目标运动轨迹估计方法、装置和目标跟踪系统制造方法及图纸

本公开提出一种目标运动轨迹估计方法、装置和目标跟踪系统，涉及无人机技术领域。本公开的一种目标运动轨迹估计方法包括：确定图像中目标所在的区域；基于目标所在的区域进行目标区域收敛运算，获取目标的收敛位置信息；根据收敛位置信息确定目标的空间位置；根据目标的空间位置，通过卡尔曼滤波估计算法估计目标的运动轨迹。通过这样的方法，能够先在图像中确定目标所在的预定形状的区域，进一步通过目标区域收敛操作提高区域确定的准确性，从而能够提高目标空间位置确认的准确度，提高目标跟踪的可靠性。

【技术实现步骤摘要】
目标运动轨迹估计方法、装置和目标跟踪系统
本公开涉及无人机
，特别是一种目标运动轨迹估计方法、装置和目标跟踪系统。
技术介绍
帧到帧的目标跟踪在无人机起降引导中有着重要应用。该算法利用图像中被跟踪物体的上下文联系，假设物体的运动平缓，相邻两帧之间的目标位置变化不大，可以有效提高算法的实时性。帧到帧的目标跟踪算法ROI(RegionofInterest，感兴趣区域)选定和目标定位情况如图1A所示。在第t帧，以t-1帧的包围盒Boundingbox区域(图1A左图中的实线区域)为基础，放大k(k为正数)倍作为第t帧无人机目标ROI区域(图1A中的虚线区域)，在该ROI区域中跟踪最终确定第t帧中目标的Boundingbox，如图1A右图中实线框位置。
技术实现思路
专利技术人发现，相关技术中帧到帧的跟踪算法的前提是假设被跟踪物体在相邻两帧图像之间的位置变化不大，其运动轨迹是平滑的。在无人机起降引导的实际应用场景中，由于飞机的快速运动，当转台跟踪效果不好，大角度跳动时，传统的帧到帧的ROI区域确定方式可能因为ROI区域未包含无人机目标而导致对无人机的跟踪失败，如图1B所示。本公开的一个目的在于通过提高目标定位的准确度提高目标跟踪的可靠性。根据本公开的一个实施例，提出一种目标运动轨迹估计方法，包括：确定图像中目标所在的区域；基于目标所在的区域进行目标区域收敛运算，获取目标的收敛位置信息；根据收敛位置信息确定目标的空间位置；根据目标的空间位置，通过卡尔曼滤波估计算法估计目标的运动轨迹。可选地，采用TLD(Tracking-Learning-Detection，跟踪学习检测)算法确定目标图像中目标所在的区域，区域的形状包括矩形或圆形。可选地，采用主动轮廓跟踪算法基于矩形框进行目标区域收敛运算，获取目标的收敛位置信息。可选地，还包括：对图像进行形态学滤波预处理，以便根据经过处理后的图像确定目标所在的矩形框。可选地，对图像进行形态学滤波预处理包括：分别获取图像的开运算处理结果和闭运算处理结果；将闭运算处理结果与开运算处理结果相减，获取经过处理后的图像。可选地，根据收敛位置信息确定目标的空间位置包括：根据收敛位置进行互相关滤波，确定目标的中心位置；根据中心位置确定目标的空间位置。可选地，根据收敛位置进行互相关滤波包括：通过平移变化滤波确定目标的最新位置；通过尺度变化滤波确定目标的尺度变化情况。通过这样的方法，能够先在图像中确定目标所在的预定形状的区域，进一步通过目标区域收敛操作提高区域确定的准确性，从而能够提高目标空间位置确认的准确度，提高目标跟踪的可靠性。根据本公开的另一个实施例，提出一种目标运动轨迹估计装置，包括：区域确定单元，被配置为确定图像中目标所在的区域；收敛运算单元，被配置为基于目标所在的区域进行目标区域收敛运算，获取目标的收敛位置信息；空间定位单元，被配置为根据收敛位置信息确定目标的空间位置；轨迹估计单元，被配置为根据目标的空间位置，通过卡尔曼滤波估计算法估计目标的运动轨迹。可选地，区域确定单元被配置为采用TLD算法确定目标图像中目标所在的区域，区域的形状包括矩形或圆形。可选地，跟踪学习检测被配置为采用主动轮廓跟踪算法基于矩形框进行目标区域收敛运算，获取目标的收敛位置信息。可选地，还包括：预处理单元，用于对图像进行形态学滤波预处理，以便根据经过处理后的图像确定目标所在的矩形框。可选地，预处理单元包括：开运算子单元，用于获取图像的开运算处理结果；闭运算子单元，用于获取图像的闭运算处理结果；处理图像获取子单元，用于将闭运算处理结果与开运算处理结果相减，获取经过处理后的图像。可选地，空间定位单元包括：互相关滤波子单元，用于根据收敛位置进行互相关滤波，确定目标的中心位置；定位子单元，用于根据中心位置确定目标的空间位置。可选地，互相关滤波子单元用于：通过平移变化滤波确定目标的最新位置；通过尺度变化滤波确定目标的尺度变化情况。根据本公开的又一个实施例，提出一种目标运动轨迹估计装置，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器的指令执行上文中提到的任意一种目标运动轨迹估计方法。这样的装置能够先在图像中确定目标所在的预定形状的区域，进一步通过目标区域收敛操作提高区域确定的准确性，从而能够提高目标空间位置确认的准确度，提高目标跟踪的可靠性。根据本公开的再一个实施例，提出一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上文中提到的任意一种目标运动轨迹估计方法的步骤。这样的计算机可读存储介质通过执行其上的指令，能够提高目标空间位置确认的准确度，提高目标跟踪的可靠性。另外，根据本公开的一个实施例，提出一种目标跟踪系统，包括：上文中提到的任意一种目标运动轨迹估计装置；和，图像获取装置，被配置为获取目标的图像；转台，被配置为承载图像获取装置，根据目标运动轨迹估计装置的估计结果跟随目标转动。这样的目标跟踪系统能够提高目标空间位置确认的准确度，提高目标运动轨迹估计的准确度，从而避免ROI区域未包含无人机目标而导致对无人机的跟踪失败，提高目标跟踪的可靠性。附图说明此处所说明的附图用来提供对本公开的进一步理解，构成本公开的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：图1A为相关技术中采用目标跟踪算法跟踪成功的示意图。图1B为相关技术中采用目标跟踪算法跟踪失败的示意图。图2为本公开的目标运动轨迹估计方法的一个实施例的流程图。图3为本公开的目标运动轨迹估计方法的另一个实施例的流程图。图4为本公开的目标运动轨迹估计装置的一个实施例的示意图。图5为本公开的目标运动轨迹估计装置的另一个实施例的示意图。图6为本公开的目标运动轨迹估计装置的又一个实施例的示意图。图7为本公开的目标运动轨迹估计装置的再一个实施例的示意图。图8为本公开的目标跟踪系统的一个实施例的示意图。图9为本公开的目标跟踪系统运行过程的一个实施例的示意图。具体实施方式下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。本公开的目标运动轨迹估计方法的一个实施例的流程图如图2所示。在步骤201中，确定图像中目标所在的区域。区域的形状可以为预定形状。在一个实施例中，预定形状可以为矩形，或者为圆形。在一个实施例中，可以采用TLD算法确定目标图像中目标所在的区域。在步骤202中，基于目标所在的区域进行目标区域收敛运算，获取目标的收敛位置信息。在一个实施例中，可以采用主动轮廓跟踪算法基于矩形框进行目标区域收敛运算。在步骤203中，根据收敛位置信息确定目标的空间位置。在一个实施例中，若图像为双目视觉图像，则可以通过对两幅图像中相应的点进行标定，结合图像采集设备在采集图像时的角度确定目标的空间坐标。在步骤204中，根据目标的空间位置，通过卡尔曼滤波估计算法估计目标的运动轨迹。通过这样的方法，能够先在图像中确定目标所在的预定形状的区域，进一步通过目标区域收敛操作提高区域确定的准确性，从而能够提高目标空间位置确认的准确度，提高目标跟踪的可靠性。在一个实施例中，在确定图像中目标所在的区域的过程中，采用TLD算法可以对连续的的图像序列中的唯一目标进行不间断跟踪，该算法框架包含以下三个部分：1.跟踪器本文档来自技高网...

