万方数据
万方数据
万方数据
万方数据
单目视觉定位方法研究综述
作者：李荣明， 芦利斌， 金国栋
作者单位：第二炮兵工程学院602教研室,西安,710025
刊名：
现代计算机：下半月版
英文刊名：Modem Computer
年，卷(期)：2011(11)
参考文献(29条)
1.R.Horaud;B.Conio;O.Leboullcux An Analytic Solution for the Perspective 4-Point Problem 1989(01)
2.任沁源基于视觉信息的微小型无人直升机地标识别与位姿估计研究 2008
3.徐筱龙;徐国华;陈俊水下机器人的单目视觉定位系统[期刊论文]-传感器与微系统 2010(07)
4.邹伟;喻俊志;徐德基于ARM处理器的单目视觉测距定位系统[期刊论文]-控制工程 2010(04)
5.胡占义;雷成;吴福朝关于P4P问题的一点讨论[期刊论文]-自动化学报 2001(06)
6.Abdel-Aziz Y;Karara H Direct Linear Transformation from Comparator to Object Space Coordinates in Close-Range Ph- togrammetry 1971
7.Fishier M A;Bolles R C Random Sample Consensus:A Paradigm for Model Fitting with Applications to Image Analy-s~s anu Automated tartograpny 1981(06)
8.祝世平;强锡富用于摄像机定位的单目视觉方法研究[期刊论文]-光学学报 2001(03)
9.沈慧杰基于单目视觉的摄像机定位方法的研究 2009
10.任沁源;李平;韩波基于视觉信息的微型无人直升机位姿估计[期刊论文]-浙江大学学报（工学版） 2009(01)
11.刘立基于多尺度特征的图像匹配与目标定位研究[学位论文] 2008
12.张治国基于单目视觉的定位系统研究[学位论文] 2009
13.张广军;周富强基于双圆特征的无人机着陆位置姿态视觉测量方法[期刊论文]-航空学报 2005(03)
14.Zen Chen;JenBin Huang A Vision-Based Method for theCircle Pose Determination with a Direct Geometric Interpre- tation[外文期刊] 1999(06)
15.Safaee-Rad;I.Tchoukanov;K.C.Smith Three-Dimension of Circular Features for Machine Vision 1992
16.S.D.Ma;S.H.Si;Z.Y.Chen Quadric Curve Based Stereo 1992
17.D.A.Forsyth;J.L.Munday;A.Zisserman Projective In- variant Representation Using Implicit Algebraic Curves 1991(02)
18.吴朝福;胡占义PNP问题的线性求解算法[期刊论文]-软件学报 2003(03)
19.降丽娟;胡玉兰;魏英姿一种基于平面四边形的视觉定位算法[期刊论文]-沈阳理工大学学报 2009(02)
20.Sun Fengmei;Wang Weining Pose Determination from a Single Image of a Single Parallelogram[期刊论文]-Acta Automatica Sinica 2006(05)
21.吴福朝;王光辉;胡占义由矩形确定摄像机内参数与位置的线性方法[期刊论文]-软件学报 2003(03)
22.王晓剑;潘顺良;邱力为基于双平行线特征的位姿估计解析算法[期刊论文]-仪器仪表学报 2008(03)
23.刘晓杰基于视觉的微小型四旋翼飞行器位姿估计研究与实现 2009
24.刘士清;胡春华;朱纪洪一种基于灭影线的无人直升机位姿估计方法[期刊论文]-计算机工程与应用 2004(9)
25.Mukundan R;Raghu Narayanan R V;Philip N K A Vision Based Attitude and Position Estimation Algorithm for Rendezvous and Docking 1994(02)
26.Y.Liu;T.S.Huang;O.D. Faugeras Determination of Camera Location from 2D to 3D Line and Point Correspondences 1990(01)
27.H.Chen Pose Determination from Line to Plane Correspon-dences:Existence Solution and Closed form Solutions 1993(06)
28.Dhome;M.Richeti;https://www.doczj.com/doc/988037847.html,prest Determination of the At- titude of 3D Objects from a Single Perspective View 1989(12)
29.周娜基于单目视觉的摄像机定位技术研究[学位论文] 2007
本文读者也读过(3条)
1.敬泽.薛方正.李祖枢.JING Ze.XUE Fang-zheng.LI Zu-shu基于单目视觉的空间目标位置测量[期刊论文]-传感器与微系统2011,30(3)
2.方宝富.潘启树.洪炳镕.钟秋波.王伟光.FANG Bao-fu.PAN Qi-shu.HONG Bing-rong.ZHONG Qiu-bo.WANG Wei-guang一种基于全维视觉与前向单目视觉的目标定位算法[期刊论文]-工程图学学报2011,32(3)
3.秦丽娟.胡玉兰.魏英姿.王红.周越基于模型的单目视觉定位方法研究概述[会议论文]-2009
本文链接：https://www.doczj.com/doc/988037847.html,/Periodical_xdjsj-xby201111003.aspx
