專利名稱：一種適用于空間繩系機(jī)器人的實(shí)時(shí)空間目標(biāo)特征點(diǎn)跟蹤方法
技術(shù)領(lǐng)域：
本發(fā)明屬于模式識(shí)別領(lǐng)域，涉及圖像處理和計(jì)算機(jī)視覺等技術(shù)，涉及一種適用于空間繩系機(jī)器人的實(shí)時(shí)空間目標(biāo)特征點(diǎn)跟蹤方法。
背景技術(shù)：
由于視覺傳感器具有低成本、被動(dòng)探測(cè)、魯棒性強(qiáng)等特點(diǎn)，其在運(yùn)動(dòng)目標(biāo)的跟蹤方面受到愈來(lái)愈多的重視，例如空間繩系機(jī)器人利用雙目視覺跟蹤空間目標(biāo)，導(dǎo)彈等飛行器利用視覺傳感器跟蹤空中目標(biāo)等。但在視頻序列中對(duì)空間目標(biāo)的跟蹤是十分復(fù)雜的任務(wù)，存在著很多挑戰(zhàn)，如序列中包含目標(biāo)旋轉(zhuǎn)、尺度變化、運(yùn)動(dòng)模糊以及存在其他相關(guān)物體等情況。而且空間目標(biāo)通常還具有如下特征:結(jié)構(gòu)、紋理特征簡(jiǎn)單，灰度特征單一，尺度變化較大，快速多自由度運(yùn)動(dòng)。這些已成為計(jì)算機(jī)視覺研究中的熱點(diǎn)問(wèn)題，而其中的關(guān)鍵是特征點(diǎn)的提取與跟蹤技術(shù)。常用的跟蹤方法大致有相關(guān)法和光流法，目前相關(guān)跟蹤應(yīng)用較多。它根據(jù)實(shí)時(shí)圖像與參考圖像之間的相關(guān)度函數(shù)來(lái)計(jì)算目標(biāo)的位置變化，將兩幅圖像能達(dá)到最佳匹配的位置即相關(guān)函數(shù)的峰值作為跟蹤點(diǎn)。該算法對(duì)圖像質(zhì)量要求不高，可在低信噪比條件下穩(wěn)定工作，能適應(yīng)較復(fù)雜的場(chǎng)景結(jié)構(gòu)。針對(duì)其運(yùn)算量大的不足，出現(xiàn)了許多改進(jìn)算法，如基于塔型結(jié)構(gòu)的匹配跟蹤、多子模板匹配、Kalman濾波器跟蹤等。而光流跟蹤法是運(yùn)用目標(biāo)的運(yùn)動(dòng)信息，避免了灰度變化對(duì)目標(biāo)跟蹤的影響，因而具有較好的抗噪能力。光流分析可以分為連續(xù)光流法和特征光流法。全局光流的計(jì)算方法有Horn-Schunck算法、Nagel算法等,得到全局光流場(chǎng)后通過(guò)比較運(yùn)動(dòng)目標(biāo)與背景之間的運(yùn)動(dòng)差異對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行光流分割，從而達(dá)到跟蹤的目的。特征光流法是通過(guò)特征匹配求得特征點(diǎn)處的光流，估計(jì)運(yùn)動(dòng)目標(biāo)的位移并進(jìn)行跟蹤。在攝像機(jī)平臺(tái)不固定的情況或所跟蹤目標(biāo)位姿、大小經(jīng)常變化的情境下，對(duì)指定的目標(biāo)上提取的特征點(diǎn)進(jìn)行跟蹤基于相鄰幀連續(xù)信息的特征光流法更加快速有效。待跟蹤的特征點(diǎn)可以是由人工標(biāo)定的，或是算法自動(dòng)識(shí)別、提取視頻中感興趣的運(yùn)動(dòng)物體區(qū)域后在其表面提取的。KLT跟蹤算法最初由Lucas-Kanade提出，隨后Tomas1-Kanade進(jìn)行了改進(jìn),近年來(lái)得到了廣泛應(yīng)用。