目标跟踪系统中比较难解决的一个问题就是遮挡,当一个目标被另一个物体部分或全部遮挡时,跟踪的特性就会不完整或彻底消失,导致目标跟踪失败。为了解决这一问题,采用不变矩和归一化相关(NCC)对目标遮挡进行判断,然后采用目标位置和速度进行航迹外推,对大量外场视频进行仿真并把算法移植到硬件平台。结果表明,通过上述方法可以有效解决目标跟踪遇到的遮挡问题。

针对相关跟踪过程中障碍物遮挡,噪声和目标形变对跟踪稳定性的影响,提出了一种基于加权最多邻近点距离的相关跟踪方法。采用模板图像与实时图像的相似点个数并与距离进行加权的方式定义相似性度量,结合相似度对目标模板进行更新,采用Kalman算子预测目标位置并进行分层搜索,实现快速稳定跟踪目标。实验结果表明,该方法能较好地抑制噪声和目标遮挡的影响,目标遮挡重新捕获成功率高于80%,目标跟踪精度低于10个像素。

提出了一种分层块状全局搜索到临近点局部搜索的改进迭代最近点(ICP)算法, 用于进一步提高ICP算法的配准速度并消除点云缺失对点云配准的影响。该配准方法在粗略配准之后, 以点云块为分层单元对模型点集进行选取, 并对选取的少量模型点进行全局搜索获取其对应最近点; 然后, 以这些模型点对应的最近点作为搜索中心, 在场景点集中进行局部搜索, 获取这些模型点的大量临近点的对应最近点; 最后, 剔除错误对应最近点对, 并求取坐标变换。与基于KD-Tree的ICP算法和基于LS+HS(Logarithmic Search Combined with Hierarchical Model Point Selection )的ICP算法相比, 该配准算法对Happy bunny扫描数据的配准速度分别提高了78%和24%; 对Dragon扫描数据的配准速度分别提高了73%和30%。这些结果表明该算法可以快速、精确地实现三维点云间的配准。