第24卷 第12期2007年12月 公 路 交 通 科 技 Journal of Highway and Transportation Research and Development Vol .24 No .12 Dec .2007 文章编号:1002-0268(2007)12-0127-05 收稿日期:2006-08-01 基金项目:江苏省科技计划高技术研究项目(BG2005008) 作者简介:胡铟(1973-),男,江西南昌人,博士研究生,研究方向为计算机视觉、目标检测及跟踪.(huyinyx @https://www.doczj.com/doc/988037847.html, ) 基于单目视觉的路面车辆 检测及跟踪方法综述 胡 铟,杨静宇 (南京理工大学,江苏 南京 210094) 摘要:首先介绍了车辆检测算法的3种基本组成部分:检测、验证、跟踪,然后根据算法的组成重点介绍了车辆检测以及跟踪的几种主要算法。车辆检测算法包括基于特征的方法、基于光流场的方法和基于模型的方法,车辆跟踪算法包括基于区域相关的方法、基于活动轮廓的方法、基于特征的方法和MeanShift 快速跟踪算法。根据试验结果对各种车辆检测和跟踪方法的优点、缺点以及实际应用中不同情况下适用范围的局限性进行了综合分析。最后在结论部分总结展望了文中介绍的几种车辆检测和跟踪方法的应用前景,并提出了在实际应用时的一些建议和将来的主要研究和发展方向。 关键词:智能运输系统;车辆检测;单目视觉;跟踪中图分类号:TP391.4 文献标识码:A Vehicle D etection and Tracking Based on Monocular Vision HU Yin ,YANG Jing -yu (Nanjing Univers ity of Science &Technology ,Jian gsu Nanjing 210094,China ) Abstract :First ,the three component of the vehicle detection algorithm including detection , verification and tracking are discussed .Then ,the algorithm of detection and tracking are discussed with emphasis on composition .The vehicle detection algorithm includes feature based ,optical flow based and model based method .The vehicle tracking al gorithm includes region correlation based ,active contours based ,feature based and mean shift based method .The merit and disadvantage of these algorith ms is discussed accordin g to the result of experimentation .Finally ,some suggestions for future research and application are presented .Key words :Intelligent Transport Sy stems ;vehicle detection ;monocular vision ;trackin g 0 引言 近年来随着计算机视觉技术的发展,计算机视觉 在智能交通系统中得到了广泛的应用,如交通事件及流量的监测 [1] 、路面病害检测以及智能车辆的自动导 航等。作为智能交通系统的一个方面,智能车辆利用 检测和智能算法去理解车辆的即时环境,并且提示驾驶员部分或完全控制车辆的行驶。 智能车辆的应用领域可以分为: (1)为驾驶员提供建议或警告(碰撞报警)。(2)部分的控制车辆,可以是持续的驾驶辅助, 如行道线的维持,或者是紧急事件的干预,碰撞的紧急避免措施。 (3)完全的控制车辆(自动驾驶系统)。 在过去的几年中,为了研究改良安全性和防止事故的新技术,许多国家和国际间的项目开始启动。车辆事故的统计数据揭示出其他车辆是驾驶员面临的主要威胁。因此研究对驾驶员发出关于行驶环境和可能与其他车辆碰撞的警告辅助系统受到更多的关注。 利用光学传感器的车辆检测是一个极富挑战性的任务,具体说有如下需要解决的难点问题: (1)车型多样:各种形状,大小,颜色;
无线传感器网络定位技术分析 摘要 无线传感器网络具有成本低、监测精度高、容错性好、可远程监控、便于诊断与维护等众多优点，在环境监测、事故定位救援等领域有着广阔的应用前景，其根本任务是准确获取物理世界的有价值信息。无线传感器网络借助节点的时间与位置信息，实现传感器节点之间控制和传感数据高速率、低延迟的交换，以保证整个检测与控制系统的准确性与实时性．无线传感器网络面临计算、存储与网络资源等方面的限制，针对如何进行无线传感器网络中节点高效率、低能耗的定位以及覆盖等问题展开研究具有十分重要的意义。在目标监测与跟踪、基于位置信息的路由中，节点的位置信息也是不可缺少的。 关键词：传感器网络定位，实时性 第一章背景分析 无线传感器网络(Wireless Sensor Network，WSN)被誉为21世纪最有影响力的21项技术和改变世界的10大技术之一。传感器节点定位技术是无线传感器网络多数应用中的关键支撑技术之一。无线传感器网络技术在国民经济建设和军事领域有着非常重要的应用价值，如目标跟踪、入侵检测、灾难管理和战场侦察等。新技术在带来应用机会的同时，也带来新的研究问题。无论是在军事侦察或地理环境监测，还是交通路况监测或医疗卫生中对病人的跟踪等应用场合，很多获取的监测信息需要附带相应的位置信息，否则，这些数据就是不确切的，甚至有时候会失去采集的意义，因此网络中传感器节点自身位置信息的获取是大多数应用的基础。所谓定位是对一组未知位置坐标的网络节点，通过估计其至邻居节点的距离或邻居数目等手段，利用节点间交换的信息，确定节点位置的机制。从广义上讲，传感器网络的定位问题包括节点自身定位和对监控目标的定位。由于传感器网络的节点容量受限，包括有限的功耗、通信带宽、内存和计算能力，节点协作完成感知和通信任务，希望计算和通信量最小化，节点定位是传感器网络运行的一个基本和关键问题。 首先，传感器节点必须明确自身位置才能详细说明“在什么位置发什么了什么事件”。从而实现对外部目标的定位和跟踪；其次，了解传感器节点的位置分布状况可以对提高网络的路由效率提供帮助，从而实现网络的负载均衡以及网络拓扑的自动配置，改善整个网络的覆盖质量。因此，必须采取一定的机制或算法来实现无线传感器网络中各节点的定位。 第二章传统定位技术分析
