基于机器视觉的机器人目标识别跟踪方法
智能机器人运动控制和目标跟踪
XXXX大学 《智能机器人》结课论文 移动机器人对运动目标的检测跟踪方法 学院（系）： 专业班级： 学生学号： 学生姓名： 成绩：
目录 摘要 (1) 0、引言 (1) 1、运动目标检测方法 (1) 1．1 运动目标图像HSI差值模型 (1) 1.2 运动目标的自适应分割与提取 (2) 2 运动目标的预测跟踪控制 (3) 2．1 运动目标的定位 (3) 2．2 运动目标的运动轨迹估计 (4) 2．3 移动机器人运动控制策略 (6) 3 结束语 (6) 参考文献 (7)
一种移动机器人对运动目标的检测跟踪方法 摘要：从序列图像中有效地自动提取运动目标区域和跟踪运动目标是自主机器人运动控制的研究热点之一。给出了连续图像帧差分和二次帧差分改进的图像HIS 差分模型，采用自适应运动目标区域检测、自适应阴影部分分割和噪声消除算法，对无背景图像条件下自动提取运动目标区域。定义了一些运动目标的特征分析和计算 ，通过特征匹配识别所需跟踪目标的区域。采用 Kalrnan 预报器对运动目标状态的一步预测估计和两步增量式跟踪算法，能快速平滑地实现移动机器人对运动目标的跟踪驱动控制。实验结果表明该方法有效。 关键词：改进的HIS 差分模型；Kahnan 滤波器；增量式跟踪控制策略。 0、引言 运动目标检测和跟踪是机器人研究应用及智能视频监控中的重要关键技术 ，一直是备受关注的研究热点之一。在运动目标检测算法中常用方法有光流场法和图像差分法。由于光流场法的计算量大，不适合于实时性的要求。对背景图像的帧问差分法对环境变化有较强的适应性和运算简单方便的特点，但帧问差分不能提出完整的运动目标，且场景中会出现大量噪声，如光线的强弱、运动目标的阴影等。 为此文中对移动机器人的运动目标检测和跟踪中的一些关键技术进行了研究，通过对传统帧间差分的改进，引入 HSI 差值模型、图像序列的连续差分运算、自适应分割算法、自适应阴影部分分割算法和图像形态学方法消除噪声斑点，在无背景图像条件下自动提取运动 目标区域。采用 Kalman 滤波器对跟踪目标的运动轨迹进行预测，建立移动机器人跟踪运动 目标的两步增量式跟踪控制策略，实现对目标的准确检测和平滑跟踪控制。实验结果表明该算法有效。 1、运动目标检测方法 接近人跟对颜色感知的色调、饱和度和亮度属性 (H ，S ，I )模型更适合于图像识别处理。因此，文中引入改进 型 HSI 帧差模型。 1．1 运动目标图像HSI 差值模型 设移动机器人在某一位置采得的连续三帧图像序列 ()y x k ,f 1-，()y x f k ,，()y x f k ,1+
一种智能机器人系统设计和实现.
一种智能机器人系统设计和实现 我们从广泛意义上理解所谓的智能机器人，它给人的最深刻的印象是一个独特的进行自我控制的"活物".其实，这个自控"活物"的主要器官并没有像真正的人那样微妙而复杂。智能机器人具备形形色色的内部信息传感器和外部信息传感器，如视觉、听觉、触觉、嗅觉。除具有感受器外，它还有效应器，作为作用于周围环境的手段。这就是筋肉，或称自整步电动机，它们使手、脚、长鼻子、触角等动起来。我们称这种机器人为自控机器人，以便使它同前面谈到的机器人区分开来。它是控制论产生的结果，控制论主张这样的事实：生命和非生命有目的的行为在很多方面是一致的。正像一个智能机器人制造者所说的，机器人是一种系统的功能描述，这种系统过去只能从生命细胞生长的结果中得到，现在它们已经成了我们自己能够制造的东西了 嵌入式是一种专用的计算机系统，作为装置或设备的一部分。通常，嵌入式系统是一个控制程序存储在ROM中的嵌入式处理器控制板。事实上，所有带有数字接口的设备，如手表、微波炉、录像机、汽车等，都使用嵌入式系统，有些嵌入式系统还包含操作系统，但大多数嵌入式系统都是是由单个程序实现整个控制逻辑。嵌入式技术近年来得到了飞速的发展，但是嵌入式产业涉及的领域非常广泛，彼此之间的特点也相当明显。例如很多行业：手机、PDA、车载导航、工控、军工、多媒体终端、网关、数字电视…… 1 智能机器人系统机械平台的搭建 智能机器人需要有一个无轨道型的移动机构，以适应诸如平地、台阶、墙壁、楼梯、坡道等不同的地理环境。它们的功能可以借助轮子、履带、支脚、吸盘、气垫等移动机构来完成。在运动过程中要对移动机构进行实时控制，这种控制不仅要包括有位置控制，而且还要有力度控制、位置与力度混合控制、伸缩率控制等。智能机器人的思考要素是三个要素中的关键，也是人们要赋予机器人必备的要素。思考要素包括有判断、逻辑分析、理解等方面的智力活动。这些智力活动实质上是一个信息处理过程，而计算机则是完成这个处理过程的主要手段。 机器人前部为一四杆机构，使前轮能够在一定范围内调节其高度，主要功能是在机器人前部遇障碍时，前向连杆机构随车轮上抬，而遇到下凹障碍时前车轮先下降着地，以减小震动，提高整机平稳性。在主体的左右两侧，分别配置了平行四边形侧向被动适应机构，该平行四边形机构与主体之间通过铰链与其相连接，是小车行进的主要动力来源。利用两侧平行四边形可任意角度变形的特点，实现自适应各种障碍路面的效果。改变平行四边形机构的角度，可使左右两侧车轮充分与地面接触，使机器人的6个轮子受力尽量均匀，加强机器人对不同路面的适应能力，更加平稳地越过障碍，并且更好地保证整车的平衡性。主体机构主要起到支撑与连接机器人各个部分的作用，同时，整个机器人
目标识别技术
