人船水面目标检测方法、装置及无人船 |
CN114708303A (zh) * | 2022-04-27 | 2022-07-05 | 美智纵横科技有限责任公司 | 追踪方法、追踪装置、可读存储介质、电子设备和机器人 |
WO2022188663A1 (zh) * | 2021-03-09 | 2022-09-15 | 华为技术有限公司 | 一种目标检测方法及装置 |
CN115272392A (zh) * | 2022-07-27 | 2022-11-01 | 香港中文大学(深圳)未来智联网络研究院 | 目标跟踪方法、装置、设备及存储介质 |
CN115755021A (zh) * | 2022-10-31 | 2023-03-07 | 东风商用车有限公司 | 一种毫米雷达目标跟踪方法、装置、设备及存储介质 |
CN115792890A (zh) * | 2023-02-06 | 2023-03-14 | 成都九洲迪飞科技有限责任公司 | 基于凝聚量测自适应互联的雷达多目标跟踪方法及系统 |
-
2023
- 2023-03-20 CN CN202310271702.2A patent/CN116430338B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200081095A1 (en) * | 2018-09-07 | 2020-03-12 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for generating object detection box, device, storage medium, and vehicle |
CN110018489A (zh) * | 2019-04-25 | 2019-07-16 | 上海蔚来汽车有限公司 | 基于激光雷达的目标追踪方法、装置及控制器和存储介质 |
WO2022188663A1 (zh) * | 2021-03-09 | 2022-09-15 | 华为技术有限公司 | 一种目标检测方法及装置 |
CN113743385A (zh) * | 2021-11-05 | 2021-12-03 | 陕西欧卡电子智能科技有限公司 | 一种无人船水面目标检测方法、装置及无人船 |
CN114708303A (zh) * | 2022-04-27 | 2022-07-05 | 美智纵横科技有限责任公司 | 追踪方法、追踪装置、可读存储介质、电子设备和机器人 |
CN115272392A (zh) * | 2022-07-27 | 2022-11-01 | 香港中文大学(深圳)未来智联网络研究院 | 目标跟踪方法、装置、设备及存储介质 |
CN115755021A (zh) * | 2022-10-31 | 2023-03-07 | 东风商用车有限公司 | 一种毫米雷达目标跟踪方法、装置、设备及存储介质 |
CN115792890A (zh) * | 2023-02-06 | 2023-03-14 | 成都九洲迪飞科技有限责任公司 | 基于凝聚量测自适应互联的雷达多目标跟踪方法及系统 |
Non-Patent Citations (1)
Title |
---|
叶语同 等: "智能驾驶中点云目标快速检测与跟踪", 《武汉大学学报(信息科学版)》, vol. 44, no. 01, 5 January 2019 (2019-01-05), pages 139 - 144 * |
Also Published As
Publication number | Publication date |
---|---|
CN116430338B (zh) | 2024-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111222509B (zh) | 目标检测方法、装置及电子设备 | |
CN114964296B (zh) | 车辆行驶路径规划方法、装置、设备和计算机可读介质 | |
CN115326099B (zh) | 局部路径规划方法、装置、电子设备和计算机可读介质 | |
CN114647248B (zh) | 机器人避障方法、电子设备及可读存储介质 | |
CN116164770B (zh) | 路径规划方法、装置、电子设备和计算机可读介质 | |
CN115817463B (zh) | 车辆避障方法、装置、电子设备和计算机可读介质 | |
CN115616937A (zh) | 自动驾驶仿真测试方法、装置、设备和计算机可读介质 | |
CN110555861B (zh) | 光流计算方法、装置及电子设备 | |
CN115761702A (zh) | 车辆轨迹生成方法、装置、电子设备和计算机可读介质 | |
CN111401229B (zh) | 视觉小目标自动标注方法、装置及电子设备 | |
CN116758498B (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
CN116430338B (zh) | 一种移动目标的追踪方法、系统及设备 | |
CN116311155A (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
WO2022105622A1 (zh) | 图像分割方法、装置、可读介质及电子设备 | |
CN113703704B (zh) | 界面显示方法、头戴式显示设备和计算机可读介质 | |
CN115273012A (zh) | 虚线车道线识别方法、装置、电子设备和计算机可读介质 | |
CN114119973A (zh) | 一种基于图像语义分割网络的空间距离预测方法及系统 | |
CN111383337A (zh) | 用于识别对象的方法和装置 | |
CN116563817B (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
CN116563818B (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
CN115578522B (zh) | 一种基于图像的彩色稠密化点云生成方法及装置 | |
CN114782290B (zh) | 视差图修正方法、装置、设备和计算机可读介质 | |
CN113808050B (zh) | 3d点云的去噪方法、装置、设备及存储介质 | |
CN114863025B (zh) | 三维车道线生成方法、装置、电子设备和计算机可读介质 | |
CN115330830A (zh) | 一种用于3d点云的目标实时跟踪方法和系统 |
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 |