王樹偉 王雪 蘇勃赫 張文瑞 楊興旺

摘要：本文將詳細介紹目標跟蹤機器人算法的具體流程，通過專業(yè)的研究與調(diào)查，精準找出機器人算法在目標跟蹤中的具體應(yīng)用，如匹配轉(zhuǎn)角點、強化仿射變換等，并利用Mean-Shift算法來完善機器人的目標跟蹤水平，從而提升機器人算法的實用性。

關(guān)鍵詞：機器人算法;目標跟蹤;仿射變換

引言：

在探索機器人內(nèi)部功能的過程中，實時的目標追蹤屬其內(nèi)部的重要功能，在研究目標跟蹤下機器人的算法時，相關(guān)人員應(yīng)明確機器人算法的具體要求，借助適宜的跟蹤算法，有效達成相關(guān)項目的實用性需求，全面改善相關(guān)算法的應(yīng)用性能。

1.目標跟蹤機器人算法的具體流程

在探究目標跟蹤機器人算法前，相關(guān)人員需明確算法內(nèi)部包含的要素，如密度、大小等，并根據(jù)該類指標設(shè)定密度函數(shù)，完成相關(guān)數(shù)據(jù)采樣工作。在目標跟蹤機器人算法中，相關(guān)人員應(yīng)依照前一幀的目標來不斷搭建目標選項，適時計算出相鄰兩幀候選項的目標系數(shù)，將其放置到目標函數(shù)公式內(nèi)。

為加強目標跟蹤機器人算法的精準度與適應(yīng)性，相關(guān)人員采用了Mean-Shift算法，在該類算法中可將更多數(shù)據(jù)模型放置到相同的視頻流內(nèi)，即使研究的對象相同也會在相鄰的幾幀中看出不同類型的視圖。工作人員在應(yīng)用目標跟蹤機器人算法期間，若其搭建起一個帶有不同視圖描述且富有尺度變化的目標模型時，其能在該類視頻中找尋到極為精準的追蹤對象。若數(shù)據(jù)模型內(nèi)的應(yīng)用對象帶有變換、旋轉(zhuǎn)等視圖時，相關(guān)人員應(yīng)及時轉(zhuǎn)變仿射方式，也能該視頻中的圖像進行適宜縮放。在實行仿射變換的過程中，工作人員需對其采取特征點匹配，而在當前目標跟蹤機器人算法中，其內(nèi)部的特征點為轉(zhuǎn)角點。在使用目標跟蹤機器人算法期間，相關(guān)人員需明確該算法的執(zhí)行流程，利用對相關(guān)流程的科學管控來強化算法應(yīng)用的精準度。

2.機器人算法在目標跟蹤中的具體應(yīng)用

2.1匹配轉(zhuǎn)角點

在應(yīng)用目標跟蹤機器人算法的過程中，轉(zhuǎn)角點的匹配屬重要工作任務(wù)，該項轉(zhuǎn)換工作多用在仿射變換中，在計算相關(guān)仿射結(jié)構(gòu)期間應(yīng)精準找出該結(jié)構(gòu)的內(nèi)部興趣特征點，而該類特征點的主要用途為連接兩個不同的圖像，若特征點的匹配不合理，其獲取的仿射結(jié)構(gòu)也會存在各種問題，且目標尺度值的準確性將遭受懷疑。

一般來講，仿射結(jié)構(gòu)內(nèi)部的轉(zhuǎn)角點多產(chǎn)生在多個或兩個邊緣中，而邊緣的確認則要依賴于不同對象間的界限與相同對象間不同部分的邊界，也就是說通過轉(zhuǎn)角點的計算可精準發(fā)現(xiàn)仿射結(jié)構(gòu)。在使用Mean-Shift算法期間，相關(guān)人員應(yīng)及時比對其內(nèi)部產(chǎn)出的各項數(shù)據(jù)，即對比不同數(shù)據(jù)的彩色柱狀圖，由于該類算法對計算背景與相關(guān)目標的敏感度較強，若目標彩色柱狀圖的分布與相關(guān)背景較相似，利用Mean-Shift算法可準確找出目標中心與實際情況的位置差，繼而運用轉(zhuǎn)角點的匹配就精準追蹤與識別具體目標。

