CN116704016A - 目标定位方法、装置、电子设备及存储介质 - Google Patents
目标定位方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116704016A CN116704016A CN202310996322.5A CN202310996322A CN116704016A CN 116704016 A CN116704016 A CN 116704016A CN 202310996322 A CN202310996322 A CN 202310996322A CN 116704016 A CN116704016 A CN 116704016A
- Authority
- CN
- China
- Prior art keywords
- target
- camera
- angle
- image
- point
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000003287 optical effect Effects 0.000 claims description 20
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 230000004807 localization Effects 0.000 claims description 5
- 238000002372 labelling Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 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
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30244—Camera pose
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种目标定位方法、装置、电子设备及存储介质,其中方法包括:根据目标的形状建模,将所述目标建模成固定尺寸的圆柱体;获取图像中标注有所述目标的边界框的位置大小、拍摄所述图像时相机的俯仰角和所述相机的内参信息;根据所述圆柱体的尺寸信息、所述内参信息、所述俯仰角和所述边界框的位置大小确定出所述目标相对于所述相机的距离和角度。采用本发明的方法,通过基础几何计算即可实现目标定位,运算简单,对硬件性能要求低。
Description
技术领域
本发明涉及目标定位技术领域,特别是涉及一种目标定位方法、装置、电子设备及存储介质。
背景技术
视觉人物检测广泛运用于安防,影视等领域。人物检测算法通常在二维图像上显示边界框(bounding box)将人物框出。而被识别人物的具体位置与距离则对后续智能应用(如跟踪,定位等)至关重要。目前常用的定位被识别人物位置的方法有:(1)基于深度学习网络定位人物距离;(2)使用图像上的边界框以及人物高度推算出人物距离。第一种方法需要大量数据进行训练,时间长,成本高,且在后续运算过程中对硬件性能要求高,符合硬件性能要求的硬件往往功耗高,难以在功耗要求低的设备上(如无人机)上部署。第二种方法虽然计算简单,但在相机俯视时难以计算准确。
此外,在无人机行业,常用的高效率方法为通过双目相机测量的点云(含距离信息),辅助计算相机中目标的位置对目标进行定位。但是该方法对硬件要求高,需要配备双目相机才能实现。
发明内容
本发明实施例旨在提供一种目标定位方法、装置、电子设备及存储介质,以解决现有技术中对目标进行定位存在硬件性能要求高或者定位不准确的问题。
为解决上述技术问题,本发明实施例提供以下技术方案:
根据本发明的一方面,提供一种目标定位方法,所述方法包括:
根据目标的形状建模,将所述目标建模成固定尺寸的圆柱体;
获取图像中标注有所述目标的边界框的位置大小、拍摄所述图像时相机的俯仰角和所述相机的内参信息;
根据所述圆柱体的尺寸信息、所述内参信息、所述俯仰角和所述边界框的位置大小确定出所述目标相对于所述相机的距离和角度。
可选地,所述目标为人物,根据目标的形状建模,将目标建模成固定尺寸的圆柱体包括:
将所述人物的肩宽作为所述圆柱体的底面直径;
将所述人物的身高作为所述圆柱体的高。
可选地,所述相机拍摄所述图像时的横滚角为0°或近似0°。
可选地,所述方法还包括:
基于深度学习方法在所述相机拍摄到的图像中对所述目标进行标注。