目标识别技术 摘要： 针对雷达自动目标识别技术进行了简要回顾。讨论了目前理论研究和应用比较成功的几类目标识别方法：基于目标运动的回波起伏和调制谱特性的目标识别方法、基于极点分布的目标识别方法、基于高分辨雷达成像的目标识别方法和基于极化特征的目标识别方法，同时讨论了应用于雷达目标识别中的几种模式识别技术：统计模式识别方法、模糊模式识别方法、基于模型和基于知识的模式识别方法以及神经网络模式识别方法。最后分析了问题的可能解决思路。 引言： 雷达目标识别技术回顾及发展现状 雷达目标识别的研究始于"20世纪50年代，早期雷达目标特征信号的研究工作主要是研究达目标的有效散射截面积。但是，对形状不同、性质各异的各类目标，笼统用一个有效散射面积来描述，就显得过于粗糙，也难以实现有效识别。几十年来，随着电磁散射理论的不断发展以及雷达技术的不断提高，在先进的现代信号处理技术条件下，许多可资识别的雷达目标特征信号相继被发现，从而建立起了相应的目标识别理论和技术。 随着科学技术的飞速发展，一场以信息技术为基础、以获取信息优势为核心、以高技术武器为先导的军事领域的变革正在世界范围内兴起，夺取信息优势已成为夺取战争主动权的关键。电子信息装备作为夺取信息优势的物质基础，是推进武器装备信息化进程的重要动力，其总体水平和规模将在很大程度上反映一个国家的军事实力和作战能力。 雷达作为重要的电子信息装备，自诞生起就在战争中发挥了极其重要的作用。但随着进攻武器装备的发展，只具有探测和跟踪功能的雷达也已经不能满足信息化战争的需要，迫切要求雷达不仅要具有探测和跟踪功能，而且还要具有目标识别功能，雷达目标分类与识别已成为现代雷达的重要发展方向，也是未来雷达的基本功能之一。目标识别技术是指：利用雷达和计算机对遥远目标进行辨认的技术。目标识别的基本原理是利用雷达回波中的幅度、相位、频谱和极化等目标特征信息，通过数学上的各种多维空间变换来估算目标的大小、形状、重量和表面层的物理特性参数，最后根据大量训练样本所确定的鉴别函数，在分类器中进行识别判决。目标识别还可利用再入大气层后的大团过滤技术。当目标群进入大气层时，在大气阻力的作用下，目标群中的真假目标由于轻重和阻力的不同而分开，轻目标、外形不规则的目标开始减速，落在真弹头的后面，从而可以区别目标。 所谓雷达目标识别，是指利用雷达获得的目标信息，通过综合处理，得到目标的详细信息（包括物理尺寸、散射特征等），最终进行分类和描述。随着科学技术的发展，武器性能的提高，对雷达目标识别提出了越来越高的要求。 目前，目标识别作为雷达新的功能之一，已在诸如海情监控系统、弹道导弹防御系统、防空系统及地球物理、射电天文、气象预报、埋地物探测等技术领域发挥出很大威力。为了提高
动态视频目标检测和跟踪技术(入门)
动态视频目标检测和跟踪技术 传统电视监控技术只能达到“千里眼”的作用，把远程的目标图像（原始数据）传送到监控中心，由监控人员根据目视到的视频图像对现场情况做出判断。智能化视频监控的目的是将视频原始数据转化为足够量的可供监控人员决策的“有用信息”，让监控人员及时全面地了解所发生的事件：“什么地方”，“什么时间”，“什么人”，“在做什么”。将“原始数据”转化为“有用信息”的技术中，目标检测与跟踪技术的目的是要解决“什么地方”和“什么时间”的问题。目标识别主要解决“什么人”或“什么东西”的问题。行为模式分析主要解决“在做什么”的问题。动态视频目标检测技术是智能化视频分析的基础。 本文将目前几种常用的动态视频目标检测方法简介如下： 背景减除背景减除（Background Subtraction）方法是目前运动检测中最常用的一种方法，它是利用当前图像与背景图像的差分来检测出运动目标的一种技术。它一般能够提供相对来说比较全面的运动目标的特征数据，但对于动态场景的变化，如光线照射情况和外来无关事件的干扰等也特别敏感。实际上，背景的建模是背景减除方法的技术关键。最简单的背景模型是时间平均图像，即利用同一场景在一个时段的平均图像作为该场景的背景模型。由于该模型是固定的，一旦建立之后，对于该场景图像所发生的任何变化都比较敏感，比如阳光照射方向，影子，树叶随风摇动等。大部分的研究人员目前都致力于开发更加实用的背景模型，以期减少动态场景变化对于运动目标检测效果的影响。 时间差分时间差分（Temporal Difference 又称相邻帧差）方法充分利用了视频图像的特征，从连续得到的视频流中提取所需要的动态目标信息。在一般情况下采集的视频图像，若仔细对比相邻两帧，可以发现其中大部分的背景像素均保持不变。只有在有前景移动目标的部分相邻帧的像素差异比较大。时间差分方法就是利用相邻帧图像的相减来提取出前景移动目标的信息的。让我们来考虑安装固定摄像头所获取的视频。我们介绍利用连续的图像序列中两个或三个相邻帧之间的时间差分，并且用阈值来提取出视频图像中的运动目标的方法。我们采用三帧差分的方法，即当某一个像素在连续三帧视频图像上均有相
运动目标图像的识别与跟踪
