CN110706289B - 姿态测量方法及装置 - Google Patents
姿态测量方法及装置 Download PDFInfo
- Publication number
- CN110706289B CN110706289B CN201911019549.4A CN201911019549A CN110706289B CN 110706289 B CN110706289 B CN 110706289B CN 201911019549 A CN201911019549 A CN 201911019549A CN 110706289 B CN110706289 B CN 110706289B
- Authority
- CN
- China
- Prior art keywords
- target
- measured
- image
- determining
- characteristic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/45—Analysis of texture based on statistical description of texture using co-occurrence matrix computation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供了一种姿态测量方法及装置,该方法包括:获取待测量目标的视频数据;对于视频数据中的每一帧原始图像,调用预先设置的算法提取原始图像中包含待测量目标的目标图像,对目标图像进行预处理,得到包含待测量目标的轮廓特征的特征图像;对特征图像进行计算,得到待测量目标在特征图像中的惯性椭圆,基于惯性椭圆,确定待测量目标在特征图像中对应的重心坐标和方向角度;依据待测量目标在每一帧所述特征图像对应的重心坐标和方位角,确定待测量目标的姿态信息。能够基于包含待测量目标的轮廓特征的特征图像,得到待测量目标对应的惯性椭圆,并依据该惯性椭圆,得到待测量目标的姿态信息,降低了测量成本,提高了测量的精度和可靠性。
Description
技术领域
本发明涉及视觉测量技术领域,特别涉及一种姿态测量方法及装置。
背景技术
随着科学技术的发展,各个领域对测量技术的测量精度要求也越来越高,例如,在军事领域,通常需要对火箭和导弹等高速移动目标的进行姿态测量,并通过姿态测量得到的数据对高速移动目标的性能进行分析,进而实现对其进行设计优化、故障分析等。
目前,姿态测量方法主要有两种,一种是在飞行目标中内置高精度陀螺仪以对飞行目标进行姿态测量,在利用陀螺仪测量不可回收目标时,需要将陀螺仪测量得到的信号进行无线传输,这种方法的缺点是高精度陀螺仪的价格昂贵、无线传输的信号会存在累计误差和飞行目标移动速度快容易导致信号传输中断。另一种姿态测量方法是光学测量,通过光学测量方法不需要与被测飞行目标进行接触,且能实现对飞行目标进行全程测量,能有效的克服第一种姿态测量方法中的缺点。
然而,经本发明人研究发现,现有的光学测量方法中,需要捕获到飞行目标的细节特征并且需要飞行目标在图像中成像足够大才能有效计算飞行角度,在拍摄导弹、火箭和高度航天器等飞行目标时,往往会存在摄像机视野内的图像像素范围小、细节特征少和被拍摄物体成像较暗等情况,进而导致无法准确的获取飞行目标的飞行姿态。
发明内容
本发明所要解决的技术问题是提供一种姿态测量方法,能够基于包含待测量目标的轮廓特征的特征图像,得到待测量目标对应的惯性椭圆,并依据该惯性椭圆,准确的得到待测量目标的姿态信息。
本发明还提供了一种姿态测量装置,用以保证上述方法在实际中的实现及应用。
一种姿态测量方法,包括:
获取待测量目标的视频数据,所述视频数据为应用已标定的相机对所述待测量目标进行拍摄得到的;
对于所述视频数据中的每一帧原始图像,调用预先设置的算法提取所述原始图像中包含所述待测量目标的目标图像,对所述目标图像进行预处理,得到包含待测量目标的轮廓特征的特征图像;对所述特征图像进行计算,得到所述待测量目标在所述特征图像中的惯性椭圆,基于所述惯性椭圆,确定所述待测量目标在所述特征图像中对应的重心坐标和方向角度;
依据所述待测量目标在每一帧所述特征图像对应的重心坐标和方位角,确定所述待测量目标的姿态信息。
上述的方法,可选的,所述对所述目标图像进行预处理,得到包含待测量目标的轮廓特征的特征图像,包括:
对目标图像进行上采样操作,并对经过上采样操作的目标图像进行中值滤波,得到第一预处理图像;
对所述第一预处理图像进行二值化处理,得到多个图像区域;
在各个图像区域中确定待测量目标的轮廓特征区域;
在二值化处理后的所述第一预处理图像中,对除所述轮廓特征区域外的各个所述图像区域进行置零,以得到包含待测量目标的轮廓特征的特征图像。
上述的方法,可选的,所述对所述特征图像进行计算,得到所述待测量目标在所述特征图像中的惯性椭圆,包括:
基于所述特征图像中的各个像素点的灰度值,确定所述特征图像的一阶矩;
