本文關(guān)鍵詞：序列圖像光流計(jì)算關(guān)鍵技術(shù)研究及其在三維重建中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：光流描述了可由視覺感知的運(yùn)動(dòng),被廣泛的應(yīng)用于機(jī)器人自動(dòng)導(dǎo)航、無人汽車輔助駕駛、人臉表情動(dòng)態(tài)跟蹤等領(lǐng)域,是進(jìn)行目標(biāo)運(yùn)動(dòng)分析與理解的重要手段,一直是計(jì)算機(jī)運(yùn)動(dòng)視覺及相關(guān)領(lǐng)域的重要研究內(nèi)容。經(jīng)過近30年的發(fā)展,光流算法的很多基礎(chǔ)問題得到解決,應(yīng)用環(huán)境由最初實(shí)驗(yàn)室內(nèi)理想光照條件、人工布置目標(biāo),逐步向室外未知環(huán)境、未知目標(biāo)擴(kuò)展。應(yīng)用環(huán)境的擴(kuò)展意味著光流算法越來越多的應(yīng)用于實(shí)際工程。與此同時(shí),應(yīng)用環(huán)境與目標(biāo)的未知性都對(duì)已有的光流算法提出了新的挑戰(zhàn),如光照隨機(jī)變化、小目標(biāo)高速運(yùn)動(dòng)產(chǎn)生大位移、目標(biāo)物之間的相互遮擋、光流計(jì)算正確性的自評(píng)估與自校正等。本論文針對(duì)光流計(jì)算關(guān)鍵技術(shù)及在三維重建中的應(yīng)用展開研究,著重研究了不同光照條件下光流自適應(yīng)算法、光流計(jì)算誤差的自評(píng)估與自校驗(yàn)算法、三維重建中高精度匹配方法與冗余點(diǎn)刪除問題。主要工作如下：(1)由于實(shí)際場景中光照變化的必然性與隨機(jī)性,光流算法必須能對(duì)光照變化自適應(yīng)。以光照模型和相機(jī)成像模型為依據(jù),分析了實(shí)際圖像采集過程中影響光照變化的因素,將光照變化分為兩類：一類是由進(jìn)入CCD (Charge Coupled Device)光輻照度產(chǎn)生突變而引起的光照變化；另一類是由物體與相機(jī)相對(duì)運(yùn)動(dòng)占主導(dǎo)而產(chǎn)生的光照變化。通過兩幀圖像灰度直方圖分布差異確定當(dāng)前圖像的光照變化類型。如果是第一類光照變化,采用改進(jìn)的Census變換作為光流模型的數(shù)據(jù)項(xiàng)。與傳統(tǒng)的Census變換相比,改進(jìn)的Census變換包含了中心像素和鄰域像素完整的灰度相對(duì)大小信息,在保持抗光照單調(diào)變化能力的同時(shí),不同的圖像子塊間具有更強(qiáng)的分辨力。如果是第二類光照變化,則以改進(jìn)的Census變換和紋理特征的加權(quán)和作為光流模型的數(shù)據(jù)項(xiàng),通過均值場近似理論求解每個(gè)像素對(duì)應(yīng)的不變量權(quán)值。相比于多個(gè)數(shù)據(jù)項(xiàng)分量固定權(quán)重模型,所提出的自適應(yīng)權(quán)重模型與像平面不同區(qū)域亮度變化規(guī)律更吻合。以Middlebury和KITTI數(shù)據(jù)庫中圖像為測試樣本驗(yàn)證了所提算法的有效性。(2)光流算法應(yīng)用于實(shí)際工程時(shí),需要保證輸出結(jié)果具有一定的精度。當(dāng)前,各大標(biāo)準(zhǔn)數(shù)據(jù)庫對(duì)光流算法精度的評(píng)估均是通過和真實(shí)光流進(jìn)行對(duì)比。