本申请涉及一种物体跟踪方法，该方法包括：将当前帧图像的初始位姿与预存跟踪资源匹配，得到目标3D点和目标3D点的预存层级特征，其中，预存跟踪资源包括目标物体图像的位姿、参考3D点和参考3D点的预存层级特征，根据初始位姿、目标3D点和目标3D点的预存层级特征，确定当前帧图像的优化位姿，解决了物体跟踪方法实现复杂的问题。预存跟踪资源包含了被跟踪物体图像的位姿、参考3D点和对应的3D点的层级特征。在进行物体跟踪时，只需通过初始位姿从预存跟踪资源中获取参考帧图像的3D点，根据参考帧图像的3D点优化初始位姿，即可得到当前帧图像的位姿，降低了物体跟踪方法的复杂度，提高了跟踪效率。了跟踪效率。了跟踪效率。
【技术实现步骤摘要】
物体跟踪方法、系统、电子设备和存储介质
[0001]本申请涉及定位
，特别是涉及物体跟踪方法、系统、电子设备和存储介质。
技术介绍
[0002]随着计算机技术的快速发展，3D物体姿态跟踪在增强现实和工业领域都有很广泛的应用。3D物体跟踪是通过获取第一帧图像的位姿，实时跟踪得到后面每一帧图像的位姿。
[0003]在相关技术中，常见的物体跟踪方法包括如下几种：
[0004]1.通过点云进行迭代最近点(Iterative Closest Point，ICP)。这种方法一般需要深度相机或者多传感器，对硬件要求较高。
[0005]2.通过物体的CAD模型，进行渲染，然后通过对比图像和渲染的结果，得到当前图像的姿态。这类方法需要物体的CAD模型，而且对CAD的模型要求还比较高，一般情况下物体的CAD模型比较难获得。
[0006]3.通过针对性的训练深度学习网络来进行pose的回归。这类方法只能适用于特定的物体，通用性不好。
[0007]目前针对相关技术中物体跟踪方法实现复杂的问题，尚未提出有效的解决方案。
技术实现思路
[0008]本申请实施例提供了一种物体跟踪方法、系统、电子设备和存储介质，以至少解决相关技术中物体跟踪方法实现复杂的问题。
[0009]第一方面，本申请实施例提供了一种物体跟踪方法，所述方法包括：
[0010]获取当前帧图像和所述当前帧图像的初始位姿；
[0011]将所述初始位姿与预存跟踪资源匹配，得到目标3D点和所述目标3D点的预存层级特征，其中，所述预存跟踪资源包括目标物体图像的位姿、参考3D点和所述参考3D点的预存层级特征；
[0012]根据所述初始位姿、所述目标3D点和所述目标3D点的预存层级特征，确定所述当前帧图像的优化位姿。
[0013]在其中一些实施例中，根据所述初始位姿、所述目标3D点和所述目标3D点的预存层级特征，确定所述当前帧图像的优化位姿包括：
[0014]通过所述初始位姿和预先构建的特征提取网络，获取所述目标3D点在所述当前帧图像中的层级特征；
[0015]根据所述目标3D点的预存层级特征，和所述目标3D点在所述当前帧图像中的层级特征，优化所述初始位姿，得到所述当前帧图像的优化位姿。
[0016]在其中一些实施例中，所述层级特征包括第一层级特征和第二层级特征，其中，所述第一层级为原图尺寸层级，所述第二层级的尺寸小于所述第一层级的尺寸，根据所述目标3D点的预存层级特征，和所述目标3D点在所述当前帧图像中的层级特征，优化所述初始
位姿，得到所述当前帧图像的优化位姿包括：
[0017]根据所述目标3D点的预存的第二层级特征，和所述目标3D点在所述当前帧图像的第二层级特征，优化所述初始位姿，得到第二层级位姿；
[0018]根据所述第二层级位姿，将所述目标3D点投影到所述当前帧图像，得到所述目标3D点在所述当前帧图像的第一层级特征；
[0019]根据所述目标3D点的预存的第一层级特征，和所述目标3D点在所述当前帧图像的第一层级特征，优化所述第二层级位姿，得到所述当前帧图像的优化位姿。
[0020]在其中一些实施例中，将所述初始位姿与预存跟踪资源匹配，得到目标3D点和所述目标3D点的预存层级特征包括：
[0021]根据所述预存跟踪资源中目标物体图像的位姿，获取所述初始位姿与所有所述目标物体图像对应位姿的相对距离；
[0022]将所述相对距离最小的目标物体图像确定为参考帧图像；
[0023]获取所述参考帧图像的参考3D点，得到所述目标3D点和所述目标3D点的层级特征。
[0024]在其中一些实施例中，在所述获取当前帧图像和所述当前帧图像的初始位姿之前，所述方法还包括：
[0025]采集目标物体图像；
[0026]获取所述目标物体图像的位姿和所述目标物体图像的参考3D点；
[0027]基于预先构建的特征提取网络和所述目标物体图像，得到所述参考3D点的层级特征；
[0028]根据所述目标物体图像的位姿、所述参考3D点和所述参考3D点的层级特征，得到所述预存跟踪资源。
[0029]在其中一些实施例中，所述基于特征提取网络，获取所述目标物体图像的位姿和所述目标物体图像的参考3D点包括：
[0030]根据所述目标物体图像，重建目标物体的三维模型，获取所述三维模型中3D点的轨迹长度和所述目标物体图像的位姿；
