基于掘进机位姿的特征检测技术研究

发布时间：2019-08-26 19:07

【摘要】：在掘进机定位的过程中,为实现掘进机位姿自动化无接触检测的功能,针对在运动目标检测过程中采用传统背景差分法或帧间差分法存在的准确率不高、特征缺失的问题,提出一种基于改进的视觉特征检测算法。该算法利用机器视觉、图像处理等,通过改进的三帧差分法结合边缘检测、均值法背景建模对运动目标进行检测,最后通过形态学处理得到运动目标。仿真结果表明,采用该算法可弥补传统背景帧差法和帧间差分法的缺点,有效提高运动目标检测的实时性、准确性和检测效率。
【图文】：

http∶//www．laserjournal．cnA1第26帧A2第28帧A3第39帧A1A2A3图2传统三帧差分法检测结果A1A2A3图3改进的算法检测结果从实验结果可以看出，A1采用改进后算法得到的目标特征更加丰富，检测更准确;A2骑电动车行人传统三帧差分方法得到的特征不完整缺失比较多，偏离真实目标而改进后的三帧差分法所提取的目标特征更加完整更接近真是目标;A3汽车采用传统三帧差分方法得到的特征同样存在明显的特征缺失，劣于采用改进后的三帧差分方法所得特征。为了更加直观的说明本文算法相对于传统算法的优势，采用定量的方式对实验结果进行分析。即通过运动目标像素的检出数量和已知运动目标所包含的像素总量之间的比值进行分析。设t为运动目标像素的检出数量和已知运动目标所包含的像素总量之间的比值，x为运动目标像素的检出数量，D为运动目标所包含的像素总量，那么检出率t=xD则经过实验数据测的传统三帧差分法和改进的算法针对三个检测视频的检出率t分别如表1所示:表1传统算法与改进算法检出率对比方法A1A2A3传统三帧差分法29.83%49.74%31.42%改进的算法94.26%96.78%92.13%表1为视频图像序列分别通过传统三帧差分法和本文改进的算法进行处理得到的检出率的平均值。可见，相对传统的三帧差分方法，本文算法的检出率提升47.04～64.43%。4结束语(1)本文提出一种基于改进的视觉特征检测算法，在现有掘进机位姿检测技术的基础上，对视觉检测技术方面的特征提取算法进行改进，分析可知，该改进算法可行。(2)通过MATLAB软件进行算法验证实验。通过三个常用的实验视频分析，该算法能够比较完整的提取运动目标特征，相对于传统特征检测算法其检测率提高47.04～64.43%。比较丰富的

http∶//www．laserjournal．cnA1第26帧A2第28帧A3第39帧A1A2A3图2传统三帧差分法检测结果A1A2A3图3改进的算法检测结果从实验结果可以看出，A1采用改进后算法得到的目标特征更加丰富，检测更准确;A2骑电动车行人传统三帧差分方法得到的特征不完整缺失比较多，偏离真实目标而改进后的三帧差分法所提取的目标特征更加完整更接近真是目标;A3汽车采用传统三帧差分方法得到的特征同样存在明显的特征缺失，劣于采用改进后的三帧差分方法所得特征。为了更加直观的说明本文算法相对于传统算法的优势，采用定量的方式对实验结果进行分析。即通过运动目标像素的检出数量和已知运动目标所包含的像素总量之间的比值进行分析。设t为运动目标像素的检出数量和已知运动目标所包含的像素总量之间的比值，x为运动目标像素的检出数量，D为运动目标所包含的像素总量，那么检出率t=xD则经过实验数据测的传统三帧差分法和改进的算法针对三个检测视频的检出率t分别如表1所示:表1传统算法与改进算法检出率对比方法A1A2A3传统三帧差分法29.83%49.74%31.42%改进的算法94.26%96.78%92.13%表1为视频图像序列分别通过传统三帧差分法和本文改进的算法进行处理得到的检出率的平均值。可见，相对传统的三帧差分方法，本文算法的检出率提升47.04～64.43%。4结束语(1)本文提出一种基于改进的视觉特征检测算法，在现有掘进机位姿检测技术的基础上，对视觉检测技术方面的特征提取算法进行改进，分析可知，，该改进算法可行。(2)通过MATLAB软件进行算法验证实验。通过三个常用的实验视频分析，该算法能够比较完整的提取运动目标特征，相对于传统特征检测算法其检测率提高47.04～64.43%。比较丰富的
【作者单位】： 西安科技大学;
【基金】：国家自然科学基金—青年科学基金项目(51705417)
【分类号】：TP391.41

