視覺(jué)定位系統(tǒng)實(shí)習(xí)平臺(tái)開(kāi)發(fā)

霍　炬，王行順，王永錕，劉洪臣，楊旭強(qiáng)

(哈爾濱工業(yè)大學(xué)　a.電氣工程及自動(dòng)化學(xué)院；b.航天學(xué)院，哈爾濱　150080)

?

視覺(jué)定位系統(tǒng)實(shí)習(xí)平臺(tái)開(kāi)發(fā)

霍炬a，王行順b，王永錕b，劉洪臣a，楊旭強(qiáng)a

(哈爾濱工業(yè)大學(xué)a.電氣工程及自動(dòng)化學(xué)院；b.航天學(xué)院，哈爾濱150080)

摘要為了能讓本科畢業(yè)生將課堂上的知識(shí)運(yùn)用到工程實(shí)踐中，培養(yǎng)他們解決問(wèn)題的能力，提高他們的綜合素質(zhì)，結(jié)合實(shí)際科研項(xiàng)目，綜合利用實(shí)驗(yàn)設(shè)備，搭建了一套視覺(jué)定位系統(tǒng)，解決了從攝像機(jī)拍攝的圖像序列中識(shí)別、定位運(yùn)動(dòng)目標(biāo)的問(wèn)題。該文采用基于金字塔分層的LK光流算法，并且采用TM6710工業(yè)攝像機(jī)對(duì)亮點(diǎn)的定位進(jìn)行測(cè)試。經(jīng)驗(yàn)證，該系統(tǒng)具有很好的實(shí)時(shí)性和較高的穩(wěn)定性。

關(guān)鍵詞視覺(jué)定位；圖像序列；光流法

作為機(jī)器視覺(jué)與圖像處理技術(shù)的一個(gè)重要分支[1]，視覺(jué)定位技術(shù)在國(guó)防領(lǐng)域和日常生活中有著廣泛的應(yīng)用[2]，如主動(dòng)視頻監(jiān)控、人機(jī)交互等。在工業(yè)方面，視覺(jué)定位技術(shù)可以用于工業(yè)機(jī)器人系統(tǒng)中，機(jī)器人通過(guò)對(duì)目標(biāo)的識(shí)別，定位出目標(biāo)的位置。

為本科畢業(yè)生將來(lái)的就業(yè)和進(jìn)一步學(xué)習(xí)奠定基礎(chǔ)，哈爾濱工業(yè)大學(xué)為學(xué)生提供了校內(nèi)實(shí)習(xí)的機(jī)會(huì)，搭建了視覺(jué)定位系統(tǒng)。首先，根據(jù)系統(tǒng)本身的特點(diǎn)，采用基于金字塔分層的LK光流算法；其次，在VC++6.0環(huán)境下利用OpenCV庫(kù)對(duì)算法進(jìn)行驗(yàn)證，并在實(shí)際定位環(huán)境下對(duì)算法進(jìn)行性能測(cè)試；最后，對(duì)實(shí)習(xí)平臺(tái)的軟硬件進(jìn)行設(shè)計(jì)，完成運(yùn)動(dòng)視覺(jué)定位系統(tǒng)的搭建，并對(duì)其進(jìn)行測(cè)試。在實(shí)際運(yùn)行中，剛開(kāi)始時(shí)，系統(tǒng)采用的攝像頭采集頻率較低，影響了跟蹤精度，更換采集頻率比較高的TM6710攝像機(jī)后，最終結(jié)果顯示，該系統(tǒng)能滿(mǎn)足實(shí)驗(yàn)需求。

1視覺(jué)定位系統(tǒng)的總體結(jié)構(gòu)

運(yùn)動(dòng)視覺(jué)定位系統(tǒng)的總體框圖如圖1所示。系統(tǒng)主要包括上位機(jī)、工業(yè)攝像機(jī)及空間目標(biāo)模擬器3個(gè)部分。工業(yè)攝像機(jī)為T(mén)M6710，主要負(fù)責(zé)圖像采集；上位機(jī)為一臺(tái)高性能計(jì)算機(jī)，主要接收工業(yè)攝像機(jī)采集到的圖像數(shù)據(jù)，進(jìn)行圖像預(yù)處理、特征角點(diǎn)提取、運(yùn)動(dòng)目標(biāo)識(shí)別等相關(guān)的圖像處理；運(yùn)動(dòng)目標(biāo)模擬器為一個(gè)二維平面支架，模擬運(yùn)動(dòng)目標(biāo)在平面內(nèi)的運(yùn)動(dòng)。在此過(guò)程中，學(xué)生們對(duì)整個(gè)系統(tǒng)構(gòu)架有了清晰的認(rèn)識(shí)。

