基于深度相机的移动机器人视觉跟踪控制研究

基于视觉利用移动机器人进行运动目标跟踪,该文提出一种基于二自由度云台和RGB-D相机的运动目标视觉跟踪及移动机器人路径实时规划、跟踪方法。该方法利用核相关滤波算法在图像中实时追踪目标,控制二自由度云台使深度相机实时对准目标,并根据深度相机得到目标的深度信息,利用坐标转换得到目标相对于机器人的位置信息;其后移动机器人根据目标的位置信息,基于五次多项式进行路径规划;最后采用李雅普诺夫控制律对移动机器人进行轨迹跟踪控制,使得机器人能够平稳地跟踪目标运动。该算法在阿克曼移动机器人上进行了实验,实验结果验证了算法的有效性和实时性。     

基于序列图像的视觉定位与运动估计

研究了移动机器人的视觉定位和目标的运动估计。采用单目视觉系统,借助人工标识物,由小孔成像模型及空间几何关系,推导出视觉测距模型,并实现了移动机器人的自定位和目标的定位。通过序列图像,应用基于特征的运动分析方法估计球体的运动参数,推导出移动机器人对运动目标的跟踪模型。球体定位实验结果表明:该方法的定位精度较高。     

基于联合条件随机场的移动机器人多目标跟踪

通过将目标与观测数据之间的数据关联抽象为标记序列,为移动机器人的多目标跟踪提出了一种具有多层次结构的联合条件随机场(joint conditional random field,JCRF).JCRF包括联合数据关联和运动目标状态估计两层随机场,不仅在联合数据关联中可以融合目标的形状信息和运动信息以提高目标跟踪的稳定性,而且可以同时进行目标检测与目标跟踪.利用JCRF模型,对基于激光距离传感器的多目标跟踪进行了研究,通过从激光距离传感器信息中分割出候选目标区域,采用匹配树降低标记序列的状态空间.在移动机器人平台上进行实验,结果表明,基于JCRF的多目标跟踪具有良好的精度、稳定性和实时性.     

融合视觉深度的特征计算与水下目标跟踪

目的：受水下复杂光学环境以及水下运动目标特性影响,水下视频图像中难以获取准确的目标特征,也难以准确预测目标空间尺寸,使得目标跟踪过程中跟踪窗偏移量较大且无法准确地包络目标区域。本文提出一种新的以视觉深度信息为核心的目标特征计算和跟踪方法。方法：首先,基于暗原色先验计算视觉深度信息,提取目标的空间位置特征;然后,基于深度信息对水下图像进行去光幕及色彩恢复,增强图像目标特征,最后,在贝叶斯滤波框架下对水下目标进行跟踪,同时结合目标深度信息及尺度变化规律自适应调整跟踪窗口大小。结果：实验结果表明,本文提出的方法能够根据视觉深度信息准确计算目标特征并优化跟踪窗口,实现对水下目标的自适应跟踪。结论：本文提出了一种新的水下目标跟踪方法,以视觉深度信息计算为核心。实验结果验证了该方法在水下目标自适应跟踪方面的鲁棒性,可适用于各种非线性非高斯水下目标跟踪框架中。     

基于全局彩色摄像机的移动机器人定位

本文提出一种基于全局彩色摄像机的移动机器人定位方法。该方法首先利用全局彩色摄像机对移动机器人所在的运动平面拍摄图像并基于色调和饱和度信息进行图像分割获取目标物体在图像平面坐标系中的位置,然后利用多项式拟合的方法实现图像平面坐标系到移动机器人运动平面坐标系的映射,从而确定移动机器人在其运动平面坐标系中的位置,同时利用移动机器人的行驶轨线近似获得其方向角。实验结果表明了上述方法的有效性,具有一定的实用价值。     

