视觉伺服机器人对运动目标操作的研究

机器人视觉伺服系统是机器人领域一重要的研究方向，它的研究对于开发手眼协调的机器人在工业生产、航空航天等方面的应用有着极其重要的意义．本文着眼于视觉伺服机器人操作运动目标这一问题，分析了建立此类系统的控制结构并指明其特点；同时，详细地阐述了三个组成环节：视觉图像处理、预测及滤波、视觉控制器的研究方法和现状．最后，分析了今后的研究趋势．     

基于全方位视觉的多目标检测跟踪

提出了一种采用全方位视觉的多运动目标检测与跟踪方法。用减背景和连通域分割法检测运动目标;利用Kalman滤波器预测目标的运动参数;建立匹配矩阵,处理运动目标间的互相遮挡、目标暂时消失、重叠目标分离等情况。实验表明所设计的方法能在复杂背景的全方位视场中很好地跟踪多个运动目标。     

基于卡尔曼滤波的移动机器人运动目标跟踪

提出了一种基于卡尔曼滤波的运动目标快速跟踪算法。针对复杂背景下彩色运动目标跟踪问题,采用基于颜色特征和形状特征相结合的方法进行目标识别。利用卡尔曼滤波器的预测功能,预测运动目标在下一帧中的位置,将图像全局搜索问题转换为局部搜索,提高了系统的实时性。实验结果表明:该算法满足移动机器人运动控制的实时性要求,实现了对运动目标的快速跟踪。     

基于双目视觉的运动目标跟踪与测量

在研究融合运动目标位置预测的Mean Shift跟踪算法和双目立体视觉中的空间点定位算法的基础上,基于双目视觉设计了双目立体视觉运动目标跟踪和测量系统,并在所进行的跟踪与测量实验中,提取了运动目标质心的三维坐标序列,实现了对目标深度和速度的测量。     

基于视觉感知的运动目标跟踪算法

针对运动目标跟踪问题, 为解决跟踪过程中因遮挡、目标尺度变化等易造成跟踪失败的现象, 提出一种基于视觉感知的跟踪算法。该算法以神经元响应为视觉特征, 首先从自然图像中学习初级视皮层细胞感受野; 然后计算背景图像和视频序列图像的神经元响应并得出差值, 与动态阈值比较, 识别出运动目标, 通过迭代实现目标跟踪。多类别实验结果表明, 该算法实现了运动目标稳定跟踪, 目标跟踪准确率达93. 5%且鲁棒性增强, 与典型算法Camshift和SIFT相比, 提高了跟踪算法的准确性和鲁棒性。     

基于视觉预测的运动目标实时跟踪系统

针对机器人控制系统中更高的视觉反馈实时性要求,提出一种基于最小二乘法预测的目标实时跟踪方 法．该方法采用最小二乘法预测运动目标的位置,以限定目标搜索范围,从而提高跟踪速度．实验结果表明该方法 能满足快速视觉伺服响应的实时性要求．     

视频运动目标跟踪方法研究

视频运动目标跟踪属于计算机视频模块的重点研究内容,具备较大的应用前景。随着各种新技术融合到目标跟踪方法中,其跟踪准确性得到提升。受到目标形变、遮挡以及尺度变化影响,跟踪失败的问题也时有发生。为了改进视频运动目标跟踪方法,本文系统的阐述了当前视频运动目标跟踪方法的类型,从算法设计流程着手,给出关于视频运动目标跟踪方法的具体设计框架,对未来算法发展方向进行了展望。     

基于视觉的增强现实运动跟踪算法

增强现实系统不仅具有虚拟现实的特点同时具有虚实结合的新特性，为实现虚拟物体与真实物体间的完善结合，必须实时地动态跟踪摄像与真实物体间的相对位置和方向，建立观测模,墼是而通过动态三维显示技术迅速地将虚拟物体添加到真实物体之上，然而目前大多数增强现实系统的注册对象均匀静物体，运动物体的注册跟踪尚很少有人涉足。该算法通过标志点的光流场估计真实环境中运动物体的运动参数，根据透视投影原理和刚体的运动特性确定摄像机与运动物体间的相对位置和方向，实现增强现实系统的运动目标跟踪注册。该算法构架简单、实时性强，易于实现，扩展了增强现实系统的应用范围。     

基于主运动分析的野外视觉侦察系统——运动目标检测、跟踪及全景图的生成

本文介绍了一个针对野外自然环境设计的视觉侦察系统,其主要功能包括运动目标的检测、 跟踪及环境全景图的生成．摄像机安装在360°水平旋转可控的车载云台上,视频信号及云 台方位数据通过无线通讯传送给基地端的计算机．计算机自动地检测其中的运动目标,实时 地拼接出镶嵌有运动目标的全景图,当用户指定某个运动目标后计算机将自动地控制云台跟 踪该目标．我们根据二维仿射运动模型和鲁棒参数估计方法分析帧间主运动,对各帧图像进 行运动补偿后求得差值图像,聚类分割变化点得到运动目标,再根据目标运动的连续性约束 进行可靠的跟踪．为了满足实时处理的要求,程序进行了优化,该系统在PC机上,在384×2 88图像分辨率下达到12.5帧/秒的处理速度．     

基于运动分析的运动目标实时跟踪系统

机器人的视觉伺服是机器人领域重要的研究方向.着力于提高机器人视觉反馈系统的实时性,提出了基于运动分析的的运动目标实时跟踪方法.该方法采用形态学方法标记连通域,并基于最小二乘法拟合运动轨迹曲线,预测下一时刻位置,设定连通域搜索范围,从而提高搜索速度.仿真结果表明:该方法处理效果良好,能满足后续系统实时性要求.     