机器人视觉物体定位方法 本次设计的题目是机器人视觉物体定位。伴随社会发展，机器人的利用越来越普及，出现了多种多样的智能机器人，由此也引发了对机器视觉的研究热潮。文章首先介绍了机器视觉的发展历程，并详细说明了各阶段的特点。接着概述了机器视觉技术的原理，深入剖析了主流视觉物体定位方法。然后介绍了机器人视觉物体定位方法常用的几种应用。最后介绍了几种新颖的视觉物体定位方法，并猜想机器人视觉物体定位技术未来发展方向。 关键词：机器视觉 SLAM技术单目视觉双目视觉多目视觉 第一章：绪论 1.1选题的背景及意义 在我国持续爆发的2019新型冠状病毒（即2019-nCoV）事件中,自动化食品仓储配送系统服务包括机器人、无人驾驶、无人机等再次成为讨论的焦点。配送机器人如何实现自动取货送货？无人驾驶汽车是怎么躲避行人？无人机巡航中怎么确定物体之间的距离？当我们谈到相关的话题时，机器视觉定位是无论如何也绕不开的问题。 自被誉为“机器人之父”的恩格尔伯格先生1959年发明第一台机器人以来，科学家一直把对机器人的研究作为研究的重点方向。传统的机器人缺乏环境感知能力和自动应变能力，仅仅只能在严格的预定义的环境中完成一些预定义和指令下的动作,应用非常有限局限。随着机器人逐渐走进人们的生产和生活中，人们也对机器人提出了更高的要求，希望实现在生产加工中对物体的自动加工、对自身运动轨迹实时的随动检测，节省对其运动轨迹的预先编程，提高生产效率。要达到这些要求，必须同时满足图像信息的获取、采集、处理和输出，这就是本文的研究重点：机器人视觉物体定位方法。
机器人视觉物体定位系统的设计和研发是为了更好地为工业机器人服务，它的本质是发挥摄像机定位以及跟踪性功能，很多企业在自身生产环节依赖于机器人，生产效率明显得到改善。然而很多的机器人是半自动的工作模式，只有在人工操控的指引下才能完成工作任务，这样的机器人实用性很差，无法彻底解放人工，实现自动化操作。为了提高机器人接收外界信息、感知外界信息的能力，进一步提高机器人的工作效率，保障工业生产的精度和质量，在以往的机器人系统中新增全新的计算机图像视觉获取系统,通过视觉图像获取系统中所捕捉的图像和外界信息,对捕捉的图像信息进行处理和分析识别，继而让机器人能够识别外界信息，然后再全面分析图像的基础上完成后续的重建和精准化计算，通过一系列的重建以及精准化的计算全面应用机器人控制柜通讯等等设备，掌控全面的工作，实现机器人对外界信息的跟踪和定位。 1.2国内外研究现状 国外研究现状 国外最先开始视觉物体定位技术的研究，应用领域也相对广泛，并且占据绝对的技术优势，其主要涉及机器人移动导航、三维立体测量、虚拟现实VR技术等。 20世纪60年代,美国mit的robert研究人员提出三维景物分析,标志着立体视觉和影像技术的结合点而诞生。立体视觉在此后20年的时间迅速地发展成为一门新的影像技术学科。到70年代时,以marr为主要代表的一批视觉物体定位方法研究学者已经整理和发展出了一整套关于视觉计算的理论基础。到80 年代后，大量利用空间几何研究双目立体视觉的学者提出了一系列理论与实际成果。 卡内基梅隆大学的Tomasi 和Kanade 等人对立体视觉的研究建立在摄像机为正交投影模型的假设下，分解出了三维结构和相机运行，成功研究出了基于图像的三维重建技术。但是，这项技术存在明显的缺点，由于假设相机为正交投影模型，而这个假设仅仅在物体深度远远大于物体尺寸时才是合理假设。美国
室内定位常用算法概述 一.室内定位目的和意义 随着数据业务和多媒体业务的快速增加，人们对定位与导航的需求日益增大，尤其在复杂的室内环境，如机场大厅、展厅、仓库、超市、图书馆、地下停车场、矿井等环境中，常常需要确定移动终端或其持有者、设施与物品在室内的位置信息。但是受定位时间、定位精度以及复杂室内环境等条件的限制，比较完善的定位技术目前还无法很好地利用。因此，专家学者提出了许多室内定位技术解决方案，如A-GPS定位技术、超声波定位技术、蓝牙技术、红外线技术、射频识别技术、超宽带技术、无线局域网络、光跟踪定位技术，以及图像分析、信标定位、计算机视觉定位技术等等。这些室内定位技术从总体上可归纳为几类，即GNSS 技术(如伪卫星等)，无线定位技术(无线通信信号、射频无线标签、超声波、光跟踪、无线传感器定位技术等)，其它定位技术(计算机视觉、航位推算等)，以及GNSS和无线定位组合的定位技术(A-GPS或A-GNSS)。 由于在室内环境下对于不同的建筑物而言，室内布置，材料结构，建筑物尺度的不同导致了信号的路径损耗很大，与此同时，建筑物的内在结构会引起信号的反射，绕射，折射和散射，形成多径现象，使得接收信号的幅度，相位和到达时间发生变化，造成信号的损失，定位的难度大。虽然室内定位是定位技术的一种，和室外的无线定位技术相比有一定的共性，但是室内环境的复杂性和对定位精度和安全性的特殊要求，使得室内无线定位技术有着不同于普通定位系统的鲜明特点，而且这些特点是户外定位技术所不具备的。因此，两者区域的标识和划分标准是不同的。基于室内定位的诸多特点，室内定位技术和定位算法已成为各国科技工作者研究的热点。如何提高定位精度仍将是今后研究的重点。 二. 室内定位技术的国内外发展趋势 室内GPS定位技术 GPS是目前应用最为广泛的定位技术。当GPS接收机在室内工作时，由于信号受建筑物的影响而大大衰减，定位精度也很低，要想达到室外一样直接从卫星广播中提取导航数据和时
一、机器视觉与图像采集的研究的意义 “作为一项关键性的自动化技术，机器视觉在发展中国家中对经济的现代化非常重要。为了在世界市场中进行竞争，发展中经济不能无限期的依赖于廉价劳动力。“AIA市场分析员Kellett说。同样地，现代化必须实现高效率、高生产率以及高质量。这也是机器视觉的作用所在，”对机器视觉长期需求这样的趋势是发展中国家实现经济现代化的基础。因此，机器视觉对于世界经济的发展将越来越重要。” 二、机器视觉与图像采集的研究的现状 国外机器视觉发展的起点难以准确考证，其大致的发展历程是：在机器视觉发展的历程中，有3个明显的标志点，一是机器视觉最先的应用来自“机器人”的研制，也就是说，机器视觉首先是在机器人的研究中发展起来的；二是20世纪70年代CCD图像传感器的出现，CCD摄像机替代硅靶摄像是机器视觉发展历程中的一个重要转折点；三是20世纪80年代CPU、DSP等图像处理硬件技术的飞速进步，为机器视觉飞速发展提供了基础条件。 