基于均值漂移和粒子滤波相结合的水下运动目标跟踪

泳池是一个变化较大的动态场景,会受到气泡、光照强度和水波等因素的干扰,针对泳池环境的复杂性特点,本文提出一种基于均值漂移和粒子滤波相结合的水下运动目标跟踪算法。首先,结合Mean Shift算法中的核函数原理和目标模型,以RGB颜色直方图为核心建立水下运动目标模型,然后在粒子滤波跟踪水下目标的过程中,利用Mean Shift算法对粒子进行收敛,使粒子的分布更加接近目标的真实位置。仿真试验结果表明,本文提出的算法能够克服水波、阴影、气泡、遮挡等因素的干扰,实现了水下复杂背景下的实时稳定的目标跟踪。     

采用改进Mean Shift算法的移动机器人行人跟踪

为了提高移动机器人目标跟踪系统在复杂环境中的跟踪性能,提出在双层定位机制下采用基于自适应核函数的Mean Shift算法实现目标跟踪.利用射频识别器件(RFID)检测携带标签的目标,实现外层粗定位并确定感兴趣区域(ROI);在内层则根据对视差图的ROI的处理结果确定初始搜索窗口,然后应用基于自适应核函数的Mean Shift算法在从立体相机获得的左图中应用基于自适应核函数的Mean Shift算法实现对目标的精确定位.自适应核函数由目标的区域特征与Epanechnikov函数相融合构成,克服了目标边缘处背景像素对目标颜色概率分布的影响.与传统的Mean Shift算法相比,所提方法在同色背景干扰下仍能准确跟踪目标.另外,RFID限定了图像搜索范围,节省了运算开支,图像处理的平均时间为62.11 ms/frame,满足实时跟踪的要求.实验结果表明,该方法可实现移动机器人在同色背景干扰、遮挡、目标快速移动等情况下的目标跟踪.     

跟踪窗口自适应的Mean Shift跟踪算法

目的：针对传统Mean Shift跟踪算法中当目标发生形变时因跟踪窗不能动态改变导致跟偏甚至跟丢的缺陷,提出了一种新的跟踪窗口大小和方向自适应的改进算法。方法：首先采用跟踪窗口内协方差矩阵的主分量分析方法来计算跟踪目标的方向和尺寸大小;然后联合相似性度量和卡尔曼滤波器来更新跟踪窗口。结果：实验证明,本算法针对不断旋转和缩放的运动目标仍能对其进行准确实时的跟踪。结论：改进算法能够满足非刚体目标跟踪系统的要求。     

基于显微镜聚焦的微装配视觉伺服研究

利用显微镜聚焦理论,沿显微镜光轴方向移动物体,不断计算图像的灰度变化之和,可判断出物体沿光轴的坐标,将这一坐标集成在伺服控制方程中,可完成立体视觉跟踪。这样,采用单目视觉系统就可以获得物体的三维坐标,避免了双目立体视觉系统的复杂结构。为了提高系统图像处理速度,利用卡尔曼滤波器对跟踪的特征点进行预测,并用窗口处理技术减小图像处理区域。实验和仿真结果表明,上述方法可完成复杂微装配的视觉跟踪,系统有好的实时性。     

关于驾驶员眼睛检测与跟踪的研究

本文采用红外LEDs和CMOS图像传感器获取人脸图像和眼睛候选区域,再用支撑向量机(SVM)眼睛分类器验证并确定眼睛的位置,完成对驾驶员眼睛的准确定位;在眼睛的跟踪上,针对Kalman滤波和Mean Shift理论本身的缺陷,提出Kalman滤波和Mean Shift相结合的跟踪算法,不仅提高了跟踪的效率和跟踪的鲁棒性,还实现了模板的自动更新。     

基于均值偏移快速算法的红外目标跟踪

在光电跟踪设备中,传统的嵌入式跟踪器一般采用形心、相关等算法,在复杂背景下或目标受到遮挡时会丢失目标。为了能够使目标跟踪器具有抗遮挡的能力,在嵌入式目标跟踪平台上引入了均值偏移算法。在硬件的设计上,利用FPGA并行运算效率高的特点,设计了基于FPGA的直方图统计计算模块,该模块实时的将每一帧的直方图计算结果存储在SDRAM上,然后利用DSP进行均值偏移的迭代运算,在算法上针对红外图像设计了融合图像位置和像素灰度特征的改进核函数直方图作为目标特征,并提出了改进的快速均值偏移算法使其满足DSP的运算速度要求。实验表明系统在背景复杂和目标受局部遮挡时可以连续跟踪目标。跟踪性能好于传统的以型心为算法的跟踪器。在目标区域大小为64×64像素大小时,平均计算速度为22 ms。该系统和所使用的算法可支持大部分红外相机对目标的实时稳定跟踪。     

基于DM6437的运动目标跟踪系统研究

基于DM6437开发板和Mean Shift算法设计出一个目标跟踪系统.DM6437是TI公司推出的一款高性能适于图像处理的DSP芯片.Mean Shift算法采用核函数直方图建模,对目标遮挡、变形以及背景的变化都不敏感,而且它的算法实时性好,有利于在DSP上的实现.该系统对PC机上的选定目标实现了较好的跟踪效果.     