圖1　視覺(jué)定位系統(tǒng)的總框圖

2視覺(jué)定位系統(tǒng)原理

運(yùn)動(dòng)目標(biāo)識(shí)別就是把圖像序列中與背景存在相對(duì)運(yùn)動(dòng)關(guān)系的物體提取出來(lái)，而運(yùn)動(dòng)目標(biāo)跟蹤就是根據(jù)識(shí)別出的運(yùn)動(dòng)目標(biāo)的圖像特征，在接下來(lái)的圖像序列中找出目標(biāo)[3]。

本文采用基于金字塔分層的LK光流算法實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的識(shí)別與跟蹤，該方法處理流程如圖2所示。

圖2金字塔分層LK光流算法流程

3基于金字塔分層計(jì)算的LK光流算法

金字塔分層的LK算法步驟為角點(diǎn)檢測(cè)、圖像分層和基于角點(diǎn)匹配的光流跟蹤[4]。該算法基于小窗口匹配像素點(diǎn)，對(duì)圖像分層可在一定程度上減小該約束的作用[5]，因此能夠處理較快的運(yùn)動(dòng)。

3.1角點(diǎn)特征檢測(cè)

角點(diǎn)是指圖像中具有高曲率的點(diǎn)[6]。角點(diǎn)包含較豐富的圖像信息，利用角點(diǎn)進(jìn)行匹配可以大大減小計(jì)算量。

本文采用Harris提出的角點(diǎn)檢測(cè)算法[7]實(shí)現(xiàn)角點(diǎn)的檢測(cè)，它利用圖像的灰度信息來(lái)提取角點(diǎn)。

檢測(cè)得到所有候選角點(diǎn)后，僅保留強(qiáng)度變化幅值局部最大的點(diǎn)，來(lái)尋找易于跟蹤的特征角點(diǎn)。通過(guò)合理設(shè)定閾值，根據(jù)Harris角點(diǎn)檢測(cè)方法檢測(cè)出候選角點(diǎn)。然后，根據(jù)候選角點(diǎn)特征值大小，依次確定一個(gè)以該點(diǎn)為圓心，以d0為半徑的區(qū)域，在該區(qū)域內(nèi)，剔除其他的候選角點(diǎn)，保證該區(qū)域內(nèi)只有一個(gè)特征值較大的候選角點(diǎn)。這樣就保證了角點(diǎn)的健壯性。

3.2圖像分層

對(duì)于大多數(shù)30 Hz的攝像機(jī)，大而不連貫的運(yùn)動(dòng)是普遍存在的，而LK光流算法適合于小而連續(xù)的運(yùn)動(dòng)，因此在實(shí)際跟蹤過(guò)程中效果并不非常好[8]。通過(guò)分層后，大而不連貫的運(yùn)動(dòng)在底層便是小而連續(xù)了，可以進(jìn)行光流計(jì)算[9]。用上一層得到的運(yùn)動(dòng)估計(jì)結(jié)果作為下一圖像層的起始點(diǎn)來(lái)估計(jì)該層的光流，直至圖像底層完成實(shí)際光流的計(jì)算。

IL-1(2x+1，2y)+IL-1(2x，2y-1)+

IL-1(2x+1，2y-1)+IL-1(2x-1，2y+1)+

IL-1(2x+1，2y+1))

(1)

(2)

3.3基于角點(diǎn)匹配的光流跟蹤

(3)

金字塔LK光流算法步驟為：計(jì)算金字塔頂層圖像ILM的光流，將得到的光流結(jié)果作為L(zhǎng)m-1層光流的初始值；再計(jì)算Lm-1層圖像上光流的精確值[11]。同樣，Lm-2層光流的初始值由Lm-1層光流的精確值估計(jì)，得到該層精確值后繼續(xù)代入下一層圖像估計(jì)初始值，直到計(jì)算出原始圖像的光流。

