本发明专利技术公开了一种局部和全局特征相结合的无人驾驶叉运装置，包括无人驾驶叉车和安装在无人驾驶叉车上的监控装置，监控装置具体包括预处理模块、检测跟踪模块、识别输出模块，其中预处理模块包含图像转化、图像滤波、图像增强三个子模块，检测跟踪模块包含构建、丢失判别、更新三个子模块。本无人驾驶叉车将视频图像技术运用在无人驾驶叉车上，能有效监控记录恶意破坏行为，具有实时性好、定位准确、自适应能力强、图像细节保留完整和鲁棒性强等优点。
【技术实现步骤摘要】
201610045648
【技术保护点】
一种局部和全局特征相结合的无人驾驶叉运装置，包括无人驾驶叉车和安装在无人驾驶叉车上的监测装置，监测装置用于对无人驾驶叉车附近的活动进行视频图像监测，其特征是，监测装置包括预处理模块、检测跟踪模块、识别输出模块；(1)预处理模块，用于对接收到的图像进行预处理，具体包括图像转化子模块、图像滤波子模块和图像增强子模块：图像转化子模块，用于将彩色图像转化为灰度图像：H(x,y)=max(R(x,y),G(x,y),B(x,y))+min(R(x,y),G(x,y),B(x,y))2+2(max(R(x,y),G(x,y),B(x,y))-min(R(x,y),G(x,y),B(x,y)))]]>其中，R(x，y)、G(x，y)、B(x，y)分别代表像素(x，y)处的红绿蓝强度值，H(x，y)代表坐标(x，y)处的像素灰度值；图像大小为m×n；图像滤波子模块，用于对灰度图像进行滤波：采用维纳滤波来进行一级滤除后，定义svlm图像，记为Msvlm(x，y)，具体定义公式为：Msvlm(x，y)＝a1J1(x，y)+a2J2(x，y)+a3J3(x，y)+a4J4(x，y)，其中a1、a2、a3、a4为可变权值，i＝1，2，3，4；J(x，y)为经滤波后的图像；图像增强子模块：当时，L(x,y)=255×(H(x,y)255)ψ(x,y),]]>其中，L(x，y)为增强后的灰度值；ψ(x，y)是包含有局部信息的伽马校正系数，此时α是范围为0到1的可变参数，ω为模板尺度大小参量，尺度越大则模板中包含的邻域像素信息就越多，输入图像经过不同尺度ωi的模板，得到的图像Ji将会包含不同范围的邻域信息；当|128-m|≤|ω-50|3]]>且ω＞50时，L(x,y)=255×(H(x,y)255)ψ(x,y)×(1-ω-50ω2),]]>其中ψ(x，y)＝ψα(Msvlm(x，y))，mH是图像中灰度值高于128的所有像素的均值，mL是灰度值低于128的所有像素的均值，且此时m＝min(mH，mL)，在α值已知的情况下，计算出256个ψ校正系数作为查找表，记为其中i为索引值，利用Msvlm(x，y)的灰度值作为索引，根据ψ(x，y)＝ψα(Msvlm(x，y))快速获得图像中每个像素的伽马校正系数ψ(x，y)；为模板修正系数；(2)检测跟踪模块，具体包括构建子模块、丢失判别子模块和更新子模块：构建子模块，用于视觉字典的构建：在初始帧获取跟踪目标的位置和尺度，在其周围选取正负样本训练跟踪器，将跟踪结果作为训练集X＝{x1，x2，......xN}T；并对训练集中的每幅目标图像提取128维的SIFT特征其中St表示训练集中第t幅目标图像中SIFT特征的个数；跟踪N帧以后，通过聚类算法将这些特征划分为K个簇，每个簇的中心构成特征单词，记为能够提取到的特征总量其中K＜＜FN，且视觉字典构建好以后，每幅训练图像表示为特征包的形式，用于表示视觉字典中特征单词出现的频率，用直方图h(xt)表示，h(xt)通过以下方式获取：将一幅训练图像Xt中的每一个特征fs(t)向视觉字典投影，用投影距离最短的特征单词表示该特征，对所有特征投影完毕后，统计每个特征单词的出现频率，并归一化得到训练图像Xt的特征直方图h(xt)；丢失判别子模块，用于判别目标的丢失与否：当新一帧图像到来时，从K个直方图柱中随机选取Z＜K个直方图柱，且Z＝4，形成新的大小为Z的子直方图h(z)(xt)，子直方图的个数最多为个；计算候选目标区域和训练集中某个目标区域对应子直方图的相似性Φt_z，其中t＝1，2，...，N，z＝1，2，...，Ns，然后计算总体相似性Φt＝1‑∏z(1‑Φt_z)；候选目标区域与目标的相似性用Φ＝max{Φt，t}表示，则目标丢失判断式为：u=sign(Φ)=1Φ≥gs0Φ<gs,]]>其中gs为人为设定的判失阀值；当u＝1时目标被稳定跟踪，当u＝0时，目标丢失；当目标丢失时，定义仿射变换模型：xtyt=s.cos(μ1×θ)s.sin(μ1×θ)-s.sin(μ1×θ)s.cos(μ1×θ)xt-1yt-1+μ2ef,]]>其中(xt，yt)和(xt‑1，yt‑1)分别为当前帧目标中某个SITF特征点的位置坐标和前一个帧目标中对应匹配特征点的位置坐标，两者均为已知量；s为尺度系数，θ为旋转系数，e和f代表了平移系数，μ1=1-|T-T0|1000T0T≥T01+|T-T0...
【技术特征摘要】
【专利技术属性】
技术研发人员：孟玲，
申请(专利权)人：孟玲，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。