摘 要：提出了一種基于平面投影不變量的目標(biāo)跟蹤算法．算法從圖像中提取直線邊緣計(jì)算投影不變量，用于對(duì)目標(biāo)建模并跟蹤．為提取直線邊緣，使用改進(jìn)的序列細(xì)化算法將邊緣細(xì)化為單像素寬，而后用一種快速曲率估計(jì)方法估算邊緣點(diǎn)的曲率，并保留估算值很?。s等于零）的點(diǎn)擬合直線．在所得直線族中按照鄰近規(guī)則或者窗IZl規(guī)則挑選直線計(jì)算投影不變量．圖像處理實(shí)驗(yàn)給出了用文中提出的圖像預(yù)處理算法獲得的直線邊緣效果，并通過(guò)使用所得直線計(jì)算不變量的值衡量了所得不變量的穩(wěn)定性和視角不變性．跟蹤實(shí)驗(yàn)檢驗(yàn)了跟蹤算法的魯棒性和實(shí)用性． 關(guān)鍵詞：投影不變量；目標(biāo)跟蹤；視覺(jué)伺服 1 引言 實(shí)時(shí)連續(xù)圖像序列中的目標(biāo)跟蹤是機(jī)器視覺(jué)，特別是視覺(jué)伺服領(lǐng)域相關(guān)研究和應(yīng)用中的一個(gè)十分重要的問(wèn)題．事實(shí)上，一個(gè)魯棒性和實(shí)時(shí)性俱佳的視覺(jué)特征提取和跟蹤過(guò)程是視覺(jué)伺服任務(wù)成功的關(guān)鍵．目前，跟蹤算法可以大概分為三類：基于2D幾何基元、基于2D模板（區(qū)域）和基于模型（2D、3D）的目標(biāo)跟蹤算法． 第一類方法使用2D幾何基元，如圓點(diǎn)⋯ 、特征點(diǎn)、直線邊緣 和物體外輪廓_4 等，這種算法主要使用灰度梯度提取特征．此類算法在視覺(jué)伺服中應(yīng)用最為廣泛，因?yàn)槠涓櫟降奶卣鲄?shù)可以直接用于視覺(jué)伺服控制率，而且簡(jiǎn)單快速．但是如果目標(biāo)的形狀和紋理十分復(fù)雜以致無(wú)法用幾何基元來(lái)描述，或者背景極為復(fù)雜，則此種算法不適用 ．第二類基于2D模板 的方法不使用梯度，無(wú)需進(jìn)行特征提取，直接使用圖像的亮度信息進(jìn)行2D模板匹配．算法的目標(biāo)是通過(guò)相關(guān)性匹配估計(jì)一組參數(shù)，來(lái)描述模板在圖像序列中的變形和位移，因此這類技術(shù)又被稱為圖像特征運(yùn)動(dòng)估計(jì)．圖像特征運(yùn)動(dòng)模型可能是仿射模型或者透視投影模型．這類算法可以跟蹤復(fù)雜的目標(biāo)，適應(yīng)復(fù)雜的背景，但是算法復(fù)雜度較高，而且需要手動(dòng)初始化跟蹤過(guò)程．第三類方法嘗試建立目標(biāo)的2D或者3D模型，從而可以估計(jì)任意的攝像機(jī)或者剛體目標(biāo)的運(yùn)動(dòng)l ．這種算法可以克服圖像中目標(biāo)的部分遮擋，可以應(yīng)用于任意的視覺(jué)伺服算法（2D、3D和2．5D） ．上述三種方法都有成功應(yīng)用的案例．后兩種算法雖然可用于復(fù)雜環(huán)境，但是都沒(méi)有有效解決算法的自動(dòng)初始化問(wèn)題，初始位置需要手動(dòng)設(shè)定．每次執(zhí)行任務(wù)都需要人工輔助指定初始位置對(duì)于自主智能機(jī)器人來(lái)說(shuō)是不合理的．鑒于人造物體表面特征多可用平面直線和二次曲線來(lái)描述，本文嘗試應(yīng)用平面投影不變量來(lái)實(shí)現(xiàn)平面目標(biāo)的特征跟蹤，更重要的是自動(dòng)完成初始化跟蹤過(guò)程．投影不變量可以使用點(diǎn)、直線、二次曲線或者它們的組合來(lái)產(chǎn)生．圖像中提取的特征點(diǎn)其位置往往不精確，用其計(jì)算所得的不變量精度不高；使用二次曲線的不變量的計(jì)算誤差也較大．直線有許多優(yōu)良特性：它的透視投影在任何情況下都保持為直線，它可以用簡(jiǎn)潔的方程來(lái)表達(dá)，直線的擬合精度易于測(cè)度等等．本文使用直線來(lái)組建不變量．[詳情內(nèi)容請(qǐng)點(diǎn)擊]