隨著現(xiàn)代工業(yè)和人工智能技術(shù)的不斷發(fā)展,人們對(duì)于智能化產(chǎn)品的依賴程度也在日益加深�，F(xiàn)代化技術(shù)的革新讓計(jì)算機(jī)視覺受到了廣泛關(guān)注,在計(jì)算機(jī)視覺領(lǐng)域,動(dòng)態(tài)目標(biāo)的識(shí)別和跟蹤技術(shù)已成為眾多科研者們研究的一大熱點(diǎn)問題。目標(biāo)跟蹤技術(shù)不僅在智能監(jiān)控領(lǐng)域有著重要地位,而且在輔助駕駛以及自動(dòng)駕駛方面也有著非常實(shí)用的價(jià)值。到目前為止,科研者們已經(jīng)研究出了許多關(guān)于目標(biāo)跟蹤方面的成果,目標(biāo)跟蹤技術(shù)取得了突破性的進(jìn)展。目標(biāo)跟蹤技術(shù)與圖像處理技術(shù)之間的關(guān)系密不可分,相比較三維點(diǎn)云圖像來說,目標(biāo)跟蹤技術(shù)在視頻圖像領(lǐng)域的應(yīng)用相對(duì)比較成熟,但是,由于視頻圖像缺少目標(biāo)對(duì)象的深度信息,因此可能經(jīng)常出現(xiàn)目標(biāo)對(duì)象間的遮擋現(xiàn)象,繼而給目標(biāo)檢測(cè)和跟蹤造成一定的困難。本文針對(duì)傳統(tǒng)視頻圖像在目標(biāo)跟蹤領(lǐng)域存在的弊端,提出了一種基于激光雷達(dá)采集場(chǎng)景信息的3D目標(biāo)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(chǔ)上,提出一種改進(jìn)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(gè)重要性密度函數(shù)進(jìn)行二次加權(quán),然后在重采樣的選擇上加以改進(jìn),從后驗(yàn)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(xué)山東省

【文章頁數(shù)】：68 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

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

確獲取始終是一大難點(diǎn)，所以，提高目標(biāo)跟蹤算法的精度蹤問題以及提取其運(yùn)動(dòng)信息都具有非常重要的意義。研究思路和技術(shù)路線圖在目標(biāo)識(shí)別與跟蹤問題中，雖然研究者們提出了許多相關(guān)自身存在的局限性，最終會(huì)導(dǎo)致我們難以提取目標(biāo)對(duì)象的跡信息。本文通過分析視頻圖像和激光點(diǎn)云數(shù)據(jù)各自的特標(biāo)對(duì)象的條件下對(duì)校園路邊行人和車輛進(jìn)行運(yùn)動(dòng)信息提集到的激光點(diǎn)云數(shù)據(jù)為基礎(chǔ)，運(yùn)用一系列的點(diǎn)云處理算法目標(biāo)跟蹤系統(tǒng)，其中包括點(diǎn)云采樣、濾波、聚類分割、目集到的激光點(diǎn)云數(shù)據(jù)導(dǎo)入 ROS 框架，然后采用 PCL 中已據(jù)進(jìn)行預(yù)處理，得到我們需要的目標(biāo)模型，最后使用改進(jìn)蹤，進(jìn)而獲取運(yùn)動(dòng)目標(biāo)的速度、加速度等信息，點(diǎn)云處理

大學(xué)碩士學(xué)位論文 第二章 目標(biāo)跟蹤相關(guān)第二章 目標(biāo)跟蹤相關(guān)技術(shù)研究處理目標(biāo)對(duì)象的動(dòng)態(tài)信息提取問題時(shí)，通過采集設(shè)備對(duì)所處場(chǎng)景中的目集，對(duì)圖像中所需跟蹤的目標(biāo)對(duì)象進(jìn)行聚類分割、特征提取、確定目工作。用目標(biāo)跟蹤技術(shù)有輪廓跟蹤、核跟蹤和點(diǎn)跟蹤等，如圖 2.1 所示。

【參考文獻(xiàn)】：
期刊論文
[1]擴(kuò)展卡爾曼濾波在非線性系統(tǒng)中的應(yīng)用[J]. 張英坤.  中國(guó)科技信息. 2018(07)
[2]激光點(diǎn)云運(yùn)動(dòng)人體目標(biāo)識(shí)別及運(yùn)動(dòng)信息提取[J]. 杜璞,張小艷.  激光雜志. 2018(01)
[3]目標(biāo)跟蹤算法綜述[J]. 盧湖川,李佩霞,王棟.  模式識(shí)別與人工智能. 2018(01)
[4]歐氏聚類算法支持下的點(diǎn)云數(shù)據(jù)分割[J]. 陳向陽,楊洋,向云飛.  測(cè)繪通報(bào). 2017(11)
[5]基于點(diǎn)云協(xié)方差描述子的多機(jī)器人目標(biāo)識(shí)別與編隊(duì)跟蹤[J]. 宗群,劉朋浩,董琦,田栢苓.  天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版). 2017(11)
[6]人工智能助力智慧城市建設(shè)[J]. 戚欣,姜春雷.  智能建筑與智慧城市. 2017(09)
[7]激光點(diǎn)云在無人駕駛路徑檢測(cè)中的應(yīng)用[J]. 張永博,李必軍,陳誠.  測(cè)繪通報(bào). 2016(11)
[8]基于多特征融合的粒子濾波多目標(biāo)跟蹤算法研究[J]. 楊龍文,黃植功.  計(jì)算機(jī)應(yīng)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(qiáng).  電聲技術(shù). 2014(06)
[10]目標(biāo)跟蹤的自適應(yīng)雙重采樣粒子濾波算法[J]. 白笛,張冰,朱志宇.  計(jì)算機(jī)科學(xué). 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(xué) 2013
[2]動(dòng)態(tài)場(chǎng)景下多運(yùn)動(dòng)目標(biāo)檢測(cè)及跟蹤方法研究[D]. 曾鵬鑫.東北大學(xué) 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(xué) 2018
[2]基于RGB-D傳感器的地面移動(dòng)機(jī)器人目標(biāo)檢測(cè)與跟蹤[D]. 張松.中北大學(xué) 2017
[3]基于Kinect的三維目標(biāo)跟蹤與重建[D]. 莊曉雯.華南理工大學(xué) 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(xué) 2013
[5]基于多激光雷達(dá)的行人目標(biāo)跟蹤[D]. 羅贊豐.浙江大學(xué) 2012
[6]基于視覺的目標(biāo)跟蹤算法研究及其在移動(dòng)機(jī)器人中的應(yīng)用[D]. 吳楚.杭州電子科技大學(xué) 2012



本文編號(hào)：3393340