文献综述
摘要：
基于单一视觉传感器的运动目标检测方法,由于成像平台运动、相机抖动和有限图像分辨率等多种因素的影响,检测实时性和稳定性仍需改进。惯性传感器与视觉传感器具有很好的互补特性,两者的融合可以解决单一视觉或传感器运动估计存在的模糊，从而改善运动目标检测性能。本文分析了摄像机和惯性测量单元的相对位姿标定方法以及基于视觉传感器与惯性传感器数据融合的运动目标检测方法的研究现状，从而为接下来的研究打开思路。
关键词：
机器视觉 惯性测量单元 数据融合 目标检测
1.引言
计算机视觉是计算机学科中的一个重要领域，而目标检测与跟踪是计算机视觉领域中一个非常重要的研究课题。传统的目标检测与跟踪通常是针对背景不变的场景的，而随着拍摄手段的多样化，出现了越来越多的可移动摄像头，如航拍设备、车载设备、手持设备和机器人等。当背景运动时，固定场景下的目标检测与跟踪方法大多不再有效。因此研究移动摄像下的目标检测与跟踪[1]显得非常必要。基于惯性传感器与视觉传感器信息融合的方法可以改善检测性能。一方面,图像观测可以修正惯性传感器的误差积累,可以区分传感器的旋转、加速运动、重力场以及加速度测量中的偏差的影响;另一方面,惯性传感器数据可以解决图像场景堕化问题例如场景中包含的特征点少、特征点无限远可以解决由于特征点的进入和离开视野所造成的运动估计不连续性问题,可以使运动估计对特征的误匹配具有鲁棒性。
融合视觉和惯性传感器的运动目标检测[2,3]具有十分重要的现实意义和应用价值,例如在智能交通系统中,运用基于视觉和惯性传感器融合的方法对独立运动目标进行报警,可以大大改善系统性能,减轻人工干预负担,实现自动化;在车辆智能驾驶过程中,对行人或其他运动车辆的实时检测,可以保证驾驶安全;在工业智能机器人应用方面,快速有效地检测出独立运动目标,避免产生事故,是多种任务顺利完成的前提;在高精端武器导航领域,基于视觉和惯性传感器的运动姿态估计和独立运动目检测是实现精确打击的前提;在移动测绘领域,独立运动目标的检测和归类是评估测绘数据有效性的一个重要手段。
2.课题研究现状
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
