智能機(jī)器人運動控制和目標(biāo)跟蹤

1、XXXX大學(xué)智能機(jī)器人結(jié)課論文移動機(jī)器人對運動目標(biāo)的檢測跟蹤方法學(xué)院（系）： 專業(yè)班級： 學(xué)生學(xué)號： 學(xué)生姓名： 成 績： 目錄摘要 . 10、引言 .11、運動目標(biāo)檢測方法 .111 運動目標(biāo)圖像HSI差值模型 .11.2 運動目標(biāo)的自適應(yīng)分割與提取 .22 運動目標(biāo)的預(yù)測跟蹤控制 .321 運動目標(biāo)的定位 .322 運動目標(biāo)的運動軌跡估計 .423 移動機(jī)器人運動控制策略 .63 結(jié)束語 .6參考文獻(xiàn) .7 一種移動機(jī)器人對運動目標(biāo)的檢測跟蹤方法摘要：從序列圖像中有效地自動提取運動目標(biāo)區(qū)域和跟蹤運動目標(biāo)是自主機(jī)器人運動控制的研究熱點之一。給出了連續(xù)圖像幀差分和二次幀差分改進(jìn)的圖像HIS差分

2、模型，采用自適應(yīng)運動目標(biāo)區(qū)域檢測、自適應(yīng)陰影部分分割和噪聲消除算法，對無背景圖像條件下自動提取運動目標(biāo)區(qū)域。定義了一些運動目標(biāo)的特征分析和計算 ，通過特征匹配識別所需跟蹤目標(biāo)的區(qū)域。采用 Kalrnan預(yù)報器對運動目標(biāo)狀態(tài)的一步預(yù)測估計和兩步增量式跟蹤算法，能快速平滑地實現(xiàn)移動機(jī)器人對運動目標(biāo)的跟蹤驅(qū)動控制。實驗結(jié)果表明該方法有效。 關(guān)鍵詞：改進(jìn)的HIS差分模型；Kahnan濾波器；增量式跟蹤控制策略。 0、引言 運動目標(biāo)檢測和跟蹤是機(jī)器人研究應(yīng)用及智能視頻監(jiān)控中的重要關(guān)鍵技術(shù) ，一直是備受關(guān)注的研究熱點之一。在運動目標(biāo)檢測算法中常用方法有光流場法和圖像差分法。由于光流場法的計算量大，不適合于

3、實時性的要求。對背景圖像的幀問差分法對環(huán)境變化有較強(qiáng)的適應(yīng)性和運算簡單方便的特點，但幀問差分不能提出完整的運動目標(biāo)，且場景中會出現(xiàn)大量噪聲，如光線的強(qiáng)弱、運動目標(biāo)的陰影等。 為此文中對移動機(jī)器人的運動目標(biāo)檢測和跟蹤中的一些關(guān)鍵技術(shù)進(jìn)行了研究，通過對傳統(tǒng)幀間差分的改進(jìn)，引入 HSI差值模型、圖像序列的連續(xù)差分運算、自適應(yīng)分割算法、自適應(yīng)陰影部分分割算法和圖像形態(tài)學(xué)方法消除噪聲斑點，在無背景圖像條件下自動提取運動 目標(biāo)區(qū)域。采用 Kalman濾波器對跟蹤目標(biāo)的運動軌跡進(jìn)行預(yù)測，建立移動機(jī)器人跟蹤運動 目標(biāo)的兩步增量式跟蹤控制策略，實現(xiàn)對目標(biāo)的準(zhǔn)確檢測和平滑跟蹤控制。實驗結(jié)果表明該算法有效。 1、運

4、動目標(biāo)檢測方法 接近人跟對顏色感知的色調(diào)、飽和度和亮度屬性 (H，S，I )模型更適合于圖像識別處理。因此，文中引入改進(jìn) 型 HSI幀差模型。11 運動目標(biāo)圖像HSI差值模型 設(shè)移動機(jī)器人在某一位置采得的連續(xù)三幀圖像序列 ，根據(jù)仿人眼對色度的敏感系數(shù)比亮度要低，通過對圖像色調(diào)H、飽和度S和亮度I屬性的敏感系數(shù)調(diào)整，將所得序列每一幀圖像轉(zhuǎn)換為更能突出移動目標(biāo)的改進(jìn)型HSI圖像，如下式： .(1) 其中：，分別為設(shè)定 的色調(diào)、飽和度和亮度的敏感系數(shù)。將通過公式(1)轉(zhuǎn)化后的第k與第是k-1幀圖像差分，第k+1與第k幀圖像差分。定義1 幀差分圖像計算模型如下： .（2） .（3）其中：，為連續(xù)三幀圖

