移动机器人视觉定位方法的研究

式中：

为质心坐标； n 为目标区域占据的像素个数， 且n≥2; （x i, y i） 为第i 个像素的坐标； p （x i, y i）为第i 个像素的灰度值。+

2.2目标跟踪

运动目标的跟踪是确定同一物体在不同帧中位置的过程， 当运动目标被正确检测出来时， 它就对相邻帧中检测出的目标进行匹配。匹配过程如下：

2. 2. 1 目标质心位置预测

目标位置预测是依据最小二平方预测原理由目标质心在本帧以及相邻的连续前几帧的位置值，直接预测出目标质心在下一帧的位置值。在等间隔观测条件下， 可用式（4） 的简便预测：

2. 2. 2 搜索聚类的种子点

在搜索与上一帧图像对应质心点匹配的点时，采用基于子块的模式匹配方法。子模块是由待匹配的点与周围8 个邻点组成。由于这种方法充分考虑了特征点的统计特性， 识别率大大提高。

首先从预测质心点开始， 在100×100 像素的动态窗口（以预测质心点为中心） 内， 按照逆时针搜索周围8 邻域象素的趋势进行环状搜索， 并分别计算由每个搜索象素决定的子块与上一帧的目标质心点T 决定的子块的HS 特征值之差的平方和。

其中P [ i ] [ j ] （ i, j = 0, 1, 2） 表示由点P 决定的子块中的各个像素； T [ i ] [ j ] （ i, j = 0, 1, 2） 表示由上一帧的质心点决定的子块中的各个像素。

最后， 判定某个点P 是否与上一帧的特征点T 匹配的标准为： P 须同时满足式（7, 8）。

其中P. H表示待匹配点P 的H 特征值；m eanH 表示目标区域的平均H 特征值； 满足式（8） 能够保证匹配点在目标区域内。

2. 2. 3 聚类色块区域

其目的是找出色块区域， 色块区域的质心点即为特征跟踪结果。在步骤（2） 中已经找到了聚类的起始点， 由于H 反映图像的色彩特性， 所以根据匹配点的H 特征值是否在由色块的平均H 特征值确定的某个范围内来聚类色块区域， 即满足式（8）。这样既可保证识别精度， 又减少了图像信息计算量。

3 二次成像法

设Z c1, Z c2分别表示在t1, t2 时刻目标与成像系统的距离（深度值） ; d 1′， d 2′分别表示t1, t2 时刻目标在图像平面的几何特征值， 为便于表示， d 1′， d 2′可以是目标的像的外接圆直径或者外接矩形的边长， 则有：

式（9） 表明： 根据同一目标、同一摄像机所摄物体的图像几何特征的变化， 可以计算出它们在空间深度方向运动时距离所发生的变化， 这就是二次成像法的原理。

分析式（9） 可知， 二次成像法能够确定目标在摄像机坐标系中的位置， 但该方法在摄相机两次成像的位置变化不大的情况下误差会比较大， 而且不能得到目标的运动信息。为此本文提出了利用序列图像和推广卡尔曼滤波来估计目标的空间位置和运动信息的方法。

4 目标的空间位置和运动参数估计

由于图像序列前后两帧的时间间隔T 很小，本文用二阶微分方程来描述P 点的运动轨迹。定义状态矢量：

则可以定义状态方程为：

其中：

V （k ） 为模型噪声， 假设V （k ） 为零均值的高斯白噪声， 其方差阵为Q （k ） = cov （V）。