一种基于视觉特征点的自动跟踪方法及装置制造方法及图纸

本发明专利技术提供一种基于视觉特征点的自动跟踪方法，分别采集图像信息和深度信息，图像信息和深度信息的采集时刻是一一对应的。采用锐化处理和加权平均化处理，确定前景特征点；根据第一帧图像的特征点，估算前景特征点在第二帧时刻可能出现的估计位置。匹配融合第二帧图像的特征点与估计位置的前景特征点，以得到确定位置的前景特征点；根据确定位置的前景特征点，估算第二帧图像的特征点放大和/或旋转系数，并进行阈值判断，得到有效特征点。检测深度距离分布，得到有效特征点的具体位置信息。本发明专利技术提供基于视觉特征点的自动跟踪方法，能够实现在大形变时跟踪目标不丢失，及时回馈跟踪目标的位置。

【技术实现步骤摘要】
一种基于视觉特征点的自动跟踪方法及装置
本专利技术属于图像处理
，尤其涉及一种基于视觉特征点的自动跟踪方法及装置。
技术介绍
目前，随着科学技术的发展，跟踪技术越来越受人们的重视，也是当下热门研究的技术之一。各个领域都竞相提出应用需求，例如，军事上协助导弹跟踪目标，无人机实时跟踪指定目标，公共安全场所可以通过摄像头，对目标人物进行跟踪，交通干线跟踪车辆、行人以及掌握交通流量和动向。基于视觉特征点的跟踪技术是一种通过图像处理与分析的方法，从图像信号中实时自动识别目标，再获取目标的位置信息，然后精确跟踪运动目标的技术。通常采用传感器传回图像，再采用图像特征点或者图像表面的方法，获得目标在图像中的位置，从而实现用户对指定跟随目标的跟踪工作。但是，现有技术需要对图像进行大规模处理，数据较大，难以保证实时性以及准确度。尤其，在进行目标追踪时，若跟踪目标的形变较大，容易产生目标跟踪丢失，跟踪方式不便捷，用户无法准确获得目标的具体位置。
技术实现思路
本专利技术旨在提供一种基于视觉特征点的自动跟踪方法及装置，能够实现在大形变时跟踪目标不丢失，及时回馈跟踪目标的位置。第一方面，本专利技术提供一种基于视觉特征点的自动跟踪方法，具体步骤如下：步骤S1：分别采集图像信息和深度信息，图像信息和深度信息的采集时刻是一一对应的；步骤S2：锐化处理图像信息，得到图像的特征点；步骤S3：加权平均化处理深度信息，得到物体的深度距离分布；步骤S4：扫描第一帧图像的特征点，从第一帧图像的特征点中提取跟踪目标的特征点，确定为前景特征点；根据第一帧图像的特征点，估算前景特征点在第二帧时刻可能出现的估计位置；步骤S5：扫描第二帧图像的特征点，匹配融合第二帧图像的特征点与估计位置的前景特征点，以得到确定位置的前景特征点；根据确定位置的前景特征点，估算第二帧图像的特征点放大和/或旋转系数，并进行阈值判断，得到有效特征点；步骤S6：将有效特征点更新至前景特征点，以进行下一轮图像匹配融合；检测深度距离分布，得到有效特征点的具体位置信息。进一步地，在步骤S1之后，步骤S2之前，该方法还包括：加权处理图像信息，得到对比度增强的图像信息。步骤S2具体包括：锐化处理对比度增强的图像信息，得到图像的特征点。进一步地，在步骤S4中，提取跟踪目标的特征点之前，该方法还包括：接收用户输入的指定的跟踪目标信息，从第一帧图像的特征点中提取跟踪目标的特征点的具体步骤包括：根据跟踪目标信息，从第一帧图像的特征点中提取跟踪目标的特征点。进一步地，在步骤S5中，根据确定位置的前景特征点，估算第二帧图像的特征点放大和/或旋转系数，具体方法包括：对比确定位置的前景特征点和第二帧图像的特征点，得到第二帧图像的特征点的变化量，再对变化量进行加权处理，得到第二帧图像的特征点放大和/或旋转系数。进一步地，在步骤S6中，检测深度距离分布的具体方法包括：根据深度距离分布，设置最大范围，在最大范围内，根据有效特征点在图像信息中的位置，检测深度距离分布。本专利技术提供的基于视觉特征点的自动跟踪方法，通过锐化处理图像信息，以增加图像的特征点稳定性和数量。对深度部分进行加权平均化，得到物体分布的合理距离。