基于機器視覺的智能車跟蹤系統(tǒng)研究與實現(xiàn).pdf

1、機器視覺領域是一個重要的科學領域，它是用機器(攝像機和計算機等)替代人眼對目標進行檢測、識別、跟蹤、判斷，主要用于大批量的工業(yè)生產(chǎn)、藥品檢測、銀行卡演示系統(tǒng)、表面檢測及汽車電子行業(yè)。自20世紀50年代以來，汽車電子和智能控制技術得到廣泛的重視和飛速的發(fā)展，智能車隨之成為汽車控制領域內(nèi)的一個研究熱點，而視覺跟蹤是智能車研究的主要方向之一。智能車對移動目標的識別和跟蹤是從視覺傳感器獲取的圖像序列中分割出運動目標并對這些目標進行識別和跟蹤，因

2、此，目標的檢測、識別和跟蹤是智能車視覺跟蹤中的一個重要任務。
　　 本課題設計了一個基于高速球形攝像機的智能車跟蹤系統(tǒng)，該系統(tǒng)對攝像頭視野中的兩輛小車進行跟蹤，PC機通過攝像頭獲取前方目標車的運動狀態(tài)，利用機器視覺算法進行判斷和分析，通過無線指令控制后方智能小車跟蹤前方目標車，并且攝像頭跟隨目標的運動方向轉動，使兩車體始終在攝像頭的視野范圍之內(nèi)。 其核心研究內(nèi)容主要包括三個部分：一是運動目標的檢測與提取；二是運動目標的跟蹤；三是

3、攝像頭和智能車速度及方向的控制。
　　 本文首先介紹了幾種常用的運動目標檢測算法，包括光流法、時間差分法、背景差分法，驗證并分析它們各自的優(yōu)缺點和適用范圍，重點闡述了基于混合高斯背景模型的目標檢測方法；然后，介紹了MeanShift算法的基本原理，主要研究了CAMShift目標跟蹤算法、Kalman運動估計跟蹤算法、粒子濾波跟蹤算法。在此基礎上，論文完成了如下工作：
　　 (1) 結合混合高斯模型與CAMShift目標跟

4、蹤算法，設計實現(xiàn)了一種自動的運動目標檢測與跟蹤系統(tǒng)。首先用基于混合高斯的背景模型實現(xiàn)對運動目標所在區(qū)域的識別和提取，確定目標區(qū)域并初始化跟蹤窗口；然后在目標區(qū)域內(nèi)提取顏色特征，通過CAMShift算法計算目標的精確位置并調(diào)整搜索窗口大小。在跟蹤過程中，利用目標位置信息，通過串口控制高速球機的運動，使目標并盡可能位于視場中央，以實現(xiàn)對運動目標的快速準確的實時跟蹤。
　　 (2)在上述算法實現(xiàn)的基礎上對CAMShift做出幾點改進，

5、一是融合目標的顏色特征與紋理特征，將色調(diào)直方圖與梯度直方圖進行加權處理，作為目標特征模板，處理相似顏色的干擾；二是用自適應擴展搜索窗口改進CAMShift算法，避免因目標瞬時速度過大導致跟蹤目標丟失；三是引入運動預測估計算法，結合Kalman濾波進行目標位置預測和更新，解決因嚴重遮擋引起的跟蹤丟失問題。
　　 (3) 設計了一種多目標跟蹤的解決方案，由于運動場景和運動狀態(tài)的復雜化，卡爾曼濾波在非線性、非高斯系統(tǒng)表現(xiàn)出來的效果欠佳

6、，論文對粒子濾波算法進行了研究，利用樣本重要性重采樣法，加權融合目標顏色與梯度方向直方圖，實現(xiàn)基于多特征的粒子濾波目標跟蹤算法，并用CAMShift算法優(yōu)化粒子濾波，用于多目標的跟蹤，提高了跟蹤的實時性和魯棒性。
　　 (4) 利用視覺跟蹤算法的反饋結果給出了一種簡單有效的智能車控制指令的策略，實現(xiàn)智能車的前行、停止、左轉、右轉。同時，設計了一種高速球形攝像機的方向和速度控制策略，在球機機械參數(shù)未知的情況下，設定攝像頭速度比例系