基于机器视觉的圈养豪猪检测与基本行为识别方法研究

为了更好地了解豪猪的习性,提高豪猪人工养殖技术水平,本文设计了基于一种视频图像分析的圈养豪猪检测及基本行为识别方案。首先通过混合高斯模型背景建模法,对圈养豪猪养殖环境进行背景建模,标记出场景中的豪猪及其他运动物体轮廓,采用分类算法对识别出的轮廓进行分类,对豪猪的识别准确率达到86.34%;为了进一步提高准确率,引入图像局部特征ORB关键点作为分类属性,使豪猪的识别准确率提升到93.23%;在此基础上,以饲养池结构及豪猪活动实际情况为判断依据建立圈养豪猪行为识别模型,实现了对豪猪静息、进食、饮水、排泄、啃咬铁门及水槽等7种基本行为的识别。

ORB-SLAM算法在智能家庭清扫机器人中的应用

对于家庭智能清扫机器人而言,机器人自我定位与路径规划是其实现智能化、全自动化的理论基础。实时的定位与构图(simultaneous localization and mapping,SLAM)技术可以很好的解决这个问题。该技术可以利用机器人自身所携带的各式传感器对周围环境进行采集,并利用采集结果递增地创建环境地图,同时使用该地图实现机器人对自身的定位与导航功能。本文将通过讨论ORB-SLAM算法系统的执行过程,并进行仿真实验,验证该算法在对家庭清扫机器人的自我定位与导航的实用性。

基于KCF跟踪算法的目标轨迹记录系统

为了确保跟踪算法能够实时跟踪上高速移动的目标并且记录目标的三维坐标.本系统使用了一种基于KCF(Kernelized Correlation Filters)的高速跟踪算法来保证系统能够跟踪到移动速度较快的目标.首先,使用KCF跟踪算法来跟踪目标;然后,利用ORB特征点检测来计算目标特征点从而找到多摄像机中对应的点,找到对应点之后利用多摄像机的三维重建原理计算出每一帧中目标物体的三维坐标点;最后,用多项式对每一帧运动轨迹的离散点进行拟合得到最终的运行轨迹.实验结果证明该算法能够有效跟踪目标,整个系统能够满足实际的需求.