基于双目视觉的移动机器人跟踪技术研究

发布时间：2017-05-10 02:00

  本文关键词：基于双目视觉的移动机器人跟踪技术研究，由笔耕文化传播整理发布。

【摘要】：本文将集中讨论安装有双目视觉系统的MT-AR移动机器人的跟踪系统设计与实现,目的是使得机器人能在正常环境下对跟踪目标物进行跟踪并作出正确的运动反馈。在研究机器人内部鲁棒性跟踪算法基础上,课题将对安装双目视觉系统的移动机器人跟踪与运动控制展开研究与讨论。与单目视觉移动机器人跟踪系统不同,课题使用了一种基于立体视觉的机器人跟踪平台。机器人内部跟踪算法使用了一种半监督学习模型,利用采样样本的重叠率先验信息,改进了传统的多实例学习跟踪算法。其中多实例学习中包模型判别函数直接在实例水平使用Fisher线性判别函数构建。为了增强机器人实验中跟踪鲁棒性,机器人跟踪模块使用了目标回找机制,在目标物突然消失场景中仍能重新找回丢失目标。传统的“基于检测来跟踪”的算法使用在线分类器来跟踪目标,由于采用的是自学习过程,跟踪过程中目标跟踪失败分类器会很容易退化。针对此问题,本文的机器人内部算法使用了一种改进的基于半监督学习的多示例学习跟踪(MILFLD)。首先,课题以采样样本与跟踪目标的重叠率信息为先验构建半监督学习模型,这种半监督学习模型结合了有标签与无标签数据,能有效克服传统的基于检测来跟踪的算法中目标漂移问题。其次,多示例学习中包模型判别函数的构建利用了Fisher线性判别函数,直接在实例水平选取最优分类器。最后,本文从梯度下降的视角来优化分类器的选取,每一次弱分类器的选取都以损失函数减少最多为条件,这样可以从抑制误差传播角度看待分类器的选取,当前帧训练得到的强分类器对于下一帧同样具有判别性。为了验证机器人内部跟踪算法的跟踪精度与鲁棒性,课题在不同场景下对MILFLD算法做出10组验证性实验。实验结果表明本文算法能有效地应对各种现实场景下运动目标的跟踪,在尺度与光照变化、快速运动、存在目标相似物以及部分遮挡情况时,都具备非常良好的跟踪稳定性与鲁棒性。为了验证机器人在实际环境中的跟踪精度好坏,课题在现实场景中对机器人运动跟踪同样做了几组实验。由实际场景中双目视觉机器人跟踪结果可以看出,本文提出的算法能有效解决移动机器人目标跟踪中的目标物快速运动、目标物发生遮挡、目标物突然消失以及光照变化等问题。
【关键词】：移动机器人 双目视觉系统 视频跟踪 多示例学习 半监督学习
【学位授予单位】：浙江理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP242
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-18
• 1.1 课题背景和意义9-10
• 1.2 国内外研究现状10-14
• 1.2.1 视觉机器人研究现状10-11
• 1.2.2 立体视觉的研究现状11-12
• 1.2.3 目标跟踪研究现状12-14
• 1.3 论文的主要研究工作与结构安排14-18
• 1.3.1 研究内容14-17
• 1.3.2 后续章节安排17-18
• 第二章 双目立体视觉系统18-26
• 2.1 摄像机的成像模型18-20
• 2.2 立体视觉模型20-21
• 2.3 摄像机标定模型21-25
• 2.3.1 图像坐标系、摄像机坐标系和世界坐标系22-23
• 2.3.2 本文使用的摄像机标定模型23-25
• 2.4 本章小结25-26
• 第三章 移动机器人视频跟踪系统26-35
• 3.1 视频跟踪理论基础26-29
• 3.1.1 多示例学习26-27
• 3.1.2 半监督学习27-29
• 3.2 图像的特征表示29-31
• 3.2.1 基于稀疏表示的类Haar特征29-30
• 3.2.2 弱分类器的构建与更新30-31
• 3.3 视频跟踪系统的整体构建流程31-33
• 3.3.1 结合先验知识的多示例学习跟踪31-32
• 3.3.2 目标回找机制32-33
• 3.4 本章小结33-35
• 第四章 结合先验知识的多示例学习跟踪35-53
• 4.1 样本重叠率先验信息35-37
• 4.2 在线分类器的构建37-41
• 4.2.1 Fisher线性判别模型37-39
• 4.2.2 梯度下降模型39-41
• 4.3 算法总体流程41-42
• 4.4 实验42-51
• 4.4.1 初始化参数配置43
• 4.4.2 实验结果和分析43-51
• 4.5 本章小结51-53
• 第五章 双目视觉移动机器人的目标跟踪53-66
• 5.1 移动机器人中的立体视觉系统53-55
• 5.1.1 Bumblebee2双目摄像机53-54
• 5.1.2 图像坐标与像素坐标54-55
• 5.2 双目视觉移动机器人的目标跟踪55-59
• 5.2.1 机器人的配置参数55-56
• 5.2.2 运动跟踪的实现过程56-59
• 5.3 移动机器人目标跟踪与定位59-65
• 5.3.1 实际场景中的移动机器人目标跟踪59-63
• 5.3.2 目标物的定位63-65
• 5.4 本章小结65-66
• 第六章 总结与展望66-68
• 参考文献68-73
• 致谢73-74
• 攻读学位期间的研究成果74

