竞赛系统中机器人定位与运动目标检测算法研究
发布时间：2021-04-14 17:57
作为一项参与面广的AI挑战项目,机器人竞赛是通过特定的任务目标实现的,运用各种技术和巧妙的想法来实现针对特定问题的解。它可以促进科研单位,大学和企业的交流,并可以促进学术研究的进步。在中国人工智能战略实施的大背景下,机器人竞赛成为了一个具有重要实践应用意义的课题。机器人竞赛系统是对实时性比较依赖的系统,对机器人的定位和导航要求较高。它不仅需要精确定位,还需要能够检测运动中的机器人。本文针对如何实现竞赛系统中多机器人的定位与识别,结合国内外研究资料,提出了结合ORB（Oriented Fast and Rotated Brief）特征匹配的视觉背景提取算法Vi Be（Visual Background Extractor）,并改进了原有算法的缺陷,完成了对竞赛系统中机器人的定位。主要做了如下研究工作:（1）根据机器人竞赛系统的需求和特点简化了单目定位模型,设计了一个满足竞赛系统场景应用的单目视觉定位方案。最后通过相机标定实验验证了定位方案的可行性。（2）本文设计了一种针对竞赛系统中运动机器人定位问题的鬼影消除算法,这种算法针对竞赛系统的静态背景特点,将Vi Be提取的运动前景图像与样本图...
【文章来源】：成都信息工程大学四川省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
--6标定用棋盘图
ViBe检测结果
3.4.3前景图像来检测鬼影现鬼影的检测与快速消除。这里将针对比赛场地中的光照突变对成的影响，来做改进。加装光敏传感器来实现。标检测。额外增加的机器人与上位机之间的通信，会增加定位与检测的时间。处发生了光照突变。（均为结果所得到的前景目标的面积会变大，并且远远大于实际真实的前景图像面积。设定则有：消除光照突变影响在本章第一节，探讨了用机器人来感知场景中的光照变化，是比较容易实现的。可以通过给机器人（（但是对于上位机的检测系统，目标是实现对场景中的机器人的定位与运动目如上图3-6VIBE检测结果。根据实验结果，发现当场景中发生光照突变时，ViBe检测结果得到的前景面积为[71]，并针对虚假前景目标处的像素采用动态更新。以此来实a）213帧原始图像c）214帧原始图像6所示，输入视频为在室内拍摄的视频序列。该视频序列在a）为成都信息工程大学第ViBe算法应用于竞赛系统中时存在的缺陷。用分割的图3-6213帧原始图像，（成都信息工程大学硕士学位论文25页共576光照突变示意图vibeS，分割得到的前景图像面积为硕士学位论文57页（b）ViBe检测结果（d）ViBe检测结果c）为214帧原始图像。（ViBe检测结果造214b）与（ViBe检测foregroundS帧d）。
【参考文献】：
期刊论文
[1]基于双目视觉的船用爬壁监测机器人[J]. 朱保鹏,陈伟,宦键,张榜,谢云飞. 舰船科学技术. 2018(13)
[2]基于改进的VIBE算法在铁路智能视频监控入侵检测的研究[J]. 杨海林,蔡启忡,薛圣利,周加全. 科学技术与工程. 2016(21)
[3]三目立体摄影测量系统中相机标定技术研究[J]. 范亚兵,黄桂平,姚思远,任政圭. 计量学报. 2015 (02)
[4]改进的Vibe运动目标检测算法[J]. 尹凯,魏江,李正,陈冰,王彤,齐金刚. 电子设计工程. 2014(16)
[5]一种改进视觉背景提取（ViBe）算法的车辆检测方法[J]. 杨勇,孙明伟,金裕成. 重庆邮电大学学报(自然科学版). 2014(03)
[6]基于特征提取的匹配场处理[J]. 王奇,王英民,诸国磊. 火力与指挥控制. 2014(05)
[7]基于Vibe的鬼影抑制算法[J]. 陈亮,陈晓竹,范振涛. 中国计量学院学报. 2013(04)
[8]基于空间像素纯度指数的端元提取算法[J]. 崔建涛,王晶,厉小润,赵辽英. 浙江大学学报(工学版). 2013(09)
[9]基于背景信息的MODIS林火自动提取算法[J]. 缪婷婷,沈润平. 测绘科学. 2013(05)
[10]基于激光测距与双目视觉信息融合的移动机器人SLAM研究[J]. 杜钊君,吴怀宇. 计算机测量与控制. 2013(01)
博士论文
[1]光照变化条件下中型组足球机器人目标识别与定位方法研究[D]. 戚玮玮.中国海洋大学 2011
[2]基于视觉—激光的移动机器人自定位研究[D]. 王珂.大连理工大学 2008
硕士论文
[1]监控视频下运动目标检测与跟踪技术研究[D]. 徐彩迪.西安理工大学 2018
[2]基于Kinect竞赛用体感控制机器人的开发研究[D]. 刘淑云.重庆师范大学 2017
[3]智能视频监控中的目标检测算法研究[D]. 张玉婉.西安电子科技大学 2017
[4]基于视觉的静态手势识别中关键技术的研究[D]. 庄会伟.山东大学 2017
[5]移动增强现实跟踪注册技术的研究与应用[D]. 王楚迪.沈阳工业大学 2017
