激光飞行标刻运动跟踪技术

研究了在线激光飞行标刻运动跟踪的原理,提出运动的工件坐标系和静止的振镜扫描坐标系定义,通过分析两坐标系的映射关系得到激光飞行标刻图形数据的运动补偿公式。针对生产线匀速和变速运动的不同特点,基于计算机平台设计并实现了开环恒速计算跟踪和闭环位移检测跟踪两种运动跟踪算法模型。实验结果表明,开环恒速计算跟踪模型采用纯软件计算实现运动跟踪,不需增加额外硬件,适合恒速工作环境。闭环位移检测跟踪模型通过旋转编码器采集生产线位移反馈信号来实现运动跟踪补偿,避免了开环模型下因速度波动容易导致的计算跟踪误差,具有速度自适应的优点,在变速情况下也能得到良好的标刻效果。     

基于激光跟踪小空间搜索的运动轨迹生成方法

以实时跟踪监控多个运动目标为出发点,提出基于激光跟踪小空间搜索的运动轨迹生成方法。激光跟踪测距仪以采集到的激光点和运动目标像素坐标为依据,构建激光自主瞄准模式瞄准运动目标,引导激光靠近运动目标并缩短二者间距离,利用激光跟踪测距仪的小空间搜索性能确定运动目标质心,实现运动目标精准定位检测;采用均值漂移粒子滤波跟踪算法,以检测所得的运动目标位置作为初始粒子跟踪运动目标,获取运动目标跟踪效果图;结合轨迹生成模块,生成运动目标轨迹。实际应用结果表明,检测及跟踪多个运动目标时,准确性高,且生成运动目标轨迹完整且与实际运动轨迹一致,生成结果准确无遗漏可达100%,检测目标车辆的时间均在2.5 s以下,分别低于文献方法2.5 s和1.9 s,降低了检测时间,并且具备性能稳定、实用性强优势。     

基于激光视觉传感的机器运动目标跟踪研究

复杂背景影响下机器人跟踪运动目标精度提升是目前相关领域研究的重点,因此,研究基于激光视觉传感的机器运动目标跟踪方法。使用激光传感器获取激光数据,利用扫描匹配算法实现运动目标检测,同时定位机器人并构建所处环境的图像;使用单目视觉传感器,通过目标位置估计算法计算出运动目标的角度信息与距离信息,使用Rao-Blackwellized粒子滤波(RBPF)算法把激光数据与视觉信息有效融合,最终实现机器运动目标跟踪。经实验验证,该方法能够准确获得运动目标的位置信息,并且在跟踪运动目标时具有较高准确性,即使存在干扰信息情况下,仍旧具有较高跟踪效果。     

基于光流计算的运动目标跟踪方法研究

本文在研究光流原理的基础上,采用光流计算和分析对运动目标进行了较为准确的跟踪。首先对图像进行预处理,包括图像的灰度化,阈值分割和边缘提取;其次通过改进的Lucas-Kanade光流法实现运动目标的检测;最后,求取目标特征点的重心和各点到重心的距离,通过设定合适的阈值,画出目标的跟踪矩形框,从而完成目标的跟踪。     

一种新颖高效的红外动态场景多目标检测跟踪算法

为了实现在复杂背景条件下对动态视频红外多目标进行稳健的检测与跟踪,提出了一种新颖鲁棒的运动多目标的检测与跟踪算法。首先对相邻红外图像进行匹配校准,利用图像累积差异图检测出运动的目标。为了达到实时高效的检测效果,提出了网格采样策略,大大降低了特征点的匹配复杂度并解决了特征点非均匀集中的问题。同时采用强度滤波和形态学操作等算法提升了目标的显著性特性,滤除了虚假目标;由于红外热像仪视场的变化,目标的尺度将发生变化,在检测到目标的基础上提出了尺度计算与区域检测算法;最后采取了传统的卡尔曼滤波对检测到的目标进行跟踪。实验结果表明,本文算法能够准确地检测动态场景下运动目标,并在目标尺度变化时自适应的检测出目标的变化,同时稳定地跟踪目标。     

基于DSP和CPLD的激光飞动标刻研究

为了达到快速、精确标刻的目的,提出了一种应用于生产线上运动工件的激光实时飞动标刻系统。该系统采用了数字信号处理和复杂可编程逻辑器件的动态跟踪技术的方法,解决了流水生产线上诸如标刻图形变形、错位、失真等激光加工问题,降低了由静止标刻加工给加工者所带来的劳动强度。以自行开发的激光标刻软件为应用实例,对同一图案在参数设定相同的情况下进行加工。结果表明,该系统能提高激光加工的生产效率,标刻速度达到2000byte/s;所标刻图案线条清晰,轮廓分明,达到了静止标刻的效果。     

一种背景运动视频中运动目标的检测方法

针对成像平台运动情况下的运动目标检测问题,提出了一种从特征点稀疏运动场估计到运动分类的目标检测算法.首先通过快速特征点检测与跟踪恢复出图像稀疏运动场;然后依据特征点之间运动一致性关系实现属于同一运动模式的特征点分类,根据分类得到的各组特征点计算场景图像重建误差,剔除重建误差最小的特征点组,实现对前景目标的检测.仿真实验对该算法在复杂场景中检测运动目标的有效性进行了验证.     

