基于視覺的移動(dòng)目標(biāo)識(shí)別與跟蹤算法研究與實(shí)現(xiàn).pdf

1、異構(gòu)機(jī)器人協(xié)同是擴(kuò)展單一機(jī)器人作用范圍，提高機(jī)器人完成復(fù)雜任務(wù)成功率的重要研究方向?？盏貦C(jī)器人協(xié)同系統(tǒng)便是典型的異構(gòu)機(jī)器人系統(tǒng)。本文依托空地機(jī)器人協(xié)同系統(tǒng)，以無(wú)人機(jī)對(duì)地面目標(biāo)識(shí)別與跟蹤為研究目標(biāo)。在計(jì)算機(jī)視覺技術(shù)理論研究的基礎(chǔ)上，完成無(wú)人機(jī)對(duì)地面機(jī)器人的識(shí)別和跟蹤。
　　本文對(duì)所依托的異構(gòu)機(jī)器人協(xié)同系統(tǒng)進(jìn)行了闡述，分析系統(tǒng)需求，設(shè)計(jì)了基于計(jì)算機(jī)視覺的目標(biāo)跟蹤方案，該方案設(shè)計(jì)了硬件實(shí)現(xiàn)平臺(tái)和目標(biāo)跟蹤的工作流程。
　　計(jì)算機(jī)視覺

2、算法的理論研究作為本文的重點(diǎn)內(nèi)容?？盏貦C(jī)器人協(xié)同系統(tǒng)中圖像的預(yù)處理主要是對(duì)自然天氣，傳感器震動(dòng)，隨機(jī)信道噪聲對(duì)原圖像造成的圖像退化現(xiàn)象進(jìn)行圖像復(fù)原工作。本文主要進(jìn)行圖像去噪方面的研究。首先利用K-means算法對(duì)圖像塊進(jìn)行分類，對(duì)不同子類別進(jìn)行字典學(xué)習(xí)，最后重建圖像，在重建的過(guò)程中，利用非局部相似方法提高圖像復(fù)原的效果。在對(duì)圖像進(jìn)行去噪處理后，便是目標(biāo)識(shí)別的工作。采用圖像匹配方法，使用具有較好魯棒性的SIFT特征，匹配過(guò)程中進(jìn)行了基于P

3、CA-KD樹算法改進(jìn)，為了進(jìn)一步提高匹配精度，使用Ransac算法進(jìn)行二次匹配。然后運(yùn)用透視變換找到目標(biāo)位置。得到目標(biāo)位置后，便是對(duì)其進(jìn)行目標(biāo)跟蹤。提出了一種結(jié)合Kalman濾波器校正的壓縮感知多尺度目標(biāo)跟蹤算法。該算法利用Kalman濾波器生成距離權(quán)值，使用加權(quán)貝葉斯濾波器校正跟蹤位置，在確定的位置上進(jìn)行多尺度的模板采集，以適應(yīng)尺度的變化。在分類器參數(shù)更新時(shí)，引入了自適應(yīng)的學(xué)習(xí)速率。
　　對(duì)四旋翼無(wú)人機(jī)跟蹤飛行實(shí)驗(yàn)進(jìn)行研究，構(gòu)建