智能机器人运动控制和目标跟踪.pdf

《智能机器人运动控制和目标跟踪.pdf》由会员分享，可在线阅读，更多相关《智能机器人运动控制和目标跟踪.pdf（9页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、XXXX 大学智能机器人结课论文移动机器人对运动目标的检测跟踪方法移动机器人对运动目标的检测跟踪方法学院（系）：专业班级：学生学号：学生姓名：成绩：目录目录摘要摘要.10 0、引言引言.1.11 1、运动目标检测方法运动目标检测方法.1 11 1 运动目标图像 HSI 差值模型 .11.2运动目标的自适应分割与提取 .22 2运动目标的预测跟踪控制运动目标的预测跟踪控制 .3 .32 1运动目标的定位 .32 2 运动目标的运动轨迹估计 .42 3移动机器人运动控制策略 .63 3 结束语结束语 .6参考文献参考文献 .7 .7一种移动机器人对运动目标的检测跟踪方法一种移动机器人对运动目标的检

2、测跟踪方法摘要：摘要：从序列图像中有效地自动提取运动目标区域和跟踪运动目标是自主机器人运动控制的研究热点之一。给出了连续图像帧差分和二次帧差分改进的图像 HIS差分模型，采用自适应运动目标区域检测、自适应阴影部分分割和噪声消除算法，对无背景图像条件下自动提取运动目标区域。定义了一些运动目标的特征分析和计算，通过特征匹配识别所需跟踪目标的区域。采用 Kalrnan 预报器对运动目标状态的一步预测估计和两步增量式跟踪算法，能快速平滑地实现移动机器人对运动目标的跟踪驱动控制。实验结果表明该方法有效。关键词关键词：改进的 HIS 差分模型；Kahnan 滤波器；增量式跟踪控制策略。0 0、引言、引言运

3、动目标检测和跟踪是机器人研究应用及智能视频监控中的重要关键技术，一直是备受关注的研究热点之一。在运动目标检测算法中常用方法有光流场法和图像差分法。由于光流场法的计算量大，不适合于实时性的要求。对背景图像的帧问差分法对环境变化有较强的适应性和运算简单方便的特点，但帧问差分不能提出完整的运动目标，且场景中会出现大量噪声，如光线的强弱、运动目标的阴影等。为此文中对移动机器人的运动目标检测和跟踪中的一些关键技术进行了研究，通过对传统帧间差分的改进，引入 HSI 差值模型、图像序列的连续差分运算、自适应分割算法、自适应阴影部分分割算法和图像形态学方法消除噪声斑点，在无背景图像条件下自动提取运动 目标区域

4、。采用 Kalman 滤波器对跟踪目标的运动轨迹进行预测，建立移动机器人跟踪运动 目标的两步增量式跟踪控制策略，实现对目标的准确检测和平滑跟踪控制。实验结果表明该算法有效。1 1、运动目标检测方法、运动目标检测方法接近人跟对颜色感知的色调、饱和度和亮度属性(H，S，I)模型更适合于图像识别处理。因此，文中引入改进 型 HSI 帧差模型。11 运动目标图像 HSI 差值模型设移动机器人在某一位置采得的连续三帧图像序列fk 1x,y，fkx,y，fk 1x,y根据仿人眼对色度的敏感系数比亮度要低，通过对图像色调H、饱和度S 和亮度I 属性的敏感系数调整，将所得序列每一帧图像转换为更能突出移动目标的

5、改进型 HSI 图像fix，y，如下式：fix,yWHHix,y,WSSiX,Y,WIIiX,YHx,y,Sx,y,Ix,yi k 1,k,k 1.(1)其中：WH,WS,WI，分别为设定 的色调、饱和度和亮度的敏感系数。将通过公式(1)转化后的第 k 与第是 k-1 帧图像差分，第 k+1 与第 k 帧图像差分。定义 1帧差分图像计算模型如下：fd1x,yHkx,yHk 1x,y,Skx,ySk 1x,y,Ikx,yIk 1x,y.（2）fd2x,yHk 1x,yHkx,y,Sk 1x,ySkx,y,Ik 1x,yIkx,y.（3）其中：fd1x,y，fd2x,y为连续三帧图像序列的帧差分后