国内机器视觉发展的大致历程：中国正在成为世界机器视觉发展最活跃的地区之一，其中最主要的原因是中国已经成为全球的加工中心，许许多多先进生产线己经或正在迁移至中国，伴随这些先进生产线的迁移，许多具有国际先进水平的机器视觉系统也进入中国。对这些机器视觉系统的维护和提升而产生的市场需求也将国际机器视觉企业吸引而至，国内的机器视觉企业在与国际机器视觉企业的学习与竞争中不断成长。 三、机器视觉与图像采集技术在各个领域的应用 视觉技术的最大优点是与被观测对象无接触,因此,对观测与被观测者都不会产生任何损伤,十分安全可靠,这是其它感觉方式无法比拟的. 理论上,人眼观察不到的范围机器视觉也可以观察,例如红外线、微波、超声波等,而机器视觉则可以利用这方面的传感器件形成红外线、微波、超声波等图像. 另外,人无法长时间地观察对象,机器视觉则无时间限制,而且具有很高的分辨精度和速度. 所以,机器视觉应用领域十分广泛,可分为工业、科学研究、军事和民用4 大领域. 3. 1 工业领域 工业领域是机器视觉应用中比重最大的领域,按照功能又可以分成4 类:产品质量检测、产品分类、产品包装、机器人定位. 其应用行业包括印刷包装、汽车工业、半导体材料/ 元器件/ 连接器生产、药品/ 食品生产、烟草行业、纺织行业等.下面以纺织行业为例具体阐述机器视觉在工业领域的应用[9 ] .在纺织企业中,视觉检测是工业应用中质量控制的主要组成部分,用机器视觉代替人的视觉可以克服人工检测所造成的各种误差,大大提高检测精度和效率. 正是由于视觉系统的高效率和非接触性,机器视觉在纺织检测中的应用越来越广泛[10 - 12 ] ,在许多方面已取得了成效.机器视觉可用于检测与纺织材料表面有关的性能指标见表4. 目前主要的研究内容可分为3 大类: 纤维、纱线、织物. 由于织物疵点检测(在线检测) 需要很高的计算速度,因此,设备费用比较昂贵. 目前国内在线检测的应用比较少,主要应用是离线检主要的检测有纺织布料识别与质量评定、织物表面绒毛鉴定、织物的反射特性、合成纱线横截面分析、纱线结构分析等. 此外还可用于织物组织设计、花型纹板、棉粒检测、分析纱线表面摩擦。 3. 2 民用领域 机器视觉技术可用在智能交通、安全防范、文字识别、身份验证、医疗设备等方面. 在医学领域,机器视觉用于辅助医生进行医学影像的分析,主要利用数字图像处理技术、信息融合技术对x 射线透视图、核磁共振图像、CT 图像进行适当叠加,然后进行综合分析,以及对其它医学影像数据进行统计和分析。 3. 3 科学研究领域 在科学研究领域可以利用机器视觉进行材料分析、生物分析、化学分析和生命科学,如
机器视觉技术应用--视觉定位系统 （编辑：李军单位：无锡创视新科技有限公司） 当前，工业产品种类繁多，在工业产品的生产过程中，都可能涉及到自动定位。如自动化生产线中要求对各零件快速、准确的安装到位。但目前还有部分加工厂还都采用传统的人工定位方法，此方法存在以下缺点： （1）长时间定位单一产品，检测工人眼睛容易疲劳，并且容易受情绪的影响，定位结果难以保证； （2）每个工人对同种被定位准确性的判断标准有轻微的浮动，定位标准不一致，因此很难保证高质量的产品； （3）人工定位的速度相对很慢，定位准确一个产品就需要很长时间，人工定位无法满足高速生产线的在线定位需求。 随着科技的发展，市场及用户对产品的精密程度和质量的要求越来越高，传统的定位方法已经不能满足用户的需求，因此，行业便相继引进机器视觉技术。 机器视觉就是用机器代替人眼来做测量和判断，通过机器视觉产品（即图像摄取装置，分 CMOS 和CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 机器视觉技术具备定位功能，能够自动判断物体的位置，并将位置信息通过一定的通讯协议输出。此功能多用于全自动装配和生产，譬如自动组装、自动焊接、自动包装、自动灌装、自动喷涂，多配合自动执行机构（机械手、焊枪、喷嘴等）。 基于机器视觉的视觉定位技术得到了广大加工厂商的普遍关注，全自动视觉定位方法不但克服了传统人工定位方法的缺点，同时也发挥了自己快速准确的优点：（1）定位精度高，定位结果可靠、稳定； （2）定位速度快，并且可以长时间工作，可以达到24小时全天运行。 在视觉定位检测系统中，能够准确识别产品的方向和位置是系统的核心。定位检测可分为两个步骤，一是制作标准模板，二是搜索。视觉定位系统采用先进的图像视觉检测技术，实现对高速运动的工业产品进行实时全面的视觉定位分析。当系统配备一台高性能彩
万方数据
万方数据
万方数据
万方数据
单目视觉定位方法研究综述 作者：李荣明， 芦利斌， 金国栋 作者单位：第二炮兵工程学院602教研室,西安,710025 刊名： 现代计算机：下半月版 英文刊名：Modem Computer 年，卷(期)：2011(11) 参考文献(29条) 1.R.Horaud;B.Conio;O.Leboullcux An Analytic Solution for the Perspective 4-Point Problem 1989(01) 2.任沁源基于视觉信息的微小型无人直升机地标识别与位姿估计研究 2008 3.徐筱龙;徐国华;陈俊水下机器人的单目视觉定位系统[期刊论文]-传感器与微系统 2010(07) 4.邹伟;喻俊志;徐德基于ARM处理器的单目视觉测距定位系统[期刊论文]-控制工程 2010(04) 5.胡占义;雷成;吴福朝关于P4P问题的一点讨论[期刊论文]-自动化学报 2001(06) 6.Abdel-Aziz Y;Karara H Direct Linear Transformation from Comparator to Object Space Coordinates in Close-Range Ph- togrammetry 1971 7.Fishier M A;Bolles R C Random Sample Consensus:A Paradigm for Model Fitting with Applications to Image Analy-s~s anu Automated tartograpny 1981(06) 8.祝世平;强锡富用于摄像机定位的单目视觉方法研究[期刊论文]-光学学报 2001(03) 9.沈慧杰基于单目视觉的摄像机定位方法的研究 2009 10.任沁源;李平;韩波基于视觉信息的微型无人直升机位姿估计[期刊论文]-浙江大学学报（工学版） 2009(01) 11.刘立基于多尺度特征的图像匹配与目标定位研究[学位论文] 2008 12.张治国基于单目视觉的定位系统研究[学位论文] 2009 13.