滤波视觉跟踪算法研究及在智能机器人中的应用

发布时间：2024-04-13 01:47

　　智能机器人因其集合了机构学、材料学、计算机图像学、智能控制、仪器仪表、模式识别等多学科融合技术的特点,始终处于科学技术领域的研究热点。本文以工业应用环境为研究背景,分析基于视觉感知的智能机器人在复杂工业环境中需要面对的各种干扰因素,并依据干扰因素在工业应用中出现的频率将其分为三个层次,而各层次的干扰因素分别对智能机器人视觉跟踪算法提出了准确性或鲁棒性的要求。因此,智能机器人的工业应用对所采用的视觉跟踪算法的鲁棒性、准确性和实时性提出了更高的要求。对此,本文对智能机器人视觉跟踪算法进行深入研究,旨在提高目标跟踪算法在复杂工业环境下的稳、准、快三方面的性能。本文主要研究内容安排如下:1、针对目标跟踪算法较为复杂且计算量大的情况,研究时空上下文信息相关滤波目标跟踪算法。对时空上下文信息和相关滤波方法的基本理论进行研究,构建快速目标跟踪方法;针对目标大幅度尺度变化的问题,在时空上下文信息跟踪算法的基础上研究基于特征金字塔的相关滤波多尺度估计方法,实现准确的目标尺度估计,提升跟踪算法对工业环境中光照变化、尺度变化、复杂背景等第一层次干扰因素的适应性。2、研究干扰判别及位置预测目标跟踪算法。为了提...

【文章页数】：138 页

【学位级别】：博士

【部分图文】：

图2-1STC建模区域示意图

利用时间上下文与空间上下文信息能够使目标跟踪结果更加准确上下文信息的研究也在逐渐深入，文献[174]中从目标相邻区域背信息作为关键点，当跟踪算法丢失目标后，能够通过参照物信息文献[175]中为了充分利用目标的上下文信息，建立了两种（时间然后构建支撑域以提高跟踪结果的准确性，其中支....

图2-3原始图像与加入余弦窗后对比图

然后，为了应对跟踪过程中图像受到光照等因素而带来的像素点幅值，将细胞单元以空间上联通为规则进行组合从而形成区间，区间内所有直方图综合起来就成为该区间的HOG特征。由于各个区间之间不可避叠的部分，最后就是将输入图像中所有重叠部分进行HOG特征收集，像的HOG特征多维向量....

图3-1样本标签权重分配

致使频域处理的困难增加。鉴于此，在处理节中介绍的余弦窗来抑制边缘噪声。归方法的模板提取阵增强了样本丰富性之后，需要对所跟踪的目标进行模，通常采用将标签1赋予正样本以及标签0赋予负样本的法将某一类（正样本或负样本）中所有样本都同等看待，异，因此不能得到最有效的样本信息。为此....

图3-4本章DDLPT算法在CarScale测试视频中的性能优势

图3-4本章DDLPT算法在CarScale测试视频中的性能优势图3-5本章DDLPT算法在Football测试视频中的性能优势在测试视频“RedTeam”中，目标遮挡、尺度变化和低分辨率是对目标跟踪算法的主要

本文编号：3952293