基于目标追踪的 AGV视觉导引

东南大学系统工程研究所报告人：周凯

2009.11.21

2

目录

1111

3333

引言引言

AGVAGV相关算法研究相关算法研究2222

一些想法一些想法

1.引言

AGV的应用制造业（自动化、烟草加工）立体仓库危险品运输机场行李搬运等

AGV基本原理通过感应器感知环境信息

AGV研究最终目标 使 AGV更智能去感知视觉信息

2.AGV算法研究

跟踪对象研究环境中的物体地面标志线指定的物体（人，车等）

跟踪算法研究 Meanshift Kalman filter Bayes filter Particle filter Sift features

Meanshift算法

Meanshift又叫均值漂移，由 Fukunaga （ 1975）等人在 1975年的一篇关于概率密度梯度函数的估计的文章中提出来的，其最初含义正如其名，就是偏移的均值向量。

Yizong Cheng （ 1995）成功把它扩展，并且运用到计算机视觉领域，这引起了人们的广泛关注。

Comaniciu 和 Meer （ 1997 ， 2000）成功将Mean shift方法应用到图像分割和特征空间分析中。

Comaniciu 和 Meer （ 2001）主要讨论MeanShift中核函数带宽选择问题。

Intuitive Description

Distribution of identical billiard balls

Region ofinterest

Center ofmass

Mean Shiftvector

Objective : Find the densest region

Intuitive Description

Distribution of identical billiard balls

Region ofinterest

Center ofmass

Mean Shiftvector

Objective : Find the densest region

Intuitive Description

Distribution of identical billiard balls

Region ofinterest

Center ofmass

Mean Shiftvector

Objective : Find the densest region

Intuitive Description

Distribution of identical billiard balls

Region ofinterest

Center ofmass

Mean Shiftvector

Objective : Find the densest region

Intuitive Description

Distribution of identical billiard balls

Region ofinterest

Center ofmass

Mean Shiftvector

Objective : Find the densest region

Intuitive Description

Distribution of identical billiard balls

Region ofinterest

Center ofmass

Mean Shiftvector

Objective : Find the densest region

Intuitive Description

Distribution of identical billiard balls

Region ofinterest

Center ofmass

Objective : Find the densest region

Meanshift算法

研究热点：目标检测（背景与目标）目标模型与候选模型的表示与更新（目标特征）核函数和带宽选取与自适应（ Epanichekov kernel）相似性函数的选取（ Bhattacharyya函数）算法收敛性（实时性）

王博等（ 2009）根据不同像素点的时域起伏特性建立一个统一的模型，进而利用最小二乘法估计出该模型的参数，实现静态背景的移除。

聂炬等（ 2009）运用复合差分法进行了目标检测消除了瞬时差分法的“虚影”。

Collins （ 2003）将尺度空间和Meanshift算法相结合解决了核函数带宽实时变化的目标跟踪。

彭宁篙，杨杰（ 2005）使用角点与Meanshift算法进行结合，增强了对目标缩放的追踪能力。

贾静平，柴艳妹（ 2006）使用带宽矩阵增强了对目标缩放和旋转的适应性。

胡铟（ 2008）通过对颜色直方图的分块，由于包含了一定的空间信息（位置信息），是追踪稳定性得到了提高。

黄家祥等（ 2009）将Meanshift中的迭代步长进行了改进，提出了自适应步长方法，从而增加了收敛速度。

SIFT特征 David G.Lowe （ 1999）首次提出 SIFT算法，其全称是 Scale

Invariant Feature Transform，即尺度不变特征变换。 David G.Lowe （ 2004）总结了现有的基于不变量技术的特征检测方法，并正式提出了一种基于尺度空间的、对图像缩放、旋转甚至仿射变换保持不变性的图像局部特征描述算子－ SIFT算子。

SIFT算法是一种提取局部特征的算法，在尺度空间寻找极值点，提取位置，尺度，旋转不变量。

SIFT算法提取的 SIFT特征向量具有如下特性： SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性。

独特性好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配。

多量性，即使少数的几个物体也可以产生大量 SIFT特征向量。

高速性，经优化的 SIFT 匹配算法甚至可以达到实时的要求。

可扩展性，可以很方便的与其他形式的特征向量进行联合。

结合算法

MS-MCMS-EKFMS-SIFTPF-SIFT

Ai-hua Chen et al. （ 2008）将Meanshift算法与 SIFT算子结合起来进行目标追踪，增强了追踪的鲁棒性，但忽略了实时性。

Tao Gao et al. （ 2009）将 PF算法与SIFT算子进行结合，先用离散小波变换进行目标识别，用 SIFT特征点尺度不变性解决目标在追踪过程中的尺度变化，达到了很好的追踪效果。

3.一些想法

与 SIFT结合的追踪算法（ EKF ， MS）不同尺度图像的距离测量（ SIFT特征的尺度信息）

Thanks for your attention ！