移动机器人运动目标检测与跟踪系统研究

论文摘要

在人类所感知的环境信息中,视觉信息占了非常大的比重,而动态视觉信息更是其主要组成部分。计算机视觉是用计算机模拟人眼功能,从图像或者图像序列中提取信息,对外界环境中的事物进行形态和运动识别。在各种光学图像中,彩色图像是对外部客观世界最为逼真的描述。相比灰度图像来说,对彩色图像的处理可以获得更大的信息量。本文针对彩色运动目标检测与跟踪技术开展研究工作,解决了色彩分割、形状检测、目标跟踪等技术问题,搭建了基于移动机器人的彩色目标识别与跟踪系统,并完成了相应的实验。论文的主要工作及研究成果如下:首先,分析了移动机器人运动目标检测与跟踪系统的功能及性能指标,设计了系统的总体组成结构并构思了各子系统的实现形式。其次,研究了运动目标检测和跟踪算法。一方面,设计了基于颜色特征和形状特征的目标物分割算法,实现了对图像中彩色目标物的有效分割。另一方面,对经典Camshift跟踪算法进行了改进:实现了该算法的全自动化;将Kalman滤波器融入其中,提高了算法在目标物遮挡情况下的鲁棒性;通过参数设置,使该算法在出现跟踪失败的情况时能够及时重新初始化,进入新一轮的目标检测及跟踪。本文通过OpenCV实现了运动目标检测及跟踪算法,并通过实验验证了该算法的可行性。最后,建立了移动机器人运动目标检测与跟踪系统。该系统将上位机图像处理的结果以无线方式传送给下位机,再由下位机控制移动机器人实现对运动目标的跟踪。该系统还装有超声测距装置,可以实时感知机器人与运动目标之间的距离,从而有效避免了机器人与目标物之间的碰撞。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• §1-1 研究背景和意义
• §1-2 运动目标检测与跟踪技术研究现状
• §1-3 运动目标检测的常用方法
• §1-4 运动目标跟踪的常用方法
• §1-5 本文研究内容及论文结构
• 第二章 系统分析与总体设计
• §2-1 系统工作原理及功能分析
• §2-2 系统性能指标
• §2-3 系统组成部分
• 2-3-1 视觉子系统
• 2-3-2 无线通讯子系统
• 2-3-3 控制子系统
• 2-3-4 移动机器人车体子系统
• §2-4 本章小结
• 第三章 运动目标检测算法研究
• §3-1 颜色模型分析与选取
• §3-2 基于目标物颜色特征的图像分割
• 3-2-1 基于直方图统计的阈值方法
• 3-2-2 基于色调H 直方图统计的双阈值分割算法
• 3-2-3 基于构造一维特征标量的直方图统计的双阈值分割算法
• §3-3 目标物形状检测
• §3-4 本章小结
• 第四章 运动目标跟踪算法研究
• §4-1 MeanShift 算法的基本理论
• 4-1-1 MeanShift 向量及其物理含义
• 4-1-2 MeanShift 算法步骤
• 4-1-3 算法分析
• §4-2 Camshift 算法的基本理论
• 4-2-1 算法原理
• 4-2-2 算法的实现步骤
• 4-2-3 算法分析
• §4-3 Camshift 算法的改进
• 4-3-1 一种简单的全自动Camshift 跟踪算法
• 4-3-2 融合Kalman 滤波器的Camshift 跟踪算法
• 4-3-3 Camshift 算法跟踪失败后的调整措施
• §4-4 本章小结
• 第五章 运动目标检测与跟踪系统的实现
• §5-1 系统结构和工作流程
• §5-2 系统的硬件组成
• §5-3 软件算法的实现
• 5-3-1 目标检测算法的实现
• 5-3-2 目标跟踪算法的实现
• §5-4 串口无线通讯的实现
• §5-5 移动机器人测距系统
• 5-5-1 超声波传感器安装位置的选择
• 5-5-2 超声波传感器测距实验
• §5-6 移动机器人及舵机云台的运动控制
• §5-7 彩色移动目标检测与跟踪实验
• §5-8 本章小结
• 第六章 结论与展望
• §6-1 结论
• §6-2 展望
• 参考文献
• 附录 A
• 致谢