跟踪机器人跟踪方式

跟踪机器人跟踪方式

跟踪机器人跟踪方式

跟踪机器人

方州 邓雷

摘 要 本文针对跟踪机器人进行了研究,介绍了目前跟踪定位技术的一些常用方法,并根据目前跟踪机器人存在的一些不足和具体的应用场景,提出了一种基于主动红外信号源和超声测距的跟踪方案用来实现跟踪功能。关键词 跟踪机器人; 红外定向; 超声测距

1 引言

随着机器人应用领域的拓展,大范围、高难度的作业要求机器人具有更大的活动空间和更强的适应能力,作为传感器、执行器、运动规划密切结合的活动载体,移动机器人具有广阔的应用前景和商业价值,其研究也越来越受到人们的重视。 在过去的20 多年中,运动目标跟踪的理论和方法已取得了较大发展,成为当今热门研究领域之一。 但将它应用于移动机器人技术还是一个新兴的重要发展方向。在未知环境下该问题具有几个特殊性:首先,由于机器人常常是在未知的环境中进行运动因此带来的目标和背景的可变性及复杂性,对跟踪概率和精度提出了更高要求。 其次,目标位置空间、时间的不确定性,使得跟踪的实时性要求和信息获取的空间分辨率要求比固定目标的高得多。 最后,由于机器人本身处于移动中,自身的位置也不确定,因此涉及到坐标系的相对运动,相比与固定的系统又增加了复杂度。迄今已付诸工程实践的移动机器人运动目标跟踪技术大多是基于特定的场所和任务,如足球机器人等。因此,具有未知环境下运动目标自主跟踪技术的移动机器人在众多领域具有普遍意义。

而且跟踪机器人的应用空间也非常广阔,行李运输就是其中一个潜在的发展领域:例如它可以在机场帮助乘客运输行李,能按照乘客行走的路线,在同一时间将行李运送到乘客到达的位置。再比如超市的购物车如果安装上这种跟踪模块,则购物车就可以自动的跟着顾客行走,从而使顾客的购物过程能够更加的方便和愉快。

目前,关于目标跟踪技术研究最多的是基于视频图像处理的跟踪技术,主要有下面几种方法。2.1.1 基于运动分析的方法

帧间差分方法和光流分割法是基于运动分析的主要方法。

帧间差分方法是对相邻帧图像作相减运算之后,对结果图像取阈值并分割,提取运动目标。 光流分割法是通过目标和背景之间的不同速度来检测运动目标。2.1.2 基于图像匹配的方法

基于图像匹配的方法可以识别待定目标及确定运动目标的相对位置,正确截获概率和定位精度是图像匹配的主要性能指标。基于匹配的原理,该方法可分为区域匹配、特征匹配、模型匹配和频率域的匹配。

区域匹配的思想是把参考图像的某一块整体与实时图像的在所有可能位置上进行叠加,然后计算某种图像相似性度量的相应值,其最大相似性相对应的位置就是目标的位置。

特征匹配即在提取特征后,对特征属性矢量(点、边缘、线段、小面或局部能量)作相关度计算,相关系数的峰值即为匹配位置。

模型匹配是建立合适的目标模型,通过与图像的匹配结果来选定目标的位置。

频率域匹配[9]是将视频图像变换到频率域,然后根据变换系数的幅值或相位来检测目标的运动。

2 国内外研究现状分析

2.1 基于视频图像处理的跟踪技术

2.2 基于红外的跟踪技术

除了基于普通的视频图像处理的跟踪技术,基于红外图像的跟踪技术也有较多的应用。

Word文档免费下载Word文档免费下载:跟踪机器人跟踪方式 (共4页,当前第1页)

跟踪机器人跟踪方式相关文档

最新文档

返回顶部