基于机器视觉的运动煤颗粒检测和遮挡追踪 论文

针对煤颗粒筛分过程中被遮挡而导致其运动分析实测数据缺失的情况，应用机器视觉的方法实现了对运动煤颗粒的检测和遮挡追踪。为此，文章搭建了模拟激振实验台，并使用高速摄像机采集了单个煤颗粒被遮挡情况下的序列图像。在实验中，首先在MATLAB中采用引导滤波对序列图像进行去除噪声预处理，然后使用混合高斯模型法(GMM)有效提取了目标煤颗粒的前景掩码。为了对目标煤颗粒进行准确追踪，文章引入了卡尔曼滤波器(Kalman Filter)，这是一种广泛应用于信号处理和控制系统中的预测算法。

通过实验结果可以看出，所使用的方法不仅能够有效检测出运动煤颗粒，且在煤颗粒被遮挡的情况下仍具有较好的追踪鲁棒性，成功获取了煤颗粒运动过程中的形心位置信息。卡尔曼滤波器的引入为这一检测和追踪过程提供了稳定可靠的技术支持，其应用广泛且成效显著，相关的模型和代码资源可以通过以下链接获取和进一步研究：卡尔曼滤波模型、高斯混合建模与卡尔曼滤波更新用于车辆检测、singerCTCA模型卡尔曼滤波实现。这些资源为进一步的理论分析和数值模拟研究提供了丰富的参考资料。