对所述一阶矩进行进行计算,得到惯性椭圆的重心坐标;
基于所述第一阶及所述重心坐标,得到所述特征图像的协方差矩阵;
确定所述协方差矩阵的特征向量;
基于所述重心坐标以及所述特征向量,确定待测量目标的惯性椭圆。
上述的方法,可选的,所述基于所述惯性椭圆,确定所述待测量目标在所述特征图像中对应的重心坐标和方向角度,包括:
将所述惯性椭圆的重心坐标,确定为所述待测量目标在所述特征图像中对应的重心坐标;
确定所述惯性椭圆的长轴和短轴;
依据所述长轴和短轴,得到所述惯性椭圆的方向角度;
将所述惯性椭圆的方向角度,确定为所述待测量目标在所述特征图像中对应的方向角度。
上述的方法,可选的,所述依据所述待测量目标在每一帧特征图像对应的重心坐标和方位角,生成所述待测量目标的姿态信息,包括:
基于所述待测量目标在每一帧特征图像对应的重心坐标,得到所述待测量目标的速度信息;
基于所述待测量目标在每一帧特征图像对应的方位角,获得所述待测量目标的运动轨迹信息;
依据所述速度信息和所述运动轨迹信息,生成所述待测量目标的姿态信息。
一种姿态测量装置,可选的,包括:
获取单元,用于获取待测量目标的视频数据,所述视频数据为应用已标定的相机对待测量目标进行拍摄得到的;
确定单元,对于所述视频数据中的每一帧原始图像,调用预先设置的算法提取所述原始图像中包含所述待测量目标的目标图像,对所述目标图像进行预处理,得到包含待测量目标的轮廓特征的特征图像;对所述特征图像进行计算,得到所述待测量目标在所述特征图像中的惯性椭圆,基于所述惯性椭圆,确定所述待测量目标在所述特征图像中对应的重心坐标和方向角度;
生成单元,用于依据所述待测量目标在每一帧所述特征图像对应的重心坐标和方位角,生成所述待测量目标的姿态信息。
上述的装置,可选的,所述对所述目标图像进行预处理,得到包含待测量目标的轮廓特征的特征图像的确定单元,包括:
第一处理子单元,用于对目标图像进行上采样操作,并对经过上采样操作的目标图像进行中值滤波,得到第一预处理图像;
第二处理子单元,用于对所述第一预处理图像进行二值化处理,得到多个图像区域;
第一确定子单元,用于在各个图像区域中确定待测量目标的轮廓特征区域;
第三处理子单元,用于在二值化处理后的所述第一预处理图像中,对除所述轮廓特征区域外的各个所述图像区域进行置零,以得到包含待测量目标的轮廓特征的特征图像。
上述的装置,可选的,所述对所述特征图像进行计算,得到所述待测量目标在所述特征图像中的惯性椭圆的确定单元,包括:
第二确定子单元,用于依据所述特征图像中的各个像素点的灰度值,确定所述特征图像的一阶矩;
第一运算子单元,用于对所述一阶矩进行进行计算,得到惯性椭圆的重心坐标;
第二运算子单元,用于所述第一阶及所述重心坐标,得到所述特征图像的协方差矩阵;
第三确定子单元,用于确定所述协方差矩阵的特征向量;
第四确定子单元,用于依据所述重心坐标以及所述特征向量,确定待测量目标的惯性椭圆。
上述的装置,可选的,所述基于所述惯性椭圆,确定所述待测量目标在所述特征图像中对应的重心坐标和方向角度的确定单元,包括:
第五确定子单元,用于将所述惯性椭圆的重心坐标,确定为所述待测量目标在所述特征图像中对应的重心坐标;
第六确定子单元,用于确定所述惯性椭圆的长轴和短轴;
第一执行子单元,用于依据所述长轴和短轴,得到所述惯性椭圆的方向角度;
第二执行子单元,用于将所述惯性椭圆的方向角度,确定为所述待测量目标在所述特征图像中对应的方向角度。
上述的装置,可选的,所述生成单元,包括:
第一生成子单元,用于依据所述待测量目标在每一帧特征图像对应的重心坐标,得到所述待测量目标的速度信息;
获取子单元,用于依据所述待测量目标在每一帧特征图像对应的方位角,获得所述待测量目标的运动轨迹信息;
第二生成子单元,用于依据所述速度信息和所述运动轨迹信息,生成所述待测量目标的姿态信息。
经由上述方案可知,本发明提供了一种姿态测量方法及装置,所述方法包括:获取待测量目标的视频数据,所述视频数据为应用已标定的相机对所述待测量目标进行拍摄得到的;对于所述视频数据中的每一帧原始图像,调用预先设置的算法提取所述原始图像中包含所述待测量目标的目标图像,对所述目标图像进行预处理,得到包含待测量目标的轮廓特征的特征图像;对所述特征图像进行计算,得到所述待测量目标在所述特征图像中的惯性椭圆,基于所述惯性椭圆,确定所述待测量目标在所述特征图像中对应的重心坐标和方向角度;依据所述待测量目标在每一帧所述特征图像对应的重心坐标和方位角,确定所述待测量目标的姿态信息。降低了测量成本,提高了测量的精度和可靠性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种姿态测量方法的方法流程图;
图2为本发明提供的一种姿态测量方法的又一方法流程图;
图3为本发明提供的一种姿态测量方法的又一方法流程图;
图4为本发明提供的一种姿态测量方法的一示例图;
图5为本发明提供的一种姿态测量方法的又一示例图;
图6为本发明提供的一种姿态测量方法的又一示例图;
