基于视觉注意的移动机器人目标跟踪技术研究

论文摘要

视觉是移动机器人最重要的感知手段之一,机器人视觉研究的根本目的在于模拟人类视觉系统的运行机制,用机器人来代替人类进行劳动.研究表明,人类具有异常突出的数据筛选能力,而视觉注意机制是保证人眼高效率工作的重要机制,它对于机器人视觉导航过程中如何从大量图像数据中迅速识别出目标等问题具有重要的借鉴价值。本文的主旨在于从人类视觉注意机制仿生的思路出发,探索机器人视觉在目标跟踪中的应用。本文首先在介绍移动机器人视觉系统组成结构的基础上,根据系统任务要求及当前实验环境,设计了总体研究方案,并论述了系统各个组成模块的主要功能及实现方法。在目标识别算法模块,本文基于视觉注意机制理论,在研究现有视觉注意模型的基础上,采用自下而上数据驱动和自上而下任务驱动相结合的方法,设计了本文的目标注意模型。首先在自下而上的视觉注意过程中,结合机器人运行的实际特点,将采集的图像底层数据分割为地面区域和非地面区域,再从非地面区域中提取出目标显著性区域。然后在自上而下的任务指导过程中,根据所建立的目标特征模型,通过目标显著性区域与特征模型的匹配,最终识别出目标区域。为获取目标的空间位置及运行参数等信息,本文对视觉平台运动学模型及摄像机视觉模型进行了分析,建立了目标图像像素坐标与世界坐标之间的变换关系。通过对摄像机逆投影模型进行研究,将识别出的目标图像像素坐标转换为世界坐标系下的地面坐标,完成目标的定位。然后结合机器人当前运行状态,设计了运动目标跟踪算法,实现对移动机器人运动的实时控制。实验结果表明,本文算法满足移动机器人运动控制的实时性要求,实现了对运动目标的准确识别及快速跟踪。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 选题依据及意义
• 1.2 机器人视觉跟踪技术研究现状
• 1.3 人类视觉注意机制研究现状
• 1.4 本文的主要研究内容
• 2 目标跟踪系统研究方案设计
• 2.1 实验环境
• 2.2 跟踪系统的硬件组成
• 2.2.1 移动机器人实验平台
• 2.2.2 仿人眼颈视觉平台
• 2.3 总体研究方案设计
• 2.3.1 跟踪任务要求
• 2.3.2 本文的设计方案
• 2.3.3 各功能模块的设计
• 2.4 本章小结
• 3 基于视觉注意的目标识别算法研究
• 3.1 目标注意模型的建立
• 3.1.1 现有的视觉注意模型
• 3.1.2 本文的目标注意模型
• 3.2 基于自下而上的目标显著性区域检测
• 3.2.1 图像采集功能的实现
• 3.2.2 基于高斯金字塔的尺度空间选择
• 3.2.3 基于Mean-Shift算法的图像平滑
• 3.2.4 多通道地面显著图的融合
• 3.2.5 目标显著性区域的获取
• 3.3 基于自上而下的目标模型匹配
• 3.3.1 目标特征的选取
• 3.3.2 目标特征模型的建立
• 3.4 本章小结
• 4 目标定位与跟踪实验
• 4.1 视觉平台运动学模型研究
• 4.1.1 机构D-H坐标系的建立
• 4.1.2 坐标系变换矩阵的建立
• 4.2 摄像机视觉模型研究
• 4.2.1 摄像机透视投影模型
• 4.2.2 摄像机畸变模型
• 4.2.3 摄像机标定实验及结果
• 4.3 目标视觉定位的实现
• 4.3.1 摄像机逆投影模型
• 4.3.2 定位实验及结果
• 4.4 目标跟踪实验
• 4.5 本章小结
• 5 全文总结与展望
• 参考文献
• 附录A 移动机器人上位机软件平台界面
• 攻读硕士学位期间发表学术论文情况
• 致谢