【相似文献】

中国期刊全文数据库 前10条

1 李海军;;基于双目视觉的自动跟踪系统应用[J];火力与指挥控制;2010年01期

2 胡天翔;郑加强;周宏平;;基于双目视觉的树木图像测距方法[J];农业机械学报;2010年11期

3 李梦和;林川;潘盛辉;;基于双目视觉的矿井机车定位方法[J];煤矿机械;2012年04期

4 祝世平,强锡富;基于坐标测量机的双目视觉测距误差分析[J];电子测量与仪器学报;2000年02期

5 汪倩倩;申忠宇;张亮;;基于双目视觉模型的彩色目标实时检测与定位[J];南京师范大学学报(工程技术版);2008年01期

6 潘浩;赵宇明;;基于双目视觉的客流监测系统[J];微计算机信息;2009年33期

7 单宝华;申宇;;基于双目视觉的拉索模型自由振动监测试验[J];土木工程学报;2012年11期

8 纪超;王庆;;基于双目视觉的自主空中加油算法研究与仿真[J];系统仿真学报;2013年06期

9 岳亮;;一种基于双目视觉的安全车距测量方法[J];电视技术;2013年15期

10 许明杰,王洪荣;双目视觉中恢复模型点的方法──公垂线法[J];指挥技术学院学报;1997年02期

中国重要会议论文全文数据库 前7条

1 孟环标;杨兴强;李雪梅;;基于双目视觉的测量系统误差分析[A];第五届全国几何设计与计算学术会议论文集[C];2011年

2 朱宗磊;殷福亮;;基于双目视觉的目标检测与跟踪系统[A];2010年通信理论与信号处理学术年会论文集[C];2010年

3 王荣本;张明恒;毛晓燕;;双目视觉技术在环境探测中的应用[A];中国宇航学会深空探测技术专业委员会第二届学术会议论文集[C];2005年

4 张静;李琳;刘晓平;;基于双目视觉的虚拟手的实现[A];计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（上册）[C];2006年

5 吴涛;刘欣;;基于单双目视觉信息融合的障碍检测方法[A];中国宇航学会深空探测技术专业委员会第二届学术会议论文集[C];2005年

6 孙明;;基于双目视觉的移动机器人避障研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

7 杜英魁;韩建达;唐延东;;基于双目重建不确定性的动态特征滤除[A];第七届全国信息获取与处理学术会议论文集[C];2009年

中国博士学位论文全文数据库 前2条

1 陈学惠;基于移动机器人双目视觉的井下三维场景重建方法研究[D];中国矿业大学（北京）;2012年

2 陈希章;基于双目视觉的弧焊机器人焊缝三维信息获取研究[D];上海交通大学;2007年

中国硕士学位论文全文数据库 前10条

1 麦树彬;基于双目视觉的色盲辅助技术的研究[D];华南理工大学;2015年

2 徐宏;基于双目视觉和稀疏表示的智能倒车控制研究[D];西南交通大学;2015年

3 李辉;田间机器人的双目视觉系统误差分析研究[D];内蒙古大学;2015年

4 逯沛龙;基于FPGA的双目视觉图像预处理系统设计与实现[D];南京理工大学;2015年

5 王婷婷;基于GPU的双目视觉运动目标检测跟踪算法研究[D];哈尔滨工业大学;2015年

6 王昌盛;基于ORB算法的双目视觉测量研究[D];哈尔滨工业大学;2015年

7 赵程;具有圆面特征的非合作目标双目视觉位姿测量[D];哈尔滨工业大学;2015年

8 路研研;在轨航天器双目视觉图像采集与处理系统研制[D];哈尔滨工业大学;2015年

9 曹之乐;基于双目视觉的焦点定位方法研究与应用[D];重庆理工大学;2015年

10 王洪伟;基于双目视觉的红绿灯路口安全距离预警研究[D];安徽工程大学;2015年

  本文关键词：基于双目视觉的移动机器人跟踪技术研究，，由笔耕文化传播整理发布。

本文编号：353730