本申请涉及自动化领域，尤其涉及跟踪避障方法、装置、设备及存储介质。
背景技术：
1、随着经济和科技的发展，割草机的使用也变得越来越频繁，但由于割草工作的难度不高但非常消耗体力，自动割草机正逐步代替传统的手动割草机成为主流选择。
2、在现有技术中，自动割草机使用摄像头获取前方的路线图片，再通过深度学习模型直接识别前方图片上的人物的位置，然后规划并实现避障的操作，但由于深度学习模型直接检测摄像头获取的路线图片上的人物的位置需要消耗非常大的算力，导致自动割草机的生产成本过高。
3、上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
1、本申请的主要目的在于提供一种跟踪避障方法、装置、设备及存储介质，旨在解决自动割草机的生产成本过高的技术问题。
2、为实现上述目的，本申请提供一种跟踪避障方法，所述跟踪避障方法包括以下步骤：
3、获取图像信息，其中，所述图像信息包括图像中人物的类型和高度信息；
4、基于图像信息中人物的类型和高度信息以及人物类型对应的人物距离计算函数，确定所述人物在三维空间中的位置；
5、基于所述三维空间的位置，规划避障路径。
6、可选地，所述获取图像信息的步骤，包括：
7、获取相机拍摄的图像；
8、将拍摄的图像输入预设的人物预测模型，确定图像中的人物识别信息，其中，所述人物预测模型是基于原始图像数据和所述原始图像数据对应的图像识别标签，对预设的待训练预测模型进行迭代训练得到的，所述人物识别信息包含人物的类型和高度信息；
9、将所述人物识别信息输出为图像信息。
10、可选地，所述基于图像信息中人物的类型和高度信息以及人物类型对应的人物距离计算函数，确定所述人物在三维空间中的位置的步骤，包括：
11、读取图像信息中人物的类型对应的平均身高信息；
12、基于图像信息中人物的平均身高信息和高度信息，使用预设的人物类型对应的人物距离计算函数计算所述人物与拍摄点的距离信息；
13、基于所述人物与拍摄点的距离信息，以所述拍摄点为中心，朝向为z轴，地平面为x轴，确定所述人物在三维空间中的y轴数据；
14、将所述三维空间中x轴、y轴和z轴的数据组合，并输出为所述人物在三维空间中的位置。
15、可选地，所述获取图像信息的步骤之前，所述方法包括：
16、获取图像中人物的类型对应的身高信息和图像中人物的高度信息以及所述人物与拍摄点的距离信息；
17、基于人物的类型对应的身高信息和图像中人物的高度信息以及所述人物与拍摄点的距离信息，计算三者之间的函数关系，并输出为人物类型对应的人物距离计算函数。
18、可选地，所述获取图像信息的步骤之前，所述方法包括：
19、获取图像训练集的原始图像数据和所述原始图像数据对应的图像识别标签；
20、基于所述原始图像数据和所述原始图像数据对应的图像识别标签，对预设的待训练预测模型进行迭代训练，得到具有满足精度条件的像素预测模型。
21、可选地，所述获取图像训练集的原始图像数据的步骤，包括：
22、获取图像训练集的原始图像数据；
23、对各图像训练集的原始图像数据进行对称交换处理，得到目标原始图像数据，以实现原始图像数据的数据扩充。
24、可选地，所述基于所述原始图像数据和所述原始图像数据对应的图像识别标签，对预设的待训练预测模型进行迭代训练，得到具有满足精度条件的像素预测模型的步骤，包括：
25、将原始图像数据输入至所述预设待训练预测模型，得到预测人物识别信息；
26、将所述预测人物识别信息与所述原始图像数据对应的图像识别标签进行差异计算，得到第一损失值；
27、若所述第一损失值未满足预设损失阈值范围指示的误差标准，则返回将原始图像数据输入至所述预设待训练预测模型，得到预测人物识别信息的步骤，直到所述第一损失值满足预设损失阈值范围指示的误差标准后停止训练，得到具有满足精度条件的人物预测模型。
28、此外，为实现上述目的，本申请还提供一种跟踪避障装置，所述装置包括：
29、第一获取模块，用于获取图像信息，其中，所述图像信息包括图像中人物的类型和高度信息；
30、确定模块，用于基于图像信息中人物的类型和高度信息以及人物类型对应的人物距离计算函数，确定所述人物在三维空间中的位置；
31、规划模块，用于基于所述三维空间的位置，规划避障路径。
32、此外，为实现上述目的，本申请还提供一种跟踪避障设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的跟踪避障程序，所述跟踪避障程序配置为实现如上所述的跟踪避障方法的步骤。
33、此外，为实现上述目的，本申请还提供一种存储介质，所述存储介质上存储有跟踪避障程序，所述跟踪避障程序被处理器执行时实现如上所述的跟踪避障方法的步骤。
34、本申请提供一种跟踪避障方法、装置、设备及存储介质，与相关技术中通过深度学习模型直接识别前方图片上的人物的位置，然后规划并实现避障的操作，导致自动割草机的生产成本过高相比，本申请通过获取图像信息，其中，所述图像信息包括图像中人物的类型和高度信息；基于图像信息中人物的类型和高度信息以及人物类型对应的人物距离计算函数，确定所述人物在三维空间中的位置；基于所述三维空间的位置，规划避障路径，可以理解，本申请使用深度学习模型只确认图像中人物的类型和大小，再使用预设的人物距离计算函数计算人物的位置，由于只确认图像中人物的类型和大小需要的算力大幅低于直接识别人物位置消耗的算力，使得所述跟踪避障方法消耗的算力比传统的跟踪避障方法更低，解决了现有技术中自动割草机的生产成本过高的问题。
1.一种跟踪避障方法，其特征在于，所述跟踪避障方法包括以下步骤：
2.如权利要求1所述的跟踪避障方法，其特征在于，所述获取图像信息的步骤，包括：
3.如权利要求1所述的跟踪避障方法，其特征在于，所述基于图像信息中人物的类型和高度信息以及人物类型对应的人物距离计算函数，确定所述人物在三维空间中的位置的步骤，包括：
4.如权利要求1所述的跟踪避障方法，其特征在于，所述获取图像信息的步骤之前，所述方法包括：
5.如权利要求1所述的跟踪避障方法，其特征在于，所述获取图像信息的步骤之前，所述方法包括：
6.如权利要求5所述的跟踪避障方法，其特征在于，所述获取图像训练集的原始图像数据的步骤，包括：
7.如权利要求5所述的跟踪避障方法，其特征在于，所述基于所述原始图像数据和所述原始图像数据对应的图像识别标签，对预设的待训练预测模型进行迭代训练，得到具有满足精度条件的像素预测模型的步骤，包括：
8.一种跟踪避障装置，其特征在于，所述装置包括：
9.一种跟踪避障设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的跟踪避障程序，所述跟踪避障程序配置为实现如权利要求1至7中任一项所述的跟踪避障方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有跟踪避障程序，所述跟踪避障程序被处理器执行时实现如权利要求1至7中任一项所述的跟踪避障方法的步骤。