| 标题 | 基于Halcon的运动目标追踪研究 |
| 范文 | 郭壮+曹冬梅+童一飞 摘 要： 为达到对运动磁环快速准确的追踪，实现机械手实时分拣抓取，分析了运动目标检测算法，基于磁环运动建立卡尔曼滤波状态估计模型，对于连续采集图像序列利用卡尔曼滤波背景估计检测算法来确定感兴趣区域，经Halcon图像处理，实现对运动目标的实时监测追踪。仿真对比验证了卡尔曼滤波能避免背景、光照扰动问题，准确地估计背景提取前景，不会对运动物体出现漏检情况，系统可靠性高、适用性强，为运动物体实时追踪提供了理论依据。 关键词： 运动磁环； 卡尔曼滤波； 背景估计； Halcon； 追踪监测 中图分类号： TN911.73?34 文献标识码： A 文章编号： 1004?373X（2017）15?0014?03 Abstract： In order to track the moving magnet ring quickly and precisely， and realize the real?time sorting and scratching of manipulator， the moving object detection algorithm is analyzed. On the basis of the magnet ring motion， a state estimation model of Kalman filtering was established. The background estimation detection algorithm of Kalman filtering is used to determine the region of interest of the image sequence acquired continuously. The image sequence is performed with image processing based on Halcon to realize the real?time monitoring and tracking of the moving object. The simulation contrastive verification results show that the Kalman filtering can avoid the problems of background and illumination disturbances， estimate the background and extract the foreground precisely， won′t appear the situation of missed detection moving objects， and the system has high stability and strong applicability， which provides a theoretical basis for the real?time tracking of moving objects. Keywords： moving magnet ring； Kalman filtering； background estimation； Halcon； tracking and monitoring 0 引 言 运动目标的追踪是利用信号和信息处理技术，综合目标的前一状态估计信息和传感器提供的在线测量信息对目标运动状态估计的过程。广泛应用于机器人视觉导航、公共场所安全监控、智能交通监测、军事制导与反导等领域，因此，受到国内外学者的广泛关注，促使运动目标追踪算法不断发展与完善[1]。 经过50多年的发展，运动目标追踪技术从原来的单目标追踪、多目标追踪，发展到机动目标追踪及群目标追踪。目标追踪的难点在于模型的不确定性和量测数据的不确定性，对此，产生了大量的理论和技术，其中有非线性滤波理论、状态估计及融合理论、混杂系统建模及估计理论、基于随机矩阵的建模及估计理论等。早期的目标追踪算法大都是基于模型进行状态估计，卡尔曼滤波器的出现，使得基于状态空间的运动目标建模成为主要研究方向。新飞行器和新传感器等运动也赋予目标追踪难点以新的内涵，促使目标追踪理论不断发展、完善。 1 运动目标追踪原理 1.1 运动目标检测算法原理 本文研究视觉伺服机器人动态目标抓取系统中，机械手抓取传送带上的运动磁环，分析、处理采集到的视频图像，需要在一段序列图像中的每幅图像中实时地找到运动目标，从而对物体进行追踪定位。摄像机相对机械手的安装位置不同，使得运动目标追踪存在静态背景和动态背景两种情况[2]。 背景差分法是运动目标常用的检测算法，其主要原理是利用当前帧测得的图像减去上一时刻更新背景图像来检测运动物体的一种技术。卡尔曼滤波背景模型的建立是整个算法的核心，将当前测得的图像与背景模型做差，得到的像素差值与设定值比较，当像素差值大于设定值，则将此像素划为运动目标，否则划为背景[3]。 1.2 卡尔曼滤波状态估计模型 运动目标追踪算法主要有维纳滤波和卡尔曼滤波。维纳滤波要求被处理信号必须是稳定、一维的，是基于频域设计的方法，适用范围极其有限。卡尔曼滤波基于时域，是离散时间状态空间线性系统模型下的最小均方误差估计，是一种常用的递归滤波处理方法。利用前一时刻前景图像的估计值和当前时刻量测数据来估计当前前景信号，其优点是不需要过去全部的观测数据，在时域上通过状态方程以估计—实测—修正的递推方法进行估计，利用系统的测量值来消除随机干扰，重构系统状态向量，所得解以估计值的形式给出，恢复被污染系统的本来面目[4]。 本研究系统以运动磁环的坐标和速度建立运动推算關系[5]，因为磁环在传送带上匀速运动，所以运动轨迹关系式为： 用于估计离散时间过程的向前推算状态变量： 式中：表示时刻的系统预测状态变量，为一估计值；表示时刻系统状态变量；表示该系统状态转移矩阵，其值决定前景、背景增益大小；表示系统输入矩阵；随机信号表示观测噪声。