图7为本发明提供的一种姿态测量方法的又一示例图;
图8为本发明提供的一种姿态测量装置的结构示意图;
图9为本发明提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明可用于众多通用或专用的计算装置环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器装置、包括以上任何装置或设备的分布式计算环境等等。
本发明实施例提供了一种姿态测量方法,该方法可以应用在多种***平台,其执行主体可以为计算机终端或各种移动设备的处理器,所述方法的方法流程图如图1所示,具体包括:
S101:获取待测量目标的视频数据,所述视频数据为应用已标定的相机对待测量目标进行拍摄得到的。
本发明实施例提供的方法中,该相机为高速相机,通过对该相机进行标定,可以得到相机的内部参数和外部参数;其中,内部参数包括有参数矩阵和畸变系数,内部参数包括旋转向量和平移向量;通过相机的内部参数和外部参数,可以得到空间物体表面某点的三维几何位置与该点在图像中对应点之间的相互关系,进而能够得到相机成像的几何模型。
S102:对于所述视频数据中的每一帧原始图像,调用预先设置的算法提取所述原始图像中包含所述待测量目标的目标图像,对所述目标图像进行预处理,得到包含待测量目标的轮廓特征的特征图像;对所述特征图像进行计算,得到所述待测量目标在所述特征图像中的惯性椭圆,基于所述惯性椭圆,确定所述待测量目标在所述特征图像中对应的重心坐标和方向角度。
本发明实施例提供的方法中,基于已标定相机的内部参数和外部参数,调用预先设置的跟踪算法对视频数据中的每一帧原始图像包含的待测量目标的图像进行跟踪并截取,得到目标图像。
具体的,通过对目标图像进行预处理,可以得到待测量目标的轮廓特征;对待测量目标的轮廓特征进行惯性椭圆拟合,得到待测量目标在目标图像中的椭圆方程,应用该椭圆方程即可确定待测量目标在目标图像中的重心坐标和方向角度。
S103:依据所述待测量目标在每一帧所述目标图像对应的重心坐标和方位角,生成所述待测量目标的姿态信息。
本发明实施例提供的方法中,该姿态信息可以包括该待测量目标的速度信息和运动轨迹信息。
本发明实施例提供了一种姿态测量方法,包括:获取待测量目标的视频数据;对于视频数据中的每一帧原始图像,调用预先设置的算法提取原始图像中包含待测量目标的目标图像,对目标图像进行预处理,得到包含待测量目标的轮廓特征的特征图像;对特征图像进行计算,得到待测量目标在特征图像中的惯性椭圆,基于惯性椭圆,确定待测量目标在特征图像中对应的重心坐标和方向角度;依据待测量目标在每一帧所述特征图像对应的重心坐标和方位角,确定待测量目标的姿态信息。能够基于包含待测量目标的轮廓特征的特征图像,得到待测量目标对应的惯性椭圆,并依据该惯性椭圆,得到待测量目标的姿态信息,降低了测量成本,提高了测量的精度和可靠性。
本发明实施例提供的姿态测量方法中,基于上述的实施过程,具体的,所述对所述目标图像进行预处理,得到包含待测量目标的轮廓特征的特征图像,如图2所示,可以包括:
S201:对目标图像进行上采样操作,并对经过上采样操作的目标图像进行中值滤波,得到第一预处理图像。
本发明实施例提供的方法中,对目标图像进行上采样操作,即对目标图像进行放大,减少目标图像中马赛克效应的影响,具体的,可以通过在目标图像的各个像素点之间采用合适的插值算法***新的元素,以实现对目标图像进行上采样。
其中,对经过上采样操作的目标图像进行中值滤波,可以有效去除图像中的椒盐噪声。
S202:对所述第一预处理图像进行二值化处理,得到多个图像区域。
具体的,对所述第一预处理图像进行二值化处理的方式可以为:获取预设的阈值;依据该阈值将所述第一预处理图像处理为黑白图像,依据该黑白图像的黑色边界,将该黑白图像划分为多个图像区域。
S203:在各个图像区域中确定待测量目标的轮廓特征区域。其中,确定待测量目标的轮廓区域的一种方式为:获取各个图像区域的面积,依据各个所述面积的大小,在各个图像区域中选取面积最大的图像区域作为待测量目标的轮廓特征区域。
S204:在二值化处理后的所述第一预处理图像中,对除所述轮廓特征区域外的各个所述图像区域进行置零,以得到包含待测量目标轮廓特征的特征图像。
本发明实施例提供的方法中,对所述轮廓特征区域外的各个所述图像区域的灰度值置零,得到只保留轮廓特征的特征图像。
应用本发明实施例提供的方法,通过目标图像进行预处理,能够过滤目标图像中与待测量目标无关的区域,保留待测量目标的轮廓特征,能够有效的减少测量误差。
本发明实施例提供的姿态测量方法中,基于上述的实施过程,具体的,所述对所述特征图像进行计算,得到所述待测量目标在所述特征图像中的惯性椭圆,如图3所示,可以包括:
S301:基于所述特征图像中的各个像素点的灰度值,确定所述特征图像的一阶矩。
本发明实施例提供的方法中,图像的矩为:
其中,I(x,y)为特征图像上的像素点灰度值;i,j分别代表矩的阶数;则所述特征图像的零阶矩可为:
