对算法定位性能进行了更详细的分析  广州高空升降车出租, 广州高空升降车租赁, 广州高空升降车多少钱  由圆投影算法原理可知，匹配算法需要遍历待匹配区域后才能计算出该区域的图像特征，因此算法的匹配速度与模板尺寸及搜索空间尺寸直接相关，并呈正比例变化。然而，在自适应的降采样策略下得到的搜索空间大小不是固定的，另外不同模板图像、邻域图像及光照变化等也对算法速度有一定影响，这些因素使算法的计算量不容易被准确的估计，因此基于自适应降采样的匹配算法速度也需要以统计方式得到。RPT-GMM算法与RPT-NCC算法相比匹配速度较低，由算法的匹配过程可知，该结果主要与RPT-GMM算法中的局部区域像素最小与最大值提取、聚类60参数的迭代更新及特征维数相对较多等因素有一定关系；另外两算法的匹配速度均随模板及搜索区域尺寸的增大而减慢，且算法耗时随搜索区域尺寸的增大逐渐呈现出更加显著的非线性增加趋势，说明搜索区域尺寸对圆投影算法的影响较大。因此，在实际应用中匹配算法的搜索区域通常选取较小的邻域范围，这样可保证跟踪轨迹具有较好的连续性，RPT-GMM算法在1010像素的搜索区域下，选取各模板尺寸时算法匹配速度大致可保持在30ms以内，能够满足料位控制对算法实时性的要求。

    算法定位误差分析,  对模板图像连续帧中的定位误差进行了分析，本节对模板图像在不同圆环个数下的平均定位误差进行了统计，进一步说明算法的定位性能。环境变化对算法的影响不易量化估计，而算法参数中圆环个数对圆投影匹配算法定位误差的影响过程较明显，其大致的规律：圆环数过少时特征维数较少而使匹配定位效果较差，圆环数增加时定位效果会有所改善。由于圆环数固定的情况下模板图像及搜索区域尺寸对匹配定位的影响不大，试验将模板尺寸固定3131像素，这样圆环数的选取范围15~2，搜索区域选取模板周围的3030像素邻域，则算法在图像坐标空间中的定位误差最大值被限定2302像素。  RPT-GMM算法与RPT-NCC算法的平均定位误差对比，结果表明不同圆环数下RPT-GMM算法的定位误差较稳定，而RPT-NCC算法在圆环数大于10之后误差水平波动较小，说明圆环数的取值对RPT-GMM算法的影响较小，由于算法测试中包含了光照变化，因此也表明RPT-GMM算法对光照具有较好的适应能力。圆环数大于10后的RPT-GMM算法与RPT-NCC算法的平均定位误差相差并不大，但是平均误差仅说明了算法总体的定位水平，实际应用中算法检测结果都不可能达到100%的匹配准确率，当测量值波动较小时，算法可能在一下帧中匹配到目标真实位置，而当测量值波动较大或持续时间较长时，算法在后续帧中就很可能无法再次匹配到目标物。以下从相对失效的角度对两算法的定位性能进行了评价，假设当其中一种算法的定位误差大于另一种算法的定位误差时，就认其中误差较大的算法失效，这样可以考虑到两算法定位效果存在差异的所有样本，便于对两算法的相对失效程度进行比较，以说明不同算法的相对可靠程度。 RPT-GMM误差较大样本的误差均值对比62试验中取不同圆环数， 由RPT-NCC算法定位误差大于RPT-GMM算法定位误差的样本得到的两算法误差均值，而由RPT-GMM算法定位误差大于RPT-NCC算法定位误差的样本得到的两算法误差均值。两图结果对比可以看出，在RPT-NCC算法相对失效的样本集下，RPT-NCC算法的定位误差要远大于此时RPT-GMM算法的定位误差，而在RPT-GMM算法相对失效时的样本集下，RPT-GMM算法的定位误差与RPT-NCC算法定位误差相比差异并不太大，且定位误差值也比较小，圆环数取10后的误差基本在10像素以内。试验结果说明RPT-NCC算法与RPT-GMM算法相比，在相对失效的情况下对后续帧匹配产生的不良影响较大，而RPT-GMM算法相对失效时对后续帧匹配产生的影响与RPT-NCC算法未失效时是比较相近的，因此RPT-GMM算法的定位稳定性更好。另一方面，可以看到在圆环数较小时RPT-GMM算法相对失效时的误差也是比较大的，虽然仅在个别帧中出现，但也说明了圆环个数对RPT-GMM算法也存在一定的影响。

    广州高空升降车出租, 广州高空升降车租赁, 广州高空升降车多少钱 http://www.shundediaolanchechuzu.com/

   特征相似度峰值分析, 进一步验证所得出的结论，可从特征相似度峰值的角度分析了均值圆环投影特征与聚类参数圆环投影特征对匹配算法定位效果的影响。特征相似度分布是目标真实位置一定邻域范围内向量特征匹配误差的分布情况，特征相似度的峰值一般应出现在目标真实位置上，峰值点与其邻域范围的特征相似度差异越大，则从观感上就更容易对目标进行准确的定位，因此特征相似度分布一定程度上体现了匹配算法的识别定位能力。RPT-GMM算法与RPT-NCC算法对目标识别的特征相似度分布，两图分别圆环数取12与5时的计算结果，其中所使用的场景及模板图像仍，RPT-GMM算法的相似度值由向量特征欧氏距离误差归一化并反相得到，RPT-NCC算法的相似度值是向量特征的归一化相关值，相似度值越大说明该点对应的待匹配图像与模板图像相似度越高。模板1、3与其邻域图像的灰度分布有着较大的差异，模板2、4与其邻域的差异较小，然而由RPT-NCC算法得到的特征相似度峰值始终不太显著，在多个方向上均比较平坦，尤其是当圆环数较小的情况下，几乎无法确定出目标位置；而由RPT-GMM算法得到的特征相似度峰值均比较显著，且圆环数对特征相似度分布的影响较小，在两图的子图(d)中更明显，两算法计算结果具有很大的差异。试验结果说明了聚类参数特征与均值特征相比有着更好的目标识别与定位能力，RPT-GMM算法63对目标定位的稳定性更高，并且对圆环数没有严格的要求。而RPT-NCC算法由于其均值特征损失了较多的图像信息，使算法的特征相似度峰值变得比较模糊，且圆环数对算法有着较大的影响。

   广州高空升降车出租, 广州高空升降车租赁, 广州高空升降车多少钱