近年來隨著硬件計算能力的不斷提升以及計算機視覺技術(shù)的不斷突破,計算機視覺技術(shù)在嵌入式設備中獲得了越來越廣泛的應用。以大疆公司組織主辦的RoboMaster機甲大師賽為背景,本文主要研究比賽中地面移動機器人的目標檢測、跟蹤以及雙目定位問題,并對移動機器人上的兩軸云臺機構(gòu)進行數(shù)學建模,將目標的位置信息轉(zhuǎn)換為云臺各軸的轉(zhuǎn)動角度信息。具體包括以下的工作內(nèi)容:首先,本文根據(jù)目標的特征,制定了雙目視覺系統(tǒng)的實現(xiàn)步驟,并確定了雙目視覺系統(tǒng)的設計指標;構(gòu)建了雙目目標定位精度分析模型,量性分析了雙目目標定位精度與攝像機的單位像素的物理長度、鏡頭的焦距、雙目相機的基線距離、目標物體的深度等的關(guān)系。其次,對雙目視覺的三角幾何測量原理進行了分析與闡述;介紹了如何對雙目攝像機進行雙目標定,并基于OpenCV實現(xiàn)了雙目相機標定與雙目圖像校正。然后,依據(jù)目標對象的特征,設計了目標檢測算法;基于卡爾曼濾波,結(jié)合地面移動機器人在比賽場地中運動特征,設計了卡爾曼濾波目標跟蹤算法。經(jīng)過試驗統(tǒng)計分析:在室內(nèi)環(huán)境中,目標檢測算法的檢測成功率約為83%,目標跟蹤算法的跟蹤成功率約為87%;目標檢測與跟蹤算法在TX1中的運行時間約... 

【文章來源】：南昌大學江西省 211工程院校

【文章頁數(shù)】：105 頁

【學位級別】：碩士

【部分圖文】：

圖２．１步兵機器人??７??

?第２章雙目視覺系統(tǒng)總體方案設計???＾?１３§?＾??ｍ?？?—??０?？?：??ｕ?？??Ｌ０?０?Ｊ?＂??▲??［１】側(cè)燈?［２］頂部用豎直Ｍ４螺釘固定??圖２．２小裝甲模塊示意圖??＾?２３０?＾??＿?丨；，．嚴?４?＿Ｔ＼??｜?Ｎｆｔ，?ａ??匕?！?Ｊ?ｒ?一翁、＇??［１］側(cè)燈?［２］頂部用豎直Ｍ４螺釘固定??圖２．３大裝甲模塊示意圖??Ｑ??圖２．４張貼在小裝甲板上的數(shù)字“１”??２．２視覺系統(tǒng)程序方案設計??由２．１節(jié)的分析可知，可以通過視覺處理算法來檢測裝甲板。因為視覺目標??跟蹤算法的時間復雜度一般比目標檢測算法低，因此在通過目標檢測算法檢測到??８??

?第２章雙目視覺系統(tǒng)總體方案設計???目標后，可以考慮用目標跟蹤算法對后續(xù)幀圖像中的目標進行跟蹤，而不再運行??檢測算法。如果目標丟失（即目標跟蹤失�。龠\行檢測算法，檢測到目標后再??運行跟蹤算法。通過視覺目標檢測與跟蹤算法獲得了裝甲板中心點在圖像中的像??素位置坐標后，更進一步就是通過定位算法將像素位置坐標轉(zhuǎn)換為相機坐標系下??的三維位置坐標。裝甲板的位置定位方案有兩種：單目視覺定位與雙目視覺定位。??單目視覺定位的方案如下：如圖２．５所示，在裝甲板平面內(nèi)定義坐標系ｏｚｙ?（即??物理世界坐標系），坐標原點位于裝甲板的中心處，點ａ、ｂ、ｃ、ｄ為提前定義好??的合作目標點，這４個點都位于燈條的中心線上；因為點ａ、ｂ、ｃ、ｄ為自己定義，??顯然它們在世界坐標系的坐標都己知，然后再通過視覺目標檢測算法，也可以知??道４個點的像素坐標；如果單目相機己經(jīng)標定，則可以通過ＰｎＰ算法（比如Ｐ３Ｐ??算法、ＥＰｎＰ算法等）求得世界坐標系ＯＸＴ相對于相機坐標系的位姿，即得到了??世界坐標系變換到相機坐標系的旋轉(zhuǎn)矩陣與平移矩陣，據(jù)此可以將裝甲板中心點??位于世界坐標系中的坐標（此時位丁？原點０處）變換到相機坐標系中，由此即實??現(xiàn)了裝甲板位置的定位。事實上坐標原點可以位于平面內(nèi)的任意位置，只是此處??如果將裝甲板的中心點定為世界坐標系的原點，則點ａ、ｂ、ｃ、ｄ會關(guān)于坐標軸對??稱，這樣就便于處理。單目定位算法的時間復雜度一般比雙目定位算法低。單目??定位系統(tǒng)的硬件成本一般也比雙目系統(tǒng)要低很多。不僅僅是雙目系統(tǒng)比單目系統(tǒng)??多一個采集圖像的攝像頭，而且因為高精度的雙目定位算法遠比單目復雜，因此??為了滿足實時處理的任務需求，往

【參考文獻】：
期刊論文
[1]基于增強語義與多注意力機制學習的深度相關(guān)跟蹤[J]. 周雙雙,宋慧慧,張開華,樊佳慶.  計算機工程. 2020(02)
[2]基于卷積網(wǎng)絡的目標跟蹤應用研究[J]. 趙春梅,陳忠碧,張建林.  光電工程. 2020(01)
[3]基于核濾波器實時運動目標的抗遮擋再跟蹤[J]. 湯學猛,陳志國,傅毅.  光電工程. 2020(01)
[4]基于KCF的樣本更新與目標重定位方法[J]. 吳世宇,李志華,王威.  計算機與現(xiàn)代化. 2020(01)
[5]基于卷積神經(jīng)網(wǎng)絡的高效精準立體匹配算法[J]. 張文,邵小桃,楊維,郭鳴坤,景年昭.  計算機輔助設計與圖形學學報. 2020(01)
[6]適合長時跟蹤的自適應相關(guān)濾波算法[J]. 肖逸清,葛洪偉.  計算機輔助設計與圖形學學報. 2020(01)
[7]基于三維卷積神經(jīng)網(wǎng)絡的立體匹配算法[J]. 王玉鋒,王宏偉,于光,楊明權(quán),袁昱緯,全吉成.  光學學報. 2019(11)



本文編號：3006751