在圖像處理中，學(xué)生學(xué)習(xí)了光流法的理論知識(shí)和公式推導(dǎo)過(guò)程，為之后視覺(jué)定位系統(tǒng)的處理奠定了理論基礎(chǔ)。

4基于光流法的視覺(jué)定位

圖3是視覺(jué)定位的示意圖，主要由攝像機(jī)和運(yùn)動(dòng)目標(biāo)組成。

為了對(duì)本文的光流算法進(jìn)行實(shí)用性驗(yàn)證，在實(shí)現(xiàn)算法的基礎(chǔ)上，首先，利用攝像機(jī)運(yùn)動(dòng)情況下拍攝的飛行器視頻對(duì)算法進(jìn)行驗(yàn)證，它與本系統(tǒng)最終實(shí)驗(yàn)情況相同；其次，在算法正確的基礎(chǔ)上對(duì)實(shí)際要定位的模擬運(yùn)動(dòng)目標(biāo)進(jìn)行靜態(tài)定位實(shí)驗(yàn)，根據(jù)模擬環(huán)境的實(shí)際情況，在定位前需要進(jìn)行相關(guān)圖像預(yù)處理；最后給出測(cè)試結(jié)果。

圖3　視覺(jué)定位示意圖

4.1攝像機(jī)的標(biāo)定

在進(jìn)行視覺(jué)定位前，必須先建立圖像坐標(biāo)與世界坐標(biāo)的轉(zhuǎn)換關(guān)系，即完成攝像機(jī)的標(biāo)定工作。在本實(shí)驗(yàn)中，攝像機(jī)標(biāo)定完成的工作就是根據(jù)圖像坐標(biāo)差標(biāo)定出云臺(tái)在水平和垂直方向需要旋轉(zhuǎn)的角度，即云臺(tái)在水平和垂直方向需要旋轉(zhuǎn)多大角度才能將目標(biāo)由偏移位置移動(dòng)到圖像中心[12]。

標(biāo)定步驟為：利用發(fā)光二極管作為標(biāo)定點(diǎn)，采用重心法提取亮點(diǎn)的圖像坐標(biāo)。首先，將亮點(diǎn)置于圖像中心，通過(guò)云臺(tái)控制軟件記錄此時(shí)云臺(tái)的位置，作為初始位置。通過(guò)云臺(tái)控制軟件控制云臺(tái)在水平方向旋轉(zhuǎn)αx，在垂直方向旋轉(zhuǎn)αy，便得到圖3中亮點(diǎn)的偏移情況，提取亮點(diǎn)的圖像坐標(biāo)，得到亮點(diǎn)與圖像中心的像素差Δxd，Δyd。通過(guò)該過(guò)程便得到一個(gè)標(biāo)定點(diǎn)。重復(fù)上述過(guò)程，便得到如表1所示的實(shí)驗(yàn)數(shù)據(jù)。

在跟蹤過(guò)程中，當(dāng)運(yùn)動(dòng)目標(biāo)偏離圖像中心時(shí)，計(jì)算目標(biāo)中心相對(duì)于圖像中心的圖像差，根據(jù)表1，便可計(jì)算出使運(yùn)動(dòng)目標(biāo)處于圖像中云臺(tái)在水平及垂直方向旋轉(zhuǎn)的角度。在此需要注意，標(biāo)定表對(duì)角度的求取有一個(gè)取反的過(guò)程。因?yàn)闃?biāo)定時(shí)是從圖像中心偏移到標(biāo)定位置云臺(tái)旋轉(zhuǎn)的角度，而跟蹤時(shí)是需要將目標(biāo)從偏移位置旋轉(zhuǎn)到圖像中心。對(duì)于標(biāo)定表中沒(méi)有的數(shù)據(jù)，可以通過(guò)線性插值求取。

標(biāo)定過(guò)程讓學(xué)生學(xué)習(xí)了相機(jī)標(biāo)定的原理，了解了標(biāo)定步驟。

4.2金字塔LK光流法驗(yàn)證性實(shí)驗(yàn)

基于金字塔LK光流法，程序?qū)崿F(xiàn)了對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤。程序流程如圖4所示。

