研究生開題報告.doc

學科代碼080203編號045碩士學位論文開題報告學號：152080201045研究生：衛(wèi)玉梁導師：靳伍銀研究員研究方向：機器視覺及圖像處理論文題目：基于視覺導航的智能車跟隨系統(tǒng)研究學科：機械制造及自動化學院：機電工程學院入學時間：2015年 9月開題時間：2017年 1月13日2017年1月13日學位論文題目基于視覺導航的智能車跟隨系統(tǒng)研究課題來源國家自然科學基金項目一、 課題意義及國內外研究現(xiàn)狀綜述1、 課題意義隨著汽車工業(yè)的迅速發(fā)展，關于智能車輛的研究越來越受人關注。智能車不僅在工業(yè)智能化上得到廣泛的應用；運用于智能家居中的產品也越來越受到人們的青睞；而且，智能車的研究也為解決道路交通安全以及交通擁堵提供了一種新的途徑1。在汽車行業(yè)快速發(fā)展的帶動下，作為現(xiàn)代社會產物的智能小車也成為目前較為熱門的研究課題2。智能小車是一個集環(huán)境感知、規(guī)劃決策、自動行駛等功能于一身的多學科高新技術的集成體，集中運用了信息、傳感、通信、導航、計算機、機械設計及自動控制等技術，是典型的高新技術綜合體3-4。因此，不論是從科學發(fā)展、理論研究的角度，還是從汽車工業(yè)發(fā)展以及市場競爭的角度看，對智能車輛和智能小車的研究都具有很高的科學理論價值和實際意義5。智能小車作為智能車輛理論縮影與研究模型，在其快速發(fā)展的帶動下也不斷創(chuàng)新。究其系統(tǒng)分類而言，可以簡單的分為三類：遙控式、半自主式以及全自主式系統(tǒng)6。遙控式一般由人觀察并做出決策，使用遙控器與小車進行信息的無線傳輸，從而達到對小車控制的目的，其原理相對簡單，應用于市場上的大多數(shù)玩具模型等。半自主式小車通常自己采集數(shù)據(jù)并處理，由核心處理芯片做出決策來實現(xiàn)其對行駛方向、啟停以及速度的控制，一般無需人為控制，是目前大多數(shù)智能小車的研究方法。第三類全自主式小車多采用嵌入式的方式，將決策層與運動層結合在一起，通過相應的算法達到智能化運動的目的，其靈活性高、功能性強，但全自主式小車的性能受到硬件條件的制約呈現(xiàn)兩極化，如何平衡硬件條件以及優(yōu)化算法是目前研究的前沿 7。本文采用將決策層與運動層相結合的全自動控制系統(tǒng)，在低成本的硬件設計要求下開發(fā)優(yōu)化更加高效的代碼和算法，實現(xiàn)可以快速的對周圍環(huán)境進行信息提取并反饋給動力系統(tǒng)從而做出相應動作。近年來，隨著智能化與自動化技術的發(fā)展，智能車輛所具備的功能越來越多，所包含的技術種類也越來越豐富，而在智能車輛的相關技術中，跟蹤技術是一項非常有研究意義的新型技術，也是一個涵蓋了機器視覺、圖像處理以及嵌入式與微系統(tǒng)等多學科的研究課題，具有廣闊的研究前景8。根據(jù)跟蹤對象運動狀態(tài)的不同，可將其分為對靜止和對運動物體的跟蹤兩大類9。對靜止物體跟蹤一般是通過在關鍵節(jié)點上設置具有特定形狀、大小、顏色等突出特征的目標物，為智能小車提供方位等引導信息，使之可以按照預計的路線實現(xiàn)對目標的跟蹤10。這一方法小車所要提取和識別的信息相對較少，且節(jié)點周圍環(huán)境已知，因此較為容易實現(xiàn)。而對運動物體的跟蹤則需要提取更多的有效信息，對算法的開發(fā)設計要求更高，同時需要考慮目標物的自身形狀、明暗程度、外圍環(huán)境在運動過程中所發(fā)生的改變11。例如對人體的跟蹤就是現(xiàn)代跟蹤學的一個研究熱點和難點12。而關于智能車的跟隨方案目前還沒有特別優(yōu)良穩(wěn)定的算法。因此，開發(fā)設計一種智能、高效、低成本的跟隨小車控制方案具有重要的實際意義和科學理論價值。2、 國內外研究現(xiàn)狀2.1智能車輛的研究現(xiàn)狀國外智能車輛的研究歷史較長，始于上世紀50年代。