基于視覺的振動(dòng)檢測(cè)算法與實(shí)現(xiàn).pdf

1、當(dāng)處于強(qiáng)輻射的環(huán)境下時(shí)，出于對(duì)工作人員的保護(hù)，通常需要使用專用的機(jī)械裝置來替代人類進(jìn)行作業(yè)，核環(huán)境操作機(jī)械臂即是其中一種。當(dāng)出于操作空間或任務(wù)等要求，機(jī)械臂被設(shè)計(jì)得很長(zhǎng)且比較細(xì)時(shí)，機(jī)械臂容易因自身剛度不足而在運(yùn)動(dòng)時(shí)引起振動(dòng)。常規(guī)環(huán)境下的振動(dòng)檢測(cè)，當(dāng)前已經(jīng)有許多方法，但是在極端環(huán)境（如高溫、強(qiáng)輻射等）下，傳統(tǒng)的檢測(cè)傳感器往往無(wú)法使用，而基于視覺的檢測(cè)系統(tǒng)具有更強(qiáng)的抗干擾能力以及更好的檢測(cè)性能?；谏鲜霰尘?，本文研究基于視覺的振動(dòng)檢測(cè)算法及

2、其實(shí)現(xiàn)方案。
　　本文結(jié)合FAST（Feature from Accelerated Segment Test）角點(diǎn)和KLT（Kanade-Lucas-Tomas算法）算法，實(shí)現(xiàn)了快速的檢測(cè)算法?？梢詫?shí)現(xiàn)幀間位移序列檢測(cè)的算法常用的有背景差分法、幀間差分法、Mean-Shift算法及KLT算法等。因?yàn)樵趯?shí)際的運(yùn)用場(chǎng)景中，相機(jī)處于機(jī)械臂的末端且隨機(jī)械臂一起運(yùn)動(dòng)所以不能滿足背景差分法和幀間差分法要求相機(jī)固定的條件；另外，可觀測(cè)目標(biāo)中也

3、沒有明顯可識(shí)別的顏色區(qū)域，這限制了Mean-Shift算法在這一場(chǎng)景中的運(yùn)用。鑒于上述原因，文中使用了KLT算法來實(shí)現(xiàn)幀間位移序列的檢測(cè)。然而KLT算法也有自身的缺陷：計(jì)算過程涉及到了大量的浮點(diǎn)運(yùn)算；這使得KLT算法在實(shí)際應(yīng)用中會(huì)占用大量計(jì)算資源進(jìn)而使得KLT算法在計(jì)算能力弱的平臺(tái)下無(wú)法使用?；跈C(jī)器學(xué)習(xí)的FAST角點(diǎn)算法使用了決策樹來選取特征點(diǎn)；這一方法被證明是快速可靠的特征點(diǎn)選取算法。所以文中使用了FAST角點(diǎn)替代KLT特征點(diǎn)作為K

4、LT算法的跟蹤特征。而在具體實(shí)現(xiàn)時(shí)，為了借助平臺(tái)的特性進(jìn)一步提高該算法的運(yùn)行速度，文中也使用SSE（Streaming SIMD Extension）指令集對(duì)KLT算法的跟蹤部分進(jìn)行了修改。經(jīng)在Windows系統(tǒng)下驗(yàn)證，上述更改能夠有效加快算法的運(yùn)行速度且更改后的實(shí)驗(yàn)結(jié)果能夠滿足要求。最后，將整個(gè)算法移植到了QNX系統(tǒng)下，并進(jìn)行了實(shí)際測(cè)試；測(cè)試結(jié)果表明對(duì)KLT算法的更改能夠有效提高其在QNX系統(tǒng)下的運(yùn)行速度。另外，為了實(shí)現(xiàn)圖像采集，在算