32、机器人视觉与测距跟踪方法及单目视觉罗盘技术解析

机器人视觉与测距跟踪方法及单目视觉罗盘技术解析

1. 传感器深度测量可靠性分析

在不同环境条件下，对Kinect和激光传感器测量深度的可靠性进行了初步分析。通过这些传感器捕捉了不同条件下穿着不同衣服的对象的一组图像。从这些捕捉的图像中发现，距离传感器在18种衣服中未能正确检测出4种。传感器与要捕捉的布料/物体之间的距离、布料和传感器上的光照量以及视角角度，都是增加布料深度无法正确测量概率的因素。即使在室内，检测也会受到太阳光的影响，并且这种影响取决于一天中的时间。

2. 跟踪方法评估与比较

为了评估和比较跟踪方法，构建了三个视频数据库：
- V Set数据库 ：HOG1/2 + RE方法的检测率最高，达到91.96%，其次是HOG1/2（86.94%），然后是CT + RE（54.10%）。重新初始化被证明是有用的，它能将结果提高约10%。
- VO Set数据库 ：最佳方法是HOG + RE（92.86%），其次是HOG1/2 + RE（76.24%），然后是HOG（61.79%）。在这个数据库中，人离机器人较远，图像中可以看到全身，这就是HOG比HOG1/2表现更好的原因。这些结果表明，基于HOG的方法在遮挡情况下可以很稳健（需要时间连贯性），而像CT和TDK这样的跟踪方法不够稳健，并且重新初始化在发生遮挡时有所帮助。
- VD Set数据库 ：HOG1/2 + RE获得了最佳结果（97.64%），其次是HOG1/2（97.48%）、HOG + RE（61.76%）、激光跟踪器（50.34%）和Kinect跟踪器（45.84%）。这个数据库的