1954年美國Barrett Electronics 公司研究開發(fā)了世界上第一臺自主引導車系統(tǒng)AGVS（Automated Guided Vehicle System）13。因其可以在固定路線上運行，并自主完成貨物運輸，因此標志著智能車輛的誕生14。隨后，世界主要發(fā)達國家對智能車輛開展了卓有成效的研究。在歐洲，普羅米修斯項目開始在這個領域的探索；在美洲，美國成立了國家自動高速公路系統(tǒng)聯(lián)盟（NAHSC）；在亞洲，日本成立了高速公路先進巡航/輔助駕駛研究會15。至此，智能車輛進入了深入、系統(tǒng)、大規(guī)模研究階段。其中，美國卡內基.梅隆大學（Carnegie Mellon University）機器人研究所一共完成了Navlab系列的10臺自主車（Navlab1Navlab10）的研究，取得了顯著的成就16。近年來，國外智能車技術依然保持快速發(fā)展，2010年由德國國防大學研制成功的高速公路自主駕駛車VaMoRS在行駛速度上突破150km/h，隨后又由奧迪等公司將其不斷刷新至最高可達240km/h的速度。2012年5月，谷歌公司研發(fā)的自動駕駛汽車拿到了美國首個自動車輛許可證。2016年3月聯(lián)合國頒布國際道路交通公約：“在全面符合聯(lián)合國車輛安全管理條例情況下，將駕駛車輛的職責交給自動駕駛技術可以應用到交通運輸當中” 17。這意味著在不久的將來，自動駕駛智能車輛將真正的走進大眾的生活。相比于國外，我國開展智能車輛技術方面的研究起步較晚，開始于20世紀80年代。而且大多數(shù)研究處在于針對某個單項技術研究的階段。但是也取得了一系列的重要成果：中國第一汽車集團公司和國防科技大學機電工程與自動化學院于2003年研制成功我國第一輛自主駕駛轎車；2016年3月由中國電子科技大學研制成功的中國第一代警用標準巡邏原型車，可以在120公里/小時的速度下，自動捕獲方圓60米視野內的人臉，識別其性別、年齡，并可與已有人臉庫進行比對分析，按人員特征進行篩選識別，對可疑人員做出警報提示；2016年4月，由長安公司自主研發(fā)的無人駕駛汽車，從重慶開往北京，歷時6天，測試總里程超過2000公里。智能小車相對于智能車輛而言，其研究成本更低、拓展性更強、普及率更廣。因此對于智能小車的研究具有很高的實際意義和科學理論價值。2016年05月08日Puma聯(lián)合NASA、麻省理工的機器人工程師及研究人員，開發(fā)出一款基于Arduino平臺，能夠通過智能手機精確控制行駛速度和距離，名為Beatbot的競速機器人，它可以自動識別跑道并跟上運動員的步伐，速度甚至可以超越奧運冠軍博爾特。而我國很多高校、研究所研發(fā)設計的智能小車普遍能夠實現(xiàn)循跡、避障、檢測貼片、尋光入庫、避崖等功能，更有的增設許多其他功能，例如在近幾屆的電子設計大賽中，智能小車又在向聲音控制、無線定位以及視頻傳輸與物體識別等方向發(fā)展，其中較為出名的飛思卡爾智能小車更是走在前列18-19。但是智能小車在對目標識別與跟蹤方面，多數(shù)設計方案采用的均為紅外、超聲波傳感器對距離的測量來實現(xiàn)目的識別，所使用的方法較為單一。本文采用了基于單目視覺的視頻采集與圖像處理技術對目標物進行智能的篩選與分析，較之于傳統(tǒng)的紅外以及超聲波測距識別更為直觀、準確并且適用范圍更廣、容錯率更高20。對于智能車輛目標識別與自動駕駛技術的研究具有一定的參考意義。2.2跟蹤技術研究現(xiàn)狀常用的跟蹤的方法有很多種，如基于紅外、超聲波等測距傳感器、基于視頻圖像的視覺傳感器、基于射頻識別RFID(Radio Frequency Identification)技術、基于全球定位系統(tǒng)GPS(Global Positioning System)導航及無線電定位與導航等21-22。