室内外特定条件下的图像增强与环境适应性方法与流程

本发明涉及图像采集技术领域，具体为室内外特定条件下的图像增强与环境适应性方法。

背景技术：

现有技术中，在利用视觉采集机构监视目标对象的运动轨迹时，由于环境的复杂性，单一的传感器已不能满足作业要求，而为了获得更加精确的图像信息，必须要融合多种传感器共同作业。在具体实施过程中，为获得物体更加精准的运动轨迹，需要对获得的图像数据结合imu、气压计以及步态获得的图像数据进行多次校准，但由于特殊场景的存在，使得采集的图像数据不准确，因此，难以获得目标精准的运动轨迹。

当图像采集机构处于室内环境下，可能存在的特殊场景包括有大面积白墙、瓷砖、底板、玻璃等装修材料，这些材料不仅缺乏特征点，还会在光照下发生反射，出现亮斑，影响采集精度；当目标处于室外环境下，由于车辆、人群的遮挡，会出现更加复杂的环境干扰，且因为轨迹数据具有增量式的特点，现有的方法极易产生很高的计算开销。

综上所述，现有技术中对于目标对象图像的采集受到众多因素干扰，因此造成了系统对于目标运动轨迹的判断不够准确，精确度不高，为了解决上述干扰问题，我们提出了室内外特定条件下的图像增强与环境适应性方法以良好的解决上述弊端。

技术实现要素：

本发明的目的在于提供室内外特定条件下的图像增强与环境适应性方法，用于实时跟踪目标对象，并获取目标对象精准的运动轨迹。

本发明的上述发明目的是通过以下技术方案得以实现的：室内外特定条件下的图像增强与环境适应性方法，包括图像采集机构和图像处理系统，所述图像增强与环境适应性方法包括如下步骤：

s1：图像采集机构实时向图像处理系统传输采集到的图像数据；

s2：图像处理系统通过激光点云目标识别与跟踪技术实时提取被监视对象的特征，从而完成跟踪；

s3：通过最高信息增益的计算方法，去除掉冗余的数据信息，系统得到轨迹数据的合适分割时间特征点；

s4：系统通过基于密度的概念得到相关的子轨迹簇，从而进一步得到旅行同伴的候选集合，再将符合条件的候选集合存储起来，然后再将它们与后续到达的结果进行相交，从而逐步地改善候选集，并最终得到符合要求的旅行同伴；

s5：通过分析目标运动数据，获取目标的位置，再利用激光点云目标运行信息的提取方法对一连串的目标位置进行提取并拟合，进而得到目标的运动粗轨迹；

s6：针对目标运动的粗轨迹，利用场景最优轨迹的构建方法对粗轨迹进行重建，从而获得精度更高的运动轨迹。

进一步的，所述激光点云目标识别与跟踪技术包括以下步骤：

s1：对图像采集机构采集到的数据进行预处理，并提取图像中的特征点；

s2：从分流器中寻找对应的特征点，并进行识别，从而判定目标，完成对目标对象的跟踪。

进一步的，所述激光点云目标运行信息的提取方法包括以下步骤：

s1：通过多组传感器同时采集目标对象的加速度、速度、平均速率以及累计运动方向，并利用这些数据描述目标的运动趋势；

s2：计算每一帧数据中目标与周围对象的距离间隔和运动方向夹角，并以这些计算量简单的标识目标对象之间的交互运动；

s3：目标自身的运动趋势和对象之间可能的交互运动共同构成了激光点云目标的运动信息，将有利于构件运动轨迹的图像数据进行保留，将无用的图像数据删除，确保运动轨迹的连续性，获得运动目标更加准确的定位与运动信息。

进一步的，所述场景最优轨迹的构建方法包括以下步骤：

s1：获取目标对象的粗轨迹之后，利用图像处理系统进行影像融合，将一些被遮挡的无效图像数据进行删除，保留其相对运动的有效图像数据；

s2：利用图像间的重叠关系，对进行抽离后的有效图像数据进行最优轨迹的重建。

与现有技术相比，本发明提供了室内外特定条件下的图像增强与环境适应性方法，具备以下有益效果：

1.本发明通过激光点云目标识别与跟踪技术分析目标对象的运动轨迹，再结合多组传感器采集到的轨迹信息，完成运动轨迹的重建，从而排除了复杂环境带来的干扰并获得了精度更高的目标对象运动轨迹；