基于灰度直方图的运动目标特征检测算法

为提高运动目标的检测效果和指导性，提出一种基于灰度直方图分析的运动目标特征检测算法。采用视觉成像技术进行运动目标图像采集和视觉特征分析，提取运动目标的动态视觉特征量。根据运动目标边缘差分变换和空间位置关系进行运动图像的特征分离，提取运动目标图像的边缘轮廓特征量。采用统计形状模型进行运动目标图像的二值化分离，构建运动目标图像的灰度直方图。根据灰度直方图中的统计信息进行目标特征检测和动态特征提取，实现运动目标图像的视觉检测和动态识别，有效提取运动目标的关键特征，实现目标特征检测。仿真结果表明，采用该方法进行运动目标图像的特征检测性能较好，对运动目标的动态识别能力较强。     

移动机器人目标捕捉运动规划研究

提出一种应用于移动机器人在动态环境下捕捉目标的运动规划方法.该方法基于模糊控制理论.利用所要捕捉目标的位置与速度信息,依据人类的驾驶经验制定模糊规则.通过移动机器人转向角与速度的控制.实现了对动态运动目标的捕捉.仿真实验验证了该算法的有效性.     

基于主动视觉和超声的机器人目标跟踪系统

运动目标跟踪技术是未知环境下移动机器人研究领域的一个重要研究方向。该文提出了一种基于主动视觉和超声信息的移动机器人运动目标跟踪设计方法,利用一台SONY EV-D31彩色摄像机、自主研制的摄像机控制模块、图像采集与处理单元等构建了主动视觉系统。移动机器人采用了基于行为的分布式控制体系结构,利用主动视觉锁定运动目标,通过超声系统感知外部环境信息,能在未知的、动态的、非结构化复杂环境中可靠地跟踪运动目标。实验表明机器人具有较高的鲁棒性,运动目标跟踪系统运行可靠。     

移动机器人目标分割及测距方法研究

对于移动机器人单目视觉避障导航问题,研究了室内环境中多障碍物目标图像分割与目标定位。提出一种将HSI彩色图像空间序列分割与Otsu法选取阈值相结合的图像分割方法,并采用基于亮度均值的幂次变换方法改进亮度空间的对比度,从背景环境中分割提取出多个目标所在区域的像素坐标。基于透视投影原理,应用目标定位的几何方法得到目标的空间坐标。该方法在Pioneer-2移动机器人平台上进行了实验,论证了所提出方法的实用性和有效性。     

激光与单目视觉融合的移动机器人运动目标跟踪

针对室内环境下的移动机器人运动目标跟踪问题,提出一种基于激光与单目视觉传感信息融合的机器人定位和目标运动估计方法.首先,利用激光传感信息实现对目标的检测,并完成机器人定位与环境建图;然后,设计一种基于单目视觉传感器的目标位置估计算法,获得目标的距离和角度信息;为了实现两类传感信息的有效融合,将激光与单目视觉进行联合标定,得到二者的相对位姿关系,基于此,将激光与单目视觉提取的目标距离和角度通过具有最优重要性函数和权重的粒子滤波器进行融合,实现对目标运动状态的准确估计.实验结果表明该方法具有良好的跟踪性能.     

基于局部显著度的机动弱小目标检测算法

由于待检测的红外远距离目标具有尺寸小、辐射低、背景复杂等检测难点,以高检测率、低虚警率、高实时性进行红外小目标检测一直是一个具有挑战性的课题；文章提出一种基于局部显著性的变速运动目标累积检测算法,利用辐射能量积累方法提高目标在背景中的信噪比；首先,建立矢量空间及一阶导数空间,对序列图像的每帧进行基于块显著度的局部对比度增强处理,增强目标辐射能量并抑制背景,同时显著减少了计算量；然后,进行变速运动空间及导数矢量空间的辐射能量叠加,在空间矢量及导数矢量空间中检测序列图像中的目标在矢量空间及导数矢量空间运动特征的存在概率；最后,通过恒虚警检测得到目标的位置向量、速度、加速度向量,完成目标检测；实验结果验证了提出方法的有效性,其检测率及虚警率均优于其他方法,其中信杂比增益提高了22.30,背景抑制因子提高了3775.68,处理时间开销降低了0.65秒；     

