基于合作靶標(biāo)的目標(biāo)檢測(cè)方法研究與實(shí)現(xiàn).pdf

1、目標(biāo)檢測(cè)技術(shù)是計(jì)算機(jī)單目視覺(jué)位姿測(cè)量系統(tǒng)的一項(xiàng)關(guān)鍵技術(shù)，是實(shí)現(xiàn)視覺(jué)位姿測(cè)量的重要前提。目標(biāo)檢測(cè)技術(shù)涉及計(jì)算機(jī)、信號(hào)處理、生物仿生學(xué)等多個(gè)領(lǐng)域，在智慧城市監(jiān)控、智能家居、工業(yè)生產(chǎn)、飛行器測(cè)控技術(shù)和無(wú)人機(jī)檢測(cè)跟蹤等諸多研究領(lǐng)域均有應(yīng)用。對(duì)目標(biāo)在圖像中的坐標(biāo)檢測(cè)精確與否，直接影響著整個(gè)位姿測(cè)量系統(tǒng)的輸出精度。根據(jù)具體工程要求，本文開(kāi)展了以下工作:
　　(1)回顧和總結(jié)了單目視覺(jué)位姿測(cè)量系統(tǒng)、目標(biāo)檢測(cè)及識(shí)別技術(shù)、基于合作靶標(biāo)和非合作靶標(biāo)的

2、目標(biāo)檢測(cè)等三方面的國(guó)內(nèi)外研究現(xiàn)狀。
　　(2)基于有顯著顏色特征的光點(diǎn)，研究并設(shè)計(jì)了靶標(biāo)的檢測(cè)及在圖像中位置的輸出。對(duì)于單個(gè)光點(diǎn)靶標(biāo)，基于閾值處理法和統(tǒng)計(jì)學(xué)方法確定光點(diǎn)在圖像中的坐標(biāo)位置;對(duì)于三個(gè)光點(diǎn)的靶標(biāo)組合，基于閾值處理法、統(tǒng)計(jì)學(xué)方法以及偽彩色處理法，確定三個(gè)光點(diǎn)在圖像中的像素坐標(biāo)以及旋轉(zhuǎn)角度。對(duì)于上述兩種靶標(biāo)，基于反向投影的模板匹配方法進(jìn)行目標(biāo)檢測(cè)，并對(duì)反向投影法和上述閾值處理與統(tǒng)計(jì)學(xué)方法相結(jié)合的算法進(jìn)行了比較。
　　

3、(3)研究并設(shè)計(jì)了一種棋盤(pán)格靶標(biāo)的亞像素級(jí)角點(diǎn)檢測(cè)方法。采用攝像機(jī)標(biāo)定過(guò)程中使用的棋盤(pán)格作為合作靶標(biāo)對(duì)被測(cè)目標(biāo)進(jìn)行檢測(cè)，詳細(xì)介紹了包括圖像降噪、直方圖均衡化、自適應(yīng)閾值算法、圖像輪廓提取、矩形區(qū)域擬合、基于四鄰域的種子填充算法篩除干擾輪廓和harris角點(diǎn)檢測(cè)等方面的算法原理和對(duì)靶標(biāo)角點(diǎn)檢測(cè)的流程，并給出算法流程圖和實(shí)驗(yàn)結(jié)果，處理速度達(dá)到了實(shí)時(shí)性要求。同時(shí)，通過(guò)對(duì)棋盤(pán)格靶標(biāo)亞像素級(jí)角點(diǎn)的提取，提高了算法對(duì)棋盤(pán)格靶標(biāo)角點(diǎn)識(shí)別的精確度，保證

4、了整個(gè)視覺(jué)位姿測(cè)量系統(tǒng)的測(cè)量精度;通過(guò)視頻的連續(xù)幀處理跟蹤棋盤(pán)格角點(diǎn)，解決了由棋盤(pán)格靶標(biāo)中心對(duì)稱(chēng)所造成的角點(diǎn)跳變問(wèn)題，進(jìn)一步提高了算法的魯棒性;通過(guò)對(duì)棋盤(pán)格靶標(biāo)位置的粗略檢測(cè)和透視變換相結(jié)合的方法，將圖像重構(gòu)到上述算法可檢測(cè)的角度范圍內(nèi)，從而增大了棋盤(pán)格靶標(biāo)檢測(cè)算法可檢測(cè)的角度范圍。
　　(4)在Windows系統(tǒng)下，基于Visual Studio2010開(kāi)發(fā)軟件，結(jié)合OpenCV2.4.10完成實(shí)驗(yàn)，對(duì)視覺(jué)位姿測(cè)量系統(tǒng)的構(gòu)成及最