智能AGV车实时跟踪方法及跟踪系统技术方案

本发明专利技术提供一种智能AGV车实时跟踪方法及跟踪系统，采用改进的Camshift算法和改进的CSRT算法作为目标跟踪算法，在传统Camshift算法的基础上建立联合直方图，再引入滤波预测机制，算法运行速度快，且对目标形变等环境干扰具有一定的鲁棒性，改进的CSRT算法对于模型更新策略的调整可以避免相似背景的模型漂移问题，相关滤波的应用也可以排除光强变化的干扰，同时运行两种算法进行跟踪，利用算法可靠性评价响应状态，建立结果选择性更新机制获取目标位置。在一定程度上可以有效实现智能AGV车的实时跟踪需要。车的实时跟踪需要。车的实时跟踪需要。

【技术实现步骤摘要】
智能AGV车实时跟踪方法及跟踪系统


[0001]本专利技术涉及智能AGV车实时跟踪系统及构建方法
，特别涉及一种智能AGV车实时跟踪方法及跟踪系统。

技术介绍

[0002]人工智能技术在智能AGV车的应用领域中，核心技术就是感知与决策技术。其中，作为感知技术的核心，传感器是智能AGV车获取各种外部信号和刺激的感受器官，同时也是其传递信号至控制器进行决策的重要组成部分。随着计算机视觉技术的涌入，利用图像处理技术进行传感器的优化成为了新的潮流。但是由于在车载环境下，摄像头随着智能AGV车移动，因路况和车况引起的摄像头不稳定，以及场景内目标剧烈形变、遮挡物影响和光强变化等因素，导致传统的目标跟踪算法在一定程度上难以满足智能AGV车的实时跟踪需求。常用的帧差法对光照和颜色的变化比较敏感，同时难以对快速移动的物体进行实时的跟踪，粒子滤波法样本数量巨大，计算过于复杂，且不适合长时间跟踪。尽管深度学习的引入，提高了智能AGV车目标跟踪的准确性，但是由于计算量过大，模板更新过于频繁，导致计算速度下降，且易出现目标漂移的现象。

