基于正交雙目視覺的菜粉蝶3D運(yùn)動(dòng)信息獲取技術(shù)研究.pdf

1、隨著農(nóng)業(yè)的快速發(fā)展，昆蟲行為分析的重要性愈發(fā)凸顯。隨著對(duì)昆蟲行為分析方法研究的逐漸深入，計(jì)算機(jī)視覺技術(shù)已經(jīng)成為此方面研究的重要方法。本研究針對(duì)昆蟲行為學(xué)研究定量、精確地獲取昆蟲三維運(yùn)動(dòng)軌跡及運(yùn)動(dòng)參數(shù)的需要，根據(jù)風(fēng)洞實(shí)驗(yàn)環(huán)境和菜粉蝶運(yùn)動(dòng)特征，以農(nóng)業(yè)常見害蟲菜粉蝶為研究對(duì)象，設(shè)計(jì)了頂視和側(cè)視攝像機(jī)正交配置的雙目視覺測(cè)量系統(tǒng)，利用KCF(Kernelized Correlation Filters)算法，提出了一種昆蟲三維軌跡及飛行參數(shù)獲取方

2、法。本研究可以較為準(zhǔn)確地獲取昆蟲飛行軌跡及運(yùn)動(dòng)參數(shù)，可以滿足對(duì)昆蟲行為分析的應(yīng)用要求。論文的研究?jī)?nèi)容和取得的成果如下:
　　(1)設(shè)計(jì)了一種正交雙目視覺昆蟲視頻采集系統(tǒng)。通過(guò)分析風(fēng)洞的安裝位置、尺寸規(guī)格和昆蟲行為實(shí)驗(yàn)室的實(shí)際空間環(huán)境，以及獲取高質(zhì)量菜粉蝶活動(dòng)視頻數(shù)據(jù)的應(yīng)用需求，選擇了適于本研究的攝像機(jī)型號(hào)，設(shè)計(jì)了正交雙目視覺支架和攝像機(jī)安裝托板，通過(guò)分析及試驗(yàn)確定并設(shè)計(jì)了同步觸發(fā)方式，對(duì)計(jì)算機(jī)硬件升級(jí)。測(cè)試結(jié)果表明，實(shí)際幀數(shù)可以達(dá)

3、到理論幀數(shù)的99.93％～100％，該系統(tǒng)能夠滿足對(duì)菜粉蝶飛行視頻的流暢、無(wú)丟幀的采集需求。
　　(2)對(duì)比分析了正交雙目視覺與傳統(tǒng)平行雙目視覺的攝像機(jī)標(biāo)定方法。平行雙目視覺需要利用2個(gè)攝像機(jī)的內(nèi)外參數(shù)進(jìn)行雙目校正與視差圖的獲取，正交雙目視覺沒(méi)有復(fù)雜的雙目校正過(guò)程，只需要通過(guò)攝像機(jī)標(biāo)定得到2個(gè)攝像機(jī)各自的內(nèi)部參數(shù)即可。根據(jù)研究需求以及試驗(yàn)的場(chǎng)地等外界因素，選擇張正友的棋盤格標(biāo)定法，對(duì)2個(gè)攝像機(jī)進(jìn)行標(biāo)定得到內(nèi)部參數(shù)，結(jié)果表明，俯視攝

4、像機(jī)和頂視攝像機(jī)的標(biāo)定像素誤差均小于0.52，可以滿足標(biāo)定需求。
　　(3)研究了菜粉蝶目標(biāo)的跟蹤方法，得出KCF算法的最佳參數(shù)選擇為線性核函數(shù)和灰度特征。根據(jù)菜粉蝶圖像序列的特點(diǎn)和菜粉蝶本身的飛行特性，選取3種非常具有代表性的視覺目標(biāo)跟蹤方法進(jìn)行分析，并對(duì)3種算法進(jìn)行跟蹤試驗(yàn)，對(duì)比分析表明，STC(Spatio Temporal Context Learning)算法和KCF算法跟蹤丟幀率均為0，平均像素誤差分別為12.47和7

5、.12，后者更適用于菜粉蝶目標(biāo)識(shí)別與跟蹤。設(shè)計(jì)KCF跟蹤算法不同核函數(shù)和特征試驗(yàn)，結(jié)果表明，采用線性核函數(shù)和灰度特征，KCF跟蹤算法的平均像素誤差為5.58，能有效地跟蹤菜粉蝶目標(biāo)。
　　(4)研究分析了正交雙目視覺的立體匹配方法。通過(guò)與傳統(tǒng)的平行雙目視覺進(jìn)行對(duì)比，在保證正交性的基礎(chǔ)上，正交匹配利用2個(gè)攝像機(jī)拍攝平面的正交關(guān)系可直接得到菜粉蝶目標(biāo)的三維空間坐標(biāo)，有效地降低了立體匹配算法復(fù)雜度，大大提高了獲取運(yùn)動(dòng)目標(biāo)的空間三維軌跡的