可选地,所述根据所述圆柱体的尺寸信息、所述内参信息、所述俯仰角和所述边界框的位置大小确定出所述目标相对于所述相机的距离和角度步骤包括:
根据所述内参信息、所述俯仰角和所述边界框的位置大小确定出位于所述目标上底面上的第一预设点相对于所述相机所在水平面的第一角度和位于所述目标下底面上的第二预设点相对于所述相机所在水平面的第二角度;
根据所述圆柱体的尺寸、所述第一角度和所述第二角度确定出所述第一预设点与所述相机的第一距离或所述第二预设点与所述相机的第二距离。
可选地,所述第一角度和所述第二角度的确定方法包括:
在所述图像中基于所述边界框的上下边界做中垂线,所述中垂线与所述边界框的上边界相交于第一图像点,所述中垂线与所述边界框的下边界相交于第二图像点;
从所述图像的中心向所述中垂线做垂线,所述中垂线和所述垂线相交于第三图像点;
连接所述相机光心和所述第三图像点,得到第一连线,连接所述相机光心和所述第一图像点,得到第二连线,连接所述相机光心和所述第二图像点,得到第三连线,所述第一连线和所述第二连线围成第一夹角,所述第一连线和所述第三连线围成第二夹角;
根据所述内参信息和所述边界框的位置大小计算出所述第一夹角和所述第二夹角;
根据所述俯仰角和所述第一夹角确定所述第一角度;
根据所述俯仰角和所述第二夹角确定所述第二角度。
可选地,所述第一预设点为所述第一图像点在所述目标上的对应点,所述第二预设点为所述第二图像点在所述目标上的对应点。
根据本发明的另一方面,提供一种目标定位装置,所述装置包括:
目标建模模块,用于根据目标的形状建模,将目标建模成固定尺寸的圆柱体;
信息获取模块,用于获取图像中标注有所述目标的边界框的位置大小、拍摄所述图像时相机的俯仰角和所述相机的内参信息;
目标定位模块,用于根据所述圆柱体的尺寸信息、所述内参信息、所述俯仰角和所述边界框的位置大小确定出所述目标相对于所述相机的距离和角度。
根据本发明的又一方面,提供一种电子设备,所述电子设备包括存储器、处理器及存储在存储器上运行的计算机程序,所述处理器执行所述程序时实现上述任一项所述的目标定位方法的步骤
根据本发明的再一方面,提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,当所述计算机程序被处理器执行时,所述处理器执行上述任一项所述的目标定位方法的步骤。
本发明实施例的有益效果是:区别于现有技术的情况,本发明实施例中,提供了一种目标定位方法,先将目标建模成固定尺寸的圆柱体,再获取在相机拍摄到的图像中标注有目标的边界框的位置大小、拍摄图像时相机的俯仰角和相机的内参信息,最后根据圆柱体的尺寸信息、内参信息、俯仰角和边界框的位置大小确定出目标相对于相机的距离和角度。采用本发明的方法,首先将目标建模成从各个角度拍摄后形状均相同的圆柱体,无需计算人物的朝向,简化了定位流程;再通过基础几何计算即可实现目标定位,运算简单,对硬件性能要求低。此外,本发明不需要借助双目摄像头或者激光测距传感器进行定位,大大降低了硬件成本。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是本发明实施例提供的一种目标定位方法的流程示意图;
图2是本发明实施例提供的对人物进行建模的示意图;
图3是本发明实施例提供的在相机坐标系下目标与相机的位置关系图;
图4是本发明实施例提供的在像素坐标系下标注有目标的图像示意图;
图5是本发明实施例提供的图像在相机坐标系下的示意图;
图6是本发明实施例提供的一种目标定位装置的结构示意图;
图7是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明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,都属于本发明保护的范围。
此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本发明实施例提供一种目标定位方法,该目标定位方法可应用于无人机、监控相机。
实施例一
请参阅图1,为本发明实施例提供的一种目标定位方法的流程图,所述方法包括:
步骤S101,根据目标的形状建模,将所述目标建模成固定尺寸的圆柱体。
在本发明的一个示例中,所述目标为人物。如图2所示,人物站立于底面时,可建模为高H、底面直径为D的圆柱体,其中,高度H为人物的实际身高,直径D为人物的肩宽。
在本发明的其他示例中,所述目标还包括可建模成圆柱体的其他物体,比如机器人等。
步骤S102,获取图像中标注有所述目标的边界框的位置大小、拍摄所述图像时相机的俯仰角和所述相机的内参信息。