运动目标图像的识别与跟踪 本文主要目的是将视频摄像头中的运动目标从背景中提取出来，并加以跟踪。首先考虑的是常见的目标检测的算法，其次考虑对于噪声的滤除，最后是对运动目标的跟踪。 一、基本目标检测算法 我们主要考虑的目标检测的算法主要有三种，光流场法、背景模型法以及时域差分法。 1.1光流场法 光流主要是图像亮度模式的表现运动。而光流场则是指灰度模式的表面运动。一般条件下，我们可以根据图像的运动，进行估算相对运动。 光流场法的基本理论是光流场基本方程： 0=++t y x I vI uI (1.1) 式中我们根据亮度守恒，利用泰勒公式展开，忽略高阶项与二次项。其中x I 、y I 和t I 是图像在对数轴x 、y 两个方向和t 的的导数，()v u ,就是这个点的光流坐标。 光流场法的目标检测，在摄像机运动时候也可以做出判断，但是图像的噪声太过明显，使得计算数据庞杂，计算的公式更加复杂，这样并不适合我们的对于目标跟踪的高精度的摄像系统。 1.2背景模型法 背景模型法，也被称为背景差法，主要利用当前的图像和背景的图像的二值化做差，然后取阈值，分割运动目标。 首先根据： ()()()y x b y x f y x D t t t ,,,-= (1.2) 我们可以得到当前的图像帧数()y x f t ,和背景图像的帧数),(y x b t 做差，然后以公式对图像进行二值化的处理。 ???≤>=)(,0)(,1),(BackGround T D ForeGround T D y x P t t t (1.3) 上面),(y x P t 是二值化模板图。假设某一区域大于一个给定的面积的时候，该区域就是我们要找的目标区域。 背景模型法的算法简单，可以快速反应，并且可以提供运动目标的大略特征等数据。但是对于复杂背景下，比如人流较大的公共场所，或者有光照等干扰时，就需以其他的算法以不断更新背景信息来进行弥补。
cognevisionpro软件简介及其目标识别定位功能
C o g n e x V i s i o n P r o软件简介及其目标识别定位功 能 This manuscript was revised by the office on December 10, 2020.
C o g n e x V i s i o n P r o软件简介及其目标识别定位功能 1、VisionPro主要功能：图像预处理、图像拼接、图像标定、几何校 正、定位、OCV\ID、图像几何测量、结果分析等，该软件可以直接和国际大多数相机相连，包括模拟、1394、千兆网相机等，且可以直接输出检测结果，提供二次开发接口、支持点net。在其QuickBuild环境中无需任何代码编程，只需拖拉操作就可以完成检查文件的设置，检测结果输出，可进行快速开发。 QuickBuild能与用户自己编写的点net程序无缝连接，实现数据共享，用户可以使用自己的I/O板。 2、VisionPro软件与Halcon对比： 开发方式：VIsionPro可以拖拉式图形编程，非常形象，同时也可以使用API函数编程，增加灵活性。VisionPro的QuickBuild提供更加高效快速的编程界面，能够迅速融合到用户程序中。QuickBuild提供许多成熟的视觉检测工具和设置界面，使用QuickBuild做评估测试和开发的效率远高于Halcon的Hdevelop。而Halcon只能用函数编程，没有图形编程界面，开发效率低于VisonPro。 视觉工具和函数：VisonPro的PatMax定位工具和颜色识别工具优于 Halcon的类似工具。特别是PatMax定位工具可在图像模糊、对比度低、目标形变严重的情况下实现更稳定的定位和目标识别功能，得到了行业内广泛的认可。 支持的相机：两种开发软件都支持大多数相机，都可以编写自定义的 驱动。编写自定义驱动，Halcon提供更好的接口。 Cognex VisionPro软件的测试版可在下载 VisionPro定位工具简介： 安装完VisionPro后，有很多演示例程可以运行，且可以进行图像仿真。 以下是其中的一小部分以及我们客户中使用到的一些。 存在透视形变情况下的定位与高度识别 PatMax定位识别功能演示，形变、模糊、强干扰都不受影响 晶元定位 强干扰图像定位 对多目标在各种对比度情况下的稳定定位 严重缺失情况下的定位 强干扰下的OCV
智能机器人设计报告
智能机器人设计报告 参赛者：庆东肖荣于腾飞 班级：级应用电子技术 指导老师：远明 日期：年月日 一、元器件清单： ，，，，，，，蜂鸣器，光敏电阻，光敏三极管，电阻、电容若干，超亮及普通发光管。二、主要功能： 本设计按要求制作了一个简易智能电动车，它能实现的功能是：从起跑线出发，沿引导线到达点。在此期间检测到铺设在白纸下的薄铁片，并实时存储、显示在“直道区”检测到的薄铁片数目。电动车到达点以后进入“弯道区”，沿圆弧引导线到达点继续行驶，在光源的引导下，利用轻触开关传来的电信号通过障碍区进入停车区并到达车库，完成上述任务后能够立即停车，全程行驶时间越少越好。 本寻迹小车是以有机玻璃为车架，单片机为控制核心，加以减速电机、光电传感器、光敏三极管、轻触开关和电源电路以及其他电路构成。系统由通过口控制小车的前进后退以及转向。寻迹由超亮发光二极管及光敏电阻完成，避障由轻触开关完成，寻光由光敏三极管完成。 并附加其他功能： ．声控启动 ．数码显示 ．声光报警 三、主体设计 车体设计 左右两轮分别驱动，后万向轮转向的方案。为了防止小车重心的偏移，后万向轮起支撑作用。对于车架材料的选择，我们经过比较选择了有机玻璃。用有机玻璃做的车架比塑料车架更加牢固，比铁制小车更轻便，美观。而且裁减比较方便！ 电机的固定采用的是铝薄片加螺丝固定，非常牢固，且比较美观。 轮子方案 在选定电机后，我们做了一个万向轮，万向轮的高度减去电机的半径就是驱动轮的半径。轮子用有机玻璃裁出来打磨光华的，上面在套上自行车里胎，以防止打滑。 万向轮 当小车前进时，左右两驱动轮与后万向轮形成了三点结构，这种结构使得小车在前进时比较平稳。