5、像序列的幀差分后的結(jié)果。1、2 運動目標(biāo)的自適應(yīng)分割與提取 定義 2 二次幀差分圖像運算為： .（4） 運算規(guī)則定義為： 其中：Y(x,y)為相與運算所得結(jié)果 ，相與運算為對，兩個幀差分圖像的色度 H、飽和度S和亮度J值取極小運算。 為了確定出兩個幀差分圖像結(jié)果，做相與運算結(jié)果所得區(qū)域，利用類間距與類內(nèi)距之比作為最佳分割的目標(biāo)函數(shù)確定出圖像序列中的運動目標(biāo)移動部分區(qū)域 和背景區(qū)域。 2 運動目標(biāo)的預(yù)測跟蹤控制 21 運動目標(biāo)的定位 計算跟蹤運動目標(biāo)區(qū)域的重心點的橫坐標(biāo)、縱坐標(biāo)為： .（5） 其中：為二值化圖像中的確定要跟蹤的運動目標(biāo)區(qū)域。 計算跟蹤運動目標(biāo)區(qū)域的重心點的深度坐標(biāo)值。 文中采用單

6、攝像機(jī)近似小孔成像原理的測距方法，較精確地計算出深度距離值。 實際中機(jī)器人攝像機(jī)采用的是正對前方的放置方式，高度已經(jīng)測定為H，焦距已經(jīng)測定 為 。如圖 1所示。 C 圖像原點D H B(x,y) 圖 1 小孔成像原理的測距示意圖 由圖 1可得 ，C是攝像機(jī)，O是攝像機(jī)在地面上的投影，圖像成像面中心點坐標(biāo)為運動目標(biāo)重心點正下方的邊緣點的三維立體坐標(biāo)為，該點在圖像上 的投影點坐標(biāo)為。 則三角形 ACO與三角形 CDB相似，經(jīng)過計算可以得出物體地面上的點與攝像機(jī)的水平距離。 .（6）其中：是攝像機(jī)成像像素的縱向物理尺寸，H為攝像機(jī)與地面高度。22 運動目標(biāo)的運動軌跡估計 文中采用 Kalman濾波器

7、(EKF)預(yù)估運動目標(biāo)位置，建立移動機(jī)器人跟蹤運動目標(biāo)的控 制策略 。 運動目標(biāo)的前后左右移動可以通過其重心在圖像上的左右平移和運動目標(biāo)成像 的深度來反映，構(gòu)造Klaman濾波器時，設(shè)狀態(tài)向量X(t)為： 其中： ,分別為t時刻運動目標(biāo)重心點A在圖像上方向和方向的位置； ,分別為t時刻運動目標(biāo)A點在x方向和y方向上的運動速率； 為兩個狀態(tài)之間的采樣時間間隔。 系統(tǒng)的狀態(tài)方程： 運動目標(biāo)的跟蹤過程可以用下面的時間線性狀態(tài)方程描述： ,即： .（8） 其中：是狀態(tài)誤差,假定為零均值高斯噪聲，取為，其方差分別為： 量測方程為：,即： .（8）其中：v(t)為觀測誤差，假定為零均值高斯噪聲，取為,其方

8、差分別為： 。 初始條件確定：系統(tǒng)初始狀態(tài)的確定，運動目標(biāo)初始位置A點為，可實時檢測計算得到第五幀時刻運動目標(biāo)的重心點位置作為初始A點位置狀態(tài)值；運動目標(biāo)初始移動速率為，可以通過實時檢測第二幀與第五幀的重心點位置變化和采樣時間間隔之比計算得到，即初始 。量測方程中的噪聲協(xié)方差矩陣，模型噪聲的協(xié)方差矩陣，估計誤差協(xié)方差矩陣P(t)，初始狀態(tài)值Q，R和P(0)只需取不為零的矩陣。 一步預(yù)測估計推導(dǎo)：根據(jù)Kalman濾波理論的預(yù)測模型遞推公式，進(jìn)行一步預(yù)測估計推導(dǎo)如下： .（9） .（10） .（11） 得到K(1)后可以根據(jù)下式計算出系統(tǒng)的下一步狀態(tài)預(yù)測值 ： .（12） 可依此類推得：x(2)，

