基于AR的動(dòng)車組輔助維修系統(tǒng)目標(biāo)跟蹤算法研究.pdf

1、隨著我國(guó)高速鐵路客流量和里程數(shù)的迅速增長(zhǎng)，動(dòng)車組日常維修作業(yè)的工作量逐年激增。如何利用好動(dòng)車組維修信息，快速、準(zhǔn)確、及時(shí)地完成動(dòng)車組的維護(hù)工作是保障動(dòng)車組安全運(yùn)營(yíng)的重要任務(wù)。本文在研究增強(qiáng)現(xiàn)實(shí)(Augmented Reality，簡(jiǎn)稱AR)技術(shù)的基礎(chǔ)上，提出了基于TLD(Tracking-Learning-Detection，簡(jiǎn)稱TLD)的增強(qiáng)現(xiàn)實(shí)系統(tǒng)目標(biāo)跟蹤算法。并設(shè)計(jì)了CRH380BL動(dòng)車組增強(qiáng)現(xiàn)實(shí)輔助維修系統(tǒng)，實(shí)現(xiàn)輔助維修作業(yè)人員

2、完成維修作業(yè)任務(wù)，整合維修作業(yè)信息，規(guī)范維修作業(yè)人員的作業(yè)流程，從而提高日常維修作業(yè)的效率。
　　本文在研究基于計(jì)算機(jī)視覺(jué)的目標(biāo)跟蹤算法基本原理基礎(chǔ)上，結(jié)合CRH380BL動(dòng)車組維修作業(yè)場(chǎng)景的特點(diǎn)，分別進(jìn)行了系統(tǒng)目標(biāo)檢測(cè)算法、目標(biāo)跟蹤算法和三維注冊(cè)算法的設(shè)計(jì)。本文的研究重點(diǎn)是如何在保證目標(biāo)跟蹤結(jié)果高準(zhǔn)確度的前提下，實(shí)現(xiàn)計(jì)算過(guò)程的高速度。本文完成的工作如下:
　　首先對(duì)目標(biāo)檢測(cè)算法進(jìn)行了研究，提出了使用HOG(Histogra

3、m of OrientedGradient，簡(jiǎn)稱HOG)特征檢測(cè)算子作為目標(biāo)跟蹤算法特征檢測(cè)算法的方案。通過(guò)對(duì)現(xiàn)場(chǎng)作業(yè)場(chǎng)景的特征提取實(shí)驗(yàn)，完成了CRH380BL動(dòng)車組轉(zhuǎn)向架目標(biāo)跟蹤的特征提取，并進(jìn)行了特征匹配實(shí)驗(yàn)，分析了目標(biāo)檢測(cè)算法的優(yōu)缺點(diǎn)。
　　其次通過(guò)MATLAB和VS2013混合編程，對(duì)基于檢測(cè)目標(biāo)的TLD跟蹤算法進(jìn)行了改進(jìn)。并以CRH380BL動(dòng)車組轉(zhuǎn)向架更換檢修作業(yè)視頻數(shù)據(jù)為例，實(shí)驗(yàn)驗(yàn)證了算法的有效性。
　　結(jié)合K

4、CF(Kernel Correlation Filter，簡(jiǎn)稱KCF)算法完成了面向增強(qiáng)現(xiàn)實(shí)系統(tǒng)的TLD-G目標(biāo)跟蹤算法設(shè)計(jì)。原始TLD算法更加看重檢測(cè)器的檢測(cè)結(jié)果。由于采用滑動(dòng)窗方式的檢測(cè)器需要處理大量的圖像塊，嚴(yán)重影響了實(shí)時(shí)性。本文利用減小滑動(dòng)窗口掃描范圍的方法，提高了算法的計(jì)算速度。并進(jìn)行了TLD-G算法的標(biāo)準(zhǔn)數(shù)據(jù)集實(shí)驗(yàn)和CRH380BL動(dòng)車組轉(zhuǎn)向架更換檢修作業(yè)視頻數(shù)據(jù)實(shí)驗(yàn)。結(jié)果表明，算法的運(yùn)算速度、精確性和魯棒性均能滿足增強(qiáng)現(xiàn)實(shí)