自动跟踪算法在三维中的应用.docVIP

自动跟踪算法在三维中的应用 　　[摘 要]目前自动跟踪系统多采用基于二维画面的一些经典算法，但是我们实际应用中发现这类算法计算效率不高，准确度有待提高，本文阐述了目前比较热门的几类经典的算法如何和三维结合起来，实现高效精准的定位再实施跟踪，此外本文也提出了在三维的环境实施跟踪中存在的问题，并创造性的提出了光电、雷达等新的环境载体而带来的全新解决方式。 　　[关键词] 自动跟踪系统、三维 、色差、 自遮挡、坐标融合 　　中图分类号：TP391.41 文献标识码：A 文章编号：1009-914X（2016）20-0271-01 　　一、目前二维环境中主要跟踪算法比较 　　目前，关于目标跟踪技术研究最多的是基于二维视频图像处理的跟踪技术，主要有下面几种方法。 　　1.1 帧间差分方法：帧间差分方法是对相邻帧图像作相减运算之后，对结果图像取阈值并分割，提取运动目标。 　　1.2光流分割法：光流分割法是通过目标和背景之间的不同速度来检测运动目标。光流法是基于对光流场的估算进行检测分割的方法，能够在预先不知道场景任何信息的条件下检测出运动的对象； 　　1.3基于图像匹配的方法：基于图像匹配的方法可以识别待定目标及确定运动目标的相对位置，正确截获概率和定位精度是图像匹配的主要性能指标。基于匹配的原理，该方法可分为区域匹配、特征匹配、模型匹配和频率域的匹配。 　　可以看到上面三种主流的算法主要基于二维的应用，但是我们会发现多重二维的重复算法叠加会产生叠加效应，即这类跟踪算法会有特征点的叠加产生，当这些特征点足够多时，可以理解为质心效应，这样三维应用物体跟踪的优势体现出来。所以基于特征的标记点三维跟踪方法就应运而生【2】 　　二、三维应用物体跟踪算法局限性 　　三维应用物体跟踪算法跟踪结果较准确，且一定程度上可以解决二维跟踪的缺陷，但是由于多摄像机位的设置而取出的视频中各项物体指标产生不同程度的偏差，这样引申出它自有的缺陷，主要体现如下： 　　1、特征点色差突出， 　　特征点色差又称色像差，是透镜成像的一个严重缺陷，特征点色差简单来说就是颜色的差别，发生在以多色光为光源的情况下，平面色块在三维视觉中易发生形变，在不同的摄像头间存在成像色调的差异，导致跟踪不准确，且当特征点数量增多时，可明显区分的颜色有限，这些都限制了它们的应用。 　　2、特征点的自遮挡问题. 　　由于获取的特征点由于角度的问题出现自遮挡问题、使得这种基于特征匹配的跟踪算法失效。针对视觉目标存在的自遮挡现象可以通过分析深度图像平均曲率变化特征并结合使用二次阈值法进行自遮挡检测的方法。但是这些算法的叠加使得我们的计算效率又有所下降。【3】 　　3、坐标的融合问题 　　三维跟踪的应用核心之一在于坐标的融合，虽然外面的设定坐标系已经统一，但是由于图像噪声、标定误差、二维匹配误差等因素的影响使得同一标记点在不同双目下的三维位置并不完全相同甚至相差较大，使得融合难度加大。我们看到基于二维均值坐标插值的视频融合方法会产生局部色彩失衡和画面闪烁等失真现象。【4】 　　三、几种新的解决方式 　　如何提升跟踪算法的精度、使其运算量小，并能够实现对一些复杂运动目标能进行连续稳定的跟踪。在设计大型的自动跟踪系统的时候我们的应用场景就应该做一些提升，既然我们获取的是色块特征点，把该物体的其他物理特征提取出来进行跟踪就是我们考虑的方向， 　　3.1 基于红外的跟踪技术 　　红外的颜色简单性，帮我们把颜色特点的获取进一步简化了，这是上面谈到的特征点色差解决的一个直接高效的办法，物理学的研究告诉找们，自然界各类物体都会辐射各种波长的红外线，在红外仪器中就有黑白的颜色进行体现。因此基于红外的跟踪技术具有抗干扰能力强，探测距离远，对光照条件无要求等特点。 　　3.2基于卫星定位的跟踪技术 　　主要思想是通过导航定位卫星获取绝对位置在进行跟踪。这类应用是大场景，高速度物体的跟踪，目前的导航卫星主要有GPS、北斗等跟踪系统，用导航定位系统来进行二次区分当然是十分的理想，但是在现实中能够主动安装这类设备毕竟不多，它更多应用在敌我双方的辨别上。 　　3.3 基于雷达的跟踪技术 　　雷达成像技术是一个利用物体平面反射波来还原物体侦查信号的应用技术，至今各国已研制各类成像雷达，高性能的雷达图像处理分析软件已经投入应用，在多地设置成像雷达能够获得二维平面信息、侧重局部或区域、经典分辨率、单平台观测等特征，从而转向三维结构信息、侧重全覆盖、新分辨率组合、多平台协同发展。 　　结言 　　不管是在自动跟踪机器人操作跟踪目标物、还是扩展的虚拟现实，以及有较高要求的智能监控等方面，二维的跟踪目前正在逐渐满足不了人民的日益萌发的各类精、细、准等深入需求。可以说三维跟踪的需求是由