基于EKF的GMAW实时焊缝跟踪研究

熔化极气体保护电弧焊（gas metal arc welding,GMAW）焊接过程存在惯性大、时滞大等非线性特征以及不确定的干扰因素。为了提高焊接质量,文章提出了一种基于扩展卡尔曼滤波器（extended kalman filter,EKF）算法的焊缝实时跟踪技术,采用霍尔电流传感器来捕捉实时焊接电流。为了实现焊枪摆动中心始终对准焊缝中心,文章通过有限长单位冲激响应滤波器（finite impulse response,FIR）对采集的电流进行滤波,并建立提取焊枪高度和水平偏差的数学模型,采用EKF实现控制焊枪。通过在有垂直和水平方向偏差的焊缝上进行实验验证,结果跟踪精度可达到±0.25 mm,所以该方法可满足机器人实时跟踪的要求。     

基于组合带宽均值迁移的快速目标跟踪

为了解决传统均值迁移(Mean shift)目标跟踪算法中跟踪窗口容易收敛至局部概率模式的问题,提出一种基于组合带宽Mean Shift的目标跟踪策略,并建立了一种自适应学习率的over-relaxed优化策略以加速收敛过程。根据目标尺度设定了一组从大到小排列的带宽序列,并依次根据每个带宽进行Mean Shift迭代收敛运算,利用大带宽的平滑作用避开局部概率模式的干扰;依靠小带宽进行精确定位,最终使其收敛到真实目标区域。由于组合带宽Mean Shift会造成一定的额外运算量,为此引入over-relaxed优化策略加速迭代过程。在边界优化算法的收敛条件约束下,根据采用over-re-laxed策略前后相关系数的变化,自适应地调整学习率。实验结果表明,组合带宽Mean Shift能够有效地跟踪快速运动的目标,并且当目标短暂丢失时也有一定的恢复能力;实验采用over-relaxed策略后,收敛次数减少了30%～70%。     

尺度方向自适应Mean Shift跟踪算法

在分析尺度空间理论和Mean Shift 跟踪算法的基础上,提出了一种尺度方向自适应Mean Shift跟踪算法.根据起始帧图像中目标和背景的差异,分割出目标覆盖区域,并根据尺度空间理论对目标建立最佳描述椭圆.对于后续帧,以上一帧目标的最佳椭圆描述为初始值,根据Mean Shift迭代原理依次更新椭圆参数.实验结果表明,新算法可以有效、稳健地适应目标旋转缩放等复杂运动.     

基于色度饱和度-角度梯度直方图特征的尺度自适应核相关滤波跟踪

针对核相关跟踪算法(KCF)对特征敏感及无法跟踪尺度的问题,本文从特征提取和尺度自适应两个方面对核相关滤波跟踪算法进行了研究。提出了一种基于色度饱和度-角度梯度直方图特征的自适应核相关跟踪算法来改善KCF算法的跟踪性能。首先,研究了HSI颜色空间的特点,基于颜色和梯度是互补的图像特征,提出了一种融合了梯度和颜色的HHS-OG特征来有效提高原始KCF算法对目标和背景的判别力。其次,针对KCF无法处理目标尺度变化的问题,在跟踪的检测阶段采用一组固定的尺度因子进行图像块采样,根据得到的滤波响应图估计目标的最优位置和尺度。将所提算法在大量视频序列上进行了跟踪实验,结果显示其平均跟踪速度为37.5frame/s,跟踪精度和成功率分别提升了5.4%和10.1%。实验表明HHS-OG特征具有良好的目标-背景判别能力,能够实现鲁棒跟踪,而尺度自适应策略能较大程度地提高跟踪精度。     

一种改进的均值移位红外目标跟踪算法

为了增强复杂背景条件下红外目标跟踪的稳健性,提出了一种改进的均值移位目标跟踪算法。该算法融合了均值移位的梯度匹配搜索策略的优势与基于特征分类跟踪算法强鲁棒性的优点,建立了灰度似然比加权的核直方图目标表征模型。模型中加入了目标与局部背景灰度特征的似然比作为原始核直方图的权值,应用该模型的均值移位算法能够进一步提高目标像素灰度的移位权重,有效抑制背景干扰,进而提高低对比度目标跟踪的稳健性。同时,基于跟踪复杂度估计提出了目标遮挡情况下的模型更新判别准则,提高了算法的自适应性能。实测红外目标跟踪实验表明了该算法简单、有效。     

