一种视觉动态定位跟踪算法的制作方法

1.本发明涉及机器人视觉技术领域，具体为一种视觉动态定位跟踪算法。


背景技术：

2.长期以来，人类的视觉系统一直是学者们非常感兴趣的领域，人们进行了大量的研究，希望通过某种人工的手段来实现人类的视觉功能。计算机视觉正是在这些研究的基础上逐渐形成的一门新的学科。它包括所有由人类设计并在计算机环境下实现的模拟人的某些视觉功能的技术。
3.现有的目标跟踪技术研究是计算机视觉、图像处理和模式识别领域里非常活跃的课题。目标跟踪的目的就是通过对摄像头获得的图像序列进行分析，计算出目标在每一帧图像上的二维位置坐标，并根据不同的特征值，将图像序列中不同帧内同一运动目标关联起来，得到各个运动目标完整的运动轨迹，也即在连续的视频序列中建立运动目标的对应关系，简单来说，就是在下一幅图像中找到目标的确切位置。其主要缺点是对初始预测位置的要求较高，如果给定的初始值不够精确，将无法准确跟踪目标，甚至丢失目标。


技术实现要素：

4.本发明的目的在于克服上述已有的不足而提供一种视觉动态定位跟踪算法。
5.为实现上述目的，本发明提供如下技术方案：一种视觉动态定位跟踪算法，包括以下步骤：
6.s1，获取原始图像；
7.s2，对原始图像进行预处理；
8.s3，对处理后的图像中的运动物体进行运动检测；
9.s4，对处理后的图像中的运动物体进行目标提取；
10.s5，对提取到的目标进行识别以及跟踪处理；
11.s6,预测提取到的目标的行动轨迹；
12.s7，计算提取到的目标的实际行动轨迹；
13.s8，结合预测的目标位置以及计算的目标位置进行比对，并且对目标进行跟踪。
14.优选的，所述的步骤s4中包括以下步骤，
15.s41，对处理后的图像进行基于yuv空间的快速彩色图像分割；
16.根据目标的颜色特征，在rgb颜色空间中确定相应区域，在同一区域的颜色空间的点归属于同一类颜色，通过颜色空间分区来实现区别不同的颜色；
17.s42，对处理后的图像进行区域分割；
18.需要对象素进行连通域分析，把寻找目标与非目标的差异进行比对和标定，要根据所提取的不同目标之间的某些特征差异对图像进行区域划分，实现对图像进行分割；
19.s43，确定目标存在与分割后的单个区域。
20.优选的，所述的步骤s6中包括以下步骤，
21.s61，初始化：
22.x-1
＝y-1
＝0，x-2
＝y-2
＝0，x
21
＝y
21
＝0；
23.s62，线性方法预测运动目标在下一帧与当前帧图像中的位置偏差：
24.δx＝x
0-x-1
，δy＝y
0-y-1
；
25.s63，误差补偿：
[0026][0027]
s64，预测运动目标在下一帧图像中的位置，并将该位置的坐标设为下一帧新搜索窗口的质心坐标：
[0028]
x
22
＝x0 δx ρ(x)，y
22
＝y0 δy ρ(y)；
[0029]
s65，采集下一帧图像之前，先将运动目标在上一帧与当前帧图像中的实际位置往前移一帧：
[0030]
x-2
＝x-1
，y-2
＝y-1
；x-1
＝x0，y-1
＝y0；
[0031]
s66，同理在下一帧图像采集前，先将当前运动目标的预测位置(x
22
,y
22
)赋给(x
21
,y
21
)：x
21
等于x
22
，y
21
等于y；
[0032]
其中，(x0,y0)、(x-1
，y-1
)与(x-2
，y-2
)分别表示运动目标在当前帧、前一帧及前两帧图像中的实际质心坐标；(x
21
，y
21
)与(x
22
，y
22
)分别表示对上一帧和当前帧图像中的运动目标质心的预测坐标；ρ(x)与ρ(y)对预测质是坐标(x
22
,y
22
)的误差补偿，由预测误差补偿和实际线性误差累积补偿构成
[0033]
优选的，所述的步骤s2的具体方式采用频率域图像增强方式：
[0034]
先对图像进行傅立叶变换，再对图像的频率域进行滤波处理，最后再将滤波处理后的变换值反变换到空间域，从而获得增强后的图像。
[0035]
优选的，所述的步骤s2还包括图像平滑处理和图像锐化处理。
[0036]
与现有技术相比，本发明的有益效果是：
[0037]
设计一种基于位运算的改进型快速颜色类别判断方法，由于位运算是直接对整数在内存中的二进制位进行操作，不需要转成十进制，因此直接利用位运算来判断颜色类别，其处理速度快，可大幅度缩短机器人的程序运行速度。且该方法可以一次性判断出所有的目标颜色类别。可以自动根据运动目标偏离机器人的情况来调节机器人自身的姿态，以使机器人能够更快稳定地跟踪运动的目标的方法。
具体实施方式
[0038]
下面对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0039]
