欢迎来到天天文库
浏览记录
ID:35070226
大小:4.34 MB
页数:66页
时间:2019-03-17
《基于视觉的目标跟踪研究及其在移动机器人中的实现》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、^.」Vv^^;.诚每巧;c吝巧.茄‘..;嫁吟^;s.k巧.击-參y.试..式幕..灣緣vir某...苗巧、'v,V1^墓号h雌『;鮮。9f帮!^把绿;誓种',:fV^.:辦誇古i.>.為声请?變'^i'^巧狂>、.武走%乂旁八/靖B、V.y,;身.;豕t;.灌;::..;給::>:T一F一';化'.誉,、学巧文W,女r言..-'--..-攀v'IX,‘.:.;.恥一:馬'-'..fI‘1J实现/辟.1wr作Mr顆脊咕‘托\.去句s礙点去^、藻:,、焉糸-項-直言:.巧'r户读v
2、>.;卡'-J'?./,着鳥,寬霸作者\誇;驾;乐t,.齡^:/户^-.1t锋i\.择^.。終L结,1名‘rfv?;.,‘每I言-,'犧知--,;-.‘的:1.義;^餐4!豁磅窠ll:-,I體荆硕称V飾工‘.一。...蕃论如期g^兴於^叫'..;.声.':.寒'、穿的位、u?八葛.、;巧.旋..'/甲V園巧義祭‘巧涛'对.一V:带-;^rV養寮M?人"C.,絮?::一.薄f.’u7.巧發.裏LX^玉:i;.:讓种.3%參梦3;-弁婦-y"\'一凑.'襄餐
3、-每'八V./誘;?拿i-\西安建筑科技大学硕士学位论文基于视觉的目标跟踪研究及其在移动机器人中的实现专业:控制工程硕士生:和箫指导教师:佟威副教授摘要采用视觉信息的目标跟踪技术作为计算机视觉领域中重要的课题之一,是备受工程领域和学术界关注的热点,有着广阔的应用和研究前景。然而,复杂环境下由于多方面因素的影响,如:部分遮挡、光线变化、图像噪点、快速移动、物体形状变化(人体姿态变化)和背景杂乱等,使得目标跟踪问题变得很复杂,提出一种适用于复杂环境的具有鲁棒性的实时跟踪算法仍然是一
4、个艰巨的挑战。针对大多数目标跟踪算法采用单一特征描述目标,在出现干扰特征时,易产生误匹配和漂移,导致跟踪有效性降低和跟踪精度差的问题,本文采用多特征融合的方法,丰富描述目标的特征多样性,提高跟踪算法的鲁棒性。本文创新地引入一种全局约束措施,利用视觉显著性进行多特征融合,同时提出一种自适应搜索机制来加快算法运行速度,最终,提出一种引入视觉显著性的多特征融合的目标跟踪算法。首先,采用视觉显著性机制处理颜色直方图得到显著性特征,再使用混合特征策略融合显著性特征和BRISK(BinaryRobustInvariantScalable
5、Keypoints)特征,获取目标前景和背景模型;其次,运用双向光流检测和误差度量提取动态特征,并使用自适应搜索机制提取候选目标区域的静态特征,融合动态特征和静态特征;最后,根据匹配算法估算目标跟踪框的自适应尺度及中心,确定目标在当前帧图像中所处的位置。实验表明,该算法对复杂背景环境下,具有光照变化、形变和姿态变化、快速移动等情况的目标跟踪表现良好,并能够实时稳定地获得目标跟踪结果。同时,采用本文所提出的目标跟踪算法,结合实验平台(移动机器人IN-RE)的硬件环境设计了运动控制策略,实现了一个机器人目标跟踪系统。实验结果表明
6、,使用本文设计的目标跟踪系统,IN-RE能够实时有效地完成目标跟踪任务。关键词:视觉显著性;BRISK特征;一致性匹配聚类;多特征融合论文类型:应用研究西安建筑科技大学硕士学位论文ResearchonVisualObjectTrackingandItsImplementationinMobileRobotSpecialty:ControlengineeringName:HeXiaoInstructor:Assoc.Prof.TongWeiAbstractThevisualobjecttrackingtechnologyiso
7、neofthecriticaltopicsincomputervision,whichreceivesmuchattentionfromengineersandscientificresearchers,possessesawidepracticalapplicationandresearchprospect.Objecttrackingisadifficultchallengeincomplicatedenvironment,duetonumerousfactorssuchaspartialocclusion,illumi
8、nationvariation,posechange,complexmotion,andbackgroundclutter,developingarobustandreal-timetrackingisstillachallengingproblem.Traditionally,mostt
此文档下载收益归作者所有