[发明专利]一种目标空间定位方法

说明书

本发明公开了一种目标空间定位方法，包括：同时采集两张不同视角的目标图像，并通过双目视觉空间定位，得到其中一张图像中各像素点三维坐标集；基于实例分割，对该张图像中的目标分类回归，得到目标二值掩码集；基于各像素点三维坐标集和目标二值掩码集，通过像素点坐标映射并融合，得到该张图像中的目标三维坐标，实现目标空间定位。本发明基于双目视觉空间定位，获取用以描述目标真实尺度和空间定位信息的稀疏三维坐标；采用深度学习方法，对感兴趣的特定类别目标进行单目实例分割，精确定义像素的语义属性。最后基于三维坐标和实例分割结果的耦合，在像素坐标的连接关系下，进行目标空间定位，使得稀疏分散的三维坐标稠密化，提高定位准确率。

技术领域

本发明属于目标空间定位领域，更具体地，涉及一种目标空间定位方法。

背景技术

随着生产生活的不断发展，目标的位置信息开始被越来越多的领域所关注，目标空间定位在许多应用场景中有着广泛的应用，例如厂区危险区域报警、自动驾驶障碍物预测以及航空航天位置姿态估计等。

现有的目标空间定位手段，主要有硬件辅助性方法、传统几何法以及基于深度学习的深度估计法三类。硬件辅助性方法主要指借助射频识别、粒子滤波、WI-FI、蓝牙、雷达以及多传感器融合等，通过发射/接收有源信号分析计算定位目标。传统几何法是指通过相机标定或者光学仪器测量等几何方式获取目标三维坐标的方法。基于深度学习的深度估计法主要是指利用深度学习网络，在搜集含深度信息的样本训练后进行深度估计的方法。

但是，上述三类方法分别存在信号传输易受干扰甚至屏蔽、点云稀疏而难以集中利用、场景迁移性较差、无法还原真实尺度信息等的缺陷。因此，如何克服以上缺陷以提高目标空间定位的精度，是该领域目前亟待解决的技术问题。

发明内容

本发明提供一种目标空间定位方法，用以解决现有目标空间定位方法因独立采用几何法、深度学习法等单一种类方法而无法克服固有弊端进而导致空间定位精度不够高的技术问题。

本发明解决上述技术问题的技术方案如下：一种目标空间定位方法，包括：

S1、同时采集两张不同视角的目标图像，并通过双目视觉空间定位，得到其中一张图像中各像素点三维坐标集；

S2、基于实例分割，对该张图像中的目标进行分类回归，得到目标二值掩码集；

S3、基于所述各像素点三维坐标集和所述目标二值掩码集，通过像素点坐标映射并融合，得到该张图像中的目标三维坐标，实现目标空间定位。

本发明的有益效果是：本发明基于双目视觉空间定位，获取用以描述目标真实尺度和空间定位信息的稀疏三维坐标(相对原点的实际距离值)；采用深度学习方法，对感兴趣的特定类别目标进行单目实例分割，精确定义像素的语义属性，使得目标轮廓更加精细，避免了矩形框指示目标位置引入大量非目标像素点而可能造成的巨大偏差。最后，基于三维坐标和实例分割结果的耦合，在像素坐标的连接关系下进行目标空间定位，使得稀疏分散的三维坐标稠密化以定位目标，提高目标空间定位的准确率。本发明改善了传统视觉定位方法的空间定位效果，基于真实空间尺寸并结合深度学习，能够快速、准确地实现目标在真实空间场景下的三维精确定位。

上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述S1中，所述同时采集两张不同视角的目标图像，具体为：采用经标定的双目相机或两个单目相机，同时采集两张不同视角的目标图像。

本发明的进一步有益效果是：采用双目相机或两个单目相机，可以使得采集到的两张不同视角的目标图像相似度(包括图像尺寸)最大，以提高三维坐标的精确度。

进一步，所述S1中，所述双目视觉空间定位，具体为：

采用视觉原理，对所述两张不同视角的目标图像进行图像矫正、立体匹配和深度恢复。