由于該方法在識(shí)別出運(yùn)動(dòng)目標(biāo)后，以角點(diǎn)來(lái)標(biāo)識(shí)運(yùn)動(dòng)目標(biāo)，所以該方法可以跟蹤任何具有角點(diǎn)特征的運(yùn)動(dòng)目標(biāo)，而與目標(biāo)的形狀無(wú)關(guān)[13]。但是，當(dāng)目標(biāo)出現(xiàn)完全遮擋時(shí)，角點(diǎn)跟蹤會(huì)失效，需要重新識(shí)別運(yùn)動(dòng)目標(biāo)直至目標(biāo)再次出現(xiàn)。

表1　攝像機(jī)標(biāo)定數(shù)據(jù)

圖4　運(yùn)動(dòng)目標(biāo)識(shí)別與跟蹤流程

4.3模擬視覺(jué)定位測(cè)試

運(yùn)動(dòng)目標(biāo)模擬系統(tǒng)模擬飛行器的平面運(yùn)動(dòng)。由于實(shí)際運(yùn)動(dòng)過(guò)程中支架的運(yùn)動(dòng)導(dǎo)致在視場(chǎng)內(nèi)運(yùn)動(dòng)物體過(guò)大，為此在被跟蹤區(qū)域貼標(biāo)識(shí)來(lái)表示運(yùn)動(dòng)目標(biāo)。在實(shí)際跟蹤情況下，需先進(jìn)行圖像的預(yù)處理。

1)圖像濾波。

圖像濾波可以減少圖像上的噪聲。常見(jiàn)的圖像噪聲主要有高斯噪聲、脈沖噪聲等[14]。常見(jiàn)的濾波方法分為線性濾波和非線性濾波。最常見(jiàn)的線性濾波器就是均值濾波器，它采用奇數(shù)正方形窗口的平均灰度值代替窗口中心的灰度值，表達(dá)式為：

(4)

式中，M是鄰域N像素總和，f(x，y)為第i行j列像素的灰度值。

2)目標(biāo)標(biāo)識(shí)提取。

目標(biāo)標(biāo)識(shí)提取的目的是提取運(yùn)動(dòng)目標(biāo)的大致區(qū)域，便于在該區(qū)域內(nèi)提取易于跟蹤的角點(diǎn)，從而利用光流法跟蹤運(yùn)動(dòng)目標(biāo)。

為提取目標(biāo)的輪廓，需對(duì)圖像進(jìn)行邊緣提取，采用canny邊緣檢測(cè)法對(duì)圖像進(jìn)行邊緣提取[15]。由于目標(biāo)標(biāo)識(shí)已知，根據(jù)面積大小去除不滿(mǎn)足要求的輪廓，對(duì)接近標(biāo)識(shí)面積大小的輪廓進(jìn)行橢圓擬合，由于目標(biāo)標(biāo)識(shí)為圓形，故擬合出的橢圓長(zhǎng)軸與短軸之比應(yīng)接近1，據(jù)此便可提取出目標(biāo)區(qū)域。

提取出目標(biāo)區(qū)域后，便可在實(shí)際跟蹤情況下對(duì)算法進(jìn)行測(cè)試。在攝像機(jī)靜止情況下，光流算法能夠很好地完成運(yùn)動(dòng)目標(biāo)的跟蹤，跟蹤比較穩(wěn)定。

跟蹤實(shí)時(shí)性測(cè)試中對(duì)光流法跟蹤處理耗時(shí)予以計(jì)時(shí)，跟蹤算法耗時(shí)約為4 ms。對(duì)于圖像采集頻率約為100 Hz的相機(jī)來(lái)說(shuō)，跟蹤處理過(guò)程能在圖像采集間隔10 ms內(nèi)完成，因此，實(shí)時(shí)性能夠滿(mǎn)足系統(tǒng)要求。測(cè)試該算法所能跟蹤的最大速度時(shí)，主要受兩個(gè)因素影響：一是圖像采集速率；二是光流算法所能跟蹤的最大像素差。對(duì)本文實(shí)現(xiàn)的光流算法測(cè)試發(fā)現(xiàn)，該算法能跟蹤的兩幀間最大像素差約為6個(gè)像素。若圖像的采集頻率為100 Hz，圖像的分辨率為 640×480，那么，理想狀態(tài)下該方法可以對(duì)視場(chǎng)內(nèi)任意運(yùn)動(dòng)的目標(biāo)進(jìn)行跟蹤。因此，系統(tǒng)的實(shí)際跟蹤性能主要受圖像采集頻率影響。