然而,在實(shí)際工程中,場景和目標(biāo)的真實(shí)光流是未知的。因此,光流計(jì)算精度的自評(píng)估和自校正是光流算法勝任未知環(huán)境視覺任務(wù)的先決條件。針對(duì)此,根據(jù)兩幀圖像中匹配點(diǎn)與光流值等價(jià)的原則,提出一種基于離散可信匹配點(diǎn)的光流校正和誤差評(píng)估方法。首先,采用圖像分割算法將圖像分割為不同的區(qū)域。接著,在像平面內(nèi)檢測可信匹配點(diǎn),以此匹配點(diǎn)為種子點(diǎn),對(duì)其鄰域點(diǎn)進(jìn)行光流誤差評(píng)估與校正。所提算法的關(guān)鍵點(diǎn)是確定數(shù)量多、分布廣、精度高的可信匹配點(diǎn)與設(shè)計(jì)有效的校正方法。①為得到數(shù)量多、精度高的匹配點(diǎn),提出了利用兩幀圖像空間幾何關(guān)系的雙閾值SIFT (Scale Invariant Featuretransform)匹配算法。首先,在低閾值下,得到精度高的匹配點(diǎn),并用這些點(diǎn)計(jì)算兩視圖的對(duì)極幾何關(guān)系與空間拓?fù)浣Y(jié)構(gòu)關(guān)系；再以此關(guān)系為約束去除高閾值下精度低的匹配點(diǎn)。②為得到分布廣的匹配點(diǎn),提出基于HOG特征與空間幾何約束的區(qū)域匹配算法。以第1幀圖像上每個(gè)區(qū)域的內(nèi)接四邊形為模板,在第2幀圖像上搜索與之匹配的區(qū)域。為減小搜索范圍,設(shè)計(jì)了極線約束和鄰域方向約束。為避免灰度變化平緩區(qū)域匹配誤差大而給校正帶來誤差,設(shè)計(jì)了測度灰度變化算子,僅對(duì)滿足一定條件的區(qū)域計(jì)算對(duì)應(yīng)的匹配區(qū)域。③為保證校正的有效性,提出了非運(yùn)動(dòng)、遮擋邊界光流平滑過渡判定準(zhǔn)則,并對(duì)校正后的光流值施加極線約束,進(jìn)行二次判定。以KITTI數(shù)據(jù)庫圖像為測試樣本,實(shí)驗(yàn)結(jié)果如下：KITTI數(shù)據(jù)庫194組圖像,光流誤差平均降低7.04%,最大可降低31.25%,該結(jié)果證實(shí)了所提算法的有效性。(3)將光流算法應(yīng)用于序列圖像場景稠密三維重建。針對(duì)三維重建中誤匹配問題,提出一種兩步匹配算法。首先以光流算法計(jì)算兩個(gè)視圖的初始匹配點(diǎn),然后用三視圖幾何約束去除誤匹配點(diǎn)。針對(duì)多視圖三維重建過程中,隨著重建視圖的增加,三維冗余點(diǎn)不斷增加的現(xiàn)象,利用多視圖幾何關(guān)系自動(dòng)判斷當(dāng)前重建的點(diǎn)云在之前的視圖中是否被重建。如果已被重建,則在兩次重建的點(diǎn)云中保留反投影殘差較小的點(diǎn)；如果未被重建,則直接保留。所提出的算法不僅能降低整體數(shù)據(jù)量,同時(shí)可提高點(diǎn)云整體精度,不丟失被測量物體曲率較大處表面細(xì)節(jié)信息,且同樣適用于主動(dòng)三維重建系統(tǒng)冗余點(diǎn)刪除。用多視圖立體重建數(shù)據(jù)庫中temple圖像、以及結(jié)構(gòu)光三維重建系統(tǒng)驗(yàn)證了所提算法的有效性。
【關(guān)鍵詞】：光流計(jì)算 光照變化 改進(jìn)census變換 光流誤差校正 三維重建
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41
【目錄】：

