基于全景視覺的移動機(jī)器人目標(biāo)識別.pdf

1、目標(biāo)識別是計算機(jī)視覺和圖像處理中的一個重要課題,在軍事以及自動化領(lǐng)域的應(yīng)用前景十分廣泛。而全景視覺具有視角范圍大、獲取信息豐富等優(yōu)點,所以該系統(tǒng)在移動機(jī)器人領(lǐng)域得到了廣泛的應(yīng)用,
　　本文主要研究基于反射全景視覺的移動機(jī)器人目標(biāo)識別。本文研究的是靜止背景下的運動目標(biāo)識別,所謂靜止背景是指攝像機(jī)處于靜止?fàn)顟B(tài)且焦距是固定的情況,本文的主要任務(wù)是識別出場景中運動的機(jī)器人,基本思路是用運動目標(biāo)檢測算法檢測出場景中的運動目標(biāo),在已經(jīng)檢測出運

2、動目標(biāo)的基礎(chǔ)上對運動目標(biāo)進(jìn)行識別,所以運動目標(biāo)檢測與識別是本文的核心內(nèi)容。
　　首先研究了常用運動目標(biāo)檢測算法——幀間差分法和背景差分法的基本原理,在此基礎(chǔ)上,采用二幀差分法、三幀差分法、五幀差分法、融合Sobel邊緣的三幀差分法以及基于HR濾波的背景估計法、基于碼本模型的背景差分法、基于單高斯模型的背景差分法、基于混合高斯模型的背景差分法等方法分別編程實現(xiàn)了靜止背景下的運動目標(biāo)檢測,并針對上述兩類方法存在的問題,設(shè)計了融合Sob

3、el的三幀差分結(jié)合混合高斯模型的運動目標(biāo)檢測算法,該算法在克服單獨使用幀間差分與背景差分不足的同時,結(jié)合了兩者的優(yōu)點,實驗結(jié)果驗證了算法的有效性和優(yōu)越性。
　　其次圖像的特征提取方法也是本文的一個研究重點。針對全景視覺圖像的特點,本文深入研究了常用的顏色特征、形狀特征以及具有尺度、旋轉(zhuǎn)等不變性的不變矩特征和SIFT特征,為后續(xù)的目標(biāo)識別做準(zhǔn)備。
　　再次研究基于運動目標(biāo)檢測的目標(biāo)識別方法。即利用運動目標(biāo)檢測算法獲取前景圖像,

4、然后對前景圖像中的運動物體進(jìn)行特征提取,在此基礎(chǔ)上設(shè)計了基于顏色的目標(biāo)識別方法、基于形狀的目標(biāo)識別方法、基于不變矩的目標(biāo)識別方法和基于SIFT特征匹配的目標(biāo)識別方法,實驗結(jié)果驗證了上述算法的有效性。
　　最后在算法研究的基礎(chǔ)上,在VC++6.0平臺下搭建了一個基于全景視覺的移動機(jī)器人目標(biāo)識別系統(tǒng),并在多種不同情況下對上述運動目標(biāo)檢測方法和目標(biāo)識別方法分別進(jìn)行了實驗驗證,實驗結(jié)果表明:融合Sobel邊緣的三幀差分結(jié)合混合高斯模型的檢