-
公开(公告)号：CN106127776B
公开(公告)日：2019-05-03
申请号：CN201610491136.6
申请日：2016-06-28
Applicant: 北京工业大学
Abstract: 基于多特征时空上下文机器人目标识别与运动决策方法，属于机器人领域。本方法先利用图像的颜色和纹理特征对图像进行分块聚类，完成第一帧目标的时空上下文模型的初始化，并构造目标块的稀疏表示方程。然后以聚类块为基本单位，将聚类过程中的聚类置信值与上下文特征相结合建立以图像块为基本单位的置信图。最后，置信图似然概率最大处即为预测的下一帧的目标位置。与以前的方法相比，本发明加强了目标的特征描述，提高了目标在复杂背景下的鲁棒性，另外，提出加入分块聚类的思想保证了算法的实时性。在算法完成目标的识别跟踪后，以跟踪结果作为机器人运动决策的根据，完成机器人对目标的识别跟踪。
-
公开(公告)号：CN106127776A
公开(公告)日：2016-11-16
申请号：CN201610491136.6
申请日：2016-06-28
Applicant: 北京工业大学
CPC classification number: G06K9/00664 , G06K9/6218
Abstract: 基于多特征时空上下文机器人目标识别与运动决策方法，属于机器人领域。本方法先利用图像的颜色和纹理特征对图像进行分块聚类，完成第一帧目标的时空上下文模型的初始化，并构造目标块的稀疏表示方程。然后以聚类块为基本单位，将聚类过程中的聚类置信值与上下文特征相结合建立以图像块为基本单位的置信图。最后，置信图似然概率最大处即为预测的下一帧的目标位置。与以前的方法相比，本发明加强了目标的特征描述，提高了目标在复杂背景下的鲁棒性，另外，提出加入分块聚类的思想保证了算法的实时性。在算法完成目标的识别跟踪后，以跟踪结果作为机器人运动决策的根据，完成机器人对目标的识别跟踪。
-
Search Results
2
records
(took 0.018 seconds)