激光点云中三维多目标在线跟踪方法

为降低三维多目标跟踪系统计算复杂度，实现准确高效的多目标在线跟踪，提出一种激光点云中三维多目标在线跟踪方法。在目标检测阶段，通过3D深度相机获取五帧点云序列进行三维背景建模，将实时获取的序列与背景模型进行差分运算检测运动目标。在数据关联阶段，结合运动矢量一致性和最小欧式距离建立预测与检测之间的权值匹配矩阵，使用带权匈牙利算法完成匹配。实验结果表明，对于百万级点数的点云图本算法完成目标跟踪耗时每帧低于0.1 s,跟踪准确度高于95%,跟踪精度低于0.5 mm。能够实现毫米级工业小目标的在线跟踪，兼顾了精确性和实时性。     

复杂地面场景下运动小目标的识别与跟踪方法

针对下视情况下复杂地面场景对机载光电系统目标检测与识别的影响,提出了一种基于平台运动补偿的下视场景运动小目标检测与跟踪方法。首先提取地面场景中的角点和线等不变性特征,通过图像配准实现平台的运动补偿,然后经帧间处理检测出潜在运动目标,并利用Gabor滤波器对目标进行初步筛选,最后通过轨迹关联和目标航迹累计数以及目标先验运动速度信息识别和跟踪光电系统视场内的真实目标。      

视频序列中的目标检测

重点研究视频序列中运动目标的提取、跟踪、分类等问题,最终实现了一个完整的目标检测系统。首先,考虑到算法的复杂度和检测的实时性需求,优选了背景差与帧差相结合的检测方法,通过背景实时更新,达到了一个较好的检测效果。其次,充分考虑了卡尔曼滤波跟踪的简单、高效等特性,通过计算当前目标与候选目标之间的欧氏距离来寻找最佳匹配目标和区分相交物体。再者,提出了一种先用Adaboost算法获得各个目标的初分类,再采用BP神经网络对目标进行细分类的方法,实践证明,该方法在保证对绝大部分人、自行车、汽车有很好的分类效果外,对大部分杂物也能有较好的区分。最后,通过Matlab编程,设计并实现了一个完整的运动目标检测系统。     

基于窄带测距信息的空间目标微动特征检测与估计

微动目标被线性调频信号照射时,由于距离-多普勒耦合效应,微多普勒的存在会使得目标测量距离发生偏差。该文以匀速转动目标为例,从理论上证明了这种测距偏差随时间呈正弦规律变化,并且可以被跟踪雷达所观测。在此基础上,针对窄带跟踪雷达系统,提出了一种目标微动特征检测与参数估计的新方法,以空间目标精密跟踪雷达的典型参数为依据,设计了仿真实验和暗室动态测量实验,分析结果证明了该文的观点以及检测与估计方法的有效性。     

基于顺序形态滤波的运动点目标检测

为解决低信噪比快速运动点目标的检测问题,文中提出了一种基于顺序形态波波的点目标检测算法。首先采用百分位p＝1的中面序形态滤波提取目标的广义内边缘,找出少量候选运动目标点,然后利用图像流模型建立 建立目标的运动约束议程,根据目标像素在图像序列中运动的连续性和轨迹的一致性 原则,在多帧连续图像中检测出真实的目标运动轨迹。实验结果证明,该方法能够快速、可靠检测信噪比小于3的运动点目标。     

运动目标模拟系统设计

设计的振镜式激光扫描运动目标模拟系统就是用来检测某地面防空武器的光电跟踪系统,其能够根据目标的运动方式和运动状态在实验室模拟实现可供光电跟踪的运动目标。课题采用振镜式激光扫描运动目标模拟技术,激光束经过双振镜的全反射后在投影屏幕上利用光斑扫描出目标运动的轨迹,该光斑就是模拟光电跟踪系统跟踪的模拟运动目标,它具有真实目标的可见光和红外特性。     