所述特征图像的一阶矩可以为:
S302:对所述一阶矩进行进行计算,得到惯性椭圆的重心坐标。
本发明实施例提供的方法中,重心坐标的具体计算过程如下:
其中,xc为重心的横坐标,yc为重心的纵坐标。
S303:基于所述一阶矩及所述重心坐标,得到所述特征图像的协方差矩阵。
本发明实施例提供的方法中,特征图像的协方差矩阵表征特征图像的像素分布情况,所述特征图像的协方差矩阵的表达式如下:
其中,σ表示方差;基于一阶矩和所述重心坐标,即可得到特征图像的方差,具体如下:
σ(x,x)=M20/M00-xc 2
σ(y,y)=M02/M00-yc 2
σ(x,y)=M11/M00-xcyc
σ(y,x)=M11/M00-xcyc
本发明实施例提供的方法中,图像的协方差矩阵具有平移不变性的特点,可以更好的描述二维像素的分布情况。
S304:确定所述协方差矩阵的特征向量。
本发明实施例提供的方法中,基于协方差矩阵的特征向量可以确定惯性椭圆的长轴和短轴。
S305:基于所述重心坐标以及所述特征向量,确定待测量目标的惯性椭圆。
本发明实施例提供的方法中,通过图像的协方差矩阵的特征向量来确定待测量目标的惯性椭圆,能够得到符合待测量目标轮廓特征的惯性椭圆,保障了姿态测量的准确性。
本发明实施例提供的姿态测量方法中,基于上述的实施过程,具体的,所述基于所述惯性椭圆,确定所述待测量目标在所述特征图像中对应的重心坐标和方向角度,具体包括:
将所述惯性椭圆的重心坐标,确定为所述待测量目标在所述特征图像中对应的重心坐标;
确定所述惯性椭圆的长轴和短轴;
依据所述长轴和短轴,得到所述惯性椭圆的方向角度;
将所述惯性椭圆的方向角度,确定为所述待测量目标在所述特征图像中对应的方向角度。
本发明实施例提供的方法中,惯性椭圆的重心坐标见上述实施过程S303描述部分,此处不在赘述。
具体的,所述待测量目标在所述特征图像中对应的方向角度,可以为:
对于轴对称的待测量目标的成像来说,椭圆的长轴方向与待测量目标轴向方向一致,通过计算长轴方向的角度就可以得到待测量目标在图像中的方向角度。
本发明实施例提供的姿态测量方法中,基于上述的实施过程,具体的,所述依据所述待测量目标在每一帧特征图像对应的重心坐标和方位角,生成所述待测量目标的姿态信息,包括:
基于所述待测量目标在每一帧所述特征图像对应的重心坐标,得到所述待测量目标的速度信息;
基于所述待测量目标在每一帧所述特征图像对应的方位角,获得所述待测量目标的运动轨迹信息;
依据所述速度信息和所述运动轨迹信息,生成所述待测量目标的姿态信息。
本发明实施例提供的方法中,基于各帧原始图像之间的时间间隔,以及每一帧特征图像对应的重心坐标,可以计算得到待测量目标的速度及加速度,依据每一帧所述特征图像对应的方位角,即可得到待测量目标的运动轨迹信息。
本发明实施例在实际应用过程中,先对高速相机进行标定,即,从世界坐标系换到图像坐标系,标定的过程如下:
步骤a1:从世界坐标系(xω,yω,zω)转为相机坐标系(xc,yc,zc),具体如下:
其中,R为相机的旋转向量,具体为3*3的旋转矩阵;t为相机的平移向量,具体为为3*1的平移向量;(xc,yc,zc,1)T为相机坐标系的齐次坐标,(xω,yω,zω,1)T为世界坐标系的齐次坐标。
步骤a2:相机坐标系转换为图像坐标系,具体如下:
其中,s为相机的缩放比例因子(s≠0),f为相机的焦距,(xc,yc,zc,1)T是空间点P在相机坐标系Oxyz中的齐次坐标;(x,y,1)T为像点p在图像坐标系OXY中的齐次坐标。
步骤a3:将图像坐标系转换为像素坐标系,具体如下:
其中,1/dX表示像素在X轴的焦距,1/dY代表的是像素在Y轴的焦距;u0,v0为主点(图像原点)坐标。
因此,将世界坐标系转化为像素坐标系的公式为:
对相机进行标定后,应用该相机对待测量目标进行拍摄,如图4所示,获取到该相机对待测量目标进行拍摄得到的视频;利用算法对待测量目标进行追踪并截取,得到目标图像,如图5所示,为本发明实施例提供的目标图像示例图;对该图像进行预处理,得到特征图像,如图6所示,为本发明实施例提供的特征图像示例图;对该特征图像进行计算,得到所述待测量目标在所述特征图像中的惯性椭圆,基于所述惯性椭圆,确定所述待测量目标在所述特征图像中对应的重心坐标和方向角度,如图7所示,对待测量目标的轮廓特征进行惯性椭圆拟合,得到待测量目标在目标图像中的椭圆方程,将惯性椭圆的方向角度,确定为所述待测量目标在特征图像中对应的方向角度。
上述各个具体的实现方式,及各个实现方式的衍生过程,均在本发明保护范围内。
与图1所述的方法相对应,本发明实施例还提供了一种姿态测量装置,用于对图1中方法的具体实现,本发明实施例提供的姿态测量装置可以应用计算机终端或各种移动设备中,其结构示意图如图8所示,具体包括:
获取单元401,用于获取待测量目标的视频数据,所述视频数据为应用已标定的相机对待测量目标进行拍摄得到的;
