论文部分内容阅读
随着科技的不断发展,目标跟踪已被广泛地应用在智能监控、智能机器人等各个领域,但目标跟踪过程中的运动模糊、复杂背景干扰等难点问题依然有待解决。依托国家自然科学基金项目“智能装配机器人视觉自主识别、高精度定位与柔顺控制方法研究”,针对异构电子元器件人工插装速度慢、效率低、易漏装、精度差等问题,本文重点研究处于运动状态的异构电子元器件以及PCB板元器件标识的动态跟踪方法,并通过分析动态插装跟踪过程中存在的难点问题,提出改进方法来加以解决,最终实现了对动态异构电子元器件及PCB板元器件标识复杂背景下的高精度目标跟踪,为异构电子元器件动态插装任务完成奠定了基础。本文研究的主要内容如下:(1)介绍了系统设计和目标跟踪算法相关理论。从相机、光源、机械手、传送带角度进行异构电子元器件装配的系统设计;针对生成式和判别式两类目标跟踪算法,分别介绍了几种主要算法,然后通过分析异构电子元器件和PCB板元器件标识的跟踪任务,选取了合适的跟踪算法,最后介绍了目标跟踪算法的精确度和成功率评价指标,为后续的内容做铺垫。(2)针对动态的异构电子元器件实体跟踪任务,引入盲去卷积方法和颜色直方图跟踪算法改进尺度估计跟踪算法(DSST)。首先在运动模糊方面使用盲去卷积方法对模糊核进行估计,根据模糊核和模糊图像反卷积出清晰图像,同时引入对尺度变化鲁棒性好的颜色直方图跟踪算法,利用权重打分方法对颜色直方图跟踪算法和DSST算法得到的位置进行加权,最终实验结果表明,盲去卷积方法并结合颜色直方图跟踪算法的精确度提高了8%。(3)针对动态的PCB板元器件标识跟踪任务,提出采用显著性检测改进粒子滤波跟踪算法。引入基于学习机制的任务驱动模型提取目标多特征图,并利用合并策略融合显著图,然后根据学习机制提取显著图中的目标区域,并计算背景和目标区域颜色直方图,最终通过粒子滤波算法搜索到目标位置,实验结果表明基于显著性检测的粒子滤波跟踪算法能有效解决复杂背景干扰问题,精确度提高了11%。