基于改进形状上下文的双焦图像深度估计

针对深度估计时两幅双焦图像特征点的误匹配问题,提出了一种基于改进形状上下文特征点的校正方法。首先引入了对尺度、视角、光照等具有不变性的SSURF特征向量,利用SSURF特征向量匹配算法在双焦单目视觉系统采集的焦距不同的两幅图像之间进行目标SSURF特征点的匹配。提出一种改进的形状上下文描述符,对局部特征匹配点对进行误匹配的校正。然后根据空间物点与所成像点距图像中心矢量大小及摄像机的焦距值之间的几何关系,利用校正后的特征点完成相关的计算从而获取目标物的深度信息。实验表明,校正后的方法进行深度估计具有较小的误差和较好的估计效果。该深度估计方法有较大的实用价值。     

适用于目标跟踪的加权增量子空间学习算法

为了克服目标物外观变化给跟踪造成的困难,提出一种基于加权增量子空间学习的目标跟踪算法.该算法构造了一个可在线更新的子空间作为视频中目标物的外观模型,根据概率转移模型预测得到一组图像样本作为目标物在当前帧中可能出现的图像区域;然后将图像样本投影到该低维子空间中估计每个图像样本为目标图像区域的似然度,以具有最高似然度的样本作为目标在当前帧中的图像区域,通过加权增量的方式调整子空间.实验结果表明：相比基于其他增量子空间学习的跟踪算法,该算法能够稳定、准确地对运动目标进行跟踪.     

基于仿射变换和透视投影的摄像机镜头畸变校正方法

依照摄像机成像过程,提出了一种方便快捷的摄像机镜头畸变精确校正方法。基于逆向摄像机镜头校正模型、仿射变换和透视变换,推导了从标准靶标图像坐标到理想图像坐标之间的精确函数关系,采用最小二乘估计对畸变参数求解,利用双线性插值法还原理想图像,并给出了详细的实验过程和实验结果。结果表明,该方法具有对实验条件要求低、算法运行速度快、校正结果精确等特点,适用于自动实时校正环境。     

基于序列图像的粮堆三维重建技术研究

研究基于粮堆序列图像的三维重建问题.重点阐述了三维重建过程中的几个关键步骤,如角点检测、基础矩阵估计和摄像机自标定等,提出一种基于去除异常点的基础矩阵估计方法,接着采用摄像机自标定方法求解摄像机投影矩阵,进而借助投影矩阵和图像特征点计算三维空间点坐标,完成重建过程,给出了基于真实的粮堆图像的三维重建结果.     

基于三视图几何约束的摄像机相对位姿估计

针对从影像中恢复摄像机位姿的问题,提出基于三视图几何约束的位姿估计算法.利用强制选择机制对影像进行特征点提取,通过光流法和前后向误差实现相邻三帧影像的特征点匹配;推导基于本质矩阵优化分解的位姿估计,利用对极几何约束构建目标函数,通过迭代优化确定旋转矩阵的唯一解,优化了唯一解的确定方法,提高了相对位姿估计效率,得到第1、2摄像机矩阵;基于三视图的几何约束关系,由三焦点张量和匹配特征点建立目标函数,由迭代过程得到第3摄像机相对于第1摄像机的位姿参数.结果表明,提出算法的鲁棒性、精度以及算法效率均优于传统算法,能够快速、准确地估计摄像机相对位姿,可以实现对旋翼无人机的轨迹跟踪.     

双目立体视觉的无人机位姿估计算法及验证

针对无人飞行器在未知复杂环境下的导航问题,提出了一种基于双目立体视觉的无人飞行器位置和姿态估计算法。用双目摄像机采集立体图像序列,对图像进行立体校正后使用Harris算法提取特征角点,用NCC算法获取匹配特征点,导出摄像机坐标系下的特征点坐标,得到三维立体特征信息,使用RANSAC算法与L-M迭代算法得到无人飞行器姿态和位置估计值。实验结果表明,基于双目立体视觉的位姿估计算法能适应未知环境变化,计算结果与实际位姿量相比误差小,能满足无人飞行器导航要求,可为无人飞行器的导航实现提供一套新途径。     

基于视觉信息的航天器位姿估计迭代算法

基于视觉信息的空间目标相对位姿估计问题是未来空间操作的关键所在,正交迭代算法是一种具有实时性好且全局收敛特点的单目位姿估计算法.为了有效利用多个摄像机荻取的数据,进一步提高位姿估计算法的综合性能,提出了一种双目正交迭代融合算法,取两个摄像机获取的所有特征点的目标空间共线性误差平方和作为误差函数,推导得到使两个摄像机总的...     