目标检测、跟踪与识别技术与现代战争
目标检测、跟踪与识别技术与现代战争 【摘要】本文讨论目标检测、跟踪与识别技术在现代战争各个领域中的应用，总结目标识别技术的发展方向，提出目标识别技术工程化实现方法，同时本文介绍了国外目标识别的现状及发展趋势，提出了现代战争应采用综合识别系统解决目标识别问题的建议。 关键词目标检测；目标跟踪；目标识别；雷达；人工神经网络；精确制导 1．引言 随着现代科学技术的飞速发展及其在军事领域内日益广泛的应用，传统的作战思想、作战方式已发生根本性的变化。从第一次海湾战争到科索沃战争，特别是刚刚结束的海湾战争，空中精确打击和空地一体化作战已经成为最重要的作战形式。集指挥、控制、通信、计算机、情报、监视侦察于一体的C ISR 已成为取得战场主动权，赢得最后胜利的关键因素。目标识别技术是雷达智能化、信息化的重要技术支撑手段。在现代化战争中，目标识别技术在预警探测、精确制导、战场指挥和侦察、敌我识别等军事领域都有广泛的应用前景，已受到了世界各国的关注。 现代战争中取得战场制信息权的关键之一是目标属性识别。现代战争的作战环境十分复杂，作战双方都在采用相应的伪装、隐蔽、欺骗和干扰等手段和技术，进行识别和反识别斗争。因此仅仅依靠一种或少数几种识别手段很难准确地进行目标识别，必须利用多个和多类传感器所收集到的多种目标属性信息，综合出准确的目标属性，进行目标检测，跟踪后进行识别。 2．目标检测、跟踪与识别技术在现代战争中的应用 2．1 目标检测、跟踪与识别技术在预警探测上的应用 目标检测、跟踪与识别技术对于弹道导弹的预警工作有重要的作用。弹道导弹一般携带多个弹头，其中可能包含核弹头或大规模杀伤的弹头以及常规弹头，预警雷达必须具备对目标进行分类和识别真假弹头的能力，将核弹头或大规模杀伤的弹头分离出来，为弹道导弹防御(BMD)系统进行目标攻击和火力分配提供依据。早期的BMD系统假设只有一个核弹头，多弹头分导技术的出现，使问题转化为雷达的多目标识别问题，加上电子对抗技术的广泛使用，给目标识别技术带来很大困难。另外，预警雷达还要对空中目标或低空目标进行探测，对来袭目标群进行分类识别。利用星载雷达以及远程光学望远镜等观测设备，可以对外空目标进行探测，对外空来袭目标进行分类和识别，达到早期预警的工作。
精品-智能机器人设计与制作word
智能机器人的设计与制作WORD版本可编辑
智能机器人的设计与制作 引言 近几年机器人已成为高技术领域内具有代表性的战略目标。机器人技术的出现和发展，不但使传统的工业生产面貌发生根本性变化，而且将对人类社会产生深远的影响。随着社会生产技术的飞速发展，机器人的应用领域不断扩展。从自动化生产线到海洋资源的探索，乃至太空作业等领域，机器人可谓是无处不在。目前机器已经走进人们的生活与工作，机器人已经在很多的领域代替着人类的劳动，发挥着越来越重要的作用，人们已经越来越离不开机器人帮助。机器人工程是一门复杂的学科，它集工程力学、机械制造、电子技术、技术科学、自动控制等为一体。目前对机器人的研究已经呈现出专业化和系统化，一些信息学、电子学方面的先进技术正越来越多地应用于机器人领域。目前机器人行业的发展与30 年前的电脑行业极为相似。今天在汽车装配线上忙碌的一线机器人，正是当年大型计算机的翻版。而机器人行业的利基产品也同样种类繁多，比如协助医生进行外科手术的机械臂、在伊拉克和阿富汗战场上负责排除路边炸弹的侦察机器人、以及负责清扫地板的家用机器人，还有不少参照人、狗、恐龙的样子制造机器人玩具。舞蹈机器人具有人类外观特征、可爱的外貌、又兼有技术含量，极受青少年的喜爱。我从前年开始机器人方面的研究，在这过程中尝试过很多次的失败，也感受到了无比的乐趣。 图1.1、机器人 1 绪论
机器人技术作为20 世纪人类最伟大的发明之一，自20 世纪60 年代初问世以来，经历40 余年的发展已取得长足的进步。未来的机器人是一种能够代替人类在非结构化环境下从事危险、复杂劳动的自动化机器，是集机械学、力学、电子学、生物学、控制论、计算机、人工智能和系统工程等多学科知识于一身的高新技术综合体。走向成熟的工业机器人，各种用途的特种机器人的多用化，昭示着机器人技术灿烂的明天。 1.1 国内外机器人技术发展的现状 为了使机器人能更好的应用于工业，各工业发达国家的大学、研究机构和大工业企业对机器人系统开发投入了大量的人力财力。在美国和加拿大，各主要大学都设有机器人研究室，麻省理工学院侧重于制造过程机器人系统的研究，卡耐基—梅隆机器人研究所侧重于挖掘机器人系统的研究，而斯坦福大学则着重于系统应用软件的开发。德国正研究开发“MOVE AND PLAY”机器人系统，使机器人操作就像人们操作录像机、开汽车一样。从六十年代开始日本政府实施一系列扶植政策，使日本机器人产业迅速发展起来，经过短短的十几年。到80 年代中期，已一跃而为“机器人王国”。其机器人的产量和安装的台数在国际上跃居首位。按照日本产业机器人工业会常务理事米本完二的说法：“日本机器人的发展经过了60 年代的摇篮期。70 年代的实用期。到80 年代进人普及提高期。” 并正式把1980 年定为产业机器人的普及元年”。开始在各个领域内广泛推广使用机器人。中国机器人的发展起步较晚，1972 年我国开始研制自己的工业机器人。"七五"期间，国家投入资金，对工业机器人及其零部件进行攻关，完成了示教再现式工业机器人成套技术的开发，研制出了喷涂、点焊、弧焊和搬运机器人。