基于MeanShift算法的仿生魚游動軌跡跟蹤系統(tǒng)研究.pdf

1、仿生魚作為具有代表性的水下潛器，與傳統(tǒng)的水下潛器相比，有更高的靈活性和更廣闊的運用領(lǐng)域。為了研究仿生魚類潛器的推進(jìn)原理，可以通過機(jī)器視覺的目標(biāo)跟蹤方式對仿生魚游動軌跡進(jìn)行跟蹤，從而得到具體的位置坐標(biāo)。本文研究了目標(biāo)跟蹤的基本原理，對比了MeanShift算法、卡爾曼濾波算法，粒子濾波算法這幾種運動目標(biāo)跟蹤方法，最終選取了極具代表性的無參估計的MeanShift算法作為仿生魚軌跡跟蹤的基礎(chǔ)。通過目標(biāo)區(qū)域的權(quán)值直方圖作為追蹤的特征進(jìn)行多次的

2、迭代來實現(xiàn)目標(biāo)位置的追蹤，計算量較小，對追蹤物體的形變、旋轉(zhuǎn)變化不敏感，在低速運動物體的追蹤中有很高的準(zhǔn)確性。
　　為了實現(xiàn)仿生魚游動軌跡準(zhǔn)確跟蹤的目的，本文在使用MeanShift算法的基礎(chǔ)上，運用理論和實驗相結(jié)合的方法進(jìn)行了創(chuàng)新研究。首先，考慮到傳統(tǒng)MeanShift算法在跟蹤快速移動物體上出現(xiàn)的不準(zhǔn)確、丟失搜索框等問題，提出了結(jié)合運動估計中的菱形搜索法來改進(jìn)MeanShift算法，在跟蹤算法進(jìn)行迭代的過程中加入預(yù)測機(jī)制，優(yōu)先

3、從預(yù)測的候選區(qū)域中進(jìn)行搜索，避免了全局搜索中的繁雜過程，減少了算法的計算時間，解決了快速物體跟蹤上存在的不足。其次，本文將 MeanShift算法在 Simulink中搭建的xPC-Target平臺中運行并進(jìn)行仿真，通過宿主機(jī)和目標(biāo)機(jī)互聯(lián)的方式解決了運動跟蹤中的實時性問題，用來進(jìn)行仿生魚游動視頻采集的相機(jī)連接在目標(biāo)機(jī)上，以 TCP/IP的連接方式將視頻信息上傳至宿主機(jī)，用來進(jìn)行視頻圖像處理的程序編寫在宿主機(jī)中，當(dāng)程序下載到目標(biāo)機(jī)上之后可

4、以獨立的進(jìn)行視頻信息的處理。最后，為了實現(xiàn)仿生魚三維游動軌跡的跟蹤，引入了雙目視覺的方式，在進(jìn)行雙目標(biāo)定之后得到左、右相機(jī)的內(nèi)外參數(shù)，再由空間三維測量中的最小二乘法，在已知空間中任一點在左、右相機(jī)坐標(biāo)系中坐標(biāo)的情況下，通過解齊次方程可以計算出該點的三維空間坐標(biāo)。
　　為了驗證上述方法的可行性，運用實驗的方法對上述的創(chuàng)新點進(jìn)行了證實。
　　第一，在進(jìn)行傳統(tǒng)MeanShift算法和改進(jìn)后的加入運動估計算法的跟蹤方式對比跟蹤實驗中

5、，用速度變化的仿生魚游動視頻作為跟蹤視頻，用傳統(tǒng)的跟蹤方法和改進(jìn)后的MeanShift跟蹤算法進(jìn)行對比實驗，可以看出改進(jìn)后的方法可以有效地解決在目標(biāo)快速移動的時候出現(xiàn)的跟蹤不準(zhǔn)確、跟蹤框丟失的問題，說明改進(jìn)算法的可行性。
　　第二，在建立好的xPC-Target平臺中建立Simulink模型，實現(xiàn)目標(biāo)機(jī)視頻的采集和宿主機(jī)的圖像處理程序的下載，在雙機(jī)互聯(lián)的情況下使用攝像頭實時進(jìn)行仿生魚游動視頻的采集，將采集信息上傳至宿主機(jī)后用上述的

6、改進(jìn)的MeanShift算法進(jìn)行編程，在宿主機(jī)中實時顯示仿生魚游動的位置坐標(biāo)。將仿生魚的真實游動軌跡和跟蹤出的軌跡進(jìn)行對比，說明跟蹤的準(zhǔn)確性。
　　第三，鑒于單目相機(jī)在xPC-Target平臺中只能實現(xiàn)二維模式的目標(biāo)跟蹤，得到二維的跟蹤軌跡，為了更真實地模擬仿生魚類的游動軌跡，我們引入雙目相機(jī)進(jìn)行視頻采集，通過相機(jī)系中的坐標(biāo)，通過最小二乘法的使用，得到軌跡中每一點的空間坐標(biāo)，并且繪制出仿生魚游動的三維游動軌跡。也將仿生魚的真實三維