基于機(jī)器人視覺平臺，對成像目標(biāo)進(jìn)行模板提取及邊緣檢測。針對目標(biāo)在運動過程中
的形變和部分遮擋問題，采用一種改進(jìn)的Hausdorff 距離進(jìn)行相似度量。提出了一種邊緣細(xì)化方法及自適應(yīng)模板尺寸修正策略，減少了邊緣特征點，大大降低Hausdorff 距離的計算量。
基于Hausdorff 距離進(jìn)行模板更新，避免固定模板誤差累積問題。實驗表明，實時跟蹤效果良好，并有效解決了目標(biāo)部分遮擋問題。
圖像相關(guān)匹配是機(jī)器人視覺跟蹤系統(tǒng)對目標(biāo)進(jìn)行跟蹤的基本手段。由于傳統(tǒng)相關(guān)跟蹤算
法的計算量大，故各學(xué)者相繼提出了各種特征匹配方法。邊緣是最常用的一種圖像特征，以提取邊緣特征點為基礎(chǔ)的Hausdorff距離不要求模板與圖像一一對應(yīng)，既有對形變和噪聲不敏感的特點，又有一定的抗遮擋的能力，故被廣泛應(yīng)用[1]。為克服個別出格點和遮擋對Hausdorff距離的不利影響，提出了部分Hausdorff距離等各種改進(jìn)的Hausdorff距離。近年來，又提出將多分辨率分析與信息測度特征等與Hausdorff距離相結(jié)合以提高匹配準(zhǔn)確度的方法。
本文基于智能自主移動機(jī)器人視覺平臺，考慮實際實驗環(huán)境和跟蹤質(zhì)量的要求，對成像
目標(biāo)的識別跟蹤進(jìn)行研究。提出了邊緣細(xì)化方法、動態(tài)調(diào)整模板大小[2]、目標(biāo)搜索區(qū)域定位與三步搜索法結(jié)合的方法，以提高跟蹤實時性。而且，本文提出了一種改進(jìn)的Hausdorff距離作為相關(guān)性度量，具有一定的魯棒性，可有效解決目標(biāo)部分遮擋的情況。