本文所采用的視覺跟蹤方法相對于其他的幾種方法是最直觀也是最困難的，它需要利用攝像機來獲取外部環(huán)境的圖像信息并將之轉換成數(shù)字信號，通過PC機、微處理器或者其他嵌入式系統(tǒng)來實現(xiàn)對信號的采集與傳輸23。并對獲取視頻中一幀或者多幀圖像的處理分析，從而幫助小車完成對周圍環(huán)境信息的了解，這些信息通常包括物體的形狀、姿態(tài)、位置、運動等，從其中篩選目標信息進行描述、存儲、傳輸和處理，進而做出相應動作24。實現(xiàn)目標跟蹤極為關鍵的部分在于對目標物的識別與定位，目標識別與定位是衡量整個跟蹤技術水平高低的標桿25。目標識別是運用圖像處理技術對所要跟蹤的目標與其背景進行分離的操作26。現(xiàn)有的視覺跟蹤算法根據(jù)被跟蹤對象信息使用情況的不同，可大致分為基于對比度分析的目標跟蹤、基于匹配的目標跟蹤和基于檢測的目標跟蹤等27。基于對比度分析的目標跟蹤算法的思想是利用目標與背景在對比度上的差異來提取、識別和跟蹤目標28。這類算法按照跟蹤參考點的不同又可分為邊緣跟蹤、形心跟蹤和質心跟蹤等29?；谄ヅ涞哪繕烁櫵惴ㄊ峭ㄟ^提取目標特征來進行識別，即是通過一種變換或者編碼的方式，將數(shù)據(jù)從高維的原始特征空間經過映射，變換到低維空間來表示。目標特征包括幾何形狀、子空間特征、外形輪廓和特征點等30。其中特征點檢測是匹配算法中常用的方法，其特性是不隨光照和照相機視角的改變而改變。常用的特征點包括Moravec特征，Harris、Tomasi(KLT)和SIFT31-32等特征。基于運動檢測的目標跟蹤算法是通過檢測序列圖像中目標和背景的不同運動來發(fā)現(xiàn)目標存在的區(qū)域，其具有檢測多個目標的能力，可用于多目標的檢測跟蹤，這類檢測方法主要有幀間圖像差分法、背景估計法、能量積累法、運動場估計法等。其中基于Camshift算法和基于流光法的目標跟蹤是這一類目標跟蹤方法的代表性算法33-34。近年來，對于視覺跟蹤技術的研究，國內外眾多學者也是不斷提出各種新的思路和想法：Mansouri采用水平集方法進行輪廓跟蹤，用于半徑為r的環(huán)形鄰近的完整目標區(qū)域內窮盡搜索每個像素計算流失量；江曉蓮、李翠華、李雄宗提出的基于視覺顯著性的兩階段采樣突變目標跟蹤法35；董文會等人提出將融合顏色直方圖和SIFT特征檢測相結合的自適應分塊目標跟蹤法36。Michael Kass、Andrew Witkin等人第一次提出了主動輪廓模型，設計了這樣一種能量函數(shù)：其局部極值組成了可供高層視覺處理進行選擇的方案，從該組方案中選擇最優(yōu)的一種是由能量項的迭加來完成37。視覺識別跟蹤的算法種類繁多，總體上可大致分為基于模型的跟蹤、基于區(qū)域的跟蹤、基于活動輪廓的跟蹤和基于特征的跟蹤四種38。本文將通過實際實驗對各類跟蹤算法的優(yōu)缺點進行調研和比較，結合實際硬件條件，開發(fā)并優(yōu)化在本方案上運行最理想、跟蹤效果最好的程序及算法。二、課題研究目標、研究內容和擬解決的關鍵性問題1、研究目標（1）實現(xiàn)視頻圖像信息的實時采集與傳輸；（2）基于圖像處理技術對視頻圖像進行分析與處理，快速識別目標物體并準確定位；（3）實現(xiàn)無人控制的自主跟隨運動，在運動過程中智能避障并實時傳輸各類信息顯示到PC端的上位機界面；2、研究內容本課題通過基于單目視覺的視頻采集及圖像處理技術，對具有規(guī)定特征的目標物體進行識別與跟蹤，擬將重點研究以下三個方面的內容39：（1） 基于STM32的小車實驗平臺搭建就所要實現(xiàn)的目的搭建小車實驗平臺。總體上可分為包括車體架構、信號采集系統(tǒng)和運動控制系統(tǒng)三個主要部分的設計與開發(fā)。其中車體架構包括直流電機、步進電機及舵機的選用與安裝、各類電機驅動的優(yōu)劣比較、電池電源以及穩(wěn)壓模塊的合理選擇等。信號采集系統(tǒng)由攝像頭、紅外傳感器、超聲波傳感器以及無線模塊等構成，主要完成對外部信號的實時采集與傳輸40。