确定单元402,对于所述视频数据中的每一帧原始图像,调用预先设置的算法提取所述原始图像中包含所述待测量目标的目标图像,对所述目标图像进行预处理,得到包含待测量目标的轮廓特征的特征图像;对所述特征图像进行计算,得到所述待测量目标在所述特征图像中的惯性椭圆,基于所述惯性椭圆,确定所述待测量目标在所述特征图像中对应的重心坐标和方向角度;
生成单元403,用于依据所述待测量目标在每一帧所述特征图像对应的重心坐标和方位角,生成所述待测量目标的姿态信息。
本发明实施例提供了一种姿态测量装置,通过获取待测量目标的视频数据;对于视频数据中的每一帧原始图像,调用预先设置的算法提取原始图像中包含待测量目标的目标图像,对目标图像进行预处理,得到包含待测量目标的轮廓特征的特征图像;对特征图像进行计算,得到待测量目标在特征图像中的惯性椭圆,基于惯性椭圆,确定待测量目标在特征图像中对应的重心坐标和方向角度;依据待测量目标在每一帧所述特征图像对应的重心坐标和方位角,确定待测量目标的姿态信息。能够基于包含待测量目标的轮廓特征的特征图像,得到待测量目标对应的惯性椭圆,并依据该惯性椭圆,得到待测量目标的姿态信息,降低了测量成本,提高了测量的精度和可靠性。
在本发明提供的一实施例中,基于上述的方案,具体的,所述对所述目标图像进行预处理,得到包含待测量目标的轮廓特征的特征图像的确定单元402,包括:
第一处理子单元,用于对目标图像进行上采样操作,并对经过上采样操作的目标图像进行中值滤波,得到第一预处理图像;
第二处理子单元,用于对所述第一预处理图像进行二值化处理,得到多个图像区域;
第一确定子单元,用于在各个图像区域中确定待测量目标的轮廓特征区域;
第三处理子单元,用于在二值化处理后的所述第一预处理图像中,对除所述轮廓特征区域外的各个所述图像区域进行置零,以得到包含待测量目标的轮廓特征的特征图像。
在本发明提供的一实施例中,基于上述的方案,具体的,所述对所述特征图像进行计算,得到所述待测量目标在所述特征图像中的惯性椭圆的确定单元402,包括:
第二确定子单元,用于依据所述特征图像中的各个像素点的灰度值,确定所述特征图像的一阶矩;
第一运算子单元,用于对所述一阶矩进行进行计算,得到惯性椭圆的重心坐标;
第二运算子单元,用于所述第一阶及所述重心坐标,得到所述特征图像的协方差矩阵;
第三确定子单元,用于确定所述协方差矩阵的特征向量;
第四确定子单元,用于依据所述重心坐标以及所述特征向量,确定待测量目标的惯性椭圆。
在本发明提供的一实施例中,基于上述的方案,具体的,所述基于所述惯性椭圆,确定所述待测量目标在所述特征图像中对应的重心坐标和方向角度的确定单元402,包括:
第五确定子单元,用于将所述惯性椭圆的重心坐标,确定为所述待测量目标在所述特征图像中对应的重心坐标;
第六确定子单元,用于确定所述惯性椭圆的长轴和短轴;
第一执行子单元,用于依据所述长轴和短轴,得到所述惯性椭圆的方向角度;
第二执行子单元,用于将所述惯性椭圆的方向角度,确定为所述待测量目标在所述特征图像中对应的方向角度。
在本发明提供的一实施例中,基于上述的方案,具体的,所述生成单元403,包括:
第一生成子单元,用于依据所述待测量目标在每一帧特征图像对应的重心坐标,得到所述待测量目标的速度信息;
获取子单元,用于依据所述待测量目标在每一帧特征图像对应的方位角,获得所述待测量目标的运动轨迹信息;
第二生成子单元,用于依据所述速度信息和所述运动轨迹信息,生成所述待测量目标的姿态信息。
本发明实施例还提供了一种存储介质,所述存储介质包括存储的指令,其中,在所述指令运行时控制所述存储介质所在的设备执行上述姿态测量方法。
本发明实施例还提供了一种电子设备,其结构示意图如图9所示,具体包括存储器501,以及一个或者一个以上的指令502,其中一个或者一个以上指令502存储于存储器501中,且经配置以由一个或者一个以上处理器503执行所述一个或者一个以上指令502进行以下操作:
获取待测量目标的视频数据,所述视频数据为应用已标定的相机对待测量目标进行拍摄得到的;
对于所述视频数据中的每一帧原始图像,调用预先设置的算法提取所述原始图像中包含所述待测量目标的目标图像,对所述目标图像进行预处理,得到包含待测量目标的轮廓特征的特征图像;对所述特征图像进行计算,得到所述待测量目标在所述特征图像中的惯性椭圆,基于所述惯性椭圆,确定所述待测量目标在所述特征图像中对应的重心坐标和方向角度;
依据所述待测量目标在每一帧所述特征图像对应的重心坐标和方位角,确定所述待测量目标的姿态信息。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本发明时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上对本发明所提供的一种姿态测量方法及装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种姿态测量方法,其特征在于,包括:
获取待测量目标的视频数据,所述视频数据为应用已标定的相机对所述待测量目标进行拍摄得到的,所述待测量目标为飞行目标;
