移動機器人平臺上的運動目標(biāo)檢測與跟蹤.pdf

1、隨著計算機硬件和軟件水平的不斷提高，制造出高度智能化的機器人以代替人類的勞動正在成為現(xiàn)實。機器人的智能化程度主要取決于其對周圍環(huán)境的感知能力。視覺傳感器是機器人獲取周圍環(huán)境信息的主要工具之一，通過對視覺傳感器獲取信息的處理，模擬人類的視覺系統(tǒng)，實現(xiàn)對環(huán)境的感知是計算機視覺的主要任務(wù)。運動目標(biāo)檢測與跟蹤作為計算機視覺領(lǐng)域的重要研究方向之一，在深空探測、智能交通，安全監(jiān)控和智能機器人環(huán)境感知等領(lǐng)域都得到了廣泛的應(yīng)用。因此運動目標(biāo)的檢測跟蹤的

2、研究具有重要的理論意義和應(yīng)用價值。
　　本文主要研究在動態(tài)背景下的運動目標(biāo)檢測與跟蹤算法，并以AS-RF移動機器人為實驗平臺，設(shè)計并實現(xiàn)了基于移動機器人的目標(biāo)檢測和跟蹤系統(tǒng)。
　　運動目標(biāo)檢測是后續(xù)目標(biāo)跟蹤的先決條件，根據(jù)攝像機是否運動可以分為靜態(tài)背景的運動目標(biāo)檢測和動態(tài)背景的運動目標(biāo)檢測。靜態(tài)背景的運動目標(biāo)檢測經(jīng)過多年的發(fā)展已經(jīng)逐漸趨于成熟。動態(tài)背景的運動目標(biāo)檢測則由于存在背景運動與目標(biāo)運動兩種相互獨立的運動，其研究進展較

3、慢。本文在分析Horn-Schunch(HS)光流算法運算量的基礎(chǔ)上,提出一種結(jié)合金字塔Lucas-Kanade(LK)光流和HS光流的動態(tài)場景運動目標(biāo)檢測算法。該算法首先利用金字塔 LK光流法計算出圖像的稀疏光流,根據(jù)稀疏光流的運動方向和幅值大小去除運動目標(biāo)和誤匹配點的運動矢量,提取出背景的運動矢量作為HS光流計算的初始值,完整地檢測出運動目標(biāo)。
　　目標(biāo)跟蹤是對選定或檢測到的目標(biāo)在圖像序列中進行定位的問題。在眾多跟蹤算法中Ca

4、mShift算法以計算量小，對光線變化、目標(biāo)尺度縮放、旋轉(zhuǎn)變化都有較好的魯棒性而在工程領(lǐng)域的到廣泛應(yīng)用。然而傳統(tǒng) CamShift跟蹤算法容易受到相似背景的干擾，且不能跟蹤運動速度較快的目標(biāo)。本文在傳統(tǒng)CamShift算法中引入了基于塊的反向投影圖，提出了雙反向投影圖 CamShift跟蹤算法。利用基于塊的反向投影圖對背景干擾進行濾除，同時提供目標(biāo)位置的粗略估計。
　　以雙反向投影圖CamShift跟蹤算法為核心，以AS-RF移動