基于MATLAB的相机视野移动方向判断.docVIP

基于MATLAB的相机视野移动方向判断 　　摘 要：文章主要对相机视野的移动方向进行判断。针对相机拍摄到的低像素下的一系列图片，利用MATLAB图像处理功能进行统一处理，通过分层原理在每帧图片上设置一定数量的宏观特征点，而宏观特征点由若干微观像素点组成，从而标记图像，然后通过对图片逐帧分析，设定诸多阙值，用于判断和追踪特征点，进而判断相机视野的移动方向。 　　关键词：MATLAB图像处理；分层特征点；阙值分析法；视野移动方向判断 　　引言 　　相机实际拍摄过程情况十分复杂，根据视频中摄像机和场景之间是否运动可以将物体的运动分为以下几种模式，有目标静止-相机移动，目标移动-相机静止，目标移动-相机移动等，其中目标静止-相机移动主要用于机器人视觉导航，电子地图的自动生成，以及三维场景理解等[1]。文章主要针对此模式，通过MATLAB图像处理与数据运算功能，建立数学模型以分析移动相机视野的移动方向。 　　1 模型的建立与求解 　　建立的算法需要逐帧对图像设置特征点以标识图像时序，并逐帧对图像的特征点进行跟踪，位置坐标化。因此，对于特征点的设置直接影响视野移动方向判断的准确性。 　　图像灰度的大小可以表达黑白面积所占的比例，颜色越浅，该像素大小的实际图形空白区域越多。计算机灰度位图的灰度是有由一个从0到255的数字来表示，且纯黑为0，纯白为255。 　　令灰度为H，H=[0.255]，可以定义灰度分数h=[2] 　　利用MATLAB图像处理功能对捕获的逐帧图像进行灰度处理（如下图1图2所示），并以一个像素为一个单位，以左下角像素为坐标原点建立平面直角坐标系，对每个像素的位置进行坐标化，每个像素代表其所在位置的灰度值。 　　我们在宏观上标定初始图像的中点为主特征点A0，此特征点由九宫格形式的像素点组成，并用中心像素的坐标值标识A0，同理，以此A0为中心标记另外四个顶点A1，A2，A3，A4作为副特征点构成矩形。 　　特征点的坐标值以微观像素的中心像素坐标标识。图2所示为每个特征点的微观结构，数值代表各像素的灰度值。 　　2 阙值分析法对特征点的判定与追踪 　　基于上述模型准备，根据阙值分析法编写MATLAB程序首先对相机在平行面的平动情形判断视野的移动。 　　首先，通过MATLAB将10帧图像按时序导入软件，进行灰度处理。 　　设置各特征点A0（16，32），A1（11，26），A2（21，26），A3（11，38），A4（21，38） 　　以Hk，s=ai-1，j-1 ai-1，j ai-1，j+1ai，j-1 ai，j ai，j+1ai+1，j-1 ai+1，j ai+1，j+1作为第k帧图像的第s个特征点的灰度值矩阵。 　　设定灰度值阙值T1，在第k+1帧图像内首先寻找所有满足条件的|am，n-aAo|？燮T1的像素点，构成疑似特征点坐标集合D0=[A0，1 A0，1 A0，1…………]和疑似特征点灰度值矩阵H0。 　　设定九宫格内像素灰度值匹配度阙值T2，将疑似特征点为中心的九宫格灰度值与第k帧图像的主特征点A0九宫格对应位置像素的灰度值进行比较，当满足|am，n-aAo|？燮T1的像素在九宫格中所占的个数MT2时，即可确定唯一的第k+1帧图像内的主特征点，并标记为A0k+1，实现了对主特征点进行跟踪标识。同理，设置副特征点匹配度阙值T3，对第k+1帧图像的各副特征点进行标识追踪，分别记为Axk+1（mk+1，nk+1），Hk+1，x其中（x=1，2，3，或4），用于当A0k+1不唯一时对主特征点进行唯一识别。 　　由于拍摄过程中相机将发生微小的抖动，为了消除抖动带来的特征点移动引起的误差，引入第k帧主特征点的坐标与第1帧图像的主特征点的坐标距离的阙值T4，当|Axk+1（mk+1，nk+1）-A0（16，32）|T4时，即可在消除抖动的影响后判断相机视野的移动的距离和方向。 　　最终，可以通过满足所有阙值条件的主特征点与初始特征点坐标进行运算，即可得到视野移动方向。 　　3 模型的性能参数 　　根据对整体模型的搭建，初选10帧连续图片，设定各特征点A0（16，32），A1（11，26），A2（21，26），A3（11，38），A4（21，38），设置阙值T1=5，T2=7，T3=4，T4=5，使用编写的MATLAB程序进行运算。 　　为了对我们的模型进行性能分析，我们定义以几个参数： 　　（1）最少帧幅数Z。如果能使用少的图像数量检测到视野移动方向，能够是模型运算更加简化。 　　（2）程序运行时间TI。此参数体现了模型的时效性，较少的时间代表着模型能够更加迅速的得出结果。 　　可以分析得模型的性能参数主要受各阙值的设定值，特征点、特征像素的数量和位置影响，所以，研究不