基于视觉的目标跟踪研究及其在移动机器人中的实现
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 计算机视觉技术的发展及应用 | 第9-11页 |
| 1.2.1 计算机视觉技术发展历程 | 第9-10页 |
| 1.2.2 计算机视觉技术的典型应用 | 第10-11页 |
| 1.3 基于视觉的目标跟踪技术研究现状 | 第11-13页 |
| 1.3.1 目标跟踪技术的分类 | 第11-12页 |
| 1.3.2 目标跟踪技术面临的难题 | 第12-13页 |
| 1.4 本文研究内容的结构安排 | 第13-16页 |
| 2 目标特征提取的理论 | 第16-24页 |
| 2.1 良好图像特征的特点 | 第16-17页 |
| 2.2 局部特征 | 第17-21页 |
| 2.2.1 局部特征概述 | 第17-18页 |
| 2.2.2 局部不变特征概述 | 第18-19页 |
| 2.2.3 BRISK特征算法分析 | 第19-21页 |
| 2.3 全局特征 | 第21-24页 |
| 2.3.1 全局特征的概述 | 第21-22页 |
| 2.3.2 颜色空间的选择 | 第22页 |
| 2.3.3 颜色特征的提取 | 第22-24页 |
| 3 特征融合及视觉显著性 | 第24-30页 |
| 3.1 特征融合的可行性分析 | 第24-25页 |
| 3.1.1 特征融合的必要性 | 第24-25页 |
| 3.1.2 本文中的多特征融合 | 第25页 |
| 3.2 视觉显著性 | 第25-29页 |
| 3.2.1 视觉注意机制概述 | 第25-26页 |
| 3.2.2 显著性特征 | 第26-29页 |
| 3.3 特征融合的具体实现 | 第29-30页 |
| 4 引入视觉显著性的多特征融合跟踪 | 第30-46页 |
| 4.1 算法程序流程图 | 第30-31页 |
| 4.2 初始化 | 第31-33页 |
| 4.2.1 具体操作步骤及目标模型 | 第31-32页 |
| 4.2.2 混合特征策略的原理 | 第32-33页 |
| 4.3 匹配跟踪目标 | 第33-38页 |
| 4.3.1 运动检测及动态特征 | 第33页 |
| 4.3.2 自适应搜索机制及静态特征 | 第33-34页 |
| 4.3.3 匹配度 | 第34页 |
| 4.3.4 全局匹配 | 第34-36页 |
| 4.3.5 目标跟踪框的尺度 | 第36页 |
| 4.3.6 目标跟踪框的中心 | 第36-38页 |
| 4.3.7 更新目标模型 | 第38页 |
| 4.4 实验结果及分析 | 第38-46页 |
| 4.4.1 实验设置 | 第39页 |
| 4.4.2 中心误差及精确度 | 第39-40页 |
| 4.4.3 重叠率及成功率 | 第40-41页 |
| 4.4.4 结果分析 | 第41-46页 |
| 5 目标跟踪算法在移动机器人IN-RE上的应用 | 第46-56页 |
| 5.1 引言 | 第46页 |
| 5.2 跟踪系统的硬件环境 | 第46-47页 |
| 5.3 IN-RE移动机器人的运动控制 | 第47-54页 |
| 5.3.1 IN-RE移动机器人的运动学分析 | 第47-50页 |
| 5.3.2 IN-RE移动机器人的运动控制策略 | 第50-54页 |
| 5.4 跟踪系统的软件开发环境 | 第54页 |
| 5.5 实验结果分析 | 第54-56页 |
| 6 总结与展望 | 第56-60页 |
| 6.1 本文的主要研究工作 | 第56-57页 |
| 6.2 工作展望 | 第57-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的论文 | 第64-66页 |
| 致谢 | 第66页 |
