论文部分内容阅读
伴随着机器人技术与大数据、云计算、AI等新一代信息技术的融合发展,智能机器人在各领域将有着广泛的应用前景。视觉传感器是机器人获取环境信息的重要途径之一,视觉信息处理技术的研究对提高移动机器人的环境适应性和自主控制能力具有重要意义。基于视觉的运动目标检测与跟踪是备受关注的技术前沿课题之一。经过几十年的发展,该技术取得了长足的发展和进步,但由于应用环境的复杂性,仍有很多难点问题需要解决。本文主要对运动目标检测与跟踪算法及其在移动机器人的应用进行研究。针对高斯混合目标检测算法中存在学习率设置不当造成的拖影问题,引入基于图像匹配度变化的学习率自适应策略进行改进;针对在光照变化等复杂背景下粒子滤波跟踪算法存在的跟踪精度不高甚至丢失的问题,采用多特征融合的方式进行改进。所设计的自主跟随机器人系统以NIOS II软核处理器作为实现目标检测与跟踪算法的核心部件,系统启动后,利用OV7670摄像头实时采集图像信息,图像信息经过NIOS II软核处理器的处理后,得到目标的相对位置信息,同时利用超声波模块获取距离信息,将以上两路信息送入模糊控制器中,经过模糊表查询后输出控制信号,实现自主运动跟随。系统启动时,机器人处于静止状态,NIOS II处理器先对图像进行目标检测以获取运动目标,得到目标后进行特征提取,以实现对目标跟踪算法的初始化,此后机器人开始根据NIOS II处理器对目标跟踪的处理结果执行运动跟随。实验测试结果表明,在目标缓慢运动条件下,该方法可以有效实现运动目标检测与跟踪。