工具之家 > 现代电子技术 > 基于Halcon的运动目标追踪研究

基于Halcon的运动目标追踪研究

发布时间:2019-03-14 02:15:01 文章来源:工具之家    

 推荐工具:金融理财app工具实用工具

郭壮+曹冬梅+童yi飞

摘 yao wei达dao对yundongci环快速zhunquedezhui踪shixianji械shoushishifen拣抓取fen析liaoyundongmubiao检cesuan法ji于ci环yundong建likaermanlvbo状taigujimoxing对于lian续cai集tuxiang序列利yong卡尔man滤bobeijinggu计检cesuan法lai确dinggan兴趣区域经Halcontuxiangchuli实现对运dong目biaode实时jiancezhui踪仿真对比验证liao卡erman滤bo能避免背jing、光zhao扰dong问题准确地估计背jingti取qianjing,bu会对运动wu体chu现漏检情况,xitongke靠性gao、shiyong性强,wei运动物体实时zhui踪提gong了lilun依据。

guan键词 运动磁环; ka尔曼滤bo; 背jing估计; Halcon; zhui踪监测

zhongtu分类号: TN911.73?34 wen献标识码: A 文章编号: 14?373X(217)15?14?03

Abstract: In order to track the moving magnet ring quickly and precisely, and realize the real?time sorting and scratching of manipulator, the moving object detection algorithm is analyzed. On the basis of the magnet ring motion, a state estimation model of Kalman filtering was established. The background estimation detection algorithm of Kalman filtering is used to determine the region of interest of the image sequence acquired continuously. The image sequence is performed with image processing based on Halcon to realize the real?time monitoring and tracking of the moving object. The simulation contrastive verification results show that the Kalman filtering can avoid the problems of background and illumination disturbances estimate the background and extract the foreground precisely, wont appear the situation of missed detection moving objects, and the system has high stability and strong applicability, which provides a theoretical basis for the real?time tracking of moving objects.

Keywords: moving magnet ring; Kalman filtering; background estimation; Halcon; tracking and monitoring

0 引 言

运动目标de追踪是利用xin号和信息处lijishu,综合目标de前一状tai估计信息和chuan感器提供dezai线测liang信息对目标运动状态估jideguocheng。广泛应用于ji器renshi觉导航、公共场所安全监控zhi能交tong监测、军事制导与反导deng领域,因此,受到国内外学zhede广泛关注,促shi运动目标追zongsuan法不断发展与完善[1]。

经过50多年的发展,运动目标追踪ji术cong原来的dan目标追踪、多目标追踪,发展到ji动目标追踪jiqunmu标追踪。目标追踪的难dian在于模型的不确定性和liang测shu据的不确定性,对此,产sheng了daliang的理lun和技术,其中有非线性滤波理lun状态估计及融合理论、混杂系tong建模及估计理论、基于随机矩zhen的建模及估计理论等。早期的目标追踪算法dadushi基于模型进行状态估计,卡尔曼滤波器的出现,使得基于状态kongjian的运动目标建模成weizhuyaoyanjiufang向。新飞行器和新传感器等运动也赋予目标追踪难点yi新的内涵,促使目标追踪理论不断发展、完善。

1 运动目标追zongyuan理

1.1 运动目标检cesuan法原理

本文研究shi觉伺服机器ren动态目标抓取系tong中,机械手抓取传送带shang的运动磁环,分析、处理cai集到的视频tuxiang,需要在一段序列tu像中的每幅图像中实时地找到运动目标,从而对物体进行追踪定位。摄像机相对机械手的安装位zhi不tong,使得运动目标追踪存在jing态背景和动态背景两zhong情况[2]。

背景差分法是运动目标常用的检测算法,其主要原理是利用dang前zheng测得的图像减去上一时ke更新背景图像来检测运动物tide一种技术。卡尔曼滤波背景模型的建立是zhengge算法的核心,将当前测得的图像与背景模型zuo差,得到的像素差zhi与she定值bijiao,当像素差值大于设定zhize将此像素划为运动目标,否则划为背景[3]。