技术实现思路

[0003]本专利技术的目的是为了克服已有技术的缺陷，提出一种智能AGV车实时跟踪方法及跟踪系统，可以有效提高目标跟踪的实时性、准确性和稳定性，且具有良好的鲁棒性，能够很好的应用于智能AGV车实时跟踪的环境。
[0004]为实现上述目的，本专利技术采用以下具体技术方案：
[0005]本专利技术提供的智能AGV车实时跟踪系统，包括：
[0006]主摄像头，用于拍摄获得第一图像；
[0007]辅摄像头，用于拍摄获得第二图像；
[0008]测距模块，用于基于第一图像与第二图像采用双目空间测距算法进行测距，获得跟踪目标与智能AGV车之间的直线距离L；
[0009]滤波模块，用于采用高斯双边滤波算法对第一图像进行滤波处理；
[0010]色彩转换模块，用于采用Camshift算法对第一图像中的跟踪目标进行直方图特征提取，并对直方图特征进行HSV色彩转换，获得跟踪目标的色度、饱和度和透明度；
[0011]三维联合直方图跟踪模板建立模块，用于基于跟踪目标的色度，饱和度和透明度建立三维联合直方图跟踪模板；
[0012]三维联合直方图建立模块，用于采用自适应加权策略调整跟踪目标的色度、饱和度和透明度的权重值，建立自适应的三维联合直方图；
[0013]跟踪目标遇障判断模块，用于采用巴氏距离判断跟踪目标是否遇到障碍物；
[0014]算法融合模块，用于当巴氏距离大于预设阈值时，引入卡尔曼滤波算法，并与Camshift算法进行线性拟合获得观测值与预测值，作为第一结果；
[0015]目标特征跟踪模板建立模块，用于采用CSRT算法建立目标特征跟踪模板获得观测值与预测值，作为第二结果；其中，CSRT算法每隔m帧更新一次，m≥5；
[0016]判断器，用于接收第一结果和第二结果，并采用算法可靠性来评价响应状态，建立结果选择更新机制，进行结果输出；
[0017]转角计算模块，用于根据判断器的输出结果计算智能AGV车的转角；
[0018]智能AGV车车速计算模块，用于根据直线距离L计算智能AGV车的车速；
[0019]目标跟踪模块，用于根据智能AGV车的转角和车速对跟踪目标进行跟踪。
[0020]优选地，测距模块包括：
[0021]参数确定单元，用于确定双目空间测距算法中19个待学习的参数；
[0022]参数学习单元，用于采用BP神经网络算法对19个参数进行学习，确定19个参数的值。
[0023]优选地，三维联合直方图建立模块中的自适应加权策略为：
[0024]跟踪目标的色度A的权重值λ
A
＝1/3；
[0025]跟踪目标的透明度V的权重值其中，V
a
为跟踪目标的透明度V的平均值，α为透明度调整参数；
[0026]跟踪目标的饱和度S的权重值λ
S
＝1
‑
λ
A
‑
λ
V
。
[0027]优选地，跟踪目标遇障判断模块中的巴氏距离d(H1,H)的计算公式如下：
[0028][0029]其中，H1为第i帧观测到的第一图像的直方图，H为第i帧建立的三维联合直方图；N为H1或H的不同像素值的总数；
[0030]算法融合模块对卡尔曼滤波算法与Camshift算法进行线性拟合的公式如下：
[0031]x(t)＝βx(t|t
‑
1)+(1
‑
β)Y；
[0032]x(t)为目标在t时刻的预测位置；x(t|t
‑
1)为卡尔曼滤波算法的预测位置；Y为Camshift算法的预测位置；β为比例因子，β近似等于1
‑
d(H1,H)。
[0033]优选地，判断器采用的算法可靠性包括算法离中可靠性和算法稳定可靠性；
[0034]算法离中可靠性的权重计算公式为：
[0035][0036]其中，ω1为算法离中可靠性的权重，x
i
和y
i
为第i帧的图框的中心像素的横坐标与纵坐标，x0和y0为图像中值，x0＝w/2，y0＝h/2，w和h为每一帧图像的宽和高，S为离心可靠性阈值，n为当前帧数，n≥1；
[0037]算法稳定可靠性的权重计算公式为：
[0038][0039]其中，ω2为算法稳定可靠性的权重，x
n
为当前帧的图框的中心像素坐标的横坐标，x
n
‑1为前一帧的图框的中心像素坐标的横坐标，x
j
为第j帧的图框的中心像素坐标的横坐标，x
j+1
为第j+1帧的图框的中心像素坐标的横坐标；
[0040]第一结果的权重系数W1＝ω
11
+ω
12
，第二结果的权重系数W2＝ω
21
+ω
22
，ω
11
为第一结果离中可靠性的权重，ω
12
为第一结果稳定可靠性的权重；ω
21
为第二结果离中可靠性的权重，ω
22
为第二结果稳定可靠性的权重，则结果选择更新机制如下：
[0041]当0<n<13时，输出第二结果，当n>12时，比较W1和W2的数值大小，若W1>W2则输出第一结果的数据，若W1≤W2则输出第二结果；
[0042]转角计算模块计算智能AGV车的转角的公式为：
[0043]θ＝(x
‑
