版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、仿生魚作為具有代表性的水下潛器,與傳統(tǒng)的水下潛器相比,有更高的靈活性和更廣闊的運(yùn)用領(lǐng)域。為了研究仿生魚類潛器的推進(jìn)原理,可以通過機(jī)器視覺的目標(biāo)跟蹤方式對仿生魚游動(dòng)軌跡進(jìn)行跟蹤,從而得到具體的位置坐標(biāo)。本文研究了目標(biāo)跟蹤的基本原理,對比了MeanShift算法、卡爾曼濾波算法,粒子濾波算法這幾種運(yùn)動(dòng)目標(biāo)跟蹤方法,最終選取了極具代表性的無參估計(jì)的MeanShift算法作為仿生魚軌跡跟蹤的基礎(chǔ)。通過目標(biāo)區(qū)域的權(quán)值直方圖作為追蹤的特征進(jìn)行多次的
2、迭代來實(shí)現(xiàn)目標(biāo)位置的追蹤,計(jì)算量較小,對追蹤物體的形變、旋轉(zhuǎn)變化不敏感,在低速運(yùn)動(dòng)物體的追蹤中有很高的準(zhǔn)確性。
為了實(shí)現(xiàn)仿生魚游動(dòng)軌跡準(zhǔn)確跟蹤的目的,本文在使用MeanShift算法的基礎(chǔ)上,運(yùn)用理論和實(shí)驗(yàn)相結(jié)合的方法進(jìn)行了創(chuàng)新研究。首先,考慮到傳統(tǒng)MeanShift算法在跟蹤快速移動(dòng)物體上出現(xiàn)的不準(zhǔn)確、丟失搜索框等問題,提出了結(jié)合運(yùn)動(dòng)估計(jì)中的菱形搜索法來改進(jìn)MeanShift算法,在跟蹤算法進(jìn)行迭代的過程中加入預(yù)測機(jī)制,優(yōu)先
3、從預(yù)測的候選區(qū)域中進(jìn)行搜索,避免了全局搜索中的繁雜過程,減少了算法的計(jì)算時(shí)間,解決了快速物體跟蹤上存在的不足。其次,本文將 MeanShift算法在 Simulink中搭建的xPC-Target平臺(tái)中運(yùn)行并進(jìn)行仿真,通過宿主機(jī)和目標(biāo)機(jī)互聯(lián)的方式解決了運(yùn)動(dòng)跟蹤中的實(shí)時(shí)性問題,用來進(jìn)行仿生魚游動(dòng)視頻采集的相機(jī)連接在目標(biāo)機(jī)上,以 TCP/IP的連接方式將視頻信息上傳至宿主機(jī),用來進(jìn)行視頻圖像處理的程序編寫在宿主機(jī)中,當(dāng)程序下載到目標(biāo)機(jī)上之后可
4、以獨(dú)立的進(jìn)行視頻信息的處理。最后,為了實(shí)現(xiàn)仿生魚三維游動(dòng)軌跡的跟蹤,引入了雙目視覺的方式,在進(jìn)行雙目標(biāo)定之后得到左、右相機(jī)的內(nèi)外參數(shù),再由空間三維測量中的最小二乘法,在已知空間中任一點(diǎn)在左、右相機(jī)坐標(biāo)系中坐標(biāo)的情況下,通過解齊次方程可以計(jì)算出該點(diǎn)的三維空間坐標(biāo)。
為了驗(yàn)證上述方法的可行性,運(yùn)用實(shí)驗(yàn)的方法對上述的創(chuàng)新點(diǎn)進(jìn)行了證實(shí)。
第一,在進(jìn)行傳統(tǒng)MeanShift算法和改進(jìn)后的加入運(yùn)動(dòng)估計(jì)算法的跟蹤方式對比跟蹤實(shí)驗(yàn)中
5、,用速度變化的仿生魚游動(dòng)視頻作為跟蹤視頻,用傳統(tǒng)的跟蹤方法和改進(jìn)后的MeanShift跟蹤算法進(jìn)行對比實(shí)驗(yàn),可以看出改進(jìn)后的方法可以有效地解決在目標(biāo)快速移動(dòng)的時(shí)候出現(xiàn)的跟蹤不準(zhǔn)確、跟蹤框丟失的問題,說明改進(jìn)算法的可行性。
第二,在建立好的xPC-Target平臺(tái)中建立Simulink模型,實(shí)現(xiàn)目標(biāo)機(jī)視頻的采集和宿主機(jī)的圖像處理程序的下載,在雙機(jī)互聯(lián)的情況下使用攝像頭實(shí)時(shí)進(jìn)行仿生魚游動(dòng)視頻的采集,將采集信息上傳至宿主機(jī)后用上述的
6、改進(jìn)的MeanShift算法進(jìn)行編程,在宿主機(jī)中實(shí)時(shí)顯示仿生魚游動(dòng)的位置坐標(biāo)。將仿生魚的真實(shí)游動(dòng)軌跡和跟蹤出的軌跡進(jìn)行對比,說明跟蹤的準(zhǔn)確性。
第三,鑒于單目相機(jī)在xPC-Target平臺(tái)中只能實(shí)現(xiàn)二維模式的目標(biāo)跟蹤,得到二維的跟蹤軌跡,為了更真實(shí)地模擬仿生魚類的游動(dòng)軌跡,我們引入雙目相機(jī)進(jìn)行視頻采集,通過相機(jī)系中的坐標(biāo),通過最小二乘法的使用,得到軌跡中每一點(diǎn)的空間坐標(biāo),并且繪制出仿生魚游動(dòng)的三維游動(dòng)軌跡。也將仿生魚的真實(shí)三維
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于MeanShift跟蹤算法的交通流檢測系統(tǒng)研究.pdf
- 基于Meanshift的目標(biāo)跟蹤系統(tǒng)研究.pdf
- 基于改進(jìn)的Meanshift跟蹤算法研究.pdf
- 基于MeanShift的運(yùn)動(dòng)目標(biāo)跟蹤算法研究.pdf
- 基于MeanShift的紅外目標(biāo)跟蹤算法研究.pdf
- 基于meanshift的目標(biāo)跟蹤及軌跡聚類.pdf
- 基于MeanShift算法的目標(biāo)跟蹤問題研究.pdf
- 基于Meanshift的視頻人體目標(biāo)跟蹤算法研究.pdf
- 基于MeanShift算法的視頻預(yù)警跟蹤系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf
- 一種基于MeanShift的目標(biāo)跟蹤算法的研究.pdf
- 基于meanshift的視頻人體目標(biāo)跟蹤算法研究(1)
- 基于Meanshift和Kalman算法的多目標(biāo)跟蹤.pdf
- 運(yùn)用meanshift算法的智能目標(biāo)跟蹤控制系統(tǒng)
- 仿生魚游動(dòng)與運(yùn)動(dòng)控制的數(shù)值分析技術(shù).pdf
- 基于PSD的移動(dòng)目標(biāo)軌跡跟蹤測量系統(tǒng)研究.pdf
- 基于雙PSD的運(yùn)動(dòng)目標(biāo)軌跡跟蹤測量系統(tǒng)研究.pdf
- 自主游動(dòng)仿生機(jī)器魚的設(shè)計(jì)與控制.pdf
- 基于多特征的改進(jìn)MeanShift與Particle Filter聯(lián)合跟蹤算法研究.pdf
- 基于仿生智能的多目標(biāo)跟蹤算法研究.pdf
- 基于meanshift算法的人臉主動(dòng)跟蹤在視頻監(jiān)控系統(tǒng)中的應(yīng)用
評(píng)論
0/150
提交評(píng)論