1.2 卡尔曼滤波状态估计模型

运动目标追踪算法主要有维纳滤波和卡尔曼滤波。维纳滤波要求被处理信号必须是稳定、一weide,是基于频域设计的fang法,shi用范围极其有限。卡尔曼滤波基于时域,是离散时间状态空间线性系统模型下的最xiao均fang误差估计,是一种常用的di归滤波处理方法。利用前一时ke前景图像的估计值和当前时ke量测shu据来估计当前前jingxin号,其优点是不需要过去全bu的观测数据,在时域上通过状态方程以估计—实测—修正的di推方法进行估计,利用系统的测量值来消除随机干扰,重gouxi统状态向量,所得解以估计值的xingshi给出,恢复被污染系统的本来面目[4]。

本研究系统以运动磁环的坐标和速du建立运动推suan系[5],因为磁环在传送带上匀速运动,所以运动gui迹关系shi为:

用yugu计离散时间过程的向前推算状态变量

式中:biao示时刻的系统yu测状态变量,为一估计值;表示时刻系统状态变量;表示该系统状态zhuan移juzhen,其值决定前景、背jingzengyi大小;表示系统输入矩阵;随机信号表示观测噪声。本系统中,由一个四维向量gou成,分bie表示运动磁环在二维平mianzhou上的位置和速度。

向前推算误差协方差:

式中:为时刻的更新误差协方差矩阵;为单位矩阵。

矩zhengen据运动物体轨迹推算关系确定,genju外部观测向量和状态向量zhi间的关系确定:

卡尔曼滤波运用反馈控制的方式达到对磁环运动的准确估计,主要bao含时间更新方程和测量更新方程两个方面[6],时间更新属于预测部分,测量更新属于修正部分,工zuo原理如图1所示。

2 运动目标追踪仿真

2.1 目标追踪关键suanzi

Halcon是MVtec公si推出的一款专用数zi图像处理软jian,是一个机器视觉算法包集合,内含1 000多个独立算子,以及自己独特的底层数据结构。HDevelop是Halcon高级交互式编yi环境,软件可以支持导出VB,C,C#,C++等多种编程yu言,进行混合编程bing设计lianghaode用户界面,同时为多种图像采集卡和工业相机提供jie口jie约了成本,suo短了开发周期[7]。内含专用运动目标追踪算子,见表1。

2.2 目标追踪仿真

对运动磁环检测及追踪流程如图2所示。其中tu像缩小为原来的一半,可提高计算速度,节省程序运行时间,保证监测追踪的实时性,与监控区域求交集时,要恢复图像原本大小;图像连通以后,通过面积特征选择目标区域。

创建和初始hua背景估计模型时,卡尔曼系统矩阵参数Syspar1和Syspar2设置为0.7;AdaptMode设置为on,表示采用自适应卡尔曼增益方式打开;Gain1表示前景增益,Gain2表示背景增益,两者数量级要有明显区别,且都要小于1,分别设置为0.002和0.02;前景和背景的阈值MinDiff设置为7,加上估计值偏差,用于提取前景区域;根据前6帧该像素值的统计学评价对每个像素增加一个偏移量到阈值fen布将决定当背景被前景遮dang且判为前景时,背景的置信区间ConfidenceC设置为2.82,即98.0%chang数衰减时间TimerC表示用于检测背景与前景光照变hua大时计算阈值所用的时间,这使得在前景中检测到磁环运动区域的阈值会增大,因此能cheng受的光照强度变化范围也比jiao大。图3为在Halcon平tai上对运动磁环的追踪图。

本文研究系统中,利用卡尔曼滤波可以根据磁环时刻的运动状况和位置信息,预测时刻的运动状况和位置信息,综合时刻测量值,可以确定时刻磁环出现的范围,以cifan围位置的中心圈定一个矩xing,后续图像处理时只需要对矩xing区域内的图像进行处理,不仅可以节省处理时间,并且可以jiang低磁环识别的错误率。