张广军;周富强基于双圆特征的无人机着陆位置姿态视觉测量方法[期刊论文]-航空学报 2005(03) 14.Zen Chen;JenBin Huang A Vision-Based Method for theCircle Pose Determination with a Direct Geometric Interpre- tation[外文期刊] 1999(06) 15.Safaee-Rad;I.Tchoukanov;K.C.Smith Three-Dimension of Circular Features for Machine Vision 1992 16.S.D.Ma;S.H.Si;Z.Y.Chen Quadric Curve Based Stereo 1992 17.D.A.Forsyth;J.L.Munday;A.Zisserman Projective In- variant Representation Using Implicit Algebraic Curves 1991(02) 18.吴朝福;胡占义PNP问题的线性求解算法[期刊论文]-软件学报 2003(03) 19.降丽娟;胡玉兰;魏英姿一种基于平面四边形的视觉定位算法[期刊论文]-沈阳理工大学学报 2009(02) 20.Sun Fengmei;Wang Weining Pose Determination from a Single Image of a Single Parallelogram[期刊论文]-Acta Automatica Sinica 2006(05) 21.吴福朝;王光辉;胡占义由矩形确定摄像机内参数与位置的线性方法[期刊论文]-软件学报 2003(03) 22.王晓剑;潘顺良;邱力为基于双平行线特征的位姿估计解析算法[期刊论文]-仪器仪表学报 2008(03) 23.刘晓杰基于视觉的微小型四旋翼飞行器位姿估计研究与实现 2009 24.刘士清;胡春华;朱纪洪一种基于灭影线的无人直升机位姿估计方法[期刊论文]-计算机工程与应用 2004(9) 25.Mukundan R;Raghu Narayanan R V;Philip N K A Vision Based Attitude and Position Estimation Algorithm for Rendezvous and Docking 1994(02)
室内定位技术方案综述及应用前景展望分析研究报告
现代人智能手机里的GPS导航地图愈发不可缺少，但仅仅支持室外定位，当你进到室内，由于导航信号衰减太快，卫星定位根本无法使用。就算使用了现在的AGPS 辅助全球卫星定位系统，国内最热的两款热门地图如百度地图和高德地图的定位缺点依然很明显，精度只能够达到民用的10m级别，而且在AP地址位置发生变化时也容易出错。而我们下面要说的室内定位技术对精度的要求更高，需要米级1m的定位精度，并能够判断楼层，我们用什么技术可以实现呢？ 传统GPS工作原理图
AGPS辅助定位工作原理 室内定位技术的应用前景 室内定位技术在定位搜救、公共安全、商业等方面有非常良好的应用前景，我们可以想象一些比较常见的应用场景：比如在大型商场里面借助室内导航快速找到出口、电梯；家长用来跟踪小孩的位置避免小孩在超市中走丢；房屋根据你的位置打开或关闭电灯；重要的随身物品丢了，当自己走出几米远时手机就发出提醒；商店根据用户的具体位置向用户推送更多关于商品的介绍等等。这种技术已经吸引了一波国内外创新的高潮，各种基于此技术的应用将出现在我们的面前，其规模和影响绝不会亚于GPS。这一切都标志着发展室内定位技术有着广阔的应用前景。 室内定位技术工作原理 全球行业内大咖们的解决方案 如今谷歌、微软、苹果、XX等在内的一些科技巨头，还有一些世界有名的大学都在研究室内定位技术，首先来看看科技巨头公司和各大学的室内定位技术解决方案： ①谷歌方案
谷歌手机地图6.0版的时候已经在一些地区加入了室内导航功能，此方案主要依靠GPS（室内一般也能搜索到2～3颗卫星）、WiFi信号、手机基站以及根据一些“盲点”，如室内无GPS、Wi-Fi或基站信号的地方的具体位置完成室内的定位。目前此方案的精度还不是很满意，所以谷歌后来又发布了一个叫“GoogleMapsFloorPlanMarker”的手机应用，号召用户按照一定的步骤来提高室内导航的精度。 谷歌一直在努力解决两个问题：获取更多的建筑平面图；提高室内导航的精度。建筑平面图是室内导航的基础，就如同GPS车用导航需要电子导航地图一样。谷歌目前想通过“众包”的方式解决数据源的问题，就是鼓励用户上传建筑平面图。另外，用户在使用谷歌的室内导航时，谷歌会收集一些GPS、Wi-Fi、基站等信息，通过服务器进行处理分析之后为用户提供更准确的定位服务。 谷歌6.0地图室内和室外导航对比图
基于RSSI的室内定位算法研究 摘要:近年来，随着无线网络的迅速发展，室内定位技术在诸多领域中得到了广泛应用，成为重要的研究对象之一。室内定位技术的核心要素是定位算法。优秀的定位算法，可以有效地降低无线信道的影响，并利用较少的网络资源获取较高的定位精度。论文在研究了基于RSSI测距的无线定位算法后，重点研究了基于泰勒级数展开的RSSI测距定位算法，针对传统算法的缺点提出了改进方案。 关键词：室内定位 RSSI 泰勒级数 1.引言 现代社会，基于信息技术的发展，导航、定位等信息在人们纷繁庞杂的信息要求中，占据了越来越大的比重。比如航海、军事、智能公交、煤矿等领域均要求室外或者室内导航定位技术。进入二十一世纪以来，由于传统局域网己经不能满足人们的需求，加上无线网络的组网成本大幅下降，无线网络呈现出蓬勃发展的趋势，而人们在使用的同时也越来越不满足于现状，开始对其有了更多更深层次的要求。 目前,世界上正在运行的卫星导航定位系统主要是美国的全球定位系统(Global Positioning System GPS) ，但GPS这种定位方法是在室外使用得较多的定位方法，它不适用于室内。针对GPS的室内定位精确度偏低、成本较高等缺点，具备低成本、较高定位精度的诸多室内定位技术便应运而生，并在诸多领域正越来越发挥着重要的作用。例如:煤矿企业要实现对井下作业人员的实时跟踪与定位、方便企业对员工的管理与调度，要用到室内定位技术，营救被困人员，室内定位技术可以提供被困人员位置信息，为营救节省大量的时间;在超市等购物中心，室内定位技术可以实现对商品定位、消费者定位、广告发布、地图导航等功能。所以若能实现低成本且高精度的室内定位系统，具有非常重要的现实意义。 未来的发展趋势是室内定位技术与卫星导航技术和通信技术有机结合，发挥各项技术自身的优点，不仅可以提供较高的定位精度和响应速度，还可以覆盖较广的范围，真正实现无缝的、精确的定位。 2 室内定位方法简介 所谓室内定位技术是指在室内环境下确定某一时刻接收终端在某种参考系中的位置。在室内环境下，大多采用无线局域网来估计接收终端的位置。一般典型的无线局域网架构中接入点（AP,Acess Point）类似于无线通信网络中的基站，大部分无线局域网都使用RF（Radio Frequency）射频信号来进行通信，因为无线电波可穿越大部分的室内墙壁或其它障碍物，已提供更大的覆盖范围。常见的室内定位方法有： (1) ZigBee定位技术ZigBee是一种新兴的短距离、低速率、低功耗、低成本及网络扩展性强的无线网络技术，它的信号传播距离介于射频识别和蓝牙之间，工作频段有三个——2.4GHz (ISM国际免费频段)和858/91 SMHz，除了可以应用于室内定位，还可以应用于智能
1引言 目标跟踪可分为主动跟踪和被动跟踪。视频目标跟踪属于被动跟踪。与无线电跟踪测量相比，视频目标跟踪测量具有精度高、隐蔽性好和直观性强的优点。这些优点使得视频目标跟踪测量在靶场光电测量、天文观测设备、武器控制系统、激光通信系统、交通监控、场景分析、人群分析、行人计数、步态识别、动作识别等领域得到了广泛的应用[1-2]。 根据被跟踪目标信息使用情况的不同，可将视觉跟踪算法分为基于对比度分析的目标跟踪、基于匹配的目标跟踪和基于运动检测的目标跟踪。基于对比度分析的跟踪算法主要利用目标和背景的对比度差异，实现目标的检测和跟踪。基于匹配的跟踪主要通过前后帧之间的特征匹配实现目标的定位。基于运动检测的跟踪主要根据目标运动和背景运动之间的差异实现目标的检测和跟踪。前两类方法都是对单帧图像进行处理，基于匹配的跟踪方法需要在帧与帧之间传递目标信息，对比度跟踪不需要在帧与帧之间传递目标信息。基于运动检测的跟踪需要对多帧图像进行处理。除此之外，还有一些算法不易归类到以上3类，如工程中的弹转机跟踪算法、多目标跟踪算法或其他一些综合算法。2基于对比度分析的目标跟踪算法基于对比度分析的目标跟踪算法利用目标与背景在对比度上的差异来提取、识别和跟踪目标。这类算法按照跟踪参考点的不同可以分为边缘跟踪、形心跟踪和质心跟踪等。这类算法不适合复杂背景中的目标跟踪，但在空中背景下的目标跟踪中非常有效。边缘跟踪的优点是脱靶量计算简单、响应快，在某些场合（如要求跟踪目标的左上角或右下角等）有其独到之处。缺点是跟踪点易受干扰，跟踪随机误差大。重心跟踪算法计算简便，精度较高，但容易受到目标的剧烈运动或目标被遮挡的影响。重心的计算不需要清楚的轮廓，在均匀背景下可以对整个跟踪窗口进行计算，不影响测量精度。重心跟踪特别适合背景均匀、对比度小的弱小目标跟踪等一些特殊场合。图像二值化之后，按重心公式计算出的是目标图像的形心。一般来说形心与重心略有差别[1-2]。 3基于匹配的目标跟踪算法 3.1特征匹配 特征是目标可区别与其他事物的属性，具有可区分性、可靠性、独立性和稀疏性。基于匹配的目标跟踪算法需要提取目标的特征，并在每一帧中寻找该特征。寻找的 文章编号：1002－8692（2010）12-0135-04 视频目标跟踪算法综述* 蔡荣太1，吴元昊2，王明佳2，吴庆祥1 （1.福建师范大学物理与光电信息科技学院，福建福州350108； 2.中国科学院长春光学精密机械与物理研究所，吉林长春130033） 【摘要】介绍了视频目标跟踪算法及其研究进展，包括基于对比度分析的目标跟踪算法、基于匹配的目标跟踪算法和基于运动检测的目标跟踪算法。重点分析了目标跟踪中特征匹配、贝叶斯滤波、概率图模型和核方法的主要内容及最新进展。此外，还介绍了多特征跟踪、利用上下文信息的目标跟踪和多目标跟踪算法及其进展。 【关键词】目标跟踪；特征匹配；贝叶斯滤波；概率图模型；均值漂移；粒子滤波 【中图分类号】TP391.41；TN911.73【文献标识码】A Survey of Visual Object Tracking Algorithms CAI Rong-tai1,WU Yuan-hao2,WANG Ming-jia2,WU Qing-xiang1 （1.School of Physics,Optics,Electronic Science and Technology,Fujian Normal University,Fuzhou350108,China; 2.Changchun Institute of Optics,Fine Mechanics and Physics,Chinese Academy of Science,Changchun130033,China）【Abstract】The field of visual object tracking algorithms are introduced,including visual tracking based on contrast analysis,visual tracking based on feature matching and visual tracking based on moving detection.Feature matching,Bayesian filtering,probabilistic graphical models,kernel tracking and their recent developments are analyzed.The development of multiple cues based tracking,contexts based tracking and multi-target tracking are also discussed． 【Key words】visual tracking;feature matching;Bayesian filtering;probabilistic graphical models;mean shift;particle filter ·论文·*国家“863”计划项目（2006AA703405F）；福建省自然科学基金项目（2009J05141）；福建省教育厅科技计划项目（JA09040）
