双目视觉的弱点动目标粒子滤波跟踪定位研究

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (9): 185-188.

• 图形、图像、模式识别 • 上一篇下一篇

双目视觉的弱点动目标粒子滤波跟踪定位研究

周同驰1，艾斯卡尔·艾木都拉1，杨强1，王荣栓2

1.新疆大学信息科学与工程学院，乌鲁木齐 830046
2.天津市雅浪通讯，天津 300384

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-03-21 发布日期:2012-04-11

Study on dim moving point target’s particle filter tracking and orientation based on binocular vision

ZHOU Tongchi1, Askar Hamdulla1, YANG Qiang1, WANG Rongshuan2

1.Institute of Information Science and Engineering, Xinjiang University, Urumqi 830046, China
2.Yalong Communication, Tianjin 300384, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-03-21 Published:2012-04-11

摘要/Abstract

摘要： 在研究红外图像序列的弱点动目标粒子滤波跟踪算法和双目立体视觉摄像机标定算法的基础上，基于双目视觉设计了双目图像序列弱点动目标的跟踪、空间定位系统。仿真实验表明：对粒子基于估计参数后的密度函数分配权重的算法，提高了图像跟踪精度，采用线性三角定位方法，有效地实现目标空间定位。

关键词: 红外图像序列, 弱点动目标, 粒子滤波, 双目视觉

Abstract: This paper designs an experimental system for tracking and spatial localization of a dim moving point target in binocular image sequences based on the research of particle filter tracking algorithm and the binocular vision camera calibration algorithm. Experimental results show: after estimating the density function’s parameters, the algorithm which distributes the weight to particle according to PDF advances the precision of image tracking; the method which adopts linear triangulation principle to extract the target’s spatial localization is effective.

Key words: Infrared（IR） image sequence, dim moving point target, particle filter, binocular vision

周同驰1，艾斯卡尔·艾木都拉1，杨强1，王荣栓2. 双目视觉的弱点动目标粒子滤波跟踪定位研究[J]. 计算机工程与应用, 2012, 48(9): 185-188.

ZHOU Tongchi1, Askar Hamdulla1, YANG Qiang1, WANG Rongshuan2. Study on dim moving point target’s particle filter tracking and orientation based on binocular vision[J]. Computer Engineering and Applications, 2012, 48(9): 185-188.

[1]	李中道，刘元盛，常飞翔，张军，路铭. 室内环境下UWB与LiDAR融合定位算法研究[J]. 计算机工程与应用, 2021, 57(6): 260-266.
[2]	孙新领，张皓，赵丽. 结合尺度估计MST和粒子滤波的视频目标跟踪[J]. 计算机工程与应用, 2020, 56(8): 117-123.
[3]	邹承明，明成龙，李成龙. 融合相关粒子滤波目标跟踪算法[J]. 计算机工程与应用, 2020, 56(7): 184-192.
[4]	潘卫华，杜旭. 基于改进自适应权重的三边滤波立体匹配算法[J]. 计算机工程与应用, 2020, 56(18): 186-192.
[5]	曹洁，赵伟吉，余萍，王进花. 改进鸟群算法优化PF的双馈发电机故障诊断[J]. 计算机工程与应用, 2020, 56(18): 229-237.
[6]	郑晨辉，陈璟，张雨婷，薛伟. 融合粒子滤波与蓝牙地标矫正的定位算法[J]. 计算机工程与应用, 2020, 56(13): 273-278.
[7]	王晓华，聂腾腾. 改进的布谷鸟算法优化粒子滤波研究[J]. 计算机工程与应用, 2020, 56(12): 60-65.
[8]	胡东海，邵元，陈莹，夏士雄. 基于改进粒子滤波的室内自适应定位算法[J]. 计算机工程与应用, 2019, 55(9): 65-71.
[9]	昝孟恩，周航，韩丹，杨刚，许国梁. 粒子滤波目标跟踪算法综述[J]. 计算机工程与应用, 2019, 55(5): 8-17.
[10]	刘红星1，2，胡广地1，朱晓媛1，李进龙3. 改进协方差矩阵的智能车视觉目标跟踪方法[J]. 计算机工程与应用, 2019, 55(3): 171-178.
[11]	耿建平，雷梦英. Mean Shift和粒子滤波实现红外人体跟踪算法综述[J]. 计算机工程与应用, 2019, 55(24): 29-36.
[12]	胡正平，王欣，孙德刚. 余弦权重逆稀疏框架视频目标跟踪算法[J]. 计算机工程与应用, 2019, 55(21): 206-213.
[13]	马龙，孙铭泽，黄超，裴昕，周航，张鸿燕. 基于强相似点检测快速双目立体匹配算法[J]. 计算机工程与应用, 2018, 54(6): 193-197.
[14]	段苛苛，邰滢滢. 基于二值掩码图像的粒子滤波目标跟踪快速算法[J]. 计算机工程与应用, 2017, 53(22): 16-20.
[15]	徐喆，胡亮. 用于前车追踪的多特征融合粒子滤波算法改进[J]. 计算机工程与应用, 2017, 53(19): 173-178.

双目视觉的弱点动目标粒子滤波跟踪定位研究

Study on dim moving point target’s particle filter tracking and orientation based on binocular vision

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics