基于機(jī)器視覺的智能車跟蹤系統(tǒng)研究與實現(xiàn).pdf

1、機(jī)器視覺領(lǐng)域是一個重要的科學(xué)領(lǐng)域，它是用機(jī)器(攝像機(jī)和計算機(jī)等)替代人眼對目標(biāo)進(jìn)行檢測、識別、跟蹤、判斷，主要用于大批量的工業(yè)生產(chǎn)、藥品檢測、銀行卡演示系統(tǒng)、表面檢測及汽車電子行業(yè)。自20世紀(jì)50年代以來，汽車電子和智能控制技術(shù)得到廣泛的重視和飛速的發(fā)展，智能車隨之成為汽車控制領(lǐng)域內(nèi)的一個研究熱點，而視覺跟蹤是智能車研究的主要方向之一。智能車對移動目標(biāo)的識別和跟蹤是從視覺傳感器獲取的圖像序列中分割出運動目標(biāo)并對這些目標(biāo)進(jìn)行識別和跟蹤，因

2、此，目標(biāo)的檢測、識別和跟蹤是智能車視覺跟蹤中的一個重要任務(wù)。
　　 本課題設(shè)計了一個基于高速球形攝像機(jī)的智能車跟蹤系統(tǒng)，該系統(tǒng)對攝像頭視野中的兩輛小車進(jìn)行跟蹤，PC機(jī)通過攝像頭獲取前方目標(biāo)車的運動狀態(tài)，利用機(jī)器視覺算法進(jìn)行判斷和分析，通過無線指令控制后方智能小車跟蹤前方目標(biāo)車，并且攝像頭跟隨目標(biāo)的運動方向轉(zhuǎn)動，使兩車體始終在攝像頭的視野范圍之內(nèi)。 其核心研究內(nèi)容主要包括三個部分：一是運動目標(biāo)的檢測與提取；二是運動目標(biāo)的跟蹤；三是

3、攝像頭和智能車速度及方向的控制。
　　 本文首先介紹了幾種常用的運動目標(biāo)檢測算法，包括光流法、時間差分法、背景差分法，驗證并分析它們各自的優(yōu)缺點和適用范圍，重點闡述了基于混合高斯背景模型的目標(biāo)檢測方法；然后，介紹了MeanShift算法的基本原理，主要研究了CAMShift目標(biāo)跟蹤算法、Kalman運動估計跟蹤算法、粒子濾波跟蹤算法。在此基礎(chǔ)上，論文完成了如下工作：
　　 (1) 結(jié)合混合高斯模型與CAMShift目標(biāo)跟

4、蹤算法，設(shè)計實現(xiàn)了一種自動的運動目標(biāo)檢測與跟蹤系統(tǒng)。首先用基于混合高斯的背景模型實現(xiàn)對運動目標(biāo)所在區(qū)域的識別和提取，確定目標(biāo)區(qū)域并初始化跟蹤窗口；然后在目標(biāo)區(qū)域內(nèi)提取顏色特征，通過CAMShift算法計算目標(biāo)的精確位置并調(diào)整搜索窗口大小。在跟蹤過程中，利用目標(biāo)位置信息，通過串口控制高速球機(jī)的運動，使目標(biāo)并盡可能位于視場中央，以實現(xiàn)對運動目標(biāo)的快速準(zhǔn)確的實時跟蹤。
　　 (2)在上述算法實現(xiàn)的基礎(chǔ)上對CAMShift做出幾點改進(jìn)，

5、一是融合目標(biāo)的顏色特征與紋理特征，將色調(diào)直方圖與梯度直方圖進(jìn)行加權(quán)處理，作為目標(biāo)特征模板，處理相似顏色的干擾；二是用自適應(yīng)擴(kuò)展搜索窗口改進(jìn)CAMShift算法，避免因目標(biāo)瞬時速度過大導(dǎo)致跟蹤目標(biāo)丟失；三是引入運動預(yù)測估計算法，結(jié)合Kalman濾波進(jìn)行目標(biāo)位置預(yù)測和更新，解決因嚴(yán)重遮擋引起的跟蹤丟失問題。
　　 (3) 設(shè)計了一種多目標(biāo)跟蹤的解決方案，由于運動場景和運動狀態(tài)的復(fù)雜化，卡爾曼濾波在非線性、非高斯系統(tǒng)表現(xiàn)出來的效果欠佳

6、，論文對粒子濾波算法進(jìn)行了研究，利用樣本重要性重采樣法，加權(quán)融合目標(biāo)顏色與梯度方向直方圖，實現(xiàn)基于多特征的粒子濾波目標(biāo)跟蹤算法，并用CAMShift算法優(yōu)化粒子濾波，用于多目標(biāo)的跟蹤，提高了跟蹤的實時性和魯棒性。
　　 (4) 利用視覺跟蹤算法的反饋結(jié)果給出了一種簡單有效的智能車控制指令的策略，實現(xiàn)智能車的前行、停止、左轉(zhuǎn)、右轉(zhuǎn)。同時，設(shè)計了一種高速球形攝像機(jī)的方向和速度控制策略，在球機(jī)機(jī)械參數(shù)未知的情況下，設(shè)定攝像頭速度比例系