6、的结果。1、2运动目标的自适应分割与提取定义 2二次帧差分图像运算为：YHx,y fd2x,yfd1x,yYH(x,y)YSx,yYIx,y.（4）运算规则定义为：YHx,y minHk(x,y)Hk 1x,y,Hk 1x,yHkx,yYSx,y minSkx,ySk 1x,y,Sk 1x,ySkx,yYIx,y minIkx,yIk 1x,y,Ik 1x,yIkx,y其中：Y(x,y)为相与运算所得结果，相与运算为对fd1x,y，fd2x,y两个帧差分图像的色度 H、饱和度 S 和亮度 J 值取极小运算。为了确定出两个帧差分图像结果fd1x,y，fd2x,y做相与运算结果所得区域，利用类间距

7、与类内距之比作为最佳分割的目标函数确定出图像序列中的运动目标移动部分区域Ymx,y和背景区域。2 2运动目标的预测跟踪控制运动目标的预测跟踪控制21运动目标的定位 计算跟踪运动目标区域的重心点的横坐标、纵坐标为：mxxOx,yOx,yRx,y ORRx,y ORmyyOx,y .（5）O x,yRx,y ORRx,y OR其中：OR为二值化图像中的确定要跟踪的运动目标区域。计算跟踪运动目标区域的重心点的深度坐标值。文中采用单摄像机近似小孔成像原理的测距方法，较精确地计算出深度距离mz值。实际中机器人摄像机采用的是正对前方的放置方式，高度已经测定为H，焦距已经测定 为f。如图 1 所示。C图像原

8、点 Dx0,y0 H B(x,y)图 1 小孔成像原理的测距示意图由图 1 可得，C 是摄像机，O 是摄像机在地面上的投影，图像成像面中心点坐标为Dx0,y0运动目标重心点正下方的边缘点的三维立体坐标为AXA,YA,ZA，该点在图像上 的投影点坐标为BXB,YB。则三角形 ACO 与三角形 CDB 相似，经过计算可以得出物体地面上的点与摄像机的水平距离mz。mzf H（6）YB y0 .其中：是摄像机成像像素的纵向物理尺寸，H 为摄像机与地面高度。22 运动目标的运动轨迹估计文中采用 Kalman 滤波器(EKF)预估运动目标位置，建立移动机器人跟踪运动目标的控 制策略。运动目标的前后左右移动

9、可以通过其重心在图像上的左右平移和运动目标成像 的深度来反映，构造 Klaman 滤波器时，设状态向量 X(t)为：X(t)mx(t)my(t)x(t)y(t)T其中：mx(t),my(t)分别为 t 时刻运动目标重心点 A 在图像上方向和方向的位置；x(t),y(t)分别为 t 时刻运动目标 A 点在 x 方向和 y 方向上的运动速率；t为两个状态之间的采样时间间隔。系统的状态方程：运动目标的跟踪过程可以用下面的时间线性状态方程描述：X(t)(t)X(t t)(t t),即：0 10t010 001 .（8）mx(t t)mx(t t)my(t t)mx(t t)x(t t)mx(t t)y

10、(t t)mx(t t)其 中：(t)是 状 态 误 差,假 定 为 零 均 值 高 斯 噪 声，取 为mx(t)1my(t)0 x(t)0y(t)00t(t)mx(t)my(t)x(t)y(t)T，其方差分别为：(t)21(t)22(t)23(t)24(t)25(t)26(t)量测方程为：Y(t)H(t)X(t)v(t),即：Tmx(t)1my(t)0 x(t)0y(t)0mx(t t)my(t t)x(t t)y(t t)0t1000100 mx(t t)my(t t)t0 x(t t)1 y(t t).（8）其中：v(t)为观测误差，假定为零均值高斯噪声，取为v(t)vmx(t)vmy(

11、t),其T方差分别为：v2v1(t)2v2(t)。T初始条件确定：系统初始状态的确定，运动目标初始位置A 点为(x(0),y(0)，可实时检测计算得到第五帧时刻运动目标的重心点位置(x(0),y(0)作为初始 A 点位置状态值；运动目标初始移动速率为(x(0),y(0)，可以通过实时检测第二帧与第五帧的重 心 点 位 置 变 化 和 采 样 时 间 间 隔t之 比 计 算 得 到，即 初 始X(0)x(0),y(0),x(0),y(0)。量 测 方 程 中 的 噪 声 协 方 差 矩 阵TR(t)E(t)(t)T，模型噪声的协方差矩阵Q(t)E(t)(t)T，估计误差协方差矩阵 P(t)，初始