适应移动智能设备的目标跟踪器

针对增强现实技术在移动智能设备上应用需求,设计了一种适应移动智能设备嵌入式系统的目标跟踪器。在特征描绘阶段采用亮度信息进行二值特征的快速分割并建立强显著性的二值特征描绘器;在特征选择阶段提出一种稀疏跟踪搜索模板进一步提高跟踪算法的执行效率。然后,在跟踪器中建立了存储目标初始信息的静态库与不断更新目标外观或运动变化信息的动态库,通过对比静、动态库与搜索模板区域中的信息确立跟踪目标位置。对跟踪器执行时间进行了对比,结果表明:在保证较高的跟踪精度条件下,采用稀疏搜索模板能明显改善算法的执行时间,将搜索半径设为10可在绝大多数情况下满足跟踪器的实时要求。对跟踪器的有效能力亦进行了对比,结果显示:在3组不同搜索半径下,提出的DBRISK描绘方法的平均跟踪误差相对于BRISK(Binary Robust Invariant Scalable Keypoints)方法分别下降了16%、28%和29%。实验表明:提出的方法能够明显改善跟踪器的信息提取准确度,适用于计算能力有限的移动智能设备。     

全方位自动导引车的导航与控制系统研究

为了提高全方位自动导引车(AGV) 的导航精度和实时性,文中对其导航和控制系统进行了深入研究。首先,对基于麦克纳姆轮的全方位AGV 进行了运动学分析,建立了运动学模型;随后,使用卡尔曼滤波对两种不同原理的定位方式进行了融合,弥补了二者各自的不足,在保证定位频率的前提下,提高了定位精度和鲁棒性;使用PID 控制实现了全方位AGV 的路径跟踪,实现了系统的自动控制;最后,在实验中验证了算法的有效性。经过测试,全方位AGV 行驶精度可以达到10 mm,导航和控制系统具有良好的稳定性和实时性。     

独立驱动电动汽车质心侧偏角融合估计方法

针对传统质心侧偏角估计精度低、实时性差等问题,把四轮独立驱动电动汽车作为研究对象,提出一种基于强跟踪卡尔曼滤波及无迹卡尔曼滤波融合估计的质心侧偏角估计方法。由于汽车在侧向加速度较小时车辆动力学特性基本呈线性变化,此时通过强跟踪卡尔曼滤波快速估计,当汽车侧向加速度较大时车辆动力学特性趋于非线性变化,通过无迹卡尔曼滤波准确估计。最后将两种估计方法的数据融合,完成不同车速不同工况下对车辆质心侧偏角的估计。搭建Simulink-Carsim联合仿真平台对提出的方法进行验证,结果表明该方法在保证估计精度的同时具有较好的实时跟踪效果及鲁棒性。     

一种改进的粒子滤波跟踪算法的应用研究

粒子滤波跟踪算法计算量大且存在严重的粒子退化现象,因此提出了将均值漂移算法嵌入到粒子滤波的跟踪框架中的算法,该算法可以改善粒子滤波的退化现象,大大减少了算法的运行时间,同时克服了均值漂移算法容易陷入局部最大且无法恢复的缺点。监控系统应用的仿真实验结果表明,该方法具有较强的实时性和鲁棒性。     

Real-time accurate odometer velocity estimation aided by accelerometers

In strap-down gyro-compass in-motion alignment, the alignment accuracy depends not only on the quality of the gyroscopes and accelerometers, but also on the accuracy of the velocity provided by the aiding sensors such as odometers. To improve the accuracy of the in-motion alignment, real-time accurate odometer velocity estimation is required. In this paper, the effect of the noise of the odometer velocity on strap-down gyro-compass in-motion alignment accuracy is presented, based on the strap-down gyro-compass algorithm. A velocity tracking model is designed as the state model, to describe the relationship between and among the vehicle’s velocity, acceleration and jerk in the vehicle frame. Based on the velocity equation applied to strap-down navigation system mechanizations, the vehicle’s acceleration in the vehicle frame can be obtained from the specific forces measured by accelerometers. With the observations including the vehicle’s acceleration in the vehicle frame and the vehicle’s velocity in the vehicle frame obtained from the odometer using the first order difference algorithm, real-time velocity estimates are produced by a Kalman filter. The field test results show that the proposed method can successfully improve the accuracy of the odometer velocity. The comparison with the traditional method highlights the superior performance of the proposed method.