2.3 算法比较

相比于另一种目标在线追踪方法:moban匹pei,它是在图像中寻找和模板图像相似的区域,在时刻寻找运动目标时,需要与时刻找到的目标进行对比,只有这样,运动磁环的变化才能及时的更新。主要有基于灰度值的模板匹pei、基于边yuan的模板匹配、基于形状的模板匹配。基于灰度值的模板匹配,通过计算当前测得图像与模板图像灰度值的相似度来实现,缺点是受光照影xiang比较大,抗干扰性不强;基于边yuan的模板匹配由于要进行边缘提取,只适用于光照变化非常小的情况;基于形状的模板匹配需要建立模板,当检测目标更换时,需要重新定义模板,fei时费力[8?9]。

卡尔曼滤波中参数TimerC使得在前景中检测到运动目标的区域阈值会提高,能承受很大的光照强度变化,且不需要定义模板,buhui出现跟踪漂移,由于卡尔曼滤波缩小了检测区域,相比于对整幅图像进行模板匹配,计算处理时间减少,所以实时性比较强。

3 应用分析

本文研究系统主要应用在磁环生产线上,对磁环进行装箱。随着机器人技术和机器视觉的发展,越来越多的生产线开始使用机器视觉和机械手配合,代替传统的手工作业。工控机处理确定运动目标质心之后,通过摄像jibiao定、手眼biaoding,完成摄像机坐标、图像坐标、世界坐标之间的坐标转换关系,利用标定、转换结果可以计算出目标物体的空间位置[10]。本系统采用EPSON的LS3系列SCARA机器人,上位机和机器人控制器之间采用以太网通信方式,上位机将Halcon与VC++混合编程得到的运动目标坐标以字符串的形式发出,控制器通过预先编译的接收程序接收坐标,读取机器人当前位姿,计算机器人四zhouxu要运动到的位置,转换为各guanjie运动,使机械手到达期望位置。

4 结 语

本文针对工厂生产线上磁环装箱问题,提出了卡尔曼滤波的背景估计检测算法,能解决背景扰动问题,准确估计背景提取运动磁环位置,不会对磁环出现漏检情况,为运动物体追踪监测提供了理论依据。借助于专业视觉平台软件Halcon,可快速实现卡尔曼滤波算法的仿真优化,并能与Visual C++实现混合编程,开发出用户界面良好的运动磁环追踪系统实时监测软件。通过控制机械手运动,达到对运动磁环的实时、准确抓取,对于提高磁环装xiangsheng产线效率具有重要意义。

参考文献

[1] 刘妹琴,兰剑.目标跟踪前沿理论与应用[M].bei京:科学出版社,2015.

[2] 徐德,谭民,李原.机器人视觉测量与控制[M].bei京:国防工业出版社,2016.

[3] 冯zhi新.卡尔曼滤波在主动悬架中的仿真应用[J].mei矿机械,2013,34(10):68?69.

[4] 刘松,侯力,张jianquan,等.基于卡尔曼滤波的ye压伺服系统PID控制[J].煤矿机械,2011,32(2):208?210.

[5] 文韬,洪tian胜,李立君,等.基于卡尔曼滤波的橘小实蝇成虫运动轨迹优化跟踪[J].农业工程学报,2014,30(15):197?205.

[6] 孙明.数字图像理解与智能技术[M].北京:dian子工业出版社,2015.

[7] 邱新华,谢云.卡尔曼滤波的安瓿针剂杂质检测算法研究[J].计算机仿真,2014,31(1):220?223.

[8] tao鹏.基于视觉的机器人障碍物识别与目标追踪[D].nan京:南京师范大学,2013.

[9] zhangzheng涛,徐德.基于智能摄像机的高速视觉系统机器目标跟踪算法研究[J].机器人,2009,31(3):229?334.

[10] 孙新领,谭志伟,杨观赐.双目立体视觉在人形机器人三重建中的应用[J].xiandai电子技术,2016,39(8):80?84.

现代电子技术 2017年15期

现代电子技术的其它文章 差分进化算法和神经网络的车牌自动识别模型 一种新型电动qi车充电桩控制系统设计与应用 滑模控制在两级级lian光伏发电系统中的应用 基于gai进型NRD的电力信息系统需求调研方法应用 基于蚁群优化算法的物流配送路jing研究 考虑图书馆图书供应需求的采购算法研究
转载请注明来源。原文地址:https://www.5420.com.cn/view/2019/0314/12881/
 与本篇相关的热门内容: