运动背景星空图像中小目标的运动轨迹提取算法

提出了一种序列星图中目标运动轨迹的提取算法.利用交叉投影方法提取星点,确定包含星点的区域.然后,利用序列图像中最亮的一组星点的质心估计星图的全局运动参数,并进行图像匹配,滤除背景恒星.最后,提出了一种目标运动轨迹的提取算法.实验结果表明:该算法对于在序列图像中运动轨迹不连续的空间小目标(≥1 pixel)可以进行准确的轨迹提取,并且具有较强的鲁棒性.     

视觉引导下机器人任意轨迹跟踪试验研究

建立一种实用的视觉引导下的工业机器人对一般形状、任意轨迹运动物体的跟踪系统。视觉系统采用合作目标识别的方法从图像中提取出目标物体,基于直接线性变换方法实时计算得到运动物体的位置信息。利用机器人关节空间的路径规划和路径修正命令实现对物体跟踪。     

基于DM642的运动目标检测与跟踪系统

运动目标的检测与跟踪在许多领域有着广泛的应用,是应用视觉研究的焦点之一。设计了一种基于DM642的运动目标检测与实时跟踪系统。运动目标检测采用基于Ⅲ矿色彩空间的单高斯背景建模结合形态学处理的算法;运动目标跟踪采用基于亮度纹理信息的CAMShifI跟踪算法。系统利用跟踪算法计算目标位置信息,通过P~$485总线控制摄像机伺服设备,以跟踪运动目标。在DM642EVM板上实现了该系统,实验表明这种检测和跟踪方法是快速有效的。     

基于状态分割的运动目标实时跟踪

针对基于云台的移动式摄像头视频监控系统,为准确、实时地对运动目标实施检测、跟踪,提出了一种基于状态分割思想的运动目标实时跟踪方法。该方法将运动目标检测跟踪过程按摄像头的运动状态分为静止、运动2个阶段。在摄像头静止阶段,采用基于混合高斯模型的背景差法检测运动目标,提取目标的颜色特征信息;在摄像头运动阶段,采用Camshift算法对运动目标进行跟踪。开发了基于 OpenCV 开源库的算法程序。实验结果表明,在目标颜色特征显著的情况下,该方法实现了移动式摄像头对运动目标的精确跟踪,并具有较好的鲁棒性和实时性。      

基于改进遗传算法的机器人运动轨迹跟踪控制

通过对机器人的运动轨迹准确跟踪控制,能够有效提高机器人路径规划和自主定位的准确性。机器人在运动过程中运动轨迹受到小扰动分段线性误差的影响,机器人系统是一个多变量非线性系统,传统的遗传算法进行运动轨迹跟踪控制在边界层出现稳态跟踪误差。针对以上问题提出一种基于改进遗传算法的机器人运动轨迹跟踪控制算法。模拟构建所研究的机器人的运动环境模型,把机器人运动轨迹的空间坐标抽象为遗传种群的虚拟世界,得到机器人运动空间的网格结构模型。通过遗传进化的方式寻找目标点并进行移动,为了使得机器人的运动轨迹控制满足遗传算法的匹配条件和参数摄动带来的误差,在机器人运动轨迹滑膜面设计一个跟踪误差的积分项,实现算法改进。仿真结果表明:采用该算法进行机器人运动轨迹控制,能以较快的收敛速度找到最优路径,机器人跟踪控制性能精确度和收敛性较好,性能优越。     

毫米波雷达微弱行人轨迹跟踪-预测一体化方法

针对城市道路场景微弱行人目标雷达回波信号极易被强背景杂波淹没,导致目标轨迹跟踪及预测失效难题,提出了一 种基于调频连续波-多输入多输出毫米波雷达的微弱行人轨迹跟踪-预测一体化方法。 首先,利用递归贝叶斯检测前跟踪算 法,直接从未经阈值处理的雷达三维原始频谱数据中提取目标运动轨迹,解决了传统阈值决策信息丢失带来的跟踪性能下降问 题,并在此基础上提出了一种基于 Transformer 的端到端轨迹预测模型,进一步挖掘隐藏在跟踪轨迹中的时空相关性,完成了微 弱行人目标轨迹的精准预测。 实验结果表明,方法在信噪比大于-20 dB 时,预测轨迹的平均位移误差和最终位移误差分别小 于 0. 706、1. 215 m,均优于高斯过程、长短期记忆网络等传统方法。     

智能图像监控系统异常目标检测算法研究

为实现智能家居中的实时安全监控,提出了一种基于嵌入式平台和无线通讯的智能视频监控系统方案,并设计了智能视频监控系统中的异常目标检测算法。以背景差分法为基础,采用自适应闽值、运动目标跟踪及背景更新等方法,克服了背景光线变化、阴影及小目标带来的干扰,提出并实现了动态目标跟踪检测功能。该系统能够有效地对监控区域目标状态进行监测,并能根据监测结果进行报警等安全操作。实验结果表明,系统具有很高的实时性、可靠性和实用性。     

