一种基于局部特征的多机器人检测与跟踪方法技术

本发明专利技术公开了一种基于局部特征的多机器人检测与跟踪方法，主要解决现有技术中智能监控技术中运动物体检测误差大和“失控”的问题，该方法步骤如下：S1、选择合适的局部特征；S2、图像预处理；S3、特征提取；S4、模式识别；S5、提取质心；S6、卡尔曼滤波算法进行跟踪、滤波；S7、计算世界坐标。本发明专利技术利用选取较为理想的局部特征代替不规则的机器人整体作为检测的对象，大大减少检测误差和质心提取的误差；利用检测与跟踪互反馈的方法，减少检测范围，提高了系统的实时性和稳定性；当当前图像帧检测结果不理想时，充分利用最近一次有效检测结果来缩小下一帧检测范围，具有较强纠错机制，避免因检测时间过长而出现的“失控”现象。

【技术实现步骤摘要】
一种基于局部特征的多机器人检测与跟踪方法
本专利技术涉及计算机视觉
，具体涉及一种基于局部特征的多机器人检测与跟踪方法。
技术介绍
视觉是人们在日常生活中获取信息最重要的方式之一。根据有关的统计表明，人们所感知的外界信息大概有80％以上是通过视觉获得的。计算机视觉是仿照人类生物的视觉，首先利用摄像头等传感器设备来获得周围环境的影像，接着对得到的视觉图像进行分析和加工，比如分析、存储、表示、压缩等，进而实现人类生物视觉所具有的“看”的功能。所以，计算机视觉是使用计算机及相关设备对生物视觉的一种模拟。计算机视觉技术采用生物的视觉原理，依靠图像传感器设备采集图像，这些设备可以替代人类的眼睛，而分析和处理采集的图像需要依靠计算机来完成，这就相当于人类大脑的工作，计算机视觉技术可以分析处理周围环境的三维世界，作为一门交叉性学科，它涉及到图像处理、模式识别、计算机软硬件技术、生物医学、神经科学等多门学科。随着计算机硬件以及多媒体技术的发展，计算机视觉逐渐成为目前信息科学技术中最活跃的研究领域之一。高性能计算机以及高质量的视频摄像机等硬件设备的出现，使得自动化、高效率的视频监控以及分析成为迫切需要。近年来，自主机器人技术研究得到快速发展，它在工业军事等领域中的也得到了非常广泛的应用，并且机器人研究慢慢发展成了一门学科一一机器人学。机器人学主要研究机器人的理论设计制造和应用。近年来，机器人学吸引了越来越多的人的目光，但是它又有非常强的专业性和系统性。机器人学的研究内容非常丰富、广泛，其中专业性比较强的有机器人动力学和运动学、机器人定位和运动规划、机器人的传感技术、机器人任务规划等。其中机器人的定位和路径规划是实现机器人自主运动的关键技术。要实现基于图像的机器人定位和路径规划，机器人的检测与跟踪是其主要内容。机器人的检测与跟踪相对于一般的智能监控技术，在实时性和精度上有更高的要求。
技术实现思路
本专利技术的目的是为了解决现有技术中的上述缺陷，提供一种基于局部特征的多机器人检测与跟踪方法。本专利技术的目的可以通过采取如下技术方案达到：一种基于局部特征的多机器人检测与跟踪方法，所述的检测与跟踪方法包括下列步骤：S1、选择局部特征，将机器人最上面的感知层中的LED灯泡作为局部特征；S2、图像预处理，拍摄彩色图像并对图像进行去燥滤波；S3、特征提取，根据LED灯泡的颜色，提取特征；S4、模式识别，判断当前提取的特征是否为机器人的特征，并进行刷选，若是机器人特征，则进入步骤S5，否则，舍弃当前特征；S5、提取特征的质心即中心点，降低特征维数，作为后续跟踪和计算世界坐标的一维特征；S6、卡尔曼滤波算法跟踪、滤波，利用卡尔曼滤波算法的最小均方误差为估计的最佳准则，实现相邻帧间机器人的跟踪，同时，利用卡尔曼滤波算法的最优估计值来对测量的数据进行滤波；S7、计算世界坐标，得出机器人在三维空间的位置信息。进一步地，所述的LED灯泡位于机器人的上方，无论机器人位置，都能保证LED灯泡始终出现在图像上；所述的LED灯泡位于机器人的中心位置，LED灯泡的世界坐标即为机器人的世界坐标；所述的LED灯泡为球形，无论机器人位置与航向，始终在图像中为一个圆形，且圆心即球心。进一步地，所述的LED灯泡的颜色可以是完全相同、完全不同、或者部分相同而部分不同，其中，不同颜色的LED灯泡通过颜色来区分，相同颜色的LED灯泡通过位置来区分。进一步地，所述的检测与跟踪方法采用检测跟踪互反馈机制，检测的结果作为Kalman滤波跟踪的条件与依据，跟踪得到的结果用于缩小检测的范围，从而提高系统的实时性。本专利技术相对于现有技术具有如下的优点及效果：(1)传统的检测算法都是基于整体的，检测误差较大，尤其在不规则物体的检测时，不同位置和航向检测到的面都会不同，在进行三维重建、获取世界坐标时误差比较大，且不同位置，不同航向的误差都不同。基于此，采用基于局部特征的检测方法，选择机器人感知层中的LED灯泡作为检测的特征。其优点在于：1)LED灯泡位于机器人的上方，无论机器人位置，都能保证LED灯泡始终出现在图像上；2)LED灯泡位于机器人的中心位置，LED灯泡的世界坐标即为机器人的世界坐标；3)LED灯泡为球形，无论机器人位置与航向，始终在图像中为一个圆形，且圆心即球心。(2)机器人上的LED灯泡的颜色可以完全相同，完全不同，也可以部分相同，而部分不同。不同颜色的LED灯泡通过颜色来区分，相同颜色的LED灯泡通过位置来区分。(3)本专利技术采用检测跟踪互反馈机制，检测的结果作为跟踪的条件与依据，跟踪的结果用于缩小检测的范围，提高了实时性与稳定性。(4)具有较强的纠错机制。通常，在运动物体检测与跟踪中，当上一帧图像检测结果不理想时，当前图像需要进行整张图像进行检测，由于图像为600*800的彩色图像，计算量大，导致此时检测时间过长，上位机将较长一段时间发送最近一次正确检测时的世界坐标给机器人，而对于机器人将由于较长时间接收到了错误的命令，而出现“失控”的问题。针对此问题，本专利技术提出一种改进措施，利用最近一次正确的检测结果来缩小当前检测的范围，进而缩短检测时间。经检验，该方法不仅因为大大缩短了检测时间，而避免了“失控”问题，而且，由于缩小了检测范围，避免了其他大范围的干扰，系统的稳定性也提升了很多。附图说明图1是本专利技术公开的基于局部特征的多机器人检测与跟踪方法的流程图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。实施例附图1是本实施例公开的基于局部特征的多机器人检测与跟踪方法的流程图，下面结合附图1对本专利技术的步骤做进一步描述。一种基于局部特征的多机器人检测与跟踪方法，所述方法包括下列步骤：S1、选择合适的特征，机器人分为最底下的驱动层，中间的控制层和最上面的感知层，感知层为云台和LED灯泡，其中LED灯泡为球形，无论机器人位置与航向，其在图像中始终为圆形，是一个较为理想的特征；S2、图像预处理，环境中噪声比较大，需要对图像进行去燥滤波；S3、特征提取，根据LED灯泡的颜色，提取特征；S4、模式识别，判断当前提取的特征是否为机器人的特征，并进行刷选，若是机器人特征，则进入步骤S5；否则，舍弃当前特征；S5、提取特征的质心即中心点，降低特征维数，作为后续跟踪、计算世界坐标的一维特征；S6、卡尔曼滤波算法跟踪、滤波，利用卡尔曼滤波算法的最小均方误差为估计的最佳准则，实现相邻帧间机器人的跟踪，同时，利用卡尔曼滤波算法的最优估计值来对测量的数据进行滤波；S7、计算世界坐标，得出机器人在三维空间的位置信息。传统的检测算法都是基于整体的，检测误差较大，尤其在不规则物体的检测时，不同位置和航向检测到的面都会不同，在进行三维重建、获取世界坐标时误差比较大，且不同位置，不同航向的误差都不同。基于此，采用基于局部特征的检测方法，选择机器人感知层中的LED灯泡作为检测的特征。其优点在于：1)LED灯泡位于机器人的上方，无论机器人位置，都能保证本文档来自技高网...

