激光制导测量机器人自动跟踪算法研究

介绍了激光制导测量机器人系统的组成和工作原理,结合被测工件CAD模型,提出一种激光制导测量机器人移动路径的规划方法,通过采用多点折线法实现机器人运动;在此基础上,研究了激光制导测量机器人自动跟踪激光束的跟踪算法.激光制导测量机器人对激光束的跟踪分解为位置跟踪和姿态跟踪.采用基于运动学的轨迹跟踪方法实现机器人的位置跟踪;通过坐标变换,得到与激光束姿态对应的光靶(SMR)姿态,保证SMR入射面法矢量方向与测量激光束的方向矢量相反.最后通过仿真软件验证了该跟踪算法的有效性和正确性.     

多移动机器人负载均衡任务规划算法

研究了多移动机器人探测多个目标位置的任务规划问题,提出了基于移动吸引子分组的任务规划算法.移动吸引子的数目等于机器人的数目,任务规划的目标是均衡各机器人的探测路径长度.该算法通过正交遗传算法确定移动吸引子的坐标,利用移动吸引子确定未探测任务的分组,将不同的任务组分配给不同的机器人.算法的计算时间复杂度低,适用于动态环境下多移动机器人系统的任务规划.对测试数据的实验证明了该规划算法能实现多个机器人的均衡规划,规划结果较四个代表性算法具有明显的优势.     

基于EKF的服务机器人目标跟踪定位研究

针对服务机器人系统环境感知问题,设计了智能服务机器人系统的多传感器信息融合模块,采用扩展卡尔曼滤波算法(EKF)实现里程计与激光雷达融合的目标跟踪定位方法,建立基于EKF的定位模型,通过EKF将激光雷达的观测信息和增量式光电解码器状态的预测信息对机器人的状态进行更新,消除增量式光电解码器定位和激光雷达存在的累计误差,排除加速度的干扰得到位置的最优估计,并通过实验验证系统模块的可靠性与稳定性。     

基于加权Lucas-Kanade算法的目标跟踪

针对传统的序列图像目标跟踪方法难以适应复杂背景干扰、目标形状变化以及目标位置非规则抖动的问题,提出了一种基于加权Lucas-Kanade算法的目标跟踪新方法.首先引入搜索模板,估计出目标在实时图像中的位置并将其作为加权Lucas-Kanade算法的迭代初始值,然后计算权值函数,利用当前模板和初始模板进行两次跟踪,得到目...     

基于高斯过程回归预测的舞台机器人避撞路径滚动时域规划

针对移动舞台机器人的避撞运动规划问题,提出基于高斯过程回归和模型预测控制(MPC)的方法。在获取舞台环境中运动体位置信息后,使用高斯过程回归方法对运动体位置进行预测,再利用运动体的未来位置信息,将控制时域内存在的碰撞风险作为硬性约束,在线优化求解移动机器人未来一段时刻的局部最优速度轨迹。进一步驱动移动舞台机器人跟踪规划速度,实现对移动舞台机器人运动轨迹的实时滚动规划与跟踪。最后在两类舞台场景下,仿真验证了本文方法的有效性。     

Path planning in multiple obstacle areas for omni-directional mobile manipulators based on the APFIGA

为解决机器人在多障碍区的路径规划问题,提出了一种基于由遗传算法改进的人工势场法(APFIGA)的全方位移动操作机器人路径规划方法.该规划方法通过在可穿越的障碍区添加障碍物穿越系数来鼓励机器人走捷径,进而提高其路径优化能力;利用当前点邻域内势场强度信息,结合遗传算法确定全方位移动操作机器人的运动方向及速度,并引入机器人速度及移动障碍物速度的影响,得出势场强度下降最快的路径,提高方法的动态环境规划能力.该方法能克服机器人在障碍物附近易于抖动的现象,通过在斥力势中添加与目标距离成正比的系数项解决目标不可达问题,并利用填平势场跳出局部极小.仿真与实物实验结果验证了所提出路径规划方法的正确性和有效性.     

基于环形红外阵列的移动机器人自动跟随系统

为了实现在室内空旷环境中跟随机器人对移动目标物的定位和动态跟踪,设计了一种基于环形红外阵列的移动机器人自动跟随系统.利用具有主动式环形大视场的测距罗盘作为环境感知传感器.测距罗盘由数个红外测距传感器组成周向阵列,实现对360°环向10～80 cm范围内移动目标物的二维定位,使跟随机器人可以快速确定其与移动目标物之间的距...     

