本文關(guān)鍵詞：基于視覺(jué)的船舶跟蹤與三維定位技術(shù)研究與應(yīng)用

  更多相關(guān)文章： 雙目視覺(jué) 目標(biāo)跟蹤 立體匹配 視差定位

【摘要】：隨著對(duì)海洋資源的進(jìn)一步開(kāi)發(fā)和利用,海洋船舶的協(xié)同作業(yè)需求越來(lái)越迫切。在海洋協(xié)同作業(yè)中,例如：海洋平臺(tái)建筑、海上鋪纜,需要實(shí)現(xiàn)對(duì)船與船之間的位置控制,以保證其安全距離和協(xié)同作業(yè)的最佳相對(duì)位置,對(duì)目標(biāo)船的跟蹤及與目標(biāo)船間相對(duì)位置的測(cè)算是首先要解決的問(wèn)題。本文通過(guò)采用雙目視覺(jué)技術(shù)實(shí)時(shí)跟蹤目標(biāo)船只并給出目標(biāo)的三維坐標(biāo),從而為控制部分提供精確的位置傳感信息。 本文的主要工作如下： 1.首先介紹了視覺(jué)測(cè)量技術(shù)的發(fā)展現(xiàn)狀,并通過(guò)各種測(cè)量技術(shù)的對(duì)比論證了視覺(jué)技術(shù)在船舶測(cè)量領(lǐng)域的可行性和應(yīng)用前景。 2.研究了立體視覺(jué)和雙目測(cè)距的相關(guān)理論,雙目測(cè)距算法可根據(jù)攝像機(jī)的擺放位置不同分為雙目光軸匯聚模式和雙目光軸平行模式,通過(guò)對(duì)比并結(jié)合實(shí)際實(shí)驗(yàn)平臺(tái)最終采用了計(jì)算簡(jiǎn)單,易于實(shí)現(xiàn)的雙目光軸平行模式的測(cè)距方法。 3.對(duì)目前主流攝像機(jī)標(biāo)定方法進(jìn)行了研究分析,其中張氏標(biāo)定法是一種十分成熟并且得到廣泛應(yīng)用的方法,它在標(biāo)定方法的靈活性以及準(zhǔn)確性方面都作出了較大突破,鑒于此本文采用張氏標(biāo)定法完成雙目攝像機(jī)進(jìn)行標(biāo)定。首先采用基于OpenCV的標(biāo)定程序?qū)﹄p目攝像機(jī)進(jìn)行了標(biāo)定,但是標(biāo)定結(jié)果并不穩(wěn)定,最后采用基于Halcon軟件的標(biāo)定程序獲得了相對(duì)穩(wěn)定的標(biāo)定結(jié)果。 4.對(duì)薩里大學(xué)Zdenek Kalal的TLD(Trackiong-Learning-Detection)跟蹤算法進(jìn)行了深入學(xué)習(xí)和研究,該方法將跟蹤、檢測(cè)、學(xué)習(xí)三部分相結(jié)合,具有實(shí)時(shí)性好,魯棒性強(qiáng),可以實(shí)現(xiàn)長(zhǎng)時(shí)跟蹤等優(yōu)點(diǎn)。因此本文在船舶跟蹤定位系統(tǒng)的跟蹤模塊采用該算法對(duì)目標(biāo)物進(jìn)行跟蹤,并針對(duì)具體應(yīng)用對(duì)該算法進(jìn)行了相關(guān)測(cè)試,該算法對(duì)目標(biāo)高速運(yùn)動(dòng)、小角度旋轉(zhuǎn)、出現(xiàn)部分遮擋有較強(qiáng)的免疫力,其中當(dāng)目標(biāo)旋轉(zhuǎn)角度較大時(shí),算法的穩(wěn)定性會(huì)變差。 5.在立體匹配模塊采用準(zhǔn)確性高,適應(yīng)性好的NCC匹配算法,但是該算法在傳統(tǒng)應(yīng)用中由于計(jì)算量大,從而導(dǎo)致匹配效率低。本文將跟蹤模塊與匹配模塊相結(jié)合,跟蹤模塊為匹配模塊提供約束條件,具體設(shè)計(jì)為：跟蹤模塊以目標(biāo)窗口的形式給出跟蹤結(jié)果,即匹配模塊在跟蹤結(jié)果中進(jìn)行左右目匹配,同時(shí)匹配的對(duì)象——角點(diǎn)已提前獲取,數(shù)量設(shè)定在一定范圍之內(nèi),該設(shè)計(jì)使NCC算法計(jì)算量大大降低,提高了匹配的實(shí)時(shí)性和準(zhǔn)確性。 6.最后,基于Matlab R2010b, VC++6.0和OpenCV1.0開(kāi)發(fā)了船舶跟蹤定位系統(tǒng),通過(guò)實(shí)驗(yàn)證明,船舶跟蹤定位系統(tǒng)的研究具有可行性,相比雷達(dá)、GPS,超聲波、紅外、激光等測(cè)距方法而言,本系統(tǒng)可同時(shí)完成動(dòng)態(tài)目標(biāo)跟蹤和定位并能提供三維圖像的豐富信息,具有很強(qiáng)推廣應(yīng)用價(jià)值。
【關(guān)鍵詞】：雙目視覺(jué) 目標(biāo)跟蹤 立體匹配 視差定位
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：U675.7
【目錄】：

