<?xml version="1.1" encoding="utf-8"?>
<article xsi:noNamespaceSchemaLocation="http://jats.nlm.nih.gov/publishing/1.1/xsd/JATS-journalpublishing1-mathml3.xsd" dtd-version="1.1" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><front><journal-meta><journal-id journal-id-type="publisher-id">ERA</journal-id><journal-title-group><journal-title>Engineering Research and Application</journal-title></journal-title-group><issn>2995-3154</issn><eissn>2993-2742</eissn><publisher><publisher-name>Art and Technology</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="doi">10.61369/ERA.9996</article-id><article-categories><subj-group subj-group-type="heading"><subject>Article</subject></subj-group></article-categories><title>计算机视觉中的物体跟踪技术及其改进研究</title><url>https://artdesignp.com/journal/ERA/3/2/10.61369/ERA.9996</url><author>张婷玮,龙艳彬,邓凯文</author><pub-date pub-type="publication-year"><year>2025</year></pub-date><volume>3</volume><issue>2</issue><history><date date-type="pub"><published-time>2025-02-20</published-time></date></history><abstract>本文深入研究了计算机视觉中的三维物体跟踪技术及其改进方法。首先，概述了三维物体跟踪技术的理论基础，包括其数学原理、关键技术和应用领域。接着，详细探讨了三维物体跟踪的评估方法，为算法的性能比较提供了统一的标准。在此基础上，本文重点分析了现有的三维物体跟踪算法，包括基于视觉特征的传统位姿求解方法和基于学习的位姿估计方法。同时，还介绍了其他相关算法，如统计分割模型、能量函数优化以及加速策略等，这些算法在提升跟踪精度和实时性方面发挥了重要作用。通过对比实验，本文在RBOT 数据集上验证了多种三维物体跟踪算法的性能，并分析了取得高精度的原因。</abstract><keywords>计算机视觉,三维物体跟踪,位姿求解,学习算法,评估方法,RBOT 数据集</keywords></article-meta></front><body/><back><ref-list><ref id="B1" content-type="article"><label>1</label><element-citation publication-type="journal"><p>[1] 一种新的三维物体的渐变算法．陈传波；郑运平；姜正强．计算机工程与科学，2006(12).54-56.[2] 基于优化算法的从线画图精确重构三维物体．邹常青；刘健庄．计算机辅助设计与图形学学报，2012(12).78-79.[3] 三维物体表面轮廓测量中实用相位展开算法的研究．葛晶；许增朴；于德敏；王永强．微计算机信息，2006(30).432-435.[4] 基于形态学的任意三维物体变形的算法及实现．刘文予，陈都，万菲，朱光喜．中国图象图形学报，1998(06).23-25.[5] 一种用单幅图象与三维物体的匹配方法．黄振华，于潜．浙江大学学报（自然科学版），1990(01).45-47.[6] 三维物体的重建方法分析．王瑞洁．数字通信世界，2022(02).78-79.[7] 基于深度学习的三维物体重建方法研究综述．郁钱；路金晓；柏基权；范洪辉．江苏理工学院学报，2022(04).67-68.[8] 基于深度学习的三维物体重建研究．李赛赛．电脑知识与技术，2020(31).89-90.[9] 环视图表示下的无监督三维物体检索．匡振中；杨结；俞俊．计算机辅助设计与图形学学报，2021(05)89-90.[10] 基于李代数表征的三维物体空间姿态检测．李海伦；江浩；孙鹏伟．山东科技大学学报（自然科学版），2019(06).102-105.</p><pub-id pub-id-type="doi"/></element-citation></ref></ref-list></back></article>
