| [页数] 60 [字数] 28993 [目录] 第1章 绪论 1 第2章 机器人视觉伺服控制理论基础 9 第3章 运动目标检测和识别 15 第4章 运动目标的预测 24 第5章 多关节机器人操作手跟踪运动目标的策略 29 第6章 工业机器人视觉伺服控制系统的实现 38 第7章 结论 50 参考文献 51 致 谢 54 攻读硕士学位期间的研究成果 （不存在） [原文] 第1章 绪论 1.1 课题研究背景 运动目标的检测和跟踪技术在航天、军事、工业过程控制、医学研究、交通管制、飞机导航等领域存在着广泛的应用前景。运动目标跟踪的目的就是通过对摄象机拍摄到的序列图象进行分析研究，计算出运动目标在连续祯图象中的位移、速度、加速度等运动参数，从而实现对运动目标的实时跟踪、抓取或者达到改善运动目标的运动环境等目的。利用图象扑捉并跟踪我们感兴趣的运动目标，在复杂背景下对运动目标的跟踪以达到特定的目的，可靠性和精度是两个重要指标。 运动目标的检测和跟踪技术随着人们对图象出低级到高级的认识而不断发展变化。利用图象序列分析实现运动目标跟踪的研究是系列图象分析和现代控制理论相结合的一个新的研究领域，它以系列图象分析和数字图象处理技术为基础，应用现代控制理论实现图象序列运动目标的智能跟踪。 运动目标的序列图象为我们提供了比静止目标的单祯图象更多的信息，通过对多祯序列图象进行的分析，可以获得从单祯图象祯中无法获取的目标信息，因此，通过图象序列才能更好地认识和分析序列图象。序列图象分析的基本任务是从图象中检测出运动信息，识别目标、估计目标的运动参数，在此基础上选择合适的算法跟踪运动目标。 人类从外界环境中获取的信息中，80%来自视觉，其它来自触觉、听觉、嗅觉等感觉器官。眼睛从周围环境中获取大量信息，传入大脑后，由大脑根据知识或经验，对信息进行加工、推理等处理工作，最后识别、理解周围环境。所谓人工智能，就是让计算机具有对周围世界的空间物体进行传感、抽象、判断的能力，从而达到识别，处理和理解的目的。人工视觉，或称计算机视觉，是人工智能研究的重要内容。根据其处理过程及复杂程度，计算机视觉[1]的任务如图(1-1)所示，可以分为下面几个方面： (1)序列图象的获取 通过光学摄象机、红外摄象机或激光、超声、雷达等对周围视觉世界进行传感，使得计算机得到与视觉世界相对应的二维图象...... [摘要] 运动目标的检测、识别与跟踪是机器人视觉伺服系统中的关键技术。此外，这项技术在航天、军事、工业过程控制、医学研究、交通管制、飞机导航等领域也有着广泛的应用前景。运动目标跟踪的目的就是通过对摄象机拍摄到的序列图象进行分析研究，快速识别出既定的运动目标并计算出运动目标在连续祯图象中的位移、速度、加速度等运动参数，从而实现对运动目标的实时跟踪、抓取、打击或者达到改善运动目标的运动环境等目的。 本文简述了国内外机器人视觉伺服技术发展状况和存在的问题，在此基础上对机器人视觉伺服控制系统的一些关键技术进行了研究。首先利用背景消减法获得关于运动目标区域的完整精确的描述，采用卡尔曼滤波器和统计排序滤波器估计背景，实现了运动目标的快速检测；其次，运用线性离散卡尔曼滤波算法估计和预测运动目标的位置和动态参数，变全局搜索为局部搜索，减少了搜索空间，提高了运动目标识别的快速性和实时性；此外，还对基于特征差异的彩色图像目标辨识方法进行了改进，提高了目标辨识的可靠性，对机器人视觉伺服系统中摄像头的标定方法进行了工程简化，满足了实验需要。作者将上述研究成果应用于原有的工业机器人视觉伺服控制实验系统，并利用该系统进行了多关节工业机器人快速识别、跟踪彩色运动目标的实验研究。 实验结果证明本文提出的彩色序列图像运动目标的检测方法速度快、信息描述完整；彩色目标的识别算法简单易行、准确率高；利用卡尔曼滤波跟踪运动目标的算法速度快，实时性强。上述研究成果不仅可以明显改善多关节工业机器人视觉伺服控制系统的性能，而且可以应用到需要检测、识别和跟踪运动目标的其他高科技领域，具有广阔的推广应用前景。 [参考文献] [1] 徐光祐.计算机视觉[M]. 清华大学出版社,1999. [2] A.P. Pentland, The Parts of Perception, in Advance in Computer Vision, Lawrence Erlbraum Associates, 1988. [3] S.Gil, R.Milanese and T.Pun.Comparing features for target tracking in traffic scenes. Pattern Recognition , 1996,19(8):1285-1296. [4] M.Kilger. A shadow handler in a video_based real time traffic monitoring system .IEEE Workshop Application Computer Vision,1992:1060-1066. [5] D.Koller, J.Weber, T.Huang, J.Malik. Towards robust automatic traffic scene analysis in real-time.IEEE Proceeding of the 33nd Conference on Decision and Control , December,1994:3776-3781. [6] 潘薇,游志胜等基于模糊聚类和卡尔曼滤波的运动目标检测[J].计算机应用[J] .2005，25（1）. [7] 傅德胜，王海彬等.字视频监控中的运动目标检测[J].电子学与计算机，2005，22(1) . [8] 师丽娜，涂峰等. 复杂背景下的运动目标检测方法[J] .电子工程师. 2006, 32(1) . [9] 方帅，薛方正，徐心和系统仿真学报[J].2005，23（1）. [10] Y.Liu, T.S.Huang. Determing straight line correspondence from intensity image[J] .Pattern Recognition ,1991,24(6):489-504. [11] S.K.Jung, K.Y.Wohn. A model-based 3-D tracking of rigid objects from a sequence of multiple perspective views. Pattern Recognition Letters. 1998(19):499-515. [12] Gennery. D. Tracking known three-dimensional objects.Proc.National Conference on Artficial Intelligence. 1982,13-17. [13] Kass M,Witkinm A,Terzopoulos D.Snakes: Active contour models. Inernational Journal on Computer Vision ,1998,1(4):321-331 [14] 高勤，李志强，都学新.一种新型自适应卡尔曼滤波算法[J]. 现代雷达，2001，12.23（6）：（29-34）. [15] Dae-Sik Jang, Seok-Woo Jiang, Hyung-Il Choi. 2D human body tracking with Structural Kalman Filter .Pattern recognition 35(2002)2041-2049. [16] 高磊.一种反馈修正推广卡尔曼滤波算法及其应用[J] . 航空航天，2004，22（5）. [17] 李彦鹏等.一种快速Kalman滤波算法实现及效果评估. 电子与信息学报. 2005，27(1) . [18] 李春霞.卡尔曼滤波方程的改进算法及应用[J]. 哈尔滨商业大学学报.2002，18（3）. [19] 中国机器人网.http://www.robotschina.com/2004.11. [20] 孙保平等.分形图象处理技术研究：[硕士学位论文], 河海大学. 2001. [21] 费秀艳等.计算机视觉中的匹配和可视化问题研究：[硕士学位论文], 哈尔滨工业大学. 2001. [22] 钱江等. 基于图象雅可比矩阵的机器人无标定动态手眼协调：[硕士学位论文], 上海交通大学. 2002. [23] 田梦倩,罗翔,黄惟一.视觉伺服机器人对运动目标的跟踪[J] .机器人.2003，25(26):549-553. [24] HashimotoK,KimotoT.Manipulator control with image-based visual servo. A.ProcIEEEInt. robotics and AutomationC.California,USA:1991,267-2272. [25] 苏剑波,李耀通. 一种用于机器人的物体运动参数快速识别方法[J] . 自动化学报.1994 ,20 (3). [26] 赵清杰,连广宇.机器人视觉伺服综述[J ]. 控制与决策,2001,16(6) :849-853. [27] Giorgio C, Buttazzo,Benedetto, Allota.Mousebuster .A robot for real time catching J.IEEEControl System Mag,1994, 14 1 : 49 - 56. [28] Hiroaki,Nakai,YasuhiroTaniguchi.A volleyball playing robot.A.ProcIEEEEInt Conf. Robotics and Automation C.Belguim,1998,1083-1089. [29] Allen P K, Timcenko A. Automated tracking and grasping of a moving object with a robotic hand-eye systemJ.IEEETranson Robotics and Automation,1993,9 2 :152-165. [30] Wilson WJ , Williams Hulls C C .Relative end-effector control using Cartesian position based visual servoing J.IEEE Transon Robot and Automation,1996,12 5 : 684 - 696. [31] 伏思华等.基于序列图像的运动目标实时检测方法[J].光学技术.2004.3, 30（2）:（215—217）. [32] 王栓等.基于差分图像的多运动目标的检测与跟踪[J]. 中国图像图形学报. 1999 ,4 A. [33] C. Wren, A. Azarbayejani, T. Darrell, and A. Pentland, “Pfinder: Real-time Tracking of the Human Body”, IEEE Trans. PAMI, vol. 19, no. 7, pp. 780-785, Jul. 1997. [34] 郭尚来.随机控制[M].清华大学出版社,1999. [35] 王志贤.最优状态估计与系统辨识[M].西北工业大学出版社,2004，6. [36] I. Haritaoglu, D. Harwood and L. S. Davis, “Rea-Time Surveillance of People and Their activity,” IEEE Trans. PAMI, vol. 22, no. 8, pp. 809-830, Aug. 2000. [37] 刘飞, 张鹏林.基于卡尔曼滤波的时间序列背景估计[J].地理空间信息. 2005.6 Vol3.No.3. [38] 冈萨雷斯.数字图像处理[M].电子工业出版社, 2003. [39] 郝海涛,田玉敏. 彩色图象分割及进展[J].山西师范大学学报. 自然科学版,Vol.19 No1 Mar. 2005. [40] 胡明昊, 任明武 ,杨静宇.一种基于直方图模式的运动目标实时跟踪算法[J].计算机工程与应用2004.3. [41] 陈鲤江,翟宏琛,黄桂岭,张铁群,孙杰. 基于色彩局域搜索的彩色目标快速跟踪方法[J].光电子?激光. 2003.11. [42] Vadim Lutsiv, Igor Malyshev, Alexey Potapov. Hierarchical structural matching algorithms for registration of aerospace images[R]. Proceedings of SPIE. 2004.4. [43] E.Bruce Goldstein. Sensation and Perception 6th edition[M].2002. [44] 兰丽，赵清杰，孙增圻.视觉引导的机器人曲线跟踪系统[J].计算机工程与应用.2002，15（7），124-126. [45] 田梦倩,罗翔,黄唯一.视觉伺服机器人系统的无标定目标运动估计[J].工业仪表与自动化装置.2004，1，29-30. [46] 马颂德，张正友. 计算机视觉. 科学出版社, 1998. [47] David A.Forsyth,Jean Proce.Computer Vision :A Modern Approach.（王宏等）.北京：电子工业出版社，2004，32-40. [原文截取] 论文题目：机器人视觉伺服系统中彩色序别图像运动目标检测、 识别与跟踪技术研究 专 业：控制理论与控制工程 研 究 生： 指导教师： 摘 要 运动目标的检测、识别与跟踪是机器人视觉伺服系统中的关键技术。此外，这项技术在航天、军事、工业过程控制、医学研究、交通管制、飞机导航等领域也有着广泛的应用前景。运动目标跟踪的目的就是通过对摄象机拍摄到的序列图象进行分析研究，快速识别出既定的运动目标并计算出运动目标在连续祯图象中的位移、速度、加速度等运动参数，从而实现对运动目标的实时跟踪、抓取、打击或者达到改善运动目标的运动环境等目的。 本文简述了国内外机器人视觉伺服技术发展状况和存在的问题，在此基础上对机器人视觉伺服控制系统的一些关键技术进行了研究。首先利用背景消减法获得关于运动目标区域的完整精确的描述，采用卡尔曼滤波器和统计排序滤波器估计背景，实现了运动目标的快速检测；其次，运用线性离散卡尔曼滤波算法估计和预测运动目标的位置和动态参数，变全局搜索为局部搜索，减少了搜索空间，提高了运动目标识别的快速性和实时性；此外，还对基于特征差异的彩色图像目标辨识方法进行了改进，提高了目标辨识的可靠..... |
机器人视觉伺服系统中彩色序别图像运动目标检测
查看评论
已有0位网友发表了看法