基于双目视觉的运动目标跟踪与三维测量

论文摘要

应用双目视觉技术对运动目标进行跟踪,并对其深度和运动信息进行测量是当前计算机视觉研究的热点问题,在军用和民用领域内有着广泛而实际的应用。本文基于双目视觉,以获得目标质心的三维坐标、深度和运动速度为主要目的,研究了运动目标检测与跟踪、双目立体视觉标定、组建双目立体视觉运动目标跟踪与测量实验系统三方面的内容。在运动目标检测与跟踪方面:重点研究了融合运动目标位置预测的MeanShift算法,并根据Bhattacharyya系数值对目标被遮挡的情况进行了判断;使用本文算法针对目标非匀速运动和发生遮挡的情况进行了计算机仿真实验,在算法运行效率和跟踪稳定性方面获得了预期的效果。在双目立体视觉标定方面:制作了圆靶标定板并提取了靶面特征点的图像坐标,在分析“TSAI”标定算法的基础上分别完成了左右摄像机的标定;阐述了双目视觉下的空间点三维坐标的提取算法;运用VC++6.0开发了双目立体视觉标定系统,通过测量空间点深度信息和空间物体尺寸大小,验证了系统结果。在组建双目立体视觉运动目标跟踪与测量实验系统方面:采用代价函数对左右视场下的运动目标进行立体匹配;分析了运动目标深度和速度的测量方法;运用VC++6.0将双目立体视觉标定、运动目标检测与跟踪和目标质心提取三部分内容进行系统的结合,设计了双目立体视觉运动目标跟踪与测量实验系统,使用该系统实现了提取运动目标质心的三维坐标及其深度和速度的测量。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 选题背景和意义
• 1.2 研究的内容和现状
• 1.2.1 研究的内容
• 1.2.2 国内外研究现状
• 1.3 论文结构安排
• 第二章 运动目标的检测与跟踪
• 2.1 运动目标检测
• 2.1.1 概述
• 2.1.2 多运动目标检测与特征提取
• 2.1.3 实验结果
• 2.2 融合运动目标位置预测的Mean Shift算法
• 2.2.1 概述
• 2.2.2 Mean Shift算法
• 2.2.3 卡尔曼滤波器
• 2.2.4 本文使用的算法
• 2.3 小结
• 第三章 双目立体视觉系统的标定
• 3.1 摄像机标定原理
• 3.1.1 坐标系
• 3.1.2 摄像机模型
• 3.2 单摄像机的标定
• 3.2.1 概述
• 3.2.2 特征点提取
• 3.2.3 “TSAI”标定算法
• 3.3 双目立体视觉标定系统的设计与实现
• 3.3.1 双目视觉下提取空间点三维坐标
• 3.3.2 系统介绍、实验与分析
• 3.4 小结
• 第四章 双目立体视觉运动目标跟踪与测量实验系统
• 4.1 基于代价函数的立体匹配算法
• 4.1.1 概述
• 4.1.2 极线约束
• 4.1.3 代价函数的建立
• 4.2 基于双目视觉的运动目标深度与速度测量
• 4.3 系统设计
• 4.3.1 硬件组成
• 4.3.2 软件开发平台
• 4.4 实验结果及分析
• 4.4.1 实验结果
• 4.4.2 实验结果分析
• 4.5 小结
• 第五章 总结与展望
• 5.1 论文总结
• 5.2 展望
• 参考文献
• 致谢
• 附录 在读期间发表的学术论文