人体自由运动状态下的视线追踪算法研究*

针对人体在大空间范围内自由运动时视线方向难以追踪的问题,构建了一套基于光学跟踪设备的头戴式视线追踪系统。系统通过被动式光学追踪设备和头戴式眼部摄像机获取使用者的头部运动状态与眼部图像,然后依据初始标定结果来估计使用者自由运动状态下的视线方向;最后对系统进行简化,得到了适用于同类环境、与具体硬件设备无关的视线跟踪三点三面三变换几何模型。对系统进行应用实验和误差分析表明,使用者在3.0 * 3.2 * 2.0 m的大工作空间内自由运动时视线追踪误差为1.69度,频率为20赫兹。     

基于Hough变换和梯度信息的人眼视线方向估计

本文主要研究使用廉价的摄像头进行人眼视线方向估计,所采用的方法是在眼部特征分析的基础上引入边缘梯度方向信息.首先对人眼模型进行讨论,并在样本分析的基础上提出了新的眼睛模型.作为眼睛模型的组成部分,上眼睑、内外角点和虹膜检测所采用的技术是基于梯度信息的Hough变换.根据所定义的视线模型和眼部特征分析,人眼视线方向就可以得到有效的估计.将所提出的人眼视线方向估计算法应用于实时视线跟踪系统,并通过凝视点标定、估计结果分类和错估率统计等方法对算法性能进行考察,结果表明所提算法在低分率的图像条件下具有更高的估计精度.     

一种新的基于瞳孔-角膜反射技术的视线追踪方法

针对现有单相机单光源视线追踪系统存在的几个问题:精度不高、头动受限以及标定复杂,提出了一种新的基于瞳孔-角膜反射(PCCR)技术的视线追踪方法.通过提出的瞳孔边缘滤波算法(RDPEF)和三通道伪彩色图(TCPCM)解决了近红外条件下瞳孔定位误差较大、瞳孔跟踪鲁棒性较差的问题,进而提高了视线特征提取的精度.通过提出的头部位置补偿方法以及个体差异转化模型,使二维映射模型允许使用者头部运动并且只需要单点标定.该方法提高了单相机视线追踪的精度和应用范围,为面向人机交互的视线追踪系统提供了有效的低成本解决方案.     

半实物仿真系统产品安装误差对仿真精度影响研究

针对半实物仿真系统产品安装误差对仿真精度的影响进行了研究.通过分析安装误差对捷联导引头和非捷联导引头视线运动模拟的影响机理,完成了针对两种模式导引头的视线运动模拟误差建模,并在建模的基础上提出了误差补偿方案和补偿算法.     

鲁棒多模型自适应控制系统的稳定性

研究含有不确定性的连续时间随机被控对象的鲁棒多模型自适应控制(Robust multiple model adaptive control, RMMAC)的闭环稳定性问题. 通过采用基于模型输出误差指标的 加权算法取代传统的基于卡尔曼滤波器和贝叶斯后验概率公式的加权算法, 在权值收敛的前提下, 基于虚拟等价系统(Virtual equivalent system, VES)理论给出了此类鲁棒多模型自适应控制系统的闭环稳定性证明, 并将结果推广到可以用多个线性系统系统模型进行逼近的 一类非线性慢时变被控对象.     

半实物仿真中导引头安装误差的影响分析

研究雷达导引头对导弹制导系统控制的影响,采用在导弹半实物仿真系统,对导引头安装误差会引入闭环仿真回路,使得制导控制系统性能发生变化,影响半实物仿真的逼真度.以雷达导引头安装误差引起的目标视线角误差为研究对象,深入分析误差产生原理并建立了误差数学模型,在分析其对制导控制系统影响的基础上,提出了解算前误差修正和目标辐射位置修正两种形式的误差补偿算法.仿真结果表明,两种算法均可解决导引头安装误差带来的目标视线角误差问题,在实际工程中可根据系统具体特点及仿真要求对误差补偿算法进行选择,都可取得较好的结果.     

