论文部分内容阅读
近年来随着硬件计算能力的不断提升以及计算机视觉技术的不断突破,计算机视觉技术在嵌入式设备中获得了越来越广泛的应用。以大疆公司组织主办的RoboMaster机甲大师赛为背景,本文主要研究比赛中地面移动机器人的目标检测、跟踪以及双目定位问题,并对移动机器人上的两轴云台机构进行数学建模,将目标的位置信息转换为云台各轴的转动角度信息。具体包括以下的工作内容:首先,本文根据目标的特征,制定了双目视觉系统的实现步骤,并确定了双目视觉系统的设计指标;构建了双目目标定位精度分析模型,量性分析了双目目标定位精度与摄像机的单位像素的物理长度、镜头的焦距、双目相机的基线距离、目标物体的深度等的关系。其次,对双目视觉的三角几何测量原理进行了分析与阐述;介绍了如何对双目摄像机进行双目标定,并基于OpenCV实现了双目相机标定与双目图像校正。然后,依据目标对象的特征,设计了目标检测算法;基于卡尔曼滤波,结合地面移动机器人在比赛场地中运动特征,设计了卡尔曼滤波目标跟踪算法。经过试验统计分析:在室内环境中,目标检测算法的检测成功率约为83%,目标跟踪算法的跟踪成功率约为87%;目标检测与跟踪算法在TX1中的运行时间约为5ms。接着,着重对立体匹配算法进行了研究:对匹配代价函数SAD、SSD、STAD、NCC、BT、ZNCC、MF 以及 Rank 变换、Census 变换、AD-Census 代价函数、匹配代价网络MC-CNN-fst、匹配代价网络MC-CNN-acrt进行了对比分析;对代价聚合、视差计算以及视差求精进行了分析研究;研究分析了立体匹配算法CBCA、CSCA的特点以及实现过程,并在Middleburry测试集中的Teddy、Recycle、ArtL数据中测试并比较了立体匹配算法BM、SGBM、CBCA、CSCA的性能,结果表明CBCA、CSCA的视差估计精度相当,都比BM、SGBM的视差估计精度高,但CBCA算法的处理速度比CSCA算法快;以CBCA算法作为立体匹配算法进行双目测距实验,结果表明在3m范围内的测量误差小于35mm,在5m范围内的测量误差小于50mm。最后,在TX1上完整实现了双目视觉目标检测、跟踪以及定位(以CBCA算法为立体匹配算法来求取视差);对两轴云台进行数学建模,将目标点的位置信息转换为云台各轴转动的姿态角度信息。