论文部分内容阅读
摘要：本文将详细介绍目标跟踪机器人算法的具体流程，通过专业的研究与调查，精准找出机器人算法在目标跟踪中的具体应用，如匹配转角点、强化仿射变换等，并利用Mean-Shift算法来完善机器人的目标跟踪水平，从而提升机器人算法的实用性。
关键词：机器人算法;目标跟踪;仿射变换
引言：
在探索机器人内部功能的过程中，实时的目标追踪属其内部的重要功能，在研究目标跟踪下机器人的算法时，相关人员应明确机器人算法的具体要求，借助适宜的跟踪算法，有效达成相关项目的实用性需求，全面改善相关算法的应用性能。
1.目标跟踪机器人算法的具体流程
在探究目标跟踪机器人算法前，相关人员需明确算法内部包含的要素，如密度、大小等，并根据该类指标设定密度函数，完成相关数据采样工作。在目标跟踪机器人算法中，相关人员应依照前一帧的目标来不断搭建目标选项，适时计算出相邻两帧候选项的目标系数，将其放置到目标函数公式内。
为加强目标跟踪机器人算法的精准度与适应性，相关人员采用了Mean-Shift算法，在该类算法中可将更多数据模型放置到相同的视频流内，即使研究的对象相同也会在相邻的几帧中看出不同类型的视图。工作人员在应用目标跟踪机器人算法期间，若其搭建起一个带有不同视图描述且富有尺度变化的目标模型时，其能在该类视频中找寻到极为精准的追踪对象。若数据模型内的应用对象带有变换、旋转等视图时，相关人员应及时转变仿射方式，也能该视频中的图像进行适宜缩放。在实行仿射变换的过程中，工作人员需对其采取特征点匹配，而在当前目标跟踪机器人算法中，其内部的特征点为转角点。在使用目标跟踪机器人算法期间，相关人员需明确该算法的执行流程，利用对相关流程的科学管控来强化算法应用的精准度。
2.机器人算法在目标跟踪中的具体应用
2.1匹配转角点
在应用目标跟踪机器人算法的过程中，转角点的匹配属重要工作任务，该项转换工作多用在仿射变换中，在计算相关仿射结构期间应精准找出该结构的内部兴趣特征点，而该类特征点的主要用途为连接两个不同的图像，若特征点的匹配不合理，其获取的仿射结构也会存在各种问题，且目标尺度值的准确性将遭受怀疑。
一般来讲，仿射结构内部的转角点多产生在多个或两个边缘中，而边缘的确认则要依赖于不同对象间的界限与相同对象间不同部分的边界，也就是说通过转角点的计算可精准发现仿射结构。在使用Mean-Shift算法期间，相关人员应及时比对其内部产出的各项数据，即对比不同数据的彩色柱状图，由于该类算法对计算背景与相关目标的敏感度较强，若目标彩色柱状图的分布与相关背景较相似，利用Mean-Shift算法可准确找出目标中心与实际情况的位置差，继而运用转角点的匹配就精准追踪与识别具体目标。
2.2确认试验环境
为探寻目标跟踪机器人算法的应用效果，相关人员应开展适宜的算法试验，在找寻机器人算法中的各项数值时，应及时确认试验环境。具体来看，本次实验采用的数据平台带有视频数据，其内存为2GB，相关人员应根据相关器械详尽收集该算法内的数据信息，为加强该类数据信息的集中性，其图像被转变成320*240类型的像素。为确保试验环境的适宜性，工作人员在应用机器人算法前，对试验环境进行了相应测试，其利用记录追踪的方式来感受着环境的改变，当环境出现改变时，其测算出的数据信息也存有不同程度的误差，在实行具体的数据追踪期间，借助相关公式来获取真实目标的高度与宽度，一般来讲，相对尺度的误差多在1左右、而目标中心位置的误差与0接近。
2.3强化仿射变换
在确定试验环境后，试验人员应依照此前转角点的匹配来完成仿射变换。一般来讲，在运用目标跟踪机器人算法的过程中，若连续2-3帧产生转角点，需采用转角匹配法来完成仿射变换工作，找出适宜的仿射结构。当该类算法处在二维状态中时，为增强仿射结构计算的精准度，相关人员应找出3个匹配点，若匹配点在3个以内，其计算出的仿射结构将难以保证相关数值的准确。同时，在进行转换点匹配的过程中，相关人员应精准找出垂直方向与水平方向内的尺度因子，并通过Mean-Shift算法来查找出对应的目标候选项，从而利用尺度因子的内部数值来改善目标数据的大小。