• 摘要6-8
• Abstract8-14
• 第1章 緒論14-26
• 1.1 研究背景與意義14-19
• 1.1.1 光流定義及相關(guān)概念14-15
• 1.1.2 光流計(jì)算研究意義15-19
• 1.2 研究進(jìn)展與現(xiàn)狀19-24
• 1.2.1 光流計(jì)算研究進(jìn)展19-21
• 1.2.2 光流計(jì)算尚未解決的典型問題21-24
• 1.3 本文研究內(nèi)容與結(jié)構(gòu)安排24-25
• 1.4 本章小結(jié)25-26
• 第2章 微分光流計(jì)算26-44
• 2.1 微分光流基本約束方程26-27
• 2.2 局部光流計(jì)算方法27-29
• 2.2.1 LK方法27-28
• 2.2.2 其他方法28-29
• 2.3 全局計(jì)算方法29-36
• 2.3.1 全局光流中的數(shù)據(jù)項(xiàng)29-31
• 2.3.2 全局光流中的平滑項(xiàng)31-35
• 2.3.3 數(shù)據(jù)項(xiàng)和平滑項(xiàng)之間的權(quán)重35
• 2.3.4 罰函數(shù)35-36
• 2.4 局部和全局相結(jié)合的方法36-37
• 2.5 光流模型的求解方法37-40
• 2.5.1 基于金字塔分解的分層求解策略37
• 2.5.2 基于拉格朗日方程的光流求解方法37-38
• 2.5.3 基于迭代最小二乘的光流求解方法38-40
• 2.6 光流場的表示與精度評(píng)價(jià)40-43
• 2.6.1 光流場表示方法40-41
• 2.6.2 光流場精度評(píng)價(jià)41-42
• 2.6.3 光流測試數(shù)據(jù)庫42-43
• 2.7 本章小結(jié)43-44
• 第3章 光照變化條件下光流自適應(yīng)算法44-71
• 3.1 引言44-45
• 3.2 光照變化類型分類45-53
• 3.2.1 光照模型45-47
• 3.2.2 數(shù)字相機(jī)成像模型47-48
• 3.2.3 光照變化因素分析與光照分類48-51
• 3.2.4 基于直方圖分布差異的光照類型判別準(zhǔn)則51-53
• 3.3 自適應(yīng)光照變化的光流計(jì)算總體框架53-54
• 3.4 基于改進(jìn)Census變換的光照單調(diào)變化光流計(jì)算54-63
• 3.4.1 傳統(tǒng)Census變換54-56
• 3.4.2 改進(jìn)的完備Census變換56-60
• 3.4.3 基于改進(jìn)完備Census變換的光流模型60
• 3.4.4 光流求解60-61
• 3.4.5 實(shí)驗(yàn)與結(jié)果61-63
• 3.5 基于紋理和改進(jìn)Census變換自適應(yīng)權(quán)重的隨機(jī)光照變化光流計(jì)算63-70
• 3.5.1 圖像紋理提取63-64
• 3.5.2 光流模型64-65
• 3.5.3 數(shù)據(jù)項(xiàng)不同分量自適應(yīng)權(quán)重計(jì)算65-66
• 3.5.4 光流求解66-67
• 3.5.5 實(shí)驗(yàn)與結(jié)果67-70
• 3.6 本章小結(jié)70-71
• 第4章 基于離散可信匹配點(diǎn)的光流誤差評(píng)估與校正算法71-93
• 4.1 引言71
• 4.2 光流誤差評(píng)估與校正算法71-73
• 4.2.1 算法總體框架72-73
• 4.3 關(guān)鍵技術(shù)73-89
• 4.3.1 圖像超像素分割73-75
• 4.3.2 基于雙閾值和空間幾何約束的特征點(diǎn)匹配75-82
• 4.3.3 基于HOG特征和空間幾何約束的區(qū)域匹配82-86
• 4.3.4 光流誤差評(píng)估與校正準(zhǔn)則86-89
• 4.4 完整的算法步驟89-90
• 4.5 實(shí)驗(yàn)與結(jié)果90-92
• 4.5.1 光流誤差評(píng)估實(shí)驗(yàn)與結(jié)果90-91
• 4.5.2 光流誤差校正實(shí)驗(yàn)與結(jié)果91-92
• 4.6 本章小結(jié)92-93
• 第5章 基于光流和多視圖約束的稠密三維重建93-108
• 5.1 引言93-94
• 5.2 基于光流和三視圖約束的三維重建算法94-100
• 5.2.1 多相機(jī)高精度標(biāo)定95-96
• 5.2.2 光流與匹配96
• 5.2.3 三視圖約束原理96-97
• 5.2.4 算法步驟97-98
• 5.2.5 實(shí)驗(yàn)與結(jié)果98-100
• 5.3 多視圖重建過程中重疊點(diǎn)去除算法100-107
• 5.3.1 重疊區(qū)域的判定101-102
• 5.3.2 重疊部分三維坐標(biāo)求解102-103
• 5.3.3 算法特點(diǎn)103
• 5.3.4 實(shí)驗(yàn)與結(jié)果103-107
• 5.4 本章小結(jié)107-108
• 總結(jié)與展望108-110
• 致謝110-111
• 附錄111-124
• 參考文獻(xiàn)124-131
• 攻讀博士學(xué)位期間發(fā)表的論文及科研成果131-132