无线定位算法综述 一无线传感网络与节点定位 1. 无线传感网络中的关键技术 无线传感器网络作为当今信息领域新的究热点，涉及多学科交叉的研究领域，涉及到非常多的关键技，主要包括：拓扑控制；网络协议；网络安全；时间同步；定位技术；数据融合；嵌入式操作系统；无线通信技术；跨层设计和应用层设计。2. 无线传感器网络节点定位机制 无线传感器网络节点定位问题可表述为：依靠有限的位置己知节点即信标节点(锚节点)，确定布设区中其它未知节点的位置，在传感器节点间建立起一定的空间关系的过程。无线定位机制一般由以下三个步骤组成： 第一步，对无线电信号的一个或几个电参量(振幅、频率、相位、传播时间) 进行测量，根据电波的传播特性把测量的电参量转换为距离、距离差及到达角度等，用来表示位置关系； 第二步，运用各种算法或技术来实现位置估计； 第三步，对估计值进行优化。 3. 节点间距离或角度的测量 在无线传感器网络中，节点间距离或角度的测量技术常用的有RSSI、TOA、TDOA和AOA等。 4. 计算节点位置的基本方法 (1) 三边测量法
(2) 三角测量法； (3) 极大似然估计法。 5. 无线传感器网络定位算法的性能评价
几个常用的评价标准：定位精度；规模；锚节点密度；节点密度；覆盖率；容错性和自适应性；功耗；代价。 6. 无线传感器网络定位技术分类 （1）物理定位与符号定位； （2）绝对定位与相对定位； （3）紧密耦合与松散耦合； （4）集中式计算与分布式计算； （5）基于测距技术的定位和无须测距技术的定位； （6）粗粒度与细粒度； （7）三角测量、场景分析和接近度定位。 二典型的自身定位系统与算法 到目前为止，WSN 自身定位系统和算法的研究大致经过了两个阶段。第1 阶段主要偏重于紧密耦合型和基于基础设施的定位系统。对于松散耦合型和无须基础设施的定位技术的关注和研究可以认为是自身定位系统和算法研究的第2 阶段。 1. Cricket定位系统 未知节点使用TDOA技术测量其与锚节点的距离，使用三边测量法提供物理定位。 2. RADAR系统 建立信号强度数据库，通过无线网络查询数据库，选择可能性最大的位置定位自身。 在三边测量定位方式下，未知节点根据RSSI计算与多个基站的距离，然后使用三边测量法定位， 3. AHLos系统 AHLos算法中定义了3 种定位方式——原子式、协作式和重复式最大似然估计定位(atom,collaborative和iterative multilateration)。
室内定位几种算法概述 一.室内定位目的和意义 随着数据业务和多媒体业务的快速增加，人们对定位与导航的需求日益增大，尤其在复杂的室内环境，如机场大厅、展厅、仓库、超市、图书馆、地下停车场、矿井等环境中，常常需要确定移动终端或其持有者、设施与物品在室内的位置信息。但是受定位时间、定位精度以及复杂室内环境等条件的限制，比较完善的定位技术目前还无法很好地利用。因此，专家学者提出了许多室内定位技术解决方案，如A-GPS定位技术、超声波定位技术、蓝牙技术、红外线技术、射频识别技术、超宽带技术、无线局域网络、光跟踪定位技术，以及图像分析、信标定位、计算机视觉定位技术等等。这些室内定位技术从总体上可归纳为几类，即GNSS技术(如伪卫星等)，无线定位技术(无线通信信号、射频无线标签、超声波、光跟踪、无线传感器定位技术等)，其它定位技术(计算机视觉、航位推算等)，以及GNSS 和无线定位组合的定位技术(A-GPS或A-GNSS)。 由于在室内环境下对于不同的建筑物而言，室内布置，材料结构，建筑物尺度的不同导致了信号的路径损耗很大，与此同时，建筑物的内在结构会引起信号的反射，绕射，折射和散射，形成多径现象，使得接收信号的幅度，相位和到达时间发生变化，造成信号的损失，定位的难度大。虽然室内定位是定位技术的一种，和室外的无线定位技术相比有一定的共性，但是室内环境的复杂性和对定位精度和安全性的特殊要求，使得室内无线定位技术有着不同于普通定位系统的鲜明特点，而且这些特点是户外定位技术所不具备的。因此，两者区域的标识和划分标准是不同的。基于室内定位的诸多特点，室内定位技术和定位算法已成为各国科技工作者研究的热点。如何提高定位精度仍将是今后研究的重点。 二.室内定位技术的国内外发展趋势 室内GPS定位技术 GPS是目前应用最为广泛的定位技术。当GPS接收机在室内工作时，由于信号受建筑物的影响而大大衰减，定位精度也很低，要想达到室外一样直接从卫星广播中提取导航数据和时间信息是不可能的。为了得到较高的信号灵敏度，就需要延长在每个码延迟上的停留时间，A-GPS技术为这个问题的解决提供了可能性[7]。室内GPS技术采用大量的相关器并行地搜索可能的延迟码，同时也有助于实现快速定位。 利用GPS进行定位的优势是卫星有效覆盖范围大，且定位导航信号免费。缺点是定位信号到达地面时较弱，不能穿透建筑物，而且定位器终端的成本较高。 室内无线定位技术 随着无线通信技术的发展，新兴的无线网络技术，例如WiFi、ZigBee、蓝牙和超宽带等，在办公室、家庭、工厂等得到了广泛应用。 ——红外线室内定位技术。红外线室内定位技术定位的原理是，红外线IR标识发射调制的红外射线，通过安装在室内的光学传感器接收进行定位。虽然红外线具有相对较高的室内定位精度，但是由于光线不能穿过障碍物，使得红外射线仅能视距传播。直线视距和传输距离较短这两大主要缺点使其室内定位的效果很差。当标识放在口袋里或者有墙壁及其他遮挡时就不能正常工作，需要在每个房间、走廊安装接收天线，造价较高。因此，红外线只适合短距离传播，而且容易被荧光灯或者房间内的灯光干扰，在精确定位上有局限性。 ——超声波定位技术。超声波测距主要采用反射式测距法，通过三角定位等算法确定物体的位置，即发射超声波并接收由被测物产生的回波，根据回波与发射波的时间差计算出待测距离，有的则采用单向测距法。超声波定位系统可由若干个应答器和一个主测距器组成，主测距器放置在被测物体上，在微机指令信号的作用下向位置固定的应答器发射同频率的无线电信号，应答器在收到无线电信号后同时向主测距器发射超声波信号，得到主测距器与各个应答器之间的距离。当同时有3个或3个以上不在同一直线上的应答器做出回应时，可以根据相关计算确定出被测物体所在的二维坐标系下的位置。超声波定位整体定位精度较高，结构简单，但超声波受多径效应和非视距传播影响很大，同时需要大量的底层硬件设施投资，成本太高。 ——蓝牙技术。蓝牙技术通过测量信号强度进行定位。这是一种短距离低功耗的无线传输技术，在室内安装适当的蓝牙局域网接入点，把网络配置成基于多用户的基础网络连接模式，并保证蓝牙局域网接入点始终是这个微微网
