基于視覺的目標跟蹤與定位算法研究.pdf

1、機器視覺是利用計算機技術對人類視覺的一種探索及模擬,隨著機器視覺理論及計算機技術的發(fā)展,它越來越廣泛地應用到實際的生產生活過程中?；跈C器視覺的工作包含目標檢測、目標跟蹤、目標定位等,它們均是從視覺傳感器拍攝的二維圖像信息出發(fā)獲取需要的信息進而完成工作任務。本文對視覺定位中的關鍵問題進行了研究與實現(xiàn)。
　　 首先,針對運動目標檢測算法存在的一些缺點,比如對光照敏感、易受自然環(huán)境變化的影響、易受陰影影響等,本文提出一種基于空間邊緣

2、方向直方圖(SEOH)的運動目標檢測算法,依賴目標的邊緣方向信息進行檢測,提高了對光照及環(huán)境變化的抗干擾性；進一步,將該算法與Kalman濾波相結合,通過對運動參數(shù)的預測修正提高了算法的實時性。
　　 其次,針對運動目標跟蹤時的顏色干擾、目標重疊遮擋、目標瞬間丟失等問題,提出一種基于空間邊緣方向直方圖(SEOH)的改進的Camshift運動目標跟蹤算法,提高了跟蹤算法對顏色的抗干擾性,并在目標遮擋時采用分塊匹配思想對目標進行跟蹤

3、,達到較好的跟蹤效果；進一步,用Kalman濾波器對運動目標的位置進行預測更新,提高了算法的實時性和魯棒性。
　　 再者,在總結并分析了現(xiàn)有的攝像機標定技術及各自的優(yōu)缺點的基礎上,研究了不同位置不同攝像機的同時標定問題,首先利用標定板在不同位置的成像之間的對應關系建立基于單應矩陣的約束方程,在求解方程得到不同攝像機的內參數(shù)的基礎上,由多視點成像原理對不同攝像機之間的相對位置進行標定。實驗結果驗證了該算法的有效性、合理性、實用性。

4、
　　 最后,針對視覺定位的難點——圖像匹配提出一種基于像素與基于特征相結合的圖像匹配算法:首先提出一種基于灰度信息的粗匹配算法,目的是得到目標的初始匹配區(qū)域,然后在該區(qū)域內進行SIFT特征提取與匹配。在提取尺度不變特征時,為了剔除不穩(wěn)定特征點及弱邊緣點,綜合考慮了不同尺度空間中的關鍵點信息。最后,利用雙目攝像機的標定結果和匹配好的目標特征點,由雙目視覺視差原理實現(xiàn)對目標的定位。實驗結果表明該算法不僅能夠精確地獲得圖像間的匹配特