隨著現代工業(yè)和人工智能技術的不斷發(fā)展,人們對于智能化產品的依賴程度也在日益加深�，F代化技術的革新讓計算機視覺受到了廣泛關注,在計算機視覺領域,動態(tài)目標的識別和跟蹤技術已成為眾多科研者們研究的一大熱點問題。目標跟蹤技術不僅在智能監(jiān)控領域有著重要地位,而且在輔助駕駛以及自動駕駛方面也有著非常實用的價值。到目前為止,科研者們已經研究出了許多關于目標跟蹤方面的成果,目標跟蹤技術取得了突破性的進展。目標跟蹤技術與圖像處理技術之間的關系密不可分,相比較三維點云圖像來說,目標跟蹤技術在視頻圖像領域的應用相對比較成熟,但是,由于視頻圖像缺少目標對象的深度信息,因此可能經常出現目標對象間的遮擋現象,繼而給目標檢測和跟蹤造成一定的困難。本文針對傳統(tǒng)視頻圖像在目標跟蹤領域存在的弊端,提出了一種基于激光雷達采集場景信息的3D目標跟蹤方法,首先在跟蹤算法的選擇類型上,選擇能處理非線性非高斯系統(tǒng)的粒子濾波算法,并且粒子濾波算法的基礎上,提出一種改進的粒子濾波算法——輔助正則粒子濾波（ARPF）算法,該算法先是引入一個重要性密度函數進行二次加權,然后在重采樣的選擇上加以改進,從后驗概率密度的傳統(tǒng)離散采樣變成從近似的... 

【文章來源】：山東理工大學山東省

【文章頁數】：68 頁

【學位級別】：碩士

【部分圖文】：

Google公司研發(fā)的智能導航汽車Fig1.1SmartnavigationcardevelopedbyGoogle

確獲取始終是一大難點，所以，提高目標跟蹤算法的精度蹤問題以及提取其運動信息都具有非常重要的意義。研究思路和技術路線圖在目標識別與跟蹤問題中，雖然研究者們提出了許多相關自身存在的局限性，最終會導致我們難以提取目標對象的跡信息。本文通過分析視頻圖像和激光點云數據各自的特標對象的條件下對校園路邊行人和車輛進行運動信息提集到的激光點云數據為基礎，運用一系列的點云處理算法目標跟蹤系統(tǒng)，其中包括點云采樣、濾波、聚類分割、目集到的激光點云數據導入 ROS 框架，然后采用 PCL 中已據進行預處理，得到我們需要的目標模型，最后使用改進蹤，進而獲取運動目標的速度、加速度等信息，點云處理

大學碩士學位論文 第二章 目標跟蹤相關第二章 目標跟蹤相關技術研究處理目標對象的動態(tài)信息提取問題時，通過采集設備對所處場景中的目集，對圖像中所需跟蹤的目標對象進行聚類分割、特征提取、確定目工作。用目標跟蹤技術有輪廓跟蹤、核跟蹤和點跟蹤等，如圖 2.1 所示。

【參考文獻】：
期刊論文
[1]擴展卡爾曼濾波在非線性系統(tǒng)中的應用[J]. 張英坤.  中國科技信息. 2018(07)
[2]激光點云運動人體目標識別及運動信息提取[J]. 杜璞,張小艷.  激光雜志. 2018(01)
[3]目標跟蹤算法綜述[J]. 盧湖川,李佩霞,王棟.  模式識別與人工智能. 2018(01)
[4]歐氏聚類算法支持下的點云數據分割[J]. 陳向陽,楊洋,向云飛.  測繪通報. 2017(11)
[5]基于點云協方差描述子的多機器人目標識別與編隊跟蹤[J]. 宗群,劉朋浩,董琦,田栢苓.  天津大學學報(自然科學與工程技術版). 2017(11)
[6]人工智能助力智慧城市建設[J]. 戚欣,姜春雷.  智能建筑與智慧城市. 2017(09)
[7]激光點云在無人駕駛路徑檢測中的應用[J]. 張永博,李必軍,陳誠.  測繪通報. 2016(11)
[8]基于多特征融合的粒子濾波多目標跟蹤算法研究[J]. 楊龍文,黃植功.  計算機應用與軟件. 2015(04)
[9]粒子濾波和正則粒子濾波算法性能研究[J]. 毛鑫萍,李貝,張才強.  電聲技術. 2014(06)
[10]目標跟蹤的自適應雙重采樣粒子濾波算法[J]. 白笛,張冰,朱志宇.  計算機科學. 2013(03)

博士論文
[1]基于粒子濾波的行人跟蹤算法研究[D]. 李輝.武漢理工大學 2013
[2]動態(tài)場景下多運動目標檢測及跟蹤方法研究[D]. 曾鵬鑫.東北大學 2005

碩士論文
[1]多傳感器信息融合的行人跟蹤研究[D]. 王凱.西安工業(yè)大學 2018
[2]基于RGB-D傳感器的地面移動機器人目標檢測與跟蹤[D]. 張松.中北大學 2017
[3]基于Kinect的三維目標跟蹤與重建[D]. 莊曉雯.華南理工大學 2016
[4]基于多特征的粒子濾波行人跟蹤算法研究[D]. 張廣西.大連理工大學 2013
[5]基于多激光雷達的行人目標跟蹤[D]. 羅贊豐.浙江大學 2012
[6]基于視覺的目標跟蹤算法研究及其在移動機器人中的應用[D]. 吳楚.杭州電子科技大學 2012



本文編號：3393340