对于所述视频数据中的每一帧原始图像,调用预先设置的算法提取所述原始图像中包含所述待测量目标的目标图像,对所述目标图像进行预处理,得到包含待测量目标的轮廓特征的特征图像;对所述特征图像进行计算,得到所述待测量目标在所述特征图像中的惯性椭圆,基于所述惯性椭圆,确定所述待测量目标在所述特征图像中对应的重心坐标和方向角度;
依据所述待测量目标在每一帧所述特征图像对应的重心坐标和方位角,确定所述待测量目标的姿态信息,所述姿态信息包括所述待测量目标的速度信息和运动轨迹信息。
2.根据权利要求1所述的方法,其特征在于,所述对所述目标图像进行预处理,得到包含待测量目标的轮廓特征的特征图像,包括:
对目标图像进行上采样操作,并对经过上采样操作的目标图像进行中值滤波,得到第一预处理图像;
对所述第一预处理图像进行二值化处理,得到多个图像区域;
在各个图像区域中确定待测量目标的轮廓特征区域;
在二值化处理后的所述第一预处理图像中,对除所述轮廓特征区域外的各个所述图像区域进行置零,以得到包含待测量目标的轮廓特征的特征图像。
3.根据权利要求1所述的方法,其特征在于,所述对所述特征图像进行计算,得到所述待测量目标在所述特征图像中的惯性椭圆,包括:
基于所述特征图像中的各个像素点的灰度值,确定所述特征图像的一阶矩;
对所述一阶矩进行进行计算,得到惯性椭圆的重心坐标;
基于所述一阶矩及所述重心坐标,得到所述特征图像的协方差矩阵;
确定所述协方差矩阵的特征向量;
基于所述重心坐标以及所述特征向量,确定待测量目标的惯性椭圆。
4.根据权利要求1所述的方法,其特征在于,所述基于所述惯性椭圆,确定所述待测量目标在所述特征图像中对应的重心坐标和方向角度,包括:
将所述惯性椭圆的重心坐标,确定为所述待测量目标在所述特征图像中对应的重心坐标;
确定所述惯性椭圆的长轴和短轴;
依据所述长轴和短轴,得到所述惯性椭圆的方向角度;
将所述惯性椭圆的方向角度,确定为所述待测量目标在所述特征图像中对应的方向角度。
5.根据权利要求1所述的方法,其特征在于,所述依据所述待测量目标在每一帧特征图像对应的重心坐标和方位角,生成所述待测量目标的姿态信息,包括:
基于所述待测量目标在每一帧特征图像对应的重心坐标,得到所述待测量目标的速度信息;
基于所述待测量目标在每一帧特征图像对应的方位角,获得所述待测量目标的运动轨迹信息;
依据所述速度信息和所述运动轨迹信息,生成所述待测量目标的姿态信息。
6.一种姿态测量装置,其特征在于,包括:
获取单元,用于获取待测量目标的视频数据,所述视频数据为应用已标定的相机对所述待测量目标进行拍摄得到的,所述待测量目标为飞行目标;
确定单元,对于所述视频数据中的每一帧原始图像,调用预先设置的算法提取所述原始图像中包含所述待测量目标的目标图像,对所述目标图像进行预处理,得到包含待测量目标的轮廓特征的特征图像;对所述特征图像进行计算,得到所述待测量目标在所述特征图像中的惯性椭圆,基于所述惯性椭圆,确定所述待测量目标在所述特征图像中对应的重心坐标和方向角度;
生成单元,用于依据所述待测量目标在每一帧所述特征图像对应的重心坐标和方位角,生成所述待测量目标的姿态信息,所述姿态信息包括所述待测量目标的速度信息和运动轨迹信息。
7.根据权利要求6所述的装置,其特征在于,所述对所述目标图像进行预处理,得到包含待测量目标的轮廓特征的特征图像的确定单元,包括:
第一处理子单元,用于对目标图像进行上采样操作,并对经过上采样操作的目标图像进行中值滤波,得到第一预处理图像;
第二处理子单元,用于对所述第一预处理图像进行二值化处理,得到多个图像区域;
第一确定子单元,用于在各个图像区域中确定待测量目标的轮廓特征区域;
第三处理子单元,用于在二值化处理后的所述第一预处理图像中,对除所述轮廓特征区域外的各个所述图像区域进行置零,以得到包含待测量目标的轮廓特征的特征图像。
8.根据权利要求6所述的装置,其特征在于,所述对所述特征图像进行计算,得到所述待测量目标在所述特征图像中的惯性椭圆的确定单元,包括:
第二确定子单元,用于依据所述特征图像中的各个像素点的灰度值,确定所述特征图像的一阶矩;
第一运算子单元,用于对所述一阶矩进行进行计算,得到惯性椭圆的重心坐标;
第二运算子单元,用于所述一阶矩及所述重心坐标,得到所述特征图像的协方差矩阵;
第三确定子单元,用于确定所述协方差矩阵的特征向量;
第四确定子单元,用于依据所述重心坐标以及所述特征向量,确定待测量目标的惯性椭圆。
9.根据权利要求6所述的装置,其特征在于,所述基于所述惯性椭圆,确定所述待测量目标在所述特征图像中对应的重心坐标和方向角度的确定单元,包括:
第五确定子单元,用于将所述惯性椭圆的重心坐标,确定为所述待测量目标在所述特征图像中对应的重心坐标;
第六确定子单元,用于确定所述惯性椭圆的长轴和短轴;
第一执行子单元,用于依据所述长轴和短轴,得到所述惯性椭圆的方向角度;
第二执行子单元,用于将所述惯性椭圆的方向角度,确定为所述待测量目标在所述特征图像中对应的方向角度。
