基于双目视觉的四边形闭环跟踪算法

针对动态背景下视觉跟踪存在的错误率大、鲁棒性不强以及多目相机信息融合难等问题,提出一种基于双目匹配的视觉跟踪算法.结合双目相机的物理结构特点,该算法以四边形闭环方法对特征点进行匹配,实现特征点的双目匹配和立体跟踪,并优化匹配的搜索结构.算法首先采用高斯-拉普拉斯模板对图像进行滤波,利用Harris角点检测算法提取特征点并依次构造描述子序列,然后以绝对误差和作为匹配代价的衡量准则,建立四边搜索准则进行邻近搜索,同时引入RANSAC(随机采样一致性)算法进行可靠性筛选,最终通过4点构成的四边形闭环检测实现了特征点跟踪精度的改进.通过对不同分辨率、不同路况图像集进行测试实验,所提出的四边形跟踪算法特征跟踪正确率可达99.80%,鲁棒性和精度均优于光流法.     

基于投影直方图匹配的双目视觉跟踪算法

为了在机器人机械手双目视觉伺服系统中跟踪并精确定位目标的空间位置,提出了一种利用投影直方图匹配和极线几何约束的目标跟踪方法。分别在2个视觉中人工标定目标,并提取目标在多颜色空间的水平、垂直投影直方图作为匹配模板;在一个视觉中利用目标的运动一致性原则和投影直方图匹配搜索并跟踪目标;在另一个视觉中依据双目视觉系统的极线几何原理限定目标搜索范围,搜索并定位目标。该方法利用水平、垂直投影直方图描述目标的结构信息,同时完成了双目视觉系统中的目标跟踪与配准功能,有利于目标的精确定位和视觉测量。实验结果表明,该方法可在双目视觉系统中有效跟踪目标,运算效率高,鲁棒性强。     

基于双目立体视觉的船舶轨迹跟踪算法研究

双目立体视觉模型通过模拟人眼可以实现对目标距离的测量。为了获得水上船舶实时的运动状态,提出了一种基于双目立体视觉的船舶轨迹跟踪方法。首先,通过摄像机标定、线性空间点三维重建可以测得以相机为中心到船舶的距离,得到船舶的部分运动轨迹;其次,在双目立体视觉测距系统的基础上采用常速(Constant Velocity,CV)模型的方法对船舶运动建模;最后,对建立的船舶运动模型利用强跟踪卡尔曼滤波(Strong Tracking Kalman Filter,STKF)船舶轨迹跟踪的方法跟踪船舶的轨迹并估算目标船舶实时的运动状态。实验结果表明,基于双目立体视觉的船舶轨迹跟踪的方法能有效地跟踪船舶轨迹且适用于工程应用的需求。     

一种基于材质特征的视觉跟踪算法

该文提出了一种基于材质特征的视觉跟踪算法.该算法利用背景差分法将需跟踪的样本从静止背景中提取出来,然后在在HIS色彩空间内,以样本像素的H、I、S分量为坐标,得到离散空间曲面∑0,经平滑处理,得到局部连续曲面∑1.对跟踪视频序列每一帧的每一像素计算其S分量到达曲面∑1的最近距离,从而判断该像素是否属于要跟踪的样本材质.根据所有属于该材质的像素点的空间坐标,可计算出样本出现的范围.实验证明该方法简单、有效.解决了视频跟踪中根据材质进行跟踪的问题.     

一种基于双目主动视觉的线性自标定算法

从理论上推导出了绝对二次曲面包含了摄像机全部内参数和无穷远平面信息,并根据双目视觉之间的平移关系,扩展了无穷远平面信息对绝对二次曲面的线性约束,仅仅通过两幅图像就可以线性自标定和三维重建．大量仿真试验和真实图像说明本方法能够得到满意的结果,可以应用到实际视觉测量,并且也可以作为非线性自标定优化的初始值．     

一种基于双目立体视觉的图像校正算法设计

立体校正作为立体匹配的先决条件,能消除图像对对应像素的垂直视差,有效地提高立体匹配的精确度.针对校正带来的图像失真问题,研究了一种新的非标定相机的立体校正方法.该方法首先利用SIFT算法提取匹配点,再结合极线校正准则和雅可比行列式来构建能量函数,通过最小化能量函数求得基础矩阵和校正投影变换矩阵,并在像素级上优化了投影变换矩阵.研究结果表明:所设计的校正方法有效地减小了校正误差,更好地保持了原图像的重采样,降低了图像的失真度.     

