机械臂末端视觉目标跟踪及三维重建方法研究

发布时间：2022-07-08 11:17

　　智能服务机器人借助视觉系统获取室内目标的三维形状信息,为后续服务机器人选择有效的抓取位置提供基础,由于室内环境比较复杂且可能存在着多个目标,因此目标的跟踪和重建的难度极大地增加。传统三维测量系统利用激光传感器或多目相机的解决方式具有系统造价高和处理数据量大等缺点,难以在服务行业广泛地普及。本文考虑将相机安装在机械臂末端,利用相机直接获取室内场景的彩色图像数据,对室内环境的目标跟踪和重建的方法进行研究。论文的研究内容如下:首先,对机械臂末端视觉系统成像模型和应用场景进行分析,确定在机械臂末端视觉系统下目标跟踪和三维重建的整体流程和关键技术;其次,针对复杂场景下单目标的跟踪问题,在目标检测阶段考虑到卷积神经网络在目标检测等分类问题方面表现出了优异的性能,因此学习分析了现有的由神经网络衍生的对未知目标进行检测识别的方法,采用卷积神经网络的目标检测方法对图像中的单个目标进行检测,采用仿真图像和实际拍摄图像结合的方式制作目标数据集对网络进行训练,从而提高检测准确率;在目标跟踪阶段,针对目标在连续图像中可能出现的光照不均、尺度发生改变和部分被遮挡等情况下的问题,结合目标检测结果使用加速鲁棒特征对目... 

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究的目的和意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 主要研究内容及结构安排
第2章 目标跟踪和三维重建方法总体流程
    2.1 引言
    2.2 机械臂末端视觉系统成像模型
        2.2.1 针孔成像模型
        2.2.2 坐标系转换模型
        2.2.3 视觉系统标定理论
    2.3 室内场景特点分析
    2.4 目标跟踪和重建总体流程
    2.5 关键技术分析
        2.5.1 复杂场景下单目标的跟踪
        2.5.2 连续图像中目标的三维重建
    2.6 本章小结
第3章 基于卷积神经网络和SURF特征的跟踪算法
    3.1 引言
    3.2 基于Mask R-CNN的目标检测方法
        3.2.1 Mask R-CNN架构
        3.2.2 基于Labelme的目标数据集制作
    3.3 基于SURF特征的目标跟踪算法
        3.3.1 SURF特征点提取和描述
        3.3.2 基于欧氏距离和随机采样一致性的特征匹配
    3.4 目标跟踪实验平台搭建及结果
        3.4.1 基于Mask R-CNN的目标检测结果
        3.4.2 基于SURF特征的目标跟踪结果
    3.5 本章小结
第4章 基于基线误差加权立体匹配的目标重建方法
    4.1 引言
    4.2 基于连续图像的目标三维重建方法
        4.2.1 基线误差模型
        4.2.2 基于基线误差加权立体匹配的三维点云计算
    4.3 三维重建实验平台搭建及实验结果
        4.3.1视觉系统标定实验
        4.3.2 三维重建实验及结果
    4.4 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢


【参考文献】：
期刊论文
[1]基于固定式相机对动态目标跟踪的三维重建[J]. 匡文彬,梁文章,陈姝,林敏.  计算技术与自动化. 2018(04)
[2]空间目标跟踪系统的三维姿态信息获取及三维重建研究[J]. 赵澄东,高昂.  激光杂志. 2017(04)
[3]改进的RANSAC匹配点提纯算法[J]. 介军,李智杰,姚鹏.  西安建筑科技大学学报(自然科学版). 2013(06)
[4]基于多视角视频的运动重建[J]. 肖秦琨,罗丹,肖秦汉.  计算机技术与发展. 2014(02)

博士论文
[1]基于空间体素融合的三维重建算法研究[D]. 林金花.中国科学院长春光学精密机械与物理研究所 2017
[2]三维目标群及动态表面的重建和跟踪[D]. 刘烨.复旦大学 2013
[3]基于多视点的三维姿态运动重建与跟踪[D]. 潘华伟.湖南大学 2013

硕士论文
[1]基于单目相机的大规模场景三维重构的算法研究[D]. 匡文彬.湘潭大学 2018
[2]基于激光与视觉信息融合的运动目标检测与场景重建方法研究[D]. 袁雅薇.中国科学技术大学 2017
[3]基于立体视觉的运动目标轨迹重建技术[D]. 赵海旭.哈尔滨工业大学 2016
[4]基于Kinect的三维目标跟踪与重建[D]. 庄晓雯.华南理工大学 2016
[5]基于Kinect深度相机的室内三维场景重构[D]. 张翠红.大连理工大学 2013



本文编号：3656929