[发明专利]一种基于机器视觉技术的云台跟踪性能测量方法

权利要求书

1.一种基于机器视觉技术的云台跟踪性能测量方法，其特征在于，方法包括：将相机朝向显示屏幕正对放置，显示屏幕播放预先设置好的目标移动轨迹视频，相机实时针对显示屏幕中的目标进行拍摄图像和跟踪，并采集获得跟踪过程中的所有图像序列，再针对图像序列进行分析处理获得云台跟踪性能的测量结果。

2.根据权利要求1所述的一种基于机器视觉技术的云台跟踪性能测量方法，其特征在于：针对图像序列中的每幅图像，识别获得目标所在图像中的位置，将目标所在图像中的位置和图像中心点作差获得偏差数据，再将随时间变化的各幅图像的偏差数据组成二维复数据；再针对二维复数据进行归一化处理获得测量结果。

3.根据权利要求1所述的一种基于机器视觉技术的云台跟踪性能测量方法，其特征在于：所述的目标移动轨迹视频分为三个阶段部分：

第一阶段部分为一维阶跃运动过程，具体是设置目标在显示屏幕中沿水平直线/竖直直线的轨迹往复移动；

第二阶段部分为二维斜坡运动过程，具体是设置目标在显示屏幕中沿倾斜直线的轨迹往复移动；

第三阶段部分二维轨迹运动过程，具体是设置目标在显示屏幕中沿闭环可交叉曲线的轨迹循环移动。

4.根据权利要求1所述的一种基于机器视觉技术的云台跟踪性能测量方法，其特征在于：所述的目标设置为一个在显示屏幕上的标记物。

5.根据权利要求3所述的一种基于机器视觉技术的云台跟踪性能测量方法，其特征在于：所述目标在沿直线的轨迹运动过程中，从轨迹的一端到另一端，是以轨迹的前半程匀加速运动、轨迹的后半程匀减速运动来完成。

6.根据权利要求1所述的一种基于机器视觉技术的云台跟踪性能测量方法，其特征在于：所述的闭环可交叉曲线具体可以为8字形曲线，目标沿8字形移动。

7.根据权利要求1所述的一种基于机器视觉技术的云台跟踪性能测量方法，其特征在于：对于第一阶段部分和第二阶段部分采集的图像序列，根据二维复数据处理计算获得各个对象的超调量、余差、振荡次数、衰减比，利用超调量、余差、振荡次数、衰减比进行判断得到云台的跟踪性能，具体是将对以上数据建立一个以下公式所示的性能评价模型：

SUM＝m₁×w₁+m₂×w₂+m₃×w₃+m₄×w₄

其中，SUM为性能评价参数，m₁、m₂、m₃、m₄为超调量、余差、振荡次数、衰减比，w₁、w₂、w₃、w₄为各超调量、余差、振荡次数、衰减比的影响因子；

根据性能评价模型获得的性能评价参数进行以下判断：

当SUM大于0.8时，云台跟踪性能为优秀；

当0.6＜＝SUM＜0.8时，云台跟踪性能为良好；

当0.4＜＝SUM＜0.6时，云台跟踪性能为较差；

当0＜＝SUM＜0.4时，云台跟踪性能为极差。

8.根据权利要求7所述的一种基于机器视觉技术的云台跟踪性能测量方法，其特征在于：对于第三阶段部分采集的图像序列，根据二维复数据处理通过计算目标位置和图像中心点之间偏差，再计算确定系数和不确定度，利用确定系数和不确定度进行判断得到云台的跟踪性能。

9.根据权利要求7所述的一种基于机器视觉技术的云台跟踪性能测量方法，其特征在于：所述子不确定度的测量具体为：

S1、先按照以下方式获得A类子不确定度u_A：

在第二阶段采集获得的偏差数据为[e₁，e₂，e₃，......]，计算为：

e_i＝x-s_i

其中，x为图像中心点的坐标，s_i为第i帧目标位置的坐标，e_i为第i帧的偏差；

进而计算实验标准偏差S_A(e)为：

再按照以下公式根据实验标准偏差S_A(e)计算A类子不确定度u_A：

其中，n表示二维复数据中的数据量，即图像的帧数；

S2、先按照以下方式获得B类子不确定度u_B：

根据各帧图像的偏差数据按以下公式计算各分量的B类子不确定度：

u_Bi＝e_i/k

其中，k表示包含因子，u_Bi表示第i帧的B类子不确定度；

最终的B类子不确定度为：

其中，u_B表示B类子不确定度；

S3、根据A类子不确定度u_A和B类子不确定度u_B综合按下式计算总不确定度u_c：