导读:本文包含了移动物体跟踪论文开题报告文献综述及选题提纲参考文献，主要关键词:增强现实,平面物体跟踪,平面物体检测,姿态估计
移动物体跟踪论文文献综述
褚冠宜[1]（2019）在《面向移动增强现实的多平面物体检测与跟踪》一文中研究指出在增强现实领域,为达到虚拟物体与现实世界交互的效果,需要能感知现实世界中物体的状态。因此,平面物体的检测与追踪是增强现实系统中的一个重要组成部分,以这两项技术为基础的基于平面物体的增强现实,有着广泛的应用场景。平面物体的检测与跟踪在得到平面物体边界框的基础上,还需要恢复物体的6自由度位姿。目前在大视角、远距离、复杂背景等情况下的平面物体检测与跟踪仍然是一个亟待解决的问题。为此,本文深入了研究平面物体的检测与跟踪问题,并提出了一套算法,可以快速检测出上述困难场景中的多个预定义平面物体,并在移动端以约100FPS的速度对平面物体的姿态进行跟踪,在速度上达到了先进水平。本文的主要贡献如下:1)提出了一种自顶向下的平面物体检测算法。通过区域提议算法初步判断平面物体可能存在的区域,得到物体的大致位置与尺度信息,从而降低了平面物体的检索与对齐的难度。可以有效的处理复杂背景和远距离下的多个平面物体的检测问题。除此之外还加入了对于检测结果的验证算法,防止返回错误的检测结果。2)在以往算法基础上提出了一种基于关键帧的平面物体跟踪框架。使用直接法进行相邻帧间的跟踪,使用平面假设建立局部地图,使用重投影误差对系统状态进行优化,使用局部重定位功能应对跟踪失败的情况。在运行速度、图像连续性与准确性中进行了平衡,并能较好的处理运动模糊问题。3)提出了多个平面物体的追踪方法。在追踪多个平面物体时,判断物体间的相对运动情况,对于相对静止的平面物体,简单的进行叁维注册,对于相对运动的物体单独进行跟踪。(本文来源于《浙江大学》期刊2019-03-10）
邹倩,夏玮玮,张静,黄博南,燕锋[2]（2018）在《基于VLC与IMU融合的移动物体跟踪室内定位系统（英文）》一文中研究指出利用可见光通信(VLC)和惯性测量单元(IMU),设计了室内定位系统(IPS),实现对移动物体的定位和跟踪.该IPS平台包括发光二极管发射器、接收器和定位服务器3部分.为了减少由测量引起的误差,提出了惯性传感数据校准模型和可见光通信RSS数据归一化校准模型对数据进行校准.然后,通过建立的实际传播模型,从RSS数据中计算发射器和接收器之间的距离.此外,提出了一种混合定位算法,使用自适应卡尔曼滤波器和加权最小二乘叁边测量来估计移动物体的位置.实验结果表明,采用所提混合定位算法的IPS能够扩展VLC的定位区域,减轻IMU漂移,提高移动物体的定位精度.(本文来源于《Journal of Southeast University(English Edition)》期刊2018年04期）
程蔚,吴海彬,郑洪庆[3]（2019）在《基于复合动态模型和证据融合架构的移动物体检测与跟踪方法》一文中研究指出针对现有方法中移动物体检测与跟踪的准确性精度较低的缺点,提出一种基于多传感器检测分类的移动物体描述和感知方法:建立了一个包含核心对象动态特征和分类描述的复合模型,在此基础上设计了一个基于证据框架的信息感知与融合方法,通过整合动态模型和不确定性特征来实现对移动物体的检测和跟踪。为了验证所提方法的有效性,在一辆安装有雷达、激光雷达和摄像头的演示车上进行了相关实验,在不同驾驶场景下针对行人、卡车和轿车叁个移动物体进行了检测与跟踪,实验结果证明所提方法具有非常高的准确性。(本文来源于《计算机应用研究》期刊2019年10期）
