目標(biāo)的識(shí)別定位和跟蹤技術(shù)在各行各業(yè)都有著廣泛的用途,并逐漸向自動(dòng)化和智能化發(fā)展。本文采用可以獲得空間三維信息的雙目攝像頭實(shí)現(xiàn)物體的識(shí)別與跟蹤研究。雙目攝像頭具備圖像采集簡(jiǎn)單、速度快、效率高、成本低、可構(gòu)建三維空間的特點(diǎn)。本文使用雙目攝像頭對(duì)目標(biāo)進(jìn)行圖像采集,對(duì)目標(biāo)物體圖像和視頻流圖像進(jìn)行特征點(diǎn)提取與匹配以識(shí)別目標(biāo)并確定目標(biāo)在圖像中的位置。通過雙目攝像機(jī)成像原理和坐標(biāo)系轉(zhuǎn)換等原理完成在視頻流圖像中對(duì)目標(biāo)圖像的姿態(tài)判定和動(dòng)態(tài)跟蹤。本文主要完成以下方面的工作:首先,解決了目標(biāo)物體在雙目攝像頭圖像中的識(shí)別與定位問題。在雙目攝像頭圖像中,對(duì)包含目標(biāo)物體的已知圖像和待匹配攝像頭圖像進(jìn)行局部特征點(diǎn)的提取與配準(zhǔn),使用局部特征點(diǎn)匹配算法SURF對(duì)已知圖像和未知場(chǎng)景圖像進(jìn)行匹配試驗(yàn)。然后擇優(yōu)選取匹配點(diǎn)對(duì)和使用RANSAC算法對(duì)提純匹配對(duì)進(jìn)行雙級(jí)提純優(yōu)化,確定針對(duì)目標(biāo)區(qū)域的單應(yīng)矩陣,并推導(dǎo)出待匹配圖像中目標(biāo)物體的位置信息。其次,針對(duì)空間物體在雙目圖像中圖像差異原理,提出了一種水平相對(duì)姿態(tài)識(shí)別算法。根據(jù)攝像頭標(biāo)定中獲得的攝像頭的內(nèi)外參數(shù)為計(jì)算參數(shù),以雙目攝像頭成像原理和坐標(biāo)系之間的轉(zhuǎn)換關(guān)系為基本計(jì)算原理,對(duì)雙... 

