基于图像处理技术的移动机器人目标跟踪

论文摘要

移动机器人作为21世纪最伟大的发明现在越来越多的应用于工业生产和日常生活当中。其中对机器人的视觉研究更是移动机器人领域的核心问题之一。机器视觉的一个主要研究方向就是运动目标的识别与跟踪。在大多数情况下,人们一般只对目标和运动物体感兴趣。比如生产线上对产品的检测,汽车的导航与自动驾驶,无人飞机等等。因此,对运动目标的跟踪的研究有着很大的现实意义和实际价值。本文以运动的物体为目标,在室内环境下对运动目标进行识别与跟踪。文章主要从图像处理和目标跟踪两方面对移动机器人的目标跟踪进行研究。在图像处理方面,分析现有方法的优缺点,在此基础上提出了一种结合目标形状特征和颜色特征的分割方法。在阈值分割后继续做边缘提取,通过目标的几何特点,计算物体的形状参数,从而识别目标。实验证明此方法可以在复杂的环境下提取我们感兴趣的目标。在目标跟踪过程中,重点研究了Mean-Shift算法并将其用到目标跟踪当中,分析其优缺点并提出将无迹卡尔曼滤波引入Mean-Shift算法当中的方法。通过无迹卡尔曼滤波的预测机制去估计目标下一帧中的位置,在此基础上使用Mean-Shift算法搜索估计区域,得到目标的真实位置,可以大大提高对快速目标跟踪的准确性。实验证明此方法在目标跟踪领域取得了比较理想的效果。本文对各种设计方法进行了编程实现,所有程序是在XP系统下采用VC++6.0完成的,使用了广茂达ASR机器人自带的函数库和OPENCV函数库,大大简化了编程过程。最后实验表明,上述几种算法运算速度较快,满足系统实时性要求,跟踪目标的准确度较高,满足准确性要求且易于硬件实现,达到预期效果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 机器人跟踪系统简介
• 1.3 本文主要工作和内容
• 第二章 图像处理理论
• 2.1 颜色空间理论
• 2.1.1 常用颜色模型简介
• 2.1.2 彩色空间的转换方法
• 2.2 图像预处理
• 2.3 图像分割与目标识别
• 2.4 基于全向视觉的图像处理技术
• 第三章 结合目标形状特征与颜色特征的图像分割算法
• 3.1 算法来源
• 3.2 算法步骤
• 3.3 实验结果与分析
• 3.3.1 图像分割实验
• 3.3.2 目标跟踪实验
• 第四章 目标跟踪算法理论
• 4.1 基于运动的目标跟踪
• 4.2 基于相关的目标跟踪
• 4.3 基于特征的目标跟踪
• 4.4 基于 Mean-Shift 算法的目标跟踪
• 4.4.1 Mean-Shift 简介
• 4.4.2 Mean-Shift 的应用
• 4.4.3 应用Mean-Shift 算法进行目标跟踪
• 第五章 结合UKF 滤波器和MEAN-SHIFT 算法的目标跟踪
• 5.1 目标跟踪滤波器
• 5.1.1 离散卡尔曼滤波
• 5.1.2 扩展卡尔曼滤波
• 5.1.3 Unscented 卡尔曼滤波
• 5.2 算法来源
• 5.3 算法步骤
• 5.4 实验结果与分析
• 第六章 总结与建议
• 参考文献
• 致谢
• 个人简历
• 在学期间发表的学术论文与研究成果