采用估算位置的前景特征点和第二帧图像的特征点进行匹配融合，再通过估算的放大和/或旋转系数，进行阈值判断，获得第二帧图像的有效特征点，实时更新前景特征点，缩减了跟踪计算量，提高了运行速度及准确度，最终从深度距离分布中检测出有效特征点的具体位置信息。第二方面，本专利技术提供一种基于视觉特征点的自动跟踪装置，该装置具体说明如下：该装置包括数据采集装置和数据分析平台，数据采集装置包括RGB-D传感器、图像处理模块和深度处理模块。RGB-D传感器用于采集相同时刻的图像信息和深度信息，并将图像信息发送给图像处理模块，将深度信息发送给深度处理模块。图像处理模块用于接收并锐化处理图像信息，得到图像的特征点，再发送至数据分析平台。深度处理模块用于接收并加权平均化处理深度信息，得到物体的深度距离分布，再发送至数据分析平台。数据分析平台包括位置估算模块、目标判决模块和位置输出模块，位置估算模块用于接收并扫描第一帧图像的特征点，从第一帧图像的特征点中提取跟踪目标的特征点，确定为前景特征点。根据第一帧图像的特征点，估算前景特征点在第二帧时刻可能出现的估计位置，并将估计位置的前景特征点发送至目标判决模块。目标判决模块用于扫描第二帧图像的特征点，匹配融合第二帧图像的特征点与接收的估计位置的前景特征点，以得到确定位置的前景特征点。根据确定位置的前景特征点，估算第二帧图像的特征点放大和/或旋转系数，并进行阈值判断，得到有效特征点，并发送至位置输出模块。位置输出模块用于将接收的有效特征点更新至前景特征点，以进行下一轮图像匹配融合。接收并检测深度距离分布，得到有效特征点的具体位置信息。进一步地，图像处理模块还用于加权处理图像信息，得到对比度增强的图像信息，再锐化处理对比度增强的图像信息，得到图像的特征点。进一步地，在提取跟踪目标的特征点时，位置估算模块具体用于接收用户输入的指定的跟踪目标信息，根据跟踪目标信息，从第一帧图像的特征点中提取跟踪目标的特征点。进一步地，在估算第二帧图像的特征点放大和/或旋转系数时，目标判决模块具体用于对比确定位置的前景特征点和第二帧图像的特征点，得到第二帧图像的特征点的变化量，再对变化量进行加权处理，得到第二帧图像的特征点放大和/或旋转系数。进一步地，在检测深度距离分布时，位置输出模块具体用于根据深度距离分布，设置最大范围，在最大范围内，根据有效特征点在图像信息中的位置，检测深度距离分布。本专利技术提供的基于视觉特征点的自动跟踪装置，通过数据采集装置采集图像信息和深度信息，并进行锐化处理得到稳定性更强的图像特征点，加权平均化得到物体的深度距离分布。数据分析平台通过对图像的特征点处理，得到有效特征点，再通过对深度距离分布处理，得到有效特征点的具体位置信息。因此，本专利技术提供的基于视觉特征点的自动跟踪方法及装置，能够保证跟踪目标不丢失，即使目标存在较大形变，也能够及时回馈跟踪目标的位置。附图说明图1是本专利技术提供的第一个基于视觉特征点的自动跟踪方法流程图；图2是本专利技术提供的第二个基于视觉特征点的自动跟踪方法流程图；图3是本专利技术提供的第三个基于视觉特征点的自动跟踪方法流程图；图4是本专利技术提供的第四个基于视觉特征点的自动跟踪方法流程图；图5是本专利技术提供的一个基于视觉特征点的自动跟踪装置结构图。具体实施方式下面通过具体的实施例进一步说明本专利技术，但是，应当理解为，这些实施例仅仅是用于更详细具体地说明之用，而不应理解为用于以任何形式限制本专利技术。第一方面，本专利技术提供了一种基于视觉特征点的自动跟踪方法，具体说明如下：本实施例提供一种基于视觉特征点的自动跟踪方法，结合图1，该方法具体步骤如下：步骤S11：分别采集图像信息和深度信息，图像信息和深度信息的采集时刻是一一对应的；步骤S12：锐化处理图像信息，得到图像的特征点；步骤S13：加权平均化处理深度信息，得到物体的深度距离分布；步骤S14：确定前景特征点，通过扫描第一帧图像的特征点，从第一帧图像的特征点中提取跟踪目标的特征点，确定为前景特征点；根据第一帧图像的特征点，估算前景特征点在第二帧时刻本文档来自技高网...