【文章來源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：72 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 主要技術(shù)概述
        1.2.1 立體視覺研究
        1.2.2 目標(biāo)檢測(cè)研究
        1.2.3 目標(biāo)追蹤研究
    1.3 國內(nèi)外研究進(jìn)展
        1.3.1 國外主要應(yīng)用領(lǐng)域
        1.3.2 國內(nèi)主要應(yīng)用領(lǐng)域
    1.4 課題研究?jī)?nèi)容與論文結(jié)構(gòu)
2 目標(biāo)物體圖像特征點(diǎn)匹配與優(yōu)化
    2.1 圖像特征概述
    2.2 SURF特征提取與描述
        2.2.1 構(gòu)造Hessian矩陣
        2.2.2 構(gòu)造高斯金字塔
        2.2.3 定位圖像特征點(diǎn)
        2.2.4 確定特征點(diǎn)主方向
        2.2.5 構(gòu)造特征描述子
    2.3 SURF圖像匹配試驗(yàn)
    2.4 特征點(diǎn)匹配提純優(yōu)化
        2.4.1 RANSAC算法概述
        2.4.2 優(yōu)化效果及分析
    2.5 確定目標(biāo)圖像位置
        2.5.1 單應(yīng)矩陣
        2.5.2 目標(biāo)位置確定
    2.6 本章小結(jié)
3 目標(biāo)位置水平姿態(tài)偏角估計(jì)
    3.1 雙目攝像機(jī)成像模型
        3.1.1 針孔成像模型
        3.1.2 坐標(biāo)系介紹及轉(zhuǎn)換原理
        3.1.3 雙目攝像機(jī)原理
    3.2 立體視覺下水平姿態(tài)計(jì)算模型
    3.3 水平相對(duì)位姿估計(jì)試驗(yàn)
        3.3.1 實(shí)驗(yàn)攝像頭介紹
        3.3.2 實(shí)驗(yàn)軟件平臺(tái)介紹
        3.3.3 試驗(yàn)驗(yàn)證分析
        3.3.4 試驗(yàn)結(jié)果及分析
    3.4 與SURF算法結(jié)合的水平姿態(tài)估計(jì)
    3.5 本章小結(jié)
4 動(dòng)態(tài)視頻目標(biāo)物體跟蹤
    4.1 目標(biāo)跟蹤算法選擇
    4.2 KCF算法
        4.2.1 KCF基礎(chǔ)知識(shí)
        4.2.2 KCF算法原理
        4.2.3 KCF算法流程
    4.3 與SURF算法結(jié)合的KCF算法
        4.3.1 算法結(jié)合的原理
        4.3.2 KCF算法跟蹤效果
    4.4 目標(biāo)識(shí)別跟蹤實(shí)驗(yàn)
        4.4.1 實(shí)驗(yàn)硬件介紹
        4.4.2 算法實(shí)驗(yàn)驗(yàn)證
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于滅點(diǎn)優(yōu)化的單幅圖像三維重建[J]. 劉震,汪家悅,陳麗娟.  浙江工業(yè)大學(xué)學(xué)報(bào). 2019(02)
[2]人臉識(shí)別在校園管理中的應(yīng)用[J]. 張霄鵬.  電子制作. 2019(06)
[3]運(yùn)動(dòng)目標(biāo)檢測(cè)方法綜述[J]. 張前,趙新雪.  電子世界. 2019(04)
[4]基于CNN模型的遙感圖像復(fù)雜場(chǎng)景分類[J]. 張康,黑保琴,李盛陽,邵雨陽.  國土資源遙感. 2018(04)
[5]運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤算法綜述[J]. 王慧.  電腦知識(shí)與技術(shù). 2018(24)
[6]目標(biāo)檢測(cè)算法研究綜述[J]. 方路平,何杭江,周國民.  計(jì)算機(jī)工程與應(yīng)用. 2018(13)
[7]機(jī)器人智能抓取系統(tǒng)視覺模塊的研究與開發(fā)[J]. 葉卉,張為民,張歡,Jürgen Fleischer.  組合機(jī)床與自動(dòng)化加工技術(shù). 2016(12)
[8]基于視覺的目標(biāo)檢測(cè)與跟蹤綜述[J]. 尹宏鵬,陳波,柴毅,劉兆棟.  自動(dòng)化學(xué)報(bào). 2016(10)
[9]基于SURF特征提取和FLANN搜索的圖像匹配算法[J]. 馮亦東,孫躍.  圖學(xué)學(xué)報(bào). 2015(04)
[10]多種角度比較SIFT、SURF、BRISK、ORB、FREAK算法[J]. 索春寶,楊東清,劉云鵬.  北京測(cè)繪. 2014(04)

博士論文
[1]智能移動(dòng)式水果采摘機(jī)器人系統(tǒng)的研究[D]. 顧寶興.南京農(nóng)業(yè)大學(xué) 2012
[2]基于實(shí)時(shí)視覺的乒乓球機(jī)器人標(biāo)定和軌跡跟蹤技術(shù)研究[D]. 張遠(yuǎn)輝.浙江大學(xué) 2009

碩士論文
[1]視頻中行人檢測(cè)與跟蹤方法研究[D]. 田娟娟.西安理工大學(xué) 2018
[2]基于雙目視覺的三維重建軟件設(shè)計(jì)[D]. 高如玉.沈陽工業(yè)大學(xué) 2018
[3]基于機(jī)器視覺的工業(yè)機(jī)器人定位抓取技術(shù)的研究[D]. 曾志偉.廣東工業(yè)大學(xué) 2018
[4]基于視覺的目標(biāo)檢測(cè)與跟蹤算法研究[D]. 樊能.杭州電子科技大學(xué) 2018
[5]基于雙目立體視覺的水果識(shí)別與定位的研究[D]. 宋西平.天津職業(yè)技術(shù)師范大學(xué) 2016
[6]基于雙目視覺的運(yùn)動(dòng)目標(biāo)跟蹤算法研究與應(yīng)用[D]. 陳誠.哈爾濱工業(yè)大學(xué) 2014
[7]基于雙目視覺的運(yùn)動(dòng)目標(biāo)跟蹤算法研究及應(yīng)用[D]. 鄭薇.哈爾濱工程大學(xué) 2012
[8]基于雙目立體視覺的旋轉(zhuǎn)體三維重建技術(shù)研究[D]. 胡龍.大連理工大學(xué) 2007



本文編號(hào)：3608537