矿井移动载体摄像的电子稳像算法

针对矿井移动载体摄像造成的视频抖动,提出一种电子稳像算法,分离移动载体摄像中的主动扫描运动矢量和随机抖动矢量,实现视频序列的稳像补偿.算法首先利用平移运动模型建立图像运动矢量估计方程,以视频序列的角点特征建立帧间映射,求解其最小二乘解得到帧间图像全局运动矢量.然后针对移动载体摄像抖动的不确定性,构建粒子状态预测方程,采用二维欧氏距离定义观测值和观测概率密度,求解运动补偿矢量.通过算法有效性和稳像准确度实验,结果表明:该稳像算法可有效保留摄像机主动扫描运动、去除随机抖动,提高了输出视频的图像质量,稳像后峰值信噪比(PSNR)的平均值比稳像前提高了25.38DB.     

基于特征点稀疏光流场的视频图像背景建模方法

针对利用高斯模型法进行背景建模所导致的背景图像出现目标阴影问题,本文提出了一种基于特征点稀疏光流场的视频图像背景建模方法。先利用角点检测找出目标特征点,然后利用光流场估计画出特征点光流并用矩形框框出,使大致的前景像素点包含在矩形框里,同时对处于矩形框外面各像素点的每帧图像进行背景建模,并采用Matlab编程软件对系统算法进行验证。验证结果表明,利用改进的混合高斯背景建模,可以去除背景灰度图像的阴影,使背景建模准确有效,并以此获得更精确的目标区域,而且该模型对基于背景减除法的目标检测算法更加有效,因此具有一定的实际应用价值。     

拓扑模型和特征学习的多摄像机接力跟踪策略

为实现复杂大场景下目标跟踪的问题,提出了一种复杂大场景下基于拓扑模型和特征学习的多摄像机调度和目标接力跟踪策略。首先建立摄像机场景地图映射,通过实时背景估计确定目标的交接时刻和交接位置,然后建立多摄像机几何拓扑模型,给出了基于拓扑模型的多摄像机接力目标跟踪调度和交接算法,以及在跟踪过程中的特征学习方法,实现接力摄像机的快速调度和目标交接。实验结果表明,该方法可快速准确的完成多摄像机接力跟踪时的判断调度任务。     

起重机主动落钩的吊钩最小质量计算

建立起重机主动落钩的物理模型,考虑了主动落钩时单绳拉力小的特点,推导出下降过程滑轮组效率公式,得出主动落钩的最小吊钩质量计算方法,并以国外成熟起重机的吊钩为例证明了计算方法的正确性.     

一种基于无线视觉传感器网络的分布式多目标跟踪滤波算法

本文提出基于积分卡尔曼滤波的无线视觉传感器网络的分布式目标跟踪算法,用于从多个监控数码相机中汇总跟踪结果,然后通过中央处理器处理数据,返回到各个数码相机中,从而优化目标跟踪。无线视觉传感器网络是一个重叠视觉领域里的一个多监控摄相机网络,重叠视觉领域里有同样的目标经过,通过交换它们当地的目标位置和速率的估计值,在估计的过程中,每个加入的摄相机通过一致性算法汇总收到的状态。仿真结果表明,多个数码相机对目标预测的真实状态值要比单个数码相机预测值更精确。     

基于DM6437-355的目标跟踪系统的研究

本文基于DM6437-355开发板结合OpenCV与VC技术,设计出双跟踪算法的目标跟踪系统。本系统将形心跟踪算法和重心跟踪算法这两种算法同时设置其中,形心跟踪算法是以阈值分割图像预处理为基础的改进方法,重心跟踪算法则提出为每个采样点设置不同的权值I（x,y）,再来求取重心坐标的改进方法。这两种算法对于在目标跟踪的过程中出现的由于跟踪目标发生翻转、形变或是目标被部分遮挡而导致跟踪目标丢失现象的避免有了明显的提高。根据不同的情况要求选择不同的跟踪算法,加强了在复杂多变的实际环境中目标跟踪的效果。     

一种新的基于频域的相关跟踪算法

提出了一种定位精度高、运算量小的实时相关跟踪算法．算法通过对目标进行差分尺度空间滤波,提取目标的区域特征,增强了相关匹配峰值强度和抗干扰性;其次,将大规模的相关匹配运算由时域转换到频域进行,从而保证了相关跟踪的实时性;利用加权的目标边缘质心和形心的偏差量后向抑制模板更新时的漂移量,从而减弱模板更新时的模板漂移现象,保证了复杂场景下的目标跟踪．实验表明,算法能够适应在低对比度、复杂场景下的目标跟踪,同时对跟踪过程中摄像头抖动也不敏感．仿真结果表明,该算法运算耗时低,配准峰值强．     

