一种对象的跟踪方法、装置、存储介质及电子装置制造方法及图纸

本发明专利技术实施例提供了一种对象的跟踪方法、装置、存储介质及电子装置，其中，该方法包括：融合第一设备获取的第一数据以及第二设备获取的第一点云，得到第一目标点云帧；基于第一目标点云帧预测第一目标点云帧中包括的每个第一对象在第二目标点云帧中的第一预测位置信息，其中，第二目标点云帧为通过融合第一设备获取的第二数据以及第二设备获取的第二点云所得到的点云帧；确定第二目标点云帧中包括的每个第二对象的第一实际位置信息；基于每个第一预测位置信息以及每个第一实际位置信息确定第二目标点云帧中包括的与第一对象相同的对象。通过本发明专利技术，解决了相关技术中存在得到对象跟踪不准确的问题，达到提高对象跟踪准确率的效果。确率的效果。确率的效果。

An object tracking method, device, storage medium and electronic device

【技术实现步骤摘要】
一种对象的跟踪方法、装置、存储介质及电子装置


[0001]本专利技术实施例涉及通信领域，具体而言，涉及一种对象的跟踪方法、装置、存储介质及电子装置。

技术介绍

[0002]在相关技术中，通常使用单目相机进行对象跟踪，但由于在强光、暗光以及交通拥堵等情况下，纯粹基于图像的检测算法很容易出现漏检，同时会造成极度依赖2D检测框的跟踪算法极不稳定。
[0003]由此可知，相关技术中存在对象跟踪不准确的问题。
[0004]针对相关技术中存在的上述问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本专利技术实施例提供了一种对象的跟踪方法、装置、存储介质及电子装置，以至少解决相关技术中存在的对象跟踪不准确的问题。
[0006]根据本专利技术的一个实施例，提供了一种对象的跟踪方法，包括：融合第一设备获取的第一数据以及第二设备获取的第一点云，得到第一目标点云帧，其中，所述第一数据为所述第一设备在目标时刻对目标区域进行拍摄所得到的数据，所述第一点云为所述第二设备在所述目标时刻对所述目标区域进行拍摄所得到的点云，所述第一设备拍摄所述目标区域的角度与所述第二设备拍摄所述目标区域的角度相同；基于所述第一目标点云帧预测所述第一目标点云帧中包括的每个第一对象在第二目标点云帧中的第一预测位置信息，其中，所述第二目标点云帧为通过融合所述第一设备获取的第二数据以及所述第二设备获取的第二点云所得到的点云帧，所述第二数据为在所述第一数据之后获取的，且与所述第一数据相邻的数据，所述第二点云为在所述第一点云之后获取的，且与所述第一点云相邻的点云；确定所述第二目标点云帧中包括的每个第二对象的第一实际位置信息；基于每个所述第一预测位置信息以及每个所述第一实际位置信息确定所述第二目标点云帧中包括的与所述第一对象相同的对象。
[0007]根据本专利技术的另一个实施例，提供了一种对象的跟踪装置，包括：融合模块，用于融合第一设备获取的第一数据以及第二设备获取的第一点云，得到第一目标点云帧，其中，所述第一数据为所述第一设备在目标时刻对目标区域进行拍摄所得到的数据，所述第一点云为所述第二设备在所述目标时刻对所述目标区域进行拍摄所得到的点云，所述第一设备拍摄所述目标区域的角度与所述第二设备拍摄所述目标区域的角度相同；预测模块，用于基于所述第一目标点云帧预测所述第一目标点云帧中包括的每个第一对象在第二目标点云帧中的第一预测位置信息，其中，所述第二目标点云帧为通过融合所述第一设备获取的第二数据以及所述第二设备获取的第二点云所得到的点云帧，所述第二数据为在所述第一数据之后获取的，且与所述第一数据相邻的数据，所述第二点云为在所述第一点云之后获取的，且与所述第一点云相邻的点云；确定模块，用于确定所述第二目标点云帧中包括的每
个第二对象的第一实际位置信息；跟踪模块，用于基于每个所述第一预测位置信息以及每个所述第一实际位置信息确定所述第二目标点云帧中包括的与所述第一对象相同的对象。
[0008]根据本专利技术的又一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被处理器执行时实现上述任一项中所述的方法的步骤。
[0009]根据本专利技术的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
[0010]通过本专利技术，融合第一设备获取的第一数据以及第二设备或的第一点云，得到第一目标点云帧，根据第一目标点云帧预测第一目标点云帧包括的每个第一对象在第二目标点云帧中的第一预测位置信息，其中，第二目标点云帧为通过融合第一设备获取的第一数据以及第二设备获取的第二点云所得到的点云帧，第一数据为在第一数据获取的，且与第一数据相邻，第二点云为在第一点云之后获取的，且与第一点云相邻的点云，确定第二目标点云帧中包括的每个第二对象的第一实际位置信息，根据每个第一预测位置信息以及第一实际位置信息确定第二目标点云帧中包括的与第一对象相同的对象。由于在确定第二目标点云帧时，融合了第一设备和第二设备采集的数据，根据融合后的数据确定与第一对象相同的对象，即在进行对象跟踪时，综合了不同设备采集的数据，且每个设备对目标区域进行拍摄的角度相同，提高了确定跟踪对象的精度。因此，可以解决相关技术中存在得到对象跟踪不准确的问题，达到提高对象跟踪准确率的效果。
