python - python中的轨迹交点

我在用tensorflow和python检测人和车辆我计算轨迹并用卡尔曼滤波进行预测，然后拟合一条预测轨迹的直线。
我的问题是如何找到两条轨迹的交集和碰撞时间？
我试过线与线相交，但拟合线并不总是两点线，而是多段线。
以下是我的尝试：

 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")

最佳答案

这是一个更广泛的话题，所以我将只关注数学/物理部分，因为我感觉到CV/DIP部分已经被你们两个提问者（andre ahmed和chris burgees）处理了。
为了简单起见，我假设匀速直线运动，因此如何做到这一点：
在已知时间dt
因此，为每个有问题的对象获取图像上的二维中心（或角点或其他）位置。
将它们转换为三维
因此，使用已知的摄像机参数或已知的场景背景信息，可以将屏幕上的二维位置取消投影到相对于摄像机的三维位置。如果像处理二维情况一样处理，这将消除非线性插值。
有更多的选择，如何获得三维位置取决于你在你的处置。例如：
Transformation of 3D objects related to vanishing points and horizon line
获得物体的实际速度
速度矢量很简单：

vel = ( pos(t+dt) - pos(t) )/dt

因此，只需从两个后续帧中提取同一对象的位置，然后除以帧率周期（或使用的帧之间的间隔）。
测试每两个物体的碰撞
有趣的是，你可以解决一个不平等的系统，比如：

| ( pos0 + vel0 * t ) - (pos1 + vel1 * t ) | <= threshold

但我在这里用了一种更简单的方法
Collision detection between 2 “linearly” moving objects in WGS84
其思想是计算被测物体最接近的位置（如果彼此接近）。
所以我们可以这样推断每个物体的未来位置：

pos(t) = pos(t0) + vel*(t-t0)

其中t是实际时间，t是一些开始时间（例如t0）。
假设我们有两个要测试的对象（t0=0），那么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pos0,vel0,pos1,vel1是足够小的时间（以避免跳过碰撞）现在dt然后这些物体被割掉，因此没有碰撞，if (dis0<dis1)这些物体不会移动或平行移动，只有if (dis0==dis1)这些物体彼此靠近，所以我们可以估计：

dis(t) = dis0 + (dis1-dis0)*t

碰撞预计if (dis0>dis1)，因此我们可以再次推断：

0 = dis0 + (dis1-dis0)*t
(dis0-dis1)*t = dis0
t = dis0 / (dis0-dis1)

其中dis(t)=0是估计的碰撞时间。粗略地说，所有这一切处理所有的移动作为线性和外推很多，所以它不准确，但正如你可以这样做，为更多的后续帧，结果将更准确的时间接近碰撞…此外，为了确保您应该外推估计碰撞时每个对象的位置，以验证结果（如果没有碰撞，则外推只是数值计算，而没有碰撞的对象只是在一段时间内接近每个对象）

如前所述，转换为3D（bullet#2）是不必要的，但它消除了非线性，因此简单的线性插值/外推可用于以后大大简化的事情。

关于python - python中的轨迹交点，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/55089783/