针对在特定电力系统监控场景下的目标跟踪问题,提出了一种基于光流特征点的目标跟踪算法。首先,对Kanade-Lucas-Tomasi(KLT)跟踪算法提取到的特征点进行背景特征点滤除,分离出关键特征点;其次,利用Density Based Spatial Clustering of ...针对在特定电力系统监控场景下的目标跟踪问题,提出了一种基于光流特征点的目标跟踪算法。首先,对Kanade-Lucas-Tomasi(KLT)跟踪算法提取到的特征点进行背景特征点滤除,分离出关键特征点;其次,利用Density Based Spatial Clustering of Applications with Noise(DBSCAN)聚类方法对关键光流特征点进行聚类处理,区分出不同运动目标;最后,在KLT跟踪算法中引入Kalman滤波器对因遮挡导致的跟踪目标识别不全甚至目标丢失进行了优化。仿真实验结果表明:提出的算法能够在电力系统监控视频中实现对多目标的有效跟踪,并对跟踪目标遮挡情况有较高的鲁棒性。展开更多
目前智能清洁机器人的清洁覆盖率的测试主要采用单目视觉方法,针对其测量范围小、获取信息不完整、测量精度低等缺点,设计并实现了基于双目视觉特征跟踪算法的清洁机器人清洁性能测试系统。该系统采用摄像机、智能清洁机器人为硬件平台,...目前智能清洁机器人的清洁覆盖率的测试主要采用单目视觉方法,针对其测量范围小、获取信息不完整、测量精度低等缺点,设计并实现了基于双目视觉特征跟踪算法的清洁机器人清洁性能测试系统。该系统采用摄像机、智能清洁机器人为硬件平台,Ground Truth System为软件平台,运用SURF算法提取具有高鲁棒性的特征点,在后续帧中运用KLT匹配算法对特征点进行稳定跟踪,结合机器人运动路径和机器人参数实现了智能清洁机器人清洁覆盖率的测量。实验证明,该方法对智能清洁机器人的清洁覆盖率测量是快速有效的。展开更多
文摘针对在特定电力系统监控场景下的目标跟踪问题,提出了一种基于光流特征点的目标跟踪算法。首先,对Kanade-Lucas-Tomasi(KLT)跟踪算法提取到的特征点进行背景特征点滤除,分离出关键特征点;其次,利用Density Based Spatial Clustering of Applications with Noise(DBSCAN)聚类方法对关键光流特征点进行聚类处理,区分出不同运动目标;最后,在KLT跟踪算法中引入Kalman滤波器对因遮挡导致的跟踪目标识别不全甚至目标丢失进行了优化。仿真实验结果表明:提出的算法能够在电力系统监控视频中实现对多目标的有效跟踪,并对跟踪目标遮挡情况有较高的鲁棒性。
文摘目前智能清洁机器人的清洁覆盖率的测试主要采用单目视觉方法,针对其测量范围小、获取信息不完整、测量精度低等缺点,设计并实现了基于双目视觉特征跟踪算法的清洁机器人清洁性能测试系统。该系统采用摄像机、智能清洁机器人为硬件平台,Ground Truth System为软件平台,运用SURF算法提取具有高鲁棒性的特征点,在后续帧中运用KLT匹配算法对特征点进行稳定跟踪,结合机器人运动路径和机器人参数实现了智能清洁机器人清洁覆盖率的测量。实验证明,该方法对智能清洁机器人的清洁覆盖率测量是快速有效的。
