基于一般标志物检测的目标追踪算法研究开题报告

1. 研究目的与意义（文献综述）

随着计算机技术的日趋精进以及5g技术的发展，使得物联网变为现实，其中车联网便是物联网中的重要一环，在车联网或无人驾驶方面，目标追踪始终是研究的热点。目标追踪一般由四个基本部分构成，而本论文抓住的是第一个部分：特征提取，其满足目标跟踪的一般要求。目标追踪中很重要的部分是通过摄像头或传感器收集数据，图像等并作为导航依据。而如今常见的导航方式有电磁导航、光反射导航、视觉导航、味觉导航、声音导航等^[1]，视觉导航依靠摄像头作为媒介获取外界信息（主要为图像），其灵活性与实时性相比于传统传感器要好许多；其次摄像头相比于传统传感器其受外界影响的概率要小，故获取的信息也相对较准确，因此在汽车上或飞机等需求精度较高的场合广泛使用的是视觉导航。

在研究一般典型的标志物如二维码以及棋盘格等特征提取算法，是作为研究目标跟踪或视觉导航的先前条件，例如在二维码中，可以存储我们所需的信息，棋盘格特征法也是作为相机标定的一种常用手段，除此之外常用的相机标定方法是pnp标定技术^[5]。研究solvepnp算法求解相机位姿，可以间接获得装有相机的物体的位姿，即可以用来做物体在空间移动的定位依据，以便后续诸如转向等操作的实施，进而改善物体运动状态，实现自主轨迹追踪与导航的功能。

目前对于特征提取的研究近年来引起国内外学者广泛关注和研究的是图像特征的不变性研究，并且以及取得了大量的研究成果。研究的焦点主要聚集在三个方面：第一是不变特征的选取，诸如图像的点、线、轮廓；另一方面就是不变特征的获取，如通过神经网络、特征变换等途径获取；最后一方面是不变特征的描述，在方面产生了许多算法的描述子，如sift描述子等。在这一领域中取得了一定成绩的要数加拿大british columbia大学只能计算实验室，其在这领域的贡献已广泛使用于目标识别、自主导航等方面^[8]。另一个pnp问题解决了已知世界参考系下地图点以及相机参考系下投影点位置时3d-2d相机位姿估计问题，而pnp常见的解法有 直接线性变换、p3p、ba等，故而由许多库函数孕育而生，典型的有openmvg、opengv、opencv这三种，这三个库均集成了epnp、upnp、p3p等多种算法。

2. 研究的基本内容与方案

本文主要研究两个方面的内容：第一是研究基于二维码，棋盘格等一般标志物特征提取算法；第二是基于solvepnp算法研究相机的相对位姿求解及优化。希望通过这两方面的研究，利用软件仿真以及实验验证，能够达到利用相机拍摄到图片后，经过电脑处理提取出其中的特征点及包含的信息的效果，并且通过solvepnp算法接合所获取的准确坐标以及相对于相机的坐标，计算出相机相对于标志物的位姿，并和真实的相机位姿相比判断其误差精度。

拟采用的技术方案及措施：

1.在图像处理中，有多种特征提取算法，如sift，fast，mser，star等特征提取算法，在opencv的环境下通过研究其中的2~3种算法，进行比较，分析其优缺点，得出本论文需要用到的特征提取算法，而qr码由于其具有高密度编码、信息容量大、编码范围广、容错能力强、译码可靠性高、成本低、 易制作、持久耐用等特点^[1]，故选取其作为本论文的定位、导航依据。

3. 研究计划与安排

2019年12月30日—2020年1月13日 确定毕业设计选题、完善毕业设计任务书(相关参数)、校内外资料收集

2020年2月24日—2020年3月1日方案构思、文献检索、完成开题报告

2020年3月2日—2020年3月18日外文翻译、资料再收集

4. 参考文献（12篇以上）

[1]李红卫,熊韬.基于qr码识别的p4p-pnp算法研究[j/ol].激光与光电子学进展:1-17[2019-12-17].

[2]d. h. lee et al, "camera position estimation for uavs using solvepnp with kalman filter," in 2018. doi: 10.1109/hoticn.2018.8606037.

[3]王忠立,赵杰,蔡鹤皋.大规模环境下基于图优化slam的后端优化方法[j].哈尔滨工业大学学报,2015,47(07):20-25.