融合GMS检测和置信度判别的TLD目标跟踪

针对目标在遮挡、尺度变化等复杂场景下易产生模型漂移问题,基于跟踪学习检测(TLD)框架提出一种结合基于网格的运动统计(GMS)检测和置信度判别的长时目标跟踪算法。首先在跟踪模块中采用快速判别尺度空间的相关滤波器(fDSST)作为跟踪器,利用位置滤波器和尺度滤波器对上一帧目标进行位置与尺度的判别,并依据TLD算法中跟踪模块与检测模块的独立性,将跟踪模块结果输入检测模块中,采用平均峰值相关能量(APCE)对模板更新进行置信度判别。在检测模块中先引入GMS网格运动统计作为检测器,使具有快速旋转不变性特征的ORB(OrientedFASTandRotatedBRIEF)算法对上一帧目标进行特征匹配,再利用网格运动统计对匹配结果进行过滤,实现目标位置的粗定位,依据预测位置对目标检测区域进行适当的动态缩减,最后使用级联分类器对目标进行精准定位。结果表明,本文提出的跟踪方法在有效防止模型漂移的情况下,大大提高了算法的跟踪速度,同时对目标遮挡、尺度变化及旋转等挑战环境也具有较好的准确性和鲁棒性。     

基于局部相似的红外小目标跟踪算法

连续图片序列中的运动对象与其局部背景保持相对稳定。相邻图像序列的目标局部灰度分布具有相似性。针对红外小目标跟踪杂波干扰与运动模糊问题,设计了基于局部相似的目标增强方法,并提出一种基于局部相似和运动估计的跟踪算法。该算法根据目标的局部相似性构建搜索空间,采用运动估计机制缩小搜索域,然后利用时空上下文学习跟踪算法产生跟踪结果。实验表明,本文方法能够有效应对杂波干扰和运动模糊情况,实现红外小目标的稳健跟踪,且具有较好的实时性。     

基于深度学习的无人机载平台多目标检测和跟踪算法研究

无人机技术和计算机视觉技术相结合,在民用和军用领域都有着广泛的需求,然而当前算法不能很好的适应无人机视角旋转、障碍物遮挡、目标尺度变化等特殊情况.根据实际的难点和挑战,提出了基于深度学习的无人机载平台多目标检测和跟踪算法.主要工作有:在检测方面,通过公开数据集和实际采集的大量数据,训练了基于Darknet53的检测网络...     

基于水平集算法后向散射的运动目标轮廓提取

基于距离选通的激光主动成像系统在大气条件下对运动目标成像时,为了在更大范围内搜索跟踪目标,距离选通初始门宽通常在微秒量级,进而引起后向散射,严重影响了系统对目标的识别与提取。文中首先分析了基于距离选通的激光主动成像系统,在此基础上引入距离信息实时跟踪运动目标,研究了不同选通门宽引起的后向散射对图像质量的影响,提出了一种基于Sobel 算子和 GAC 模型的目标轮廓提取算法,将 Sobel 边缘检测的结果引入水平集边界停止函数,为水平集的曲线演化提供参考依据。实验结果表明,提出的水平集算法能够克服严重后向散射干扰影响提取目标轮廓,目标提取精度在0.9以上,高于 GAC、LIF、LBF 等经典水平集算法。     

面向运动目标检测的粒子滤波视觉注意力模型

视觉注意力是机器视觉领域的研究热点,对目标检测、跟踪等技术发展具有积极意义,本文面向运动目标检测问题,构建了一种基于粒子滤波的视觉注意力模型.首先依据贝叶斯估计理论,推导了基于注意力的粒子权重计算方法;然后将运动注意力和目标颜色注意力分别作为自底向上（Bottom-Up）和自顶向下（Top-Down）注意力的输入,通过重要性采样、粒子权值计算、重采样等形成粒子注意力显著图,并确定目标位置;测试结果显示本文方法能够获取比其它方法更好的目标注意力显著图,并具有准确的目标检测效果.     

基于改进Camshift算法的NAO机器人目标跟踪

针对Camshift算法应用于NAO机器人目标跟踪过程中,当目标受到相似颜色背景干扰或被物体遮挡时跟踪失败的问题,提出一种基于ORB特征检测和Kalman滤波多算法结合的目标跟踪方法。首先检测目标ORB特征点初始化搜索窗口,然后利用Kalman滤波作为目标运动状态的预测机制,以预测的位置初始化Camshift算法。利用Bhattacharyya距离判断跟踪窗口的收敛性,若受到背景干扰,则利用ORB算法对当前帧中的Kalman预测区域和目标模型进行特征点匹配,重新检测目标在视频帧中的位置。根据Kalman滤波预测目标被物体遮挡后可能的位置来更新预测器参数。实验结果表明,改进的算法能够在相似颜色背景干扰和目标遮挡的复杂环境下,连续稳定地跟踪运动目标。