收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

面向远程环境目标感知的视觉跟踪与深度估计算法研究

郭承刚  
【摘要】:在我国多发自然灾害和事故灾难的情况下,为了保证救援人员的人身安全,发展远程无人操作平台是面向应急救灾安全保障的新需求。为了向操作员提供准确的远程环境感知能力,基于计算机视觉手段提取远程环境中各类目标物的方位、姿态、深度等信息,可以规避潜在危险并实现直观精细地操作辅助。针对远程场景中的目标深度感知需求,本文从视觉目标跟踪和双目立体深度估计两个方向研究了计算机视觉理论算法,取得了一定的理论研究成果,并设计了一种算法实施方案。近年来,基于传统数学模型的视觉跟踪方法和基于深度神经网络的立体匹配方法得到了研究人员的广泛关注和持续跟进。一方面,复杂环境中随时间变化的目标形态和目标外观对现有跟踪算法提出的挑战仍然存在,如何挖掘目标局部稳定外观特征,实现快速准确的视觉跟踪仍然需要深入研究。另一方面,最新的立体匹配算法通过设计复杂的深度神经网络结构来降低匹配误差,但无法实时输出高分辨率深度图。如何通过简化创新网络结构来提高立体匹配算法推理效率,并对深度图中的边缘等精细结构实现准确预测,面向实用化改进立体匹配网络仍是难点问题。本文首先完整地回顾总结了基于稀疏表示模型和基于相关滤波模型的视觉跟踪方法中的数学模型和算法思想,概括了基于深度神经网络的立体匹配方法的主要发展历程,然后分别提出了两种准确的目标跟踪算法以及两种轻量的立体匹配网络。在所提出的跟踪算法中,一定程度探索了稀疏表征思想和相关滤波思想的结合。在所提出的立体匹配算法中,则探讨了输入高分辨率彩色图的边缘纹理和预测视差图的视差边缘之间的映射关系。主要工作可以分为以下四点:(1)针对现有基于正向稀疏表示模型的目标跟踪算法中特征提取和编码过程的冗余重复问题,提出了一种基于循环反向稀疏模型的实时稀疏表示跟踪算法。该算法基于反向稀疏表示模型,使用由循环移位算子生成的候选目标样本集合作为稀疏字典,对目标模板进行稀疏编码。由于只对目标模板反向求解稀疏编码,并且将包含循环移位目标候选特征集合的优化式转换到频域求解,所提出的算法优化过程十分高效。相比经典的稀疏表示跟踪算法,综合性能表现更好,运行速度也大大加快。(2)针对现有基于鉴别相关滤波的目标跟踪算法忽略目标内部局部空间结构信息的问题,提出了一种基于空间树形结构的稀疏正则化相关滤波跟踪算法。该算法将表达目标内部空间层次化结构的组稀疏正则化项引入相关滤波目标优化式中,来对不同层次的局部滤波器分组施加正则化约束,以表达目标不同空间位置上局部外观特征与期望响应之间的关系。对于优化过程中的关键步骤,基于循环矩阵的性质将其转换到频域中以方便快速地求解。相比基于整体模型的相关滤波跟踪算法,所提出的基于局部空间结构的跟踪算法各项性能指标更好。(3)针对现有端到端立体匹配网络模型的视差上采样结构速度较慢,对边缘等精细结构不能有效预测的问题,提出了一种改进的端到端立体匹配网络模型。在所提出的网络模型中,主要研究了视差上采样细化阶段的局部自适应感知卷积结构和相关的损失函数。基于这种共享卷积结构,探索了不同上采样阶段图像强度像素与视差像素之间的语义联系,通过训练过程中卷积权重的梯度更新来自适应地感知预测视差图中的深度不连续边缘。实验表明,所提出的立体匹配网络中视差上采样结构相比直接级联强度特征和视差特征的上采样结构更为有效,且该立体匹配网络具有良好的预测精度和速度。(4)针对现有的立体匹配网络模型推理效率较低的实际问题,提出了一种有效结合低分辨率视差估计和超分辨率子网的深度立体匹配网络结构。该结构以降低卷积层的操作分辨率为原则,构建较低分辨率的匹配代价体,并执行低分辨率水平上的代价聚合和视差回归,从而快速获得初始视差图。然后使用所提出的超分辨率子网完成快速地视差图逐级上采样,并在上采样的同时进行高频信息补充与视差噪声细化。与最新的端到端立体匹配网络相比,所提出的新模型具有较高的预测精度和更快的预测推理速度。综上所述,本文对计算机视觉领域两个核心方向,视觉跟踪和立体匹配,开展了算法研究,为无人工程机械的远程环境视觉感知应用提供了算法理论方面的技术支撑。最后,为实际应用提供了系统方案设计思路和相关仿真实验。