2.4获取试验结果
在完成目标跟踪机器人算法的计算后，相关人员应及时审查该算法结果，确认该项目标跟踪的合理性、准确性。具体来看，在采用Mean-Shift算法的过程中，试验人员应适时审视其算法目标的完成度，比如，在某一个数据集内该算法的主要跟踪目标为一辆轿车，随着数据集内部算法的变化，该轿车的尺度也出现较大改变，而在该轿车进入到停车场后，虽然该轿车的内部数据出现了遮挡，但通过适宜的算法仍能看出该轿车的准确位置，因而使用Mean-Shift算法可精准测算出跟踪目标的具体位置，该试验可有效实现跟踪目标的数据测量工作，提升机器人算法数据测试的准确性。
3.总结
综上所述，针对目标跟踪机器人算法的使用来说，相关人员应依照该算法的计算形态实行目标跟踪测试，并利用其目标尺寸的变化来找出目标像素个数，严格控制相关算法的应用时间，继而有效提升目标追踪工作的准确性，将其运用到更多领域中。
參考文献
[1] 李晓丽.三自由度DELTA机器人控制方法的研究[D].辽宁科技大学 2019
[2] 冷俐平.六自由度delta机器人运动动力学分析及仿真研究[D].内蒙古科技大学 2019
[3] 李鹏.Delta算子系统饱和控制与有限频域性能研究[D].燕山大学 2019
[4] 刘新科.delta并联机器人控制系统研究[D].北京建筑大学 2018
[5] 潘超.DELTA并联机器人轨迹规划与分拣策略的研究[D].曲阜师范大学 2018
[6] 何风.DELTA并联机器人轨迹规划研究与运动控制实现[D].长沙理工大学 2017
[7] 杜碧莹.基于Delta算子的不确定性系统量化反馈滑模控制研究[D].哈尔滨工业大学 2018
[8] 闫本镜.Delta机械手尺度综合和动力学分析[D].哈尔滨工业大学 2017
作者简介：王树伟（1992.2—），男，汉族，籍贯：河北邯郸人，北华航天工业学院电子与控制工程学院，20级在读研究生，硕士学位，专业：电子信息，研究方向：控制工程.
关键词：机器人算法;目标跟踪;仿射变换
引言：
在探索机器人内部功能的过程中，实时的目标追踪属其内部的重要功能，在研究目标跟踪下机器人的算法时，相关人员应明确机器人算法的具体要求，借助适宜的跟踪算法，有效达成相关项目的实用性需求，全面改善相关算法的应用性能。
1.目标跟踪机器人算法的具体流程
在探究目标跟踪机器人算法前，相关人员需明确算法内部包含的要素，如密度、大小等，并根据该类指标设定密度函数，完成相关数据采样工作。在目标跟踪机器人算法中，相关人员应依照前一帧的目标来不断搭建目标选项，适时计算出相邻两帧候选项的目标系数，将其放置到目标函数公式内。
为加强目标跟踪机器人算法的精准度与适应性，相关人员采用了Mean-Shift算法，在该类算法中可将更多数据模型放置到相同的视频流内，即使研究的对象相同也会在相邻的几帧中看出不同类型的视图。工作人员在应用目标跟踪机器人算法期间，若其搭建起一个带有不同视图描述且富有尺度变化的目标模型时，其能在该类视频中找寻到极为精准的追踪对象。若数据模型内的应用对象带有变换、旋转等视图时，相关人员应及时转变仿射方式，也能该视频中的图像进行适宜缩放。在实行仿射变换的过程中，工作人员需对其采取特征点匹配，而在当前目标跟踪机器人算法中，其内部的特征点为转角点。在使用目标跟踪机器人算法期间，相关人员需明确该算法的执行流程，利用对相关流程的科学管控来强化算法应用的精准度。
2.机器人算法在目标跟踪中的具体应用
2.1匹配转角点
在应用目标跟踪机器人算法的过程中，转角点的匹配属重要工作任务，该项转换工作多用在仿射变换中，在计算相关仿射结构期间应精准找出该结构的内部兴趣特征点，而该类特征点的主要用途为连接两个不同的图像，若特征点的匹配不合理，其获取的仿射结构也会存在各种问题，且目标尺度值的准确性将遭受怀疑。
