現(xiàn)有的自動(dòng)跟隨載物車系統(tǒng)還存在著易受干擾、跟蹤準(zhǔn)確性差,被跟隨者還需攜帶手持裝置等缺陷。針對(duì)上述問題,本文設(shè)計(jì)了一種基于運(yùn)動(dòng)算法自動(dòng)跟隨的載物車系統(tǒng)。系統(tǒng)利用攝像頭并借助圖像處理技術(shù)識(shí)別出被跟隨目標(biāo)后,根據(jù)被跟隨目標(biāo)質(zhì)心的運(yùn)動(dòng)情況來跟蹤被跟隨目標(biāo),在不需要攜帶任何手持裝置的情況下,就能實(shí)現(xiàn)復(fù)雜環(huán)境下對(duì)被跟隨目標(biāo)的自動(dòng)跟隨。本文利用圖像處理、嵌入式與通信等技術(shù)相結(jié)合的方式完成載物車自動(dòng)跟隨系統(tǒng)的設(shè)計(jì)。本系統(tǒng)由自動(dòng)跟隨的載物車和被跟隨目標(biāo)兩部分組成,在自動(dòng)跟隨載物車檢測(cè)被跟隨目標(biāo)的過程中,由于被跟隨目標(biāo)的圖像是由攝像頭轉(zhuǎn)動(dòng)和被跟隨目標(biāo)自身運(yùn)動(dòng)的疊加構(gòu)成,因此本系統(tǒng)通過運(yùn)動(dòng)算法建立了全局運(yùn)動(dòng)模型,根據(jù)相鄰兩幀圖像之間特征區(qū)域的位置關(guān)系求出所建立運(yùn)動(dòng)模型矩陣中的未知運(yùn)動(dòng)參數(shù),利用所求得的運(yùn)動(dòng)模型對(duì)運(yùn)動(dòng)圖像進(jìn)行補(bǔ)償,使得相鄰幀圖像的背景相對(duì)靜態(tài)化,采用背景減除結(jié)合四幀差分的思想完成了運(yùn)動(dòng)圖像中被跟隨目標(biāo)的檢測(cè)、提取。在此基礎(chǔ)上,根據(jù)被跟隨目標(biāo)質(zhì)心的運(yùn)動(dòng)情況,攝像頭進(jìn)一步對(duì)被跟隨目標(biāo)進(jìn)行了跟蹤和預(yù)測(cè)。通過模擬仿真實(shí)驗(yàn)驗(yàn)證了本文使用的運(yùn)動(dòng)算法的可行性,完成了載重小于等于110kg的載物車對(duì)被跟隨目標(biāo)... 

【文章來源】：哈爾濱理工大學(xué)黑龍江省

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

特征點(diǎn)匹配效果圖

Ik-1 圖 3-2 幀間差分法框架圖 Fig.3-2 Interframe difference method frame diagram 由式(3-6)可得到差分圖像 D(m,n)： 1255, ( , ) ( , )( , )0,k kI m n I m n TD m nother (3-6) 式(3-6)中，閾值 T 為已知量，可根據(jù)實(shí)際應(yīng)用場(chǎng)景將其設(shè)置為固定值。在所得差分圖像中，相鄰兩幀圖像之間發(fā)生了運(yùn)動(dòng)的點(diǎn)的像素值為 255，而圖像背景上的點(diǎn)的像素值為 0。幀差法易受噪聲影響，且目標(biāo)在相鄰幀間運(yùn)動(dòng)不明顯時(shí)不易獲取被跟隨目標(biāo)整體的輪廓。幀間差分效果圖如圖 3-3 所示。