控制系統(tǒng)采用以STM32F1系列芯片為核心的控制開發(fā)板，實現(xiàn)對視頻圖像及其他信息的處理。合理分配與利用I/O接口驅動各個模塊正常運作，通過對電機的控制，達到對小車總體的運動控制；開發(fā)相應上位機，使整個跟蹤系統(tǒng)更為完善，通過無線模塊將小車的實時信息傳送到PC端，從而實現(xiàn)對小車跟蹤狀況的遠程監(jiān)測，以及在特殊情況下可以對小車進行人工控制41。（2） 基于圖像處理的算法優(yōu)化及代碼開發(fā)在小車實驗平臺的基礎上，完成對現(xiàn)有跟隨方式的調研，對上文中各類算法的優(yōu)缺點進行分析與比較，重點分析基于單目視覺的小車導航算法42。對自主跟隨小車的算法進行模擬與仿真，結合實際進行優(yōu)化與改善。通過編寫對小車控制的代碼工程文件，將理論算法固化并應用于小車控制系統(tǒng)當中。以基于對比度分析跟蹤中的質心跟蹤算法優(yōu)化過程為例。質心法跟蹤基于如下數(shù)學原型：其中為圖像的灰度值，取值范圍為0-255，、分別為各像素點的橫縱坐標，、分別為質心的橫縱坐標。小車對攝像頭將拍攝到的圖像進行灰度化處理，再將灰度圖像二值化。通過計算二值圖像的像素平均值來尋找像素質心點，從而確定目標位位置。此跟蹤方法計算量少、實時性高，缺點是容易受噪聲干擾，在背景不均勻的情況下，容易出現(xiàn)誤差。雖然小車系統(tǒng)導航提取的是方位信息，并不需要精確的坐標結構，有一定的容錯率43。但是為了提高跟隨的準確性、增強系統(tǒng)的抗干擾能力，需要對現(xiàn)有算法進行優(yōu)化處理。優(yōu)化思路為：結合其他的目標識別方法以及改進目標跟蹤函數(shù)等。例如在獲取質心位置前，使用基于輪廓匹配的輪廓檢測方法進行預處理：提取灰度信息之后對圖像進行濾波去除系統(tǒng)中雜散光干擾，剔除隨機噪聲；再通過對單幀圖像中目標物體輪廓的檢測，篩選出目標物所處的大概位置，縮小目標在背景中的區(qū)域范圍；最后對灰度圖取反，利用重心法求取圖像的質心位置，從而對小車的運動方向進行導航44。（3） 實驗驗證與方案優(yōu)化在小車實驗平臺成功運行的基礎上，開發(fā)相應上位機并進行實驗驗證。通過對不同目標物在不同的環(huán)境下進行跟隨實驗，分析比較跟蹤效果，總結算法的跟蹤特點與要求；將相應算法優(yōu)化處理后對同種目標物在相同環(huán)境下進行跟隨實驗，比較優(yōu)化前后跟蹤狀況，是否達到提高跟蹤效果、增強抗干擾能力等目的。在充分多的試驗次數(shù)下，收集并記錄實驗數(shù)據(jù)、分析誤差來源、優(yōu)化跟蹤算法、提高跟蹤效率，完成對基于視覺導航的低成本、高準確度和較強抗干擾能力智能跟隨小車的實現(xiàn)。3、 擬解決的關鍵問題課題通過采集并實時的對視頻圖像進行處理與分析，以期能對設定的目標進行識別并準確跟蹤。在具體的研究過程中擬解決如下幾個關鍵問題：（1）實驗平臺搭建實驗平臺的優(yōu)劣與否會對實驗效果及結論產生很大的影響，其中包括車身結構的選用，驅動方式以及系統(tǒng)電路的設計、硬件的連接等。由于車體架構的不同，小車在實際運動過程中攝像機以及其他傳感器的工作穩(wěn)定性差異較大，導致采集到的視頻圖像質量高低不盡相同，因而增加了目標物的識別難度，令跟蹤效果降低。因此，合理搭建小車實驗平臺，是一個本課題將要面臨的關鍵性問題。（2）對目標快速準確識別在實現(xiàn)目標跟蹤的過程中，對目標的識別是極其關鍵的一步。簡單的特征提取算法無法精準捕獲目標物體規(guī)定特征，造成識別不準確、多目標錯誤識別和不識別等問題。而由于實際硬件設施的制約，過于復雜的算法會因為提取信息多、計算量大導致系統(tǒng)運行變慢，造成視頻采集時的丟幀或少幀等現(xiàn)象，降低了小車的運動的流暢性與實時性45。