9、x(3)，.，X(k )，X(k+1)，.。 23 移動機(jī)器人運動控制策略 使移動機(jī)器人檢測出的運動目標(biāo)的重心始終位于圖像的中心位置，則跟蹤問題可表示為機(jī)器人的兩步運動：首先驅(qū)動機(jī)器人左右移動x使運動目標(biāo)的重心點出現(xiàn)在圖像 的中心位置軸上，再驅(qū)動機(jī)器人前后移動Z保持圖像大小不變。 的計算 ： 目標(biāo)水平移動的實際距離可以通過攝像機(jī)的小孔成像模型近似算出，推導(dǎo)如下： .（13）其中：dx是攝像機(jī)成像像素的橫向物理尺寸。 Z的計算： 實際跟蹤過程中需要保持運動目標(biāo)的成像面積與圖像總面積的比值不變，由公式(9)運動目標(biāo)成像面積與運動目標(biāo)物體自身表面積的關(guān)系可推導(dǎo)出Z的計算公式。設(shè)保持運動目標(biāo)的成像面積

10、與圖像總面積的比值為常值，實際狀態(tài)下運動目標(biāo)在圖像中所占的比值為，計算得到此時物體重心距離機(jī)器人的近似距離為，為了達(dá)到運動 目標(biāo)成像面積為保持的比值，機(jī)器人需要移動的距離表示為Z，則： .（14）其中：為運動目標(biāo)重心點正下方的運動目標(biāo)區(qū)域邊緣點在圖像中的坐標(biāo)，可由重心點坐標(biāo)得出，由公式(19)和(21)看出可以通過Kalman濾波預(yù)測出來的、和確定保持運動目標(biāo)圖像大小比值，可分別計算得出移動機(jī)器人的兩步運動x和z。3 結(jié)束語 文中對移動機(jī)器人的運動目標(biāo)檢測和跟蹤中的一些關(guān)鍵技術(shù)進(jìn)行了研究?，F(xiàn)在智能機(jī)器人不僅應(yīng)用在機(jī)械制造、化工運輸、設(shè)備安裝等工業(yè)領(lǐng)域，而且還可以廣泛的用于生活軍事，學(xué)習(xí)本課，不

11、僅了解了機(jī)器人的發(fā)展現(xiàn)況，更系統(tǒng)的學(xué)習(xí)了各種基礎(chǔ)理論和制作思想。以上實驗結(jié)果表明：(1) 給出了改進(jìn)的圖像HSI差分模型，定義了連續(xù)圖像幀差分和二次幀差分運算，可有效地適應(yīng)環(huán)境變化的影響，能對無背景圖像條件下有效提取運動目標(biāo)區(qū)域。(2) 引入了一些運動物體的特征分析，定義了運動目標(biāo)區(qū)域的特征值計算，可對運動目標(biāo)進(jìn)行特征匹配，能判別和提取所需跟蹤的運動目區(qū)域。(3) 采用了Kalman濾波器對運動目標(biāo)狀態(tài)的預(yù)測，定義了移動機(jī)器人的增量式兩步跟蹤算法 ，能快速平滑地實現(xiàn)移動機(jī)器人跟蹤運動目標(biāo)的驅(qū)動控制。 (4) 文中方法對于運動物體的遮擋造成的目標(biāo)消失或運動物體移動過快等問題需要進(jìn)一步研究 。參考文獻(xiàn)： 1 李慶忠，陳顯華，王立紅一種視頻運動目標(biāo)的檢測與識別方法J模式識別與人工智能，2006，19(2)：2382422 楊 威，張?zhí)镂膹?fù)雜景物環(huán)境下運動目標(biāo)檢測的新方法 J 計算機(jī)研究與發(fā)展，1998，35(8)：724728 3 張輝，王強(qiáng)，徐光佑，等運動目標(biāo)的快速檢測和識別 J 清華大學(xué)學(xué)報，自然科學(xué)版，2002，42(1O)：14011404 4 王建平 ，秦 楓灰度文本 圖像 白適應(yīng)二值化濾波算法設(shè) 計及應(yīng)用 J合肥工 業(yè)大學(xué)學(xué)報 ：自然科學(xué) 版，2004