增强现实中的目标远距离识别方法研究

在以往ARTool Kit增强现实系统中,摄像机能够正确识别标识物并在计算机生成虚拟物体的距离大都过近。针对增强现实三维注册过程中传统算法标识物匹配过程中误识率较高,识别距离不够远,提出了基于轮廓特征点的目标远距离识别方法。在识别过程中,利用多边形近似算法和金字塔中的迭代Lucas-kanade算法寻找图像中要跟踪识别的对象,对寻找到轮廓角点进行亚像素定位,利用角点的精确定位来跟踪目标。实验结果验证及分析表明,采用这种方法,其识别距离有大幅度增加。     

一种尺度自适应的机器人目标跟踪算法

Mean-Shift算法是一种简单高效的目标识别算法,但是不能有效地识别被遮挡的目标和有尺度变化的目标。基于仿射变换,提出了一种尺度自适应的机器人目标跟踪算法。定义了转角点,并根据转角点匹配对目标进行区分,最后通过仿射变换识别出目标的尺度变化。与其它相关算法相比,该算法能有效地识别被跟踪目标的遮挡问题;当被跟踪目标的尺度发生改变时,该算法仍然能准确地对目标进行识别。分析表明,当视屏流中每秒的图像小于25帧并且目标的图像小于2×104个像素时,该算法可以用于目标的实时跟踪。     

基于加速鲁棒特征的非特定目标跟踪算法研究

提出了将加速鲁棒特征SURF与混合匹配法相结合实现对非特定目标的跟踪,跟踪目标既可以是特定目标,亦可在跟踪过程中进行目标切换。首先提取目标图像和待匹配视频的SURF特征点并生成特征向量,然后采用欧氏距离和Hessian矩阵迹相结合确定特征点匹配对,实现目标的定位与跟踪。选用VS 2008平台进行仿真实验,结果表明,该算法既保持了跟踪目标的尺度不变性,又实现了跟踪过程的可控性。     

基于角点角度特征串的RSI多目标识别

轮廓角点检测与特征构造是基于轮廓角点的RSI多目标识别算法的关键。针对现有的轮廓角点检测方法在准确性与抗噪能力的不足,提出一种改进的轮廓角点检测算法,构造一种基于目标主轴与轮廓角点的特征串,利用动态规划算法计算特征串间的相似度进行目标识别。算法中把目标主轴的旋转角度作为目标的姿态角。实验证明该算法能够快速地识别出目标的旋转角度,对目标进行分类,且具有平移不变性、旋转不变性、尺度不变性以及较好的抗噪能力。     

基于阈值判断的CamShift目标跟踪算法

针对CamShift算法只利用目标的颜色信息,在跟踪过程中,易受目标相似物、遮挡以及光照等复杂背景影响导致目标搜索窗口发散,跟踪稳定性能降低,提出了一种基于阈值判断的目标跟踪方法。该方法将OTSU法和Snake模型结合,利用OTSU法以最佳阈值对图像进行分割,分离前景区域和背景区域,初步提取目标轮廓作为Snake模型的初始轮廓,经收敛得到目标的精准轮廓,利用轮廓外接最小矩形框内的像素计算目标质心,判断与CamShift算法中目标搜索窗口质心之间的欧式距离,如果未超出阈值,则直接使用CamShift算法跟踪目标,反之,则将计算出的目标质心作为CamShift算法中当前帧目标搜索窗口的质心跟踪目标。实验结果表明,该算法跟踪目标具有较好的实时性,跟踪性能稳定、可靠。     

基于改进光流特征的运动目标跟踪

在城市智能视频监控中需要对运动目标进行实时跟踪,针对传统的运动目标检测中出现的跟踪目标易丢失、跟踪率低、实时性差等问题,提出一种基于改进光流特征的运动目标跟踪检测方法,对运动行人目标进行跟踪。该方法首先采用改进的Vibe运动背景建模法对视频中存在的运动行人进行检测,再将Shi-Tomasi角点检测与LK光流法进行结合,将角点检测结果融入到LK光流法中,并对检测到的角点进行运动光流特征提取,最后通过卡尔曼滤波对出现的行人进行预测跟踪,采用匈牙利最优匹配算法实现对运动目标的持续匹配以及对运动目标的跟踪。仿真结果表明,本文提出的方法能够对视频中出现的运动目标进行检测跟踪,具有较好的识别效果,且检测效率得到提高。      

基于SUSAN角点和HSV颜色模型的粒子滤波目标跟踪算法

针对传统粒子滤波目标跟踪算法在目标与背景颜色相似情况下目标定位偏差大、易导致丢失目标的缺陷,提出一种基于角点和颜色模型的粒子滤波目标跟踪算法。首先,提出一种改进SUSAN角点检测算法,采用圆形模板邻域内像素灰度值中值代替模板中心像素灰度值作为模板"核"来检测区域目标角点,其改进SUSAN角点算法在继承原有SUSAN算法计算简单、定位准确、具有旋转不变性等特点的同时,具有更好抗噪声性能;其次,利用HSV颜色模型光照不敏锐特性,对检测到的角点建立HSV颜色模型,并将其嵌入到粒子滤波框架中,实现对目标的跟踪。实验结果表明,当背景与目标颜色相近时,该算法能够有效避免背景对目标的干扰,取得了较好的目标跟踪性能。     

基于双目视觉的无人飞行器目标跟踪与定位

针对小型无人飞行器跟踪目标的问题,提出了一种基于双目视觉和Camshift算法的无人飞行器目标跟踪以及定位算法。双目相机得到的左右图像通过Camshift算法处理可得到目标中心特征点,对目标中心特征点进行三维重建,得到机体坐标系下无人飞行器与目标间的相对位置和偏航角,应用卡尔曼滤波算法对测量值进行了优化,将所得估计值作为飞行控制系统的反馈输入值,实现了无人飞行器自主跟踪飞行。结果表明所提算法误差较小,具有较高的稳定性与精确性。     

偏移校正的核空间直方图目标跟踪

针对传统均值漂移算法中核函数直方图对目标特征描述较弱、 跟踪窗不能动态调整容易导致目标跟偏或跟丢的缺点, 提出了一种改进的均值漂移跟踪算法.为提高目标特征描述的可靠性, 采用二阶空间直方图建立目标模型,以Bhattacharyya系数作为相似性度量; 通过偏移校正更新目标区域参数建立新的目标模型; 结合边缘与角点检测选取特征点建立仿射模型实现跟踪窗的调整; 根据卡尔曼残差判断目标是否被遮挡,从而选择卡尔曼滤波或是线性预测来确定目标位置. 实验结果表明,该算法可以准确地跟踪目标,对相似背景干扰、目标大小与方向的变化以及短时遮挡具有鲁棒性.     

一种分层Mean Shift目标跟踪算法

针对经典Mean shift (MS)目标跟踪算法的颜色特征鲁棒差、匹配迭代复杂的缺点, 提出一种分层Mean shift (Hierarchical mean shift, HMS)目标跟踪算法. 首先通过MS迭代将目标区域特征空间的数据点聚类于模式点, 使得以简洁的方式描述前景跟踪目标, 建立目标模型与目标候选模型的聚类模式点描述, 进行聚类块匹配. 然后, 导出聚类块模式点匹配下的相似度量函数, 进行像素点匹配, 结合邻域一致性, 计算像素平移量, 分层估计序列帧中跟踪目标质心模式点的位置, 并给出HMS匹配迭代跟踪算法. 实验结果表明, 与其他两种MS跟踪算法相比, HMS既能提高序列帧跟踪目标表达与匹配的鲁棒性, 又无需匹配所有数据点, 算法简洁且有效可行.     

基于轨迹计算的临界多边形求解算法

将多边形滑动碰撞问题转化为顶点和边之间的轨迹线提取问题，从而降低了时间复杂度，并可统一处理边界空腔和内部靠接临界多边形问题．该算法的基本原理是：1）求解多边形顶点相对于另一多边形的轨迹线；2）求解轨迹线集合所形成的外包多边形和内部顺时针环，得到的多边形即为临界多边形．该算法采用基于网格的线段索引方法来加快线段之间的求交计算，进一步提高了临界多边形求解的计算速度．     

基于斜距测量误差改正的机载SAR间接定位方法研究

基于POS/PPP技术,针对机载SAR存在斜距测量误差和航迹不稳定的特点,提出了一种利用少量控制点修正斜距测量误差的间接定位算法。同时,采用阎良测区2.5m分辨率的机载雷达P波段影像、4个控制点和分辨率为25m的光学DEM数据进行正射纠正实验,DOM的平面定位精度达到10.7m,验证了此方法的可行性。     

一种改进的SUSAN算子棋盘格角点亚像素检测算法

SUSAN算子在检测角点时,只以USAN区域面积的大小作为判断准则,忽略USAN区域形状的影响。因此,该算法对棋盘格标定板中的内角点与边缘点难以区分。针对此问题,本文提出在SUSAN圆模板内再次采用SUSAN算子来实现对棋盘格标定板角点的有效检测。此外,在每个初定位角点的局部邻域内,采用二次曲面拟合法得到角点的亚像素坐标。实验证明,所提出的算法准确、有效、适应性好,能为摄像机标定提供亚像素精度的角点信息。     

具有线性精度的Cuberille方法

针对Cuberille方法精度低、显示效果差的缺点，将Cuberille方法形成的小立方体侧面边界作为骨架，在其基础上蒙上一层多边形网格．多边形网格通过扩张小立方体的侧面得到，这种扩张可以弥补由Cuberille方法造成的误差，从而使多边形网格具有线性精度．详细讨论了如何确定多边形网格顶点的位置、法向量以及多边形网格的构造方法，所构造的多边形网格具有明确的几何意义．最后，分析了算法的复杂性，并且以具体实例对新方法和Marching Cube方法及Cuberille方法在显示效果和时间消耗上进行了比较．     

一种基于特征点识别的曲线离散化方法

提出了曲线局部特征点的概念，并根据平行线原理给出了一种快速求取特征点的算法。通过对局部特征点进行优化，得到所需的局部特征点集，实现了曲线的离散。该方法在离散过程中充分考虑了离散精度误差与逼近弦长对后续三角化质量的影响。实验结果表明，由这些特征点组成的多边形可较好地逼近曲线，算法效率较高。     

遥感图像多尺度分割算法与矢量化算法的集成

在遥感图像处理和分析软件中,图像分割/分类和矢量化是前后独立的过程:先分割/分类,再矢量化整幅图像。由于矢量化后得到的矢量文件未写入图像对象(区域、图斑)的特征信息,只能用于显示而不能用于后续操作。此外,处理复杂图像时还存在矢量文件多边形数目与分割/分类后图像区域数目不一致的问题。为此,将多尺度分割算法与矢量化算法进行一体化集成。对遥感图像进行多尺度分割得到图像对象链表,逐个对图像对象做矢量化处理,同时把特征统计信息写入多边形属性中。集成后不仅可保证矢量多边形数目与图像对象数目完全一致,而且由于特征统计信息已作为多边形区域的属性保存在多边形中,后续的多尺度分割、区域合并、空间关系操作等均可基于矢量多边形进行。     

一种新的插值方法--运动轨迹法

介绍了一种新的插值方法:运动轨迹法,把插值问题转化成求匀加速运动轨迹的问题。新的插值方法简单、计算复杂度低,可以实现实时计算,插值函数二阶按段可导并且连续。这种方法可以用于对速度要求较高、对计算精度要求较低的实际领域中。     

Enhanced chain dynamics in loop-sorting-systems by means of layout optimization and a kinematic model of the polygon action

Poor dynamics owing to polygon action is a known concern in mechanical applications of closed articulated chains. In this paper a kinematic model of the polygon action in large chains of loop-sorting-systems is proposed. Through optimization techniques the chain dynamics is improved by minimizing the polygon action using a parametric model of the track layout as design variables. Three formulations of the kinematic polygon action are tested on an average sized planer tracks layout to find a superior model. Verification of the proposed optimization method is performed using a state-of-the-art multi-body simulation model of the chain dynamics.     

CAD-Vision-Range-Based Self-Localization for Mobile Robot Using One Landmark

Localization is the process of determining the robot's posture within its environment including its current position and heading direction (or orientation). The process is of utmost importance for the autonomous navigational functions of a service robot. This paper describes a new localization method for service robots operating in a building based on a CAD model of the indoor environment in reasonable details. Only one specific landmark pasted within a specific region on the wall is needed. The camera with pan/tilt/zoom functions mounted on the robot first searches for this identification landmark and starts to conduct measurements using a laser rangefinder. With the polar coordinates of few measurement points on the wall and an accurate local CAD model, the exact position and orientation of the robot can be identified. This method has five distinctive advantages. First, the position of the landmark does not need to be precise. Second, each localization exercise is independent and no previous history of the moving track of the robot is required but the computational speed is still high. Third, the method is very robust with good fault-tolerance because it makes use of the reliable Hough transform. Fourth, the resolution is automatically adjusted because the panning resolution of the camera is based on the first effective measurement representing the distance of the robot from the landmark. Fifth, only the local CAD model of the room at the vicinity of the landmark needs a high precision because this model is used for localization. The system does not demand a highly accurate CAD model of the entire built environment. CAD models at other places are for navigation and path planning only.     

采用多边形位置校正的时空正则化相关滤波跟踪

针对时空正则化相关滤波跟踪算法在背景混乱、光照变化等挑战场景下跟踪结果与正确目标位置总是存在偏离的问题,提出了采用多边形位置校正的时空正则化相关滤波跟踪算法,以提高跟踪结果的准确性和鲁棒性.该算法采用峰值噪声比对当前跟踪结果的置信度进行判别,对置信度判别结果为不可信的情况采用多边形位置校正方法对当前跟踪结果进行修正.实验表明,该算法在成功率曲线下面积和精度两种评价标准下都有较大的提升,尤其是在背景混乱和光照变化场景下都具有更好的跟踪效果,具有一定的应用价值.