[6]自适应视觉背景更新的运动目标检测算法研究[D]. 黄晓凌.重庆邮电大学 2017
[7]基于SIFT特征点的作物图像拼接算法研究[D]. 张一帆.西北农林科技大学 2017
[8]木材表面缺陷的图像分割方法研究[D]. 许景涛.东北林业大学 2017
[9]基于词袋模型的木材分类的研究[D]. 胡学晶.东北林业大学 2017
[10]移动机器人的视觉定位系统研究[D]. 黄山.电子科技大学 2017
本文编号：3137759
【文章来源】：成都信息工程大学四川省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
--6标定用棋盘图
ViBe检测结果
3.4.3前景图像来检测鬼影现鬼影的检测与快速消除。这里将针对比赛场地中的光照突变对成的影响，来做改进。加装光敏传感器来实现。标检测。额外增加的机器人与上位机之间的通信，会增加定位与检测的时间。处发生了光照突变。（均为结果所得到的前景目标的面积会变大，并且远远大于实际真实的前景图像面积。设定则有：消除光照突变影响在本章第一节，探讨了用机器人来感知场景中的光照变化，是比较容易实现的。可以通过给机器人（（但是对于上位机的检测系统，目标是实现对场景中的机器人的定位与运动目如上图3-6VIBE检测结果。根据实验结果，发现当场景中发生光照突变时，ViBe检测结果得到的前景面积为[71]，并针对虚假前景目标处的像素采用动态更新。以此来实a）213帧原始图像c）214帧原始图像6所示，输入视频为在室内拍摄的视频序列。该视频序列在a）为成都信息工程大学第ViBe算法应用于竞赛系统中时存在的缺陷。用分割的图3-6213帧原始图像，（成都信息工程大学硕士学位论文25页共576光照突变示意图vibeS，分割得到的前景图像面积为硕士学位论文57页（b）ViBe检测结果（d）ViBe检测结果c）为214帧原始图像。（ViBe检测结果造214b）与（ViBe检测foregroundS帧d）。
【参考文献】：
期刊论文
[1]基于双目视觉的船用爬壁监测机器人[J]. 朱保鹏,陈伟,宦键,张榜,谢云飞. 舰船科学技术. 2018(13)
[2]基于改进的VIBE算法在铁路智能视频监控入侵检测的研究[J]. 杨海林,蔡启忡,薛圣利,周加全. 科学技术与工程. 2016(21)
[3]三目立体摄影测量系统中相机标定技术研究[J]. 范亚兵,黄桂平,姚思远,任政圭. 计量学报. 2015 (02)
[4]改进的Vibe运动目标检测算法[J]. 尹凯,魏江,李正,陈冰,王彤,齐金刚. 电子设计工程. 2014(16)
[5]一种改进视觉背景提取（ViBe）算法的车辆检测方法[J]. 杨勇,孙明伟,金裕成. 重庆邮电大学学报(自然科学版). 2014(03)
[6]基于特征提取的匹配场处理[J]. 王奇,王英民,诸国磊. 火力与指挥控制. 2014(05)
[7]基于Vibe的鬼影抑制算法[J]. 陈亮,陈晓竹,范振涛. 中国计量学院学报. 2013(04)
[8]基于空间像素纯度指数的端元提取算法[J]. 崔建涛,王晶,厉小润,赵辽英. 浙江大学学报(工学版). 2013(09)
[9]基于背景信息的MODIS林火自动提取算法[J]. 缪婷婷,沈润平. 测绘科学. 2013(05)
[10]基于激光测距与双目视觉信息融合的移动机器人SLAM研究[J]. 杜钊君,吴怀宇. 计算机测量与控制. 2013(01)
博士论文
[1]光照变化条件下中型组足球机器人目标识别与定位方法研究[D]. 戚玮玮.中国海洋大学 2011
[2]基于视觉—激光的移动机器人自定位研究[D]. 王珂.大连理工大学 2008
硕士论文
[1]监控视频下运动目标检测与跟踪技术研究[D]. 徐彩迪.西安理工大学 2018
[2]基于Kinect竞赛用体感控制机器人的开发研究[D]. 刘淑云.重庆师范大学 2017
[3]智能视频监控中的目标检测算法研究[D]. 张玉婉.西安电子科技大学 2017
[4]基于视觉的静态手势识别中关键技术的研究[D]. 庄会伟.山东大学 2017
[5]移动增强现实跟踪注册技术的研究与应用[D]. 王楚迪.沈阳工业大学 2017
[6]自适应视觉背景更新的运动目标检测算法研究[D]. 黄晓凌.重庆邮电大学 2017
[7]基于SIFT特征点的作物图像拼接算法研究[D]. 张一帆.西北农林科技大学 2017
[8]木材表面缺陷的图像分割方法研究[D]. 许景涛.东北林业大学 2017
[9]基于词袋模型的木材分类的研究[D]. 胡学晶.东北林业大学 2017
[10]移动机器人的视觉定位系统研究[D]. 黄山.电子科技大学 2017
本文编号：3137759
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3137759.html
最近更新
教材专著
