机器人红外追踪原理

篇一：机器人红外避障

AVR与虚拟仪器

AVR与虚拟仪器致力于提供最优质的AVR和labview技术服务，最全的技术资料，最好的开发板方案。 你现在看到的是山东大学物理与微电子学院的课程设计名单列表，课程设计是山东大学推经教学

改革的进程之一。本页作品2005级2007年单片机课程的课程设计成果展示。 你现在的位置：AVR与虚拟仪器>>AVR与虚拟仪器学生课程设计成果展示专题论坛

课程设计作品：自动避障小车

组员：常凯 刘旭 巩靖

一、前言

设计背景：

在科学探索和紧急抢险中经常会遇到对与一些危险或人类不能直接到达的地域的探测，这些就需要用机器人来完成。而在机器人在复杂地形中行进时自动避障是一项必不可少也是最基本的功能。因此，自动避障系统的研发就应运而生。我们的自动避障小车就是基于这一系统开发而成的。 意义 随着科技的发展，对于未知空间和人类所不能直接到达的地域的探索逐步成为热门，这就使机器人的自动避障有了重大的意义。我们的自动避障小车就是自动避障机器人中的一类。自动避障小车可以作为地域探索机器人和紧急抢险机器人的运动系统，让机器人在行进中自动避过障碍物。 成员情况 本组三位成员均为2005级基地班学生，都选修过数字电路课程。 二、总体方案设计

1、设计要求

小车从无障碍地区启动前进，感应前进路线上的障碍物后，根据障碍物的位置选择下一步行进方向。并可通过两个独立按键对小车进行控速。

2、小车自动避障的原理

小车车头处装有三个光电开关，中间一个光电开关对向正前方，两侧的光电开关向两边各分开30度，（如右图所示）。小车在行进过程中由光电开关向前方发射出红外线，当红外线遇到障碍物时发生漫反射，反射光被光电开关接收。小车根据三个光电开关接受信号的情况来判断前方障碍物的分布并做出相应的动作。光电开关的平均探测距离为30cm。

3、模块方案比较及论证

根据设计要求，我们的自动避障小车主要由六个模块构成：车体框架、电源

及稳压模块、主控模块、逻辑模块、探测模块、电机驱动模块组成。 各模块分述如下：

3.1车体框架

在设计车体框架时，我们有两套起始方案，自己制作和直接购买玩具电动车。 方案一：自己设计制作车架 自己制作小车底盘，用两个直流减速电机作为主动轮，利用两电机的转速差完成直行、左转、右转、左后转、右后转、倒车等动作。减速电机扭矩大，转速较慢，易于控制和调速，符合避障小车的要求。而且自己制作小车框架，可以根据电路板及传感器安装需求设计空间，使得车体美观紧凑。但自己制作小车设计制作周期较长，且费用较高，因而我们放弃这一方案。 方案二：购买玩具电动车

玩具电动车价格低廉，有完整的驱动、传动和控制单元，其中传动装置是我们所需的，缩短了开发周期。但玩具电动车采用普通直流电机驱动，带负载能力差，调速方面对程序要求较高。同时，玩具电动车转向依靠前轮电机带动前轮转向完成，精度低。

心用优良的算法来弥补，故我们选择方案二。

3.2电源及稳压模块

方案一：采用交流电经直流稳压处理后供电 考虑到利用玩具电动小车做车架开发周期短，可留够充分的时间用于系统调试，且硬件上的不足我们有信

采用交流电提供直流稳压电源，电流驱动能力及电压稳定性最好，且负载对电源影响也最小。但由于需要电线对小车供电，极大影响了壁障小车行动的灵活性及地形的适应能力。而且壁障小车极易把拖在地上的电线识别为障碍物，人为增加了不必要的障碍。故我们放弃了这一方案。

方案二：采用蓄电池供电

蓄电池具有较强的电流驱动能力和较好的电压稳定性能，且成本低廉。可采用蓄电池经7812芯片稳压后给电机供电，再经过降压接7805芯片给单片机及其他逻辑单元供电。但蓄电池体积相对庞大，且重量过大，造成电机负载过大，不适合我们采用的小车车架（玩具电动车车架）。故我们放弃了这一方案。 方案三：采用干电池组进行供电

