發(fā)布時間：2021-08-16 08:21

　　針對無紋理3D物體跟蹤算法在復雜背景和運動模糊的情況下容易跟蹤失敗、跟蹤速度難以達到強實時等問題,提出一種基于時間一致性局部顏色特征的3D物體實時跟蹤算法.首先在物體3D模型投影輪廓法向搜索線上計算像素顏色的加權均值作為局部顏色特征,增強顏色特征在復雜環(huán)境中的表征能力,并對局部顏色特征進行時間一致性更新,剔除前景背景顏色相似的局部顏色特征,以避免相似前景背景顏色導致的跟蹤失敗;然后定義基于局部顏色特征的能量函數(shù),并推導該能量函數(shù)的解析導函數(shù);最后改進了優(yōu)化物體姿態(tài)的高斯牛頓法,通過添加阻尼參數(shù)防止姿態(tài)優(yōu)化陷入局部極值,提高姿態(tài)估計精度和跟蹤速度.實驗使用7組測試視頻驗證文中算法,結果表明,該算法能更有效地克服復雜背景和運動模糊的干擾,在未使用并行計算的前提下可實現(xiàn)強實時跟蹤. 

【文章來源】：計算機輔助設計與圖形學學報. 2020,32(01)北大核心EICSCD

【文章頁數(shù)】：13 頁

【部分圖文】：

法向搜索線局部顏色特征

108計算機輔助設計與圖形學學報第32卷更好地分辨前景和背景,所以其跟蹤精度較高,但在跟蹤相機運動較快的LEGO視頻時,仍會出現(xiàn)跟蹤失敗.本文算法能有效地處理相機或物體的快速運動,可達到3°左右的平均旋轉誤差和2cm左右的平均位移誤差.圖9~圖12給出了各算法在4個視頻上的跟蹤結果,每個圖的4行圖像依次為本文TCC算法,GOS算法,ECT算法和RBOT算法的跟蹤結果.圖94種算法對DUCK視頻的跟蹤結果對比圖104種算法對CAT視頻的跟蹤結果對比

108計算機輔助設計與圖形學學報第32卷更好地分辨前景和背景,所以其跟蹤精度較高,但在跟蹤相機運動較快的LEGO視頻時,仍會出現(xiàn)跟蹤失敗.本文算法能有效地處理相機或物體的快速運動,可達到3°左右的平均旋轉誤差和2cm左右的平均位移誤差.圖9~圖12給出了各算法在4個視頻上的跟蹤結果,每個圖的4行圖像依次為本文TCC算法,GOS算法,ECT算法和RBOT算法的跟蹤結果.圖94種算法對DUCK視頻的跟蹤結果對比圖104種算法對CAT視頻的跟蹤結果對比

【參考文獻】：
期刊論文
[1]基于自適應特征融合的無紋理3D目標跟蹤[J]. 黃鴻,鐘凡,秦學英.  計算機輔助設計與圖形學學報. 2018(05)



本文編號：3345323