附图说明
[0011]图1是本专利技术实施例的一种对象的跟踪方法的移动终端的硬件结构框图；图2是根据本专利技术实施例的对象的跟踪方法的流程图；图3是根据本专利技术实施例的目标网络模型运行示意图；图4是根据本专利技术具体实施例的对象的跟踪方法流程图；图5是根据本专利技术实施例的对象的跟踪装置的结构框图。
具体实施方式
[0012]下文中将参考附图并结合实施例来详细说明本专利技术的实施例。
[0013]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
[0014]本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本专利技术实施例的一种对象的跟踪方法的移动终端的硬件结构框图。如图1所示，移动终端可以包括一个或多个（图1中仅示出一个）处理器102（处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置）和用于存储数据的存储器104，其中，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
[0015]存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本专利技术实施例中的对象的跟踪方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0016]传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器（Network Interface Controller，简称为NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频（Radio Frequency，简称为RF）模块，其用于通过无线方式与互联网进行通讯。
[0017]在本实施例中提供了一种对象的跟踪方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对象的跟踪方法，其特征在于，包括：融合第一设备获取的第一数据以及第二设备获取的第一点云，得到第一目标点云帧，其中，所述第一数据为所述第一设备在目标时刻对目标区域进行拍摄所得到的数据，所述第一点云为所述第二设备在所述目标时刻对所述目标区域进行拍摄所得到的点云，所述第一设备拍摄所述目标区域的角度与所述第二设备拍摄所述目标区域的角度相同；基于所述第一目标点云帧预测所述第一目标点云帧中包括的每个第一对象在第二目标点云帧中的第一预测位置信息，其中，所述第二目标点云帧为通过融合所述第一设备获取的第二数据以及所述第二设备获取的第二点云所得到的点云帧，所述第二数据为在所述第一数据之后获取的，且与所述第一数据相邻的数据，所述第二点云为在所述第一点云之后获取的，且与所述第一点云相邻的点云；确定所述第二目标点云帧中包括的每个第二对象的第一实际位置信息；基于每个所述第一预测位置信息以及每个所述第一实际位置信息确定所述第二目标点云帧中包括的与所述第一对象相同的对象。2.根据权利要求1所述的方法，其特征在于，融合第一设备获取的第一数据以及第二设备获取的第一点云，得到第一目标点云帧包括：将所述第一数据中包括的每个像素点映射到所述第一点云所在的坐标系，得到目标像素点；针对所述第一点云中包括的每个目标点均执行以下操作，以确定每个所述目标点的目标向量：确定所述目标点的坐标值以及响应强度值，确定与所述目标点对应的所述目标像素点的颜色参数值，将所述坐标值、所述响应强度值以及所述颜色参数值确定为所述目标点的目标向量；将确定了所述目标向量的所述目标点所构成的点云确定为所述第一目标点云帧。3.根据权利要求1所述的方法，其特征在于，基于所述第一目标点云帧预测所述第一目标点云帧中包括的每个第一对象在第二目标点云帧中的第一预测位置信息包括：基于所述第一目标点云帧中包括的每个目标点的目标向量确定所述第一对象的尺寸信息；基于所述尺寸信息确定所述第一对象的位置信息；基于所述第一目标点云帧确定所述第一对象的目标运动速度；基于所述位置信息以及所述目标运动速度确定所述第一预测位置信息。4.根据权利要求3所述的方法，其特征在于，基于所述第一目标点云帧确定所述第一对象的目标运动速度包括：获取所述第二目标点云帧；将所述第一目标点云帧以及所述第二目标点云帧输入至目标网络模型，确定所述第一目标点云帧中包括的每个所述第一对象的第一预测目标框，以及所述第一对象在所述第二目标点云帧中的第二预测目标框，其中，所述目标网络模型为利用多组训练数据通过机器学习所得到的模型，多组所述训练数据中的每组所述训练数据均包括相邻的点云帧对，以及每个点云帧中包括的对象的标定框参数；基于所述第一预测目标框以及所述第二预测目标框确定所述第一对象的所述目标运动速度。
5.根据权利要求4所述的方法，其特征在于，基于所述第一预测目标框以及所述第二预测目标框确定所述第一对象的所述目标运动速度包括：确定所述第一预测目标框的第一标记点的第一坐标；...

【专利技术属性】
技术研发人员：倪华健，彭垚，赵之健，林亦宁，
申请(专利权)人：杭州闪马智擎科技有限公司，
类型：发明
国别省市：