目标定位方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种目标定位方法、装置、电子设备及存储介质，其中方法包括：根据目标的形状建模，将所述目标建模成固定尺寸的圆柱体；获取图像中标注有所述目标的边界框的位置大小、拍摄所述图像时相机的俯仰角和所述相机的内参信息；根据所述圆柱体的尺寸信息、所述内参信息、所述俯仰角和所述边界框的位置大小确定出所述目标相对于所述相机的距离和角度。采用本发明专利技术的方法，通过基础几何计算即可实现目标定位，运算简单，对硬件性能要求低。对硬件性能要求低。对硬件性能要求低。

【技术实现步骤摘要】
目标定位方法、装置、电子设备及存储介质


[0001]本专利技术涉及目标定位
，特别是涉及一种目标定位方法、装置、电子设备及存储介质。

技术介绍

[0002]视觉人物检测广泛运用于安防，影视等领域。人物检测算法通常在二维图像上显示边界框（bounding box）将人物框出。而被识别人物的具体位置与距离则对后续智能应用（如跟踪，定位等）至关重要。目前常用的定位被识别人物位置的方法有：（1）基于深度学习网络定位人物距离；（2）使用图像上的边界框以及人物高度推算出人物距离。第一种方法需要大量数据进行训练，时间长，成本高，且在后续运算过程中对硬件性能要求高，符合硬件性能要求的硬件往往功耗高，难以在功耗要求低的设备上（如无人机）上部署。第二种方法虽然计算简单，但在相机俯视时难以计算准确。
[0003]此外，在无人机行业，常用的高效率方法为通过双目相机测量的点云（含距离信息），辅助计算相机中目标的位置对目标进行定位。但是该方法对硬件要求高，需要配备双目相机才能实现。