【相似文献】

相关期刊论文 前10条

1 崔国栋;柴林燕;于明;;基于帧间差分的足球球员检测算法[J];计算机工程与设计;2010年07期

2 樊晓亮;杨晋吉;;基于帧间差分的背景提取与更新算法[J];计算机工程;2011年22期

3 武怀金;王武江;;基于帧间差分方法的运动目标检测[J];黑龙江科技信息;2012年10期

4 张丹丹;娄焕;;帧间差分法中阈值的选择[J];科技信息;2013年34期

5 郭厚q;吴峰;黄萍;;基于压缩感知和字典学习的背景差分法[J];华东交通大学学报;2012年01期

6 张秋仙;;帧间差分法与平均背景法在运动检测中应用的研究[J];企业科技与发展;2010年18期

7 薛丽霞;罗艳丽;王佐成;;基于帧间差分的自适应运动目标检测方法[J];计算机应用研究;2011年04期

8 廖马腾;李全;;基于System Generator的帧间差分运动目标检测算法仿真[J];电子质量;2013年04期

9 张铁力;王然冉;李晓佳;;人体运动目标的检测与跟踪[J];自动化博览;2007年05期

10 杨俊红;魏威;;视频安全监控中的关键技术研究[J];开封大学学报;2009年04期

相关会议论文 前10条

1 金黎明;周晓光;苏志远;;一种基于帧间差分背景重建的动目标检测算法[A];2009年先进光学技术及其应用研讨会论文集（上册）[C];2009年

2 熊卫华;向磊;李俊峰;赵新龙;;背景减除与帧间差分相结合的运动目标检测方法[A];中国自动化学会控制理论专业委员会A卷[C];2011年

3 王岩;勒中鑫;;边缘检测中几种方法的比较[A];1998年中国智能自动化学术会议论文集（下册）[C];1998年

4 孟伟;王秀泽;张岩;;离散Canny边缘检测算法的实现[A];走近CIE 26th——中国照明学会（2005）学术年会论文集[C];2005年

5 周胜灵;丁珠玉;;农产品边缘检测系统研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

6 任获荣;杨夏颖;何培培;孙建维;高敏;;边缘检测技术发展现状及其在零件识别中的应用综述[A];第三届数控机床与自动化技术专家论坛论文集[C];2012年

7 王岩;勒中鑫;;几种边缘检测方法及其比较[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年

8 叶乐军;王强;;基于自适应边缘检测的大空间火灾目标监测技术[A];中国职业安全健康协会2007年学术年会论文集[C];2007年

9 沈亮;潘德炉;王迪峰;;机载多通道扫描仪图像的边缘检测初步研究[A];2008中国仪器仪表与测控技术进展大会论文集（Ⅰ）[C];2008年

10 李文辉;郭宁宁;郝鑫;;优化边缘检测的分析和解决方案[A];“加入WTO和科学技术与吉林经济发展——机遇·挑战·责任”吉林省第二届科学技术学术年会论文集（上）[C];2002年

相关重要报纸文章 前1条

1 鸣人;Photoshop CS5:三大功能再进化[N];中国摄影报;2010年

相关博士学位论文 前6条

1 磨少清;边缘检测及其评价方法的研究[D];天津大学;2011年

2 董鸿燕;边缘检测的若干技术研究[D];国防科学技术大学;2008年

3 王媛妮;顺序形态边缘检测及分水岭图像分割研究[D];武汉大学;2010年

4 迟健男;图像形态学和小波分析在图像增强与边缘检测中的应用[D];东北大学;2005年

5 李杏梅;Contourlet变换在图像去噪与边缘检测中的应用研究[D];华中科技大学;2011年

6 丁兴号;基于小波分析的视觉检测技术研究[D];合肥工业大学;2003年

相关硕士学位论文 前10条

1 谢松;多摄像头非刚体目标检测与空间定位系统[D];电子科技大学;2015年

2 孟妍;视频目标检测与跟踪技术的研究[D];华北理工大学;2015年

3 刘舟槛;基于背景差法的篮球投篮自动识别系统设计[D];湖南师范大学;2015年

4 顾西存;视频中前景检测和背景建模算法的研究[D];重庆邮电大学;2016年

5 张晟;渡口监控视频中的船舶检测研究[D];大连海事大学;2016年

6 李强;Kalman滤波在CME图像处理中的应用[D];昆明理工大学;2017年

7 赵然;基于FGD技术的公交车客流检测系统的开发[D];山东师范大学;2017年

8 冯尧文;基于帧间差分的运动目标稳健检测方法[D];哈尔滨工业大学;2011年

9 胡敬舒;基于帧间差分的运动目标检测[D];哈尔滨工程大学;2013年

10 林江;基于边缘检测和马尔可夫随机场的AD症脑MRI分割方法研究[D];西南交通大学;2015年

本文编号：2529500