采用四节干电池降压至5V后给单片机及其他逻辑单元供电，另取六节干电池为电机及光电开关供电。这样电机启动及制动时的短暂电压干扰不会影响到逻辑单元和单片机的工作。干电池用电池盒封装，体积和重量较小，同时玩具车底座可以安装四节干电池，正好可为单片机及其他逻辑单元供电。在稳压方面，起始时考虑使用7805芯片对6V的电池电压进行降压稳压。但考虑到这样使得7805芯片消耗大量能量，降低电池寿命；同时，由于mega16、光电开关、小车电机对于供电电压要求并不苛刻，故我们将6V电池电压接一个二极管降压后直接给单片机及其他逻辑单元供电。而电机和光电开关的电源不做稳压处理。这样只需在小车主板上加两个调速按钮，根据电池电量选择合适功率即可，甚至于可直接在软件里设置自动换挡。

综合考虑，我们采用方案三。示意图如下

3.3主控模块

作为单片机原理与接口技术课程的course project，我们直接选用了课程主要介绍的，Atmel公司的ATmaga16L单片机作为主控模块。

Mega16是高性能、低功耗的 8 位AVR 微处理器，具有先进的RISC结构，内部集成两个具有独立预分频器和比较器功能的8 位定时器/ 计数器和一个具有预分频器、比较功能和捕捉功能的16 位定时器/ 计数器。可通过JTAG对MCU进行程序烧写及仿真。内置晶振，使用方便。

在设计开发过程中我们使用课程设计提供的开发板进行程序调试和下载，配车使用时直接将MCU拔出插入我们小车系统电路板底座中。示意图如下：

3.4 逻辑模块

在探测模块和单片机中断接口之间、独立按键与单片机中断接口之间，需要经过电平的逻辑处理进行连接。主要涉及到一个三输入或非门和一个二输入与门。这两个逻辑关系我们直接选用74HC系列的集成芯片实现。

由于三输入或非门在市场上很难购买到，我们采用了两个二输入或非门和一个二输入与门完成了三输入或非门。由于我们采用的74HC08（四二输入与门）、74HC02（四二输入或非门）均为四二输入的，各提供四个二输入与门和四个二输入或非门，我们用各用一片芯片即可实现所需逻辑功能。

示意图如下：

3.5探测模块

方案一：使用超声波探测器

超声波探测器探测距离远，测距方便。但由于声波衍射现象较严重，且波包散面太大，易造成障碍物的错误判断。同时，超声波探测具有几厘米甚至几十厘米的盲区，这对于我们的避障小车是个致命的限制。故我们放弃了这一方案。

方案二：使用光电对管探测

光电对关价格低廉，性能稳定，但探测距离过近（一般不超过3cm），使得小车必须制动迅速。而我们由于采用普通直流电机作为原动力，制动距离至少需要10cm。因此我们放弃了这一方案。

方案三：使用视频采集处理装置进行探测

使用CCD实时采集小车前进路线上的图像并进行实时传输及处理，这是最精确的障碍物信息采集方案，可以对障碍物进行精确定位和测距。但是使用视频采集会大大增加小车成本和设计开发难度，而且考虑到我们小车行进转弯的精确度并未达到视频处理的精度，因而使用视频采集在实际应用中是个很大的浪费，所以我们放弃了这一方案。

方案四：使用光电开关进行障碍物信息采集

使用三只E3F-DS30C4光电开关，分别探测正前方，前右侧，前左侧障碍物信息，在特殊地形（如障碍物密集地形）可将正前方的光电开关移置后方进行探测。E3F-DS30C4光电开关平均有效探测距离0~30cm

可调，且抗外界背景光干扰能力强，可在日光下正常工作（理论上应避免日光和强光源的直接照射）。我们小车换档调速后的最大制动距离不超过30cm，一般在10~20cm左右，因而探测距离满足我们的小车需求。

综上考虑，我们选用方案四。示意图如下：

3.6电机驱动模块

方案一：使用分立原件搭建电机驱动电路

使用分立原件搭建电机驱动电路造价低廉，在大规模生产中使用广泛。但分立原件H桥电路工作性能不够稳定，较易出现硬件上的故障，故我们放弃了这一方案。

方案二：使用L298N芯片驱动电机

L298N是一个具有高电压大电流的全桥驱动芯片，输出电压最高可达50V，可以直接通过电源来调节输出电压；可以直接用单片机的IO口提供信号，而且带有使能端，方便PWM调速，电路简单，性能稳定，使用比较方便。L298N芯片可以驱动两个二相电机，也可以驱动一个四相电机，正好符合我们小车两个二相电机的驱动要求。

综合考虑，我们采用L298N芯片驱动小车电机。 控制示意图如下：?

