基于雙目視覺的移動機(jī)器人跟蹤技術(shù)研究.pdf

1、本文將集中討論安裝有雙目視覺系統(tǒng)的MT-AR移動機(jī)器人的跟蹤系統(tǒng)設(shè)計與實現(xiàn)，目的是使得機(jī)器人能在正常環(huán)境下對跟蹤目標(biāo)物進(jìn)行跟蹤并作出正確的運(yùn)動反饋。在研究機(jī)器人內(nèi)部魯棒性跟蹤算法基礎(chǔ)上，課題將對安裝雙目視覺系統(tǒng)的移動機(jī)器人跟蹤與運(yùn)動控制展開研究與討論。
　　與單目視覺移動機(jī)器人跟蹤系統(tǒng)不同，課題使用了一種基于立體視覺的機(jī)器人跟蹤平臺。機(jī)器人內(nèi)部跟蹤算法使用了一種半監(jiān)督學(xué)習(xí)模型，利用采樣樣本的重疊率先驗信息，改進(jìn)了傳統(tǒng)的多實例學(xué)習(xí)跟

2、蹤算法。其中多實例學(xué)習(xí)中包模型判別函數(shù)直接在實例水平使用Fisher線性判別函數(shù)構(gòu)建。為了增強(qiáng)機(jī)器人實驗中跟蹤魯棒性，機(jī)器人跟蹤模塊使用了目標(biāo)回找機(jī)制，在目標(biāo)物突然消失場景中仍能重新找回丟失目標(biāo)。
　　傳統(tǒng)的“基于檢測來跟蹤”的算法使用在線分類器來跟蹤目標(biāo)，由于采用的是自學(xué)習(xí)過程，跟蹤過程中目標(biāo)跟蹤失敗分類器會很容易退化。針對此問題，本文的機(jī)器人內(nèi)部算法使用了一種改進(jìn)的基于半監(jiān)督學(xué)習(xí)的多示例學(xué)習(xí)跟蹤(MILFLD)。首先，課題以采

3、樣樣本與跟蹤目標(biāo)的重疊率信息為先驗構(gòu)建半監(jiān)督學(xué)習(xí)模型，這種半監(jiān)督學(xué)習(xí)模型結(jié)合了有標(biāo)簽與無標(biāo)簽數(shù)據(jù)，能有效克服傳統(tǒng)的基于檢測來跟蹤的算法中目標(biāo)漂移問題。其次，多示例學(xué)習(xí)中包模型判別函數(shù)的構(gòu)建利用了Fisher線性判別函數(shù)，直接在實例水平選取最優(yōu)分類器。最后，本文從梯度下降的視角來優(yōu)化分類器的選取，每一次弱分類器的選取都以損失函數(shù)減少最多為條件，這樣可以從抑制誤差傳播角度看待分類器的選取，當(dāng)前幀訓(xùn)練得到的強(qiáng)分類器對于下一幀同樣具有判別性。為

4、了驗證機(jī)器人內(nèi)部跟蹤算法的跟蹤精度與魯棒性，課題在不同場景下對MILFLD算法做出10組驗證性實驗。實驗結(jié)果表明本文算法能有效地應(yīng)對各種現(xiàn)實場景下運(yùn)動目標(biāo)的跟蹤，在尺度與光照變化、快速運(yùn)動、存在目標(biāo)相似物以及部分遮擋情況時，都具備非常良好的跟蹤穩(wěn)定性與魯棒性。為了驗證機(jī)器人在實際環(huán)境中的跟蹤精度好壞，課題在現(xiàn)實場景中對機(jī)器人運(yùn)動跟蹤同樣做了幾組實驗。由實際場景中雙目視覺機(jī)器人跟蹤結(jié)果可以看出，本文提出的算法能有效解決移動機(jī)器人目標(biāo)跟蹤中