1986 年国家高技术研究发展计划(863 计划)开始实施，智能机器人主题跟踪世界机器人技术的前沿，经过几年的研究，取得了一大批科研成果，成功地研制出了一批特种机器人。20 世纪90 年代，我国的工业机器人又在实践中迈进一大步，先后研制出了点焊、装配、喷漆、切割、搬运等各种用途的工业机器人，并实施了一批机器人应用工程，形成了一批机器人产业化基地，为我国机器人产业的腾飞奠定了基础。 1.2 机器人技术的市场应用 机器人融入我们日常生活的步伐有多快？据国际机器人联盟调查，2004 年，全球个人机器人约有200 万台，到2008 年，还将有700 万台机器人投入运行。按照韩国信息通信部的计划，到2013 年，韩国每个家庭都能拥有一台机器人；而日本机器人协会预测，到2025 年，全球机器人产业的“蛋糕”将达到每年500 亿美元的规模(现在仅有50亿美元)。与20 世纪70 年代PC 行业的情况相仿，我们不可能准确预测出究竟哪些用途将推动这个新兴行业进入临界状态。不过看起来，机器人很可能在护理和陪伴老年人的工作上大展宏图，或许还可以帮助残疾人四处走走，并增强士兵、建筑工人和医护人员的体力与耐力。目前，我国从事机器人研发和应用工程的单位200 多家，拥有量为3500 台左右，其中国产占20％，其余都是从日本、美国、瑞典等40 多个国家引进的。2000 年已生产 各种类型工业机器人和系统300 台套，机器人销售额6.74 亿元，机器人产业对国民经济的年收益额为47 亿元，我国对工业机器人的需求量和品种将逐年大幅度增加。1.3 机器人技术的前景展望机器人是人类的得力助手，能友好相处的可靠朋友，将来我们会看到人和机器人会存在一个空间里边，成为一个互相的助手
雷达目标识别
目标识别技术 2009-11-27 20:56:41| 分类：我的学习笔记| 标签：|字号大中小订阅 摘要： 针对雷达自动目标识别技术进行了简要回顾。讨论了目前理论研究和应用比较成功的几类目标识别方法：基于目标运动的回波起伏和调制谱特性的目标识别方法、基于极点分布的目标识别方法、基于高分辨雷达成像的目标识别方法和基于极化特征的目标识别方法，同时讨论了应用于雷达目标识别中的几种模式识别技术：统计模式识别方法、模糊模式识别方法、基于模型和基于知识的模式识别方法以及神经网络 模式识别方法。最后分析了问题的可能解决思路。 引言： 雷达目标识别技术回顾及发展现状 雷达目标识别的研究始于"20世纪50年代，早期雷达目标特征信号的研究工作主要是研究达目标的有效散射截面积。但是，对形状不同、性质各异的各类目标，笼统用一个有效散射面积来描述，就显得过于粗糙，也难以实现有效识别。几十年来，随着电磁散射理论的不断发展以及雷达技术的不断提高，在先进的现代信号处理技术条件下，许多可资识别的雷达目标特征信号相继被发现，从而建立起了相应的目标 识别理论和技术。 随着科学技术的飞速发展，一场以信息技术为基础、以获取信息优势为核心、以高技术武器为先导的军事领域的变革正在世界范围内兴起，夺取信息优势已成为夺取战争主动权的关键。电子信息装备作为夺取信息优势的物质基础，是推进武器装备信息化进程的重要动力，其总体水平和规模将在很大程度上反 映一个国家的军事实力和作战能力。 雷达作为重要的电子信息装备，自诞生起就在战争中发挥了极其重要的作用。但随着进攻武器装备的发展，只具有探测和跟踪功能的雷达也已经不能满足信息化战争的需要，迫切要求雷达不仅要具有探测和跟踪功能，而且还要具有目标识别功能，雷达目标分类与识别已成为现代雷达的重要发展方向，也是未来雷达的基本功能之一。目标识别技术是指：利用雷达和计算机对遥远目标进行辨认的技术。目标识别的基本原理是利用雷达回波中的幅度、相位、频谱和极化等目标特征信息，通过数学上的各种多维空间变换来估算目标的大小、形状、重量和表面层的物理特性参数，最后根据大量训练样本所确定的鉴别函数，在分类器中进行识别判决。目标识别还可利用再入大气层后的大团过滤技术。当目标群进入大气层时，在大气阻力的作用下，目标群中的真假目标由于轻重和阻力的不同而分开，轻目标、外形不规则的目标开始减 速，落在真弹头的后面，从而可以区别目标。 所谓雷达目标识别，是指利用雷达获得的目标信息，通过综合处理，得到目标的详细信息（包括物理尺寸、散射特征等），最终进行分类和描述。随着科学技术的发展，武器性能的提高，对雷达目标识别 提出了越来越高的要求。 目前，目标识别作为雷达新的功能之一，已在诸如海情监控系统、弹道导弹防御系统、防空系统及地球物理、射电天文、气象预报、埋地物探测等技术领域发挥出很大威力。为了提高我国的军事实力，适应未来反导弹、反卫、空间攻防、国土防空与对海军事斗争的需要，急需加大雷达目标识别技术研究的力度雷达目标识别策略主要基于中段、再入段过程中弹道导弹目标群的不同特性。从结构特性看，飞行中段
目标检测与跟踪
第九章图像目标探测与跟踪技术 主讲人：赵丹培 宇航学院图像处理中心 zhaodanpei@https://www.sodocs.net/doc/722212801.html, 电话：82339972
目录 9.1 概论 9.2 目标检测与跟踪技术的发展现状9.3 目标检测与跟踪技术的典型应用9.4 图像的特征与描述 9.5 目标检测方法的基本概念与原理9.6 目标跟踪方法涉及的基本问题
