摘要
本申请公开了一种多动态目标的检测与跟踪方法、装置、设备及介质。在上述方法中,通过割草机的摄像头采集视频帧;将视频帧的数据输入目标检测模型中,获得多个动态障碍物的目标检测框;根据目标检测框和DeepSORT框架预测多个动态障碍物的运动信息和表观特征,来对多个动态障碍物进行跟踪,并获得多个动态障碍物的预测路径行为;最后根据多个动态障碍物的预测路径行为,对割草机进行路径规划,以避开多个动态障碍物。在此过程中,通过Yolov5s模型确定多个动态障碍物类别和位置,并且通过Deepsort框架预测多个动态障碍物的运动信息和表观特征,实现多个动态障碍物的目标跟踪,从而获得多个动态障碍物的路径行为,实现割草机对多个动态障碍物的避障。
技术关键词
动态障碍物
割草机
卡尔曼滤波器
深度卷积神经网络
多尺寸
跟踪器
样本
跟踪方法
视频帧
运动
框架
匈牙利算法
可读存储介质
检测头
存储计算机程序
规划
跟踪装置
系统为您推荐了相关专利信息
工业移动机器人
动态障碍物
静态障碍物
路径规划方法
工业机器人路径规划技术
煤矿巷道
煤矿井下巷道
导航坐标系
关键帧
多模态数据融合
立体视觉
图像语义分割技术
实时视频流
理论
卡尔曼滤波器
分布式容器
深度卷积神经网络模型
多尺度
深度学习技术
数据
摇摆基座
对准方法
卡尔曼滤波算法
卡尔曼滤波器
地球自转角速度