检测障碍物是机器人自主移动的基础. 为了提高检测的障碍物效率和准确率, 提出一种基于RGBD摄像头的障碍物检测方法, 主要分为障碍物识别和检测长度, 宽度两部分. 在障碍物形状不规则的前提下, 通过摄像头实时采集图像传输到数据处理中心, 用改良的帧差法、最小矩形法匹配法和图像处理等方法来确定障碍物轮廓, 利用深度图像及其阈值得出障碍物距摄像头的相对位置, 同时, 用坐标转换法计算出障碍物的高度与宽度. 结果显示, 在不同位置检测同一物体的误差不超过9%. 因此, 改良的帧差法检测障碍物轮廓准确率高, 坐标转换法速度快, 可以证明基于RGBD摄像头的障碍物检测设计检测效果良好.

OPENCV目标跟踪_opencv_目标检测_Opencv 基于单高斯模型的运动目标检测算法_单高斯模型_运动目标检测_VC++

Opencv 基于单高斯模型的运动目标检测算法.zip

一个单高斯的背景建模的程序，可以运行，对于动态背景会有一些鬼影现象

1： frametwo:基于帧间差分和隔帧差分后求并集后，运用形态学闭合，填充获得目标 2： imhist1:Ostu法阈值分割和平均值法阈值分割 imhist2:迭代法阈值分割 watershed1：分水岭算法 Untitled3:基本双峰法与Ostus法结合 Untitled4:改进后的双峰法与Ostus结合 frametwo1+thresh.m：改进的双峰法和frametwo检测（效果不行） 混合高斯： beijing1:中值法求背景； beijing2：帧差法求背景图像 mxgaosi:混合高斯 三帧差分法与单高斯结合的目标检测： Untitled; Untitled2; Untitled3; 单高斯: danguassian3：单高斯建模

单高斯法、混合高斯法，时间平均法，帧差法对运动目标进行定位。单高斯法、混合高斯法，时间平均法，帧差法对运动目标进行定位。单高斯法、混合高斯法，时间平均法，帧差法对运动目标进行定位。单高斯法、混合高斯法，时间平均法，帧差法对运动目标进行定位。单高斯法、混合高斯法，时间平均法，帧差法对运动目标进行定位。

一种非迭代的利用最小二乘拟合高斯曲线的方法，很经典。

简单快捷的实现单高斯背景建模的程序，并提取出前景，程序是个人编写，能很好的运行

基于opencv的单高斯背景建模demo，直接运行即可，使用摄像头获取视频，VS2010直接使用

单高斯明显是一种图像处理背景图像提取的处理方法，使用于背景单一不变的场景。这种模型最为简单，而且不用每次都进行建模处理，而采用参数迭代的方式，即。其中t为时间。设图像点的当前颜色量度为xt，若（Tp为概率阀值），则此点判定为前景点，反之为背景点。