刘阳[4]（2017）在《室内移动物体的定位与跟踪研究》一文中研究指出近些年,随着信息化建设的普及,室内移动物体的定位与跟踪是当今物联网领域研究与应用的热点与难点。伴随着互联网+技术不断成熟和完善,对于终端控制的数据需求也蕴藏着前所未有的机遇和挑战。具备获取信息和无线通信的能力基础上,还有信息处理的能力,两者相互融合就促成了物联网络。如大型仓库、图书馆、地下矿井等领域,系统内物体的位置信息成为越来越多功能的基础数据,也标志着定位跟踪技术在传感器网络中举足轻重的地位。目前为止,室内移动物体定位跟踪技术并没有一套成熟的可行性方案。本文提出一种可视化界面控制程序与TOA定位技术相融合的ZIGBEE室内移动物体的定位与跟踪系统方案。并对其内部架构设计、系统工作原理及其功能、可视化界面设计思路、移动物体自动驾驶设计等作了详细的说明和介绍。最终完成了对系统各个功能的实现,并对后期系统完善提出了修改建议。首先利用超声波定位对移动物体进行坐标位置定位,通过由ZigBee模块搭建的无线传感器网络将移动物体智能小车的位置信息传回网关控制台。然后网关控制台对数据进行拆分,将其传输到可视化系统中,可视化界面上可以显示移动物体智能小车的实时位置、目标终点位置、行驶的预测轨迹、行驶的历史轨迹信息等,同时用户可以输入移动物体智能小车的目标终点位置,从而实现对移动物体智能小车的跟踪与控制。当系统正常运行时,若移动物体的移动路径上有障碍物,移动物体上的红外避障模块会探测到障碍物,同时触发中断函数,进行避障行驶,从而确保移动物体可以顺利到达目标位置。实验结果表明,该控制系统具有良好的响应特性,可连续长时间工作,稳定性良好,初步实现对室内移动物体的定位与跟踪控制。(本文来源于《北方工业大学》期刊2017-05-10）
刘阳,牛长流,王迪,张天[5]（2017）在《室内移动物体的定位与跟踪设计》一文中研究指出物联网领域室内移动物体的定位与跟踪是当今研究与应用的热点,本文提出一种基于超声波定位技术与界面控制程序相融合的室内运动物体的定位与跟踪方法。实验结果表明,该控制系统具有良好的响应特性,可连续长时间工作,稳定性良好,初步实现对室内移动物体的定位与跟踪控制。(本文来源于《数码世界》期刊2017年02期）
刘娇[6]（2015）在《基于压缩关联成像的移动物体跟踪方案研究》一文中研究指出关联成像,又称“鬼成像”。它具有高分辨率和非定域成像等特点,在医学影像、军事应用、分布式图像处理及通信等领域有着巨大的应用前景。随着关联成像技术的日渐成熟,如何用压缩关联成像对移动物体进行跟踪引起了人们的关注。论文研究如何提高压缩关联成像的速度以及如何对成像速度和成像质量进行折中。论文首先研究基于压缩关联成像的移动物体跟踪的成像速度问题。利用图像相邻像素间的相关性,在压缩关联成像时使用大尺度的测量矩阵,并用均值漂移跟踪算法对移动物体进行跟踪。仿真结果表明:(1)合适尺度的测量矩阵,可以用更少的测量次数和重构时间得到轮廓更为清晰的图像;(2)在对图像进行跟踪时,均值漂移跟踪算法对与背景相似的物体跟踪效果不好。对于128*128大小的“lena”图像,在测量尺度取4时,可以用0.06的压缩率恢复出物体图像,而对64*128大小的“car”图像,相同条件下仅用0.04的压缩率就能得到物体图像,且均值漂移算法对后者的跟踪效果更好。其次,论文研究基于压缩关联成像的移动物体跟踪的成像质量问题。根据在压缩关联成像中对测量值差分和对物体原图差分等效,论文给出一种基于叁帧差分压缩关联成像方案来消除各帧的相同部分,并用投影定位和轨迹拟合对虑除背景的图像进行跟踪。