为使得目标在拍摄到的图像中处于垂直状态,相机拍摄图像时的横滚角需为0°或近似0°。为保证算法的准确性,本发明中的相机优选为采用针孔模型成像的相机,不可为鱼眼等变形镜头相机。
在本发明的一个示例中,相机拍摄到包含目标的图像后,还用于基于目标检测方法将目标在图像中用边界框标注出来。所述目标检测方法包括但不限于:手动框选法、基于深度学习方法,其中深度学习方法采用的深度学习网络包括R-CNN(Region-basedCnvolutional Neural Networks,基于区域的卷积神经网络)、YOLO(You Only LookOnce)、DETR(DEtection TRansformer)等。
如图3所示,为本发明实施例提供的在相机坐标系下目标与相机的位置关系图。其中,O为相机的光心,O为相机的光轴。从相机拍摄的方向来看,BC为面向相机的方向,A为位于目标上底面后方的一点,C为位于目标下底面前方的一点,相机的俯仰角为相机的光轴O/>与相机所在水平面OF的夹角,即图3中的ptc。
边界框的位置大小包括边界框的左上顶点的坐标、边界框的宽和边界框的高。如图4所示,标注有目标的边界框的左上顶点P在像素坐标系下的坐标为(Px,Py),边界框的高为h,宽度为w。
相机的内参信息包括相机的焦距f、相机光心在像素坐标系X轴方向的位置和相机光心在像素坐标系Y轴方向的位置。其中, f包括fx和fy,fx为基于像素的横向宽度得到的焦距像素数,fy为基于像素的纵向宽度得到的焦距像素数。当像素为正方形时,fx=fy。相机光心在像素坐标系X轴方向的位置和相机光心在像素坐标系Y轴方向的位置即图4中图像的中心的坐标(Cx,Cy)。
步骤S103,根据所述圆柱体的尺寸信息、所述内参信息、所述俯仰角和所述边界框的位置大小确定出所述目标相对于所述相机的距离和角度。
对目标进行定位,即确定出目标上特定点相对于相机的距离和角度。为方便计算,选取目标上底面上的第一预设点、或者目标下底面上的第二预设点、或者目标的中心点来计算目标相对于相机的距离和角度。
在本发明的一个示例中,第一预设点和第二预设点的选取方法为:在图像中基于边界框的上下边界做中垂线,所述中垂线与所述边界框的上边界相交于第一图像点,所述中垂线与所述边界框的下边界相交于第二图像点;将第一图像点在目标上的对应点作为第一预设点,将第二图像点在目标上的对应点作为第二预设点。
下面以第一预设点和第二预设点为例来说明对目标进行定位的具体方法,具体包括:
第一步,根据内参信息、俯仰角和边界框的位置大小确定出第一预设点相对于相机所在水平面的第一角度和第二预设点相对于相机所在水平面的第二角度。
参见图3,假设A点为第一预设点、C点为第二预设点,则第一预设点A相对于相机所在水平面的第一角度为OA与OF的夹角γ,第一预设点A与相机的第一距离为OA;第二预设点C相对于相机所在水平面的第二角度为OC与OF的夹角β,第二预设点C与相机的第二距离为OC。确定出OA和γ,或者确定出OC和β即确定出了目标相对于相机的距离和角度。
参见图5,在图像中基于边界框的上下边界做中垂线,所述中垂线与边界框的上边界相交于第一图像点,所述中垂线与边界框的下边界相交于第二图像点/>,然后基于图像的中心/>向所述中垂线做垂线,所述中垂线和所述垂线相交于第三图像点/>。其中,第一图像点/>为第一预设点/>的像点,第二图像点/>为第二预设点C的像点。连接相机光心O和第三图像点/>,得到第一连线O/>,连接相机光心O和第一图像点/>,得到第二连线O/>,连接相机光心O和第二图像点/>,得到第三连线O/>,其中,第一连线O/>和第二连线O/>围成第一夹角/>,第一连线O/>和第三连线O/>围成第二夹角/>。
根据图像投影原理可知,目标上的某一点与其投影到图像平面上的图像点以及相机的光心在一条直线上,即射线OA与射线O重合,射线OC与射线O/>重合。因此,OA与OF的夹角γ即O/>与OF的夹角,OC与OF的夹角β即O/>与OF的夹角。已知O/>与OF的夹角(即相机的俯仰角)为ptc,由于点/>与点/>的纵坐标相同,因此,O/>与OF的夹角也为ptc,则可得到/>和β的计算公式为:
(1)
由图像投影原理可知,△、△/>和△/>均为直角三角形,其中,为直角。
根据几何知识可知:
(2)
进一步,根据式(2)可求出和/>:
(3)
将式(3)再带入式(1)可求得和β的值。在一些示例中,由于O/>与/>之间相差较大,也可将O/>近似为O/>,即O/>
第二步,根据圆柱体的尺寸、第一角度和第二角度确定出第一预设点与相机的第一距离或第二预设点与相机的第二距离。
