移动机器人基于单目视觉传感器的目标对象跟随方法技术

本发明专利技术涉及计算机视觉识别领域，具体提供了一种移动机器人基于单目视觉传感器的目标对象跟随方法，旨在解决现有移动机器人跟随目标对象的鲁棒性差，难以保证对行人等目标对象的跟随质量的问题。为此目的，本发明专利技术提供的方法包括移动机器人根据目标对象的目标区域获取目标对象的图像；得到目标对象的图像的特征矩阵；利用目标跟踪算法和特征矩阵确定目标对象的中心点；根据中心点和目标对象的外形框架确定出目标对象所在的区域，作为第一区域，判断第一区域的面积在目标对象的图像中的比例是否大于设定阈值，根据判断结果执行相应的操作。基于上述步骤，本发明专利技术提供的方法实时性、鲁棒性好，可以实现对目标对象的有效跟随。

【技术实现步骤摘要】
移动机器人基于单目视觉传感器的目标对象跟随方法
本专利技术涉及计算机视觉领域，具体涉及移动机器人领域，尤其涉及一种移动机器人基于单目视觉传感器的目标对象跟随方法。
技术介绍
智能移动机器人对运动目标跟随被广泛地应用在家庭服务、助老助残、场景监控和智能车等领域。移动机器人对目标对象的跟随涉及计算机视觉、运动控制和模式识别等领域，具有广泛应用前景。与TLD(Tracking-Learning-Detection)、STRUCK等方法不同的是，移动机器人对目标对象的跟随要求具有较高的鲁棒性。通常，移动机器人利用激光传感器或视觉传感器进行感知。激光传感器虽然能够得到精确的距离信息，但是在目标对象的识别与跟随方面鲁棒性不足，难以解决目标丢失后重新找回的问题。视觉传感器能够提供更为丰富的环境信息，视觉传感器包括双目视觉传感器和单目视觉传感器。与基于双目视觉传感器的目标对象跟随相比，基于单目视觉传感器的目标对象跟随算法处理时间短，有利于保证实时性。目前，单目视觉传感器的目标对象跟随多利用颜色分割、粒子滤波等方法，但是由于复杂背景、目标对象出入视野等干扰的存在，使得这些方法的鲁棒性差，难以实现对行人本文档来自技高网...

【技术保护点】
1.一种移动机器人基于单目视觉传感器的目标对象跟随方法，其特征在于，所述方法包括：步骤101：移动机器人根据目标对象的目标区域获取目标对象的图像；步骤102：对所述目标对象的图像进行预处理，并利用特征变换得到所述目标对象的图像的特征矩阵；步骤103：利用目标跟踪算法确定出所述特征矩阵的响应矩阵，并记录所述响应矩阵中所有元素的最大值；将所述最大值对应于所述响应矩阵中的元素的位置，作为所述目标对象相对于预先获取的初始目标区域的位移坐标，结合所述初始目标区域的中心位置，确定所述目标对象所在位置作为所述目标对象的中心点；步骤104：根据所述中心点和所述目标对象的外形框架确定出所述目标对象所在的区域，作...

【技术特征摘要】
1.一种移动机器人基于单目视觉传感器的目标对象跟随方法，其特征在于，所述方法包括：步骤101：移动机器人根据目标对象的目标区域获取目标对象的图像；步骤102：对所述目标对象的图像进行预处理，并利用特征变换得到所述目标对象的图像的特征矩阵；步骤103：利用目标跟踪算法确定出所述特征矩阵的响应矩阵，并记录所述响应矩阵中所有元素的最大值；将所述最大值对应于所述响应矩阵中的元素的位置，作为所述目标对象相对于预先获取的初始目标区域的位移坐标，结合所述初始目标区域的中心位置，确定所述目标对象所在位置作为所述目标对象的中心点；步骤104：根据所述中心点和所述目标对象的外形框架确定出所述目标对象所在的区域，作为第一区域；判断所述第一区域的面积在所述目标对象的图像中的比例是否大于设定阈值，若是，则执行步骤105，若否，则执行步骤106；步骤105：确定所述第一区域为所述目标对象的目标区域；步骤106：以所述中心点的位置为中心构建检测区域，在所述检测区域内重新对所述目标对象进行检测，将检测得到的所述目标对象所在的区域作为第二区域，如果该第二区域的区域面积在所述目标对象的图像中图像面积的比例大于所述设定阈值，则将该第二区域作为所述目标对象的目标区域。2.根据权利要求1所述的移动机器人基于单目视觉传感器的目标对象跟随方法，其特征在于，“对所述目标对象的图像进行预处理，并利用特征变换得到所述目标对象的图像的特征矩阵”的步骤包括：对所述目标对象的图像进行卷积计算，得到所述目标对象的图像的中间图像块；对所述中间图像块进行特征变换得到所述目标对象的图像的特征矩阵；其中，所述特征变换包括FHOG特征变换和RGB特征变换，所述特征矩阵为多通道特征矩阵。3.根据权利要求2所述的移动机器人基于单目视觉传感器的目标对象跟随方法，其特征在于，所述特征是多通道特征矩阵时，“对所述中间图像块进行特征变换得到所述目标对象的图像的特征矩阵”的步骤包括：计算得到上述中间图像块的FHOG特征矩阵FiFHOG，上述FHOG特征矩阵的行和列通过如下公式确定：其中，HiFHOG为第i时刻的FHOG特征矩阵的行，WiFHOG为第i时刻的FHOG特征矩阵的列，Hitar’为第i时刻的初始目标区域的长，Witar’为第i时刻的初始目标区域的宽，cell是FHOG特征矩阵的特征描述子的参数，ncell是指cell的尺寸。对所述中间图像块进行RGB特征变换，得到三通道特征矩阵；对所述三通道特征矩阵进行高斯下采样，得到RGB特征矩阵；通过通道拼接方法将所述FHOG特征矩阵和RGB特征矩阵进行拼接，得到所述目标对象的图像的多通道特征矩阵。4.根据权利要求1所述的移动机器人基于单目视觉传感器的目标对象跟随方法，其特征在于，“利用目标跟踪算法确定出所述特征矩阵的响应矩阵”的步骤包括：利用所述KCF跟踪算法生成所述多通道特征矩阵在傅里叶域的初始目标特征模板和初始参数矩阵；利用所述初始目标特征模板和初始参数矩阵，通过如下公式更新目标跟踪算法的目标特征模板和参数矩阵：其中，Mi-1为第i-1时刻的目标特征模板，Ti-1为第i-1时刻的参数矩阵，Mi为第i时刻的目标特征模板，Ti为第i时刻的参数矩阵，Mi’为第i时刻的初始目标特征模板，Ti’为第i时刻的初始参数矩阵，α、β为比例因子。根据更新后的目标特征模板和参数矩阵，通过如下公式计算所述响应矩阵：Pi＝Γ-1(Mi☉Ti)其中，☉为矩阵点乘操作符，Pi为第i时刻的响应矩阵，Γ-1为反傅里叶变换函数。5.根据权利要求1所述的移动机器人基于单目视觉传感器的...

【专利技术属性】
技术研发人员：刘希龙，张茗奕，庞磊，曹志强，徐德，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京,11