本本发明提供如下技术方案：一种视觉动态定位跟踪算法，包括以下步骤：
[0040]
s1，获取原始图像；
[0041]
s2，对原始图像进行预处理；
[0042]
图像预处理过程借用大量的图像处理技术和算法，如图像滤波、图像增强、边缘检测等，以便从图像中抽取诸如角点、边缘、线条、边界以及色彩等关于场景的基本特征。但是，对机器人视觉系统来说，所用的图像预处理方法并不考虑图像降质原因，只将图像中感兴趣的特征有条件的突出，衰减其不需要的特征。比如，图像信号很弱，可以采用增强对比度的方法或者直方图均衡方法来改善；图像上噪声很大，可以采用平滑或者中值滤波去除噪声；图像轮廓不明显或者需要提取轮廓以供机器分析，则可以采用锐化的方法进行处理。故预处理后的输出图像并不需要去逼近原图像。
[0043]
s3，对处理后的图像中的运动物体进行运动检测；
[0044]
s4，对处理后的图像中的运动物体进行目标提取；
[0045]
s5，对提取到的目标进行识别以及跟踪处理；
[0046]
s6,预测提取到的目标的行动轨迹；
[0047]
预测方法采用贪心算法，贪心预测算法模型的设计如下：
[0048]
(1)初始化：
[0049]
x-1
＝y-1
＝0，x-2
＝y-2
＝0，x
21
＝y
21
＝0
[0050]
(2)线性方法预测运动目标在下一帧与当前帧图像中的位置偏差：
[0051]
δx＝x
0-x-1
，δy＝y
0-y-1
(3)误差补偿：
[0052][0053]
(4)预测运动目标在下一帧图像中的位置，并将该位置的坐标设为下一帧新搜索窗口的质心坐标：
[0054]
x
22
＝x0 δx ρ(x)，y
22
＝y0 δy ρ(y)
[0055]
(5)采集下一帧图像之前，先将运动目标在上一帧与当前帧图像中的实际位置往前移一帧：
[0056]
x-2
＝x-1
，y-2
＝y-1
；x-1
＝x0，y-1
＝y0[0057]
(6)同理，在下一帧图像采集前，先将当前运动目标的预测位置(x
22
,y
22
)赋给(x
21
,y
21
)：x
21
等于x
22
，y
21
等于y；
[0058]
显然，贪心预测算法的模型很简单、计算量极小，算法易通过编程实现。每次只要循环上面的(2)～(6)步，就可以快速、精确预测出运动目标在下一帧图像中的位置。
[0059]
其中，(x0,y0)、(x-1
，y-1
)与(x-2
，y-2
)分别表示运动目标在当前帧、前一帧及前两帧图像中的实际质心坐标；(x
21
，y
21
)与(x
22
，y
22
)分别表示对上一帧和当前帧图像中的运动目标质心的预测坐标；ρ(x)与ρ(y)对预测质是坐标(x
22
,y
22
)的误差补偿，由预测误差补偿和实际线性误差累积补偿构成。
[0060]
实时性高；原因是，该算法不需要知道所有过去数据，只需利用前2次运动目标的实际质心位置，就可以简单、快速地预测出下一次运动目标位置，大幅度地减少了系统对历史数据的存储，即大大减少了对计算机存储的要求。在跟踪运动目标的过程中，对突变状态
均值滤波，n
×
n均值滤波等。经过线性平滑滤波，相当于图像经过一个二维的低通滤波器。
[0076]
非线性平滑是对线性平滑的一种改进，即不对所有像素都用它的邻域平均值来代替，而是取一个阈值，当像素灰度值与其邻域平均值之间的差值大于已知值才以均值代替；当像素灰度值与其邻域平均值之间的差值不大于已知值直接取其本身的灰度值。如中值滤波，它是一种直接在空域上进行平滑处理的非线性平滑技术。它不但可以消除一些孤立的噪声点，而且可以使边缘模糊效应大大降低，对图像的细节影响不大。
[0077]
边缘模糊是图像中常出现的质量问题，由此造成的轮廓不清晰，线条不鲜明使图像特征提取，识别和理解难以进行。而图像锐化就是增强图像的边缘，使模糊的图像变得清晰起来，颜色变得鲜明突出，便于对目标的识别和处理。图像锐化的主要目的，是希望经过锐化处理后，目标物体的边缘鲜明，以便于机器人(计算机)更有效的提取物体的边界、对图像进行分割、目标区域识别、区域形状提取等为图像理解和分析打下基础。
[0078]
与现有技术相比，本发明的有益效果是：
[0079]
设计一种基于位运算的改进型快速颜色类别判断方法，由于位运算是直接对整数在内存中的二进制位进行操作，不需要转成十进制，因此直接利用位运算来判断颜色类别，其处理速度快，可大幅度缩短机器人的程序运行速度。且该方法可以一次性判断出所有的目标颜色类别。可以自动根据运动目标偏离机器人的情况来调节机器人自身的姿态，以使机器人能够更快稳定地跟踪运动的目标的方法。
[0080]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。