• 摘要4-6
• ABSTRACT6-8
• 目錄8-11
• CONTENTS11-14
• 第一章 緒論14-18
• 1.1 課題研究的背景及意義14-15
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀及分析15-17
• 1.3 本論文的主要研究?jī)?nèi)容17-18
• 第二章 基于雙目立體視覺(jué)的測(cè)距方案選擇18-24
• 2.1 雙目立體視覺(jué)18-19
• 2.2 雙目測(cè)距原理19-23
• 2.2.1 雙目光軸匯聚模式19-21
• 2.2.2 雙目光軸平行模式21-23
• 2.3 本章小結(jié)23-24
• 第三章 雙目相機(jī)的標(biāo)定24-40
• 3.1 視覺(jué)相關(guān)的幾種坐標(biāo)系及它們之間的關(guān)系24-25
• 3.2 攝像機(jī)投影幾何模型25-29
• 3.3 攝像機(jī)畸變模型29-30
• 3.4 攝像機(jī)傳統(tǒng)標(biāo)定方法30-34
• 3.4.1 直接線性變換(DLT變換)30
• 3.4.2 非線性優(yōu)化方法30-31
• 3.4.3 RAC標(biāo)定方法(DLT變換)31
• 3.4.4 張氏標(biāo)定法31-34
• 3.5 攝像機(jī)自標(biāo)定方法34-35
• 3.6 實(shí)驗(yàn)與結(jié)果分析35-38
• 3.7 本章小結(jié)38-40
• 第四章 基于TLD的跟蹤算法設(shè)計(jì)與實(shí)現(xiàn)40-59
• 4.1 跟蹤算法概述40-43
• 4.1.1 不依賴于先驗(yàn)知識(shí)的跟蹤40-42
• 4.1.2 基于先驗(yàn)知識(shí)的跟蹤42-43
• 4.2 TLD跟蹤算法簡(jiǎn)介43-44
• 4.3 TLD跟蹤算法的實(shí)現(xiàn)44-54
• 4.3.1 先決條件45-46
• 4.3.2 目標(biāo)模型46-47
• 4.3.3 跟蹤模塊47-50
• 4.3.4 檢測(cè)模塊50-52
• 4.3.5 整合器52
• 4.3.6 學(xué)習(xí)模塊52-54
• 4.4 算法評(píng)價(jià)54-56
• 4.5 跟蹤測(cè)試實(shí)驗(yàn)56-58
• 4.6 本章小結(jié)58-59
• 第五章 雙目視覺(jué)的立體匹配59-69
• 5.1 立體匹配的約束準(zhǔn)則59-60
• 5.2 立體匹配算法分類60-63
• 5.2.1 基于局部的約束算法60-62
• 5.2.2 基于全局的約束算法62-63
• 5.3 本文匹配算法設(shè)計(jì)63-67
• 5.3.1 匹配特征的選取63
• 5.3.2 角點(diǎn)提取算法的選擇63-65
• 5.3.3 匹配算法的選擇65-67
• 5.4 雙目匹配實(shí)驗(yàn)67-68
• 5.5 本章小結(jié)68-69
• 第六章 跟蹤定位系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)69-74
• 6.1 系統(tǒng)硬件選型69-70
• 6.2 系統(tǒng)軟件組成70-71
• 6.3 目標(biāo)定位實(shí)驗(yàn)71-73
• 6.4 本章小結(jié)73-74
• 結(jié)論74-76
• 參考文獻(xiàn)76-81
• 攻讀學(xué)位期間發(fā)表的論文及獲獎(jiǎng)81-83
• 致謝83

【引證文獻(xiàn)】

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 岳鑫;基于機(jī)器視覺(jué)的智能輪椅障礙檢測(cè)方法研究[D];西安工業(yè)大學(xué);2016年

，

本文編號(hào)：920707