机器人视觉导航研究现状的分析和声纳、PSD传感器在机器人当中的应用介绍

　　1运动目标检测方法

　　运动目标检测算法可以分为静态背景下运动目标检测和动态背景下运动目

　　标检测。静态背景下运动目标检测是指摄像机在整个监视过程是静止的：动态

　　背景下运动目标是指在监视过程中摄像机发生了移动，如平动、旋转或多自由

　　度运动。

　　静态背景下常用的运动目标检测方法有：

　　（1）瞬时差分法【10】【l】J：瞬时差分法是在连续的图像序列中两个或三个相邻

　　帧间，采用基于像素的帧间差分并阈值化来提取出图像中的运动区域。

　　（2）背景减除法【12】：背景减除方法是目前目标检测中最常用的方法之一，

　　它利用当前图像与背景图像的差分来检测运动区域。该方法一般能够提供完整

　　的特征数据，但对于动态场景的变化，如光照和外来无关事件的干扰特别敏感。

　　（3）光流法【13‘15】：光流法根据连续的几帧图像计算各像素运动的大小和方

　　向，利用运动场区分背景和运动对象。光流法的主要优点在于能够检测出独立

　　的运动对象，而不需预知场景的任何信息；缺点是大多数光流方法的计算比较

　　复杂，且抗噪性能差，如果没有特定的硬件支持，一般很难用于序列图像中运

　　动目标的实时性操作。

　　运动目标检测还有一些其它的方法，如Friendman与Russel利用扩展的EM

　　算法为每个像素建立了混合高斯分布模型，该模型可以自动更新，并能自适应

　　地将每个像素分类为背景、影子或运动前景，在目标运动速度缓慢的情况下亦

　　能较好地完成运动区域的分割，并可以有效地消除影子的影响。动态背景下的

　　运动目标检测由于目标与摄像机之间存在着复杂的相对运动，所以检测算法要

　　比静态背景下的运动目标检测算法复杂的多。常用的动态背景下运动目标检测

　　算法有块匹配法、光流估计法、图像匹配法以及全局运动估计法等。

　　l。2。2运动目标跟踪方法

　　运动目标跟踪是确定同一物体在图像序列不同帧中位置的过程，当运动物

　　体被正确检测出来时，跟踪等价于在连续的图像帧间创建基于位置、速度、形

　　状、纹理、色彩等有关特征的对应匹配问题。目标跟踪的主要工作就是选择好

　　山东大学硕士学位论文

　　的目标特征和采用适当的搜索方法。根据匹配原理，把现有的跟踪方法分为基

　　于模型、区域、特征以及活动轮廓的跟踪。

　　（1）基于模型的跟踪

　　基于模型的跟踪是通过一定的先验知识对所跟踪目标建立模型，然后通过

　　匹配跟踪目标，并实时更新模型。

　　（2）基于特征的跟踪

　　基于特征的跟踪是指根据目标特征利用某种匹配算法在图像序列中寻找目

　　标，进而跟踪运动目标。该算法通常包括特征提取、特征匹配以及计算运动信

　　息三个过程。

　　（3）基于区域的跟踪

　　基于区域的跟踪算法基本思想是：把预先提取的运动区域作为匹配的目标

　　模板，设定一个匹配度量，然后在下一帧图像中匹配搜索目标图像，把度量取

　　极值时的位置判定为最佳匹配点。

　　（4）基于活动轮廓的跟踪

　　基于活动轮廓的跟踪方法是利用一条封闭的参数化曲线来表达运动目标轮

　　廓，在由图像构造的特征场中通过极小化以曲线函数为参数的能量来进行动态

　　迭代，使得该轮廓能够自动连续更新。

　　1．2．3机器人视觉导航研究现状

　　近年来，机器视觉理论与技术有了迅速发展，视频设备及计算机硬件运行

　　速度也得到了很大提高，很大程度上加快了视觉导航的研究进程。

　　Martin Marietta公司开发的Alvin在1986年进行首次道路跟踪演示，完

　　成了避障任务。Camegie．Mellon大学开发的Navalab最有特色，它的视觉系统

　　研究较为深入，其中的SCARF（Supervised Classification Applied to Road Finding）

　　视觉系统采用了彩色模型分类和基于模型的Hough变换投票表决的方法，结合

　　一个扫描景物的距离图像数据，可以获得可靠的导航性能。Trahaniastl61利用视

　　觉探测陆标来完成机器人导航，其中陆标不是事先定义的人工陆标，而是在学

　　习阶段自动抽取的自然陆标。Torii【171通过处理视觉信息选择机器人行走基准

　　线。类似的研究在美国军方也有明显的应用。Active Media公司生产出的