[0031]将所述轨迹长度大于预设阈值的3D点确定为所述参考3D点。
[0032]在其中一些实施例中，基于特征提取网络和所述目标物体图像，得到所述参考3D点的层级特征包括：
[0033]通过所述特征提取网络，获取所述目标物体图像的2D点和所述2D点的层级特征；
[0034]将所述目标物体图像的2D点与所述参考3D点匹配，得到所述参考3D点在各个目标物体图像中对应的2D点；
[0035]对所述参考3D点在各个目标物体图像中对应的2D点进行加权平均和L2范数，得到所述目标3D点的层级特征。
[0036]在其中一些实施例中，通过所述初始位姿和预先构建的特征提取网络，获取所述目标3D点在所述当前帧图像中的层级特征包括：
[0037]通过所述特征提取网络对所述当前帧图像进行特征提取，得到所述当前帧图像的层级特征；
[0038]根据所述初始位姿，将所述目标3D点映射到所述当前帧图像，得到投影点；
[0039]根据所述当前帧图像的层级特征，获取所述投影点的层级特征，得到所述目标3D点在所述当前帧图像中的层级特征。
[0040]第二方面，本申请实施例提供了一种物体跟踪系统，所述系统包括信息获取模块、匹配模块和优化模块：
[0041]所述信息获取模块，用于获取当前帧图像和所述当前帧图像的初始位姿；
[0042]所述匹配模块，用于将所述初始位姿与预存跟踪资源匹配，得到目标3D点和所述目标3D点的预存层级特征，其中，所述预存跟踪资源包括目标物体图像的位姿、参考3D点和参考3D点的预存层级特征；
[0043]所述优化模块，用于根据所述初始位姿、所述目标3D点和所述目标3D点的预存层级特征，确定所述当前帧图像的优化位姿。
[0044]第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的物体跟踪方法。
[0045]相比于相关技术，本申请实施例提供的物体跟踪方法，通过将当前帧图像的初始位姿与预存跟踪资源匹配，得到目标3D点和目标3D点的预存层级特征，其中，预存跟踪资源包括目标物体图像的位姿、参考3D点和参考3D点的预存层级特征，根据初始位姿、目标3D点和目标3D点的预存层级特征，确定当前帧图像的优化位姿，解决了物体跟踪方法实现复杂的问题。预存跟踪资源包含了被跟踪物体图像的位姿、参考3D点和对应本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种物体跟踪方法，其特征在于，所述方法包括：获取当前帧图像和所述当前帧图像的初始位姿；将所述初始位姿与预存跟踪资源匹配，得到目标3D点和所述目标3D点的预存层级特征，其中，所述预存跟踪资源包括目标物体图像的位姿、参考3D点和所述参考3D点的预存层级特征；根据所述初始位姿、所述目标3D点和所述目标3D点的预存层级特征，确定所述当前帧图像的优化位姿。2.根据权利要求1所述的方法，其特征在于，根据所述初始位姿和所述参考帧图像的目标3D点，确定所述当前帧图像的优化位姿包括：通过所述初始位姿和预先构建的特征提取网络，获取所述目标3D点在所述当前帧图像中的层级特征；根据所述目标3D点的预存层级特征，和所述目标3D点在所述当前帧图像中的层级特征，优化所述初始位姿，得到所述当前帧图像的优化位姿。3.根据权利要求2所述的方法，其特征在于，所述层级特征包括第一层级特征和第二层级特征，其中，所述第一层级为原图尺寸层级，所述第二层级的尺寸小于所述第一层级的尺寸，根据所述目标3D点的预存层级特征，和所述目标3D点在所述当前帧图像中的层级特征，优化所述初始位姿，得到所述当前帧图像的优化位姿包括：根据所述目标3D点的预存的第二层级特征，和所述目标3D点在所述当前帧图像的第二层级特征，优化所述初始位姿，得到第二层级位姿；根据所述第二层级位姿，将所述目标3D点投影到所述当前帧图像，得到所述目标3D点在所述当前帧图像的第一层级特征；根据所述目标3D点的预存的第一层级特征，和所述目标3D点在所述当前帧图像的第一层级特征，优化所述第二层级位姿，得到所述当前帧图像的优化位姿。4.根据权利要求1所述的方法，其特征在于，将所述初始位姿与预存跟踪资源匹配，得到目标3D点和所述目标3D点的预存层级特征包括：根据所述预存跟踪资源中目标物体图像的位姿，获取所述初始位姿与所有所述目标物体图像对应位姿的相对距离；将所述相对距离最小的目标物体图像确定为参考帧图像；获取所述参考帧图像的参考3D点，得到所述目标3D点和所述目标3D点的层级特征。5.根据权利要求1所述的方法，其特征在于，在所述获取当前帧图像和所述当前帧图像的初始位姿之前，所述方法还包括：采集目标物体图像；获取所述目标物体图像的位姿和所述目...
【专利技术属性】
技术研发人员：陈志国，丛林，
申请(专利权)人：杭州易现先进科技有限公司，
类型：发明
国别省市：
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。