应用摄像机标定的机械臂轨迹跟踪控制系统

机械臂轨迹跟踪控制时受目标物体质心投影轨迹不清晰的影响,无法得出目标物体准确坐标值,在机械臂位置增量为(10.52～30.52)mm的范围内存在控制时延过长的问题,因此提出一种应用摄像机标定的机械臂轨迹跟踪控制系统.系统硬件构成包括工控模块、反馈模块.由主控单元、UVC摄像头、视频服务器构成工控模块;由反馈控制器、执行器、前馈控制器组成反馈模块.在系统软件部分,通过摄像机标定算法实现机械臂的轨迹跟踪,引入直线插补算法,通过机械臂已知运动轨迹插补得到完整运动的坐标点,得出目标物体准确坐标值,实现机械臂的运动控制.为了证明该系统在(10.52～30.52)mm的机械臂位置增量范围内控制时延较短,将其与原有系统进行对比实验,实验结果证明该系统的控制时延更短,跟踪准确度高,实现了系统性能提升.     

基于HOG和SVM的公交乘客人流量统计算法

针对公交乘客人流量统计准确度不高的问题,提出一种基于HOG和SVM的人流量统计算法。首先采用机器学习的方法,提取人头部的HOG特征,将SVM作为学习训练方法,得到关于人头的线性目标分类模型的分类器,成功检测出人头;其次通过数据关联,将Camshift算法作为人头目标跟踪算法,并利用tracking-by-detection机制,实现多目标跟踪,稳定地捕获人头目标的运动轨迹;最后对轨迹分析,判断目标是否越过设定的计数线,从而完成对公交乘客人流量的自动计数。实验表明该算法统计准确率有明显提高,且误检率较低,特别是在白天光照条件较好时,能够实现人流量的有效计数。     

基于薄板样条函数的无人机多目标跟踪算法

针对无人机单机载相机运动下的多目标跟踪存在目标位置漂移和状态预测失效等问题,提出了一种基于薄板样条函数的无人机多目标跟踪方法。利用空间变换函数刻画无人机运动,构建无人机运动下的目标状态空间模型,利用外观特征初始化轨迹与量测对应关系,根据初始对应关系并计算薄板样条函数的最小二乘解求解出模型未知参数,进而根据模型预测轨迹运动状态,并结合外观进行数据关联。此外,本文将空间变换参数引入卡尔曼滤波方程,实现了相机运动下轨迹状态的最优估计,并通过有效的轨迹管理方法实现了轨迹初始化与终止、漏检与误检的处理。本文所提算法与当前3种主流目标跟踪方法在无人机数据集上进行了比较,实验结果表明,本文算法在所有的实验数据中均取得了最优的跟踪结果,且与现有主流算法MDP相比,本文算法多目标跟踪准确率提升了2.75%。     

轮式移动机器人轨迹跟踪控制算法的研究

为解决轮式移动机器人平面运动控制问题,将平面几何理论应用于轨迹跟踪控制中。建立了机器人平面运动模型,并以此为基础研究了直线和圆弧的轨迹跟踪控制算法;提出了导航圆方法,将机器人实时位置信息和目标轨迹之间的角度偏差及位置偏差综合成一个角度,然后对该角度进行了PID调节;在实验中,将直线、圆弧轨迹跟踪算法实际运用于机器人的运动控制。研究结果表明,该算法能将机器人轨迹的偏差有效地控制在±1 cm以内。     

位置随动系统轨迹规划算法研究

位置随动若完全依靠伺服系统对目标信号的响应,则会产生加速度过大而超过系统的响应能力,出现系统的振动和抖动等现象,控制难度大。若系统能根据随动目标动态实时地进行运动轨迹规划,则系统运行会更加平滑,控制难度大大降低。把随动系统分为移动定目标随动和移动不定目标随动两类,提出用5次样条曲线规划移动定目标随动轨迹的通用算法,实现整个随动过程速度、加速度和加加速度的连续,从而使得随动跟踪运动非常地平滑;提出移动不定目标随动轨迹实时S曲线规划算法,实现随动目标轨迹实时地计算,使得系统在多段随动轨迹间切换时速度、加速度的连续,保证随动跟踪运动的平滑性。     

基于Camshift和Kalman滤波结合的改进多目标跟踪算法

Camshift算法具有很好的实时性,但是存在遇到大面积与目标颜色相近的背景干扰、目标被严重遮挡时跟踪失效,只能对单目标进行跟踪等问题。针对这些问题,提出了Camshift结合Kalman滤波的改进算法,采用改进算法的跟踪器对每个检测出来的目标进行分别跟踪,从而实现多目标跟踪。实验表明本文提出的改进算法能有效地克服以上问题,并且能达到实时性要求。     

