论文部分内容阅读
全景视觉摄像机能够同时观测360°水平场景信息,克服了普通单目摄像机仅能获取部分场景信息的不足,在RoboCup中型组足球机器人比赛中具有较好的适用性。利用摄像机获取的图像特征信息,迅速、精确、有效的对目标进行跟踪定位,对机器人后续控制决策的开发具有重要的意义。本文根据足球机器人比赛的现场环境,并考虑到全景视觉模型的特性,提出了一种高效鲁棒、限制条件较少的视频目标跟踪方法。在对运动目标进行跟踪之前,需要对全景视觉摄像机模型进行标定。首先通过摄像机或者标定板的相互移动来获取不同位置的标定板图像;然后通过HALCON预处理后提取并排列角点坐标;最后通过最小二乘法求解标定点投影方程的展开系数得到全景摄像机的内外参数。该算法中摄像机需要满足单视点要求,不需要场景的先验知识,也不需要特殊的装置和设备,能够获得较高的标定精度。并且通过机器人边线距离的测量,验证其标定精度。针对足球机器人所处的比赛环境,跟踪目标的有效特征等情况,提出使用MeanShift算法对运动目标进行跟踪。详细介绍了算法的理论知识和实现步骤,运用核函数颜色加权直方图的概念对运动目标进行核密度估计,增加了算法在目标跟踪过程中的稳健性;通过调整迭代过程的步长搜索运动目标的最优位置。成功实现了算法在RoboCup全景视觉足球机器人目标跟踪中的应用。针对传统MeanShift算法在现实应用过程中存在的一些缺陷进行相应的改进。使用Kalman滤波算法根据目标过去时刻的位置、速度信息,对目标的运动位置进行预测,提高了算法在目标快速运动和短暂全局遮挡情况下的跟踪精度;在全景摄像机标定的基础上,根据全景视觉模型相对中心轴对称特点,对目标运动的区域进行划分,并在不同的区域建立不同的目标模型,成功解决了算法在跟踪过程中窗口的自适应变化问题。最后实现了算法在动态背景下,多目标的跟踪。改进的MeanShift跟踪算法适用于目标发生全局遮挡、快速运动以及形状尺寸快速变化等情况,具有较好的实时性和鲁棒性。