發(fā)布時(shí)間：2021-08-16 08:21

　　針對無紋理3D物體跟蹤算法在復(fù)雜背景和運(yùn)動模糊的情況下容易跟蹤失敗、跟蹤速度難以達(dá)到強(qiáng)實(shí)時(shí)等問題,提出一種基于時(shí)間一致性局部顏色特征的3D物體實(shí)時(shí)跟蹤算法.首先在物體3D模型投影輪廓法向搜索線上計(jì)算像素顏色的加權(quán)均值作為局部顏色特征,增強(qiáng)顏色特征在復(fù)雜環(huán)境中的表征能力,并對局部顏色特征進(jìn)行時(shí)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(dǎo)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(dǎo)該能量函數(shù)的解析導(dǎo)函數(shù);最后改進(jìn)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(jì)精度和跟蹤速度.實(shí)驗(yàn)使用7組測試視頻驗(yàn)證文中算法,結(jié)果表明,該算法能更有效地克服復(fù)雜背景和運(yùn)動模糊的干擾,在未使用并行計(jì)算的前提下可實(shí)現(xiàn)強(qiáng)實(shí)時(shí)跟蹤. 

【文章來源】：計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 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(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)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(jī)運(yùn)動較快的LEGO視頻時(shí),仍會出現(xiàn)跟蹤失敗.本文算法能有效地處理相機(jī)或物體的快速運(yùn)動,可達(dá)到3°左右的平均旋轉(zhuǎn)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(gè)視頻上的跟蹤結(jié)果,每個(gè)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(jié)果.圖94種算法對DUCK視頻的跟蹤結(jié)果對比圖104種算法對CAT視頻的跟蹤結(jié)果對比

108計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)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(jī)運(yùn)動較快的LEGO視頻時(shí),仍會出現(xiàn)跟蹤失敗.本文算法能有效地處理相機(jī)或物體的快速運(yùn)動,可達(dá)到3°左右的平均旋轉(zhuǎn)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(gè)視頻上的跟蹤結(jié)果,每個(gè)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(jié)果.圖94種算法對DUCK視頻的跟蹤結(jié)果對比圖104種算法對CAT視頻的跟蹤結(jié)果對比

【參考文獻(xiàn)】：
期刊論文
[1]基于自適應(yīng)特征融合的無紋理3D目標(biāo)跟蹤[J]. 黃鴻,鐘凡,秦學(xué)英.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2018(05)



本文編號：3345323