机器视觉第十五章资料汇编.pptVIP

图15.3 具有不同运动速度的物体对应的延伸焦点示意图 图15.4 根据 FOE确定空间点相对深度示意图 15．2．4代数法 三维运动估计的光流法由两步组成：光流场估计和基于光流场的三维运动估计。光流估计方法已经在第14章介绍了。基于光流场的三维运动恢复有许多方法，各种方法之间的主要差别在于光流场估计所用的假设不同，或三维运动恢复所用的准则不同。这些方法大致可以分为两类：代数法和优化法。本节主要讨论光流法恢复三维运动参数的代数法，下一节将讨论优化法。将方程组（15.46）的两个式子合并,消去z： (15.55) (1) 解析法 (2) Heeger-Jepson 法 15．2．5优化法 优化法的基本思想是独立地对三维运动和结构参数估计值进行扰动，直到估计的三维运动在图像平面上的投影速度与实际的光流场相一致。从一个合理的初始值或通过其它方法得到的初始估计开始，优化算法可以成功地跟踪长序列图像中的小变化量运动和结构参数。为了防止优化算法发散或收敛到代价函数的局部最小值，通常需要某种在三维运动和结构参数上的平滑约束条件。 优化法可以通过基于梯度法或模拟退火法来实现。因为这个过程使用正交速度场，所以能够找到一个满足附加常数和比例系数的深度参数，同时可以确定关于这一比例常数倒数的两个旋转角度。在正交模型下估计运动和结构的类似方法见[Kanatani 1986] 15．2．6 几种方法比较 基于光流的运动和结构恢复不需要建立特征点的对应，只依赖于估计的光流场，但是光流估计本身是“不适定”问题，对于观测噪声非常敏感。文献[Tekalp 1995]对三种基于光流算法的性能进行了比较，它们是：ⅰ）解析法，ⅱ）Heeger-Jepson法，ⅲ）优化法。其中前两种方法是基于透视投影光流场方法，后一种是基于正交投影光流场方法。 * 第十五章 三维运动估计 15．1 基于成象模型的对应点估计 15．2 三维运动估计的光流法 15．3光流分割 15．1 基于成象模型的对应点估计 15．1．1 正交投影模型 15.1.2 基于正交投影的运动估计 15.1.3 透视投影模型 15.1.4 外极线方程和基本矩阵 　　由方程(15.13)可见，在透视投影情况下，运动和结构参数之间的关系是非线性的。早期人们使用迭代方法求解运动参数，但迭代过程往往不收敛，比如两步迭代法。[Huang 1986]证明，使用八个对应点或更多对应点来求取外极线约束方程并估计运动参数是可以改进两步迭代法的收敛性能。本节主要讨论外极线方程及其性质，关于估计运动参数，将在下一节介绍。 图15.1 基于对应点的外极线约束恢复运动参数示意图 方程（15.22）是包含9个未知参数的齐次线性方程，齐次线性方程无解或有无穷解。因此，可以令基本矩阵E的一个系数为1，这样待估计的参数有八个。另外，矩阵E是一个斜对称矩阵和一个旋转矩阵的乘积，它们并不是独立的。矩阵E的前三个性质构成三个约束方程，这样，方程（15.22）只包含5个未知的独立的参数，这也和运动参数的自由度数量相一致，即三个旋转自由度，二个平移自由度（或三个关于一个比例系数的平移自由度），实际上，由方程（15.15）可见，平移量 乘以任何不为零的系数都不影响方程成立，也就是说，当用同一个比例系数改变物体形状或运动平移量时，所得到的图像完全一样。因此，从运动恢复形状和从图像序列恢复运动参数，只能在关于一个比例系数的意义下进行。 *15.1.5 从基本矩阵估计运动参数(了解内容） 15.1.6从外极线方程估计运动参数 　　图15.2　外极线与实际投影点的距离关系 15．2 三维运动估计的光流法 　　现在已经出现了许多用于三维结构估计的算法，比如，前面几章介绍的从立体视觉恢复三维结构，从明暗恢复结构，从运动恢复结构等。15.1节曾讨论基于特征点的运动估计深度值的方法，由于特征点是稀疏的，因此要恢复出物体表面的完整结构，必须进行插值计算。本节首先讨论由稠密光流场实现3D平移运动表面结构估计的方法，然后讨论基于光流场的一般的运动结构参数的估计方法。 在光流场估计的基础上，从两幅正交投影或透视投影的图象中可以估计出三维物体的运动和结构。光流法与模型法的不同之处在于前者使用投影速度场模型，而后者使用的是位移场模型。光流法需要稠密的光流场，而不是选择并匹配明显的特征点。首先我们假定光流场是由一个物体产生的，对于多个物体，将在后面的运动场分割时讨论。 15.2.1 速度场正交投影模型与仿射流 15.2.2速度场透视投影模型与二次流 (1) 速度场透视投影模