基于機(jī)器視覺(jué)的目標(biāo)分類(lèi)與場(chǎng)景定位研究.pdf

1、基于機(jī)器視覺(jué)的目標(biāo)分類(lèi)與場(chǎng)景定位技術(shù)是機(jī)器視覺(jué)領(lǐng)域具有挑戰(zhàn)性的研究熱點(diǎn)問(wèn)題。前者與場(chǎng)景中的目標(biāo)檢測(cè)、追蹤和行為分析密切相關(guān)。而后者能夠有效地幫助和提高機(jī)器人對(duì)于結(jié)構(gòu)化和非結(jié)構(gòu)化的室內(nèi)外場(chǎng)景的分析和認(rèn)知能力。場(chǎng)景中動(dòng)態(tài)目標(biāo)的分類(lèi)問(wèn)題，往往因?yàn)槟繕?biāo)自身形變和外界因素的干擾，不易獲取穩(wěn)健的分類(lèi)特征，且分類(lèi)實(shí)時(shí)性較差。近年來(lái)，源于文本領(lǐng)域的詞包(Bag-of-words, BOW)模型主要被用于圖像分類(lèi)，稱(chēng)為視覺(jué)詞包(Bag-of-visual

2、-words, BOVW)模型， BOVW模型對(duì)場(chǎng)景圖像有較強(qiáng)的描述能力，適合大規(guī)模室外場(chǎng)景的定位應(yīng)用，但也存在信息處理量大的不足。圍繞上述問(wèn)題，本文主要研究?jī)?nèi)容如下：
　　首先，提出一種基于輪廓特征的動(dòng)態(tài)目標(biāo)分類(lèi)方法。動(dòng)態(tài)目標(biāo)由區(qū)分能力較好的多種輪廓特征構(gòu)建的特征向量模型來(lái)描述，輪廓特征的選取對(duì)于動(dòng)態(tài)目標(biāo)平移、旋轉(zhuǎn)變化具有魯棒性。該方法首先運(yùn)用混合高斯模型提取出視頻動(dòng)態(tài)場(chǎng)景目標(biāo)，經(jīng)圖像形態(tài)學(xué)處理獲得較為準(zhǔn)確的目標(biāo)輪廓圖像。然后運(yùn)

3、用構(gòu)建的特征向量模型提取目標(biāo)外輪廓特征作為支持向量機(jī)分類(lèi)器分類(lèi)的依據(jù)。實(shí)驗(yàn)結(jié)果表明該方法具有較高的分類(lèi)精度，且實(shí)時(shí)性較好，有助于智能機(jī)器人對(duì)動(dòng)態(tài)目標(biāo)的認(rèn)知和理解，為其導(dǎo)航、可行區(qū)域檢測(cè)、運(yùn)動(dòng)優(yōu)先級(jí)判別等任務(wù)提供有力的幫助。
　　其次，針對(duì)GPS等定位用傳感器某些情況下使用受限的問(wèn)題，提出一種基于BOVW視覺(jué)詞包模型的圖像匹配方法，并應(yīng)用于移動(dòng)體的場(chǎng)景定位。該方法引入了雙層索引匹配結(jié)構(gòu)和投票定位算法，對(duì)圖像集進(jìn)行分組建立“由粗到精”

4、的雙層索引結(jié)構(gòu)，減小圖像匹配的搜索空間,降低了內(nèi)存負(fù)載與計(jì)算復(fù)雜度。且定位時(shí)不易受前景變化的影響，對(duì)于復(fù)雜時(shí)變的校園環(huán)境具有較好的定位準(zhǔn)確性。僅依靠單目視覺(jué)實(shí)現(xiàn)定位，彌補(bǔ)了其他傳感器定位能力的不足，為移動(dòng)機(jī)器人通過(guò)視覺(jué)導(dǎo)航和運(yùn)動(dòng)規(guī)劃提供了較好的支持。
　　最后，針對(duì)單視角模板匹配在室外運(yùn)動(dòng)情景下定位的不足，一種多視角特征點(diǎn)匹配的室外場(chǎng)景目標(biāo)定位方法被應(yīng)用。方法選用SURF特征點(diǎn)進(jìn)行特征描述與匹配，該特征對(duì)于室外大范圍場(chǎng)景中景物的多