[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

摘要

本发明涉及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，主要由特征点提取算法、特征点匹配算法、消除离散点、精确定位和自适应策略五部分组成。本发明采用改进后的SURF算法提取的特征点更具鲁棒性、稳定性，使得特征点匹配精度高，目标定位精确度高；适用于多尺度图像序列中位置、姿态发生快速变化且结构简单目标的稳定跟踪；对多种挑战性情境具有鲁棒性，跟踪过程中具备短时抗遮挡能力；可实现对多个多类目标的实时检测、跟踪。本发明能适用于多尺度图像序列中位置、姿态发生快速变化、结构简单的空间目标实时鲁棒跟踪方法。

主权项

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(xul,yul），(xur,yur），(xdl,ydl），(xdr,ydr）；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I1,I2,…,In,，其坐标位置分别表示为(x1,y1),(x2,y2)，…,(xn,yn)，随后进行离散点消除；所述离散点消除方法：对于I1,I2,…,In中的每n‑1个点计算其中的每个点到其几何中心(xa,ya)距离的平均值da；求取剩余一点(xr,yr)到(xa,ya)的距离dr；并进行如下判断，如果dl>R*da，则令(xr,yr)=(xa,ya)，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I1,I2,…,In各点中x坐标最大和最小的两个xmax,xmin，然后求得各点中y坐标最大和最小的两个ymax,ymin；以(xmax,ymax),(xmax,ymin),(xmin,ymax)和(xmin,ymin)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C1,C2,…,Cn；然后按照步骤1中的离散点消除方法对C1,C2,…,Cn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C1,C2,…,Cn，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C1n,C2n，…,Cnn；然后按照步骤1中的离散点消除方法对C1,C2,…,Cn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Rn作为目标的下一个精确模型；跟踪过程中记录当前帧数Fnum，每一帧都计算出Rn的面积Ra，中心点坐标(xc，yc)距离图像左上角(0,0)的欧氏距离dc；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。