技术实现思路

[0004]本专利技术实施例旨在提供一种目标定位方法、装置、电子设备及存储介质，以解决现有技术中对目标进行定位存在硬件性能要求高或者定位不准确的问题。
[0005]为解决上述技术问题，本专利技术实施例提供以下技术方案：根据本专利技术的一方面，提供一种目标定位方法，所述方法包括：根据目标的形状建模，将所述目标建模成固定尺寸的圆柱体；获取图像中标注有所述目标的边界框的位置大小、拍摄所述图像时相机的俯仰角和所述相机的内参信息；根据所述圆柱体的尺寸信息、所述内参信息、所述俯仰角和所述边界框的位置大小确定出所述目标相对于所述相机的距离和角度。
[0006]可选地，所述目标为人物，根据目标的形状建模，将目标建模成固定尺寸的圆柱体包括：将所述人物的肩宽作为所述圆柱体的底面直径；将所述人物的身高作为所述圆柱体的高。
[0007]可选地，所述相机拍摄所述图像时的横滚角为0
°
或近似0
°
。
[0008]可选地，所述方法还包括：基于深度学习方法在所述相机拍摄到的图像中对所述目标进行标注。
[0009]可选地，所述根据所述圆柱体的尺寸信息、所述内参信息、所述俯仰角和所述边界框的位置大小确定出所述目标相对于所述相机的距离和角度步骤包括：根据所述内参信息、所述俯仰角和所述边界框的位置大小确定出位于所述目标上
底面上的第一预设点相对于所述相机所在水平面的第一角度和位于所述目标下底面上的第二预设点相对于所述相机所在水平面的第二角度；根据所述圆柱体的尺寸、所述第一角度和所述第二角度确定出所述第一预设点与所述相机的第一距离或所述第二预设点与所述相机的第二距离。
[0010]可选地，所述第一角度和所述第二角度的确定方法包括：在所述图像中基于所述边界框的上下边界做中垂线，所述中垂线与所述边界框的上边界相交于第一图像点，所述中垂线与所述边界框的下边界相交于第二图像点；从所述图像的中心向所述中垂线做垂线，所述中垂线和所述垂线相交于第三图像点；连接所述相机光心和所述第三图像点，得到第一连线，连接所述相机光心和所述第一图像点，得到第二连线，连接所述相机光心和所述第二图像点，得到第三连线，所述第一连线和所述第二连线围成第一夹角，所述第一连线和所述第三连线围成第二夹角；根据所述内参信息和所述边界框的位置大小计算出所述第一夹角和所述第二夹角；根据所述俯仰角和所述第一夹角确定所述第一角度；根据所述俯仰角和所述第二夹角确定所述第二角度。
[0011]可选地，所述第一预设点为所述第一图像点在所述目标上的对应点，所述第二预设点为所述第二图像点在所述目标上的对应点。
[0012]根据本专利技术的另一方面，提供一种目标定位装置，所述装置包括：目标建模模块，用于根据目标的形状建模，将目标建模成固定尺寸的圆柱体；信息获取模块，用于获取图像中标注有所述目标的边界框的位置大小、拍摄所述图像时相机的俯仰角和所述相机的内参信息；目标定位模块，用于根据所述圆柱体的尺寸信息、所述内参信息、所述俯仰角和所述边界框的位置大小确定出所述目标相对于所述相机的距离和角度。
[0013]根据本专利技术的又一方面，提供一种电子设备，所述电子设备包括存储器、处理器及存储在存储器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述的目标定位方法的步骤根据本专利技术的再一方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，所述处理器执行上述任一项所述的目标定位方法的步骤。
[0014]本专利技术实施例的有益效果是：区别于现有技术的情况，本专利技术实施例中，提供了一种目标定位方法，先将目标建模成固定尺寸的圆柱体，再获取在相机拍摄到的图像中标注有目标的边界框的位置大小、拍摄图像时相机的俯仰角和相机的内参信息，最后根据圆柱体的尺寸信息、内参信息、俯仰角和边界框的位置大小确定出目标相对于相机的距离和角度。采用本专利技术的方法，首先将目标建模成从各个角度拍摄后形状均相同的圆柱体，无需计算人物的朝向，简化了定位流程；再通过基础几何计算即可实现目标定位，运算简单，对硬件性能要求低。此外，本专利技术不需要借助双目摄像头或者激光测距传感器进行定位，大大降低了硬件成本。
Cnvolutional Neural Networks，基于区域的卷积神经网络）、YOLO（You Only Look Once）、DETR（DEtection TRansformer）等。
[0027]如图3所示，为本专利技术实施例提供的在相机坐标系下目标与相机的位置关系图。其中，O为相机的光心，O为相机的光轴。从相机拍摄的方向来看，BC为面向相机的方向，A为位于目标上底面后方的一点，C为位于目标下底面前方的一点，相机的俯仰角为相机的光轴O与相机所在水平面OF的夹角，即图3中的ptc。
[0028]边界框的位置大小包括边界框的左上顶点的坐标、边界框的宽和边界框的高。如图4所示，标注有目标的边界框的左上顶点P在像素坐标系下的坐标为（Px，Py），边界框的高为h，宽度为w。
[0029]相机的内参信息包括相机的焦距f、相机光心在像素坐标系X轴方向的位置和相机光心在像素坐标系Y轴方向的位置。其中， f包括fx和fy，fx为基于像素的横向宽度得到的焦距像素数，fy为基于像素的纵向宽度得到的焦距像素数。当像素为正方形时，fx=fy。相机光心在像素坐标系X轴方向的位置和相机光心在像素坐标系Y轴方向的位置即图4中图像的中心的坐标（Cx，Cy）。
[0030]步骤S103，根据所述圆柱体的尺寸信息、所述内参信息、所述俯仰角和所述边界框的位置大小确定出所述目标相对于所述相机的距离和角度。
[0031]对目标进行定位，即确定出目标上特定点相对于相机的距离和角度。为方便计算，选取目标上底面上的第一预设点、或者目标下底面上的第二预设点、或者目标的中心点来计算目标相对于相机的距离和角度。
[0032]在本专利技术的一个示例中，第一预设点和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标定位方法，其特征在于，所述方法包括：根据目标的形状建模，将所述目标建模成固定尺寸的圆柱体；获取图像中标注有所述目标的边界框的位置大小、拍摄所述图像时相机的俯仰角和所述相机的内参信息；根据所述圆柱体的尺寸信息、所述内参信息、所述俯仰角和所述边界框的位置大小确定出所述目标相对于所述相机的距离和角度。2.根据权利要求1所述的方法，其特征在于，所述目标为人物，根据目标的形状建模，将目标建模成固定尺寸的圆柱体包括：将所述人物的肩宽作为所述圆柱体的底面直径；将所述人物的身高作为所述圆柱体的高。3.根据权利要求1所述的方法，其特征在于，所述相机拍摄所述图像时的横滚角为0
°
或近似0
°
。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于深度学习方法在所述相机拍摄到的图像中对所述目标进行标注。5.根据权利要求1所述的方法，其特征在于，所述根据所述圆柱体的尺寸信息、所述内参信息、所述俯仰角和所述边界框的位置大小确定出所述目标相对于所述相机的距离和角度步骤包括：根据所述内参信息、所述俯仰角和所述边界框的位置大小确定出位于所述目标上底面上的第一预设点相对于所述相机所在水平面的第一角度和位于所述目标下底面上的第二预设点相对于所述相机所在水平面的第二角度；根据所述圆柱体的尺寸、所述第一角度和所述第二角度确定出所述第一预设点与所述相机的第一距离或所述第二预设点与所述相机的第二距离。6.根据权利要求5所述的方法，其特征在于，所述第一角度和所述第二角度的确定方法包括：在所述图像中基于所述边界框的上下边界做中垂线，所述中垂线与所述边界框的上边界相交于第一图像点，所述中垂...

【专利技术属性】
技术研发人员：员荣海，郑欣，
申请(专利权)人：深圳深海创新技术有限公司，
类型：发明
国别省市：