最终方案如下：

使用干电池组对系统供电，改造玩具电动车作为小车底座，采用Mega16L作为主控芯片，采用E3F-DS30C4光电开关进行障碍物探测，使用L298N驱动直流电机。逻辑关系处理使用74HC系列芯片完成。

篇二：乒乓球追踪机器人设计

课 程 设 计

沈阳工程学院

课程设计任务书

课程设计题目： 乒乓球追踪机器人设计

系 别 自控系 班级 测控本091班 学生姓名 刘礼旭 学号 2009308120 指导教师 祝尚臻 职称 讲师 课程设计进行地点： 实训F430 任 务 下 达 时 间： 12年 7月9日

起止日期： 12年7月9日起——至12年7月13日止

教研室主任 吕勇军 2012年 7月 9 日批准

乒乓球追踪机器人设计

1设计目的及基本要求：

1.1设计目的

（1）了解机器人技术的基本知识以及有关电工电子学、单片机、机械设计、传感器等相关技术。

（2）初步掌握机器人的运动学原理、基于智能机器人的控制理论，并应用于所设计的机器人中。

（3）通过学习，具体掌握机器人的控制技术，并使机器人能独立执行一定的任务。 1.2基本要求

（1）要求设计一个能追踪乒乓球的机器人。

（2）要求设计机器人的行走机构，控制系统、传感器类型的选择及排列布局。 （3）要求机器人具有乒乓球追踪功能，避障功能（不能撞到障碍物上）。 1.3 发挥部分

自由发挥

2对设计论文撰写内容、格式、字数的要求；

（1） 课程设计论文是体现和总结课程设计成果的载体，一般不应少于3000字。

（2） 学生应撰写的内容为：中文摘要和关键词、目录、正文、参考文献等。课程设计论文的结构及各部分内容要求可参照《沈阳工程学院毕业设计（论文）撰写规范》执行。应做到文理通顺，内容正确完整，书写工整，装订整齐。 （3） 论文要求打印，打印时按《沈阳工程学院毕业设计（论文）撰写规范》的要求进行打印。

（4） 课程设计论文装订顺序为：封面、任务书、成绩评审意见表、中文摘要和关键词、目录、正文、参考文献。

3时间进度安排；

2012-7-9

沈 阳 工 程 学 院

机器人 课程设计成绩评定表

摘要

机器人是现代一种典型的光机电一体化产品，机器人学也是当今世界极为活跃的研究领域之一，它涉及计算机科学、机械学、电子学、自动控制、人工智能等多个学科。

机器人从出现到现在的短短几十年中，已经广泛应用于国民经济的各个领域，在现代工业生产中，机器人已成为人类不可或缺的好帮手；在航空航天、海底探险中，机器人更是能完成人类所难以完成的工作。随着计算机、人工智能和光机电一体化技术的迅速发展，机器人已经不仅仅局限于在工业领域的应用，它还将发展成具有人类智能的智能型机器人，具有一定的感觉思维能力和自主决策能力。

与乒乓球追踪机器人相关的还有打乒乓球机器人，其关键技术是图像处理，亦即机器视觉系统。机器视觉系统是指通过机器视觉产品将被摄取目标图像信号转变成数字化信号,然后由图像处理系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作，即机器视觉就是用机器代替人眼来做测量和判断。目前机器视觉系统是实现仪器设备的精密控制、智能化、自动化的有效途径，堪称现代工业生产的“机器眼睛”。

目前如何让机器也拥有人一样的视觉，让机器人更好地服务于人类，以及如何更好地运用机器视觉已经成为当今科学及工业运用领域的前沿技术，已经成为一门内容丰富的综合性学科。随着机器视觉技术的不断发展，未来机器视觉将在人类生活的各个方面发挥举足轻重的作用，为此发展机器视觉将具有重要的科学价值和意义。

