基于双目视觉信息的运动物体实时跟踪与测距

论文摘要

移动机器人是机器人学中的一个重要分支。早到60年代,就已经开始了关于移动机器人的研究。随着移动机器人技术的发展,机器人的应用己经越来越广泛。视觉做为最丰富的信息来源,为机器人进一步的仿人行为提供了便利。如何从视觉传感器中提取三维信息,并为机器人提供精确的控制,是计算机视觉以及移动机器人领域一个重要的研究课题。本文对摄像机标定、双目视觉系统的测距以及跟踪算法进行了深入细致的研究,最终提出了双目视觉跟踪与测距系统的实现方案,并对所涉及到的算法进行了改进,使它们更加适应本系统的应用要求。实验证明,该系统稳定、准确,实时性好,具有广阔的应用前景。下面对本论文主要工作进行总结:第一,在Zhang的标定方法的基础上进行了改进,提出了基于参数估计的标定方法,使摄像机发生转动的情况下,不需要重新标定而准确估计出内外参数,从而实现三维重建。第二,对现有的跟踪算法进行了总结,特别分析了基于背景建模的背景差法以及基于颜色直方图的CamShift算法。由于传统的方法要求背景不能出现大范围的移动,或者要求跟踪特定目标。我们结合和两种算法的优势,提出了自己的改进方案,实现了非特定目标的动态背景下的跟踪。提高了双目视觉系统的适应性。第三,提出了双目视觉系统的方案以及机械控制策略,并在AS-R机器人平台上实现了该系统,很好的完成了双目视觉跟踪与测距的功能,效果令人满意,可以为后续机器人服务功能的开发打下坚实的基础。

论文目录

• 致谢
• 中文摘要
• ABSTRACT
• 序
• 1 综述
• 1.1 选题意义及研究背景
• 1.2 移动机器人概述
• 1.3 机器视觉
• 1.3.1 机器视觉理论体系
• 1.3.2 机器视觉系统
• 1.4 双目立体视觉
• 1.4.1 双目立体视觉的研究现状
• 1.4.2 双目立体视觉存在的问题及发展趋势
• 1.4.3 双目立体视觉的应用领域
• 1.5 本论文的主要内容及结构安排
• 1.5.1 本论文的研究内容
• 1.5.2 本论文结构安排
• 2 与机器人视觉有关的图像处理算法
• 2.1 角点检测算法
• 2.1.1 角点检测概述
• 2.1.2 SUSAN算子
• 2.1.3 Harris算子
• 2.1.4 基于Harris的亚像素级角点检测算法
• 2.2 图像分割算法
• 2.2.1 RGB模型与HSV颜色模型
• 2.2.2 RGB模型到HSV模型的转换
• 2.2.3 HSV颜色模型颜色相似度度量
• 2.2.4 图像分割
• 2.3 实验步骤与试验结果
• 2.3.1 角点检测结果
• 2.3.2 图像分割结果
• 2.4 本章小结
• 3 摄像机标定技术
• 3.1 摄像机模型
• 3.1.1 图像坐标系、摄像机坐标系与世界坐标系
• 3.1.2 线性摄像机模型
• 3.1.3 非线性摄像机模型
• 3.1.4 畸变矫正模型
• 3.2 传统摄像机标定技术
• 3.3 Zhang的摄像机平面标定法
• 3.3.1 两步法的基本概念
• 3.3.2 单应矩阵的计算
• 3.3.3 内外参数求解
• 3.3.4 极大似然估计
• 3.3.5 径向畸变的处理
• 3.4 无需重新标定的摄像机转动模型
• 3.4.1 机器人运动而摄像机相对静止
• 3.4.2 摄像机可以灵活转动的标定系数获取
• 3.4.3 曲线拟合
• 3.5 实验结果
• 3.6 本章小结
• 4 双目视觉的三维重建
• 4.1 三维重建方法概述
• 4.2 空间点的三维重建
• 4.2.1 基本模型
• 4.2.2 最小二乘法求解三维坐标值
• 4.2.3 视差测距法
• 4.3 实验方案与试验结果
• 4.4 本章小结
• 5 动态背景下的移动目标跟踪算法
• 5.1 移动目标跟踪算法概述
• 5.2 基于背景建模的背景差法
• 5.2.1 背景差的基本方法
• 5.2.2 背景建模与更新
• 5.3 基于颜色直方图的跟踪算法
• 5.3.1 Meanshift算法
• 5.3.2 Camshift算法
• 5.4 自动标记运动目标的跟踪算法
• 5.5 实验步骤与实验结果
• 5.6 小结
• 6 双目视觉测距系统的实现
• 6.1 系统结构
• 6.1.1 机器人平台结构
• 6.1.2 跟踪与测距系统结构设计
• 6.2 机械控制策略
• 6.3 实验结果
• 6.3.1 用户界面
• 6.3.2 双目测距
• 6.4 误差分析
• 6.5 本章小结
• 7 总结与展望
• 7.1 论文总结
• 7.2 工作展望
• 参考文献
• 附录 A
• 索引
• 作者简历
• 学位论文数据集