基于視覺的移動目標(biāo)識別與跟蹤算法研究與實現(xiàn).pdf

1、異構(gòu)機(jī)器人協(xié)同是擴(kuò)展單一機(jī)器人作用范圍，提高機(jī)器人完成復(fù)雜任務(wù)成功率的重要研究方向?？盏貦C(jī)器人協(xié)同系統(tǒng)便是典型的異構(gòu)機(jī)器人系統(tǒng)。本文依托空地機(jī)器人協(xié)同系統(tǒng)，以無人機(jī)對地面目標(biāo)識別與跟蹤為研究目標(biāo)。在計算機(jī)視覺技術(shù)理論研究的基礎(chǔ)上，完成無人機(jī)對地面機(jī)器人的識別和跟蹤。
　　本文對所依托的異構(gòu)機(jī)器人協(xié)同系統(tǒng)進(jìn)行了闡述，分析系統(tǒng)需求，設(shè)計了基于計算機(jī)視覺的目標(biāo)跟蹤方案，該方案設(shè)計了硬件實現(xiàn)平臺和目標(biāo)跟蹤的工作流程。
　　計算機(jī)視覺

2、算法的理論研究作為本文的重點(diǎn)內(nèi)容?？盏貦C(jī)器人協(xié)同系統(tǒng)中圖像的預(yù)處理主要是對自然天氣，傳感器震動，隨機(jī)信道噪聲對原圖像造成的圖像退化現(xiàn)象進(jìn)行圖像復(fù)原工作。本文主要進(jìn)行圖像去噪方面的研究。首先利用K-means算法對圖像塊進(jìn)行分類，對不同子類別進(jìn)行字典學(xué)習(xí)，最后重建圖像，在重建的過程中，利用非局部相似方法提高圖像復(fù)原的效果。在對圖像進(jìn)行去噪處理后，便是目標(biāo)識別的工作。采用圖像匹配方法，使用具有較好魯棒性的SIFT特征，匹配過程中進(jìn)行了基于P

3、CA-KD樹算法改進(jìn)，為了進(jìn)一步提高匹配精度，使用Ransac算法進(jìn)行二次匹配。然后運(yùn)用透視變換找到目標(biāo)位置。得到目標(biāo)位置后，便是對其進(jìn)行目標(biāo)跟蹤。提出了一種結(jié)合Kalman濾波器校正的壓縮感知多尺度目標(biāo)跟蹤算法。該算法利用Kalman濾波器生成距離權(quán)值，使用加權(quán)貝葉斯濾波器校正跟蹤位置，在確定的位置上進(jìn)行多尺度的模板采集，以適應(yīng)尺度的變化。在分類器參數(shù)更新時，引入了自適應(yīng)的學(xué)習(xí)速率。
　　對四旋翼無人機(jī)跟蹤飛行實驗進(jìn)行研究，構(gòu)建