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。     

无线传感器网络中的线性移动目标运动参数捕获方法

移动目标跟踪即移动目标的运动路径与参数获取在无线传感器网络应用中具有重要的研究价值.采用移动目标节点与信标节点间的TOA测量方法,提出了无线传感器网络中移动目标运动参数的捕获方法.通过建立移动目标运动参数的估计模型,本文首先推导了线性移动目标初始位置及移动速度估计的非约束线性最小二乘(ULLS)和约束线性最小二乘(CLLS)方法.将估计模型松弛为凸优化的半正定规划(SDP)问题,又设计了运动参数捕获的SDP算法.仿真分析结果表明,在3种所设计算法中ULLS算法的估计误差最大,SDP算法其次,CLLS算法的估计误差最小.随着采样周期的增加,初始位置的估计误差亦稍有增大,但速度估计误差却在减少.更多的采样点数量有利于增加测量信息量,可以有效减少位置及速度估计误差.     

动态场景图像序列中运动目标检测新方法

在动态场景图像序列中检测运动目标时,如何消除因摄影机运动带来的图像帧间全局运动的影响,以便分割图像中的静止背景和运动物体,是一个必须解决的难题。针对复杂背景下动态场景图像序列的特性,给出了一种新的基于场景图像参考点3D位置恢复的图像背景判别方法和运动目标检测方法。首先,介绍了图像序列的层次化运动模型以及基于它的运动分割方法;然后,利用估计出的投影矩阵计算序列图像中各运动层的参考点3D位置,根据同一景物在不同帧中参考点3D位置恢复值的变化特性,来判别静止背景对应的运动层和运动目标对应的运动层,从而分割出图像中的静止背景和运动目标;最后,给出了动态场景图像序列中运动目标检测的详细算法。实验结果表明,新算法较好地解决了在具有多组帧间全局运动参数的动态场景序列图像中检测运动目标的问题,较大地提高了运动目标跟踪算法的有效性和鲁棒性。     

基于距离徙动轨迹的空间目标ISAR联合运动补偿算法

针对空间高速运动目标的运动特征,分析目标距离徙动轨迹（Range migration trajectory,RMT）与等效运动模型,提出了一种基于距离徙动轨迹的联合运动补偿算法。该算法依据距离像全局熵值最小化原则,从RMT中估计出目标的平动参数,根据平动参数分别补偿距离像偏移并校正一维距离像畸变,从而实现对空间目标回波的距离对齐和脉内走动的联合平动补偿。仿真和实测数据处理结果表明该算法准确性较高,更重要的是,距离对齐步骤不会引入随机偏移误差和相位误差,这也是应用高分辨成像方法的前提条件。     

三维飞机运动目标图象序列的生成方法

利用图象序列来检测、识别和选择运动飞机目标,对于诸如航空管制和防空系统有着十分重要的意义,通过运动目标的序列图象来研究运动运动特征,首先要利用序列图象估计目标运动参数和确定目标结构,并建立观测模型,进而才可通过动态三维显示技术迅速地将飞机的飞行动态特征在计算机屏幕上显示出来,由此可见,要进行运动目标研究,就必须获得运动目标的序列图象,而基于特征点重建的三维观测误差正态概率模型的三维飞机运动目标图象     

融合帧间差分与碰撞算法的快速跟踪预测算法

传统的运动目标跟踪预测算法难以保证机器人对高速运动目标的快速捕捉和提前预测,尤其是运动目标在滑行过程中发生碰撞改变了原有的运动方向,针对这一问题提出了基于帧间差分与碰撞算法相结合的运动目标跟踪预测算法.通过帧间差分法快速识别出平面内运动物体的具体位置和运动速度,根据其运动速度方向判别运动目标是否发生碰撞.当运动目标在运动过程中发生碰撞,采用LS-DYNA显示动力分析软件建立碰撞仿真模型,并用MATLAB拟合仿真数据得到碰撞算法,结合碰撞算法对运动目标的运动轨迹进行预测.结果表明以帧间差分和碰撞算法相结合的运动目标检测跟踪算法对于在平面内运动目标的跟踪预测方面速度更快,完全能够满足机器人对算法快速性的要求.     

