针对装备体型较大、结构较为复杂,当发生遮挡时跟踪注册出现模型漂移、注册效率低的问题,提出一种基于特征互补算法和卡尔曼滤波融合的跟踪注册方法。首先,使用基于空间可靠性的二进制掩码增强模板像素级融合跟踪算法(sum of template a...针对装备体型较大、结构较为复杂,当发生遮挡时跟踪注册出现模型漂移、注册效率低的问题,提出一种基于特征互补算法和卡尔曼滤波融合的跟踪注册方法。首先,使用基于空间可靠性的二进制掩码增强模板像素级融合跟踪算法(sum of template and pixel-wise learners,Staple)的颜色特征中的目标信息,从而提高算法在复杂场景中的跟踪精度;其次,当目标跟踪失败时,在重新检测前使用卡尔曼滤波器预测当前帧中目标的位置;接着,提出一种改进的ORB(oriented FAST and rotated BRIEF)算法,该算法采用Hessian矩阵和灰度质心法给出特征点的尺度和方向信息,并在此基础上,采用汉明距离对特征点进行匹配,并采用渐进式采样一致性算法进一步优化匹配结果;最后,对经过优化的特征点求解位姿矩阵,对其叠加虚拟信息以便增强真实世界特征。仿真实验结果表明:改进的Staple跟踪算法相比原始算法在目标跟踪的精确度上提高了5.6%,运算速度达到72.2帧/s。此外,所提算法在配电柜上的跟踪注册结果,进一步证实了该算法在实际场景中的有效性。展开更多
文摘针对装备体型较大、结构较为复杂,当发生遮挡时跟踪注册出现模型漂移、注册效率低的问题,提出一种基于特征互补算法和卡尔曼滤波融合的跟踪注册方法。首先,使用基于空间可靠性的二进制掩码增强模板像素级融合跟踪算法(sum of template and pixel-wise learners,Staple)的颜色特征中的目标信息,从而提高算法在复杂场景中的跟踪精度;其次,当目标跟踪失败时,在重新检测前使用卡尔曼滤波器预测当前帧中目标的位置;接着,提出一种改进的ORB(oriented FAST and rotated BRIEF)算法,该算法采用Hessian矩阵和灰度质心法给出特征点的尺度和方向信息,并在此基础上,采用汉明距离对特征点进行匹配,并采用渐进式采样一致性算法进一步优化匹配结果;最后,对经过优化的特征点求解位姿矩阵,对其叠加虚拟信息以便增强真实世界特征。仿真实验结果表明:改进的Staple跟踪算法相比原始算法在目标跟踪的精确度上提高了5.6%,运算速度达到72.2帧/s。此外,所提算法在配电柜上的跟踪注册结果,进一步证实了该算法在实际场景中的有效性。