抗NLOS 室内定位定位算法 1 三边定位基本原理 假设共有M 个基站,第i 个基站的坐标表示为(x i ,y i ,z i ),i =1,2,…M , 待估的标签位置为(x,y,z), 则标签和第i 个基站的距离为 r i =√(x i ?x )2+(y i ?y )2+(z i ?z )2 =√x i 2+y i 2+z i 2?2x i x ?2y i y ?2z i z +x 2+y 2+z 2 对上式进行两边分别进行平方,易得 r 12=x 12+y 12+z 12 ?2x 1x ?2y 1y ?2z 1z +x 2+y 2+z 2 r 22=x 22+y 22+z 22?2x 2x ?2y 2y ?2zz +x 2+y 2+z 2 ? r M 2=x M 2+y M 2+z M 2 ?2x M x ?2y M y ?2z M z +x 2+y 2+z 2 令K i =x i 2+y i 2+z i 2, 并将式(2)下半部分的M-1条方程两边分别减去第一条方程两边,则消去x 2+y 2+z 2后的方程组可以重写成: r 22?r 12 +K 1?K 2=?2(x 2?x 1)x ?2(y 2?y 1)y ?2(z 2?z 1)z r 32?r 12 +K 1?K 3=?2(x 3?x 1)x ?2(y 3?y 1)y ?2(z 3?z 1)z ? r M 2?r 12 +K 1?K M =?2(x M ?x 1)x ?2(y M ?y 1)y ?2(z M ?z 1)z 式（3）仅有M-1条方程. 进一步把式(3)改写成矩阵形式,可以得到 Y =AX (4) 其中, A =?2?[x 2?x 1, y 2?y 1,z 2?z 1x 3?x 1,?x M ?x 1,y 3?y 1,?y M ?y 1,z 3?z 1 ?z M ?z 1 ] , Y =[ r 21?r 12+K 1?K 2r 31?r 12+K 1?K 3?r M 1?r 12 +K 1?K M ] , X =[x y z ] 这里的X 表示标签的真实位置。其估计值可以利用最小二乘法求得： X ?=(A T A)?1A T Y (5) （1） （2） （3）
信息技术与信息化 计算机技术与应用 63 视觉跟踪技术发展和难点问题的分析 The Tendency of the V isual Tracking and the Analysis of Tr oubles 张 进3 ZHAN G J in 摘 要 本文介绍了计算机视觉领域里的一种新兴技术即视觉跟踪技术。其中,主要介绍了视觉跟踪技术的产生、发展,同时也提到了跟踪技术中难点问题和解决思路。 关键词 视觉跟踪 目标检测 目标识别 目标跟踪 Abstract I n this paper,it describes a new technol ogy which called visual tracking of the computer visi on field .The text intr oduces that the new technol ogy ’s e mergence and devel opment,at the sa me ti m e,it refers s ome p r oble m s of this technol ogy and how t o res olve these p r oble m s. Keywords V isual tracking Object detecti on Object identificati on Object tracking 3山东建筑大学信电学院 250010 在当今的信息化社会中,随着计算机网络、通信以及微电子技术的发展,计算机图像以其直观形象、内容丰富的特点备受人们青睐。然而,在很多应用领域,人类在全部依赖视觉获得信息的同时,也需要付出艰辛的劳动。需要一种智能计算机系统技术,来模拟人眼获取外界信息图像,并模拟人脑进行视觉信息的分析和理解,从而做出相应的响应,这种技术的研究越来越受到诸多学者专家的厚爱,它就是我要介绍的视觉跟踪技术。 视觉跟踪技术用途广泛,目前它已经应用于计算机视觉等许多领域,如:视频监控、视觉用户接口、虚拟现实、智能大楼、基于目标跟踪的视频压缩等。这种技术的研究同时也为高层次的计算机视觉的研究打下基础,如3-D 目标的识别与重建等。 1 研究的主要内容和目的 视觉跟踪技术主要完成的工作有以下三个:目标的检测,目标的识别和目标的跟踪。 1.1 目标检测 目标检测是从图像序列中将前景运动区域从背景中提取出来。目标检测是运动物体的分类与跟踪以及运动人体动作分析与理解的基础,该阶段处理结果直接影响到后续处理的效果,所以运动检测在人体运动分析中的作用非常重要。然而,实时多变的外界条件如天气,光照,运动物体的影子及混乱干扰的影响给运动检测带来了困难。目前几种常用的运动检测方法有:背景减除法,时域差分法和光流法。 1.2 目标识别 目标的识别即目标的分类,一般把检测到的运动目标分为两类:人和非人,其中人体跟踪的目的是从检测的运动区域中将人的运动区域提取出来。常用的分类方法有基于形状特征的分类 (利用检测的运动区域的形状特征进行分类),比如:区域的分散 度,面积,宽高比等作为特征;基于运动特性的分类,比如:利用人的运动具有周期性作为特征。为了得到更准确的分类效果,可以将上述两种方法结合起来使用,还可以考虑运动物体的色彩和运动特征。 1.3 目标跟踪 运动目标的跟踪是指在连续帧的图像间建立基于位置、形状和颜色等有关特征的匹配问题。简单来说,就是在序列图像中,为运动目标定位。目前视频监控系统己经广泛应用到了对安全要求非常敏感的场合和机构,如银行,商场,飞机场等,但是目前的应用并没有发挥它实时主动的监控作用。因为现阶段的视频监控系统大部分只提供视频录像和回放的功能,往往是当异常事件发生后,相关人员才通过记录的结果来观察曾经发生的事,但此时往往为时己晚。人们需要的监控系统是能够实行实时监控,并能自主分析摄像头捕捉的视频信息,若发生异常情况,可以及时报警,从而避免意外发生,同时也减少了雇佣大量监视人员所需要的物力和财力。 2 视觉跟踪技术的发展 近年来,随着运动分析的硬件的发展(包括视频获取设备如摄像头,图像采集卡,处理器和计算机等),基于视频信息的分析迅速渗透到人民生活的各个方面。巨大的商业价值和应用价值使越来越多的公司和学术机构致力于这种技术的研究。美国,英国等国家己经展开了大量相关项目的研究。 1997年,由美国国防高级研究项目署DARP A (Defence Ad 2vanced Research Pr ojects Agency )领头,以美国卡耐基梅隆大学为 首,麻省理工学院等高校参与了视频监控系统项目VS AM [1]的研究开发,并于2000年基本完成.此项目主要研究用于战场及普通民用场景进行监控的自动视频理解技术:分布于各个不同位置的摄像头获取的视频信号通过一个分布式的网络连接汇集到操作 中心,只需要一个操作人员就可以监控一个相当广阔的空间范