基于视觉跟踪与自主导航的移动机器人目标跟随系统

针对在移动机器人跟随目标的过程中目标消失的情景，提出了基于视觉跟踪与自主导航的机器人目标跟随系统。将机器人跟随问题分为目标在机器人视野内时的常规跟随和目标消失后的自主导航两种情况。对于常规跟随，通过卡尔曼滤波器预测目标运动状态，采用行人重识别网络提取外观特征，通过数据关联融合运动信息和外观特征后进行目标跟踪，再通过伺服控制进行跟随。对于自主导航，基于目标消失前与机器人的相对位置，采用自主导航算法，使机器人移动到目标消失位置附近进行搜索，来提高对目标的跟随成功率。将提出的算法在OTB100公开测试集和机器人应用场景下的跟随测试集中进行评估，并在移动机器人平台上进行实验，结果表明，机器人可以在不同照明条件、背景行人较多的环境中跟随目标，验证了所提算法的稳健性和有效性，同时可满足实时性要求。研究结果可为机器人在目标消失后再跟随问题的研究提供参考。     

基于LabVIEW的红外人体目标跟踪

针对红外图像序列信噪比低,缺少边缘及纹理信息,以及人体目标运动自主性强且姿态复杂多变的特点,选用Mean Shift目标跟踪算法,对红外人体目标进行跟踪.针对传统Mean Shift目标跟踪算法不能对尺度变化的红外目标进行有效跟踪的问题,对原有算法进行改进,使用边缘加权直方图与模板中心加权直方图计算Bhattacharyya系数的方式,实现核函数带宽的自适应,并利用界面友好的LabVIEW2011平台进行实现.通过两组实验证明了改进后算法的可行性和有效性.     

基于视觉引导和超声测距的运动目标跟踪和抓取

提出了装配机器人系统中一种基于视觉引导和超声测距的运动目标跟踪和抓取方法。介绍了运动目标的跟踪原理 ,采用图像雅可比矩阵进行机器人运动控制 ,跟踪运动的目标。利用视觉引导技术 ,获取目标在图像平面中的位置与方位 ,进行平面跟踪 ,然后引导超声波测距装置测取目标深度信息。实验结果验证了本文提出的这种方法的可行性和有效性     

基于空间直方图的多目标粒子滤波跟踪

针对复杂场景中多目标跟踪问题,本文给出了目标的出现与消失、遮挡等模型描述,将其统一到粒子滤波的框架下,提出了一种可以处理目标数可变的多目标跟踪算法.对场景中的目标数建立马尔科夫模型,采用转移概率矩阵描述跟踪过程中目标出现,消失的情况;在状态表示中增加辅助变量,明确目标之间可能的遮挡;采用目标空间直方图建立基于唯一性原则的观测似然函数,通过后验概率分布估计目标数及目标状态.实验结果表明,本文算法能有效地处理跟踪过程中的目标数变化、目标遮挡等问题,实现多目标的正确跟踪.     

目标联合状态类型密度表示的跟踪门技术

大多数传统的跟踪门技术仅使用目标的运动学量测信息,在多目标、多杂波跟踪场景中会导致较大的关联不确定性。考虑到属性传感器可以获取目标的类型信息,提出了基于目标联合状态类型概率密度的跟踪门方法。首先给出目标状态与类型的联合概率密度表示,从而导出以类为条件的跟踪门构建方法。为了适用于实时的非线性跟踪系统,门限的计算采用了基于仿真的算法。场景 1显示如果目标的量测预测密度为偏斜函数时,基于仿真的门限算法可以获得最优的跟踪门;场景 2为地面编队目标的跟踪过程。与使用传统的跟踪门相比,以类为条件的跟踪门技术在很大程度上提高了目标量测到航迹的关联率。     

Analytic performance prediction of feature-aided global nearest neighbour algorithm in dense target scenarios

An analytic performance prediction method for the feature-aided global nearest neighbour tracking algorithm in multi-target tracking (MTT) scenarios is proposed. The approach serves as an alternative to the costly Monte Carlo simulation method. In MTT, evaluation of interference among multiple targets remains a crucial issue on tracking performance study. This issue is investigated in dense target scenarios with feature information and unrestrictive motion. Analytic expressions are developed for tracking performance in terms of the probability of correct association and estimation accuracy. Feature information of targets is incorporated in the formulation which provides us an insight on how the tracking performance is impacted by features. In the derivations, a series of simplification assumptions are made and the results are not intended to be used directly in practical tracking applications. The major contribution of the paper is to provide a theoretical exploration and a methodology for analytic performance prediction of MTT.     

Infrared target tracking with kernel-based performance metric and eigenvalue-based similarity measure

An infrared target tracking framework is presented that consists of three main parts: mean shift tracking, its tracking performance evaluation, and position correction. The mean shift tracking algorithm, which is a widely used kernel-based method, has been developed for the initial tracking for its efficiency and effectiveness. A performance evaluation module is applied for the online evaluation of its tracking performance with a kernel- based metric to unify the tracking and performance metric within a kernel-based tracking framework. Then the tracking performance evaluation result is input into a controller in which a decision is made whether to trigger a position correction process. The position correction module employs a matching method with a new eigenvalue-based similarity measure computed from a local complexity degree weighted covariance matrix. Experimental results on real-life infrared image sequences are presented to demonstrate the efficacy of the proposed method.     

