[發明專利]目標對象的定位方法、裝置、處理器和電子裝置

在審

• 申請號: 202011497459.9
• 申請日: 2020-12-17
• 公開（公告）號: CN112529960A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 王開創;周海民;吳崇龍
• 申請（專利權）人: 珠海格力智能裝備有限公司;珠海格力電器股份有限公司
• 主分類號: G06T7/73
• 分類號: G06T7/73
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 李靜茹

本發明公開了一種目標對象的定位方法、裝置、處理器和電子裝置。其中，該方法包括：獲取相機圖像；利用基于深度學習的目標檢測方式獲取目標對象在相機圖像中的預測位置；基于預測位置，通過雙目視覺定位方式對目標對象進行三維定位。本發明解決了現有的三維定位方法存在定位不準確的技術問題。

技術領域

本發明涉及圖像處理領域，具體而言，涉及一種目標對象的定位方法、裝置、處理器和電子裝置。

背景技術

機器視覺技術是一門涉及人工智能、神經生物學、心理生物學、計算機科學、圖像處理、模式識別等多個領域的交叉學科。其中，機器視覺技術可用于對待檢測對象的實際檢測、測量和控制。

目標對象的三維定位是視覺技術應用的重要部分之一，其中，三維定位包括對目標對象的檢測。然而傳統的目標檢測算法是根據人工設計的特征來對目標進行檢測的，在獲取到目標對象的圖像之后，對圖像進行區域選擇，然后再進行特征提取特征，最后通過分類器對特征進行分類。在上述過程中，特征提取是利用人工設計的特征提取器來完成的。

然而，傳統的目標檢測算法的穩定性較差，僅適用于背景比較簡單的場景，如果應用場景中出現光照或者噪聲等，會對檢測結果造成影響，甚至導致目標檢測失敗。

針對上述的問題，目前尚未提出有效的解決方案。

發明內容

本發明實施例提供了一種目標對象的定位方法、裝置、處理器和電子裝置，以至少解決現有的三維定位方法存在定位不準確的技術問題。

根據本發明實施例的一個方面，提供了一種目標對象的定位方法，包括：獲取相機圖像；利用基于深度學習的目標檢測方式獲取目標對象在相機圖像中的預測位置；基于預測位置，通過雙目視覺定位方式對目標對象進行三維定位。

進一步地，基于深度學習的目標檢測方式包括：特征提取網絡模型、區域生成網絡模型和分類回歸網絡模型，目標對象的定位方法還包括：利用特征提取網絡模型從相機圖像中提取特征圖，其中，特征提取網絡模型包括：多個特征提取層，多個特征提取層中每個特征提取層包括：卷積層和池化層，且每個特征提取層所包含卷積層與池化層數量不同；利用區域生成網絡模型在特征圖中生成感興趣區域；利用分類回歸網絡模型對特征圖和感興趣區域進行感興趣區域池化操作，生成特征圖向量，并對特征圖向量進行特征整合，得到預測位置。

進一步地，目標對象的定位方法還包括：確定雙目相機的左相機成像平面和右相機成像平面；基于預測位置對左相機成像平面和右相機成像平面進行立體匹配，得到目標對象的三維定位結果。

進一步地，目標對象的定位方法還包括：獲取雙目相機的相機參數信息，其中，相機參數信息包括：左右相機之間的距離、視差、焦距、左相機成像平面主點坐標、右相機成像平面主點坐標；獲取預測位置的空間坐標信息在左相機成像平面上的第一投影位置的第一坐標信息以及預測位置在右相機成像平面上的第二投影位置的第二坐標信息；利用空間坐標信息、第一坐標信息、第二坐標信息以及相機參數信息計算得到三維定位結果。

進一步地，目標對象的定位方法還包括：利用左右相機之間的距離、視差、左相機成像平面主點坐標、第一坐標信息計算得到第一坐標軸上的第一坐標值與第二坐標軸上的第二坐標值，或者，利用左右相機之間的距離、視差、右相機成像平面主點坐標、第二坐標信息計算得到第一坐標軸上的第一坐標值與第二坐標軸上的第二坐標值，其中，由第一坐標軸與第二坐標軸所確定的坐標平面平行于左相機成像平面和右相機成像平面；利用左右相機之間的距離、視差和焦距計算得到第三坐標軸上的第三坐標值，其中，第三坐標軸平行于左相機光軸和右相機光軸；基于第一坐標值、第二坐標值和第三坐標值確定三維定位結果。

進一步地，目標對象的定位方法還包括：通過相機標定對左相機成像平面和右相機成像平面進行立體校準和對齊。