基于AR的动车组辅助维修系统目标跟踪算法研究

发布时间：2020-10-09 18:14

　　 随着我国高速铁路客流量和里程数的迅速增长,动车组日常维修作业的工作量逐年激增。如何利用好动车组维修信息,快速、准确、及时地完成动车组的维护工作是保障动车组安全运营的重要任务。本文在研究增强现实(Augmented Reality,简称AR)技术的基础上,提出了基于TLD(Tracking-Learning-Detection,简称TLD)的增强现实系统目标跟踪算法。并设计了 CRH380BL动车组增强现实辅助维修系统,实现辅助维修作业人员完成维修作业任务,整合维修作业信息,规范维修作业人员的作业流程,从而提高日常维修作业的效率。本文在研究基于计算机视觉的目标跟踪算法基本原理基础上,结合CRH380BL动车组维修作业场景的特点,分别进行了系统目标检测算法、目标跟踪算法和三维注册算法的设计。本文的研究重点是如何在保证目标跟踪结果高准确度的前提下,实现计算过程的高速度。本文完成的工作如下:首先对目标检测算法进行了研究,提出了使用HOG(Histogram of Oriented Gradient,简称HOG)特征检测算子作为目标跟踪算法特征检测算法的方案。通过对现场作业场景的特征提取实验,完成了 CRH380BL动车组转向架目标跟踪的特征提取,并进行了特征匹配实验,分析了目标检测算法的优缺点。其次通过MATLAB和VS2013混合编程,对基于检测目标的TLD跟踪算法进行了改进。并以CRH380BL动车组转向架更换检修作业视频数据为例,实验验证了算法的有效性。结合KCF(Kernel Correlation Filter,简称KCF)算法完成了面向增强现实系统的TLD-G目标跟踪算法设计。原始TLD算法更加看重检测器的检测结果。由于采用滑动窗方式的检测器需要处理大量的图像块,严重影响了实时性。本文利用减小滑动窗口扫描范围的方法,提高了算法的计算速度。并进行了 TLD-G算法的标准数据集实验和CRH380BL动车组转向架更换检修作业视频数据实验。结果表明,算法的运算速度、精确性和鲁棒性均能满足增强现实系统的要求。最后对CRH380BL动车组增强现实辅助维修系统进行了设计和测试工作。完成了 CRH380BL动车组增强现实辅助维修系统的设计,并进行了系统的维修作业现场测试,测试结果表明系统实时性、三维注册精度较好。
【学位单位】：北京交通大学
【学位级别】：硕士
【学位年份】：2017
【中图分类】：U269;TP391.41
【部分图文】：

逡逑图２－２是不同0？下，图像尺度空间：逡逑0■增大逡逑Ｇ（ｃｒ）＊／逦Ｇ（＾ｃｒ）＊／逦Ｇ（ｋ２（ｊ邋ｊ＊／逡逑二阶■邋？■漏逡逑Ｇ｛２ａ）＊Ｉ逦Ｇ（２ｋａ）＊Ｉ逦Ｇ（２ｋ２ａ）＊Ｉ逡逑图２－２不同ｏ■下的尺度空间逡逑Ｆｉｇ．２－２邋Ｓｃａｌｅ邋ｓｐａｃｅ邋ｕｎｄｅｒ邋ｄｉｆｆｅｒｅｎｔ邋＜ｒ逡逑２／ｃｆｆ中的２是必须的，尺度空间是连续的。在Ｌｏｗｅ的论文中，将第０层的初逡逑始尺度定为１．６邋（最模糊），图片的初始尺度定为０．５邋（最清晰）。原文在计算极值点逡逑之前对原始图像进行了高斯平滑处理，所以图像的高频信息被过滤掉。基于这种情逡逑况，需要将原始图像长宽扩展一倍，对图像进行降频处理，从而避免原始图像的高逡逑频信息丢失，保留特征点数量，然后建立尺度空间，尺度越大图像越模糊。逡逑在实际计算时，使用高斯金字塔每组中相邻上下两层图像相减，得到高斯差分逡逑图像，如图２－３所示，进行极值检测。逡逑由图片尺寸决定建几个塔

