3D場景流（Scene Flow）是用于描述空間物體運動3D矢量場,在虛擬現(xiàn)實,目標檢測、跟蹤及場景理解方面有著廣泛應用。隨著深度傳感器的普及,RGBD場景流在計算機視覺領(lǐng)域引起了越來越多的關(guān)注。在RGBD視頻流中進行場景流估計時,傳統(tǒng)的基于分割的方法對遮擋和大位移具有較好的效果,分層場景流方法能夠根據(jù)已知場景的相對深度排序?qū)吔缃＝鉀Q遮擋問題。這類方法的遮擋和場景流估計效果會受到分割結(jié)果的影響,且現(xiàn)有的深度層次排序過程自動化程度低。此外,現(xiàn)有基于分割的方法大部分是在分割區(qū)域剛性運動的假設(shè)下進行場景流估計的,這就會使得非剛體目標的場景流估計不準確。針對以上問題,圍繞3D場景流技術(shù),本文分別針對深度圖像分層技術(shù),含有非剛性運動的場景流估計以及基于卷積神經(jīng)網(wǎng)絡(luò)的場景流估計關(guān)鍵技術(shù)進行了研究,本文的主要研究工作包括:（1）提出基于深度圖像自動分層的場景流估計算法。該方法首先使用深度圖像修復算法修復含有噪聲的深度圖像,接著使用SLIC超像素分割與相似區(qū)域合并算法對深度圖像進行初始分層;然后在初始分層中引入光流約束實現(xiàn)深度圖像的自動分層,最后分別在數(shù)據(jù)集Middlebury 2003,SRSF... 

【文章來源】：西安理工大學陜西省

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【部分圖文】：

場景流Fig.1-1Sceneflow目前，計算場景流的方法主要有兩種，分

用于虛擬現(xiàn)實，物體檢測，手勢識別，視頻壓縮與顯示等領(lǐng)域。例如：在智能機器人中，它能夠在動態(tài)環(huán)境中預測周圍物體在下一時刻的分布情況來實現(xiàn)自主導航或者自主駕駛；在氣象預測中，可以根據(jù)衛(wèi)星云圖的運動情況預測出未來幾天的天氣情況；在醫(yī)療系統(tǒng)中，能夠根據(jù)CT影像和定位技術(shù)實現(xiàn)快速定位，使手術(shù)過程可視化、精確化；在監(jiān)測系統(tǒng)中，能夠根據(jù)車輛運動信息及時合理的作出線路規(guī)劃避免交通擁堵；在理論應用中，它可以補充和改進最新的視覺測距法和SLAM算法，這些算法通常假定可以在剛性或準剛性環(huán)境中使用。場景流的應用如圖1-1所示。圖1-1場景流應用示意圖Fig.1-1Sceneflowapplicationdiagram目前，計算場景流的方法主要有兩種，分別是基于雙目立體視覺和基于RGBD計算場景流。前者計算場景流主要是通過雙目立體相機采集同一物體在不同時刻的左右視圖，根據(jù)

西安理工大學碩士學位論文4第五章主要對本文工作進行總結(jié)與展望，該部分主要包含了本文方法存在的不足以及未來的研究方向與工作展望。圖1-2本文組織結(jié)構(gòu)Fig.1-2Organizationstructure


本文編號：2994339