哈爾濱理工大學(xué)工學(xué)碩士學(xué)位論文-19-3.2.2運(yùn)動(dòng)圖像后處理采用背景減除和四幀差分相結(jié)合的思想來檢測(cè)被跟隨目標(biāo)，先將動(dòng)態(tài)閾值T分別融入背景減除法和四幀差分法中，有效克服光照變化產(chǎn)生影響的同時(shí)解決了雙影、空洞等問題，從而能更好的將被跟隨目標(biāo)和背景有效地分割開來，再使用連通性檢測(cè)的方法降低或者徹底消除噪聲斑點(diǎn)，進(jìn)而得到更為完整的前景圖I(m,n)，被跟隨目標(biāo)檢測(cè)效果圖如圖3-4所示。圖3-4被跟隨目標(biāo)檢測(cè)效果圖Fig.3-4Movingtargetdetectioneffectchart3.3被跟隨目標(biāo)跟蹤算法研究3.3.1被跟隨目標(biāo)區(qū)域截取在3.1節(jié)的基礎(chǔ)上，已經(jīng)對(duì)被跟隨目標(biāo)和背景進(jìn)行有效的閾值分割，根據(jù)被跟隨目標(biāo)像素信息來求取質(zhì)心在圖像坐標(biāo)系中的坐標(biāo)。已經(jīng)把前景圖進(jìn)行了二值化，則被跟隨目標(biāo)質(zhì)心Z(p,q)的坐標(biāo)計(jì)算方法如式(3-7)所示。11111111(,)(,)(,)(,)NMnmNMnmNMnmNMnmnImnpImnmImnqImn(3-7)

【參考文獻(xiàn)】：
期刊論文
[1]基于三維激光雷達(dá)的障礙物檢測(cè)與跟蹤[J]. 楊大磊,任文峰,馬慶龍.  汽車實(shí)用技術(shù). 2019(21)
[2]自動(dòng)跟隨服務(wù)機(jī)器人的設(shè)計(jì)研究[J]. 連幸.  決策探索(下). 2019(09)
[3]爬壁機(jī)器人的研究現(xiàn)狀[J]. 程思敏,陳韋宇,叢培杰.  機(jī)電工程技術(shù). 2019(09)
[4]基于語(yǔ)音識(shí)別的人形機(jī)器人的設(shè)計(jì)與實(shí)現(xiàn)[J]. 翁劍鵬,彭軍發(fā),李金林,易向東.  科技創(chuàng)新導(dǎo)報(bào). 2019(18)
[5]基于視覺導(dǎo)航的微型智能車路徑識(shí)別系統(tǒng)研究[J]. 裴茂印,張仁杰,曾忠.  軟件導(dǎo)刊. 2019(02)
[6]基于移動(dòng)小車的無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)采集算法[J]. 張淳.  電腦知識(shí)與技術(shù). 2018(15)
[7]我國(guó)工業(yè)機(jī)器人行業(yè)的發(fā)展現(xiàn)狀及啟示[J]. 譚文君,董桂才,張斌儒.  宏觀經(jīng)濟(jì)管理. 2018(04)
[8]基于WiFi與藍(lán)牙的室內(nèi)定位技術(shù)探究[J]. 孫緯民,杜慶治.  軟件導(dǎo)刊. 2018(03)
[9]探究智能移動(dòng)機(jī)器人的現(xiàn)狀及展望[J]. 武雨飛.  中國(guó)戰(zhàn)略新興產(chǎn)業(yè). 2018(12)
[10]基于超聲波測(cè)距的室內(nèi)定位系統(tǒng)[J]. 徐盛良,魯照權(quán),周永燕,王肖玥峰,丁浩峰.  機(jī)械設(shè)計(jì)與制造工程. 2017(11)

碩士論文
[1]基于CSI指紋的室內(nèi)定位技術(shù)研究[D]. 蔡晨威.北京郵電大學(xué) 2019
[2]基于粒子濾波的人體跟隨小車研究和實(shí)現(xiàn)[D]. 夏云川.西南交通大學(xué) 2018
[3]基于嵌入式Linux的視頻監(jiān)控系統(tǒng)設(shè)計(jì)[D]. 周景文.太原科技大學(xué) 2018
[4]基于改進(jìn)核相關(guān)濾波算法的跟隨機(jī)器人設(shè)計(jì)與實(shí)現(xiàn)[D]. 王彬.浙江大學(xué) 2018
[5]基于STM32的未知環(huán)境下自主定位移動(dòng)機(jī)器人控制平臺(tái)的研究與實(shí)現(xiàn)[D]. 尹天倫.東南大學(xué) 2017
[6]智能移動(dòng)機(jī)器人的開發(fā)與研究[D]. 薛潭.青島科技大學(xué) 2017
[7]基于多傳感器信息融合的移動(dòng)機(jī)器人控制[D]. 羅彬.東華大學(xué) 2016
[8]自動(dòng)跟隨小車控制系統(tǒng)[D]. 劉偉麗.長(zhǎng)春理工大學(xué) 2013



本文編號(hào)：2981493