python中的轨迹相交
我正在使用tensorflow和python检测人员和车辆。我计算轨迹并使用卡尔曼滤波器预测它们，然后我拟合一条直线来预测轨迹。
我的问题是如何找到两个轨迹之间的交叉点和碰撞时间？
我试着线到线的交点，但拟合的线并不总是两点线，它是折线。这是我的尝试：
detections = tracker.update(np.array(z_box))
for trk in detections[0]:
trk = trk.astype(np.int32)
helpers.draw_box_label(img, trk, trk[4]) # Draw the bounding boxes on the
centerCoord = (((trk[1] +trk[3]) / 2), (trk[0] + trk[2]) / 2)
point_lists[trk[4]].append(centerCoord)
x = [i[0] for i in point_lists[trk[4]]]
y = [i[1] for i in point_lists[trk[4]]]
p = np.polyfit(x, y, deg=1)
y = p[1] + p[0] * np.array(x)
fitted = list(zip(x, y))
cv2.polylines(img, np.int32([fitted]), False, color=(255, 0, 0))
for other in detections[0]:
other = other.astype(np.int32)
if other[4] != trk[4]: # check for self ID
x2 = [i[0] for i in point_lists[other[4]]]
y2 = [i[1] for i in point_lists[other[4]]]
p2 = np.polyfit(x2, y2, deg=1)
y2 = p2[1] + p2[0] * np.array(x2)
other_fitted = list(zip(x2, y2))
if(line_intersection(fitted, other_fitted)):
print("intersection")
else:
print("not intersection")回答 1
Stack Overflow用户
发布于 2019-03-13 04:05:50
这是一个更广泛的话题，所以我将只关注数学/物理部分，因为我感觉CV/DIP部分已经由你们两个提问者(andre ahmed和chris burgees)处理了。
为了简单起见，我假设线性运动速度恒定，因此如何做到这一点：
在已知时间
- obtain
dt之后，每个对象的2个独立帧的 2D位置
因此，在3D中获取每个对象在图像上的2D中心(或角或其他)位置，并将其转换为3D
因此，使用已知的摄像机参数或关于场景的已知背景信息，您可以将屏幕上的2D位置反投影为相对于摄像机的3D相对位置。如果像2D情况一样处理，这将消除其他需要的非线性插值。
有更多的选择如何获得3D位置取决于你得到了什么在你的处置。例如：
- [Transformation of 3D objects related to vanishing points and horizon line](https://stackoverflow.com/a/53303948/2521214)
- obtaining对象的实际速度
速度向量很简单：
vel =( pos(t+dt) - pos(t) )/dt
因此，简单地从2个后续帧中减去相同对象的位置，并除以帧速率周期(或者帧之间的间隔，对于每个2个对象的碰撞
这是一个有趣的东西是的，你可以解决一个不等式系统，比如：
|( pos0 + vel0 *t)- (pos1 + vel1 *t)| <=阈值
但我在这里使用了一种更简单的方法
- [Collision detection between 2 “linearly” moving objects in WGS84](https://stackoverflow.com/a/41123777/2521214)这个想法是在测试对象最接近的地方计算t (如果接近彼此)。
所以我们可以像这样推断每个物体的未来位置：
位置(T)=位置(T0)+速度*(t-t0)
其中t是实际时间，t0是某个开始时间(例如t0=0)。
假设我们有两个对象(pos0,vel0,pos1,vel1)，我们想要测试，所以计算它们距离的前两次迭代，这样：
pos0(0) = pos0；pos1(0) = pos1；dis0 =| pos1(0) - pos0(0) | pos0(dt) = pos0 + vel0*dt；pos1(dt) = pos1 + vel1*dt；dis1 =| pos1(dt) - pos0(dt) |
其中dt是一些足够小的时间(以避免跳过冲突)。现在，对象正在修剪，所以没有碰撞，对象不会相互移动或平行移动，只有if (dis0>dis1)对象彼此靠近，所以我们可以估计：
dis(t) = dis0 + (dis1-dis0)*t
碰撞期望dis(t)=0，所以我们可以再次外推：
0= dis0 + (dis1- dis0 )*t ( dis0 -dis1)*t =dis0 t=dis0/ (dis0-dis1)
其中t是估计的冲突时间。粗略的所有这些处理所有的运动都是线性的，并且外推了很多，所以它不准确，但是你可以对更多的后续帧这样做，随着时间接近碰撞，结果将会更准确。此外，为了确保你应该外推每个物体在估计碰撞时的位置，以验证结果(如果没有碰撞，那么外推只是数字，物体没有碰撞，只是在一段时间内接近每个物体)
正如前面提到的，转换为3D (bullet #2)并不是必需的，但它消除了非线性，因此简单的线性插值/外推可以在以后使用，从而大大简化事情。
https://stackoverflow.com/questions/55068993
复制相似问题