基于机器视觉的乒乓球追踪机器人就是利用TI公司的DSP C6711开发平台和结合他人的研究成果自行设计的硬软件来构建机器视觉开发平台，来开发和运用机器视觉。

关键词 机器人；乒乓球追踪；机器视觉系统；DSP

篇三：红外小目标的检测与跟踪

基于图像处理技术的红外小目标的检测与跟踪

王琛 廖庆 王亚慧

（电子科技大学，光电信息学院学院）

摘 要：验证了一种基于红外小目标视频图像序列的跟踪算法，主要研究了基于形心计算的跟踪方法和基于kalman滤波器多帧数据关联方法的跟踪法。分别仿真验证，并从实现结果出发得出了两种算法的适用范围和各自存在的不足。

关键字：远红外 小目标 检测与跟踪

Detection and Tracking of Far - infrared Small Target

Wang Chen Liao Qing Wang Yahui

(University of Electronic Science and Technology of China)

Abstract: Verify that a tracking Algorithm for Infrared small target based on video image sequence, the main study on tracking method based on centroid computation and multi - frame data association based on Kalman Filter Method for tracing method.Simulation, respectively, and proceeding from the implementation of the results reached the scope of the two algorithms and their insufficient.

Key words: Far-infrared; Small targets; Detection and Tracking

0 引言

随着近十几年信息技术的飞速发展，计算机硬件的处理能力不断提高，存储成本大幅下跌，一些研究人员开始重点研究计算机视觉中有关运动的问题。与处理单幅图像相比，图像序列引入了新的时间维以及时间相关性约束，这一额外的约束激发了人们对视频理解的研究.视频序列目标跟踪是指对传感器摄取到的图像序列进行处理与分析，一旦目标被确定，就可获得目标的特征参数选择。

。

由于视频跟踪具有广泛的应用范围，因而引起了世界范围内广大研究者的兴趣。 在1996年至1999年间，美国国防高级研究项目署（DARPA）资助卡内基梅隆大学、戴维SARNOFF研究中心等著名大学和公司合作，联合研制视频监视与监控系统VSAM，主要研究目的是开发用于战场及普通民用场景的自动视频理解技术。DARPA在2000年又资助了重大项目HID计划，其任务是开发多模式的监控技术以实现远距离情况下人的检测、分类

和识别，以增强国防、民用等场合免受恐怖袭击的保护能力。在2008年，DARPA资助了一项研究实时流视频监视的技术。

国内许多研究所和大学也投入了大量的精力致力于图像跟踪的研究。如清华大学人机交互与媒体集成研究所在人脸跟踪、视觉监控、等方面取得了许多科研成果；北京自动化研究所模式识别国家重点实验室在交通场景监控、人体跟踪、智能轮椅手势导航等领域进行了深入研究。

1 设计背景

视频序列目标跟踪是指对传感器摄取到的图像序列进行处理与分析，充分利用传感器采集得到信息来对目标进行稳定跟踪的过程。一旦目标被确定，就可获得目标的位置、速度、加速度等运动参数，进而获得目标的特征参数。

运动分析的目的是根据运动线索揭示关于环境有价值的信息，这些信息可以用来执行更高级的视觉任务，如活动识别、视觉检索等。由于采集到的图像序列通常是二维图像，许多研究者开始使用简单的二维表示处理运动分析问题，避免了恢复三维世界的结构、属性等信息。

通过视频目标跟踪系统通过对图像的去噪、对图像进行灰度变换、图像融合、图像增强等处理，可以快速的筛选并提取有用的信息。

在军事上，视频序列目标跟踪技术广泛应用于精确制导、战场机器人自主导航、无人机助降，靶场光电跟踪等领域。在民用上，该技术主要应用在智能视频监控、智能交通管制、医疗影像诊断等方面。

2 总体方案

2.1 常用的跟踪算法

2.1.1基于特征的目标跟踪方法

基于特征的方法利用了特征位置的变化信息,首先从图像序列中抽取显著特征,然后在序列图像上寻找特征点的对应关系,特征匹配算法大都引入了刚体约束条件,已有的技术包括结构匹配、树匹配等。之后利用序列帧图像中目标特征点的对应关系,解算当前帧图像中目标位置。

