[发明专利]自主跟踪方法及装置、电子设备、存储介质

说明书

本公开是关于一种自主跟踪方法及装置、电子设备、存储介质，涉及机器学习技术领域，该方法包括：实时获取目标对象的图像信息；通过所述图像信息获取所述目标对象的三维位置信息；通过所述三维位置信息计算速度控制量；根据所述速度控制量对所述目标对象进行跟踪。本公开可以提高自主跟踪的效率和准确率。

技术领域

本公开涉及机器学习技术领域，具体而言，涉及一种自主跟踪方法、自主跟踪装置、电子设备以及计算机可读存储介质。

背景技术

小型无人机能够在探索营救、环境监测、安全巡逻、运输等任务上发挥重大作用。为完成这些任务，小型无人机仅使用GPS导航是无法完成的，因此需要通过视觉感知在各种室内外环境中自主飞行，以实现能够在未知环境中进行探索，同时躲避障碍及绘制相关地图的功能。

相关技术中，无人机自主跟踪的基本方式包括：首先进行视觉跟踪确定跟踪物体位置，然后根据视觉及传感器信息进行飞行器的状态估计，最后用传统的自动控制方法，例如通过PID控制算法进行输出控制。

但是，上述无人机控制方法中，通常都需要视觉感知、姿态估计、以及输出控制等多个阶段，这中间需要大量的人为设计，因此效率较低；除此之外，由于人为设计可能会出现误操作，因此导致无人机自主跟踪效果有限、准确率较低。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种自主跟踪方法及装置、电子设备、存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的自主跟踪效率低以及精准度差的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种自主跟踪方法，包括：实时获取目标对象的图像信息；通过所述图像信息获取所述目标对象的三维位置信息；通过所述三维位置信息计算速度控制量；根据所述速度控制量对所述目标对象进行跟踪。

在本公开的一种示例性实施例中，实时获取目标对象的图像信息包括：获取与所述目标对象对应的第一数据集和第二数据集；其中，所述第一数据集包括预设标识与所述目标对象的相对位置以及速度控制量的真实值，所述第二数据集中包括目标图像和速度控制量的真实值。

在本公开的一种示例性实施例中，通过所述图像信息获取所述目标对象的三维位置信息包括：将所述图像信息输入一位置获取模型获取所述三维位置信息的预测值。

在本公开的一种示例性实施例中，所述方法还包括：通过物体检测算法建立用于对所述三维位置信息进行预测的所述位置获取模型。

在本公开的一种示例性实施例中，通过物体检测算法建立用于对所述三维位置信息进行预测的所述位置获取模型包括：通过所述第一数据集和所述第二数据集对第一神经网络模型进行训练，以建立所述位置获取模型。

在本公开的一种示例性实施例中，通过所述第一数据集和所述第二数据集对第一神经网络模型进行训练，以建立所述位置获取模型包括：将第二数据集中的所述目标图像作为输入数据；将所述三维位置信息的预测值作为输出数据；将第一数据集中的所述相对位置作为监督信号，计算所述相对位置与所述三维位置信息的预测值之间的第一误差；基于所述第一误差对所述第一神经网络模型进行训练，以得到所述位置获取模型。