复杂动态背景下的红外运动多目标跟踪与检测

提出了一种采用小波变换对复杂动态背景变化程度的检测方法.对红外序列图像进行小波变换预处理后,可以提取出若干个特征区域,通过检测这些特征区域的差异来判断背景的变化程度,实现背景抑制.在抑制动态背景的基础之上,运用基于动态先验知识的区域主动轮廓模型的水平集方法来实现红外多目标的数据关联和跟踪,动态先验知识包括形状描述因子、灰度特征和运动特征等.同时,在多目标跟踪中存在目标"合并和分裂"的现象,运用"记忆和填充"方法来实现对多目标的稳定跟踪.通过对实际复杂动态背景条件下的红外序列图像进行多目标跟踪和检测实验,验证了所提方法的可行性和有效性.     

汽车防撞雷达多目标识别测量算法研究

针对目前汽车防撞系统中常用的调频连续波测距雷达对多目标识别的不足,基于频移键控雷达的联合作用,提出一种新型的测量方法,该算法采用一种类梯形调频波形,利用调制频率的周期性变化特征分别对单目标和多目标实现有效检测,使雷达不仅可测量单目标在不同运动状态下的距离和速度,同时也可识别多目标,并对其完成测距与测速。利用Matlab对所提出的算法进行了仿真与验证,表明该算法不仅能准确捕捉所探测目标,并且在测量中有着较高的精度,适用于毫米波汽车防撞雷达在行驶中的目标测量。     

一种改进的广义概率数据关联跟踪算法

对于多目标跟踪问题,最近提出的全局次优的广义概率数据关联算法(GPDA)由于其新颖的可行性划分规则和较小计算存储需求而受到广泛关注。本文提出了一种基于广义联合事件分割组合的新关联算法。它通过引入目标的方向性信息,在基于新规则划分后,对进入有效域的传感器量测估计值权重系数进行调整,从而使最终的估计值更准确,关联精度得到进一步提高。利用该改进算法对杂波环境下多目标跟踪进行仿真实验,结果表明提出的关联算法继承了原有算法的优点,同时用较小的计算代价使得跟踪性能得到较大改善。     

基于BELLHOP模型的水下多目标跟踪算法研究

针对高频主动声呐的深海多目标跟踪问题,提出了基于BELLHOP模型的无迹卡尔曼滤波-高斯混合概率假设密度(Unscentesd Kalman Filter-Gaussian Mixture-Probability Hypothesis Density, UKF-GM-PHD)水下多目标跟踪算法。该算法首先利用BELLHOP射线声学模型,计算出本征声线、目标信号的幅度、相位及时延信息,以此构造目标回波信号并叠加高斯白噪声。然后,由回波信号计算得到目标相对于观测站的距离、方位角和俯仰角信息,作为目标跟踪系统中的量测信息。最后利用提出的UKF-GM-PHD多目标跟踪算法,实现高频主动声呐非线性系统的多目标跟踪。仿真结果表明,在深海高频主动声呐条件下,文章提出的UKF-GM-PHD多目标跟踪算法较传统高斯混合概率假设密度(Gaussian Mixture Probability Hypothesis Density, GM-PHD)方法,明显降低了目标丢失率,并且最优子模式指派统计量(Optimal Sub-Patter Assignment, OSPA)距离也更小,跟踪效果更好。     

一种基于蝙蝠算法的多目标跟踪数据关联方法

针对多目标跟踪中的数据关联问题,提出了基于蝙蝠算法的数据关联方法。首先将多目标数据关联问题建模成组合优化问题,结合数据关联的特点,对蝙蝠算法的搜索更新规则进行改进,使其可以应用于多目标的数据关联问题,并给出了基于蝙蝠算法的多目标数据关联的详细流程。通过仿真实验和被动声呐实测数据测试表明,基于蝙蝠算法的多目标数据关联方法切实可行并且具有较好的效果。     

基于R-FCN框架的多候选关联在线多目标跟踪

在线多目标跟踪是实时视频序列分析的重要前提。针对在线多目标跟踪中目标检测可靠性低、跟踪丢失较多、轨迹不平滑等问题,提出了基于R-FCN网络框架的多候选关联的在线多目标跟踪模型。首先,通过基于R-FCN网络从KF预测结果和检测结果中获取更可靠的候选框,然后利用Siamese网络进行基于外观特征的相似性度量,实现候选与轨迹之间的数据关联,最后通过RANSAC算法优化跟踪轨迹。在人流密集和目标被部分遮挡的复杂场景中,提出的算法具有较高的目标识别和跟踪能力,大幅减少漏检和误检现象,跟踪轨迹更加连续平滑。实验结果表明,在同等条件下,与当前已有的方法对比,本文提出在目标跟踪准确度(MOTA)、丢失轨迹数(ML)和误报次数(FN)等多个性能指标均有较大提升。