基于单摄像头的360度旋转跟踪系统

论文摘要

计算机视觉技术已经在移动机器人、视频监视与跟踪、自动导航等方面得到越来越广泛的应用。对目标物体进行运动跟踪是一个机器人视觉的关键技术之一,它除了要求系统能够对图像进行处理,以找出目标位置之外,还要求系统能够根据目标位置控制机器人运动,以实现其对目标的跟踪。本文的研究工作就是采用摄像头采集图像,然后对图像进行灰度处理,并选择图像中的特征区域,并建立图像坐标系。在不断采集过程中,使用图像处理技术不断地将两幅图像进行图像匹配,并校正图像坐标是否一致,若发生偏移将偏移向量送往处理器,然后根据偏移量的方向对旋转电机正反转以及转速进行控制。从而使得跟踪目标图像始终处于摄像头监控视眼中心,达到跟踪效果。在图像处理方面,本文先进行彩色图像灰度化的预处理,然后采用了Lowe等人提出的SIFT特征匹配方法来进行前后两幅图像中的特征匹配,以便实现图像跟踪目的。该特征具有对旋转、尺度缩放、亮度变化保持不变性等优点,并且独特性好,信息量丰富,能够提供优秀的匹配特征点。在跟踪控制方面采用无模跟踪控制,即可对任意目标实施跟踪,从而消除对特定目标进行建模、然后跟踪这一步骤,并且大大提高了跟踪系统的多元性。在算法上采用了Kalman滤波算法,它是从与被提取信号有关的观测量中通过算法估计出所需信号的一种滤波算法,其优点是不但可以对平稳的一维的随机过程进行估计,也可以对非平稳的、多维的随机过程进行估计。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 引言
• 1.2 机器人视觉概述以及跟踪技术
• 1.3 跟踪方法综述
• 1.3.1 基于特征的跟踪方法
• 1.3.2 基于相关的跟踪方法
• 1.3.3 基于运动的跟踪方法
• 1.4 论文主要研究内容
• 第2章 跟踪系统设计
• 2.1 视觉跟踪系统体系结构设计
• 2.1.1 系统控制流程
• 2.1.2 系统硬件设计
• 2.1.3 系统软件设计
• 2.2 系统时基
• 2.3 本章小结
• 第3章 采集图像处理
• 3.1 彩色图像灰度化
• 3.1.1 RGB彩色图像空间
• 3.1.2 彩色图像转换成灰度图像
• 3.2 图像匹配
• 3.2.1 宽基线特征匹配
• 3.2.2 SIFT特征匹配算法
• 3.3 本章小结
• 第4章 图像跟踪
• 4.1 具有模型的图像跟踪
• 4.2 运动目标跟踪
• 4.3 Kalman滤波跟踪
• 4.3.1 Kalman滤波器原理
• 4.3.2 Kalman滤波器设计
• 4.4 本章小结
• 第5章 系统实现
• 5.1 单摄像头工作原理
• 5.2 SIFT图像匹配和跟踪
• 5.2.1 图像匹配
• 5.2.2 目标跟踪
• 5.3 本章小结
• 第6章 总结和展望
• 6.1 总结
• 6.2 系统以后发展方向
• 致谢
• 参考文献
• 攻读学位期间所发表的学术论文