x0)*θ0/w；
[0044]其中，x为当前检测结果的中心横坐标，θ为智能AGV车的转角，θ0为主摄像头的最大视角范围。
[0045]本专利技术提供的利用上述智能AGV车实时跟踪系统实现的智能AGV车实时跟踪方法，包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能AGV车实时跟踪系统，其特征在于，包括：主摄像头，用于拍摄获得第一图像；辅摄像头，用于拍摄获得第二图像；测距模块，用于基于所述第一图像与所述第二图像采用双目空间测距算法进行测距，获得跟踪目标与智能AGV车之间的直线距离L；滤波模块，用于采用高斯双边滤波算法对所述第一图像进行滤波处理；色彩转换模块，用于采用Camshift算法对所述第一图像中的跟踪目标进行直方图特征提取，并对所述直方图特征进行HSV色彩转换，获得所述跟踪目标的色度、饱和度和透明度；三维联合直方图跟踪模板建立模块，用于基于所述跟踪目标的色度，饱和度和透明度建立三维联合直方图跟踪模板；三维联合直方图建立模块，用于采用自适应加权策略调整所述跟踪目标的色度、饱和度和透明度的权重值，建立自适应的三维联合直方图；跟踪目标遇障判断模块，用于采用巴氏距离判断所述跟踪目标是否遇到障碍物；算法融合模块，用于当所述巴氏距离大于预设阈值时，引入卡尔曼滤波算法，并与所述Camshift算法进行线性拟合获得观测值与预测值，作为第一结果；目标特征跟踪模板建立模块，用于采用CSRT算法建立目标特征跟踪模板获得观测值与预测值，作为第二结果；其中，所述CSRT算法每隔m帧更新一次，m≥5；判断器，用于接收所述第一结果和所述第二结果，并采用算法可靠性来评价响应状态，建立结果选择更新机制，进行结果输出；转角计算模块，用于根据所述判断器的输出结果计算所述智能AGV车的转角；智能AGV车车速计算模块，用于根据所述直线距离L计算所述智能AGV车的车速；目标跟踪模块，用于根据所述智能AGV车的转角和车速对所述跟踪目标进行跟踪。2.如权利要求1所述的智能AGV车实时跟踪系统，其特征在于，所述测距模块包括：参数确定单元，用于确定所述双目空间测距算法中19个待学习的参数；参数学习单元，用于采用BP神经网络算法对19个参数进行学习，确定19个参数的值。3.如权利要求1所述的智能AGV车实时跟踪系统，其特征在于，所述三维联合直方图建立模块中的自适应加权策略为：所述跟踪目标的色度A的权重值λ
A
＝1/3；所述跟踪目标的透明度V的权重值其中，V
a
为跟踪目标的透明度V的平均值，α为透明度调整参数；所述跟踪目标的饱和度S的权重值λ
S
＝1
‑
λ
A
‑
λ
V
。4.如权利要求1所述的智能AGV车实时跟踪系统，其特征在于，所述跟踪目标遇障判断模块中的巴氏距离d(H1,H)的计算公式如下：其中，H1为第i帧观测到的所述第一图像的直方图，H为第i帧建立的三维联合直方图；N为H1或H的像素值的总数；
所述算法融合模块对所述卡尔曼滤波算法与所述Camshift算法进行线性拟合的公式如下：x(t)＝βx(t|t
‑
1)+(1
‑
β)Y；x(t)为目标在t时刻的预测位置；x(t|t
‑
1)为所述卡尔曼滤波算法的预测位置；Y为所述Camshift算法的预测位置；β为比例因子，β近似等于1
‑
d(H1,H)。5.如权利要求1所述的智能AGV车实时跟踪系统，其特征在于，所述判断器采用的算法可靠性包括算法离中可靠性和算法稳定可靠性；所述算法离中可靠性的权重计算公式为：其中，ω1为所述算法离中可靠性的权重，x
i
和y
i
为第i帧的第一图像的中心像素的横坐标与纵坐标，x0和y0为图像中值，x0＝w/2，y0＝h/2，w和h为每一帧图像的宽和高，S为离心可靠性阈值，n为当前帧数，n≥1；所述算法稳定可靠性的权重计算公式为：其中，ω2为所述算法稳定可靠性的权重，x
n
为当前帧的图框的中心像素坐标的横坐标，x
n
‑1为前一帧的图框的中心像素坐标的横坐标，x
j
为第j帧的图框的中心像素坐标的横坐标，x
j+1
为第j+1帧的图框的中心像素坐标的横坐标；所述第一结果的权重系数W1＝ω
11
+ω1，所述第二结果的权重系数W2＝ω
21
+ω2，ω
11
为所述第一结果离中可靠性的权重，ω
12
为所述第一结果稳定可靠性的权重；ω
21
为所述第二结果离中可靠性的权重，ω
22
为所述第二结果稳定可靠性的权重，则所述结果选择更新机制如下：当0<n<13时，输出所述第二结果，当n>12时，比较W1和W2的数值大小，若W1>W2则输出所述第一结果的数据，若W1≤W2则输出所述第二结果；转角计算模块计算所述智能AGV车的转角的公式为...

【专利技术属性】
技术研发人员：赵添一郎，张博宇，董志圣，李朝健，
申请(专利权)人：浙江孔辉汽车科技有限公司，
类型：发明
国别省市：