10.根据权利要求6所述的装置,其特征在于,所述生成单元,包括:
第一生成子单元,用于依据所述待测量目标在每一帧特征图像对应的重心坐标,得到所述待测量目标的速度信息;
获取子单元,用于依据所述待测量目标在每一帧特征图像对应的方位角,获得所述待测量目标的运动轨迹信息;
第二生成子单元,用于依据所述速度信息和所述运动轨迹信息,生成所述待测量目标的姿态信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911019549.4A CN110706289B (zh) | 2019-10-24 | 2019-10-24 | 姿态测量方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911019549.4A CN110706289B (zh) | 2019-10-24 | 2019-10-24 | 姿态测量方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110706289A CN110706289A (zh) | 2020-01-17 |
CN110706289B true CN110706289B (zh) | 2022-09-30 |
Family
ID=69203218
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911019549.4A Active CN110706289B (zh) | 2019-10-24 | 2019-10-24 | 姿态测量方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110706289B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112017200B (zh) * | 2020-08-07 | 2022-07-05 | 湖北省农业科学院农产品加工与核农技术研究所 | 一种基于视觉识别的鱼类姿态判定方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521563A (zh) * | 2011-11-19 | 2012-06-27 | 江苏大学 | 基于椭圆拟合的猪行走姿态识别方法 |
CN105957090A (zh) * | 2016-05-17 | 2016-09-21 | 中国地质大学(武汉) | 一种基于达芬奇技术的单目视觉位姿测量方法及*** |
CN108122256A (zh) * | 2017-12-25 | 2018-06-05 | 北京航空航天大学 | 一种逼近状态下旋转目标位姿测量的方法 |
CN108416791A (zh) * | 2018-03-01 | 2018-08-17 | 燕山大学 | 一种基于双目视觉的并联机构动平台位姿监测与跟踪方法 |
WO2019062291A1 (zh) * | 2017-09-29 | 2019-04-04 | 歌尔股份有限公司 | 一种双目视觉定位方法、装置及*** |
CN110032278A (zh) * | 2019-03-29 | 2019-07-19 | 华中科技大学 | 一种人眼感兴趣物体的位姿识别方法、装置及*** |
CN110332887A (zh) * | 2019-06-27 | 2019-10-15 | 中国地质大学(武汉) | 一种基于特征光标点的单目视觉位姿测量***及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10540782B2 (en) * | 2016-11-15 | 2020-01-21 | Colorado Seminary Which Owns And Operates The University Of Denver | Image processing for pose estimation |
-
2019
- 2019-10-24 CN CN201911019549.4A patent/CN110706289B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521563A (zh) * | 2011-11-19 | 2012-06-27 | 江苏大学 | 基于椭圆拟合的猪行走姿态识别方法 |
CN105957090A (zh) * | 2016-05-17 | 2016-09-21 | 中国地质大学(武汉) | 一种基于达芬奇技术的单目视觉位姿测量方法及*** |
WO2019062291A1 (zh) * | 2017-09-29 | 2019-04-04 | 歌尔股份有限公司 | 一种双目视觉定位方法、装置及*** |
