[发明专利]一种目标跟踪方法及存储介质有效
申请号: | 201911122595.7 | 申请日: | 2019-11-15 |
公开(公告)号: | CN110910423B | 公开(公告)日: | 2022-08-23 |
发明(设计)人: | 檀冲;刘兴华 | 申请(专利权)人: | 小狗电器互联网科技(北京)股份有限公司 |
主分类号: | G06T7/246 | 分类号: | G06T7/246 |
代理公司: | 北京聿宏知识产权代理有限公司 11372 | 代理人: | 吴大建;张杰 |
地址: | 100026 北京市朝阳*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 目标 跟踪 方法 存储 介质 | ||
本发明公开了一种目标跟踪方法及存储介质,该方法包括以下步骤:获取目标在运动状态下的前一帧图像和当前帧图像;确定前一帧图像与当前帧图像之间目标的相对旋转量和相对平移量;根据相对旋转量、相对平移量以及前一帧图像的视觉特征像素坐标确定当前帧图像的视觉特征像素坐标;通过当前帧图像的视觉特征像素坐标进一步确定当前帧图像所对应的目标的位置,以实现对目标的跟踪。本发明能够在目标的视觉特征不具有平移不变性且目标进行高速平移时得到更鲁棒的特征跟踪,跟踪速度也会更快。
技术领域
本发明属于视觉追踪技术领域,具体涉及一种目标跟踪方法及存储介质。
背景技术
惯性导航利用IMU(Inertial measurement unit,惯性测量单元)测量得到的角速度、加速度信息进行惯性导航解算得到运载体的位置、速度、姿态(含航向)等信息,具有实时性好、动态性能好等优点;但是由于其积分式特点,使得传感器和算法解算的误差会持续累积,导致长时间的情况下精度很低,特别是对于低端IMU。
视觉信息包含了丰富的三维场景信息,通过视觉跟踪可以对运载体的运动进行测量,视觉测量可以给出运动增量。惯性与视觉融合算法利用视觉观测与IMU预测联合得到重投影误差作为观测量来进行系统状态估计,视觉惯性融合算法包括一个视觉前端,进行特征提取和跟踪。理想的视觉特征(视觉特征是指图像中提取出的具体特征方向/梯度的像素块,可以用基于各种曲率特征的特征名和/或描述子来描述,例如FAST、Harris、ORB、SIFT等特征)具备旋转和平移不变性,这样纯视觉特征也能够给出较好的特征跟踪效果,但是在运动比较剧烈或极端时也会跟踪失效,这是视觉特征的缺点;一般的视觉特征还不具备旋转不变性和平移不变性,特别是平移不变性。为了提高特征跟踪的效果,一般采取使用IMU中的陀螺仪进行特征的转动预测,给出先前帧的特征在当前帧中的预测位置,然后使用视觉跟踪给出特征在当前帧的最终位置。
当前的补偿算法加入了特征点旋转的预测,可以提高机器人转动时的特征跟踪;但是在机器人平移,特别是快速平移时,且特征不具备平移不变性时,特征跟踪效果不好,容易跟丢。
现在亟须一种目标跟踪方法及存储介质。
发明内容
本发明所要解决的技术问题是现有的目标跟踪方法仅考虑目标视觉特征点的旋转,并未考虑目标视觉特征点的平移,特别是快速平移且视觉特征点不具备平移不变性时,目标跟踪效果不好,甚至跟丢的问题。
针对上述问题,本发明提供了一种目标跟踪方法及存储介质。
第一方面,本发明提供了一种目标跟踪方法,包括以下步骤:
获取目标在运动状态下的前一帧图像和当前帧图像;
确定前一帧图像与当前帧图像之间目标的相对旋转量和相对平移量;
根据相对旋转量、相对平移量以及前一帧图像的视觉特征像素坐标确定当前帧图像的视觉特征像素坐标;
通过当前帧图像的视觉特征像素坐标进一步确定当前帧图像所对应的目标的位置,以实现对目标的跟踪。
根据本发明的实施例,优选地,确定前一帧图像与当前帧图像之间目标的相对旋转量,具体包括以下步骤:
获取前一帧图像与当前帧图像之间的多帧IMU数据;
分别求取所述多帧IMU数据中的每相邻两帧IMU数据之间的姿态矩阵;
根据每相邻两帧IMU数据之间的姿态矩阵确定前一帧图像与当前帧图像之间目标的相对旋转量。
根据本发明的实施例,优选地,通过以下表达式,求取所述多帧IMU数据中的每相邻两帧IMU数据之间的姿态矩阵:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于小狗电器互联网科技(北京)股份有限公司,未经小狗电器互联网科技(北京)股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911122595.7/2.html,转载请声明来源钻瓜专利网。