论文部分内容阅读
实现AGV长期准确跟踪对AGV系统实现无人化管理,提升工作效率有着重要意义。但目前工厂AGV跟踪过程中存在的光照、背景的变化以及部分遮挡等问题会导致跟踪失败。针对这些问题,本文提出一种基于YOLO v3改进的LK光流AGV跟踪算法。该算法利用基于YOLO v3训练好的AGV检测模型对LK光流跟踪器进行初始化;利用LK光流法正向跟踪这些特征点,并预测下一帧的特征点;反向追踪,并分别计算两组特征点的相似度和特征点集生成的跟踪框的距离。当相似度或距离超出阈值范围时,调用AGV检测模型对特征点集进行修正,最