机器人捕捉运动目标的动力学视觉伺服方法

提出一种机器人捕捉运动目标的动力学视觉伺服方法。基于位置阻抗控制器,通过双目立体视觉检测并跟踪运动目标的位置,结合CMAC网络,采用以视觉阻抗的二次型为训练目标的学习型视觉阻抗控制器,用于克服控制器对系统结构参数变化适应性差的缺点,并对阻抗参数进行优化。实验结果表明,该视觉伺服方法在机器人捕捉运动目标时具有良好的动力学特性和轨迹控制效果。     

干扰环境下运动目标跟踪的背景滤波

基于Mean Shift的目标跟踪算法,在目标发生明显尺度变化或存在背景干扰的情况下,跟踪就会失败。为此,针对跟踪过程中的背景干扰问题,提出根据目标运动状态进行背景滤波的目标跟踪算法。根据目标跟踪过程中产生的运动轨迹估计目标位移和速度,沿着目标可能的运动方向的反方向对候选区域进行背景滤波,滤波区域宽度根据目标位移大小确定。实验结果表明,改进后的算法对背景信息具有较好的鲁棒性,提高目标跟踪的可靠性。     

一种五自由度视觉伺服机器人的跟踪控制研究

提出了一种基于图像的视觉伺服机器人系统的结构，以及该系统跟踪平面运动目标的算法. 该系统有5个自由度，包括一个3自由度的机器人和一个2自由度的手腕，手腕安装在机器人末端，而摄像机安装在手腕末端. 由于具有较小的运动惯量，手腕可快速旋转，以实现对运动目标的跟踪. 而在需要时，3自由度的机器人可将摄像机移动到适当的位置， 对目标进行更为仔细的观察. 该系统实现了对运动目标的跟踪. 此外，还提出了提高系统性能的方法，实验证实这些方法是有效的.     

基于微分光流和粒子滤波的视频运动目标跟踪

针对传统跟踪方法中存在的背景遮挡问题,提出一种基于微分光流的粒子滤波跟踪方法。该方法建立一个用于描述目标的微分光流模型,该模型在每一帧的跟踪处理之前获得更新。使用光流相似函数计算目标与粒子所表示区域的相似度,通过粒子     

移动机器人的运动目标实时检测与跟踪

运动目标检测及跟踪是机器视觉领域备受关注的前沿课题之一。该文针对移动机器人导航领域对检测与跟踪的实时性要求,基于Kalman滤波器实现了驱动单目摄像头的反馈控制系统。采用简单的三帧差背景剪除策略检测运动目标,合并运动估计和背景补偿以加快系统反应速度。系统误差保存在协方差阵中,以增益的形式参与控制。该文还详细分析了运动补偿对检测的影响及误差的变化趋势。实验表明,系统能够保持对运动目标稳定偏差的平滑跟踪,在480320的图像分辨率下控制速度达到20Hz(fps)。     

双摄像机系统对移动目标的跟踪

提出了一种由一个静止摄像机加上一个动态摄像机组成的双摄像机实时跟踪系统．该系统利用两种形式摄像机各自的优点,克服它们自身的不足,实现了对运动目标的实时跟踪．文中给出了双摄像机系统的组成以及功能划分．利用由近似的摄像机投影模型导出的单应性关系,实现两个摄像机图像之间的目标匹配．系统在静态摄像机的图像平面上建立目标的2D运动模型,采用卡尔曼滤波实现目标位置的预测,由单应性关系求出动态摄像机图像平面上对应目标的预测位置,然后计算摄像机动态平台的旋转角度,实现对动态平台的伺服控制．     

一种基于主动轮廓模型的运动目标跟踪方法

分析了几种经典主动轮廓模型（即Snake）的优缺点．针对传统Snake在应用于目标跟踪时的一些缺陷,设计了自动初始化轮廓的算法．采用四邻域交替搜索法取代八邻域搜索方法以减少计算开销,并给出了一种较为实用的基于Snake的运动目标跟踪方法．通过实验证明了本方法的可行性．     

基于加权累积差分的运动目标检测与跟踪

针对视频序列中缓变运动目标检测与跟踪的问题,改进加权累积差分方法,设计一种快速检测缓变运动目标的权值分配算法。在检测出的运动目标区域中提取特征点,利用最大距离原则确定特征点的匹配范围,根据视差一致性原则,提出非回溯的误匹配检测方法。实验结果表明,该方法能有效提高跟踪的效率和精度。     

基于对数似然估计的目标定位跟踪新方法

为避免无源定位中的迭代运算,本文针对多站测角无源定位非线性观测方程,提出利用对数似然估计将其进行伪线性化处理,从而实现目标位置的闭式解算. 首先,在基于二维测角观测量的前提下,提出利用对数似然估计法将非线性观测方程转化为伪线性观测方程的数学模型,并推导出用于目标定位算法的闭式解. 接着,利用“当前”统计机动模型和卡尔曼滤波,实现对目标的精确跟踪定位. 并通过仿真实验验证该闭式解的渐近最优性,从而验证文中理论的有效性.     

基于移动机器人视觉系统的运动目标提取方法

提出了基于移动机器人视觉系统的运动目标提取方法。以视觉系统获取的视频作为研究对象,通过全局运动估计、目标背景的提取、三帧差技术和区域生长方法提取运动目标。采用邻域搜索运动补偿和带约束的区域生长的方法,降低了时间开销。实验结果表明,在时间开销和目标的提取上取得了较好的效果。