Ajmal S.Mian利用改進(jìn)的KLT算法對(duì)空中運(yùn)動(dòng)的飛機(jī)進(jìn)行跟蹤；BenBenfold和Ian Reid結(jié)合KLT算法實(shí)現(xiàn)了監(jiān)控視頻中對(duì)多個(gè)運(yùn)動(dòng)目標(biāo)的實(shí)時(shí)跟蹤；國(guó)內(nèi)襲建、劉富強(qiáng)等利用KLT算法計(jì)算相鄰幀之間匹配點(diǎn)的運(yùn)動(dòng)矢量，實(shí)現(xiàn)運(yùn)動(dòng)車輛檢測(cè)；劉玉、王敬東等人提出了一種改進(jìn)的SIFT與KLT相結(jié)合的特征點(diǎn)跟蹤算法，具有更高的魯棒性和定位精度。針對(duì)空間目標(biāo)的跟蹤問(wèn)題，上述KLT算法具有特征點(diǎn)檢測(cè)精度不高，目標(biāo)快速運(yùn)動(dòng)時(shí)匹配精度差導(dǎo)致的跟蹤不準(zhǔn)確問(wèn)題以及劉玉、王敬東方法中SIFT算法的檢測(cè)時(shí)間長(zhǎng)，缺少特征點(diǎn)自適應(yīng)更新策略。

發(fā)明內(nèi)容
要解決的技術(shù)問(wèn)題為了避免現(xiàn)有技術(shù)的不足之處，本發(fā)明提出一種適用于空間繩系機(jī)器人的實(shí)時(shí)空間目標(biāo)特征點(diǎn)跟蹤方法，是提供一種能適用于多尺度圖像序列中位置、姿態(tài)發(fā)生快速變化、結(jié)構(gòu)簡(jiǎn)單的空間目標(biāo)實(shí)時(shí)魯棒跟蹤方法。技術(shù)方案一種適用于空間繩系機(jī)器人的實(shí)時(shí)空間目標(biāo)特征點(diǎn)跟蹤方法，其特征在于步驟如下:步驟1:對(duì)視頻第一幀圖像I1中待跟蹤目標(biāo)T用矩形區(qū)域標(biāo)記，四個(gè)頂點(diǎn)分別表示為(xul，yul)，(xur, yur), (xdl, ydl), (xdr，ydr);應(yīng)用SURF算法對(duì)矩形內(nèi)待跟蹤目標(biāo)進(jìn)行特征點(diǎn)提取，提取出的特征點(diǎn)簇表示為I1Jt…，In，，其坐標(biāo)位置分別表示為(X^y1), (x2, j2),…，(xn, yn)，隨后進(jìn)行離散點(diǎn)消除；所述離散點(diǎn)消除方法:對(duì)于^^ ，、中的每]!-:個(gè)點(diǎn)計(jì)算其中的每個(gè)點(diǎn)到其幾何中心(xa, ya)距離的平均值da ;求取剩余一點(diǎn)(\，yr)到(xa，ya)的距離火；并進(jìn)行如下判斷，如果C^RWa，則令(Xr，y,) = (Xa，ya)，否則不做處理洱為距離判定閾值；步驟2:求取離散點(diǎn)消除后I1JvJn各點(diǎn)中X坐標(biāo)最大和最小的兩個(gè)x_，Xniin,然后求得各點(diǎn)中y坐標(biāo)最大和最小的兩個(gè)y_，ymin;以(x_，ymax)，(xmax, ymin)，(Xniin, ymax)和(xmin, ymin)四點(diǎn)作為初始迭代輪廓點(diǎn)代入Greedy Snake算法,從而得到提取出的目標(biāo)輪廓點(diǎn)簇^2/'(；;然后按照步驟1中的離散點(diǎn)消除方法對(duì)(:1，(:2/-，(；進(jìn)行離散點(diǎn)消除，隨后求取x，y坐標(biāo)分別為最大、最小時(shí)的四個(gè)頂點(diǎn)，其形成的矩形R作為目標(biāo)的精確模型；步驟3:對(duì)進(jìn)行過(guò) 離散點(diǎn)消除后的C1^C2Cn，各點(diǎn)采用金字塔KLT特征點(diǎn)跟蹤算法在后續(xù)幀中進(jìn)行跟蹤，獲取新的特征點(diǎn)cln，c2n,…，Cm ;然后按照步驟I中的離散點(diǎn)消除方法對(duì)C1,C2Cn進(jìn)行離散點(diǎn)消除，隨后求取X，y坐標(biāo)分別為最大、最小時(shí)的四個(gè)頂點(diǎn)，其形成的矩BRn作為目標(biāo)的下一個(gè)精確模型；跟蹤過(guò)程中記錄當(dāng)前幀數(shù)Fnuffl，每一幀都計(jì)算出Rn的面積Ra，中心點(diǎn)坐標(biāo)(x。，yc)距離圖像左上角(0，0)的歐氏距離d。；步驟4:對(duì)于采用金字塔KLT特征點(diǎn)跟蹤算法的后續(xù)幀中進(jìn)行自適應(yīng)策略判斷，如果不符合更新要求，則轉(zhuǎn)入步驟1，如果更新生效則自動(dòng)確定新的目標(biāo)大致區(qū)域，轉(zhuǎn)入步驟
I;所述自適應(yīng)策略判斷步驟如下:步驟(I):根據(jù)幀數(shù)計(jì)數(shù)器，判斷當(dāng)前幀幀數(shù)是否為10的倍數(shù)，若是則主動(dòng)更新策略生效轉(zhuǎn)至步驟(5)執(zhí)行，若不滿足則轉(zhuǎn)至步驟(2)；步驟(2):計(jì)算每幀中跟蹤目標(biāo)在圖像中的輪廓區(qū)域面積，若相鄰幀之間由特征點(diǎn)簇計(jì)算出的目標(biāo)區(qū)域面積變化達(dá)到15 %，則被動(dòng)更新策略生效轉(zhuǎn)至步驟(5)執(zhí)行，若不滿足則轉(zhuǎn)至步驟(3);步驟(3):計(jì)算每幀中由特征點(diǎn)簇計(jì)算出的目標(biāo)質(zhì)心坐標(biāo)與圖像左上角(0，0)坐標(biāo)之間的歐式距離，若相鄰幀之間該距離變化達(dá)到10%，則被動(dòng)更新策略生效轉(zhuǎn)至步驟(5)執(zhí)行，若不滿足則轉(zhuǎn)至步驟(4)；步驟(4):計(jì)算每幀中目標(biāo)上特征點(diǎn)數(shù)目，若相鄰幀之間該數(shù)目變化達(dá)到30%，則被動(dòng)更新策略生效轉(zhuǎn)至步驟(5)執(zhí)行，若不滿足則轉(zhuǎn)至步驟3 ；步驟(5):以上一幀中精確定位后的目標(biāo)輪廓為基準(zhǔn)，求其上、下、左、右四點(diǎn)形成的矩形，并延該矩形每邊中點(diǎn)向左右延伸直至各邊長(zhǎng)為原邊長(zhǎng)的1.5倍；獲得面積為原矩形面積2.25倍后的新矩形區(qū)域，轉(zhuǎn)至步驟I。所述R=2。有益效果本發(fā)明提出的一種適用于空間繩系機(jī)器人的實(shí)時(shí)空間目標(biāo)特征點(diǎn)跟蹤方法，主要由特征點(diǎn)提取算法、特征點(diǎn)匹配算法、消除離散點(diǎn)、精確定位和自適應(yīng)策略五部分組成。與現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益 效果:1、采用改進(jìn)后的SURF算法提取的特征點(diǎn)更具魯棒性、穩(wěn)定性，使得特征點(diǎn)匹配精度聞，目標(biāo)定位精確度聞;2、適用于多尺度圖像序列中位置、姿態(tài)發(fā)生快速變化且結(jié)構(gòu)簡(jiǎn)單目標(biāo)的穩(wěn)定跟蹤;3、對(duì)多種挑戰(zhàn)性情境具有魯棒性，跟蹤過(guò)程中具備短時(shí)抗遮擋能力；4、可實(shí)現(xiàn)對(duì)多個(gè)多類目標(biāo)的實(shí)時(shí)檢測(cè)、跟蹤。本發(fā)明的方法易于實(shí)現(xiàn)和應(yīng)用，主要可以應(yīng)用于以下幾個(gè)方面:1、商業(yè)方面可用于視頻監(jiān)控、人體跟蹤，圖像匹配拼接等；2、軍事上可用于運(yùn)動(dòng)目標(biāo)的自動(dòng)瞄準(zhǔn)，導(dǎo)彈尋的制導(dǎo)時(shí)的目標(biāo)識(shí)別等；3、航空航天中可用于目標(biāo)跟蹤鎖定，非合作目標(biāo)的相對(duì)導(dǎo)航，機(jī)器人視覺伺服控制等。


圖1為本發(fā)明的算法總流程框圖；圖2為本發(fā)明多巾貞跟蹤單目標(biāo)結(jié)果不意圖:7幅圖分別為第8、18、28、38、48、58和68中貞；圖3為本發(fā)明跟蹤目標(biāo)短時(shí)抗遮擋結(jié)果示意圖；7幅圖分別為第490、493、496、499、502、505 和 508 幀；
具體實(shí)施例方式現(xiàn)結(jié)合實(shí)施例、附圖對(duì)本發(fā)明作進(jìn)一步描述:本發(fā)明實(shí)施例由特征點(diǎn)提取算法、特征點(diǎn)匹配算法、消除離散點(diǎn)、精確定位和自適應(yīng)策略五部分組成，總流程框圖如圖1所示。本發(fā)明的方法需要的硬件配置為一般家用電腦配置即可，在此配置水平的硬件上，采用C++語(yǔ)言編程實(shí)現(xiàn)本方法。下面對(duì)本發(fā)明的方法涉及的關(guān)鍵步驟進(jìn)行逐一詳細(xì)描述，本發(fā)明的方法中的基本步驟相同，具體形式如下所述:第一步:視頻第一幀圖像I1中待跟蹤目標(biāo)T用矩形區(qū)域標(biāo)記，四個(gè)頂點(diǎn)分別表示為(xul.Yul (Xur，yur)，(XdlJdi)，(xdr.Ydr)°應(yīng)用SURF算法對(duì)矩形內(nèi)待跟蹤目標(biāo)進(jìn)行特征點(diǎn)提取，提取出的特征點(diǎn)簇表示為IliI2Z^In，，其坐標(biāo)位置分別表示為(Xl，yi)，(x2, y2),…，(xn，yn)，隨后進(jìn)行離散點(diǎn)消除，具體算啊如下:對(duì)于I1J2In中的每n-1個(gè)點(diǎn)計(jì)算其中的每個(gè)點(diǎn)到其幾何中心(xa，ya)距離的平均值da;求取剩余一點(diǎn)(\，yr)到(xa，ya)的距離火；并進(jìn)行如下判斷，如果dr>R*da (R為距離判定閾值，取R2)，則令(Xr，yr) = (xa, ya)，否則不做處理。其中如何對(duì)利用SURF算法提取特征點(diǎn)，為本領(lǐng)域公知技術(shù)，可參考文獻(xiàn)I ^BayH, Tuytelaars T,and Gool L V.SURF: Speeded Up Robust Features.The9thEuropeanConference on Computer Vision, Austria, May2006.，，和文獻(xiàn) 2 “王永明，王貴錦著。圖像局部不變性特征與描述。北京:國(guó)防工業(yè)出版社，2010?！?35-142頁(yè)，此處不再贅述。第二步:求取離散點(diǎn)消除后I1J2,…，In中首先求得各點(diǎn)中X坐標(biāo)最大和最小的兩個(gè)xmax，Xniin,然后求得各點(diǎn)中y坐標(biāo)最大和最小的兩個(gè)y.’y.。定義如下四點(diǎn)(Xniaj^yniax), (XniaX, ymin)，(xmin, ymax)，(xmin, ymin)。以此四點(diǎn)作為初始迭代輪廓點(diǎn)代入Greedy Snake算法,從而得到提取出的目標(biāo)輪廓點(diǎn)簇…，cn。然后按照第一步的方法對(duì)…，Cn進(jìn)行離散點(diǎn)消除。隨后同樣地求取x，y坐標(biāo)分別為最大、最小時(shí)的四個(gè)頂點(diǎn)，其形成的矩形R作為目標(biāo)的精確模型。其中如何對(duì)利用Greedy Snake算法提取目標(biāo)輪廓點(diǎn)簇，為本領(lǐng)域公知技術(shù)，可參考文獻(xiàn) 3 “Williams, D J., Shah, M.(1992).“A fast algorithm for active contoursandcurvature estimation.”Computer Vision, Graphics and Image Processing,Januaryl992,55(l):14 — 26.”，此處不再贅述。第三步:對(duì)進(jìn)行過(guò)離散點(diǎn)消除后的C1,C2Cn，各點(diǎn)采用金字塔KLT特征點(diǎn)跟蹤算法在后續(xù)幀中進(jìn)行跟蹤，獲取新的特征 點(diǎn)Cln，c2n,…，Cm。然后同樣地按照第一步的方法對(duì)C1,C2Cn進(jìn)行離散點(diǎn)消除。隨后同樣地求取X，y坐標(biāo)分別為最大、最小時(shí)的四個(gè)頂點(diǎn)，其形成的矩形! 作為目標(biāo)的精確模型。跟蹤過(guò)程中記錄當(dāng)前幀數(shù)Fmm，每一幀都計(jì)算出Rn的面積Ra，中心點(diǎn)坐標(biāo)(Xc;，y。)距離圖像左上角(0，0)的歐氏距離尤。其中如何對(duì)利用金字塔KLT算法進(jìn)行特征點(diǎn)跟蹤，為本領(lǐng)域公知技術(shù)，可參考文獻(xiàn)4“Tomasi, C.，Kanade, T.(1991) “Detection and tracking of pointfeatures.，，CarnegieMellon University Technical Report CMU-CS-91-132, Aprill991.，，和文獻(xiàn) 5 “GaryBradski,Adrian Kaebler著,于仕琪，劉瑞被譯。學(xué)習(xí)OpenCV中文版。北京:清華大學(xué)出版社，2009:362-363?！?，此處不再贅述。第四步:在采用金字塔KLT特征點(diǎn)跟蹤算法的后續(xù)幀中進(jìn)行自適應(yīng)策略判斷，如果不符合更新要求，則轉(zhuǎn)入第三步，如果更新生效則自動(dòng)確定新的目標(biāo)大致區(qū)域，轉(zhuǎn)入第一步。其中所述的自適應(yīng)策略方法具體步驟如下:步驟1:根據(jù)幀數(shù)計(jì)數(shù)器，判斷當(dāng)前幀幀數(shù)是否為10的倍數(shù)，若是則主動(dòng)更新策略生效轉(zhuǎn)至步驟5執(zhí)行，若不滿足則轉(zhuǎn)至步驟2 ；步驟2:計(jì)算每幀中跟蹤目標(biāo)在圖像中的輪廓區(qū)域面積。若相鄰幀之間由特征點(diǎn)簇計(jì)算出的目標(biāo)區(qū)域面積變化達(dá)到15%，則被動(dòng)更新策略生效轉(zhuǎn)至步驟5執(zhí)行，若不滿足則轉(zhuǎn)至步驟3 ；步驟3:計(jì)算每幀中由特征點(diǎn)簇計(jì)算出的目標(biāo)質(zhì)心坐標(biāo)與圖像左上角(0，O)坐標(biāo)之間的歐式距離，若相鄰幀之間該距離變化達(dá)到10%，則被動(dòng)更新策略生效轉(zhuǎn)至步驟5執(zhí)行，若不滿足則轉(zhuǎn)至步驟4;步驟4:計(jì)算每幀中目標(biāo)上特征點(diǎn)數(shù)目，若相鄰幀之間該數(shù)目變化達(dá)到30%，則被動(dòng)更新策略生效轉(zhuǎn)至步驟5執(zhí)行，若不滿足則轉(zhuǎn)至第三步；步驟5:以上一幀中精確定位后的目標(biāo)輪廓為基準(zhǔn)，求其上、下、左、右四點(diǎn)形成的矩形，并延該矩形每邊中點(diǎn)向左右延伸直至各邊長(zhǎng)為原邊長(zhǎng)的1.5倍。獲得面積為原矩形面積2.25倍后的新矩形區(qū)域，轉(zhuǎn)至第一步。利用飛行視頻數(shù)據(jù)庫(kù)進(jìn)行大量的仿真實(shí)驗(yàn)結(jié)果表明:該算法適用于多尺度圖像序列中位置、姿態(tài)發(fā)生快速變化且結(jié)構(gòu)簡(jiǎn)單飛行器的穩(wěn)定跟蹤。圖2示意了算法用于連續(xù)多幀跟蹤時(shí)的目標(biāo)定位結(jié)果。圖3示意了連續(xù)多幀跟蹤過(guò)程中跟蹤目標(biāo)受到云層短時(shí)干擾時(shí)的目標(biāo)定位結(jié)果。
權(quán)利要求
1.一種適用于空間繩系機(jī)器人的實(shí)時(shí)空間目標(biāo)特征點(diǎn)跟蹤方法，其特征在于步驟如下: 步驟1:對(duì)視頻第一幀圖像I1中待跟蹤目標(biāo)T用矩形區(qū)域標(biāo)記，四個(gè)頂點(diǎn)分別表示為(xul，yul)，(XurJur), (xdl, ydl), (x&，y&);應(yīng)用SURF算法對(duì)矩形內(nèi)待跟蹤目標(biāo)進(jìn)行特征點(diǎn)提取，提取出的特征點(diǎn)簇表示為I1Jt…，In，，其坐標(biāo)位置分別表示為(X^y1), (x2, j2),…，(xn, yn)，隨后進(jìn)行離散點(diǎn)消除； 所述離散點(diǎn)消除方法:對(duì)于中的每n-1個(gè)點(diǎn)計(jì)算其中的每個(gè)點(diǎn)到其幾何中心(xa, ya)距離的平均值da ;求取剩余一點(diǎn)(X1^yJ到(xa, ya)的距離^ ;并進(jìn)行如下判斷，如果，則令(Xr，y,) = (Xa，ya)，否則不做處理洱為距離判定閾值； 步驟2:求取離散點(diǎn)消除后I1JvJn各點(diǎn)中X坐標(biāo)最大和最小的兩個(gè)x_，Xniin，然后求得各點(diǎn)中y坐標(biāo)最大和最小的兩個(gè)y_，ymin;以(x_，ymax)，(xmax, ymin)，(Xniin, ymax)和(xmin, ymin)四點(diǎn)作為初始迭代輪廓點(diǎn)代入Greedy Snake算法,從而得到提取出的目標(biāo)輪廓點(diǎn)簇^2/'(；;然后按照步驟1中的離散點(diǎn)消除方法對(duì)(:1，(:2/-，(；進(jìn)行離散點(diǎn)消除，隨后求取x，y坐標(biāo)分別為最大、最小時(shí)的四個(gè)頂點(diǎn)，其形成的矩形R作為目標(biāo)的精確模型； 步驟3:對(duì)進(jìn)行過(guò)離散點(diǎn)消除后的，各點(diǎn)采用金字塔KLT特征點(diǎn)跟蹤算法在后續(xù)幀中進(jìn)行跟蹤，獲取新的特征點(diǎn)Cln，C2n,…，Cm ;然后按照步驟I中的離散點(diǎn)消除方法對(duì)C1, C2(；進(jìn)行離散點(diǎn)消除，隨后求取x，y坐標(biāo)分別為最大、最小時(shí)的四個(gè)頂點(diǎn)，其形成的矩形Rn作為目標(biāo)的下一個(gè)精確模型；跟蹤過(guò)程中記錄當(dāng)前幀數(shù)F_，每一幀都計(jì)算出Rn的面積Ra，中心點(diǎn)坐標(biāo)(x。，yc)距離圖像左上角(O，0)的歐氏距離d。； 步驟4:對(duì)于采用金字塔KLT特征點(diǎn)跟蹤算法的后續(xù)幀中進(jìn)行自適應(yīng)策略判斷，如果不符合更新要求，則轉(zhuǎn)入步驟1，如果更 新生效則自動(dòng)確定新的目標(biāo)大致區(qū)域，轉(zhuǎn)入步驟I ; 所述自適應(yīng)策略判斷步驟如下: 步驟(I):根據(jù)幀數(shù)計(jì)數(shù)器，判斷當(dāng)前幀幀數(shù)是否為10的倍數(shù)，若是則主動(dòng)更新策略生效轉(zhuǎn)至步驟(5)執(zhí)行，若不滿足則轉(zhuǎn)至步驟(2)； 步驟(2):計(jì)算每幀中跟蹤目標(biāo)在圖像中的輪廓區(qū)域面積，若相鄰幀之間由特征點(diǎn)簇計(jì)算出的目標(biāo)區(qū)域面積變化達(dá)到15%，則被動(dòng)更新策略生效轉(zhuǎn)至步驟(5)執(zhí)行，若不滿足則轉(zhuǎn)至步驟(3)； 步驟(3):計(jì)算每幀中由特征點(diǎn)簇計(jì)算出的目標(biāo)質(zhì)心坐標(biāo)與圖像左上角(0，0)坐標(biāo)之間的歐式距離，若相鄰幀之間該距離變化達(dá)到10%，則被動(dòng)更新策略生效轉(zhuǎn)至步驟(5)執(zhí)行，若不滿足則轉(zhuǎn)至步驟(4); 步驟(4):計(jì)算每幀中目標(biāo)上特征點(diǎn)數(shù)目，若相鄰幀之間該數(shù)目變化達(dá)到30%，則被動(dòng)更新策略生效轉(zhuǎn)至步驟(5)執(zhí)行，若不滿足則轉(zhuǎn)至步驟3 ； 步驟(5):以上一幀中精確定位后的目標(biāo)輪廓為基準(zhǔn)，求其上、下、左、右四點(diǎn)形成的矩形，并延該矩形每邊中點(diǎn)向左右延伸直至各邊長(zhǎng)為原邊長(zhǎng)的1.5倍；獲得面積為原矩形面積2.25倍后的新矩形區(qū)域，轉(zhuǎn)至步驟I。
2.根據(jù)權(quán)利要求1所述適用于空間繩系機(jī)器人的實(shí)時(shí)空間目標(biāo)特征點(diǎn)跟蹤方法，其特征在于:所述R=2。
全文摘要
本發(fā)明涉及一種適用于空間繩系機(jī)器人的實(shí)時(shí)空間目標(biāo)特征點(diǎn)跟蹤方法，主要由特征點(diǎn)提取算法、特征點(diǎn)匹配算法、消除離散點(diǎn)、精確定位和自適應(yīng)策略五部分組成。本發(fā)明采用改進(jìn)后的SURF算法提取的特征點(diǎn)更具魯棒性、穩(wěn)定性，使得特征點(diǎn)匹配精度高，目標(biāo)定位精確度高；適用于多尺度圖像序列中位置、姿態(tài)發(fā)生快速變化且結(jié)構(gòu)簡(jiǎn)單目標(biāo)的穩(wěn)定跟蹤；對(duì)多種挑戰(zhàn)性情境具有魯棒性，跟蹤過(guò)程中具備短時(shí)抗遮擋能力；可實(shí)現(xiàn)對(duì)多個(gè)多類目標(biāo)的實(shí)時(shí)檢測(cè)、跟蹤。本發(fā)明能適用于多尺度圖像序列中位置、姿態(tài)發(fā)生快速變化、結(jié)構(gòu)簡(jiǎn)單的空間目標(biāo)實(shí)時(shí)魯棒跟蹤方法。
文檔編號(hào)G06T7/20GK103150737SQ20131001818
公開日2013年6月12日 申請(qǐng)日期2013年1月18日 優(yōu)先權(quán)日2013年1月18日
發(fā)明者黃攀峰, 蔡佳, 孟中杰, 劉正雄 申請(qǐng)人:西北工業(yè)大學(xué)