1. 研究目的与意义

在中国，交通勘察施工现场条件环境复杂恶劣，工作强度高，工作时间长，布点数量多。情况是人干一半，机器干一半重体力活。而国外的矿山机械工加工大量采用数控机床、工业机器人，如全球成套井下采矿设备供货商、德国DBT 公司，全部采用机器人完成地下采矿设备的焊接作业。中国的优势在于廉价劳动力，当GDP增长的今天，东南亚国家正在逐渐替代我们的位置。于是就需要加强技术的创新。技术的创新的关键在于科学技术的发明和创造。技术创新，在短期内可获得显著的效益。于是提出对施工流程进行远程离线监控，基于视频处理技术，开发视频钻探深度检测系统，以确保钻探深度同上报数据一致。从而保证工程质量和工程进度。在可以在本质上解决这个问题。

2. 课题关键问题和重难点

在这里需要用到opencv里的camshift算法。

camshift利用目标的颜色直方图模型将图像转换为颜色概率分布图，初始化一个搜索窗的大小和位置，并根据上一帧得到的结果自适应调整搜索窗口的位置和大小，从而定位出当前图像中目标的中心位置。

分为三个部分：

3. 国内外研究现状（文献综述）

视觉系统主要由识别跟踪模块、机器人控制模块以及机器人平台构成。识别跟踪模块采用了改进的 camshift 算法以及卡尔曼滤波[1 ] 的方法对选定的跟踪目标进行识别跟踪；机器人控制模块主要完成机器人控制指令发送等功能。

机器人平台由笔记本电脑和控制板两部分组成 ,笔记本电脑运行视觉跟踪软件系统，进行图像采集、处理形成机器人运动控制指令。控制板负责驱动电机、采集传感器信息。图像处理后形成的控制指令通过串口发给控制板，控制板执行这些指令。

系统运行时，首先选定机器人欲跟踪的移动目标，建立颜色模型。通过 camshift 算法找到符合初始确定的颜色特征从而确定所跟踪的目标在视频图像中的位置。为解决可能出现遮挡导致跟踪失败的问题 ,采用卡尔曼滤波来预测跟踪目标的位置[2 ]。然后，计算目标在视频图像中的重心位置，根据重心在图像中的位置信息形成机器人左转或右转的控制指令，通过目标区域面积大小变化的方法，形成机器人前进或停止的指令。最后，系统接受机器人执行的反馈信息并根据机器人的执行情况形成新的控制指令。

4. 研究方案

通过借鉴基于Camshift 算法的移动机器人视觉跟踪系统的理论成果和实践经验，发现此算法系统可以跟踪各种形状、各种颜色的目标，能够在背景复杂的室内环境下进行跟踪，也能够在相对较暗的走廊环境下进行跟踪。这可以很好地解决分析基于视频的钻探深度检测系统的问题。

5. 工作计划

1-4周

查阅关于钻探深度检查系统的文献，了解最新的报道，知道最新动态，能够对不同的情况作出不同的方案。

5-8周