一种基于过程神经元网络辨识的PID控制模型及方法

针对非线性动态系统PID过程控制问题,提出了一种基于过程神经元网络辨识的PID参数自适应整定的控制模型和方法。利用过程神经元网络对于动态系统时变输入/输出信号的学习机制,在某种最优控制律下通过对被控对象进行辨识来追踪被控对象的输出对控制输入变化的灵敏度信息,实现参数自适应匹配的PID控制。给出了基于过程神经元网络辨识的PID控制系统结构以及相应的实现机制,实验结果验证了模型和算法的有效性。     

基于动力学等价的一种通用控制器的设计

在动力学运动方程的基础上,构建了一种系统状态观测器,该观察器能够精确估计被控对象的位置、速度和加速度而无需知道其数学模型。在此基础上,设计了一种通用控制器,该控制器通过系统运动的位置、速度和加速度的负反馈作用,把原被控对象的输出轨迹引导控制到期望的系统输出轨迹,能提高系统的控制品质和鲁棒性能。分析了PID控制器、内模控制器、状态控制器、预测控制器和鲁棒控制器的算法特性,指出这些控制器与所设计的通用控制器在动力学意义上具有等价性。     

基于粒子滤波的移动机器人目标追踪控制改进算法

针对移动机器人目标追踪控制问题,以三轮全向移动智能足球机器人为研究对象,结合图像区域分割技术建立机器人运动模型和测量模型,提出基于高斯和粒子滤波的移动机器人目标追踪改进算法应用于足球机器人比赛环境。该算法将高斯和滤波中的并行扩展卡尔曼滤波用并行高斯粒子滤波代替,充分考虑当前时刻观测量对状态分布的影响,提高系统精度的同时降低滤波过程中使用的粒子数目,减轻系统计算量;仿真结果表明,该算法有效的减少足球机器人目标追踪过程中的误差和修正时间,特别是目标物体曲线行驶时,可以有效的将x轴与y轴方向的误差控制在一个较稳定的范围内,提高系统的稳定度。     

基于PSO的变结构变时滞自校正控制

针对变结构、变时滞被控对象,将粒子群优化(PSO)算法与广义最小方差相结合,采用实时自校正过程对其进行控制,提出基于PSO自校正控制器算法.该算法应用隐式辨识方式,可减少辨识计算量,通过跟踪误差来改变辨识精度.以工业上典型的一阶、二阶和三阶系统的结构变化并伴随着有时滞突变的复杂被控对象进行仿真,并和基于最小二乘的传统自校正控制方法比较得知,在运用PSO自校正控制器的控制下,系统输出量与期望输出之间的方差趋于更小,控制跟随性和鲁棒性均较好.仿真结果表明该自校正控制器的有效性与应用价值.     

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。     

移动目标追踪系统的设计及实现

移动目标追踪系统是实现一款智能小车对运动的物体进行识别、循迹、追踪等。采用智能路径规划方法,借助STM32主控制芯片,以其丰富的硬件资源为基础,连接可编程的OPENMV摄像头模块、电机驱动模块、电机和编码器,使用C语言进行控制编程,设计了一款移动目标追踪系统;摄像头对物体采集图像,计算出物体的坐标和物体与小车的距离,传给主控制器;主控制器将小车的坐标与小车到物体的距离作为PID算法的输入,通过优化后的PID算法调节PWM去控制电机运行,完成对物体的循迹、追踪。实验结果表明,在优化后的PID算法的控制下,无论物体是运动还是静止,小车都能够比传统的PID算法控制更加快速、稳定的追踪到物体,直到小车追踪到物体并且稳定的保持相对静止状态。     

Improved eye-vergence visual servoing system in longitudinal direction with RM-GA

Visual servoing is a control method to manipulate the motion of the robot using visual information, which aims to realize “working while watching.” However, the visual servoing towards moving target with hand–eye cameras fixed at hand is inevitably affected by hand dynamical oscillation. To overcome this defect of the hand–eye fixed camera system, an eye-vergence system has been put forward, where the pose of the cameras could be rotated to observe the target object. The visual servoing controllers of hand and eye-vergence are installed independently, so that it can observe the target object at the center of camera images through eye-vergence function. In this research, genetic algorithm (GA) is used as a pose tracking method, which is called “Real-Time Multi-step GA(RM-GA),” solves on-line optimization problems for 3D visual servoing. The performances of real-time object tracking using eye-vergence system and “RM-GA” method have been examined, and also the pose tracking accuracy has been verified.     