2.1.2基于相关的目标跟踪方法

基于相关的目标跟踪方法是把一个预先存储的目标样板作为识别和确定目标位置的依据,然后用目标样板与实时图像中的各个子区域图像进行比较,找出和目标模板最相似的一个子图像位置,作为当前目标的位置,这就是相关跟踪的基本思想,这种方法也叫做图像匹配。

2.1.3基于对比度的目标跟踪方法

基于对比度的目标跟踪方法又称波门跟踪方法,该方法适用于目标和背景具有明显对比度的目标跟踪。该方法需设计一个波门,波门的尺寸略大于目标尺寸,使目标不受波门外的背景和噪声干扰的影响。跟踪波门可分为固定式和自适应式两种。前者在跟踪过程中波门的大小始终不变;后者则是在跟踪目标的过程中波门随目标的大小变化而变化。波门跟踪算法可分为矩心跟踪算法、边缘跟踪算法、双边缘跟踪算法和区域平衡跟踪算法等。

2.2 本方案实现的技术难点

要解决图像序列的去除噪声问题，由于目标过小故要选择适当的去除噪声方法，对融合了多种噪声的图像要选用综合的去除噪声方法。最终的跟踪系统要实现自适应滤波。要解决小目标丢失或被遮挡后再次出现的问题，要保证目标再次出现后的准确识别和跟踪。

3 原理描述

3.1 形心跟踪

图(1) 形心跟踪系统流程图

如图（1）所示，形心跟踪首先要对图像进行灰度化处理，使彩色图像转换为8位灰度图像以方便以后的运输和处理过程。

3.1.1滤波去噪

本次所用图像序列的噪声课近似认为是椒盐噪声，在去噪声时可以用中值滤波法，本方法可以有效的消除椒盐噪声并保持图像中的边缘和细节。中值滤波法是把领域内的所有像素按顺序排列，然后用中间值代替中心元素的灰度值作为输出。

二维中值滤波定义为：

g(x,y)?Median{f(x?k,y?l),(k,l)?A} （1）

A

其中；f(x,y) 为原始图像阵列； g(x,y) 为中值滤波后图像阵列；Median为中值滤波算子，取中值；A 为滤波窗口，大小为k×l。中值滤波的缺点在于运算速度随窗口的扩大而变慢，故为了提高检测速度本次验证时采用的滤波窗口为3?3窗口。

3.1.2二值化处理

二值化处理是利用同一区域具有某种共同的灰度特性进行图像的分割，其

基本原理就是选取一个适当的灰度阈值设置一个阈值，然后对每个像素进行检测，当检测的像素的灰度值小于或等于阈值时，将此像素的灰度值变为0，当检测的像素的灰度值大于阈值时，将此像素灰度值变为255。

0,f(x,y)?T(x,y)?fT{255,f(x,y)?T （2）

其中

值。

本次设计我们所读取的目标跟踪序列，其背景与目标的灰度基本保持不变。对此类视频序列图像的阈值确定可以采用直方图分布的办法。即初步了解到所要跟踪的目标区域和目标所在的背景区域各自处在一个灰度值的范围，在直方图的表现上为具有双峰分布，通过选取波分之间的低谷所对应的灰度值作为分割阈值就可以将目标区域的背景区域分割开来。 T是设定的阈值；f(x,y)是像素原有的灰度值；fT(x,y)是处理后的灰度

3.1.3形心计算

对于二值化图像在假设物体的面密度均匀分布的境况下，形心就是要探测物体的几何中心。同过形心的计算可以快速的判断目标物体的具体位置。当目标姿态改变时，形心的位置

篇四：机器人传送带动态跟踪

广东工业大学硕士学位论文

（工学硕士）

并联Delta机器人的传送带动态抓取系统设计

邓明星

二○一四 年 六月

分类号： 学校代号：11845

UDC： 密级： 学 号：2111101011

广东工业大学硕士学位论文

（工学硕士）

并联Delta机器人的传送带动态抓取系统设计

邓明星

指导教师姓名、职称： 刘冠峰 教授

学科(专业)或领域名称： 智能工业机器人

学 生 所 属 学 院： 机电工程学院

论 文 答 辩 日 期： 2014年6月1日

A Dissertation Submitted to Guangdong University of

Technology for the Degree of Master of Science

（Master of Engineering Science）

The dynamic conveyor tracking of Delta Robot

Candidate: Deng Mingxing

Supervisor: Prof. Liu Guangfeng

June 2014

School of Electromechanical Engineering

Guangdong University of Technology

Guangzhou, Guangdong, P. R. China, 5100

摘要

摘要

Delta机器人是最典型的空间三自由度移动并联机构，具有运动速度快、定位精确、效率高、重量轻等特点。其在3C电子产品、食品包装、生物制药、3D打印行业得到了广泛应用。随着人民生活水平的提高，促使产品质量的提升和需求数量的增加，间接的促使机器人技术的发展。