和所有的相邻点进行比较，包括同一尺度域中的相邻点和相邻尺度域中同一位置逡逑的点和相邻点，如果该采样点是所有相邻点之中的最大值点或最小值点，则为极值逡逑点。比较过程如图２－４所示，检测点Ｘ和它相邻的２６个点进行比较，其中同尺度逡逑相邻点８个，相邻尺度域中对应点１８个。如果Ｘ与２６个点比较的结果显示为最逡逑大或最小值时，就认为Ｘ是图像在该尺度下的一个特征点。逡逑ｉ邋＼逦逦逡逑ｊ／邋ｙ逦ｙ逡逑口邋ｆｔｆ逦ｙ￣ｙ邋＼＾邋ｙ逡逑空间逡逑图２－４高斯空间极值点检测逡逑Ｆｉｇ．２－４邋Ｄｅｔｅｃｔｉｏｎ邋ｏｆ邋ｅｘｔｒｅｍｅ邋ｐｏｉｎｔｓ邋ｉｎ邋Ｇａｕｓｓ邋ｓｐａｃｅ逡逑１０逡逑

高斯差分图像逡逑高斯项逡逑图２－３高斯差分金字塔的生成逡逑Ｆｉｇ．２－３邋Ｇｅｎｅｒａｔｉｏｎ邋ｏｆ邋Ｇａｕｓｓ邋ｄｉｆｆｅｒｅｎｔｉａｌ邋Ｐｙｒａｍｉｄ逡逑（２）检测尺度空间极值点逡逑构建了高斯尺度空间后，接下来需要计算尺度空间的极值点。将每一个采样点逡逑和所有的相邻点进行比较，包括同一尺度域中的相邻点和相邻尺度域中同一位置逡逑的点和相邻点，如果该采样点是所有相邻点之中的最大值点或最小值点，则为极值逡逑点。比较过程如图２－４所示，检测点Ｘ和它相邻的２６个点进行比较，其中同尺度逡逑相邻点８个，相邻尺度域中对应点１８个。如果Ｘ与２６个点比较的结果显示为最逡逑大或最小值时，就认为Ｘ是图像在该尺度下的一个特征点。逡逑ｉ邋＼逦逦逡逑ｊ／邋ｙ逦ｙ逡逑口邋ｆｔｆ逦ｙ￣ｙ邋＼＾邋ｙ逡逑空间逡逑

【参考文献】

相关期刊论文 前10条

1 杨玉锋;李伟彤;许磊;周禹;;一种改进的TLD跟踪算法[J];科技创新与应用;2016年28期

2 陈泽婵;陈靖;严雷;张运超;;基于Unity3D的移动增强现实光学实验平台[J];计算机应用;2015年S2期

3 杨文芳;何宁;;基于增强现实技术的武器装备维修辅助系统设计与实现[J];信息系统工程;2015年05期

4 林一;陈靖;周琪;刘越;;移动增强现实浏览器的信息可视化和交互式设计[J];计算机辅助设计与图形学学报;2015年02期

5 杨萌;杨阳;王艺;王亚杰;;一种改进的TLD算法[J];传感器与微系统;2014年12期

6 李炎;尹东;;基于TLD的增强现实跟踪注册方法[J];系统仿真学报;2014年09期

7 江伟坚;郭躬德;;复杂环境下高效物体跟踪级联分类器[J];中国图象图形学报;2014年02期

8 桂振文;陈靖;刘越;王涌天;;一种智能手机上的场景实时识别算法[J];自动化学报;2014年01期

9 徐维鹏;王涌天;刘越;翁冬冬;;增强现实中的虚实遮挡处理综述[J];计算机辅助设计与图形学学报;2013年11期

10 周鑫;钱秋朦;叶永强;王从庆;;改进后的TLD视频目标跟踪方法[J];中国图象图形学报;2013年09期

相关硕士学位论文 前6条

1 焦蓬斐;基于TLD的目标跟踪改进算法研究[D];中北大学;2016年

2 李娟;基于KCF的视频中运动物体的跟踪系统[D];湖南师范大学;2016年

3 张帅领;基于TLD的视频目标跟踪算法的研究[D];西安电子科技大学;2014年

4 江博;基于Kalman的TLD目标跟踪算法研究[D];西安科技大学;2013年

5 荣文;基于SURF特征的显微镜图像拼接[D];山东大学;2010年

6 陈浩;基于SURF特征匹配算法的全景图像拼接[D];西安电子科技大学;2010年

本文编号：2834025