2.2確認試驗環(huán)境

為探尋目標跟蹤機器人算法的應(yīng)用效果，相關(guān)人員應(yīng)開展適宜的算法試驗，在找尋機器人算法中的各項數(shù)值時，應(yīng)及時確認試驗環(huán)境。具體來看，本次實驗采用的數(shù)據(jù)平臺帶有視頻數(shù)據(jù)，其內(nèi)存為2GB，相關(guān)人員應(yīng)根據(jù)相關(guān)器械詳盡收集該算法內(nèi)的數(shù)據(jù)信息，為加強該類數(shù)據(jù)信息的集中性，其圖像被轉(zhuǎn)變成320*240類型的像素。為確保試驗環(huán)境的適宜性，工作人員在應(yīng)用機器人算法前，對試驗環(huán)境進行了相應(yīng)測試，其利用記錄追蹤的方式來感受著環(huán)境的改變，當環(huán)境出現(xiàn)改變時，其測算出的數(shù)據(jù)信息也存有不同程度的誤差，在實行具體的數(shù)據(jù)追蹤期間，借助相關(guān)公式來獲取真實目標的高度與寬度，一般來講，相對尺度的誤差多在1左右、而目標中心位置的誤差與0接近。

2.3強化仿射變換

在確定試驗環(huán)境后，試驗人員應(yīng)依照此前轉(zhuǎn)角點的匹配來完成仿射變換。一般來講，在運用目標跟蹤機器人算法的過程中，若連續(xù)2-3幀產(chǎn)生轉(zhuǎn)角點，需采用轉(zhuǎn)角匹配法來完成仿射變換工作，找出適宜的仿射結(jié)構(gòu)。當該類算法處在二維狀態(tài)中時，為增強仿射結(jié)構(gòu)計算的精準度，相關(guān)人員應(yīng)找出3個匹配點，若匹配點在3個以內(nèi)，其計算出的仿射結(jié)構(gòu)將難以保證相關(guān)數(shù)值的準確。同時，在進行轉(zhuǎn)換點匹配的過程中，相關(guān)人員應(yīng)精準找出垂直方向與水平方向內(nèi)的尺度因子，并通過Mean-Shift算法來查找出對應(yīng)的目標候選項，從而利用尺度因子的內(nèi)部數(shù)值來改善目標數(shù)據(jù)的大小。

2.4獲取試驗結(jié)果

在完成目標跟蹤機器人算法的計算后，相關(guān)人員應(yīng)及時審查該算法結(jié)果，確認該項目標跟蹤的合理性、準確性。具體來看，在采用Mean-Shift算法的過程中，試驗人員應(yīng)適時審視其算法目標的完成度，比如，在某一個數(shù)據(jù)集內(nèi)該算法的主要跟蹤目標為一輛轎車，隨著數(shù)據(jù)集內(nèi)部算法的變化，該轎車的尺度也出現(xiàn)較大改變，而在該轎車進入到停車場后，雖然該轎車的內(nèi)部數(shù)據(jù)出現(xiàn)了遮擋，但通過適宜的算法仍能看出該轎車的準確位置，因而使用Mean-Shift算法可精準測算出跟蹤目標的具體位置，該試驗可有效實現(xiàn)跟蹤目標的數(shù)據(jù)測量工作，提升機器人算法數(shù)據(jù)測試的準確性。

3.總結(jié)

綜上所述，針對目標跟蹤機器人算法的使用來說，相關(guān)人員應(yīng)依照該算法的計算形態(tài)實行目標跟蹤測試，并利用其目標尺寸的變化來找出目標像素個數(shù)，嚴格控制相關(guān)算法的應(yīng)用時間，繼而有效提升目標追蹤工作的準確性，將其運用到更多領(lǐng)域中。

參考文獻

[1] 李曉麗.三自由度DELTA機器人控制方法的研究[D].遼寧科技大學 2019

[2] 冷俐平.六自由度delta機器人運動動力學分析及仿真研究[D].內(nèi)蒙古科技大學 2019

[3] 李鵬.Delta算子系統(tǒng)飽和控制與有限頻域性能研究[D].燕山大學 2019

[4] 劉新科.delta并聯(lián)機器人控制系統(tǒng)研究[D].北京建筑大學 2018

[5] 潘超.DELTA并聯(lián)機器人軌跡規(guī)劃與分揀策略的研究[D].曲阜師范大學 2018

[6] 何風.DELTA并聯(lián)機器人軌跡規(guī)劃研究與運動控制實現(xiàn)[D].長沙理工大學 2017

[7] 杜碧瑩.基于Delta算子的不確定性系統(tǒng)量化反饋滑?？刂蒲芯縖D].哈爾濱工業(yè)大學 2018

[8] 閆本鏡.Delta機械手尺度綜合和動力學分析[D].哈爾濱工業(yè)大學 2017

作者簡介：王樹偉（1992.2—），男，漢族，籍貫：河北邯鄲人，北華航天工業(yè)學院電子與控制工程學院，20級在讀研究生，碩士學位，專業(yè)：電子信息，研究方向：控制工程.