基于機(jī)器視覺的遠(yuǎn)程巡邏報(bào)警機(jī)器人
發(fā)布時(shí)間:2022-07-01 10:30
隨著人工智能的迅猛發(fā)展,機(jī)器人的研究也有了長足的進(jìn)步,許多不同類型的自動化機(jī)器人正逐漸取代人工,既提高了工作效率,同時(shí)又降低了生產(chǎn)與人工成本。然而,在實(shí)際應(yīng)用過程中,由于受到地形環(huán)境的限制,外界環(huán)境的干擾比如光照變化,遮擋,視頻背景的抖動等影響,動態(tài)背景下目標(biāo)的檢測與跟蹤仍然是一項(xiàng)具有研究意義的課題。為解決上述問題,本文設(shè)計(jì)了一款自動巡邏與人工遙控相結(jié)合的智能巡邏機(jī)器人,針對復(fù)雜地形環(huán)境,該機(jī)器人運(yùn)動方式為履帶式,由于增加了與地面之間的接觸面積,履帶式機(jī)器人在運(yùn)動過程中具有更強(qiáng)的通過性。針對動態(tài)背景下視頻處理速度較慢,正確識別率較低等等問題,本文提出一種超像素算法與動態(tài)補(bǔ)償算法相結(jié)合的目標(biāo)檢測算法。首先使用超像素算法對視頻圖像進(jìn)行逐幀處理,將視頻圖像中的內(nèi)容進(jìn)行分類,這一過程大大降低了圖像中待處理像素的個(gè)數(shù),同時(shí)又保留了視頻圖像中的關(guān)鍵信息,隨后對圖像進(jìn)行特征點(diǎn)的提取和匹配計(jì)算,找出圖像中特征點(diǎn)的關(guān)鍵信息后對兩幀圖像進(jìn)行配準(zhǔn)操作以消除由于背景運(yùn)動給目標(biāo)檢測帶來的影響。最后使用幀間差分操作和圖像的形態(tài)學(xué)操作描述目標(biāo)輪廓。為解決在動態(tài)跟蹤過程中由于目標(biāo)被遮擋所造成的目標(biāo)丟失的問題,本文提出...
【文章頁數(shù)】:73 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 課題研究的背景與意義
1.2 國內(nèi)外發(fā)展與研究現(xiàn)狀
1.2.1 履帶式機(jī)器人發(fā)展現(xiàn)狀
1.2.2 檢測與跟蹤研究現(xiàn)狀
1.3 論文結(jié)構(gòu)安排主要內(nèi)容
第二章 機(jī)器人總體設(shè)計(jì)
2.1 總體功能設(shè)計(jì)
2.2 總體硬件設(shè)計(jì)
2.2.1 運(yùn)動控制芯片
2.2.2 視頻傳輸芯片
2.2.3 電機(jī)驅(qū)動部分
2.2.4 電機(jī)及霍爾編碼器
2.2.5 攝像頭部分
2.2.6 光電傳感器
2.3 總體軟件設(shè)計(jì)
2.3.1 PC端視頻監(jiān)控部分
2.3.2 動態(tài)檢測模塊
2.3.3 手機(jī)控制端
2.3.4 機(jī)器人運(yùn)動控制程序
2.4 本章小結(jié)
第三章 動態(tài)背景下的目標(biāo)檢測
3.1 超像素處理
3.2 提取特征點(diǎn)估計(jì)運(yùn)動參數(shù)
3.2.1 Harris角點(diǎn)檢測
3.2.2 FAST角點(diǎn)檢測
3.2.3 SIFT算法
3.2.4 SURF算法
3.2.5 檢測方法比較
3.3 動態(tài)補(bǔ)償
3.3.1 逐幀補(bǔ)償
3.3.2 RANSAC算法
3.4 識別區(qū)域
3.4.1 圖像濾波
3.4.2 幀間差分操作
3.4.3 形態(tài)學(xué)操作
3.5 實(shí)驗(yàn)結(jié)果與分析
3.6 本章小結(jié)
第四章 動態(tài)背景下的目標(biāo)跟蹤
4.1 均值漂移算法
4.2 Camshift算法
4.3 卡爾曼濾波算法