知网文化
【相似文献】
中国期刊全文数据库 前19条
1 董美宝;杨涵文;郭文;马思源;郑创;;多特征重检测的相关滤波无人机视觉跟踪[J];图学学报;2019年06期
2 ;中国学者在视觉跟踪领域取得重要进展[J];模式识别与人工智能;2019年02期
3 朱建章;王栋;卢湖川;;背景与时间感知的相关滤波实时视觉跟踪[J];中国图象图形学报;2019年04期
4 孙巧;张胜修;扈晓翔;梅江元;;和声搜索粒子滤波视觉跟踪[J];哈尔滨工业大学学报;2018年04期
5 王哲;;视觉跟踪 用眼睛使用的“鼠标”[J];电脑爱好者;2007年07期
6 毕齐林;刘志军;徐虎;唐振宇;唐惠玲;许智敏;;线结构光辅助式焊缝视觉跟踪中图像分割方法研究[J];科学家;2017年09期
7 席文明,罗翔,朱剑英;基于约束卡尔曼滤波器预测的视觉跟踪研究[J];南京航空航天大学学报;2002年06期
8 刘铁根,蔡怀宇,张以谟,路登平,胡绳荪,张凤林;一种埋弧焊视觉跟踪系统(英文)[J];光电工程;1999年06期
9 孙滨;张亮;;改进深度学习的无人船目标光视觉跟踪研究[J];舰船科学技术;2021年06期
10 宋丽丹;;运动视觉跟踪电子设备的改进设计[J];现代电子技术;2017年24期
11 万欣;张春辉;张琳;周凡;;加权全局上下文感知相关滤波视觉跟踪算法[J];计算机工程与应用;2018年16期
12 宋涛;李鸥;刘广怡;崔弘亮;;基于改进协作目标外观模型的在线视觉跟踪[J];电子学报;2017年02期
13 王卫;金立左;;基于DSP+FPGA视觉跟踪平台的设计与实现[J];工业控制计算机;2015年03期
14 康文静;刘畅;刘功亮;;基于定量属性的单目标视觉跟踪算法评价体系研究(英文)[J];Frontiers of Information Technology & Electronic Engineering;2020年03期
15 尹明锋;朱建良;朱凯;薄煜明;赵高鹏;吴盘龙;;基于加权时空上下文学习的多特征视觉跟踪(英文)[J];中国惯性技术学报;2019年01期
16 文武;伍立志;张建峰;;一种基于粒子滤波的时空上下文视觉跟踪算法[J];小型微型计算机系统;2018年08期
17 马志艳;陈幼平;袁楚明;周祖德;;一种基于视觉跟踪的增强现实系统的构建与实现[J];机械与电子;2007年06期
18 王崇韫;无时不在的视觉跟踪者——RFID在汽车生产线上的应用[J];现代制造;2004年30期
19 李中科;万长胜;;具备重检测机制的融合特征视觉跟踪算法[J];图学学报;2018年05期
中国重要会议论文全文数据库 前3条
1 李善青;贾云得;柳阳;;一种用于穿戴计算的指示手势视觉跟踪方法[A];第三届和谐人机环境联合学术会议(HHME2007)论文集[C];2007年
2 周露平;陈会勇;方伟;陈宗海;;基于Kalman滤波的特征跟踪[A];系统仿真技术及其应用(第7卷)——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年
3 黎蔚;杨凯鹏;陈家新;冀治航;;一种基于二维直方图的跟踪算法[A];第十届中国科协年会论文集(一)[C];2008年
中国博士学位论文全文数据库 前20条
1 郭承刚;面向远程环境目标感知的视觉跟踪与深度估计算法研究[D];电子科技大学;2020年
2 王立君;基于低层和高层表征的在线视觉跟踪算法研究[D];大连理工大学;2019年
3 王逍;视觉注意力和鲁棒深度特征学习驱动的目标检测与跟踪研究[D];安徽大学;2019年
4 胡丹;面向视觉跟踪的深度学习模型设计与优化研究[D];西北工业大学;2017年