9.1 概论 1、课程的学习目的 学习和掌握目标探测、跟踪与识别的基本概念和术语，了解一个完整信息处理系统的工作流程，了解目标探测、跟踪与识别在武器系统、航空航天、军事领域的典型应用。了解目标检测、跟踪与识别涉及的关键技术的发展现状，为今后从事相关的研究工作奠定基础。 2、主要参考书： 《目标探测与识别》，周立伟等编著，北京理工大学出版社； 《成像自动目标识别》，张天序著，湖北科学技术出版社； 《动态图像分析》，李智勇沈振康等著，国防工业出版社；
引言：学习目标检测与跟踪技术的意义 ?现代军事理论认为，掌握高科技将成为现代战争取胜的重要因素。以侦察监视技术、通信技术、成像跟踪技术、精确制导技术等为代表的军用高科技技术是夺取胜利的重要武器。 ?成像跟踪技术是为了在战争中更精确、及时地识别敌方目标，有效地跟踪目标，是高科技武器系统中的至关重要的核心技术。 ?例如：一个完整的军事战斗任务大致包括侦察、搜索、监视以及攻击目标和毁伤目标。那么快速的信息获取和处理能力就是战争胜利的关键，因此，目标的实时探测、跟踪与识别也成为必要的前提条件。
?随着现代高新技术的不断发展及其在军事应用领域中的日益推广，传统的作战形态正在发生着深刻的变化。 1973年的第四次中东战争，1982年的英阿马岛之战，1991年的海湾战争及1999年的科索沃战争，伊拉克战争等都说明了这一点。西方各军事强国都在积极探索对抗武器，特别是美国更是投入了巨大的物力、人力和财力积极研制弹道导弹防御系统。而图像检测、跟踪和识别算法作为现代战场信息环境作战成败的关键，具备抗遮挡、抗丢失和抗机动鲁棒性的智能跟踪器，将是现代战场作战必备品，具有广泛的应用前景。
目标检测、跟踪与识别技术与现代战争
《图像检测、跟踪与识别技术》论文 论文题目： 图像检测、跟踪与识别技术与现代战争 专业：探测制导与控制技术 学号：35152129 姓名：刘孝孝
目标检测、跟踪与识别技术与现代战争 【摘要】本文讨论目标检测、跟踪与识别技术在现代战争各个领域中的应用，总结目标识别技术的发展方向，提出目标识别技术工程化实现方法，同时本文介绍了国外目标识别的现状及发展趋势，提出了现代战争应采用综合识别系统解决目标识别问题的建议。 关键词目标检测；目标跟踪；目标识别；雷达；人工神经网络；精确制导 1．引言 随着现代科学技术的飞速发展及其在军事领域内日益广泛的应用，传统的作战思想、作战方式已发生根本性的变化。从第一次海湾战争到科索沃战争，特别是刚刚结束的海湾战争，空中精确打击和空地一体化作战已经成为最重要的作战形式。集指挥、控制、通信、计算机、情报、监视侦察于一体的C ISR 已成为取得战场主动权，赢得最后胜利的关键因素。目标识别技术是雷达智能化、信息化的重要技术支撑手段。在现代化战争中，目标识别技术在预警探测、精确制导、战场指挥和侦察、敌我识别等军事领域都有广泛的应用前景，已受到了世界各国的关注。 现代战争中取得战场制信息权的关键之一是目标属性识别。现代战争的作战环境十分复杂，作战双方都在采用相应的伪装、隐蔽、欺骗和干扰等手段和技术，进行识别和反识别斗争。因此仅仅依靠一种或少数几种识别手段很难准确地进行目标识别，必须利用多个和多类传感器所收集到的多种目标属性信息，综合出准确的目标属性，进行目标检测，跟踪后进行识别。 2．目标检测、跟踪与识别技术在现代战争中的应用 2．1 目标检测、跟踪与识别技术在预警探测上的应用 目标检测、跟踪与识别技术对于弹道导弹的预警工作有重要的作用。弹道导弹一般携带多个弹头，其中可能包含核弹头或大规模杀伤的弹头以及常规弹头，预警雷达必须具备对目标进行分类和识别真假弹头的能力，将核弹头或大规模杀伤的弹头分离出来，为弹道导弹防御(BMD)系统进行目标攻击和火力分配提供依据。早期的BMD系统假设只有一个核弹头，多弹头分导技术的出现，使问题转化为雷达的多目标识别问题，加上电子对抗技术的广泛使用，给目标识别技术带来很大困难。另外，预警雷达还要对空中目标或低空目标进行探测，对来袭目标群进行分类识别。利用星载雷达以及远程光学望远镜等观测设备，可以对外空目标进行探测，对外空来袭目标进行分类和识别，达到早期预警的工作。 2．2 目标检测、跟踪与识别技术在精确制导上的应用 精确制导方式很多，包括主动式、半主动式和被动式寻的制导方式，通过设在精确制导武器
CogneVisionPro软件简介及其目标识别定位功能
C o g n e V i s i o n P r o软件简介及其目标识别定位 功能 文档编制序号：[KKIDT-LLE0828-LLETD298-POI08]
Cognex VisionPro 软件简介及其目标识别定位功能 1、VisionPro主要功能：图像预处理、图像拼接、图像标定、几何校正、定位、OCV\ID、图像几何测量、结果分析等，该软件可以直接和国际大多数相机相连，包括模拟、1394、千兆网相机等，且可以直接输出检测结果，提供二次开发接口、支持点net。在其QuickBuild环境中无需任何代码编程，只需拖拉操作就可以完成检查文件的设置，检测结果输出，可进行快速开发。 QuickBuild能与用户自己编写的点net程序无缝连接，实现数据共享，用户可以使用自己的I/O板。 2、VisionPro软件与Halcon对比： 开发方式：VIsionPro可以拖拉式图形编程，非常形象，同时也可以使用API函数编程，增加灵活性。VisionPro的QuickBuild提供更加高效快速的编程界面，能够迅速融合到用户程序中。QuickBuild提供许多成熟的视觉检测工具和设置界面，使用QuickBuild做评估测试和开发的效率远高于Halcon的Hdevelop。而Halcon只能用函数编程，没有图形编程界面，开发效率低于VisonPro。 视觉工具和函数：VisonPro的PatMax定位工具和颜色识别工具优于Halcon的类似工具。特别是PatMax定位工具可在图像模糊、对比度低、目标形变严重的情况下实现更稳定的定位和目标识别功能，得到了行业内广泛的认可。 支持的相机：两种开发软件都支持大多数相机，都可以编写自定义的驱动。编写自定义驱动，Halcon提供更好的接口。 Cognex VisionPro软件的测试版可在下载
