基于点特征的目标跟踪算法研究及其在机器人导航上的应用

来源 :南京理工大学 | 被引量 : 0次 | 上传用户:shall202
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
目标识别与跟踪属于计算机视觉研究领域的一个重要分支,引起了学者们的高度关注。在机器人研究领域,机器人视觉跟踪被广泛地应用于国防建设、工业监控以及数字医疗等诸多领域。本文首先讨论了目标识别与跟踪相关技术和国内外发展现状,对几种当前流行的识别与跟踪方法进行了较为详细地介绍。然后论文重点研究了基于点特征的目标跟踪算法,在对特征点提取算子进行分析的基础上,着重讨论了SIFT(Scale InvariantFeature Transform)特征点提取算子,并将该算子用于目标跟踪。鉴于SIFT特征点匹配目标跟踪算法实时性差的缺点,论文给出了一种结合SIFT与KLT(Kanade-Lucas-Tomasi)的目标跟踪算法,并基于OpenCV、DirectShow和VC++6.0的软件开发平台,开发了目标跟踪软件。此外,将结合SIFT与KLT的目标跟踪算法用于移动机器人,通过两种控制策略实现了单目标跟踪。在单目标跟踪的基础上,研究了目标导航问题,并将结合SIFT与KLT的目标跟踪算法用于机器人导航系统。实验结果表明,结合SIFT和KLT的算法用于目标跟踪无论从实时性上还是准确度上都比较优越,并通过该算法很好地实现了自主移动机器人的单目标实时跟踪和目标导航。本文提出的算法具有一定的实用性,对今后的移动机器人视觉技术,尤其是相关的导航系统设计与研究有一定的参考价值。
其他文献
随着分散控制系统和企业信息系统在火电机组上的广泛应用,监测系统采集了海量的现场数据,从这些数据中提前发现系统的故障信息,对机组系统进行故障检测和诊断是电力企业急需解决的问题之一。首先,本文提出了一种适用于变工况过程的动态多主元模型的过程变量检测方法;然后,使用PCA方法进行故障检测的研究,使用基于PCA贡献图的方法进行故障分离和识别的研究,并将两种方法相互配合,构成完整的故障诊断系统。本文以电厂锅
机器视觉系统在工业控制、智能交通、航天科技等研究领域应用广泛。但雨雪等恶劣动态天气因素降低了图像序列的品质,影响机器视觉系统的性能,给视频监控、目标识别带来巨大的
本文是对组合动力装置控制技术的研究。组合动力装置是先进飞机所需配备的重要机载设备,其控制技术是保证整个组合动力装置安全可靠运行的关键。本文以某型组合动力装置为研