5 黄达飞;高性能视觉跟踪关键技术研究[D];国防科学技术大学;2017年
6 孙冲;基于结构化判别模型的视觉跟踪算法研究[D];大连理工大学;2018年
7 龚红;复杂环境下视觉跟踪技术及应用研究[D];贵州大学;2019年
8 王法胜;复杂场景下的单目标视觉跟踪算法研究[D];大连海事大学;2014年
9 蒲石;视觉跟踪中的目标域自适应[D];北京邮电大学;2020年
10 王栋;基于线性表示模型的在线视觉跟踪算法研究[D];大连理工大学;2013年
11 高隆;基于相关滤波和注意力机制的单目标视觉跟踪算法研究[D];西安电子科技大学;2019年
12 温静;基于张量子空间学习的视觉跟踪方法研究[D];西安电子科技大学;2010年
13 李胜杰;面向实时鲁棒目标跟踪的深度粒子相关滤波算法研究[D];北京邮电大学;2020年
14 袁庆曙;数字化互动陈展技术与系统研究[D];浙江大学;2009年
15 邱家涛;电子稳像算法和视觉跟踪算法研究[D];西安电子科技大学;2013年
16 王娟;复杂场景中的目标跟踪优化算法研究[D];燕山大学;2014年
17 夏瑜;视觉跟踪新方法及其应用研究[D];江南大学;2013年
18 赵立强;并联机器人双目主动视觉监测平台及理论研究[D];燕山大学;2010年
19 王其聪;复杂观测条件下的基于粒子滤波的视觉跟踪[D];浙江大学;2007年
20 张明杰;基于视觉的目标跟踪与行为识别方法研究[D];西北大学;2015年
中国硕士学位论文全文数据库 前20条
1 束泠钰;基于核相关滤波的视觉跟踪系统设计与实现[D];东南大学;2019年
2 李天平;基于表观模型的视觉跟踪系统研究与实现[D];山东大学;2013年
3 贾红宾;复杂环境中运动目标视觉跟踪研究[D];郑州大学;2011年
4 陈智;基于相关滤波的视觉跟踪算法研究[D];华侨大学;2019年
5 李煜;无人机地面目标的定位与跟踪系统研究[D];上海大学;2019年
6 冯煜;基于相关滤波和深度学习的目标视觉跟踪技术[D];西安电子科技大学;2019年
7 马翼鹏;复杂场景下实时视觉跟踪算法研究[D];哈尔滨工业大学;2019年
8 胡庆拥;复杂场景下的快速鲁棒视觉跟踪算法研究[D];国防科技大学;2017年
9 刘陈义;大视野小目标视觉跟踪技术研究[D];华中科技大学;2019年
10 张朋艺;面向视频图像序列的视觉跟踪关键技术研究[D];北京理工大学;2016年
11 车满强;基于深度卷积特征的相关滤波视觉跟踪算法研究[D];北方工业大学;2019年
12 梁欣妍;面向多模态视觉跟踪的鲁棒目标表示模型研究[D];安徽大学;2019年
13 张福涛;基于相关滤波和分层卷积特征的目标跟踪方法研究[D];西安邮电大学;2019年
14 李晓萍;基于深度学习的半在线领域自适应目标跟踪[D];江西师范大学;2018年
15 宋柯;基于强化学习的视觉跟踪方法研究与实现[D];山东大学;2019年
16 王赛楠;基于相关滤波的视觉跟踪算法研究[D];中国矿业大学;2019年
17 郭春丽;边缘计算环境中基于可靠性的视觉跟踪算法[D];内蒙古大学;2019年
18 朱佩;基于人工智能的罐车装料口视觉跟踪系统研究[D];河南科技大学;2019年
19 付灿;基于目标特征匹配的视觉跟踪算法研究[D];新疆大学;2019年
20 林智聪;基于FPGA的无人机视觉跟踪系统的研究[D];哈尔滨工业大学;2017年
中国重要报纸全文数据库 前3条
1 本报记者 金晓玲;“保证市场供应,我们要尽最大努力”[N];辽宁日报;2020年
2 本报记者 袁泉 白皓元;机器人让“未来”照进现实[N];人民日报;2014年
3 晓维;“facelab”随时监控司机注意力[N];大众科技报;2002年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978