基于双目视觉的车辆速度测量方法

为配合高速公路入口处的货车称重工作,需要测量车辆通过称重台时的实时速度.利用双目视觉技术测速具有成本低、部署简单、稳定性高的优点,具有广阔的应用前景.双目视觉测速的技术难点是目标的位移测量,其核心问题是目标在多帧图像间的精准匹配.文中提出了一种基于空间位置的匹配区域对齐算法与基于模板匹配的空间位移计算方法.具体地,利用...     

一种双目立体视觉算法的GPU实现

利用可编程图形硬件GPU实现了非参数局域变换双目立体视觉算法。该算法使用局部非参数统计的结果而不是像素灰度值作为匹配代价，相对于其它基于区域的立体匹配算法，具有物体边界区域处理稳定和适于硬件实现等优点。该文利用GPU的最新特性实现了算法的全部运算都在GPU上执行。由于GPU的并行流水特性，算法在GPU上的运算速度较在CPU上得到提高。     

一种基于核相关滤波的视觉跟踪算法

视觉跟踪是计算机视觉的一个重要方向,而核相关滤波(KCF)跟踪是视觉跟踪领域中的一种比较新颖的方法,它不同于传统基于目标特征的方法,不仅具有较高的跟踪精度,而且具有较快的跟踪速度,在实际应用中效果显著。但当物体快速运动或存在较大尺度变化等时,该方法无法准确地跟踪目标。文中提出的基于核相关滤波器的改进算法有效地解决了上述问题,其通过随机更新多模板匹配,确定了核相关滤波的学习因子,从而实现了学习因子自适应更新模型。实验结果表明,该算法根据不同的场景能快速地调整学习因子,从而提高跟踪的成功度。通过自适应学习因子和多模板匹配,该算法对部分遮挡、光照和目标尺度变化具有较强的适应性。     

一种基于目标先验信息的视觉跟踪算法

针对运动目标跟踪过程中出现的遮挡问题,提出了基于目标先验信息的视觉显著性遮挡目标跟踪算法。在粒子滤波框架下,利用目标先验信息生成视觉显著图,并根据粒子区域颜色特征与目标颜色特征模板之间的相似度来判断遮挡情况。当遮挡发生时,提高特征融合公式中显著性特征的融合权重,从而充分利用目标未被遮挡部分信息来完成跟踪。实验结果表明,利用目标先验信息的目标跟踪算法能显著提升跟踪遮挡目标的鲁棒性。     

基于双目视觉的羽毛球回收机器人目标跟踪与预测方法

针对现有的回收机器人对羽毛球的跟踪预测精度低问题,基于双目视觉技术,提出一种奇异值分解(Singular Value Decomposition, SVD)与混合高斯模型(Gaussian Mixed Model, GMM)结合KEF的羽毛球跟踪方法。该方法首先利用双目视觉技术采集羽毛球运动图像;然后通过SVD-GMM对羽毛球图像特征进行提取,并进行羽毛球三维轨迹重建;最后基于扩展卡尔曼滤波(Extended Kalman Filter, EKF)对羽毛球轨迹进行跟踪与预测。结果表明,SVD-GMM模型的羽毛球目标检测错检率、漏检率分别为0.5%、1.00%,羽毛球占比的平均误差值仅为0.14,单次羽毛球检测的平均耗时为0.86 s,具有较高的羽毛球提取精度和效率;基于EKF的跟踪预测模型输出的羽毛球落地位置的准确度较高,求解出的羽毛球落地位置较为精准;基于双目视觉技术的羽毛球跟踪预测方法能够实现对羽毛球落地时间及位置的精准预测,在羽毛球自动回收问题中具有一定的应用价值。     

基于混合注意力的Transformer视觉目标跟踪算法

基于Transformer的视觉目标跟踪算法能够很好地捕获目标的全局信息,但是,在对目标特征的表述上还有进一步提升的空间.为了更好地提升对目标特征的表达能力,提出一种基于混合注意力的Transformer视觉目标跟踪算法.首先,引入混合注意力模块捕捉目标在空间和通道维度中的特征,实现对目标特征上下文依赖关系的建模;然后,通过多个不同空洞率的平行空洞卷积对特征图进行采样,以获得图像的多尺度特征,增强局部特征表达能力;最后,在Transformer编码器中加入所构建的卷积位置编码层,为跟踪器提供精确且长度自适应的位置编码,提升跟踪定位的精度.在OTB100、VOT2018和LaSOT等数据集上进行大量实验,实验结果表明,通过基于混合注意力的Transformer网络学习特征间的关系,能够更好地表示目标特征.与其他主流目标跟踪算法相比,所提出算法具有更好的跟踪性能,且能够达到26帧/s的实时跟踪速度.     