【技术保护点】
一种基于视觉特征点的自动跟踪方法，其特征在于，步骤S1：分别采集图像信息和深度信息，所述图像信息和深度信息的采集时刻是一一对应的；步骤S2：锐化处理所述图像信息，得到图像的特征点；步骤S3：加权平均化处理所述深度信息，得到物体的深度距离分布；步骤S4：扫描第一帧图像的特征点，从所述第一帧图像的特征点中提取跟踪目标的特征点，确定为前景特征点；根据所述第一帧图像的特征点，估算所述前景特征点在第二帧时刻可能出现的估计位置；步骤S5：扫描第二帧图像的特征点，匹配融合所述第二帧图像的特征点与所述估计位置的前景特征点，以得到确定位置的前景特征点；根据所述确定位置的前景特征点，估算所述第二帧图像的特征点放大和/或旋转系数，并进行阈值判断，得到有效特征点；步骤S6：将所述有效特征点更新至所述前景特征点，以进行下一轮图像匹配融合；检测所述深度距离分布，得到所述有效特征点的具体位置信息。

【技术特征摘要】
1.一种基于视觉特征点的自动跟踪方法，其特征在于，步骤S1：分别采集图像信息和深度信息，所述图像信息和深度信息的采集时刻是一一对应的；步骤S2：锐化处理所述图像信息，得到图像的特征点；步骤S3：加权平均化处理所述深度信息，得到物体的深度距离分布；步骤S4：扫描第一帧图像的特征点，从所述第一帧图像的特征点中提取跟踪目标的特征点，确定为前景特征点；根据所述第一帧图像的特征点，估算所述前景特征点在第二帧时刻可能出现的估计位置；步骤S5：扫描第二帧图像的特征点，匹配融合所述第二帧图像的特征点与所述估计位置的前景特征点，以得到确定位置的前景特征点；根据所述确定位置的前景特征点，估算所述第二帧图像的特征点放大和/或旋转系数，并进行阈值判断，得到有效特征点；步骤S6：将所述有效特征点更新至所述前景特征点，以进行下一轮图像匹配融合；检测所述深度距离分布，得到所述有效特征点的具体位置信息。2.根据权利要求1所述的方法，其特征在于，在步骤S1之后，步骤S2之前，该方法还包括：加权处理所述图像信息，得到对比度增强的图像信息；所述步骤S2具体包括：锐化处理所述对比度增强的图像信息，得到图像的特征点。3.根据权利要求1所述的方法，其特征在于，在步骤S4中，提取跟踪目标的特征点之前，该方法还包括：接收用户输入的指定的跟踪目标信息；所述从所述第一帧图像的特征点中提取跟踪目标的特征点的具体步骤包括：根据所述跟踪目标信息，从第一帧图像的特征点中提取跟踪目标的特征点。4.根据权利要求1所述的方法，其特征在于，在步骤S5中，根据所述确定位置的前景特征点，估算所述第二帧图像的特征点放大和/或旋转系数，具体方法包括：对比所述确定位置的前景特征点和所述第二帧图像的特征点，得到所述第二帧图像的特征点的变化量，再对所述变化量进行加权处理，得到所述第二帧图像的特征点放大和/或旋转系数。5.根据权利要求1所述的方法，其特征在于，在步骤S6中，检测所述深度距离分布的具体方法包括：根据所述深度距离分布，设置最大范围，在所述最大范围内，根据有效特征点在所述图像信息中的位置，检测所述深度距离分布。6.一种基于视觉特征点的自动跟踪装置，其特征在于，该装置包括：数据采集装置和数据分析平台，所述数据采集装置包括RGB-D传感器、图像处理模块和深度处理模块；所...

【专利技术属性】
技术研发人员：蒋申璐，朱骋，张一茗，王皓悦，李经纬，陈震，贾小龙，
申请(专利权)人：速感科技北京有限公司，
类型：发明
国别省市：北京;11