假设圆柱体的底面直径为D,高为H。继续参阅图3,过A点做OC的垂线AD,与BC交与E点。由于∠AEB=∠CED=β,因此:
根据AD可求得AO:
其中,。同理,可求出CO。
需要说明的是,本领域技术人员可以根据具体需求求出目标上其他特定点相对于相机的角度和距离,或者,根据第一预设点与相机光心的距离AO和第一预设点与相机所在水平面的夹角γ计算出第一预设点距离相机的横向距离OF和竖向距离FA(可带方向)来对目标进行定位,此处不再赘述。
本发明实施例提供的目标定位方法,先将目标建模成固定尺寸的圆柱体,再获取在相机拍摄到的图像中标注有目标的边界框的位置大小、拍摄图像时相机的俯仰角和相机的内参信息,最后根据圆柱体的尺寸信息、内参信息、俯仰角和边界框的位置大小确定出目标相对于相机的距离和角度。采用本发明的方法,首先将目标建模成从各个角度拍摄后形状均相同的圆柱体,无需计算人物的朝向,简化了定位流程;再通过基础几何计算即可实现目标定位,运算简单,对硬件性能要求低。此外,本发明不需要借助双目摄像头或者激光测距传感器进行定位,大大降低了硬件成本。
实施例二
根据本发明实施例,提供一种目标定位装置,如图6所示,本发明实施例提供的一种目标定位装置的结构示意图,该装置包括目标建模模块601、信息获取模块602和目标定位模块603,其中:
目标建模模块601,用于根据目标的形状建模,将目标建模成固定尺寸的圆柱体;
信息获取模块602,用于获取图像中标注有所述目标的边界框的位置大小、拍摄所述图像时相机的俯仰角和所述相机的内参信息;
目标定位模块603,用于根据所述圆柱体的尺寸信息、所述内参信息、所述俯仰角和所述边界框的位置大小确定出所述目标相对于所述相机的距离和角度。
上述装置可执行实施例一中任一所述的目标定位方法,具备方法相应的功能模块和有益效果,未在本实施例中详尽描述的技术细节,可参见本发明实施例一提供的目标定位方法。
实施例三
根据本发明实施例,提供一种电子设备,如图7所示,为本发明实施例提供的一种电子设备的结构示意图,该电子设备可以包括处理器701、通信接口702、存储器703和通信总线704,其中,处理器701、通信接口702、存储器703通过通信总线704完成相互间的通信。处理器701可以调用存储器703中的逻辑指令,以执行实施例一中的目标定位方法,该方法包括:根据目标的形状建模,将所述目标建模成固定尺寸的圆柱体;获取图像中标注有所述目标的边界框的位置大小、拍摄所述图像时相机的俯仰角和所述相机的内参信息;根据所述圆柱体的尺寸信息、所述内参信息、所述俯仰角和所述边界框的位置大小确定出所述目标相对于所述相机的距离和角度。
此外,上述存储器703中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在几个计算机可读存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,计算机软件产品存储于一个存储介质中,包括若干指令用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)执行本发明实施例一中任一所述方法的全部或部分步骤。而前述的存储介质包括: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。
上述产品可执行实施例一中任一所述的目标定位方法,具备方法相应的功能模块和有益效果,未在本实施例中详尽描述的技术细节,可参见本发明实施例一提供的目标定位方法。
实施例四
根据本发明实施例,提供一种计算机可读存储介质,其类型如实施例三中所述,所述计算机可读存储介质存储有计算机程序,当所述计算机程序被处理器执行时,所述处理器执行实施例一中所述的目标定位方法的步骤。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用直至得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明,它们没有在细节中提供;尽管参照前述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申请各实施例技术方案的范围。
Claims (10)
1.一种目标定位方法,其特征在于,所述方法包括:
根据目标的形状建模,将所述目标建模成固定尺寸的圆柱体;
获取图像中标注有所述目标的边界框的位置大小、拍摄所述图像时相机的俯仰角和所述相机的内参信息;
根据所述圆柱体的尺寸信息、所述内参信息、所述俯仰角和所述边界框的位置大小确定出所述目标相对于所述相机的距离和角度。
