粒子滤波目标跟踪算法研究

　　视觉跟踪问题是当前计算机视觉领域中的热点问题，而在动态环境中对运动目标进行实时、鲁棒的跟踪是其重要的组成部分，视觉跟踪在自动监控、人机交互、医学图像处理、虚拟现实等领域有着广泛的应用。常用的用于目标跟踪平台有OpenCV和点云库（ Point Cloud Library，PCL），它们都是用于计算机视觉和图像处理的开源平台，但是侧重点不同，OpenCV是2D信息获取与处理的结晶，PCL主要用于在3D信息获取与处理。三维图像包含颜色信息和深度信息，对光照的敏感性较低，常用的三维相机有Kinect，TOF（Time of Flight）相机等。

　　在实时三维目标跟踪系统中，KL距离自适应粒子滤波算法中距离阈值、小区域阈值以及其他参数的选取往往根据经验设置，如果参数设置不合适会降低跟踪精度和实时性。为此，设计一种3D点云目标跟踪系统。分析距离阈值和小区域阈值等参数对跟踪性能的影响，并给出自适应粒子滤波中参数与跟踪目标模型的关系。实验结果表明，与PCL_Tracking算法相比，该系统提高了三维目标跟踪系统的准确性和实时性。