基于機(jī)器視覺(jué)的智能車跟蹤系統(tǒng)研究與實(shí)現(xiàn).pdf

1、機(jī)器視覺(jué)領(lǐng)域是一個(gè)重要的科學(xué)領(lǐng)域，它是用機(jī)器(攝像機(jī)和計(jì)算機(jī)等)替代人眼對(duì)目標(biāo)進(jìn)行檢測(cè)、識(shí)別、跟蹤、判斷，主要用于大批量的工業(yè)生產(chǎn)、藥品檢測(cè)、銀行卡演示系統(tǒng)、表面檢測(cè)及汽車電子行業(yè)。自20世紀(jì)50年代以來(lái)，汽車電子和智能控制技術(shù)得到廣泛的重視和飛速的發(fā)展，智能車隨之成為汽車控制領(lǐng)域內(nèi)的一個(gè)研究熱點(diǎn)，而視覺(jué)跟蹤是智能車研究的主要方向之一。智能車對(duì)移動(dòng)目標(biāo)的識(shí)別和跟蹤是從視覺(jué)傳感器獲取的圖像序列中分割出運(yùn)動(dòng)目標(biāo)并對(duì)這些目標(biāo)進(jìn)行識(shí)別和跟蹤，因

2、此，目標(biāo)的檢測(cè)、識(shí)別和跟蹤是智能車視覺(jué)跟蹤中的一個(gè)重要任務(wù)。
　　 本課題設(shè)計(jì)了一個(gè)基于高速球形攝像機(jī)的智能車跟蹤系統(tǒng)，該系統(tǒng)對(duì)攝像頭視野中的兩輛小車進(jìn)行跟蹤，PC機(jī)通過(guò)攝像頭獲取前方目標(biāo)車的運(yùn)動(dòng)狀態(tài)，利用機(jī)器視覺(jué)算法進(jìn)行判斷和分析，通過(guò)無(wú)線指令控制后方智能小車跟蹤前方目標(biāo)車，并且攝像頭跟隨目標(biāo)的運(yùn)動(dòng)方向轉(zhuǎn)動(dòng)，使兩車體始終在攝像頭的視野范圍之內(nèi)。 其核心研究?jī)?nèi)容主要包括三個(gè)部分：一是運(yùn)動(dòng)目標(biāo)的檢測(cè)與提?。欢沁\(yùn)動(dòng)目標(biāo)的跟蹤；三是

3、攝像頭和智能車速度及方向的控制。
　　 本文首先介紹了幾種常用的運(yùn)動(dòng)目標(biāo)檢測(cè)算法，包括光流法、時(shí)間差分法、背景差分法，驗(yàn)證并分析它們各自的優(yōu)缺點(diǎn)和適用范圍，重點(diǎn)闡述了基于混合高斯背景模型的目標(biāo)檢測(cè)方法；然后，介紹了MeanShift算法的基本原理，主要研究了CAMShift目標(biāo)跟蹤算法、Kalman運(yùn)動(dòng)估計(jì)跟蹤算法、粒子濾波跟蹤算法。在此基礎(chǔ)上，論文完成了如下工作：
　　 (1) 結(jié)合混合高斯模型與CAMShift目標(biāo)跟

4、蹤算法，設(shè)計(jì)實(shí)現(xiàn)了一種自動(dòng)的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤系統(tǒng)。首先用基于混合高斯的背景模型實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)所在區(qū)域的識(shí)別和提取，確定目標(biāo)區(qū)域并初始化跟蹤窗口；然后在目標(biāo)區(qū)域內(nèi)提取顏色特征，通過(guò)CAMShift算法計(jì)算目標(biāo)的精確位置并調(diào)整搜索窗口大小。在跟蹤過(guò)程中，利用目標(biāo)位置信息，通過(guò)串口控制高速球機(jī)的運(yùn)動(dòng)，使目標(biāo)并盡可能位于視場(chǎng)中央，以實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)的快速準(zhǔn)確的實(shí)時(shí)跟蹤。
　　 (2)在上述算法實(shí)現(xiàn)的基礎(chǔ)上對(duì)CAMShift做出幾點(diǎn)改進(jìn)，

5、一是融合目標(biāo)的顏色特征與紋理特征，將色調(diào)直方圖與梯度直方圖進(jìn)行加權(quán)處理，作為目標(biāo)特征模板，處理相似顏色的干擾；二是用自適應(yīng)擴(kuò)展搜索窗口改進(jìn)CAMShift算法，避免因目標(biāo)瞬時(shí)速度過(guò)大導(dǎo)致跟蹤目標(biāo)丟失；三是引入運(yùn)動(dòng)預(yù)測(cè)估計(jì)算法，結(jié)合Kalman濾波進(jìn)行目標(biāo)位置預(yù)測(cè)和更新，解決因嚴(yán)重遮擋引起的跟蹤丟失問(wèn)題。
　　 (3) 設(shè)計(jì)了一種多目標(biāo)跟蹤的解決方案，由于運(yùn)動(dòng)場(chǎng)景和運(yùn)動(dòng)狀態(tài)的復(fù)雜化，卡爾曼濾波在非線性、非高斯系統(tǒng)表現(xiàn)出來(lái)的效果欠佳

6、，論文對(duì)粒子濾波算法進(jìn)行了研究，利用樣本重要性重采樣法，加權(quán)融合目標(biāo)顏色與梯度方向直方圖，實(shí)現(xiàn)基于多特征的粒子濾波目標(biāo)跟蹤算法，并用CAMShift算法優(yōu)化粒子濾波，用于多目標(biāo)的跟蹤，提高了跟蹤的實(shí)時(shí)性和魯棒性。
　　 (4) 利用視覺(jué)跟蹤算法的反饋結(jié)果給出了一種簡(jiǎn)單有效的智能車控制指令的策略，實(shí)現(xiàn)智能車的前行、停止、左轉(zhuǎn)、右轉(zhuǎn)。同時(shí)，設(shè)計(jì)了一種高速球形攝像機(jī)的方向和速度控制策略，在球機(jī)機(jī)械參數(shù)未知的情況下，設(shè)定攝像頭速度比例系