【技术实现步骤摘要】
基于深度图像的目标体运动轨迹预测方法及系统
本专利技术涉及图像处理
,具体涉及一种基于深度图像的目标体运动轨迹预测方法及系统。
技术介绍
羽毛球机器人是一种基于计算机和视觉跟踪等技术的智能控制系统,其能够模拟人类进行羽毛球运动。其中,羽毛球轨迹预测是影响羽毛球机器人动作准确性的重要因素。当前,可以采用羽毛球物理模型或基于神经网络的计算模型,预测羽毛球轨迹。其中,采用羽毛球物理模型预测羽毛球轨迹,操作简单、易于实现,但是预测精度较低。采用基于神经网络的计算模型预测羽毛球轨迹,虽然具有较高的预测精度,但是需要数量级较大的训练样本才能得到精度较高的预测轨迹。
技术实现思路
为了解决现有技术中的上述问题,即为了解决如何便捷地获取具有较高精度的目标体轨迹的技术问题。为此目的,本专利技术提供了一种基于深度图像的目标体运动轨迹预测方法及系统。在第一方面,本专利技术中基于深度图像的目标体运动轨迹预测方法,包括:根据预先获取的目标体深度图像,获取多个连续的目标体轨迹点;基于预设的轨迹预测方法,并根据第1~3个连续的所述目标体轨迹点,得到第一运动轨迹;基于所述预设的轨迹预测方法,并根据第2~4个连续的所述目标体轨迹点,得到第二运动轨迹;基于所述预设的轨迹预测方法,并根据第3~5个连续的所述目标体轨迹点,得到第三运动轨迹;对所述第一运动轨迹、第二运动轨迹和第三运动轨迹进行修正,得到目标体运动轨迹。进一步地,本专利技术提供的一个优选技术方案为:所述预设的轨迹预测方法具体包括:获取三个连续的目标体轨迹点的空间位置,并根据所获取的空间位置,计算目标体的初始运动速度和初始运动方向;将 ...
【技术保护点】
1.一种基于深度图像的目标体运动轨迹预测方法,其特征在于,所述方法包括:根据预先获取的目标体深度图像,获取多个连续的目标体轨迹点;基于预设的轨迹预测方法,并根据第1~3个连续的所述目标体轨迹点,得到第一运动轨迹;基于所述预设的轨迹预测方法,并根据第2~4个连续的所述目标体轨迹点,得到第二运动轨迹;基于所述预设的轨迹预测方法,并根据第3~5个连续的所述目标体轨迹点,得到第三运动轨迹;对所述第一运动轨迹、第二运动轨迹和第三运动轨迹进行修正,得到目标体运动轨迹。
【技术特征摘要】
1.一种基于深度图像的目标体运动轨迹预测方法,其特征在于,所述方法包括:根据预先获取的目标体深度图像,获取多个连续的目标体轨迹点;基于预设的轨迹预测方法,并根据第1~3个连续的所述目标体轨迹点,得到第一运动轨迹;基于所述预设的轨迹预测方法,并根据第2~4个连续的所述目标体轨迹点,得到第二运动轨迹;基于所述预设的轨迹预测方法,并根据第3~5个连续的所述目标体轨迹点,得到第三运动轨迹;对所述第一运动轨迹、第二运动轨迹和第三运动轨迹进行修正,得到目标体运动轨迹。2.根据权利要求1所述的基于深度图像的目标体运动轨迹预测方法,其特征在于,所述预设的轨迹预测方法具体包括:获取三个连续的目标体轨迹点的空间位置,并根据所获取的空间位置,计算目标体的初始运动速度和初始运动方向;将三个连续的目标体轨迹点中的第二个目标体轨迹点作为初始位置点;根据所述初始位置点、初始运动速度和初始运动方向,并按照下式所示的方法,计算当前运动轨迹中的目标体轨迹点:其中,(xi,yi,yi)为所述当前运动轨迹中第i个目标体轨迹点的空间位置坐标;(v0x,v0y,v0z)为所述初始位置点的空间位置坐标;所述vi为目标体在所述第i个目标体轨迹点的运动速度;所述αi为目标体在所述第i个目标体轨迹点的运动方向;所述ts为利用摄像装置获取目标体深度图像的采样间隔。3.根据权利要求2所述的基于深度图像的目标体运动轨迹预测方法,其特征在于,所述目标体在第i个目标体轨迹点的运动速度vi和运动方向αi如下式所示:其中,所述vi-1为目标体在第i-1个目标体轨迹点的运动速度;所述αi-1为目标体在第i-1个目标体轨迹点的运动方向;所述k为空气阻力系数;所述g为重力加速度。4.根据权利要求1-3任一项所述的基于深度图像的目标体运动轨迹预测方法,其特征在于,“对所述第一运动轨迹、第二运动轨迹和第三运动轨迹进行修正,得到目标体运动轨迹”的步骤具体包括:在所述第四个运动轨迹点和所述第五个运动轨迹点均未偏离所述第一运动轨迹,并且所述第五个运动轨迹点未偏离所述第二运动轨迹的情况下,按照下式所示的方法获取目标体运动轨迹Tm:在所述第四个运动轨迹点或所述第五个运动轨迹点偏离所述第一运动轨迹,并且所述第五个运动轨迹点未偏离所述第二运动轨迹的情况下,按照下式所示的方法获取目标体运动轨迹Tm:在所述第四个运动轨迹点或所述第五个运动轨迹点偏离所述第一运动轨迹,并且所述第五个运动轨迹点偏离所述第二运动轨迹的情况下,所述目标体运动轨迹Tm=T3;其中,所述T1、T2和T3分别为第一运动轨迹、第二运动轨迹和第三运动轨迹。5.根据权利要求4所述的基于深度图像的目标体运动轨迹预测方法,其特征在于,“对所述第一运动轨迹、第二运动轨迹和第三运动轨迹进行修正,得到目标体运动轨迹”的步骤之前包括:计算所述第四个运动轨迹点与所述第一运动轨迹的空间距离Wn+1_1,计算所述第五个运动轨迹点分别与所述第一运动轨迹和第二运动轨迹的空间距离Wn+2_1和Wn+2_2;根据所述空间距离Wn+1_1和预设阈值e,判断所述第四个运动轨迹点是否偏离所述第一运动轨迹:若Wn+1_1>e,则所述第四个运动轨迹点偏离所述第一运动轨迹;根据所述空间距离Wn+2_1和所述预设阈值e,判断所述第五个运动轨迹点是否偏离所述第一运动轨迹:若Wn+2_1>e,则所述第五个运动轨迹点偏离所述第一运动轨迹;根据所述空间距离Wn+2_2和所述预设阈值e,判断所述第五个运动轨迹点是否偏离所述第二运动轨迹:若Wn+2_2>e,则所述第五个运动轨迹点偏离所述第二运动轨迹。6.一种基于深度图像的目标体运动轨迹预测系统,其特征在于,所述系统包括:目标体轨迹点获取模块,配置为根据预先获取的目标体深度图像,获取多个连续的目标体轨迹点;第一运动轨迹获取模块,配置为基于预设的轨迹预测方法,并根据第1~3个所述目标体轨迹点,得到第一运动轨迹;第二运动轨迹获取模块,配置为基于所述预设的轨迹预测方...
【专利技术属性】
技术研发人员:陈通瀚,乔红,杨策,
申请(专利权)人:中国科学院自动化研究所,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。