智能机器人的设计与制作
智能机器人的设计与制作 引言 近几年机器人已成为高技术领域内具有代表性的战略目标。机器人技术的出现和 进展，不但使传统的工业生产面貌发生全然性变化，而且将对人类社会产生深远的阻碍。随着社会生产技术的飞速进展，机器人的应用领域不断扩展。从自动化生产线到海洋资源的探究，乃至太空作业等领域，机器人可谓是无处不在。目前机器差不多走进人们的生活与工作，机器人差不多在专门多的领域代替着人类的劳动，发挥着越来越重要的作用，人们差不多越来越离不开机器人关心。机器人工程是一门复杂的学科，它集工程力学、机械制造、电子技术、技术科学、自动操纵等为一体。目前对机器人的研究差不多呈现出专业化和系统化，一些信息学、电子学方面的先进技术正越来越多地应用于机器人领域。目前机器人行业的进展与30 年前的电脑行业极为相似。今天在汽车装配线上忙碌的一线机器人，正是当年大型计算机的翻版。而机器人行业的利基产品也同样种类繁多，比如协助大夫进行外科手术的机械臂、在伊拉克和阿富汗战场上负责排除路边炸弹的侦察机器人、以及负责清扫地板的家用机器人，还有许多参照人、狗、恐龙的模样制
造机器人玩具。舞蹈机器人具有人类外观特征、可爱的外貌、又兼有技术含量，极受青青年的喜爱。我从前年开始机器人方面的研究，在这过程中尝试过专门多次的失败，也感受到了无比的乐趣。 图1.1、机器人 1 绪论 机器人技术作为20 世纪人类最伟大的发明之一，自20 世纪60 年代初问世以来， 经历40 余年的进展已取得长足的进步。以后的机器人是一种能够代替人类在非结构化环境下从事危险、复杂劳动的自动化机
器，是集机械学、力学、电子学、生物学、操纵论、计算机、人工智能和系统工程等多学科知识于一身的高新技术综合体。走向成熟的工业机器人，各种用途的特种机器人的多用化，昭示着机器人技术灿烂的改日。 1.1 国内外机器人技术进展的现状 为了使机器人能更好的应用于工业，各工业发达国家的大学、研究机构和大工业企业对机器人系统开发投入了大量的人力财力。在美国和加拿大，各要紧大学都设有机器人研究室，麻省理工学院侧重于制造过程机器人系统的研究，卡耐基—梅隆机器人研究所侧重于挖掘机器人系统的研究，而斯坦福大学则着重于系统应用软件的开发。德国正研究开发“MOVE AND PLAY”机器人系统，使机器人操作就像人们操作录像机、开汽车一样。从六十年代开始日本政府实施一系列扶植政策，使日本机器人产业迅速进展起来，通过短短的十几年。到80 年代中期，已一跃而为“机器人王国”。其机器人的产量和安装的台数在国际上跃居首位。按照日本产业机器人工业会常务理事米本完二的讲法：“日本机器人的进展通过了60 年代的摇篮期。70 年代的有用期。到80 年代进人普及提高期。” 并正式把1980 年定为产业机器人的普及元年”。开始在各个领
雷达目标识别发展趋势
雷达目标识别发展趋势 雷达具备目标识别功能是智能化的表现，不妨参照人的认知过程，预测雷达目标识别技术的发展趋势： (1)综合目标识别 用于目标识别的雷达必将具备测量多种目标特征的手段，综合多种特征进行目标识别。我们人类认知某一事物时，可以通过观察、触摸、听、闻、尝，甚至做实验的方法认知，手段可谓丰富，确保了认知的正确性。 目标特征测量的每种手段会越来越精确，就如同弱视的人看东西，肯定没有正常人看得清楚，也就不能认知目标。 识别结果反馈给目标特征测量，使目标特征测量成为具有先验信息的测量，特征测量精度会有所提高，识别的准确程度也会相应提高。 雷达具备同时识别目标和背景的功能。人类在观察事物的时候，不仅看到了事物的本身，也看到了事物所处的环境。现有的雷达大多通过杂波抑制、干扰抑制等方法剔除了干扰和杂波，未来的雷达系统需要具备识别目标所处背景的能力，这些背景信息在战时也是有用的信息。 雷达具备自适应多层次综合目标识别能力。用于目标识别的雷达虽然需要具备测量多种目标特征的手段，但识别目标时不一定需要综合所有的特征，这一方面是因为雷达系统资源不允许，另一方面也是因为没有必要精确识别所有的目标。比如司机在开车时，视野中有很多目标，首先要评价哪几个目标有威胁，再粗分类一下，是行人还是汽车，最后再重点关注一下靠得太近、速度太快的是行人中的小孩子还是汽车中的大卡车。 (2)自学习功能 雷达在设计、实现、装备的过程中，即具备了设计师的基因，但除了优秀的基因之外，雷达还需要具有学习功能，才能在实战应用中逐渐成熟。 首先，要具有正确的学习方法，这是设计师赋予的。对于实际环境，雷达目标识别系统应该知道如何更新目标特征库、如何调整目标识别算法、如何发挥更好的识别性能。 其次，要人工辅助雷达目标识别系统进行学习，这就如同老师和学生的关系。在目标识别系统学习时，雷达观测已知类型的合作目标，雷达操作员为目标识别系统指出目标的类型，目标识别系统进行学习。同时还可以人为的创造复杂的电磁环境，使目标识别系统能更好地适应环境。 (3)多传感器融合识别 多传感器的融合识别必定会提高识别性能，这是毋容置疑的。这就好比大家坐下来一起讨论问题，总能讨论出一个好的结果，至少比一个人说的话更可信。但又不能是通过投票的方式，专家的话肯定比门外汉更有说服力。多传感器融合识别需要具备双向作用的能力。 并不是给出融合识别的结果就结束了，而是要利用融合识别的结果反过来提高各个传感器的识别性能，这才是融合识别的根本目的所在。反向作用在一定程度上降低了人工辅助来训练目标识别系统的必要性，也减少了分别进行目标识别试验的总成本。
