低照度环境下矿用巡检机器人跟踪系统
计算机视觉与模式识别
2019-10-23 v3
摘要
计算机视觉近年来受到广泛关注,是机器人感知外部环境的重要部分之一。基于判别相关滤波(DCF)的跟踪器因其高效性而日益流行,然而低照度环境下的跟踪是一个具有挑战性的问题,现有文献尚未成功解决。本工作中,我们通过提出低照度长期相关跟踪器(LLCT)来解决这些问题。首先,仅采用包含 HOG 与 Color Names 的融合特征以提升跟踪效率。其次,我们在平移与尺度估计阶段使用标准 PCA 进行降维以加速。第三,我们学习了长期相关滤波器以保持长期记忆能力。最后,以间隔更新方式更新记忆模板,并每隔若干帧重新匹配现有模板与初始模板以维持模板精度。在主流目标跟踪基准 OTB-50 数据集上的大量实验表明,所提跟踪器显著优于最先进跟踪器,并实现了较高的实时性(33FPS)。此外,所提方法可轻松集成至机器人系统且运行速度表现良好。实验结果显示,该新型跟踪器在低照度环境下的性能优于通用跟踪器。
引用
@article{arxiv.1907.01806,
title = {Tracking system of Mine Patrol Robot for Low Illumination Environment},
author = {Shaoze You and Hua Zhu and Menggang Li and Lei Wang and Chaoquan Tang},
journal= {arXiv preprint arXiv:1907.01806},
year = {2019}
}
备注
13 pages, 7 figures, 1 table, 27 conference