基于自适应Kalman滤波的机器人运动目标跟踪算法

针对足球机器人比赛时的模型变化及其环境噪声先验估计不准确的问题,提出一种基于自适应卡尔曼滤波的足球机器人视觉跟踪算法。该算法将一种基于减背景的运动目标识别的方法与自适应卡尔曼滤波跟踪模型进行结合,对背景进行实时更新,并通过形态学滤波去除残留的小区域,从而准确的识别运动目标,通过自适应的在线调整运动模型参数来保证模型预测值的准确性,进而提高了目标跟踪时的匹配效率,实现了目标的精准、迅速跟踪。通过实验证明,该算法是很有效的,具有推广价值。     

电视经纬仪跟踪测量中运动目标快速识别定位算法

为解决电视经纬仪跟踪测量系统中对运动目标快速识别定位的要求,在深入分析运动目标特性和电视经纬仪跟踪测量系统特点的基础上,利用经纬仪角度变化信息,对运动目标图像序列进行帧间差值计算以获得目标残差图,并基于残差图提出了一种新型的运动目标快速识别方法,大大减少了运算量. 结合中值滤波和图像二值化,实现了运动目标的快速定位. 通过对目标实测图像序列的实验, 结果证明：该算法具有快速、稳定、有效等优点,能够满足电视经纬仪跟踪测量系统对运动目标快速识别定位的要求.     

基于RFID的智能跟踪机器人的设计

针对国内各种智能机器人的智能跟踪难这一现状,设计出一种基于RFID技术的智能跟踪的机器人,能实现对携有特定电子标签的目标进行实时跟踪。该机器人以STC89C51单片机为核心,采用有源RFID读写器(HR6020C)和电子标签(WS-HT06)构建定位系统,采用单片机控制L298来驱动机器人的两个后轮,整个系统通过单片机进行整合、计算、处理数据,并发出指令,控制机器人对目标进行跟踪,进而达到机器人的智能跟踪的目的。实验结果表明,该机器人达到了智能跟踪的要求。     

基于线激光视觉的机器人焊缝跟踪鲁棒控制方法

为了解决机器人在高速状态下进行焊缝跟踪时在拐角处产生的失真变形问题,提出了一种基于线激光视觉的机器人焊缝跟踪鲁棒控制方法。该方法通过视觉系统的预测量获得焊缝轮廓信息,对焊缝拐点进行识别并辨认拐角区域,对不同的轮廓部分采用不同的控制策略,同时引入自动校正过程,校正实际生产过程中的装配误差。实验结果表明该方法可以实现可靠的检测与跟踪,解决了高速状态下的运动轨迹失真问题,有效地提高了机器人焊缝跟踪的速度与精度,并确保系统在外界干扰的情况下仍能保持准确和稳定的运动,增强了系统的鲁棒性。     

基于ARM处理器的运动目标检测与跟踪系统

运动目标的检测及跟踪技术广泛应用于军事与民用领域。传统基于PC的目标跟踪系统不能满足对体积、功耗及便携性的需求,基于ARM处理器S3C2440A和嵌入式Linux操作系统构建了一个比较完整、实用的目标跟踪系统。该系统利用摄像头采集运动目标图像,处理器进行数字图像处理,LCD显示跟踪目标。阐述了实现原理及图像获取、目标检测、图像分割和目标跟踪算法程序流程。通过实际测试,该系统能满足对低速运动目标的检测、识别和跟踪,且具有较好的实时性和稳定性。     

运动目标的检测技术研究

在图像跟踪系统中 ,图像目标的快速检测识别是至关重要的。基于目标的形状特性以及目标与背景的关系 ,提出了目标的四个特征量。结合序列图像中目标的运动特点 ,给出了一个目标快速识别的方案。以两类飞机为研究对象 ,对所求得的四种特征量值进行了详细的分析 ,并将所提出的识别方案在计算机上进行了模拟仿真。实验结果表明 ,该方法能有效地实现运动目标的快速检测识别 ,基本上达到了实时跟踪的要求     

星载光电跟踪系统连续帧图像快速识别定位算法研究

为了解决星载光电跟踪系统对连续帧图像快速识别、准确定位的要求.在深入分析连续图像序列特性和星载光电跟踪系统特点的基础上,利用光电跟踪系统转台的角度变化信息,对图像序列进行帧间差值运算以获得目标残差图,并基于残差图和原始图像信息提出了一种新的目标识别定位算法,大大地减小了运算量.结合中值滤波和自适应波门跟踪算法,实现了运动目标的快速跟踪定位.通过对目标实测图像序列的实验,结果证明,该算法具有快速、稳定等优点,能满足星载光电跟踪系统实时图像跟踪的要求.     

基于视觉跟踪的机器人测量方法与实现

为了对自主研发的工业机器人进行校准从而提高其运动精度,提出一种采用双目视觉动态跟踪球面编号靶点的机器人标定方法,利用安装在机器人末端靶球上特征分布的编号标志点进行工作空间内任意位姿的测量,由最小二乘迭代准确辨识出机器人的几何结构参数对控制器进行补偿。利用MFC由开放式、模块化思想编制标定软件,设计视觉测量、数据处理、机器人控制等功能模块,最后通过测量实例和对比实验,验证其可靠性和准确性。实验表明,该软件测量得到的位姿数据具有较高的精度,扩大了传统视觉跟踪的视野范围;同时将识别得到的机器人模型实际几何参数进行反馈补偿,成功地将机器人绝对位置精度由3.785 mm提高到1.618 mm,姿态精度由0.235 提高到0.139。     

粒子区别性稀疏表征的小弱运动目标跟踪算法

评估每个粒子的重要性是确保粒子滤波法跟踪目标准确性的重要因素。针对背景杂波和噪声干扰形成的大量虚警导致小弱目标跟踪识别的随机性和不确定性问题, 提出了一种基于粒子区别性稀疏表征的小弱目标跟踪方法。该方法根据红外图像信号自适应构建分类超完备字典, 即反映目标信号特征的目标字典和表示背景杂波的背景字典, 有利于突出目标粒子和背景粒子在联合分类字典的稀疏表征差异程度;建立基于目标粒子和背景粒子稀疏重构残差差异性的粒子滤波观测模型, 采用随机估计法对字典子空间进行在线更新, 实现对目标状态估计与跟踪。理论分析和试验结果表明, 该方法增强了随机粒子的状态估计能力, 提升了粒子稀疏表征对小弱运动目标的适应能力和跟踪识别准确度。     

一种鲁棒的目标跟踪方法

针对传统特征光流场跟踪方法中由于误差积累和错误匹配而导致的特征点丢失问题,基于一种新的Harris-SIFT特征点表示方法,提出基于预测帧与关键帧的算法框架,实现了光流场运动估计与局部特征识别相结合的目标跟踪方法.预测帧利用塔式分解和递归算法计算特征点的光流场运动矢量,使用运动矢量直方图获取目标的运动矢量,并剔除误匹配点;当特征点数量小于5个时,关键帧使用Harris-SIFT特征点进行局部特征匹配,利用仿射模型对目标精确定位及姿态修正.实验结果表明,本方法对视频序列中的纹理特征目标跟踪的鲁棒性较好,在背景复杂、目标遮挡或暂时丢失情况下,仍可以继续完成目标的可靠跟踪.     

Human detection based on motion object extraction and head–shoulder feature

Aimed at the shortcomings of the traditional video monitoring system, human detection method in intelligent video monitoring system was researched. This paper proposed a human detection method based on motion object extraction and head–shoulder feature to complete human detection and statistics in video image sequences. Firstly, background subtraction based on adaptive threshold was used to extract foreground moving object information, then image erosion and image dilation were used to bypass the object shade and remove false object in order to optimize the results of motion object extraction. And finally, for realizing human moving object detection, we proposed the object discrimination algorithm based on human head–shoulder feature to complete human detection and statistics. Experimental results show that the method can successfully realize human detection and statistics. The method is highly accurate and has good real-time and extensive applications. The identification rate is 86% through human video sequences to test. This method can detect human automatically and provide the theoretical and technological base for object detection in the intelligent surveillance system.     

凝视观测图像空间弱小目标检测方法

针对凝视观测模式下光测图像中弱小目标的检测问题,提出一种多帧频域特征累积的目标检测方法。利用恒星匹配、临帧差分等方法消除背景变化的影响,通过图像时频域特征分析,推导出递归形式频域特征累积方程,并由此检测图像中的弱小目标。实验结果表明采用多帧频域特征累积方法能将图像信噪比提高3倍以上,有利于检测出弱小目标。     

反射光偏振特性分析与物体形状的测量

基于反射光偏振特性,提出了利用图像处理技术测量透明物体三维形状的理论和方法.分析了物体表面反射光的偏振特性,表明自然光在经透明物体表面反射后,反射率随光的振动方向不同而不同,即反射光表现出部分偏振光的特性.研究了强度反射率与入射角以及光强与偏振片方向之间的函数关系,得到了光强大小与入射面方向的关系;根据偏振度概念并结合菲涅耳公式和折射定律,建立了偏振度和入射角之间的表达式,可求得物体表面法线方向,进而得到透明物体的形状.研制了光学实验平台,获得了物体反射光的偏振图像,经过图像处理,获得了被测物体的三维形状.实验结果表明,这种方法对透明物体形状测量是有效和实用的.     

基于形态学水线区域的深度图像分割

深度图像分割是基于特征关系图匹配的曲面物体识别中的关键技术之一,针对已有深度图像分割方法存在的问题,提出了一种基于二值形态学的水线区域增长算法对深度图像进行分割。首先用结构元素迭代腐蚀深度图像形成距离图像;然后根据距离图像计算极限腐蚀的集合,提取出目标的种子点;最后用条件粗化从种子点开始生长回到原尺寸但不使各区域相连,完成深度图像的分割。实验证明,算法的分割结果与人的主观视觉感知具有良好的一致性。     

基于成像矩阵的物数据求解方法

提出了一种利用成像矩阵求解物数据的方法。通过对物、像矩阵的一维化处理,构建了二维成像矩阵,将物矩阵卷积点扩散函数矩阵得到像矩阵的卷积运算关系转变为物向量乘以成像矩阵进而得到像向量的乘积运算关系。最后将像向量乘以成像逆矩阵便可求解物向量,实现了从光学系统像数据中对物数据的精确求解,且计算误差为10-12量级。     

基于平稳小波变换的有噪弱目标检测方法的研究

利用平稳小波变换的多尺度边缘检测算法分别对模糊图像、低对比度图像和加入噪声的图像进行了边缘检测,验证了多尺度二次B样条小波的检测效果,也比较了三种小波局部模极大值方法在抗噪性、计算量及检测效果等方面的性能,并且针对对比度低,受噪声污染严重的目标图像,提出一种能够根据不同背景计算出自适应阈值的新方法,使其在抗噪的同时又能较好地提取出微弱目标边缘。实验证明,利用多尺度二次B样条小波边缘检测算法能有效地排除噪声干扰,准确地提取出微弱边缘,可以实现3%对比度下的有噪图像的目标探测问题。     

基于物体像的干涉条纹图像中散斑噪声的识别方法

散斑噪声是激光干涉时的普遍现象,其覆盖被测表面对应区域的形状信息,造成测量误差。针对斜入式激光干涉测量中散斑噪声的特点,提出一种基于物体像的散斑噪声的识别方法。该方法通过统计物体像中有效测量区域和背景区域内灰度分布的特点,自动计算出判定散斑噪声的上下阈值。基于物体像与干涉条纹图像间微米级的映射关系,得到干涉条纹图像中散斑噪声的位置。设计了相关实验,对干涉条纹图像中识别出的散斑噪声区域进行修补,消除了包裹相位图中一个条纹周期内相邻像素点间大于π的相位突变。     

基于彩色光栅投影的快速三维测量方法

 针对条纹投影术提取物体高度信息的问题,提出了一种新的基于彩色光栅投影的三维测量方法。对选取G分量为255,R,B分量各取0或255而组成的青、白、黄、绿四色遵循格雷码原理进行编码,然后将G分量作正弦调制形成投影光栅投向被测物体。提取采集到的光栅变形图中G分量,利用傅里叶变换方法得到其初始相位;同时对采集到图像中的R,B分量作阈值迭代分割而G分量自动赋值为255,综合三分量信息得到条纹颜色信息进而获取条纹的周期信息,从而展开相位。全过程仅需投影一幅彩色光栅图就能完成三维测量,实验结果表明该算法易于实现,在测量实时性和精确性上表现良好。     

Depth sensing using coherence mapping

A method for depth sensing based on sensing the visibility associated with the coherence function of a laser source is presented. The setup is based on an electronic speckle pattern interferometric (ESPI) setup, where the object depth is encoded into the amplitude of the interference pattern without the need for depth scanning. After performing phase-shifting method, the object three-dimensional (3-D) shape is reconstructed by means as a range image from the visibility of the image set of interferograms and where each gray level represents a given object depth. Experimental results validate the proposed approach for reflective diffuse objects at different measurement distances.     

A novel method for detecting and counting overlapping tracks in SSNTD by image processing techniques

Overlapping object detection and counting is a challenge in image processing. A new method for detecting and counting overlapping circles is presented in this paper. This method is based on pattern recognition and feature extraction using “neighborhood values“ in an object image by implementation of image processing techniques. The junction points are detected by assignment of a value for each pixel in an image. As is shown, the neighborhood values for junction points are larger than the values for other points. This distinction of neighborhood values is the main feature which can be utilized to identify the junction points and to count the overlapping tracks. This method can be used for recognizing and counting charged particle tracks, blood cells and also cancer cells. The method is called “Track Counting based on Neighborhood Values” and is symbolized by “TCNV”.