自然场景下果实目标的识别和定位
第35卷第3期2007年6月 浙江工业大学学报 JO U RN A L OF ZHEJIA N G U N IV ERSIT Y OF T ECH N OL O GY V ol.35N o.3Jun.2007 收稿日期:2006-11-26 基金项目:浙江省自然科学基金资助项目(Y105314) 作者简介:古 辉(1956)),男,山西孝义人,教授,硕士生导师,研究方向为多媒体应用技术和信息处理技术. 自然场景下果实目标的识别和定位 古 辉1,芦亚亚1,丁维龙1,王 杰2,张维统1 (1.浙江工业大学信息工程学院,浙江杭州310032;2.浙江工业大学机电工程学院,浙江杭州310032) 摘要:通过分析目前果蔬图像中识别果蔬对象存在的问题,研究了果蔬采摘机器人视觉中的两大难题:识别果蔬和定位果蔬.在此大背景下,研究提出了一种结合多种颜色特征和纹理特征进行分割的方法,有效解决果蔬目标和背景颜色差异较小时的果蔬对象识别问题.同时,提出一种全新的理念解决果实被部分遮挡时中心点和采摘点确定问题.另外,为了克服已有的类球形果蔬的定位方法不能适用于偏斜下垂生长的果蔬定位、不能有效定位叠加的多个果蔬的不足,利用几何校正方法,研究提供一种能够适应于偏斜下垂生长的果蔬定位的方法,能有效定位叠加的多个果蔬.经实验证明,效果良好. 关键词:自然场景;颜色;纹理;果实目标;识别;定位中图分类号:T P391.41 文献标识码:A 文章编号:1006-4303(2007)03-0267-07 The recognizing and locating method for fruit objects under nature scenes GU H ui 1 ,LU Ya -ya 1 ,DING We-i lo ng 1 ,WA NG Jie 2 ,ZH ANG We-i tong 1 (1.Colleg e of Inform ation Engineering,Zhejiang University of Techn ology,H an gzhou 310032,Ch ina;2.College of M echanical Engineering,Zhejian g Un iversity of T echnology,H angzhou 310032,C hina) Abstract:T his paper discussed about the mo st difficult problems in the vision o f harvesting ro -bot,including r ecognizing and lo cating pro blem ex isted in the reco gnition of the fruit o bject in fruit images.A new seg mentation metho d combined w ith color features and tex ture features is presented,in w hich the recognitio n problem w ith little differ ence betw een w ith the target and the backg round is solved.It also put fo rw ar d a no vel conception to reso lve the locating center and ab -scission point under the conditio n that the fruit or v eg etables are partially sheltered.Meanw hile,in order to o vercom e the dem er its of the going locating m ethods w hich unfits fo r the declining fruit,a new lo cating metho d based o n the technique of g eometry co rrection fitting for the decl-i ning fruits and locating the abscission points under the conditio n that fruits ar e overlapped by each other is presented.It is pr oved by ex periments that it w ill w or k w ell under the nature scenes. Key words:nature scene;co lor;tex ture;fr uit o bject;recog nition;lo catio n