在實(shí)驗(yàn)中，學(xué)生學(xué)到了目標(biāo)提取的方法，并熟知了實(shí)驗(yàn)流程。

5系統(tǒng)平臺(tái)組成

5.1系統(tǒng)平臺(tái)硬件組成

系統(tǒng)平臺(tái)的硬件由攝像機(jī)、運(yùn)動(dòng)目標(biāo)模擬器和上位機(jī)3部分組成。

1)攝像機(jī)作為圖像采集的工具，在本系統(tǒng)中相當(dāng)于一個(gè)誤差傳感器，攝像機(jī)的成像質(zhì)量直接影響跟蹤效果。本文選用的攝像頭是市面上普通的USB接口的CMOS攝像頭，這種攝像頭價(jià)格便宜且使用方便，可通過(guò)USB接口直接與計(jì)算機(jī)相連而無(wú)須圖像采集卡，易于開(kāi)發(fā)。主要技術(shù)規(guī)格如下：

①感光芯片：CMOS。

②分辨率：640 ×480。

③幀率：CIF格式30幀/s，VGA格式15-20 幀/s。

④接口：USB接口。

2)運(yùn)動(dòng)目標(biāo)模擬器完成的功能是模擬飛行器的平面運(yùn)動(dòng)，作為待跟蹤的運(yùn)動(dòng)目標(biāo)。伺服控制柜主要有工控機(jī)及控制軟件、GALIL運(yùn)動(dòng)控制卡和松下伺服驅(qū)動(dòng)器等組成。最大運(yùn)動(dòng)速度為1.5 m/s，運(yùn)動(dòng)范圍為2 m×2 m，能夠模擬運(yùn)動(dòng)目標(biāo)的直線運(yùn)動(dòng)與圓弧運(yùn)動(dòng)。

3)上位機(jī)作為圖像處理部分的核心，運(yùn)行運(yùn)動(dòng)目標(biāo)的識(shí)別程序，完成對(duì)運(yùn)動(dòng)目標(biāo)的實(shí)時(shí)坐標(biāo)提取。

5.2系統(tǒng)平臺(tái)軟件組成

系統(tǒng)平臺(tái)的軟件開(kāi)發(fā)是在VC++6.0環(huán)境下完成的，在開(kāi)發(fā)過(guò)程中用到的是OpenCV函數(shù)庫(kù)。

作為一個(gè)跨平臺(tái)的開(kāi)源的計(jì)算機(jī)視覺(jué)庫(kù)，OpenCV的設(shè)計(jì)目標(biāo)是執(zhí)行速度盡量快，主要關(guān)注實(shí)時(shí)應(yīng)用。這非常符合本系統(tǒng)的要求，它主要采用了優(yōu)化的C代碼實(shí)現(xiàn)。利用OpenCV可以幫助開(kāi)發(fā)人員更便捷地開(kāi)發(fā)計(jì)算機(jī)視覺(jué)相關(guān)的應(yīng)用程序，其中包含的眾多函數(shù)，涵蓋了計(jì)算機(jī)視覺(jué)應(yīng)用的許多領(lǐng)域。利用OpenCV可以輕松地實(shí)現(xiàn)一些圖像的基本處理，如圖像的幾何變換、形態(tài)學(xué)處理、圖像的輪廓處理和目標(biāo)的特征提取等[16]。

使用OpenCV大大減小了在VC環(huán)境下開(kāi)發(fā)運(yùn)動(dòng)目標(biāo)識(shí)別與跟蹤程序的復(fù)雜程度，而且在VC環(huán)境下使用非常方便，只需將用到的庫(kù)文件和相關(guān)頭文件添加到工程中，便可應(yīng)用這些功能強(qiáng)大的函數(shù)。視覺(jué)定位軟件界面如圖5所示。

圖5　視覺(jué)定位軟件界面

6實(shí)驗(yàn)結(jié)果及分析

控制運(yùn)動(dòng)目標(biāo)模擬器使運(yùn)動(dòng)目標(biāo)在運(yùn)動(dòng)平面內(nèi)做直線運(yùn)動(dòng)，根據(jù)運(yùn)動(dòng)目標(biāo)識(shí)別結(jié)果控制云臺(tái)旋轉(zhuǎn)。根據(jù)對(duì)程序的測(cè)試，運(yùn)動(dòng)目標(biāo)識(shí)別耗時(shí)約為15 ms，完成運(yùn)動(dòng)目標(biāo)識(shí)別后，接下來(lái)的數(shù)據(jù)幀采用光流法對(duì)運(yùn)動(dòng)進(jìn)行跟蹤提取耗時(shí)約為4 ms。

經(jīng)實(shí)驗(yàn)驗(yàn)證，在現(xiàn)有條件下能夠滿(mǎn)足系統(tǒng)的實(shí)時(shí)性要求。

參 考 文 獻(xiàn)

[1]徐劍.目標(biāo)跟蹤系統(tǒng)的設(shè)計(jì)與研究[D].西安:西北工業(yè)大學(xué)，2005.

