[发明专利]一种适用于空间绳系机器人的实时空间目标特征点跟踪方法

权利要求书

1.一种适用于空间绳系机器人的实时空间目标特征点跟踪方法，其特征在于步骤如下：

步骤1：对视频第一帧图像I₁中待跟踪目标T用矩形区域标记，四个顶点分别表示为(x_ul,y_ul），(x_ur,y_ur），(x_dl,y_dl），(x_dr,y_dr）；应用SURF算法对矩形内待跟踪目标进行特征点提取，提取出的特征点簇表示为I_1,I_2,…_,I_n,，其坐标位置分别表示为(x₁,y₁),(x₂,y₂)，…,(x_n,y_n)，随后进行离散点消除；

所述离散点消除方法：对于I_1,I_2,…_,I_n中的每n-1个点计算其中的每个点到其几何中心(x_a,y_a)距离的平均值d_a；求取剩余一点(x_r,y_r)到(x_a,y_a)的距离d_r；并进行如下判断，如果d_l>R*d_a，则令(x_r,y_r)=(x_a,y_a)，否则不做处理；R为距离判定阈值；

步骤2：求取离散点消除后I_1,I_2,…_,I_n各点中x坐标最大和最小的两个x_max,x_min，然后求得各点中y坐标最大和最小的两个y_max,y_min；以(x_max,y_max),(x_max,y_min),(x_min,y_max)和(x_min,y_min)四点作为初始迭代轮廓点代入Greedy Snake算法，从而得到提取出的目标轮廓点簇C_1,C_2,…_,C_n；然后按照步骤1中的离散点消除方法对C_1,C_2,…_,C_n进行离散点消除，随后求取x，y坐标分别为最大、最小时的四个顶点，其形成的矩形R作为目标的精确模型；

步骤3：对进行过离散点消除后的C_1,C_2,…_,C_n，各点采用金字塔KLT特征点跟踪算法在后续帧中进行跟踪，获取新的特征点C_1n,C_2n，…_,C_nn；然后按照步骤1中的离散点消除方法对C_1,C_2,…_,C_n进行离散点消除，随后求取x，y坐标分别为最大、最小时的四个顶点，其形成的矩形R_n作为目标的下一个精确模型；跟踪过程中记录当前帧数F_num，每一帧都计算出R_n的面积R_a，中心点坐标(x_c，y_c)距离图像左上角(0,0)的欧氏距离d_c；

步骤4：对于采用金字塔KLT特征点跟踪算法的后续帧中进行自适应策略判断，如果不符合更新要求，则转入步骤1，如果更新生效则自动确定新的目标大致区域，转入步骤1；

所述自适应策略判断步骤如下：

步骤（1）：根据帧数计数器，判断当前帧帧数是否为10的倍数，若是则主动更新策略生效转至步骤（5）执行，若不满足则转至步骤（2）；

步骤（2）：计算每帧中跟踪目标在图像中的轮廓区域面积，若相邻帧之间由特征点簇计算出的目标区域面积变化达到15％，则被动更新策略生效转至步骤（5）执行，若不满足则转至步骤（3）；

步骤（3）：计算每帧中由特征点簇计算出的目标质心坐标与图像左上角（0,0）坐标之间的欧式距离，若相邻帧之间该距离变化达到10％，则被动更新策略生效转至步骤（5）执行，若不满足则转至步骤（4）；

步骤（4）：计算每帧中目标上特征点数目，若相邻帧之间该数目变化达到30％，则被动更新策略生效转至步骤（5）执行，若不满足则转至步骤3；

步骤（5）：以上一帧中精确定位后的目标轮廓为基准，求其上、下、左、右四点形成的矩形，并延该矩形每边中点向左右延伸直至各边长为原边长的1.5倍；获得面积为原矩形面积2.25倍后的新矩形区域，转至步骤1。

2.根据权利要求1所述适用于空间绳系机器人的实时空间目标特征点跟踪方法，其特征在于：所述R=2。