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 范勇,游志勝,張建州,鄭文琛,馮子亮,王榮;基于殘差平方和的光流場正則化方法[J];光電工程;2001年06期

2 張建明,錢東海;一種局部和全局相結(jié)合的光流計(jì)算方法[J];計(jì)算機(jī)工程與科學(xué);2005年05期

3 武理靜;明軍;;一種改進(jìn)的光流估計(jì)方法[J];國外電子測量技術(shù);2006年12期

4 李偉;沈振康;;基于魯棒特征的光流研究[J];紅外與激光工程;2007年S2期

5 關(guān)鍵;段慧;李茂寬;;幾何代數(shù)域內(nèi)的光流場改進(jìn)算法[J];海軍航空工程學(xué)院學(xué)報(bào);2008年01期

6 項(xiàng)學(xué)智;趙春暉;李康;;一種彩色光流場估計(jì)算法[J];哈爾濱工程大學(xué)學(xué)報(bào);2008年06期

7 韓玉兵;束鋒;芮義斌;李鵬;;基于本征和非本征正則項(xiàng)的光流估計(jì)[J];信號(hào)處理;2008年04期

8 陳勇;屠大維;周許超;趙其杰;;基于光流分析的車輛轉(zhuǎn)彎及上下坡信息獲取[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年11期

9 于晶晶;潘振寬;魏偉波;;小位移光流計(jì)算的對(duì)偶方法[J];計(jì)算機(jī)工程;2010年07期

10 齊蘊(yùn)光;安鋼;曹艷華;;一種改進(jìn)的全局光流估計(jì)方法[J];計(jì)算機(jī)科學(xué);2012年S1期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 曾雪蓮;尚斐;;基于微分法的光流計(jì)算技術(shù)研究[A];第六屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集（1）[C];2008年

2 李俊;張桂林;;一種計(jì)算光流場的新方法[A];1998年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];1998年

3 佘永業(yè);李熙瑩;趙有婷;;一種車輛的宏觀光流速度的計(jì)算方法[A];圖像圖形技術(shù)研究與應(yīng)用2009——第四屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

4 盧宗慶;謝維信;裴繼紅;;基于非線性濾波的光流計(jì)算[A];第十三屆全國信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2007）論文集[C];2007年

5 謝劍斌;王暉;劉通;李沛秦;;基于多重網(wǎng)格的光流場快速計(jì)算方法[A];第六屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集（2）[C];2008年

6 張\，

本文編號(hào)：361363