2.根据权利要求1所述的方法,其特征在于,所述目标为人物,根据目标的形状建模,将目标建模成固定尺寸的圆柱体包括:
将所述人物的肩宽作为所述圆柱体的底面直径;
将所述人物的身高作为所述圆柱体的高。
3.根据权利要求1所述的方法,其特征在于,所述相机拍摄所述图像时的横滚角为0°或近似0°。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于深度学习方法在所述相机拍摄到的图像中对所述目标进行标注。
5.根据权利要求1所述的方法,其特征在于,所述根据所述圆柱体的尺寸信息、所述内参信息、所述俯仰角和所述边界框的位置大小确定出所述目标相对于所述相机的距离和角度步骤包括:
根据所述内参信息、所述俯仰角和所述边界框的位置大小确定出位于所述目标上底面上的第一预设点相对于所述相机所在水平面的第一角度和位于所述目标下底面上的第二预设点相对于所述相机所在水平面的第二角度;
根据所述圆柱体的尺寸、所述第一角度和所述第二角度确定出所述第一预设点与所述相机的第一距离或所述第二预设点与所述相机的第二距离。
6.根据权利要求5所述的方法,其特征在于,所述第一角度和所述第二角度的确定方法包括:
在所述图像中基于所述边界框的上下边界做中垂线,所述中垂线与所述边界框的上边界相交于第一图像点,所述中垂线与所述边界框的下边界相交于第二图像点;
从所述图像的中心向所述中垂线做垂线,所述中垂线和所述垂线相交于第三图像点;
连接所述相机光心和所述第三图像点,得到第一连线,连接所述相机光心和所述第一图像点,得到第二连线,连接所述相机光心和所述第二图像点,得到第三连线,所述第一连线和所述第二连线围成第一夹角,所述第一连线和所述第三连线围成第二夹角;
根据所述内参信息和所述边界框的位置大小计算出所述第一夹角和所述第二夹角;
根据所述俯仰角和所述第一夹角确定所述第一角度;
根据所述俯仰角和所述第二夹角确定所述第二角度。
7.根据权利要求6所述的方法,其特征在于,所述第一预设点为所述第一图像点在所述目标上的对应点,所述第二预设点为所述第二图像点在所述目标上的对应点。
8.一种目标定位装置,其特征在于,所述装置包括:
目标建模模块,用于根据目标的形状建模,将目标建模成固定尺寸的圆柱体;
信息获取模块,用于获取图像中标注有所述目标的边界框的位置大小、拍摄所述图像时相机的俯仰角和所述相机的内参信息;
目标定位模块,用于根据所述圆柱体的尺寸信息、所述内参信息、所述俯仰角和所述边界框的位置大小确定出所述目标相对于所述相机的距离和角度。
9.一种电子设备,所述电子设备包括存储器、处理器及存储在存储器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-7任一项所述的目标定位方法的步骤。
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存储有计算机程序,当所述计算机程序被处理器执行时,所述处理器执行如权利要求1-7任一项所述的目标定位方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310996322.5A CN116704016A (zh) | 2023-08-09 | 2023-08-09 | 目标定位方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310996322.5A CN116704016A (zh) | 2023-08-09 | 2023-08-09 | 目标定位方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116704016A true CN116704016A (zh) | 2023-09-05 |
Family
ID=87836114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310996322.5A Pending CN116704016A (zh) | 2023-08-09 | 2023-08-09 | 目标定位方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116704016A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554708A (zh) * | 2020-04-23 | 2021-10-26 | 华东交通大学 | 一种基于单圆柱靶标的线结构光视觉传感器的完全标定法 |