因此，開發(fā)設計合理的特征提取算法，結合自身實際，在系統(tǒng)運行速度與目標物識別效率之間尋找到最佳平衡點，是本課題需要解決的關鍵問題之一。（3）提高系統(tǒng)的抗干擾能力實際運動中，由于外界的干擾，例如目標物所處的背景環(huán)境光線明暗的變化、目標自身形狀發(fā)生的變化以及其運動軌跡的突變，都可能會造成目標物所具有的規(guī)定特征隱藏或者不可見，使目標短暫性的丟失或者無法準確識別，從而無法繼續(xù)對目標進行跟蹤46。因此，如何降低外界不確定因素的干擾，提高系統(tǒng)魯棒性是一個有待且必須解決的實際問題。同時，在目標丟失后如何快速尋找并重新拾取目標也是需要考慮的一部分。三、擬采取的研究方法、技術路線、試驗方案及其可行性分析1、研究方法目前，對于智能小車系統(tǒng)設計的方案有很多，但是鑒于本課題的研究目標和所要實現(xiàn)功能，擬采用具有高性能、低成本、低功耗的嵌入式ARM Cortex-M3內核的STM32F103ZET6處理芯片：最高工作頻率72MHz；片上集成512KB的Flash存儲器，64KB的SRAM存儲器；具備強大的運算處理能力，同時擁有大量的外設I/O接口可連接和驅動為實現(xiàn)指定功能所需的各類傳感器與外部設備47。根據(jù)前面敘述的研究內容，本課題的研究方法是將整體方案的設計開發(fā)分為硬件設計、軟件設計以及實驗驗證三大主要部分，具體方法如圖1所示： 圖1 研究方法示意圖在開題前進行大量的文獻閱讀和資料查詢，學習并積累相關知識。首先對整體的硬件進行設計，其中包括選擇所需要使用的各模塊種類，繪制電路圖，根據(jù)電路連接相關外設并驅動其正常工作；再對系統(tǒng)的軟件部分進行設計與開發(fā)，主要是識別與跟蹤代碼的開發(fā)與優(yōu)化，包括對現(xiàn)有的一些跟蹤算法進行調研分析，比較其優(yōu)缺點，結合自身硬件設施采用最適宜的跟蹤思路，完成識別算法的模擬與跟蹤仿真，并根據(jù)仿真結果對算法進行合理的優(yōu)化，開發(fā)編寫優(yōu)化后的小車識別跟蹤代碼，燒錄至小車控制主板中，完成軟件與硬件的結合；最后通過實驗驗證來觀察整個跟蹤系統(tǒng)的效果，試驗前開發(fā)相應的上位機，用來接收小車傳輸?shù)膶崟r畫面以及各項數(shù)據(jù)資料，收集處理相應數(shù)據(jù)，分析跟蹤誤差來源并進行誤差消除與系統(tǒng)優(yōu)化，最終完成高效、準確的智能車跟隨系統(tǒng)開發(fā)。2、技術路線如圖2所示，系統(tǒng)使用STM32作為主控芯片，通過驅動動力、導航、避障、通信等模塊來實現(xiàn)整體運作。其中動力模塊主要包括電機與電機驅動構成的動力系統(tǒng)，以及相應的電源模塊對整體系統(tǒng)的供電；導航模塊是以攝像頭為核心的相關外設，用于采集所需跟蹤目標物的視頻圖像信息，為小車提供方向指引，達到導航目的；避障模塊包括紅外傳感器和超聲波傳感器用來探測小車所處周圍環(huán)境信息，目的是實現(xiàn)小車在跟蹤目標的過程中自行避開障礙物的功能，同時也為小車的導航信息提供一定的矯正，從而提高跟隨的實時性與準確性48；通信模塊是用于實現(xiàn)小車與上位機的通信，將采集的視頻圖像和小車自身相關數(shù)據(jù)實時傳輸?shù)絇C端，便于觀察跟蹤效果以及小車運動情況，同時上位機應具有對實時數(shù)據(jù)的同步處理、繪制曲線以及在特殊情況下取得對小車的控制權等功能。圖2 系統(tǒng)整體框圖圖3 目標識別框圖如圖3所示，STM32處理器首先對采集來圖像直接進行灰度取反、然后通過濾波處理來降低圖像中的噪聲干擾，結合了基于輪廓匹配的目標識別算法，對目標物體邊緣檢測并進行輪廓識別，判斷出目標處于圖像中的大致區(qū)域，將輪廓區(qū)域內部的圖像信息保留用于下一步分析，輪廓區(qū)域外部的圖像信息舍去，即將該部分圖像像素值全部設為0，降低圖像的信息量，達到消除目標背景及其他干擾因素影響的目的。