【技术保护点】
一种基于局部特征的多机器人检测与跟踪方法，其特征在于，所述的检测与跟踪方法包括下列步骤：S1、选择局部特征，将机器人最上面的感知层中的LED灯泡作为局部特征；S2、图像预处理，拍摄彩色图像并对图像进行去燥滤波；S3、特征提取，根据LED灯泡的颜色，提取特征；S4、模式识别，判断当前提取的特征是否为机器人的特征，并进行刷选，若是机器人特征，则进入步骤S5，否则，舍弃当前特征；S5、提取特征的质心即中心点，降低特征维数，作为后续跟踪和计算世界坐标的一维特征；S6、卡尔曼滤波算法跟踪、滤波，利用卡尔曼滤波算法的最小均方误差为估计的最佳准则，实现相邻帧间机器人的跟踪，同时，利用卡尔曼滤波算法的最优估计值来对测量的数据进行滤波；S7、计算世界坐标，得出机器人在三维空间的位置信息。

【技术特征摘要】
1.一种基于局部特征的多机器人检测与跟踪方法，其特征在于，所述的检测与跟踪方法包括下列步骤：S1、选择局部特征，将机器人最上面的感知层中的LED灯泡作为局部特征；S2、图像预处理，拍摄彩色图像并对图像进行去燥滤波；S3、特征提取，根据LED灯泡的颜色，提取特征；S4、模式识别，判断当前提取的特征是否为机器人的特征，并进行刷选，若是机器人特征，则进入步骤S5，否则，舍弃当前特征；S5、提取特征的质心即中心点，降低特征维数，作为后续跟踪和计算世界坐标的一维特征；S6、卡尔曼滤波算法跟踪、滤波，利用卡尔曼滤波算法的最小均方误差为估计的最佳准则，实现相邻帧间机器人的跟踪，同时，利用卡尔曼滤波算法的最优估计值来对测量的数据进行滤波；S7、计算世界坐标，得出机器人在三维空间的位置信息。2.根据权利要求1所述的一种基于局部特征的多机器人...

【专利技术属性】
技术研发人员：苏文丹，闻成，苏为洲，卢洁莹，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44