基于斜率约束和回溯搜索的水下多目标跟踪方法

针对复杂水域环境下的多目标跟踪问题,本文提出了一种基于斜率约束和回溯搜索的多目标跟踪方法。首先,基于方位测量数据和水下目标运动学分析,利用门限阈值的方法检测目标。然后,基于传统多假设跟踪算法框架设计一种新的斜率约束和共用量测的假设生成规则。在航迹中断时,通过回溯搜索的方法确定中断起始航迹点,利用容积卡尔曼滤波对中断航迹预测和补偿,同时对假设生成结果减枝,以达到降低算法空间复杂度的目的。试验结果表明:该方案能够实现多目标自动关联跟踪、中断航迹自动预测、自动航迹终止等任务,目标跟踪平均均方根误差0.594 4°,算法平均运行时间0.826 5 s。     

动态特征块匹配的背景更新在运动检测的应用

为解决传统监控设备视场小、非智能等缺陷,结合全景成像技术和计算机视觉技术,建立无人环境下外来入侵自动检测系统,从而实现了全景监控视场下运动目标快速准确的检测及跟踪。该技术关键在于如何在复杂的动态背景下有效地提取运动目标,为此提出一种基于动态特征块匹配的自适应背景更新算法。在采用帧间差分与背景差分融合算法检测到目标的基础上,利用目标的矩信息进行跟踪,避免了全景视觉下颜色及轮廓特征缺失的弊端。根据目标的轮廓及位置提取特征块,将视频序列的每一帧图像与初始背景图像进行特征块区域的局部匹配,首先通过分析特征块图像的颜色特征,构建基于区间统计的RGB颜色直方图,提取颜色特征序列。然后通过计算序列相关性来判断该区域是否需要背景更新,从而降低对单个像素更新的冗余计算。实验表明,该更新算法具有较强的鲁棒性和可行性,能够有效提高监控系统的稳定性。     

基于工业物联网的钢管跟踪及质量监测系统

为了对钢管实现更精确的跟踪,特别是对其进行逐只跟踪和质量监测,详细设计了钢管跟踪及质量监测系统。基于工业物联网技术并结合钢管生产流程,分析了钢管跟踪与质量监测系统的信息结构。在此基础上详细描述了设备终端层、通讯层和应用软件层这3大模块,结合实际应用需求分别对3层模块进行了具体设计。设计应用结果表明,该系统能够有效地实现钢管的跟踪和质量监测目标,从而提高钢管生产流程的信息化水平。     

在线加权多示例学习实时目标跟踪

由于原始多示例学习（MIL）跟踪的分类效果和实时性较差,提出了一种加权在线多示例学习跟踪算法。首先,根据所选定目标位置分别采集目标和背景样本集,通过对所采集样本集特征的在线学习生成弱分类器集;然后,用计算样本集对数似然函数的最大值的方法从弱分类器集中选择K个最优的弱分类器,给每个弱分类器赋不同的权值,生成一个强分类器;最后,在新的一帧中抽取目标和背景样本,用生成的强分类器对待分类的目标和背景进行分类;分类结果映射成概率值,概率最大样本的位置就是所要跟踪目标的位置。对不同视频序列的测试结果表明,该跟踪算法的跟踪正确率达93%,目标大小为43 pixel×36 pixel时处理帧率约为25 frame/s。与原始多示例学习跟踪算法相比,本算法的实时性提高了67%。     

尾随运动车辆识别与超车检测方法研究

针对尾随车辆由于类型、尺寸、颜色、环境等非确定因素导致识别不稳定、不可靠的问题,提出基于时空域纵向投影跟踪滤波和相对运动检测的车辆识别与超车行为检测算法。首先在对比度空间对序列图像进行定向滤波,采用概率Hough变换估计车辆横向边缘,通过时间域投影方法过滤环境噪声,得到尾随车辆跟踪轨迹,同时使用光流法对序列图像特征角点进行跟踪检测,通过目标运动方向矢量将车辆和背景予以区分。在此基础上,采用车辆置信度函数对上述两种方法的识别结果进行综合决策,提出基于行为检测的超车检测算法。试验结果表明,该方法在结构化道路环境中能够快速准确提取近视场运动尾随车辆,对环境干扰和目标车辆类型变化具有较强的免疫能力。       

基于组态王的水箱液位PID控制设计

以PCT过程控制实验装置为基础,通过对双容水箱液位控制系统的分析建模来决定控制方案;采用增量型PID算法来实现对水箱液位的闭环控制;用凑试法对PID进行参数整定;应用组态王软件运行的液位监控系统来实现液位数据的实时采集、实时显示、历史波形的回放、报警记录以及液位PID控制。实验结果表明,系统能实现液位的无静态误差控制,且具有良好的稳态性能与动态性能。