仿真结果表明:(1)叁帧差分压缩关联成像可以用更少的测量次数得到物体的重构图像;(2)成像不依赖于背景图像,应用范围更广;(3)对规律运动的物体,可以根据运动轨迹确定物体位置,得到物体图像。对于128*128的“lena”图像,叁帧差分压缩关联成像可以在0.06的压缩率下得到物体的二值图像,对预测的物体区域仅需要0.05的压缩率就能得到物体的清晰图像。(本文来源于《南京邮电大学》期刊2015-04-01）
张广兴[7]（2013）在《双目轮式移动机器人的运动物体跟踪研究》一文中研究指出近年来随着计算机视觉技术和移动机器人技术的不断发展，研究者们越来越期望机器人具有如同人眼一样的视觉能力，去实现对场景的感知和理解。随着计算机视觉研究的深入，在二维图像中引入场景的叁维信息，更有利于将运动目标跟踪广泛应用在机器人导航与定位、智能人机交互、虚拟现实、成像制导等领域。本文主要将立体视觉技术与跟踪技术相结合，在双目移动机器人平台上完成对运动目标的叁维实时跟踪。本文从双目摄像机标定，到立体匹配获取视差图，最后到运动目标提取与叁维跟踪都进行了深入的研究。本文在摄像机标定双平面法的基础上引入切向畸变，建立了更加完整的摄像机标定模型，提出了一种非线性优化的立体参数求解方法，减小了外参数误差的积累对计算精度的影响。研究了一种简便有效的有标定极线校正方法，为提高立体匹配的精度奠定了基础。基于灰度相似性的快速匹配法中引入盒子滤波方法，优化了SAD匹配代价计算过程；匹配中采用极线约束、唯一性约束和连续性约束，缩小了匹配的搜索范围；使用误差评估函数和BM快速匹配法选取最佳匹配点。最后通过和SMP匹配算法的对比实验，证明了本文方法的优势。本文提出了一种自适应的彩色图像分割方法，能够快速准确地提取目标区域。研究了叁维点线性和非线性计算方法，采用线性测距算法结合目标质点提取对目标实现叁维测量，实验证明该方法鲁棒性强，计算效率高。提出基于双目移动机器人的叁维跟踪方法，将卡尔曼滤波器作为运动估计器，引入机器人自身的运动信息和目标叁维信息作为控制量，较准确地预测目标位置。将目标位置作为机器人运动的旋转量和直行量，能更好地跟踪运动目标并提高双目的测距精度。最后分析了双目轮式移动机器人的硬件系统，设计了实时性较强的目标叁维跟踪软件系统，采用标准编程语言和模块化设计使其具有较强的跨平台移植性。(本文来源于《哈尔滨工程大学》期刊2013-01-07）
钱夔,宋爱国,熊鹏文[8]（2011）在《基于粒子滤波的移动物体视觉跟踪方法》一文中研究指出基于颜色特征的粒子滤波算法已成为移动物体跟踪的热点.提出一种基于加权颜色直方图的粒子滤波跟踪算法,利用Bhattacharyya距离来描述粒子与目标区域颜色模型的相似性.实验结果表明:该方法具有较好的实时性与鲁棒性,可应用在视频监控、小车寻迹等场合.(本文来源于《南京信息工程大学学报(自然科学版)》期刊2011年05期）
张和平,段锁林,姜小娟[9]（2011）在《配置机械手的轮式移动机器人目标物体跟踪与抓取》一文中研究指出针对配置机械手的室内轮式移动机器人目标物体识别、跟踪和抓取问题,采用一种目标物体识别和机器人定位的方法,利用一种基于模糊控制的轮式移动机器人视觉伺服跟踪控制的方法。针对机器人目标识别跟踪及抓取过程中受环境条件变化的影响,采用HSI颜色模型和基于阈值的区域分割的图像处理方法可以完成目标颜色物体的快速准确识别。基于云台摄像机角度信息的机器人小车目标定位方法和模糊控制理论,设计了模糊跟踪控制器,使机器人输出合适的线速度和角速度,能够实现机器人目标跟踪,使移动机器人趋近目标物体位置,并完成机械手目标物体抓取任务。仿真和实时实验结果表明:所设计的系统具有良好的目标物体识别、跟踪和准确抓取目标的能力。(本文来源于《常州大学学报(自然科学版)》期刊2011年03期）