本系统中，由一个四维向量构成，分别表示运动磁环在二维平面轴上的位置和速度。 向前推算误差协方差： 式中：为时刻的更新误差协方差矩阵；为单位矩阵。 矩阵根据运动物体轨迹推算关系确定，根据外部观测向量和状态向量之间的关系确定： 卡尔曼滤波运用反馈控制的方式达到对磁环运动的准确估计，主要包含时间更新方程和测量更新方程两个方面[6]，时间更新属于预测部分，测量更新属于修正部分，工作原理如图1所示。 2 运动目标追踪仿真 2.1 目标追踪关键算子 Halcon是MVtec公司推出的一款专用数字图像处理软件，是一个机器视觉算法包集合，内含1 000多个独立算子，以及自己独特的底层数据结构。HDevelop是Halcon高级交互式编译环境，软件可以支持导出VB，C，C#，C++等多种编程语言，进行混合编程并设计良好的用户界面，同时为多种图像采集卡和工业相机提供接口，节约了成本，缩短了开发周期[7]。内含专用运动目标追踪算子，见表1。 2.2 目标追踪仿真 对运动磁环检测及追踪流程如图2所示。其中，图像缩小为原来的一半，可提高计算速度，节省程序运行时间，保证监测追踪的实时性，与监控区域求交集时，要恢复图像原本大小；图像连通以后，通过面积特征选择目标区域。 创建和初始化背景估计模型时，卡尔曼系统矩阵参数Syspar1和Syspar2设置为0.7；AdaptMode设置为on，表示采用自适应卡尔曼增益方式打开；Gain1表示前景增益，Gain2表示背景增益，两者数量级要有明显区别，且都要小于1，分别设置为0.002和0.02；前景和背景的阈值MinDiff设置为7，加上估计值偏差，用于提取前景区域；根据前6帧该像素值的统计学评价对每个像素增加一个偏移量到阈值；分布将决定当背景被前景遮挡且判为前景时，背景的置信区间ConfidenceC设置为2.82，即98.0%；常数衰减时间TimerC表示用于检测背景与前景光照变化大时计算阈值所用的时间，这使得在前景中检测到磁环运动区域的阈值会增大，因此能承受的光照强度变化范围也比较大。图3为在Halcon平台上对运动磁环的追踪图。 本文研究系统中，利用卡尔曼滤波可以根据磁环时刻的运动状况和位置信息，预测时刻的运动状况和位置信息，综合时刻测量值，可以确定时刻磁环出现的范围，以此范围位置的中心圈定一个矩形，后续图像处理时只需要对矩形区域内的图像进行处理，不仅可以节省处理时间，并且可以降低磁环识别的错误率。 2.3 算法比较 相比于另一种目标在线追踪方法：模板匹配，它是在图像中寻找和模板图像相似的区域，在时刻寻找运动目标时，需要与时刻找到的目标进行对比，只有这样，运动磁环的变化才能及时的更新。主要有基于灰度值的模板匹配、基于边缘的模板匹配、基于形状的模板匹配。基于灰度值的模板匹配，通过计算当前测得图像与模板图像灰度值的相似度来实现，缺点是受光照影响比较大，抗干扰性不强；基于边缘的模板匹配由于要进行边缘提取，只适用于光照变化非常小的情况；基于形状的模板匹配需要建立模板，当检测目标更换时，需要重新定义模板，费时费力[8?9]。 卡尔曼滤波中参数TimerC使得在前景中检测到运动目标的区域阈值会提高，能承受很大的光照强度变化，且不需要定义模板，不会出现跟踪漂移，由于卡尔曼滤波缩小了检测区域，相比于对整幅图像进行模板匹配，计算处理时间减少，所以实时性比较强。 3 应用分析 本文研究系统主要应用在磁环生产线上，对磁环进行装箱。随着机器人技术和机器视觉的发展，越来越多的生产线开始使用机器视觉和机械手配合，代替传统的手工作业。工控机处理确定运动目标质心之后，通过摄像机标定、手眼标定，完成摄像机坐标、图像坐标、世界坐标之间的坐标转换关系，利用标定、转换结果可以计算出目标物体的空间位置[10]。本系统采用EPSON的LS3系列SCARA机器人，上位机和机器人控制器之间采用以太网通信方式，上位机将Halcon与VC++混合编程得到的运动目标坐标以字符串的形式发出，控制器通过预先编译的接收程序接收坐标，读取机器人当前位姿，计算机器人四轴需要运动到的位置，转换为各关节运动，使机械手到达期望位置。 4 结 语 本文针对工厂生产线上磁环装箱问题，提出了卡尔曼滤波的背景估计检测算法，能解决背景扰动问题，准确估计背景提取运动磁环位置，不会对磁环出现漏检情况，为运动物体追踪监测提供了理论依据。借助于专业视觉平台软件Halcon，可快速实现卡尔曼滤波算法的仿真优化，并能与Visual C++实现混合编程，开发出用户界面良好的运动磁环追踪系统实时监测软件。通过控制机械手运动，达到对运动磁环的实时、准确抓取，对于提高磁环装箱生产线效率具有重要意义。 参考文献 [1] 刘妹琴，兰剑.目标跟踪前沿理论与应用[M].北京：科学出版社，2015. [2] 徐德，谭民，李原.机器人视觉测量与控制[M].北京：国防工业出版社，2016. [3] 冯志新.卡尔曼滤波在主动悬架中的仿真应用[J].煤矿机械，2013，34（10）：68?69. [4] 刘松，侯力，张建权，等.基于卡尔曼滤波的液压伺服系统PID控制[J].煤矿机械，2011，32（2）：208?210. [5] 文韬，洪添胜，李立君，等.基于卡尔曼滤波的橘小实蝇成虫运动轨迹优化跟踪[J].农业工程学报，2014，30（15）：197?205. [6] 孙明.数字图像理解与智能技术[M].北京：电子工业出版社，2015. [7] 邱新华，谢云.卡尔曼滤波的安瓿针剂杂质检测算法研究[J].计算机仿真，2014，31（1）：220?223. [8] 陶鹏.基于视觉的机器人障碍物识别与目标追踪[D].南京：南京师范大学，2013. [9] 张正涛，徐德.基于智能摄像机的高速视觉系统机器目标跟踪算法研究[J].机器人，2009，31（3）：229?334. [10] 孙新领，谭志伟，杨观赐.双目立体视觉在人形机器人三維重建中的应用[J].现代电子技术，2016，39（8）：80?84. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。