再通過將輪廓內部圖像二值化處理，得到背影統(tǒng)一且包含目標物的二值圖像49。最后通過重心法求質心來確定目標的位置，反饋給控制芯片，進而控制電機使小車運動繼續(xù)追蹤目標物。3、可行分析在對于目標識別與跟蹤的研究方向上，國內外已經有過許多有效可行的算法設計開發(fā)，其中包括飛行器、機器人、智能小車等各個領域。下面對本文的設計方案進行可行性分析。（1） 代碼移植與固化的可行性MATLAB以及STM32的編程環(huán)境Keil MDK都是基于C語言及C+的語言基礎，在MATLAB仿真中的編程原理是，將圖像灰度化后的每一個像素點用范圍為0-255的一個數(shù)字表示，用一個數(shù)字矩陣來表示一幀圖像；而STM32也是經過A/D轉換后利用數(shù)組矩陣的方法來實現(xiàn)對圖像的采集、傳輸與運算。理論上可以通過再編程的方法將MATLAB仿真好的跟蹤識別代碼移植到STM32的編程環(huán)境Keil MDK中，再使用J-LINK將代碼燒錄至芯片，實現(xiàn)算法的固化50。（2） 從理論仿真到實際驗證的可行性近年來目標跟蹤技術發(fā)展取得了很大進步，研發(fā)出了多個性能優(yōu)良的跟蹤器，可以在簡單場景中實時跟蹤目標51。應用假設可以使跟蹤問題簡單化（如平滑的運動、少量阻塞、光照恒定性、高對比度背景等），但這些假設在現(xiàn)實場景中是不存在的，限制了其在自動化監(jiān)控、人機交互、視頻檢索、交通監(jiān)控、車輛導航等領域的應用。同樣，本文所開發(fā)設計實際應用的智能車跟隨系統(tǒng)同樣將面臨諸多考驗型問題。如以下幾個跟蹤難點：目標外觀隨時間而變化，即尺度變化、旋轉、超平面旋轉、光照變化引起的目標顏色不均勻變化、非剛體形變、視角變化引起的外觀變化等；目標背景的復雜多變；實際運動中相機不穩(wěn)導致的圖像采集模糊；完全遮擋或丟失后造成的時間不連續(xù)等52。但可以通過算法的優(yōu)化以及硬件的改良來減小上述問題的影響，達到較好的實驗效果。（3） 系統(tǒng)優(yōu)化的可行性在前面的學習實踐中，已經在一定程度上實現(xiàn)了多個不同功能的智能小車研發(fā)，其中包括基于51單片機的紅外遙控超聲波避障小車、基于Arduino的紅外巡線小車、基于STM32的自平衡小車以及基于安卓APP的顏色識別跟蹤小車。為本方案設計開發(fā)打下一定的基礎，借鑒以往的經驗，系統(tǒng)需要經過硬件與軟件的雙優(yōu)化而最終達到優(yōu)良的實驗目的。本文中由于實際運動的各種不確定因素都會對跟蹤效果產生影響，以及大量的數(shù)據(jù)傳輸與處理會導致在目標跟蹤的連續(xù)性上不平滑。因此，在優(yōu)化了算法識別目標并確定方位信息的基礎上，進一步對硬件進行優(yōu)化，采用軟件開發(fā)與硬件設計相結合的方式，增強系統(tǒng)的抗干擾能力，提高跟隨的實時性與準確性53。在本課題開展之前，蘭州理工大學機電工程學院就智能小車理論及實驗設備方面做了大量的研究，這些研究和設備為本課題的完成提供了幫助。四、課題的創(chuàng)新性(1) 以低成本的STM32F1系列小車主控板直接對圖像進行處理分析，系統(tǒng)靈活性高、運行速度快，實現(xiàn)低成本、高效、準確的智能車跟隨系統(tǒng)開發(fā)；(2) 調研對比各類算法的優(yōu)缺點，結合實際運動情況，對相應算法進行優(yōu)化，提高識別與跟蹤算法的魯棒性。五、計劃進度、預期進展和預期成果序號類別內容和要求起止時間1查閱文獻搜集資料查閱與本課題相關的期刊論文,了解國內外研究現(xiàn)狀，對本課題有大體的方向和展望。2015.09-2015.122調查研究對與本課題有關的前沿研究成果進行調查研究，并經過分析、總結，對研究課題進行初步理論探討。2015.12-2016.053軟件學習學習與課題相關的軟件，如KEIL MDK、MATLAB等。