一般来讲，仿射结构内部的转角点多产生在多个或两个边缘中，而边缘的确认则要依赖于不同对象间的界限与相同对象间不同部分的边界，也就是说通过转角点的计算可精准发现仿射结构。在使用Mean-Shift算法期间，相关人员应及时比对其内部产出的各项数据，即对比不同数据的彩色柱状图，由于该类算法对计算背景与相关目标的敏感度较强，若目标彩色柱状图的分布与相关背景较相似，利用Mean-Shift算法可准确找出目标中心与实际情况的位置差，继而运用转角点的匹配就精准追踪与识别具体目标。
2.2确认试验环境
为探寻目标跟踪机器人算法的应用效果，相关人员应开展适宜的算法试验，在找寻机器人算法中的各项数值时，应及时确认试验环境。具体来看，本次实验采用的数据平台带有视频数据，其内存为2GB，相关人员应根据相关器械详尽收集该算法内的数据信息，为加强该类数据信息的集中性，其图像被转变成320*240类型的像素。为确保试验环境的适宜性，工作人员在应用机器人算法前，对试验环境进行了相应测试，其利用记录追踪的方式来感受着环境的改变，当环境出现改变时，其测算出的数据信息也存有不同程度的误差，在实行具体的数据追踪期间，借助相关公式来获取真实目标的高度与宽度，一般来讲，相对尺度的误差多在1左右、而目标中心位置的误差与0接近。
2.3强化仿射变换
在确定试验环境后，试验人员应依照此前转角点的匹配来完成仿射变换。一般来讲，在运用目标跟踪机器人算法的过程中，若连续2-3帧产生转角点，需采用转角匹配法来完成仿射变换工作，找出适宜的仿射结构。当该类算法处在二维状态中时，为增强仿射结构计算的精准度，相关人员应找出3个匹配点，若匹配点在3个以内，其计算出的仿射结构将难以保证相关数值的准确。同时，在进行转换点匹配的过程中，相关人员应精准找出垂直方向与水平方向内的尺度因子，并通过Mean-Shift算法来查找出对应的目标候选项，从而利用尺度因子的内部数值来改善目标数据的大小。
2.4获取试验结果
在完成目标跟踪机器人算法的计算后，相关人员应及时审查该算法结果，确认该项目标跟踪的合理性、准确性。具体来看，在采用Mean-Shift算法的过程中，试验人员应适时审视其算法目标的完成度，比如，在某一个数据集内该算法的主要跟踪目标为一辆轿车，随着数据集内部算法的变化，该轿车的尺度也出现较大改变，而在该轿车进入到停车场后，虽然该轿车的内部数据出现了遮挡，但通过适宜的算法仍能看出该轿车的准确位置，因而使用Mean-Shift算法可精准测算出跟踪目标的具体位置，该试验可有效实现跟踪目标的数据测量工作，提升机器人算法数据测试的准确性。
3.总结
综上所述，针对目标跟踪机器人算法的使用来说，相关人员应依照该算法的计算形态实行目标跟踪测试，并利用其目标尺寸的变化来找出目标像素个数，严格控制相关算法的应用时间，继而有效提升目标追踪工作的准确性，将其运用到更多领域中。
參考文献
[1] 李晓丽.三自由度DELTA机器人控制方法的研究[D].辽宁科技大学 2019
[2] 冷俐平.六自由度delta机器人运动动力学分析及仿真研究[D].内蒙古科技大学 2019
[3] 李鹏.Delta算子系统饱和控制与有限频域性能研究[D].燕山大学 2019
[4] 刘新科.delta并联机器人控制系统研究[D].北京建筑大学 2018
[5] 潘超.DELTA并联机器人轨迹规划与分拣策略的研究[D].曲阜师范大学 2018
[6] 何风.DELTA并联机器人轨迹规划研究与运动控制实现[D].长沙理工大学 2017
[7] 杜碧莹.基于Delta算子的不确定性系统量化反馈滑模控制研究[D].哈尔滨工业大学 2018
[8] 闫本镜.Delta机械手尺度综合和动力学分析[D].哈尔滨工业大学 2017
作者简介：王树伟（1992.2—），男，汉族，籍贯：河北邯郸人，北华航天工业学院电子与控制工程学院，20级在读研究生，硕士学位，专业：电子信息，研究方向：控制工程.