4.3.1 建立空間模型
4.3.2 運(yùn)動參數(shù)估計(jì)
4.4 自適應(yīng)卡爾曼濾波算法與Camshift算法融合
4.4.1 遮擋程度檢測
4.4.2 融合算法步驟
4.5 算法流程及實(shí)驗(yàn)分析
4.5.1 快速運(yùn)動測試
4.5.2 遮擋測試
4.5.3 光照變化測試
4.5.4 綜合分析
4.6 本章小結(jié)
第五章 總體測試
5.1 硬件實(shí)物圖
5.2 軟件平臺測試
5.3 檢測測試
5.4 檢測跟蹤測試
5.5 本章小結(jié)
第六章 總結(jié)與展望
6.1 總結(jié)
6.2 展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間發(fā)表論文情況
本文編號:3654074
【文章頁數(shù)】:73 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 課題研究的背景與意義
1.2 國內(nèi)外發(fā)展與研究現(xiàn)狀
1.2.1 履帶式機(jī)器人發(fā)展現(xiàn)狀
1.2.2 檢測與跟蹤研究現(xiàn)狀
1.3 論文結(jié)構(gòu)安排主要內(nèi)容
第二章 機(jī)器人總體設(shè)計(jì)
2.1 總體功能設(shè)計(jì)
2.2 總體硬件設(shè)計(jì)
2.2.1 運(yùn)動控制芯片
2.2.2 視頻傳輸芯片
2.2.3 電機(jī)驅(qū)動部分
2.2.4 電機(jī)及霍爾編碼器
2.2.5 攝像頭部分
2.2.6 光電傳感器
2.3 總體軟件設(shè)計(jì)
2.3.1 PC端視頻監(jiān)控部分
2.3.2 動態(tài)檢測模塊
2.3.3 手機(jī)控制端
2.3.4 機(jī)器人運(yùn)動控制程序
2.4 本章小結(jié)
第三章 動態(tài)背景下的目標(biāo)檢測
3.1 超像素處理
3.2 提取特征點(diǎn)估計(jì)運(yùn)動參數(shù)
3.2.1 Harris角點(diǎn)檢測
3.2.2 FAST角點(diǎn)檢測
3.2.3 SIFT算法
3.2.4 SURF算法
3.2.5 檢測方法比較
3.3 動態(tài)補(bǔ)償
3.3.1 逐幀補(bǔ)償
3.3.2 RANSAC算法
3.4 識別區(qū)域
3.4.1 圖像濾波
3.4.2 幀間差分操作
3.4.3 形態(tài)學(xué)操作
3.5 實(shí)驗(yàn)結(jié)果與分析
3.6 本章小結(jié)
第四章 動態(tài)背景下的目標(biāo)跟蹤
4.1 均值漂移算法
4.2 Camshift算法
4.3 卡爾曼濾波算法
4.3.1 建立空間模型
4.3.2 運(yùn)動參數(shù)估計(jì)
4.4 自適應(yīng)卡爾曼濾波算法與Camshift算法融合
4.4.1 遮擋程度檢測
4.4.2 融合算法步驟
4.5 算法流程及實(shí)驗(yàn)分析
4.5.1 快速運(yùn)動測試
4.5.2 遮擋測試
4.5.3 光照變化測試
4.5.4 綜合分析
4.6 本章小結(jié)
第五章 總體測試
5.1 硬件實(shí)物圖
5.2 軟件平臺測試
5.3 檢測測試
5.4 檢測跟蹤測試
5.5 本章小結(jié)
第六章 總結(jié)與展望
6.1 總結(jié)
6.2 展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間發(fā)表論文情況
本文編號:3654074
本文鏈接:http://www.sikaile.net/kejilunwen/zidonghuakongzhilunwen/3654074.html
最近更新
教材專著