[2]伍翔.視頻圖像中運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法研究與實(shí)現(xiàn)[D].哈爾濱:哈爾濱工業(yè)大學(xué)，2007:1-10.

[3]徐晶，方明，楊華民，等.計(jì)算機(jī)視覺(jué)中的運(yùn)動(dòng)檢測(cè)與跟蹤[M].北京：國(guó)防工業(yè)出版社，2012:9-12.

[4]于丹丹.局部化光流估計(jì)方法研究[D].哈爾濱:哈爾濱工業(yè)大學(xué)，2011.

[5]CLAVEAU D.A space-variant architecture for active visual target tracking[D].Montreal:Concordia University，2007:9-12.

[6]張海燕.基于圖像分塊的多尺度Harris角點(diǎn)檢測(cè)方法[J].計(jì)算機(jī)應(yīng)用，2011，5(10):45-50.

[7]HARRIS C，STEPHENS M.A combined corner and edge detector[J].Proceedings of the 4th Alvey Vision Conference，Manchester,England,1988:147-151.

[8]BRTADSKI G，KAEBLER A.學(xué)習(xí)OpenCV[M].北京：清華大學(xué)出版社，2009:356-365.

[9]GONZLLEA R C，WOODS R E.數(shù)字圖像處理[M].北京：電子工業(yè)出版社，2011:88-100.

[10]彭艷芳，視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究[D].武漢:武漢理工大學(xué)，2010:15-18.

[11]NIETHAMMER M，TANNENBAUM A，ANGENENT S.Dynamic active contours for visual tracking[J].IEEE Transactions on Automatic Control，2006，51(4):562-579.

[12]周孚成.基于圖像的機(jī)器人視覺(jué)伺服控制[D].長(zhǎng)沙:中南大學(xué)，2012.

[13]徐德，譚明，李原.機(jī)器人視覺(jué)測(cè)量與控制[M].北京：國(guó)防工業(yè)出版社，2011:210-215.

[14]魏任得.視頻監(jiān)控系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)[D].成都:電子科技大學(xué)，2010.

[15]周宏仁，敬忠良，王培德.機(jī)動(dòng)目標(biāo)跟蹤[M].北京：國(guó)防工業(yè)出版社，1991:10-20.

[16]蔡萌.機(jī)動(dòng)目標(biāo)跟蹤方法研究[D].哈爾濱:哈爾濱工業(yè)大學(xué)，2010:9-10.

收稿日期:2015-03-13；修改日期: 2015-03-30

基金項(xiàng)目：黑龍江省高等學(xué)校教改工程項(xiàng)目(JG2014010725)。

作者簡(jiǎn)介：霍炬(1977-)，男，博士，教授，主要從事電工電子方面的教學(xué)與管理工作。

中圖分類(lèi)號(hào)TN873；TP317

文獻(xiàn)標(biāo)志碼A

doi:10.3969/j.issn.1672-4550.2016.03.002

Development of Internship Platform for Visual Positioning

HUO Jua，WANG Xingshunb，WANG Yongkunb，LIU Hongchena，YANG Xuqianga

(a.School of Electrical Engineering and Automating;b.School of Astronautics, Harbin Institute of Technology, Harbin 150080,China)

AbstractIn order to let the graduates apply the knowledge learned to engineering practice，raise student’s abilities of problem solving，and improve the comprehensive quality，a set of visual positioning system is set up using experimental equipment.Problem that camera is able to recognize，position moving targets in image sequence is solved.In this paper，based on pyramid hierarchical LK optical flow algorithm，we use the TM6710 to test the positioning of highlights.According to the experiment，the system has good real-time and high-stability.

Key wordsvisual positioning;image sequence;optical flow method