12、状态值 Q，R 和 P(0)只需取不为零的矩阵。一步预测估计推导：根据 Kalman 滤波理论的预测模型递推公式，进行一步预测估计推导如下：P(I/O)(t)*P(0)*(t)TQ(t).（9）K(1)P(1/0)*HT*(H*P(1/0)*HT R)1 .（10）P(1)(I K(1)*H)*P(1/0).（11）得到 K(1)后可以根据下式计算出系统的下一步状态预测值：X(1)X(0)K(1)*(Y(1)H*X(0).（12）可依此类推得：x(2)，x(3)，.，X(k)，X(k+1)，.。23移动机器人运动控制策略使移动机器人检测出的运动目标的重心始终位于图像的中心位置x0,y0，则跟踪

13、问题可表示为机器人的两步运动：首先驱动机器人左右移动x 使运动目标的重心点出现在图像 的中心位置y0轴上，再驱动机器人前后移动Z 保持图像大小不变。x的计算：目标水平移动的实际距离可以通过摄像机的小孔成像模型近似算出，推导如下：X(t)(mx(t)x0)dxmz(t)(mx(t)x0)dxH .（13）f(my(t)y0)dx其中：dx 是摄像机成像像素的横向物理尺寸。Z 的计算：实际跟踪过程中需要保持运动目标的成像面积与图像总面积的比值不变，由公式(9)运动目标成像面积与运动目标物体自身表面积的关系可推导出Z 的计算公式。设保持运动目标的成像面积与图像总面积的比值为常值k1，实际状态下运动目

14、标在图像中所占的比值为k2，计算得到此时物体重心距离机器人的近似距离为mz，为了达到运动 目标成像面积为保持的比值k1，机器人需要移动的距离表示为Z，则：Z(t)(k2k2f*H .（14）1)mz(1)k1k1(YB(t)y0)dy其中：YB(t)为运动目标重心点正下方的运动目标区域边缘点在图像中的坐标，可由重心点坐标得出，由公式(19)和(21)看出可以通过 Kalman 滤波预测出来的mx(t)、my(t)和确定保持运动目标图像大小比值k1，可分别计算得出移动机器人的两步运动x 和z。3 3结束语结束语文中对移动机器人的运动目标检测和跟踪中的一些关键技术进行了研究。现在智能机器人不仅应用

15、在机械制造、化工运输、设备安装等工业领域，而且还可以广泛的用于生活军事，学习本课，不仅了解了机器人的发展现况，更系统的学习了各种基础理论和制作思想。以上实验结果表明：(1)给出了改进的图像HSI差分模型，定义了连续图像帧差分和二次帧差分运算，可有效地适应环境变化的影响，能对无背景图像条件下有效提取运动目标区域。(2)引入了一些运动物体的特征分析，定义了运动目标区域的特征值计算，可对运动目标进行特征匹配，能判别和提取所需跟踪的运动目区域。(3)采用了 Kalman 滤波器对运动目标状态的预测，定义了移动机器人的增量式两步跟踪算法，能快速平滑地实现移动机器人跟踪运动目标的驱动控制。(4)文中方法对

16、于运动物体的遮挡造成的目标消失或运动物体移动过快等问题需要进一步研究。参考文献：1 李庆忠，陈显华，王立红一种视频运动目标的检测与识别方法J模式识别与人工智能，2006，19(2)：2382422 杨 威，张田文复杂景物环境下运动目标检测的新方法J 计算机研究与发展，1998，35(8)：7247283 张辉，王强，徐光佑，等运动目标的快速检测和识别J 清华大学学报，自然科学版，2002，42(1O)：140114044 王建平，秦 枫灰度文本 图像 白适应二值化滤波算法设计及应用 J合肥工 业大学学报：自然科学 版，2004，2(5)：5095125 王建平，钱 波，姜 滔基于变换域分析的车牌分割研究J 合肥工业大学学报：自然科学版，2004，27(3)：2512556 李凌娟，贾振堂，贺贵明一种鲁棒的视频分割算法J中国图像图形学报，2002，7(11)：112811337 陈无畏，施文武，王启瑞，等一种新的移动机器人跟踪控制方法J仪器仪表学报，2004，25(1)：1317