基于机器视觉的远程巡逻报警机器人

发布时间：2022-07-01 10:30

　　随着人工智能的迅猛发展,机器人的研究也有了长足的进步,许多不同类型的自动化机器人正逐渐取代人工,既提高了工作效率,同时又降低了生产与人工成本。然而,在实际应用过程中,由于受到地形环境的限制,外界环境的干扰比如光照变化,遮挡,视频背景的抖动等影响,动态背景下目标的检测与跟踪仍然是一项具有研究意义的课题。为解决上述问题,本文设计了一款自动巡逻与人工遥控相结合的智能巡逻机器人,针对复杂地形环境,该机器人运动方式为履带式,由于增加了与地面之间的接触面积,履带式机器人在运动过程中具有更强的通过性。针对动态背景下视频处理速度较慢,正确识别率较低等等问题,本文提出一种超像素算法与动态补偿算法相结合的目标检测算法。首先使用超像素算法对视频图像进行逐帧处理,将视频图像中的内容进行分类,这一过程大大降低了图像中待处理像素的个数,同时又保留了视频图像中的关键信息,随后对图像进行特征点的提取和匹配计算,找出图像中特征点的关键信息后对两帧图像进行配准操作以消除由于背景运动给目标检测带来的影响。最后使用帧间差分操作和图像的形态学操作描述目标轮廓。为解决在动态跟踪过程中由于目标被遮挡所造成的目标丢失的问题,本文提出... 

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题研究的背景与意义
    1.2 国内外发展与研究现状
        1.2.1 履带式机器人发展现状
        1.2.2 检测与跟踪研究现状
    1.3 论文结构安排主要内容
第二章 机器人总体设计
    2.1 总体功能设计
    2.2 总体硬件设计
        2.2.1 运动控制芯片
        2.2.2 视频传输芯片
        2.2.3 电机驱动部分
        2.2.4 电机及霍尔编码器
        2.2.5 摄像头部分
        2.2.6 光电传感器
    2.3 总体软件设计
        2.3.1 PC端视频监控部分
        2.3.2 动态检测模块
        2.3.3 手机控制端
        2.3.4 机器人运动控制程序
    2.4 本章小结
第三章 动态背景下的目标检测
    3.1 超像素处理
    3.2 提取特征点估计运动参数
        3.2.1 Harris角点检测
        3.2.2 FAST角点检测
        3.2.3 SIFT算法
        3.2.4 SURF算法
        3.2.5 检测方法比较
    3.3 动态补偿
        3.3.1 逐帧补偿
        3.3.2 RANSAC算法
    3.4 识别区域
        3.4.1 图像滤波
        3.4.2 帧间差分操作
        3.4.3 形态学操作
    3.5 实验结果与分析
    3.6 本章小结
第四章 动态背景下的目标跟踪
    4.1 均值漂移算法
    4.2 Camshift算法
    4.3 卡尔曼滤波算法
        4.3.1 建立空间模型
        4.3.2 运动参数估计
    4.4 自适应卡尔曼滤波算法与Camshift算法融合
        4.4.1 遮挡程度检测
        4.4.2 融合算法步骤
    4.5 算法流程及实验分析
        4.5.1 快速运动测试
        4.5.2 遮挡测试
        4.5.3 光照变化测试
        4.5.4 综合分析
    4.6 本章小结
第五章 总体测试
    5.1 硬件实物图
    5.2 软件平台测试
    5.3 检测测试
    5.4 检测跟踪测试
    5.5 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
攻读硕士学位期间发表论文情况



本文编号：3654074