PTZ摄像机跟踪运动目标的智能控制算法的研究

针对传统的PTZ摄像机跟踪运动目标时依靠人工操作,无法连续、实时动态跟踪,甚至导致跟踪失败的缺点,提出以HSV颜色直方图作为模型特征,通过Camshift算法和卡尔曼滤波器实现运动目标的定位和预测补偿,运用闭环控制机制自动调节云台的转动和镜头的变倍,提高了系统的实时性。通过Android智能手机手动调节云台和镜头,配合自动跟踪系统,使跟踪效果更准确。结果表明:该方法是可行的,具有控制简单、定位准确的优点,能提高目标跟踪的实时性和可靠性。     

基于视觉的运动目标伺服跟踪研究

为对烟包PV带进行准确的伺服跟踪并完成剪带任务,提出一种基于运动估计的视觉跟踪算法。利用图像矩得到运动目标质心的坐标,根据质心的图像坐标计算出目标的速度、加速度。采用卡尔曼滤波算法预测运动目标在下一时刻的位置,并结合物体运动的速度、加速度作为伺服控制的依据,控制伺服电机的运动。实验结果表明,运动目标的速度误差在2 pixel/s以内,位置误差在5 pixel以内,验证了该算法的准确性和实时性。     

Multiple-arm space free-flying robots for manipulating objects with force tracking restrictions

Multiple Impedance Control (MIC) is an algorithm that enforces designated impedance at various levels, i.e. on the manipulated object, all cooperating manipulators, and the moving platform of a robotic system. In this paper, a force tracking strategy inspired by a human control system is added to the MIC algorithm and the general formulation is revised to fulfill a desired force tracking strategy for object manipulation tasks. The stability analysis of the MIC algorithm based on the Liapunov Direct Method, besides error analysis, shows that a good tracking of cooperative manipulators and the manipulated object is guaranteed. Next, using MAPLE and MATLAB tools, a system of three manipulators mounted on a space free-flying robot is simulated. The task is moving an object based on given trajectories which come across an obstacle, to examine the performance of the developed control law. The results show that, even in the presence of both external disturbances and an impact due to collision with the obstacle, the response of the MIC algorithm is smooth. Moreover, based on the embedded force tracking strategy, the contact force is confined to follow a desired trajectory. Also, it is shown that decreasing the values of the controller mass matrix elements results in reducing both the object position and force tracking error.     

基于卡尔曼滤波的运动人体跟踪算法研究

提出一种基于卡尔曼滤波的运动目标快速跟踪算法。利用卡尔曼滤波器的预测功能,预测运动人体目标在下一帧中的位置,在Matlab仿真环境下实现该跟踪算法,实验结果表明：该算法对人体目标的运动趋势能够做出正确的预测估计,跟踪效果和性能较为稳定和可靠。此外,该算法将图像全局搜索问题转换为局部搜索,使运算量减少,满足实时性跟踪要求,实现了对运动目标的快速跟踪。     

目标跟踪综述

随着深度学习与人工智能技术的不断发展,视频目标跟踪已经成为了计算机视觉的重要研究内容,在公安布控、人机交互、交通管制、军事等各个领域起到越来越重要的作用。尽管现在国内外学者提出了多种目标跟踪算法,也搭建了较为完善的目标跟踪系统,但是算法的鲁棒性依然是一个比较大的挑战。本文对运动目标跟踪系统结构进行了简要介绍,并从特征提取及融合、外观模型、目标搜索等方面详细阐述了目前主流运动目标跟踪算法。然后对目标跟踪算法在深度学习大环境下的新发展进行了分析,从基于深度学习的目标跟踪及目标检测算法角度分析了深度学习在提高目标检测算法鲁棒性方面的有效性,最后概述了深度学习在视频目标检测算法中的具体应用并对其未来发展进行了展望。     

目标定位图像中心新方法*

利用人工神经网络,无需对摄像机进行预标定,只要给出目标在计算机图像中的坐标点,就可直接得出摄像机云台水平和垂直需要调整的角度,将目标定位在图像中心。理论和实验证明,该方法比传统方法硬件要求低,算法简单,精度高。     

面向小运动目标的压缩域跟踪方法

压缩域跟踪是直接从压缩码流中提取运动矢量和块编码模式来实现目标对象的跟踪.针对现有压缩域跟踪方法对小运动目标跟踪性能较差的问题,本文提出了一种面向小运动目标的压缩域跟踪算法.在分析现有算法不足原因的基础上,本文从起始帧掩模的获取、离群值边界的设置和预测跟踪小目标的边缘控制三个方面提升小目标跟踪的性能,并通过数据驱动的方法寻找到块编码感知的系统参数优化.所提算法在三个小目标视频序列上进行了测试,实验结果表明,与其它压缩域跟踪算法相比,本文算法可以有效地提高小运动目标跟踪的准确率和F度量.