分裂合并运动分割的多运动视觉里程计方法

目的 视觉里程计（visual odometry,VO）仅需要普通相机即可实现精度可观的自主定位,已经成为计算机视觉和机器人领域的研究热点,但是当前研究及应用大多基于场景为静态的假设,即场景中只有相机运动这一个运动模型,无法处理多个运动模型,因此本文提出一种基于分裂合并运动分割的多运动视觉里程计方法,获得场景中除相机运动外多个运动目标的运动状态。方法 基于传统的视觉里程计框架,引入多模型拟合的方法分割出动态场景中的多个运动模型,采用RANSAC（random sample consensus）方法估计出多个运动模型的运动参数实例;接着将相机运动信息以及各个运动目标的运动信息转换到统一的坐标系中,获得相机的视觉里程计结果,以及场景中各个运动目标对应各个时刻的位姿信息;最后采用局部窗口光束法平差直接对相机的姿态以及计算出来的相机相对于各个运动目标的姿态进行校正,利用相机运动模型的内点和各个时刻获得的相机相对于运动目标的运动参数,对多个运动模型的轨迹进行优化。结果 本文所构建的连续帧运动分割方法能够达到较好的分割结果,具有较好的鲁棒性,连续帧的分割精度均能达到近100%,充分保证后续估计各个运动模型参数的准确性。本文方法不仅能够有效估计出相机的位姿,还能估计出场景中存在的显著移动目标的位姿,在各个分段路径中相机自定位与移动目标的定位结果位置平均误差均小于6%。结论 本文方法能够同时分割出动态场景中的相机自身运动模型和不同运动的动态物体运动模型,进而同时估计出相机和各个动态物体的绝对运动轨迹,构建出多运动视觉里程计过程。     

单目序列图像的运动目标参数估算新方法

可疑运动目标的检测和参数估算是智能视频监控的关键。为克服传统计算机双目技术系统复杂等缺点,提出一种单目运动目标识别技术并估算目标运动参数的方法。利用几何成像原理,推导出运动目标与固定摄像机的实际水平距离和目标在二维图像中的位置之间数学模型,结合摄像机参数,估算出目标实际位置及运动速度。通过搭建的硬件平台和编写的测试软件,在实际码头对海面目标的参数估计进行了实验,结果显示了该方法简单、有效和可行。     

Motion-Blurred Image Restoration Based on Joint Invertibility of PSFs

To implement restoration in a single motion blurred image, the PSF (Point Spread Function) is difficult to estimate and the image deconvolution is ill-posed as a result that a good recovery effect cannot be obtained. Considering that several different PSFs can get joint invertibility to make restoration well-posed, we proposed a motion-blurred image restoration method based on joint invertibility of PSFs by means of computational photography. Firstly, we designed a set of observation device which composed by multiple cameras with the same parameters to shoot the moving target in the same field of view continuously to obtain the target images with the same background. The target images have the same brightness, but different exposure time and different motion blur length. It is easy to estimate the blur PSFs of the target images make use of the sequence frames obtained by one camera. According to the motion blur superposition feature of the target and its background, the complete blurred target images can be extracted from the observed images respectively. Finally, for the same target images with different PSFs, the iterative restoration is solved by joint solution of multiple images in spatial domain. The experiments showed that the moving target observation device designed by this method had lower requirements on hardware conditions, and the observed images are more convenient to use joint-PSF solution for image restoration, and the restoration results maintained details well and had lower signal noise ratio (SNR).