基于双目视觉的手术器械跟踪定位技术

详细阐述了基于双目视觉的手术器械跟踪定位的工作原理与系统组成，并对手术器械跟踪定位技术中的摄像机标定、立体匹配等关键技术从原理和应用的角度分别进行了分析和讨论，最后指出了存在的问题和今后研究的方向。     

基于双目视觉动态跟踪的机器人标定

采用双目视觉动态跟踪技术对自主研发的工业机器人进行运动学标定。区别于以往机器人运动学标定中复杂模型计算,在此利用双目视觉动态跟踪系统的静态测量和动态跟踪等优势特性来跟踪测量机器人的连杆参数误差,结合机器人控制系统开放性特点,运用提出的动态标定原理对机器人实施连杆参数测量、辨识、修正及补偿。实验表明,通过参数反馈补偿,自主研发的机器人的定位误差明显降低,且该方法易于实现,为机器人精度研究提供了可靠依据。     

一种基于粒子滤波的混合声源跟踪算法

为了提高噪声和混响环境中说话人跟踪的精度,提出一种基于粒子滤波的混合声源跟踪算法。根据接收信号信噪比变化较大的特点,该算法使用相位变换加权的可控响应功率定位函数来计算每帧信号的粒子状态观测值,利用其方差将接收信号帧分为高信噪比和低信噪比两种。对于高信噪比帧,仍采用该定位函数构造的似然函数来评价粒子权重,对于低信噪比帧,则采用常规可控波束形成定位函数构造的似然函数来评价粒子权重。仿真结果表明,在平均信噪比较高的条件下,该算法的跟踪性能与传统算法接近;在平均信噪比低于10 dB,混响时间大于200 ms的条件下,跟踪误差比传统算法减少20%~30%。     

双目视觉下三维人体运动跟踪算法*

由于人体运动的复杂性,人体运动轨迹的快速改变和人体自遮挡现象经常发生,这给人体运动跟踪带来了很大的困难。针对此问题提出了一种基于三维Kalman滤波器和人体约束的人体运动跟踪算法。该算法首先利用外极线约束和灰度互相关法对二维标记点进行立体匹配,计算各个标记点的三维位置,从而构建得到三维标记点;然后利用三维Kalman滤波器对三维标记点进行跟踪;最后利用人体约束检验和修正跟踪结果。实验结果表明,该算法能有效地对复杂人体动作进行跟踪并能从跟踪错误中正确恢复。     

一种基于双目视觉的消防炮瞄准系统设计

针对消防炮射流瞄准和精确打击问题,提出一种基于双目视觉的消防炮瞄准系统设计方案.该方案利用IP视频传输技术,设计了基于IP相机的双目视觉系统,并对测量精度进行定量分析,获取相机参数要求,并进行了整体设计.同时,采用闭环控制技术对消防炮进行改造设计,该系统可有效进行射流提取、落点监控和消防炮姿态精确控制,实现射流精准打击...     

基于双目视觉的智能跟踪行李车的设计

利用空间同一点在双摄像机画面上的视差,设计了一种基于双目视觉的智能跟踪行李车系统.采用CMOS摄像头搭建双目视觉系统,并用张正友法对主、从摄像头进行标定.通过对主、从视场内同一运动目标进行检测与匹配,并根据主、从视场中目标上同一点的视差计算出三维空间坐标,从而实现对目标的跟踪.采用模块化设计了系统硬件部分,并详细描述了目标识别算法和行李车运动控制策略.仿真结果表明,系统在单一背景下能较好地跟踪运动目标.     

基于双目视觉的立体匹配算法研究

根据立体匹配原理,采用双目摄像头对图像进行采集,通过对摄像机的标定和图像立体校正、图像分割与立体匹配得到最后的视差图;根据最后的视差图以及算法的速度来评价算法的性能。实验结果表明,图像的视差图十分接近真实视差图,效果明显。