学位论文 > 优秀研究生学位论文题录展示
视频序列中高精度场景姿态变化检测
作 者: 路翠萍
导 师: 娄震
学 校: 南京理工大学
专 业: 计算机应用技术
关键词: 角点检测 图像匹配 卡尔曼滤波 分解因子 分段线性仿射
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 15次
引 用: 0次
阅 读: 论文下载
内容摘要
使计算机具有利用一帧或多帧图像认知周围环境信息的能力是计算机视觉研究中的一个重要目标。本文将角点检测、目标跟踪以及三维重建应用到场景姿态变化检测中,讨论并研究相关算法,从而解决高精度的场景姿态检测这一问题。本文的目的是得到高精度的场景姿态变化,算法思想是首先自动检测场景图像的角点,以角点作为特征点,应用目标跟踪算法粗略的匹配特征点位置,然后运用分解因子算法,精确检测场景中特征点的姿态变化,最后根据射影几何的交比不变性确定与选定的特征点同一平面内的点的姿态变化。在检测图像角点这一环节,本文讨论了Harris角点检测算法以及Susan角点检测算法。在Harris算法中,提出了一种根据求得的角点个数调整阂值的自适应阈值的方法,提高了角点检测的精度。在粗略检测场景姿态变化这一环节,以灰度不变性为前提,本文讨论了互相关算法以及运用Levenberg-Marquardt算法来估计多帧图像中角点的姿态变化。为了保证在目标快速运动时算法的鲁棒性,本文应用了双向卡尔曼滤波对角点的变化进行平滑。在精确检测场景姿态变化这一环节,基于透视模型,利用非线性优化算法对多幅图像综合考虑,重构摄像机运动和对应的场景结构。用分解因子法来获得高精度的场景姿态变化,这个算法只关心多帧图像中对应角点的位置而不关心图像本身的灰度、纹理等信息。最后,根据射影几何的交比不变性,应用分段线形仿射原理,确定场景的姿态变化。
|
全文目录
摘要 3-4 Abstract 4-5 目录 5-8 1 绪论 8-13 1.1 课题的研究背景及意义 8-9 1.2 场景姿态匹配及运动估计模型方法综述 9-12 1.2.1 场景姿态匹配方法综述 9-11 1.2.2 运动估计场景结构方法综述 11-12 1.3 论文的研究内容及结构安排 12 1.4 论文的主要贡献 12-13 2 角点检测 13-20 2.1 Harris角点检测算法 13-17 2.1.1 边缘检测算子与高斯滤波 13-14 2.1.2 Harris算法原理 14-15 2.1.3 Harris角点检测的算法步骤 15-16 2.1.4 Harris算法的改进 16 2.1.5 Harris算法实验结果 16-17 2.2 Susan角点检测算法 17-19 2.2.1 Susan算法原理 17-18 2.2.2 Susan算法步骤 18-19 2.2.3 Susan算法实验结果 19 2.3 本章算法总结 19-20 3 角点匹配 20-35 3.1 基于相关匹配的目标跟踪算法 20-23 3.1.1 相似性测度 20-21 3.1.2 互相关算法步骤 21-22 3.1.3 互相关算法实验结果 22-23 3.2 LMA匹配算法 23-29 3.2.1 透视变换 23-24 3.2.2 利用LMA算法解变换矩阵 24-26 3.2.3 改进后的LMA算法步骤 26-27 3.2.4 LMA算法实验结果 27-29 3.3 角点的平滑 29-34 3.3.1 一维状态向量的卡尔曼滤波 30-31 3.3.2 一般状态向量的卡尔曼更新公式 31 3.3.3 前向-后向平滑 31-32 3.3.4 双向卡尔曼滤波算法步骤 32 3.3.5 前向-后向滤波实验结果 32-34 3.4 本章算法步骤 34-35 4 高精度场景姿态变化检测 35-51 4.1 投影几何基础 35-37 4.1.1 投影空间和投影子空间 35 4.1.2 投影/变换 35-36 4.1.3 多视点间的几何关系 36-37 4.2 从对应两幅图像估计运动和投影结构 37-38 4.2.1 几何场景重构 37 4.2.2 代数运动估计 37-38 4.3 从多幅图像恢复运动和投影结构 38-44 4.3.1 透视投影和透视模型 39-40 4.3.2 奇异值分解(SVD) 40-41 4.3.3 分解因子算法(QR分解算法) 41-44 4.4 随机采样一致算法(RANSAC) 44-45 4.4.1 RANSAC算法的基本思想 44-45 4.4.2 本文中RANSAc算法的应用 45 4.5 分段线形仿射 45-48 4.5.1 分段线形仿射的基本原理 46-47 4.5.2 分段线形仿射实验结果 47-48 4.6 本章算法总结 48-51 4.6.1 算法步骤 48-50 4.6.2 算法流程图 50-51 5 实验结果与分析 51-66 5.1 互相关算法中基准帧的选取 51-57 5.2 互相关算法与LMA算法的实验结果及比较 57-59 5.3 分解因子法实验结果 59-65 5.3.1 直接分解因子算法 59-63 5.3.2 应用RANSAC算法 63-65 5.4 实验小结 65-66 6 总结和展望 66-67 致谢 67-68 参考文献 68-70
|
相似论文
- 基于微型无人平台导航多传感器信息融合算法研究,V249.32
- SINS/GPS组合导航系统算法研究,V249.328
- 基于陀螺和星敏感器的卫星姿态确定研究,V448.2
- 机载导弹的传递对准研究,V249.322
- 偏振光/地磁/GPS/SINS组合导航算法研究,V249.328
- 带径向速度观测的跟踪算法研究,TN953
- 图像拼接技术研究,TP391.41
- PCB视觉检测系统中相机标定算法与位姿测定技术,TP391.41
- 红外图像匹配技术研究,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 基于图割理论的图像匹配问题研究,TP391.41
- 基于视频的运动目标检测与跟踪方法应用研究,TP391.41
- 基于特征描述的图像匹配方法研究,TP391.41
- 舌诊客观化中若干图像分析技术研究,TP391.41
- 小波分析在掌纹图像特征提取中的应用,TP391.41
- 两轮电动车自平衡控制算法的研究,TP273
- 基于多信息融合的轮式农业机器人导航研究,TP242
- 蜂窝系统的定位算法研究,TN929.53
- SAR成像目标识别子区选取与匹配方法研究,TN957.52
- 基于多激光雷达的行人目标跟踪,TP391.41
- 基于视频的动物运动跟踪分析系统及应用研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|