[发明专利]面向增强现实辅助维修系统平面目标粒子滤波跟踪的状态观测方法

摘要

本发明涉及一种面向增强现实辅助维修系统平面目标粒子滤波跟踪的状态观测方法，包括：a、设定跟踪区域，作为目标参考模板，获取其m×1的纹理特征和灰度均值特征；b、采集当前帧场景视频，进入跟踪过程，包括粒子选择、状态转移、状态观测和状态估计等步骤。本发明通过观测似然函数来计算粒子权重均值，目标参考特征向量的更新则综合考虑初始目标参考特征向量以及前一帧所采用的目标参考特征向量和当前帧所采用的目标参考特征向量的影响因素，由此解决了目标遮挡后又重新出现后无法继续跟踪的问题，提高了增强现实辅助维修系统对平面目标跟踪的鲁棒性和实时性。

主权项

1.一种面向增强现实辅助维修系统平面目标粒子滤波跟踪的状态观测方法，其特征是，包括以下步骤：a、初始化：设定跟踪区域，作为目标参考模板，利用m×n的压缩感知随机测量矩阵获取其m×1的纹理特征和灰度均值特征，作为目标参考特征向量，随机采样N个粒子S＝{(sn,ωn)|n＝1,...,N}，其中，sn为第n个粒子的状态，ωn为第n个粒子的权重，初始化其权重ω＝1/N；b、采集当前帧场景视频，进入跟踪过程，包括：b‑1、粒子选择：对t‑1时刻的所有粒子按照归一化权重值从大到小进行排序，将位置靠前的粒子归一化权重值与N乘积的四舍五入整数值作为需要更新为当前权重的粒子数量，并将该权重值赋予这些粒子，依次遍历所有粒子直到得到N个新的粒子；b‑2、状态转移：选择系统状态转移方程为二阶自回归模型，根据t‑2时刻和t‑1时刻的粒子状态预测t时刻的粒子状态；b‑3、状态观测：根据t‑1时刻由纹理特征和灰度均值特征相似度分别计算得到粒子权重均值和t时刻的纹理特征和灰度均值特征相似度，再计算粒子所代表的候选目标区域与目标参考模板之间的观测似然函数，得出粒子的权重值；根据初始目标参考特征向量、t‑1时刻所采用的目标参考特征向量和t时刻所采用的目标参考特征向量更新t+1时刻的目标参考特征向量；b‑4、状态估计：选择权重值最大的粒子所代表的状态作为系统状态的最优估计，即为跟踪结果；b‑5、如果用户选择维修步骤完成，则退出；否则回到步骤b‑1，进入下一循环过程；上述步骤b‑3中的粒子权重值的计算方法包括以下步骤：b‑3‑1、利用m×n的压缩感知随机测量矩阵，分别获取待跟踪平面目标和候选跟踪区域m×1的纹理特征和灰度均值特征，以此作为候选目标特征向量，对m×1的目标参考特征向量与候选目标特征向量进行L2范数归一化，使得特征向量中的元素vi满足下列公式(1)：b‑3‑2、依据下列的公式(2)计算目标参考特征向量与候选目标特征向量中每个元素之差的绝对值是否在允许的阈值τ的范围内：其中，为目标参考特征向量的第i个元素，v_i为候选目标特征向量的第i个元素；b‑3‑3、依据下列的公式(3)统计f(i)＝1出现的比例，得到目标参考特征向量与候选目标特征向量的相似度为：b‑3‑4、由计算粒子代表的候选目标区域与目标参考模板之间的观测似然函数，依据下列的公式(4)计算得出粒子权重值：其中，为第k个粒子的候选目标纹理特征向量与参考模板纹理特征向量之间的相似度；为第k个粒子的候选目标灰度均值特征向量与参考模板灰度均值特征向量之间的相似度；为t时刻第k个粒子的权重值；为t‑1时刻根据纹理特征计算得到的所有粒子权重均值；为t‑1时刻根据灰度均值特征计算得到的所有粒子权重均值。