CN108122256A (zh) * | 2017-12-25 | 2018-06-05 | 北京航空航天大学 | 一种逼近状态下旋转目标位姿测量的方法 |
CN108416791A (zh) * | 2018-03-01 | 2018-08-17 | 燕山大学 | 一种基于双目视觉的并联机构动平台位姿监测与跟踪方法 |
CN110032278A (zh) * | 2019-03-29 | 2019-07-19 | 华中科技大学 | 一种人眼感兴趣物体的位姿识别方法、装置及*** |
CN110332887A (zh) * | 2019-06-27 | 2019-10-15 | 中国地质大学(武汉) | 一种基于特征光标点的单目视觉位姿测量***及方法 |
Non-Patent Citations (1)
Title |
---|
空间圆姿态识别二义性的角度约束消除;魏振忠等;《光学精密工程》;20100315(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110706289A (zh) | 2020-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10885328B2 (en) | Determination of position from images and associated camera positions | |
US10636168B2 (en) | Image processing apparatus, method, and program | |
US10594941B2 (en) | Method and device of image processing and camera | |
CN108592950B (zh) | 一种单目相机和惯性测量单元相对安装角标定方法 | |
US20200264011A1 (en) | Drift calibration method and device for inertial measurement unit, and unmanned aerial vehicle | |
CN113409391B (zh) | 视觉定位方法及相关装置、设备和存储介质 | |
CN111279354A (zh) | 图像处理方法、设备及计算机可读存储介质 | |
CN112348889B (zh) | 视觉定位方法及相关装置、设备 | |
Wei et al. | Restoration of motion-blurred star image based on Wiener filter | |
CN110706289B (zh) | 姿态测量方法及装置 | |
Stepanov et al. | Determination of the relative position of space vehicles by detection and tracking of natural visual features with the existing TV-cameras | |
CN111260736B (zh) | 一种空间相机内参在轨实时标定方法 | |
Jiang et al. | Bridge Deformation Measurement Using Unmanned Aerial Dual Camera and Learning‐Based Tracking Method | |
CN117128870A (zh) | 一种基于图像信息融合的结构动态位移测量方法和电子设备 | |
CN108564626B (zh) | 用于确定安装于采集实体的相机之间的相对姿态角的方法和装置 | |
CN116972880A (zh) | 定位算法的精度检测装置 | |
CN112907728B (zh) | 基于摄像头和边缘计算的船舶场景还原和定位方法及*** | |
CN116152167B (zh) | 滑动检测方法、装置、介质、设备 | |
CN117671007B (zh) | 一种位移监测方法、装置、电子设备及存储介质 | |
CN107621262B (zh) | 一种星光导航方法 | |
Li et al. | Research on the key technology of survey measurement image based on UAV | |
KR20240047294A (ko) | 이동하는 카메라로 다중 촬영한 사진들의 해상도 향상 방법, 장치, 및 시스템 | |
CN116933471A (zh) | 无人机外参的检测方法和装置 | |
CN117664111A (zh) | 一种基于顶部视角视觉数据的智能移动终端室内定位方法和装置 | |
CN117830398A (zh) | 平面内非合作目标的位姿确定方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |