基于目标追踪的 AGV视觉导引
东南大学系统工程研究所报告人:周凯
2009.11.21
2
目录
1111
3333
引言引言
AGVAGV相关算法研究相关算法研究2222
一些想法一些想法
1.引言
AGV的应用制造业(自动化、烟草加工)立体仓库危险品运输机场行李搬运等
AGV基本原理通过感应器感知环境信息
AGV研究最终目标 使 AGV更智能去感知视觉信息
2.AGV算法研究
跟踪对象研究环境中的物体地面标志线指定的物体(人,车等)
跟踪算法研究 Meanshift Kalman filter Bayes filter Particle filter Sift features
Meanshift算法
Meanshift又叫均值漂移,由 Fukunaga ( 1975)等人在 1975年的一篇关于概率密度梯度函数的估计的文章中提出来的,其最初含义正如其名,就是偏移的均值向量。
Yizong Cheng ( 1995)成功把它扩展,并且运用到计算机视觉领域,这引起了人们的广泛关注。
Comaniciu 和 Meer ( 1997 , 2000)成功将Mean shift方法应用到图像分割和特征空间分析中。
Comaniciu 和 Meer ( 2001)主要讨论MeanShift中核函数带宽选择问题。
Intuitive Description
Distribution of identical billiard balls
Region ofinterest
Center ofmass
Mean Shiftvector
Objective : Find the densest region
Intuitive Description
Distribution of identical billiard balls
Region ofinterest
Center ofmass
Mean Shiftvector
Objective : Find the densest region
Intuitive Description
Distribution of identical billiard balls
Region ofinterest
Center ofmass
Mean Shiftvector
Objective : Find the densest region
Intuitive Description
Distribution of identical billiard balls
Region ofinterest
Center ofmass
Mean Shiftvector
Objective : Find the densest region
Intuitive Description
Distribution of identical billiard balls
Region ofinterest
Center ofmass
Mean Shiftvector
Objective : Find the densest region
Intuitive Description
Distribution of identical billiard balls
Region ofinterest
Center ofmass
Mean Shiftvector
Objective : Find the densest region
Intuitive Description
Distribution of identical billiard balls
Region ofinterest
Center ofmass
Objective : Find the densest region
Meanshift算法
研究热点:目标检测(背景与目标)目标模型与候选模型的表示与更新(目标特征)核函数和带宽选取与自适应( Epanichekov kernel)相似性函数的选取( Bhattacharyya函数)算法收敛性(实时性)
王博等( 2009)根据不同像素点的时域起伏特性建立一个统一的模型,进而利用最小二乘法估计出该模型的参数,实现静态背景的移除。
聂炬等( 2009)运用复合差分法进行了目标检测消除了瞬时差分法的“虚影”。
Collins ( 2003)将尺度空间和Meanshift算法相结合解决了核函数带宽实时变化的目标跟踪。
彭宁篙,杨杰( 2005)使用角点与Meanshift算法进行结合,增强了对目标缩放的追踪能力。
贾静平,柴艳妹( 2006)使用带宽矩阵增强了对目标缩放和旋转的适应性。
胡铟( 2008)通过对颜色直方图的分块,由于包含了一定的空间信息(位置信息),是追踪稳定性得到了提高。
黄家祥等( 2009)将Meanshift中的迭代步长进行了改进,提出了自适应步长方法,从而增加了收敛速度。
SIFT特征 David G.Lowe ( 1999)首次提出 SIFT算法,其全称是 Scale
Invariant Feature Transform,即尺度不变特征变换。 David G.Lowe ( 2004)总结了现有的基于不变量技术的特征检测方法,并正式提出了一种基于尺度空间的、对图像缩放、旋转甚至仿射变换保持不变性的图像局部特征描述算子- SIFT算子。
SIFT算法是一种提取局部特征的算法,在尺度空间寻找极值点,提取位置,尺度,旋转不变量。
SIFT算法提取的 SIFT特征向量具有如下特性: SIFT特征是图像的局部特征,其对旋转、尺度缩放、亮度变化保持不变性,对视角变化、仿射变换、噪声也保持一定程度的稳定性。
独特性好,信息量丰富,适用于在海量特征数据库中进行快速、准确的匹配。
多量性,即使少数的几个物体也可以产生大量 SIFT特征向量。
高速性,经优化的 SIFT 匹配算法甚至可以达到实时的要求。
可扩展性,可以很方便的与其他形式的特征向量进行联合。
结合算法
MS-MCMS-EKFMS-SIFTPF-SIFT
Ai-hua Chen et al. ( 2008)将Meanshift算法与 SIFT算子结合起来进行目标追踪,增强了追踪的鲁棒性,但忽略了实时性。
Tao Gao et al. ( 2009)将 PF算法与SIFT算子进行结合,先用离散小波变换进行目标识别,用 SIFT特征点尺度不变性解决目标在追踪过程中的尺度变化,达到了很好的追踪效果。
3.一些想法
与 SIFT结合的追踪算法( EKF , MS)不同尺度图像的距离测量( SIFT特征的尺度信息)
Thanks for your attention !
Top Related