基于雙目視覺的運動物體三維軌跡重建研究.pdf

1、無論是在視頻監(jiān)控還是人機交互、物體跟蹤測量、工業(yè)生產、醫(yī)學監(jiān)測、體育運動和軍事研究等領域，都會涉及到運動目標物體的跟蹤和定位，并且為了進一步對其行為進行理解，還需對其運動軌跡進行三維重建?；谝曈X的運動物體的三維軌跡重建研究其主要解決的內容包括:運動物體的檢測、目標跟蹤和三維重建。本文的研究內容主要集中于建立雙目立體視覺系統(tǒng)，并對采集的視頻序列圖像進行運動目標的檢測和跟蹤，已知左、右攝像機下運動物體的二維軌跡后可通過重投影矩陣重建物體的

2、三維運動軌跡。本文研究內容如下:
　　 (1)建立雙目立體視覺系統(tǒng)，分析了雙目視覺中的常用坐標系和各坐標系之間的轉換方程，其次對攝像機模型進行了分析探討，再利用張正友標定方法計算本文中雙目視覺模型的各攝像機的單應性矩陣以及參數，求解得到攝像機的內部參數和外部參數，為后續(xù)運動物體軌跡的三維重建打下基礎。
　　 (2)詳細介紹了運動物體的幾種檢測方法，并在幀間差分法的基礎上結合邊緣檢測和輪廓提取的分割方法檢測出運動物體。其次

3、，闡述了目前常用的幾種軌跡跟蹤算法，根據跟蹤目標的需要，選取Camshift算法作為其中一種主要的跟蹤算法，并實驗分析了該跟蹤算法在跟蹤過程中出現遮擋、背景干擾以及運動物體速度過快等情況下的跟蹤效果，并給出一些擬解決的思路。
　　 (3)根據Camshift算法還不能很好的應用于目標跟蹤，引入了粒子濾波算法，介紹了粒子濾波算法的基礎理論知識，把粒子濾波運用到運動目標的跟蹤，并根據算法存在的不足，提出了自適應狀態(tài)預測模型的粒子濾波

4、跟蹤算法，能夠較好的解決目標被遮擋、運動自主性較強時物體易跟丟和跟蹤不精確的問題。最后把Camshift算法嵌入到改進的自適應狀態(tài)預測模型的粒子濾波算法中，克服了改進的粒子濾波算法計算量大、實時性差的問題，利用拍攝的視頻圖像進行實驗結果分析，驗證該算法能夠很好的應用于目標軌跡跟蹤。
　　 (4)在前幾章的基礎上，得到了左右攝像機拍攝的序列圖像目標物體的二維運動軌跡以及攝像機的內外參數后，利用最小二乘法還原出運動物體的三維軌跡坐標