2.本发明采用了多种传感器融合的方法与imu和步态相结合的方法进行轨迹信息对比，将对比后的结果对轨迹进行了二次校准，提高了轨迹估计的精度，有效解决了因特殊场景带来的轨迹定位不准确问题。

附图说明

图1为本发明工作流程图；

图2为本发明激光点云目标信息提取示意图。

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。

实施例：请参阅图1-2，室内外特定条件下的图像增强与环境适应性方法，包括图像采集机构和图像处理系统，其中，图像增强与环境适应性方法包括如下步骤：

s1：图像采集机构实时向图像处理系统传输采集到的图像数据；

s2：图像处理系统通过激光点云目标识别与跟踪技术实时提取被监视对象的特征，从而完成跟踪；

s3：通过最高信息增益的计算方法，去除掉冗余的数据信息，系统得到轨迹数据的合适分割时间特征点；

s4：系统通过基于密度的概念得到相关的子轨迹簇，从而进一步得到旅行同伴的候选集合，再将符合条件的候选集合存储起来，然后再将它们与后续到达的结果进行相交，从而逐步地改善候选集，并最终得到符合要求的旅行同伴；

s5：通过分析目标运动数据，获取目标的位置，再利用激光点云目标运行信息的提取方法对一连串的目标位置进行提取并拟合，进而得到目标的运动粗轨迹；

s6：针对目标运动的粗轨迹，利用场景最优轨迹的构建方法对粗轨迹进行重建，从而获得精度更高的运动轨迹。

其中图像采集机构包括有摄像头、加速度计、速度计和气压计，用于实时采集目标对象的运动画面，并及时的将数据反馈给图像处理系统，另外，目标跟踪是指通过分析目标运动数据，获取目标位置，进而获得目标对象的运动轨迹。

激光点云目标识别与跟踪技术包括以下步骤：

s1：对图像采集机构采集到的数据进行预处理，并提取图像中的特征点；

s2：从分流器中寻找对应的特征点，并进行识别，从而判定目标，完成对目标对象的跟踪。

激光点云数据中，目标对象所能利用的特征只有离散点的空间分布特征以及激光点的反射强度特征，因此在对人的轨迹识别的过程中主要是从几何和统计的角度来确立初始特征。

激光点云目标运行信息的提取方法包括以下步骤：

s1：通过多组传感器同时采集目标对象的加速度、速度、平均速率以及累计运动方向，并利用这些数据描述目标的运动趋势；

s2：计算每一帧数据中目标与周围对象的距离间隔和运动方向夹角，并以这些计算量简单的标识目标对象之间的交互运动；

s3：目标自身的运动趋势和对象之间可能的交互运动共同构成了激光点云目标的运动信息，将有利于构件运动轨迹的图像数据进行保留，将无用的图像数据删除，确保运动轨迹的连续性，获得运动目标更加准确的定位与运动信息。

激光点云数据在经过识别和跟踪处理后，得到了目标对象的位置信息和连续帧结构上的位置关联信息，并使用这两类数据计算目标对象运动模型中定义的各个量。假定目标对象的运动由其质心点的运动代表。在激光点云目标运动信息提取过程中，通过对获得的激光点云目标的位置和轨迹信息进行分析，定义了反映目标空间位置和大小的空间模型和反映目标对象运动的运动信息模型。

场景最优轨迹的构建方法包括以下步骤：

s1：获取目标对象的粗轨迹之后，利用图像处理系统进行影像融合，将一些被遮挡的无效图像数据进行删除，保留其相对运动的有效图像数据；

s2：利用图像间的重叠关系，对进行抽离后的有效图像数据进行最优轨迹的重建。

目标对象的最优轨迹重建是指在其身上载附的激光雷达在特定场景中进行定位信息与轨迹的提取，在实际场景中，由于轨迹信息的获取受精度限制，因此本研究为确保轨迹信息的精度，采用了多种传感器融合的方法与imu和步态相结合的方法进行轨迹信息对比，将对比后的结果对轨迹进行了二次校准，提高了轨迹估计的精度。

需要说明的是，在本文中，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，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。