基于Halcon的運動目標追蹤研究

郭壯+曹冬梅+童一飛

摘 要： 為達到對運動磁環(huán)快速準確的追蹤，實現(xiàn)機械手實時分揀抓取，分析了運動目標檢測算法，基于磁環(huán)運動建立卡爾曼濾波狀態(tài)估計模型，對于連續(xù)采集圖像序列利用卡爾曼濾波背景估計檢測算法來確定感興趣區(qū)域，經(jīng)Halcon圖像處理，實現(xiàn)對運動目標的實時監(jiān)測追蹤。仿真對比驗證了卡爾曼濾波能避免背景、光照擾動問題，準確地估計背景提取前景，不會對運動物體出現(xiàn)漏檢情況，系統(tǒng)可靠性高、適用性強，為運動物體實時追蹤提供了理論依據(jù)。

關鍵詞： 運動磁環(huán)； 卡爾曼濾波； 背景估計； Halcon； 追蹤監(jiān)測

中圖分類號： TN911.73?34 文獻標識碼： A 文章編號： 1004?373X（2017）15?0014?03

Abstract： In order to track the moving magnet ring quickly and precisely， and realize the real?time sorting and scratching of manipulator， the moving object detection algorithm is analyzed. On the basis of the magnet ring motion， a state estimation model of Kalman filtering was established. The background estimation detection algorithm of Kalman filtering is used to determine the region of interest of the image sequence acquired continuously. The image sequence is performed with image processing based on Halcon to realize the real?time monitoring and tracking of the moving object. The simulation contrastive verification results show that the Kalman filtering can avoid the problems of background and illumination disturbances， estimate the background and extract the foreground precisely， won′t appear the situation of missed detection moving objects， and the system has high stability and strong applicability， which provides a theoretical basis for the real?time tracking of moving objects.

Keywords： moving magnet ring； Kalman filtering； background estimation； Halcon； tracking and monitoring

0 引 言

運動目標的追蹤是利用信號和信息處理技術，綜合目標的前一狀態(tài)估計信息和傳感器提供的在線測量信息對目標運動狀態(tài)估計的過程。廣泛應用于機器人視覺導航、公共場所安全監(jiān)控、智能交通監(jiān)測、軍事制導與反導等領域，因此，受到國內(nèi)外學者的廣泛關注，促使運動目標追蹤算法不斷發(fā)展與完善[1]。

經(jīng)過50多年的發(fā)展，運動目標追蹤技術從原來的單目標追蹤、多目標追蹤，發(fā)展到機動目標追蹤及群目標追蹤。目標追蹤的難點在于模型的不確定性和量測數(shù)據(jù)的不確定性，對此，產(chǎn)生了大量的理論和技術，其中有非線性濾波理論、狀態(tài)估計及融合理論、混雜系統(tǒng)建模及估計理論、基于隨機矩陣的建模及估計理論等。早期的目標追蹤算法大都是基于模型進行狀態(tài)估計，卡爾曼濾波器的出現(xiàn)，使得基于狀態(tài)空間的運動目標建模成為主要研究方向。新飛行器和新傳感器等運動也賦予目標追蹤難點以新的內(nèi)涵，促使目標追蹤理論不斷發(fā)展、完善。

1 運動目標追蹤原理

1.1 運動目標檢測算法原理

本文研究視覺伺服機器人動態(tài)目標抓取系統(tǒng)中，機械手抓取傳送帶上的運動磁環(huán)，分析、處理采集到的視頻圖像，需要在一段序列圖像中的每幅圖像中實時地找到運動目標，從而對物體進行追蹤定位。攝像機相對機械手的安裝位置不同，使得運動目標追蹤存在靜態(tài)背景和動態(tài)背景兩種情況[2]。

背景差分法是運動目標常用的檢測算法，其主要原理是利用當前幀測得的圖像減去上一時刻更新背景圖像來檢測運動物體的一種技術?？柭鼮V波背景模型的建立是整個算法的核心，將當前測得的圖像與背景模型做差，得到的像素差值與設定值比較，當像素差值大于設定值，則將此像素劃為運動目標，否則劃為背景[3]。

1.2 卡爾曼濾波狀態(tài)估計模型

運動目標追蹤算法主要有維納濾波和卡爾曼濾波。維納濾波要求被處理信號必須是穩(wěn)定、一維的，是基于頻域設計的方法，適用范圍極其有限?？柭鼮V波基于時域，是離散時間狀態(tài)空間線性系統(tǒng)模型下的最小均方誤差估計，是一種常用的遞歸濾波處理方法。利用前一時刻前景圖像的估計值和當前時刻量測數(shù)據(jù)來估計當前前景信號，其優(yōu)點是不需要過去全部的觀測數(shù)據(jù)，在時域上通過狀態(tài)方程以估計—實測—修正的遞推方法進行估計，利用系統(tǒng)的測量值來消除隨機干擾，重構系統(tǒng)狀態(tài)向量，所得解以估計值的形式給出，恢復被污染系統(tǒng)的本來面目[4]。

本研究系統(tǒng)以運動磁環(huán)的坐標和速度建立運動推算關系[5]，因為磁環(huán)在傳送帶上勻速運動，所以運動軌跡關系式為：

用于估計離散時間過程的向前推算狀態(tài)變量：

式中：表示時刻的系統(tǒng)預測狀態(tài)變量，為一估計值；表示時刻系統(tǒng)狀態(tài)變量；表示該系統(tǒng)狀態(tài)轉移矩陣，其值決定前景、背景增益大??；表示系統(tǒng)輸入矩陣；隨機信號表示觀測噪聲。本系統(tǒng)中，由一個四維向量構成，分別表示運動磁環(huán)在二維平面軸上的位置和速度。

向前推算誤差協(xié)方差：

式中：為時刻的更新誤差協(xié)方差矩陣；為單位矩陣。

矩陣根據(jù)運動物體軌跡推算關系確定，根據(jù)外部觀測向量和狀態(tài)向量之間的關系確定：

卡爾曼濾波運用反饋控制的方式達到對磁環(huán)運動的準確估計，主要包含時間更新方程和測量更新方程兩個方面[6]，時間更新屬于預測部分，測量更新屬于修正部分，工作原理如圖1所示。

2 運動目標追蹤仿真

2.1 目標追蹤關鍵算子

Halcon是MVtec公司推出的一款專用數(shù)字圖像處理軟件，是一個機器視覺算法包集合，內(nèi)含1 000多個獨立算子，以及自己獨特的底層數(shù)據(jù)結構。HDevelop是Halcon高級交互式編譯環(huán)境，軟件可以支持導出VB，C，C#，C++等多種編程語言，進行混合編程并設計良好的用戶界面，同時為多種圖像采集卡和工業(yè)相機提供接口，節(jié)約了成本，縮短了開發(fā)周期[7]。內(nèi)含專用運動目標追蹤算子，見表1。

2.2 目標追蹤仿真

對運動磁環(huán)檢測及追蹤流程如圖2所示。其中，圖像縮小為原來的一半，可提高計算速度，節(jié)省程序運行時間，保證監(jiān)測追蹤的實時性，與監(jiān)控區(qū)域求交集時，要恢復圖像原本大小；圖像連通以后，通過面積特征選擇目標區(qū)域。

創(chuàng)建和初始化背景估計模型時，卡爾曼系統(tǒng)矩陣參數(shù)Syspar1和Syspar2設置為0.7；AdaptMode設置為on，表示采用自適應卡爾曼增益方式打開；Gain1表示前景增益，Gain2表示背景增益，兩者數(shù)量級要有明顯區(qū)別，且都要小于1，分別設置為0.002和0.02；前景和背景的閾值MinDiff設置為7，加上估計值偏差，用于提取前景區(qū)域；根據(jù)前6幀該像素值的統(tǒng)計學評價對每個像素增加一個偏移量到閾值；分布將決定當背景被前景遮擋且判為前景時，背景的置信區(qū)間ConfidenceC設置為2.82，即98.0%；常數(shù)衰減時間TimerC表示用于檢測背景與前景光照變化大時計算閾值所用的時間，這使得在前景中檢測到磁環(huán)運動區(qū)域的閾值會增大，因此能承受的光照強度變化范圍也比較大。圖3為在Halcon平臺上對運動磁環(huán)的追蹤圖。

本文研究系統(tǒng)中，利用卡爾曼濾波可以根據(jù)磁環(huán)時刻的運動狀況和位置信息，預測時刻的運動狀況和位置信息，綜合時刻測量值，可以確定時刻磁環(huán)出現(xiàn)的范圍，以此范圍位置的中心圈定一個矩形，后續(xù)圖像處理時只需要對矩形區(qū)域內(nèi)的圖像進行處理，不僅可以節(jié)省處理時間，并且可以降低磁環(huán)識別的錯誤率。

2.3 算法比較

相比于另一種目標在線追蹤方法：模板匹配，它是在圖像中尋找和模板圖像相似的區(qū)域，在時刻尋找運動目標時，需要與時刻找到的目標進行對比，只有這樣，運動磁環(huán)的變化才能及時的更新。主要有基于灰度值的模板匹配、基于邊緣的模板匹配、基于形狀的模板匹配。基于灰度值的模板匹配，通過計算當前測得圖像與模板圖像灰度值的相似度來實現(xiàn)，缺點是受光照影響比較大，抗干擾性不強；基于邊緣的模板匹配由于要進行邊緣提取，只適用于光照變化非常小的情況；基于形狀的模板匹配需要建立模板，當檢測目標更換時，需要重新定義模板，費時費力[8?9]。

卡爾曼濾波中參數(shù)TimerC使得在前景中檢測到運動目標的區(qū)域閾值會提高，能承受很大的光照強度變化，且不需要定義模板，不會出現(xiàn)跟蹤漂移，由于卡爾曼濾波縮小了檢測區(qū)域，相比于對整幅圖像進行模板匹配，計算處理時間減少，所以實時性比較強。

3 應用分析

本文研究系統(tǒng)主要應用在磁環(huán)生產(chǎn)線上，對磁環(huán)進行裝箱。隨著機器人技術和機器視覺的發(fā)展，越來越多的生產(chǎn)線開始使用機器視覺和機械手配合，代替?zhèn)鹘y(tǒng)的手工作業(yè)。工控機處理確定運動目標質心之后，通過攝像機標定、手眼標定，完成攝像機坐標、圖像坐標、世界坐標之間的坐標轉換關系，利用標定、轉換結果可以計算出目標物體的空間位置[10]。本系統(tǒng)采用EPSON的LS3系列SCARA機器人，上位機和機器人控制器之間采用以太網(wǎng)通信方式，上位機將Halcon與VC++混合編程得到的運動目標坐標以字符串的形式發(fā)出，控制器通過預先編譯的接收程序接收坐標，讀取機器人當前位姿，計算機器人四軸需要運動到的位置，轉換為各關節(jié)運動，使機械手到達期望位置。

4 結 語

本文針對工廠生產(chǎn)線上磁環(huán)裝箱問題，提出了卡爾曼濾波的背景估計檢測算法，能解決背景擾動問題，準確估計背景提取運動磁環(huán)位置，不會對磁環(huán)出現(xiàn)漏檢情況，為運動物體追蹤監(jiān)測提供了理論依據(jù)。借助于專業(yè)視覺平臺軟件Halcon，可快速實現(xiàn)卡爾曼濾波算法的仿真優(yōu)化，并能與Visual C++實現(xiàn)混合編程，開發(fā)出用戶界面良好的運動磁環(huán)追蹤系統(tǒng)實時監(jiān)測軟件。通過控制機械手運動，達到對運動磁環(huán)的實時、準確抓取，對于提高磁環(huán)裝箱生產(chǎn)線效率具有重要意義。

參考文獻

[1] 劉妹琴，蘭劍.目標跟蹤前沿理論與應用[M].北京：科學出版社，2015.

[2] 徐德，譚民，李原.機器人視覺測量與控制[M].北京：國防工業(yè)出版社，2016.

[3] 馮志新.卡爾曼濾波在主動懸架中的仿真應用[J].煤礦機械，2013，34（10）：68?69.

[4] 劉松，侯力，張建權，等.基于卡爾曼濾波的液壓伺服系統(tǒng)PID控制[J].煤礦機械，2011，32（2）：208?210.

[5] 文韜，洪添勝，李立君，等.基于卡爾曼濾波的橘小實蠅成蟲運動軌跡優(yōu)化跟蹤[J].農(nóng)業(yè)工程學報，2014，30（15）：197?205.

[6] 孫明.數(shù)字圖像理解與智能技術[M].北京：電子工業(yè)出版社，2015.

[7] 邱新華，謝云.卡爾曼濾波的安瓿針劑雜質檢測算法研究[J].計算機仿真，2014，31（1）：220?223.

[8] 陶鵬.基于視覺的機器人障礙物識別與目標追蹤[D].南京：南京師范大學，2013.

[9] 張正濤，徐德.基于智能攝像機的高速視覺系統(tǒng)機器目標跟蹤算法研究[J].機器人，2009，31（3）：229?334.

[10] 孫新領，譚志偉，楊觀賜.雙目立體視覺在人形機器人三維重建中的應用[J].現(xiàn)代電子技術，2016，39（8）：80?84.