左丽丽[10]（2006）在《基于双目视觉的移动机器人跟踪运动物体研究》一文中研究指出从上世纪八十年代开始，许多国家有计划地开展了移动机器人技术的研究。其涉及图像处理，计算机视觉，传感器技术，人工智能，自动控制，计算机并行处理技术，机械学等，体现了信息科学和人工智能的最新成果。 本课题着重研究了基于双目视觉的移动机器人运动物体跟踪问题，其中跟踪的目标为另一台移动机器人。论文首先利用卡尔曼滤波预测了跟踪目标的位置信息和速度信息，根据预测位置建立了取景框并裁减图像。通过大量的图像处理结果表明，分别采用中值滤波和阈值法来进行图像平滑和图像分割可取得较好的效果。进一步，选取易于识别的五个特征，成功的识别出目标。根据摄像机坐标，图像坐标和世界坐标之间的转换关系计算出了跟踪目标机器人在空间的位置。最后本文设计了跟踪控制策略，实现了对目标机器人的正确跟踪。 本课题中所采用的图像处理方法均通过VC编程实现。(本文来源于《南京理工大学》期刊2006-06-01）
移动物体跟踪论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
利用可见光通信(VLC)和惯性测量单元(IMU),设计了室内定位系统(IPS),实现对移动物体的定位和跟踪.该IPS平台包括发光二极管发射器、接收器和定位服务器3部分.为了减少由测量引起的误差,提出了惯性传感数据校准模型和可见光通信RSS数据归一化校准模型对数据进行校准.然后,通过建立的实际传播模型,从RSS数据中计算发射器和接收器之间的距离.此外,提出了一种混合定位算法,使用自适应卡尔曼滤波器和加权最小二乘叁边测量来估计移动物体的位置.实验结果表明,采用所提混合定位算法的IPS能够扩展VLC的定位区域,减轻IMU漂移,提高移动物体的定位精度.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
移动物体跟踪论文参考文献
[1].褚冠宜.面向移动增强现实的多平面物体检测与跟踪[D].浙江大学.2019
[2].邹倩,夏玮玮,张静,黄博南,燕锋.基于VLC与IMU融合的移动物体跟踪室内定位系统（英文）[J].JournalofSoutheastUniversity(EnglishEdition).2018
[3].程蔚,吴海彬,郑洪庆.基于复合动态模型和证据融合架构的移动物体检测与跟踪方法[J].计算机应用研究.2019
[4].刘阳.室内移动物体的定位与跟踪研究[D].北方工业大学.2017
[5].刘阳,牛长流,王迪,张天.室内移动物体的定位与跟踪设计[J].数码世界.2017
[6].刘娇.基于压缩关联成像的移动物体跟踪方案研究[D].南京邮电大学.2015
[7].张广兴.双目轮式移动机器人的运动物体跟踪研究[D].哈尔滨工程大学.2013
[8].钱夔,宋爱国,熊鹏文.基于粒子滤波的移动物体视觉跟踪方法[J].南京信息工程大学学报(自然科学版).2011
[9].张和平,段锁林,姜小娟.配置机械手的轮式移动机器人目标物体跟踪与抓取[J].常州大学学报(自然科学版).2011
[10].左丽丽.基于双目视觉的移动机器人跟踪运动物体研究[D].南京理工大学.2006