视觉运动分析的主要算法

视觉运动分析的内容非常丰富，本文简要介绍光流计算及相应基础上的三维运动和结构估计等内容。     

基于光流方法的运动估计在OpenCV中的实现

序列图像的光流计算是计算机视觉研究领域运动估计的重要组成部分。本文介绍了0penCV库的特点和主要功能,通过调用函数库中的金字塔Lucas-Kanade光流计算函数和块匹配光流计算函数,快速地得到了运动图像的光流场,比较分析了这两种方法的运动估计效果,这为目标检测、目标跟踪提供了基础。只在VC6.0的基础上编写少量代码就能使算法得以实现,缩短了大量编程时间,提高了工作效率。     

一种改进的基于光流的运动目标的检测算法

讨论了序列图像的运动目标检测算法,在传统的光流场计算方法的基础上,提出了基于帧间差阈值法的快速光流算法。整个算法简单、有效,保证了序列图像中运动目标跟踪的实时性和鲁棒性。试验结果验证了本方法的有效性和实用性。     

由双目序列影像解求运动参数的非立体匹配方法

在无需实现精确立体匹配的条件下，导出了由双目序列影像得到的双目影像光流场严密解算空间物体运动能参数的数学模型，并从理论上分析了该模型的稳健性，同时给出了简单的验证算例。     

旋翼无人机单目视觉障碍物径向光流检测法

针对旋翼无人机在室外复杂环境下传统金字塔LK光流法检测障碍物准确性不高,适应性差的问题,提出了一种基于径向光流的单目视觉自主实时障碍物检测方法。该方法通过融合金字塔LK光流与切向光流求解径向光流,并基于径向光流设计了一种新的障碍物判定策略检测障碍物。试验表明,与传统金字塔LK光流法相比,在不增加算法复杂度的情况下,该方法具有更高的准确性和更强的适应性,可满足工程实践中无人机自主避障要求。     

融合深度学习与几何算法的单目视觉里程计方法

针对传统单目视觉里程计缺少深度信息,导致大规模尺度漂移的问题,该文提出了一种融合无监督深度学习与几何算法的视觉里程计方法。在单目深度2(Monodepth2)网络的基础上,提出了深度及姿态一致性损失,引入改进的通道-空间注意力模块,解决了自监督联合深度姿态学习中尺度不一致的问题;从密集光流中提取精确的稀疏匹配,通过求解本质矩阵来恢复相对姿态,使其不依赖于姿态网络(PoseNet),具有更好的鲁棒性。在KITTI数据集上进行实验,结果表明,该文提出的方法相比传统几何方法和端到端的深度学习方法,在多项评估指标方面有明显提升,验证了该算法的有效性。     

由双目序列影像解求运动参数的非立体匹配方法

在无需实现精确立体匹配的条件下,导出了由双目序列影像得到的双目影像光流场严密解算空间物体运动参数的数学模型,并从理论上分析了该模型的稳健性,同时给出了简单的验证算例。     

一种用于机器视觉检测的图像配准快速算法

图像配准是机器视觉检测的关键步骤之一。针对产品包装印刷质量检测，文中提出了一种新的图像配准算法。其基本思想是：首先进行图像概略匹配得到特征点的概略位置，接着进行特征点的精确检测，根据检测到的对应特征点坐标计算转换参数，最后生成配准图像。实验表明，该算法计算速度快，具有较好的精度和稳定性，适用于在线机器视觉检测等对速度要求高，而图像只有小角度旋转的情况。     

基于双目深度筛选的ORB-SLAM3算法

针对ORB-SLAM3算法中特征点存在易丢失、精度低,进而导致双目在复杂场景下运动轨迹误差大的问题,本文设计了一种改进的ORB-SLAM3算法。首先,在ORB特征匹配算法中引入自适应角点检测技术,增加特征点的采集数量,并采用光流法跟踪图像特征,提高关键帧的创建成功率;其次,以特征点为中心,作区域搜索,提高实时性;然后,采用双向左右一致性检验筛选最优视差,应用Prosac算法去除误匹配点对;最后,结合深度信息对关键帧进行筛选,提高关键帧的质量,优化相机位姿。采用KITTI和EuRoc数据集进行了试验,验证了改进算法在绝对轨迹误差上具有良好的优化效果。     

基于线结构光视觉方法的绝缘子防污参数测量

提出了基于结构光视觉量测原理的绝缘子防污参数测量方法,采用非接触的测量方式高效地获取绝缘子带有结构光条影像,充分利用摄影测量、视觉量测技术和目标旋转体的几何结构特性,实现了变电站输变电设备带电工作状态下的绝缘子几何模型重建和防污参数量测。试验证明,该方法的自动化程度和精度可以满足绝缘子防污参数工程测量的要求,为变电设备调爬、带电水冲洗等防污工作的开展提供高精度的数据服务。     

利用鱼眼相机对人群进行运动估计

人群运动估计是人群行为分析的重要步骤。特定场景的人群运动分析和监控,是维护公共安全和社会稳定的一个必要措施,也是视频监控领域的一个研究难点。利用鱼眼相机视场大、无视觉盲区的优点,提出了一种基于特征点光流的人群运动估计方法。首先,采用一种基于面积反馈机制的混合高斯背景差分方法,对原始视频图像进行预处理,并利用圆拟合的方法获取兴趣区域;其次,为了在保证准确描述人群目标的同时提高算法的实时性,提出一种基于边缘密度非均匀采样的人群特征点提取方法来描述运动的人群目标,并利用Lucas & Kanade光流法计算光流场;最后,为了解决远近人群的尺寸大小不一致的问题和鱼眼相机的畸变问题,采用鱼眼相机的透视加权模型,计算人群运动加权统计直方图,获取人群在鱼眼图像中的全局运动方向和速度。实验结果表明,针对密集的人群,该方法能有效、实时地估计人群的运动方向和速度,为人群行为分析提供有力的研究基础。     

地图图像视觉平衡质量的定量测度模型

针对地图图面设计制作的统一协调性在定量评判分析上具有不确定性及其视觉平衡质量的衡量指标缺乏的问题,该文采用图像处理领域的灰度分布均衡方法及力矩平衡原理,提出了一种定量测度地图图像视觉平衡质量的新模型。实验结果表明,该模型简单易行,同时适用于矢量地图和影像地图视觉平衡判定,相比于传统评价模型,不仅可定量判断出地图图像是否达到视觉平衡,而且可据视觉平衡质量的衡量指标对地图图像视觉平衡质量排序,还可给出未达视觉平衡地图图像其视觉重量在横纵轴的偏重情况。     

一种基于单目视觉的无人机仿地飞行方法

仿地飞行对于无人机航测至关重要,能否相对地面保持稳定的航高直接关系到无人机在复杂地形区域的安全性和数据质量问题。本文提出一种基于单目视觉的无人机航高估计方法,通过光流法对无人机实时获取的视频进行跟踪和分析,提取运动信息以估算实时航高。试验结果表明,该方法能够快速、准确地估算无人机实时航高,在没有地表高程信息的情况下实现了自动仿地飞行。     

基于彩色图像的机器人视觉跟踪

采用基于局部图像的HSV阈值分割和基于形状提取相结合的方法识别物体。经过颜色分割,利用物体基本形状的先验知识,根据具体要求和需要,识别出物体的边缘,计算出物体的质心位置,并通过机器人伺服实验实现了机器人的视觉跟踪。     

AVS菱形搜索运动估计算法优化

分析原有菱形匹配算法,在此基础上采取由粗到精的方法,对其中的运动估计部分进行优化。首先,以包括一个搜索窗口中心点在内的7个点开始匹配;然后,再根据一定的原则搜索其他匹配点。实验结果表明,改进算法在保证一定搜索精度的同时,能进一步减少匹配点,提高搜索速度。     

一种用于机器视觉检测的图像配准快速算法

图像配准是机器视觉检测的关键步骤之一.针对产品包装印刷质量检测,文中提出了一种新的图像配准算法.其基本思想是:首先进行图像概略匹配得到特征点的概略位置,接着进行特征点的精确检测,根据检测到的对应特征点坐标计算转换参数,最后生成配准图像.实验表明,该算法计算速度快,具有较好的精度和稳定性,适用于在线机器视觉检测等对速度要求高,而图像只有小角度旋转的情况.     

一种用于运动姿态评估的视觉伺服机器人

针对人们在运动中出现的姿态不标准且无人监督指导等问题,本文设计了一种用于运动姿态评估的视觉伺服机器人。这款机器人首先通过一种带有注意力机制的目标跟踪算法对运动目标进行跟踪,并与机器人的伺服电机结构协同工作以调整摄像头的角度,从而实现对在特定区域内运动的目标进行跟踪拍摄。然后由其姿态评估系统提取运动姿态,并与标准姿态进行比对评估。经验证,该机器人对人体运动姿态的质量高低具有较高的区分度,能对用户的多种姿态给予有效的评价,从而实现运动辅助及康复训练指导的目的。     

旋翼无人机运动场景及状态的视觉判定方法

针对视觉导航中相邻帧位姿估计方法使用不准确、估计不及时等问题,该文提出了一种基于视觉判定旋翼无人机运动场景及状态的方法。该方法通过计算基础矩阵和单应矩阵的匹配率、观察特征点分布情况和旋转角大小来判断旋翼无人机的运动场景及状态,并选择合适的位姿估计方法减小误差累积。最后,根据旋翼无人机在室内外采集的图像数据进行验证。实验结果表明,该文提出的方法能够准确地对旋翼无人机当前所处的运动场景及状态进行判定,为旋翼无人机的自主导航提供参考。     

一种双目混合追踪的视觉里程计算法

针对特征点法视觉里程计(visual odometry,VO)中,描述子匹配算力要求较高,而光流追踪算法存在误差累积的问题,提出了一种双目混合追踪的视觉里程计算法,并通过实验对该方法的定位结果与计算效率进行分析.在该算法中,前端在影像关键帧提取ORB(oriented brief)特征点并生成路标点,优先采用Inverse Compositional光流进行追踪,使用卡方检验等检测外点;为检测定位粗差,提出通过由相邻帧位姿恢复的极线进行检验;光流追踪失败或未通过极线检验时,提取ORB特征点维持跟踪或进行重定位;同时,后端进行相机位姿、路标点联合优化以减小误差累积.实验结果表明,该算法定位精度低于ORB-SLAM2(simultaneous location and mapping)算法,但运算效率有明显提升.     

一种结合动态目标检测的视觉SLAM算法

针对目前视觉SLAM算法大多基于小区域静态环境,较少考虑实际场景常存在动态物体,从而导致视觉SLAM位姿估计不准确的问题。该文采用深度学习方法对图像进行语义分割,结合实时图像语义分割和基于稠密金字塔光流法的动态检测确定动态目标,消除了动态目标导致的SLAM特征点匹配误差,提高了视觉SLAM位姿估计的精度,解决了动态场景中视觉SLAM的不稳定性问题。同时,建图过程中,剔除运动物体构建出的地图点,构建静态地图。基于TUM数据集中动态场景测试表明,在室内动态场景下,该文算法绝对估计误差相较ORB-SLAM2算法平均减少92%,并且该文算法的速度与精度优于同类型的DS-SLAM算法。