本文主要以并联Delta机器人为研究对象。首先介绍国内外工业机器人的发展状况；接着分析了Delta机器人的运动学正逆解，传送带标定、相机标定；然后提出了PID跟踪算法和改进的跟踪算法；再者给出了Conveyor Administor的软件设计流程图，并解决了其中几个关键问题：目标物体的筛选、排序、位置状态更新、多机器人协同作业。

本文的核心内容之一是机器人对运动在传送带上的物体的动态跟踪，通过视觉检测系统定位物体的位姿，再结合传送带编码器反馈的位置数据，计算出物体在机器人坐标系下面的实时位姿。机器人在位置模式下，通过改进后的跟踪算法，能预测传送带上物体的位姿，并实时调整自身移动速度和末端位姿来跟踪传送带上移动的物体，最终实现对目标物体的动态跟踪抓取。本文的核心内容之二是处理传送带上连续不断的物体，在实际应用中，要求物体尽量少被遗漏甚者不能漏，这就要求机器人的移动速度要快，其次是抓取顺序必须规划好，本文的最后给出了解决方法和设计的数据管理软件。

通过大量的实验数据和分析验证，该动态跟踪方法基本满足了实际应用要求，为后面的项目应用现提供了技术支持，也为多机器人协调作业提供了一种方法。

关键词：并联Delta机器人、传送带跟踪、PID算法、多机器人协同作业、数据流

I

篇五：智能机器人运动控制和目标跟踪

XXXX大学

《智能机器人》结课论文

移动机器人对运动目标的检测跟踪方法

学院（系）： 专业班级： 学生学号： 学生姓名：

成 绩：

目录

摘要 ........................................................................................................................ 1

0、引言 .....................................................................................................................1 1、运动目标检测方法 ...............................................1 1．1 运动目标图像HSI差值模型 .....................................1

1.2 运动目标的自适应分割与提取 .................................2

2 运动目标的预测跟踪控制 .......................................3 2．1 运动目标的定位 ..............................................3 2．2 运动目标的运动轨迹估计 .......................................4

2．3 移动机器人运动控制策略 ......................................6 3 结束语 .........................................................6

参考文献 .........................................................7

一种移动机器人对运动目标的检测跟踪方法

摘要：从序列图像中有效地自动提取运动目标区域和跟踪运动目标是自主机器人运动控制的研究热点之一。给出了连续图像帧差分和二次帧差分改进的图像HIS差分模型，采用自适应运动目标区域检测、自适应阴影部分分割和噪声消除算法，对无背景图像条件下自动提取运动目标区域。定义了一些运动目标的特征分析和计算 ，通过特征匹配识别所需跟踪目标的区域。采用 Kalrnan预报器对运动目标状态的一步预测估计和两步增量式跟踪算法，能快速平滑地实现移动机器人对运动目标的跟踪驱动控制。实验结果表明该方法有效。

关键词：改进的HIS差分模型；Kahnan滤波器；增量式跟踪控制策略。 0、引言

运动目标检测和跟踪是机器人研究应用及智能视频监控中的重要关键技术 ，一直是备受关注的研究热点之一。在运动目标检测算法中常用方法有光流场法和图像差分法。由于光流场法的计算量大，不适合于实时性的要求。对背景图像的帧问差分法对环境变化有较强的适应性和运算简单方便的特点，但帧问差分不能提出完整的运动目标，且场景中会出现大量噪声，如光线的强弱、运动目标的阴影等。

为此文中对移动机器人的运动目标检测和跟踪中的一些关键技术进行了研究，通过对传统帧间差分的改进，引入 HSI差值模型、图像序列的连续差分运算、自适应分割算法、自适应阴影部分分割算法和图像形态学方法消除噪声斑点，在无背景图像条件下自动提取运动 目标区域。采用 Kalman滤波器对跟踪目标的运动轨迹进行预测，建立移动机器人跟踪运动 目标的两步增量式跟踪控制策略，实现对目标的准确检测和平滑跟踪控制。实验结果表明该算法有效。 1、运动目标检测方法

接近人跟对颜色感知的色调、饱和度和亮度属性 (H，S，I )模型更适合于图像识别处理。因此，文中引入改进 型 HSI帧差模型。 1．1 运动目标图像HSI差值模型

设移动机器人在某一位置采得的连续三帧图像序列 fk?1?x,y?，fk?x,y?，

fk?1?x,y?

根据仿人眼对色度的敏感系数比亮度要低，通过对图像色调H、饱和度S和亮度I属性的敏感系数调整，将所得序列每一帧图像转换为更能突出移动目标的改进型HSI图像fi?x，y?，如下式：

fi?x,y???WHHi?x,y?,WSSi?X,Y?,WIIi?X,Y????H??x,y?,S??x,y?,I??x,y???i?k?1,k,k?1? ................................................................(1) 其中：WH,WS,WI，分别为设定 的色调、饱和度和亮度的敏感系数。

将通过公式(1)转化后的第k与第是k-1帧图像差分，第k+1与第k帧图像差分。

定义1 帧差分图像计算模型如下：

fd1?x,y??H?k?x,y??H?k?1?x,y?,S?k?x,y??S?k?1?x,y,I?k?x,y??I?k?1?x,y?.（2） fd2?x,y??H?k?1?x,y??H?k?x,y,S?k?1?x,y??S?k?x,y,I?k?1?x,y??I?k?x,y?...（3）

其中：fd1?x,y?，fd2?x,y?为连续三帧图像序列的帧差分后的结果。 1、2 运动目标的自适应分割与提取 定义 2 二次帧差分图像运算为：

YH?x,y??fd2?x,y??fd1?x,y??? YH(x,y)YS?x,y?YI?x,y??...................（4） 运算规则定义为：

YH?x,y??minH?k(x,y)?H?k?1?x,y?,H?k?1?x,y??H?k?x,y? YS?x,y??minS?k?x,y??S?k?1?x,y,S?k?1?x,y??S?k?x,y? YI?x,y??minI?k?x,y??I?k?1?x,y,I?k?1?x,y??I?k?x,y?

其中：Y(x,y)为相与运算所得结果 ，相与运算为对fd1?x,y?，fd2?x,y?两个帧差分图像的色度 H、饱和度S和亮度J值取极小运算。

为了确定出两个帧差分图像结果fd1?x,y?，fd2?x,y?做相与运算结果所得区域，利用类间距与类内距之比作为最佳分割的目标函数确定出图像序列中的运动目标移动部分区域

Ym?x,y?和背景区域。

2 运动目标的预测跟踪控制 2．1 运动目标的定位

① 计算跟踪运动目标区域的重心点的横坐标、纵坐标为： mx

xO?x,y?????

?

Ox,y??

R

x,y?OR

R

x,y?OR

my

yO?x,y?????

.....................................（5） ?

Ox,y??

R

x,y?OR

R

x,y?OR

其中：OR为二值化图像中的确定要跟踪的运动目标区域。 ② 计算跟踪运动目标区域的重心点的深度坐标值。

文中采用单摄像机近似小孔成像原理的测距方法，较精确地计算出深度距离

mz值。

实际中机器人摄像机采用的是正对前方的放置方式，高度已经测定为H，焦距已经测定 为 f。如图 1所示。

图像原点D?x0,y0? H

B(x,y)

图 1 小孔成像原理的测距示意图

由图 1可得 ，C是摄像机，O是摄像机在地面上的投影，图像成像面中心点坐标为D?x0,y0?运动目标重心点正?a href="http://www.zw2.cn/zhuanti/guanyuluzuowen/" target="_blank" class="keylink">路降谋咴档愕娜⑻遄晡?/p>

A?XA,YA,ZA?，该点在图像上 的投影点坐标为B?XB,YB?。

则三角形 ACO与三角形 CDB相似，经过计算可以得出物体地面上的点与摄像机的水平距离mz。

mz?f?H

（6） YB?y0? ...............................

其中：是摄像机成像像素的纵向物理尺寸，H为摄像机与地面高度。

体裁作文