2016.05-2016.124開題報告撰寫開題報告。其內容包括所研究課題的目的、內容、意義、創(chuàng)新點、關鍵技術、實現(xiàn)方案、以及方案可行性論證等。2016.12-2017.015算法仿真在MATLAB軟件中設計目標識別算法，利用不同目標物體進行相應仿真。2017.01-2017.056實驗驗證搭建小車實驗平臺，記錄實驗數(shù)據(jù)分析誤差來源，優(yōu)化算法與程序代碼。2017.05-2017.077理論完善對以上各階段的研究進行總結，實驗驗證，對出現(xiàn)的各種問題進行分析并完善設計方案。2017.07-2017.128寫小論文至少發(fā)表論文1篇。2017.12-2018.049學位論文答辯進一步論證，準備論文答辯。2018.04-2018.05備注：本計劃在實際工作中可能會有所調整。六、預期的研究成果：1) 優(yōu)化的算法可以有效的對于目標物體進行特征提取并快速實現(xiàn)識別與定位；2) 實驗驗證中，小車可以良好的實現(xiàn)目標物的跟隨運動，同時具有避障及一定的抗干擾能力；3) 在國內核心期刊上發(fā)表科研論文1-2篇。七、與本課題有關的工作積累、已有的研究工作成績通過閱讀大量的文獻資料，了解課題相關內容，掌握國內外研究方向的最新動態(tài)，通過調研和比較大量的目標識別與跟蹤算法，已經初步開發(fā)設計出對具有規(guī)定特征目標物的識別算法，并且在MATLAB上成功的進行了模擬與仿真。此外，再之前的學習實踐中已經開發(fā)設計過藍牙遙控超聲波避障小車、紅外自主巡線小車以及自平衡小車等，對智能小車整體架構較為了解。同時機電工程院各位前輩學者對智能小車方面的多年研究，在基礎理論和實踐中已經取得了豐富的研究成果，對本課題也有著極為重要的借鑒和指導意義。八、研究經費預算計劃和經費落實情況已落實九、參考文獻1 李鵬勃. 基于ARM的智能車控制系統(tǒng)開發(fā)研究D. 蘭州理工大學, 2013.2 段佳雷. 基于ARM的跟蹤小車的設計與實現(xiàn)D. 蘭州理工大學, 2014.3 賈玉雷, 靳伍銀, 李鵬勃,等. 基于Zig Bee技術的智能車無線控制系統(tǒng)開發(fā)J. 傳感器與微系統(tǒng), 2013, 32(5).4 賈玉雷. 基于嵌入式ARM-Linux的智能車無線監(jiān)控系統(tǒng)研究D. 蘭州理工大學, 2013.5 張馳. 基于機器視覺的智能控制與圖像識別問題研究D. 蘭州理工大學, 2009.6 李婕.基于STM32的無線視頻監(jiān)控智能小車設計D.蘭州理工大學,2014.7 虞旦. 基于單目視覺的移動機器人室外環(huán)境下全自主智能跟隨技術研究D. 浙江大學電氣工程學院浙江大學, 2009.8 張馳, 靳伍銀, 劉昊,等. 基于雙目視覺系統(tǒng)的三維目標識別研究J. 機床與液壓, 2010, 38(1).9 厲茂海, 洪炳镕, 羅榮華,等. 基于單目視覺的移動機器人全局定位J. 機器人, 2007, 29(2).10 Bian M M, College B V. Hardware Design of Mobile Intelligent Car Based on STM32F103J. Coal Technology, 2014.11 曾巧玲, 文貢堅. 運動目標跟蹤綜述J. 重慶理工大學學報自然科學版, 2016, 30(7).12 余杰. 基于視頻的人體目標跟蹤與識別技術研究D. 電子科技大學, 2016.13 SPYROS A. REVELIOTIS. Conflict resolution in AGV systemsJ. IIE Transactions, 2000, 32(7).14 王勇, WANGYong. AGV適用性綜述J. 