【技术保护点】
1.一种目标运动轨迹估计方法，包括：确定图像中目标所在的区域；基于所述目标所在的区域进行目标区域收敛运算，获取所述目标的收敛位置信息；根据所述收敛位置信息确定目标的空间位置；根据所述目标的空间位置，通过卡尔曼滤波估计算法估计所述目标的运动轨迹。

【技术特征摘要】
1.一种目标运动轨迹估计方法，包括：确定图像中目标所在的区域；基于所述目标所在的区域进行目标区域收敛运算，获取所述目标的收敛位置信息；根据所述收敛位置信息确定目标的空间位置；根据所述目标的空间位置，通过卡尔曼滤波估计算法估计所述目标的运动轨迹。2.根据权利要求1所述的方法，其中：采用跟踪学习检测TLD算法确定所述目标图像中目标所在的区域，所述区域的形状包括矩形或圆形；和/或，采用主动轮廓跟踪算法基于所述矩形框进行目标区域收敛运算，获取所述目标的收敛位置信息。3.根据权利要求1所述的方法，还包括：对所述图像进行形态学滤波预处理，以便根据经过处理后的图像确定目标所在的矩形框。4.根据权利要求3所述的方法，其中，所述对所述图像进行形态学滤波预处理包括：分别获取所述图像的开运算处理结果和闭运算处理结果；将开运算处理结果与闭运算处理结果相减，获取经过处理后的图像。5.根据权利要求1所述的方法，其中，所述根据所述收敛位置信息确定目标的空间位置包括：根据所述收敛位置进行互相关滤波，确定所述目标的中心位置；根据所述中心位置确定目标的空间位置。6.根据权利要求5所述的方法，其中，所述根据所述收敛位置进行互相关滤波包括：通过平移变化滤波确定目标的最新位置；通过尺度变化滤波估计目标的尺度变化情况。7.一种目标运动轨迹估计装置，包括：区域确定单元，被配置为确定图像中目标所在的区域；收敛运算单元，被配置为基于所述目标所在的区域进行目标区域收敛运算，获取所述目标的收敛位置信息；空间定位单元，被配置为根据所述收敛位置信息确定目标的空间位置；轨迹估计单元，被配置为根据所述目标的空间位置，通过卡尔曼滤波估计算法估计所述目标的运动轨迹。8.根据权利要求7...

【专利技术属性】
技术研发人员：门春雷，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京,11