摘要
在工业流水线产品的生产和包装过程中通常需要对其数量进行检测，其中以电容器和药片这类需求量极高的小尺寸目标的检测需求尤为突出。虽然目前有基于二维图像处理的方法能够实现计数，但二维视觉的方法在实际使用中十分受限，难以应对非结构场景中目标相互遮挡，光照环境复杂等问题。因此，本文研究并设计了一种基于三维多目标跟踪的运动物体在线计数方法，为电容器和药片这类小目标散乱运动场景中的实时自动计数提供了技术支持。主要研究工作如下： （1）点云数据预处理方法研究。结合深度相机点云数据生成特点实现了可用于检测三维运动目标的三维背景差分法，使用直通滤波和体素滤波分别去除点云数据噪点和冗余量，使用Kd-tree建立离散点拓扑结构，为目标分割和跟踪任务提供了数据准备。 （2）针对散乱场景中目标相互遮挡、碰撞造成点云分割困难的问题，提出了基于LCCP和区域生长阈值自适应的分割方法。首先将点云簇过分割为超体素，基于凹凸性对超体素进行区域生长分割。然后基于点云簇平均法线夹角和点密度剔除欠分割点云簇的边缘轮廓，最后使用改进的能自适应生长阈值的区域生长算法完成最终分割。通过实验验证了本文所提目标分割算法的有效性和准确性。 （3）针对目标短暂消失，轨迹被占用导致连续跟踪错误的问题，提出了一种基于LAPJV算法的错误匹配自纠正数据关联方法。该方法融合欧式距离和目标运动矢量建立匹配成本矩阵，增强轨迹预测质心与检测目标的关联程度，通过建立异常匹配矩阵并对其进行二次数据关联来纠正错误匹配结果。经实验证明，本文设计的基于该数据关联的多目标跟踪方法跟踪准确度达96%，跟踪精度低于0.7mm，并具有一定的鲁棒性。 （4）设计实现了目标计数系统，提供方便用户执行计数操作的人机交互界面。将跟踪和计数结果实时展示在可视化窗口中，方便用户读取和查验。 本文以散乱运动场景中电容器和药片目标计数为目的，以提出或改进的目标点云分割和三维多目标跟踪算法为主要技术手段，设计了基于三维多目标跟踪的运动物体在线计数方法并完成了系统实现。经验证，该系统能够准确完成钽电容和药片目标的自动计数，单帧数据处理耗时低于200ms，基本满足实时性需求。
NETL