物流科技, 2008, 31(11).15 Huiguang L I, Jinchao L I, Guoyou L I, et al. Path identification and measurement of bi-directional AGV based on monocular visionJ. 計算機工程與應用, 2015.16 Kumar U, Kumar A G V, Shivaramu M G, et al. An Overview of Cervical Vertebrae Fractures in Road Traffic Accident Cases-A 5 Year Study at Adichunchanagiri Institute of Medical Sciences, Mandya, KarnatakaJ. Medico-Legal Update, 2013, 13(2).17 郭景華, 李克強, 羅禹貢. 智能車輛運動控制研究綜述J. 汽車安全與節(jié)能學報, 2016, 7(2).18 崔陽,郭旭東,羊壽南等.基于STM32的無線智能車控制與數(shù)據(jù)采集系統(tǒng)設計J.傳感器世界,2015,21(7).19 劉磊,孫曉菲,張煜等.基于 STM32的可遙控智能跟隨小車設計J.電子測量技術,2015,(6).20 鄧廣大,李占英.基于 Cortex-M3內核的智能循跡小車設計方案J.科技創(chuàng)新與應用,2013,(3).21 侯志強, 韓崇昭. 視覺跟蹤技術綜述J. ActaAutomaticaSinica, 2006, 32(4).22 姚楠. 基于單目視覺的運動目標跟蹤定位技術研究D. 上海交通大學, 2014.23 孫彪. 基于單目視覺的運動目標跟蹤定位J. 四川兵工學報, 2010, 31(4).24 Guenther K W, Macintosh S, Bodegom E. Interactive system and method for shooting and target tracking for self-improvement and trainingJ. Environmental Impact Assessment Review, 2015, 25(5).25 楊慧玲. 移動目標跟蹤的多特征融合算法綜述J. 電子世界, 2016(12).26 黃瓊, 吳世有, 孟升衛(wèi),等. 基于超寬帶雷達的運動人體目標跟蹤成像算法J. 電子學報, 2011, 39(3).27 曾一民. 基于超聲波的機器人避障和目標跟蹤方法的研究D. 電子科技大學, 2008.28 閆慶森, 李臨生, 徐曉峰,等. 視頻跟蹤算法研究綜述J. 計算機科學, 2013, 40(6A).29 凌超, 吳薇. 視頻圖像中運動目標跟蹤算法研究綜述J. 科技資訊, 2012(16).30 汪鴻翔, 柳培忠, 駱炎民,等. 單目標跟蹤算法綜述J. 海峽科學, 2016(7).31 余靜, 游志勝. 自動目標識別與跟蹤技術研究綜述J. 計算機應用研究, 2005, 22(1).32 楊威, 付耀文, 潘曉剛,等. 弱目標檢測前跟蹤技術研究綜述J. 電子學報, 2014, 42(9).33 裴志松, 時兵, PEIZhi-song,等. 智能機器人視覺障礙識別方法研究與仿真J. 計算機仿真, 2016, 33(1).34 陳佳, 朱長仁, 羅賓. 一種camshift算法與brisk特征點相結合的運動目標跟蹤方法J. 重慶理工大學學報自然科學版, 2015, 29(12).35 江曉蓮, 李翠華, 李雄宗. 基于視覺顯著性的兩階段采樣突變目標跟蹤算法J. 自動化學報, 2014, 40(6).36 董文會, 常發(fā)亮, 李天平. 融合顏色直方圖及SIFT特征的自適應分塊目標跟蹤方法J. 電子與信息學報, 2013, 35(4).37 楊戈, 劉宏. 視覺跟蹤算法綜述J. 智能系統(tǒng)學報, 2010, 5(2).38 趙運基. 基于視覺的目標跟蹤算法