无人机跟踪系统仿真平台的设计与实现

为解决无人机(Unmanned Aerial Vehicle, UAV)在进行地面目标跟踪实验时,存在验证难度大,成本高等问题,设计和实现了基于视景仿真软件和MATLAB/Simulink的仿真平台.首先,选择汽车作为地面目标,在视景仿真软件中导入UAV和汽车的三维模型,并设置虚拟云台和摄像机.其次,利用UAV、汽车与云台之间的相对运动模拟UAV跟踪过程中场景的变化,基于运动补偿的云台控制算法保证了虚拟摄像机始终指向目标.然后,虚拟摄像机采集目标所在区域的图片,图像跟踪算法跟踪图片中的目标,并利用目标图像模型解算目标在世界坐标系下的位置.最后,根据目标位置,使用参考点制导法生成期望的滚转角指令,引导UAV围绕目标盘旋飞行.视景仿真软件、图像跟踪算法和MATLAB/Simulink之间通过共享内存与UDP进行闭环通信.此外,提出一种实用可靠的标定方法,完成了视景仿真软件中虚拟摄像机内参矩阵的标定.仿真结果表明:该仿真平台能较好地模拟UAV对不同运动状态汽车的跟踪,得到的仿真结果具有较高的工程参考价值.本文的研究成果为目标跟踪实验提供了良好的仿真环境,有效减少实验成本.     

基于均值漂移的穿墙雷达多目标跟踪

针对穿墙成像雷达中多人体目标跟踪的问题,提出了一种基于均值漂移的多目标图像域跟踪方法。首先,通过基于双轴投影的变尺度模板创建方法进行航迹起始;其次该文利用均值漂移算法进行航迹更新,并对不同幅度像素点的加权处理使得迭代过程能收敛于目标图像中心;最后,结合M/N准则,实现了对航迹的管理。通过对多组实测数据的处理可以看出,该算法具有稳健的跟踪性能。     

基于FPGA的图像识别与跟踪系统

设计了以FPGA为主芯片对目标物体进行识别与跟踪的系统。采用MT9M011数字图像摄像头采集初始图像;利用基于模型匹配的Sobel边缘检测算法实现对目标物体的识别;运用基于边缘特征检测和基于区域特征检测相结合的跟踪算法实现对目标物体的稳定跟踪。测试结果表明,整个系统能够有效稳定地对目标物体实施跟踪。     

视频监控系统中的多摄像头跟踪优化设计

针对分布式广域视频监控系统,提出了一种基于多摄像头融合的跟踪优化方法.该跟踪优化算法根据目标优先级和目标在各个摄像头中的遮挡状态及其分割图像大小进行数据加权融合,优先分配高优先级目标给具有最佳权值的摄像头进行跟踪,并动态平衡各个摄像头的跟踪负载,将跟踪负载过重的摄像头中的低优先级目标分配给其他摄像头进行跟踪.为了有效地建立重叠摄像头之间目标的对应关系,对于摄像头远离监控地平面和目标的场景,通过摄像头监视背景图像之间的SIFT特征匹配自动生成对应点,利用这些对应的关键点确定重叠摄像头之间的单应性变换矩阵参数,再根据目标质心坐标之间的单应性变换进行一致性匹配;对于摄像头近邻监控地平面和目标的场景,通过目标分割图像之间的SIFT特征进行一致性匹配.实验结果表明:该方法能有效地实现广域监控场景中多摄像头的协同跟踪,达到了较高的跟踪性能.     

一种基于背景加权直方图的Mean-Shift跟踪算法

经典的Mean-Shift算法以颜色直方图为特征进行跟踪,但在视频目标跟踪中没有有效地利用跟踪目标的空间信息,因而当目标快速移动时,目标极易丢失。针对这一问题,提出了一种基于距离目标形心加权直方图的Mean-Shift跟踪算法。距离目标形心加权直方图可有效利用目标在图像中的位置信息,从而能实现复杂背景下的目标跟踪。并分别用改进的基于距离目标形心加权直方图的Mean-Shift跟踪算法和经典的Mean-Shift跟踪算法,对快速运动的目标进行跟踪实验。结果表明,改进的基于距离目标形心加权直方图的Mean-Shift跟踪算法,具有较强的鲁棒性和实时性,能有效实现复杂场景下的目标实时跟踪。     

复杂环境下运动摄像机稳定跟踪运动目标算法

在复杂环境中,运动摄像机跟踪运动目标是一项相当困难的工作。在基于目标颜色特征的Mean Shift跟踪算法中,引入感兴趣区域（ROI,Region of Interest）,减少背景干扰及降低计算消耗。提出基于目标强度和目标面积的目标危机判别函数,对强干扰、遮挡情况进行识别;采用直方图维数和量化等级数自适应选取策略解决强干扰,采用子区域搜索选优策略解决目标遮挡和重新捕获的问题。为使被跟踪目标锁定在摄像机视野中央区域,采用基于速度调节的闭环控制模型,驱动PTZ摄像机,跟踪运动目标。实验结果表明,算法对背景干扰和遮挡具有较强的适应性,摄像机可以平滑稳健地跟踪快速运动目标,而且系统计算代价小,完全达到了实时的运行速度。