基于双目视觉的目标识别与定位-论文.pdf

《基于双目视觉的目标识别与定位-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第33卷第4期河南理工大学学报(自然科学版)Vo1．33No．42014年8月JOURNAIOFHENANPOLYTECHNICUNIVERSITY(NATURALSCIENCE)Aug．2014基于双目视觉的目标识别与定位高如新，王俊孟(河南理工大学电气工程与自动化学院，河南焦作454000)摘要：给出一种双目视觉系统结合SURt’(SpeededUpRobustFeature)特征的目标识别与定位方法．分析了采用SURF特征实现目标识别的方法，利用双目视觉的原理求取识别出的目标物体的三维坐标信息，从而实现目标物体的识别与定位

2、，与传统的基于SIFT(ScaleInvariantFea—tureTransform)特征或基于颜色形状特征的目标识别与定位方法相比，该方法更具有鲁棒性和实时性．实验结果证明了该方法进行目标识别与定位的可行性，具有一定的应用价值．关键词：SURF特征匹配；双目视觉：目标识别与定位中图分类号：TP391文献标识码：A文章编号：1673—9787(2014)04-0495-06TargetrecognitionandlocationbasedonbinocularvisionGAORJ_xin．WANGJun-meng(Schoo

3、lofElectricalEngineeringandAutomotion，HenanPolytechnicUniversity，Jiaozuo454000，Henan，China)Abstract：AmethodfortargetidentificationandorientationbasedonthecombinationofSURFfeatureandbin—ocularvisionispresented．Bymeansoftheprinzipleofbinocularvision，thethree·dimensiona

4、lcoordinateinfor-mationofanobjectisobtained，whichhadbee-nidentifiedbyuseofSURFfeature．Thusly，thetargetrecogni—tionandlocationareachieved．Comparedwithhetraditionalmethod．suchasonesusingSIFTfeature．colororappearancefeature，themethodproposedismol。erobustandhasahigh—perf

5、ormance．Thefeasibilityandappli—cationvalueofthismethodusedfortargetrecognitionandpositioninghasbeenprovedaccordingtoexperimen—talresults．Keywords：SURFfeaturematching；binocularvision；targetrecognitionandlocation度比较高，因此得到了越来越广泛的应用．O引言本文采用SURF特征匹配算法实现了目标物目标识别与定位是机器人应用领域

6、中核心体的识别，为了精确求取目标物体的三维坐标信技术之一．随着社会生产和人民生活的不断发展，息，采用一个点标识目标物体，结合双目立体视觉对系统的智能化、实用性要求越来越高，能否成功计算场景中点的i维坐标信息的原理对识别出的识别出目标物体以及对目标物体精确定位，成为目标物体进行定位，与传统的基于SIFT特征或基衡量智能系统性能的重要指标。．近年来，基于于颜色形状特征的目标识别与定位方法相比，该视觉的目标识别与定位，利用图像获取目标物体方法更能满足实时性的要求．实验结果证明了该的特征实现目标识别与定位，该方法由于成j低，方法在目标识

7、别与定位中的可行性，具有一定的所依赖的实验环境和硬件设备要求简单，定位精应用价值．收稿日期：2013_09-ol基金项目：河南理T大学博士基金资助项目(B2010—1)．作者简介：高如新(1978一)，男，河南周口人，博士生，阱师，主要从事图像及视频识别、机器视觉等研究与教学-r作Email：gaorxchina@163．coin496河南理丁大学学报(自然科学版)2o14年第33卷式中：为设定的阈值，一般为0．6．当最小欧氏l基于SURF特征的目标识别距离d．和次最小欧式距离d，的比值小于该阈值基于不变特征的目标识别方法由于具

8、有很好时，认为特征点与对应最小欧氏距离的特征点是的鲁棒性，计算量小，速度快等特点，逐渐成为目匹配的，否则没有点与该特征点相匹配．标识别研究的主流方向．设定的阈值越小，匹配越稳定，但匹配点数目SURF算法是一种高鲁棒性的局部特征点检相应越少．测器，SURF特征具有