CN115731343A (zh) * | 2022-07-11 | 2023-03-03 | 首都体育学院 | 一种基于顶视图像分割的多人多视角3d重建方法 |
CN116358486A (zh) * | 2021-12-27 | 2023-06-30 | 大陆泰密克汽车系统(上海)有限公司 | 基于单目相机的目标测距方法、装置及介质 |
-
2023
- 2023-08-09 CN CN202310996322.5A patent/CN116704016A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554708A (zh) * | 2020-04-23 | 2021-10-26 | 华东交通大学 | 一种基于单圆柱靶标的线结构光视觉传感器的完全标定法 |
CN116358486A (zh) * | 2021-12-27 | 2023-06-30 | 大陆泰密克汽车系统(上海)有限公司 | 基于单目相机的目标测距方法、装置及介质 |
CN115731343A (zh) * | 2022-07-11 | 2023-03-03 | 首都体育学院 | 一种基于顶视图像分割的多人多视角3d重建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108564617B (zh) | 多目相机的三维重建方法、装置、vr相机和全景相机 | |
CN110568447B (zh) | 视觉定位的方法、装置及计算机可读介质 | |
CN109345588B (zh) | 一种基于Tag的六自由度姿态估计方法 | |
US8436904B2 (en) | Method and apparatus for calibrating video camera | |
CN109993793B (zh) | 视觉定位方法及装置 | |
CN112686877B (zh) | 基于双目相机的三维房屋损伤模型构建测量方法及系统 | |
CN112967344B (zh) | 相机外参标定的方法、设备、存储介质及程序产品 | |
CN112541973B (zh) | 虚实叠合方法与系统 | |
CN110956661A (zh) | 基于双向单应矩阵的可见光与红外相机动态位姿计算方法 | |
CN112648976A (zh) | 实景影像测量方法、装置、电子设备及存储介质 | |
CN108648141B (zh) | 一种图像拼接方法及装置 | |
CN115410167A (zh) | 目标检测与语义分割方法、装置、设备及存储介质 | |
WO2022048493A1 (zh) | 摄像头外参标定的方法与装置 | |
CN110766731A (zh) | 一种全景影像与点云自动配准的方法、装置及存储介质 | |
CN116469101A (zh) | 数据标注方法、装置、电子设备及存储介质 | |
CN116704016A (zh) | 目标定位方法、装置、电子设备及存储介质 | |
CN107339988B (zh) | 定位处理方法和装置 | |
CN110363821B (zh) | 单目相机安装偏差角的获取方法、装置、相机及存储介质 | |
CN114757824A (zh) | 图像拼接的方法、装置、设备以及存储介质 | |
US20210192776A1 (en) | Method, system and apparatus for associating a target object in images | |
AU2020294279A1 (en) | Image association method, system and apparatus | |
CN113450415A (zh) | 一种成像设备标定方法以及装置 | |
Khatiwada et al. | Three-dimensional image reconstruction using bundle adjustment applied to multiple texel images | |
CN113538477B (zh) | 平面位姿的获取方法、装置、电子设备及存储介质 | |
CN110530336B (zh) | 对称高度差测量方法、装置、系统、电子设备及存储介质 |
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 |