欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2015103750521
申请人: 西安理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种多视环境下刚性目标三维运动估计方法,其特征在于,具体按照以下步骤实施:步骤1、构建多视目标图像采集环境,并获得多个目标图像,具体为:步骤1.1、将nCamNum个摄像机环绕实验场景放置,对摄像机进行标定;

步骤1.2、采集背景图像{Back1,Back2,...,Backj,...,BacknCamNum};

步骤1.3、将刚性目标O置于实验场景内,使刚性目标O做刚性运动,nCamNum个摄像机同步采集刚性目标O的运动视频,在时刻t和时刻t+1,nCamNum个摄像机同步采集图像分别为{I1,t,I2,t,...,Ij,t,...,InCamNum,t}和{I1,t+1,I2,t+1,...,Ij,t+1,...,InCamNum,t+1},其中,Ij,t为时刻t在视点j获取的图像;

步骤1.4、使用背景减法获取刚性目标O侧影轮廓,即目标图像,在时刻t和时刻t+1获取目标图像为:{Silhouette1,t,...,Silhouettej,t,...,SilhouettenCamNum,t}和{Silhouette1,t+1,...,Silhouettej,t+1,...,SilhouettenCamNum,t+1};

步骤2、根据步骤1中得到的多个目标图像重建目标三维外形S(t),并初始化目标三维外形S(t)的运动参数;

步骤3、构建反应目标三维外形多视二维投影与目标图像距离的能量函数E,判断能量函数E是否收敛,如果不收敛,则转到步骤4;如果收敛,则输出目标三维外形S(t)的运动参数,即为刚性目标三维外形S(t)的运动参数,具体为:令S'(t+1)=Ri(t)·S(t)+Ti(t),根据摄像机标定参数,将S'(t+1)投影到nCamNum个视点中,得到投影图像{pro_img1,t+1,...,pro_imgj,t+1,...,pro_imgnCamNum,t+1};在nCamNum个视点中计算投影图像到目标图像的距离dist:其中,Ri(t)为旋转矩阵,Ti(t)为平移向量;

步骤3.1、对pro_imgj,t+1中的每个像素点x,在Silhouettej,t+1中搜索距其最近的点y:在Silhouettej,t+1中距离点x最近的点y与点x的欧式距离记为:dist(x,y)=||x-y||             (1)其中,

步骤3.2、当公式(1)满足时,点x,y为一对对应点,对视点j获取的图像中构建二维对应点列表[CP1j,t+1CP2j,t+1],其中,x∈CP1j,t+1,y∈CP2j,t+1,CP1j,t+1=pro_imgj,t+1,那么在视点j中三维目标二维投影的像素点集与刚性目标O侧影轮廓中的像素点集的最近距离记为:

步骤3.3、根据步骤3.1和步骤3.2,在nCamNum个视点中计算投影到目标图像的距离dist:

步骤3.4、在多视环境中构建反映目标三维外形多视二维投影与目标图像距离的能量函数E:E=dist                (4)步骤3.5、判断能量函数E是否收敛,如果不收敛,则转到步骤4;如果收敛,则得到的相应的三维运动参数R(t)、T(t),即为刚性目标三维外形S(t)的运动参数;

步骤4、更新目标三维外形S(t)的运动参数,转到步骤3。

2.根据权利要求1所述的一种多视环境下刚性目标三维运动估计方法,其特征在于,所述步骤1.1中使用张氏标定法对摄像机进行标定。

3.根据权利要求1所述的一种多视环境下刚性目标三维运动估计方法,其特征在于,所述步骤2的具体过程为:根据步骤1中得到的多个目标图像和摄像机标定参数,重建时刻t的目标三维外形S(t);

初始化时刻t的目标三维外形S(t)的运动参数:

旋转矩阵

平移向量

4.根据权利要求3所述的一种多视环境下刚性目标三维运动估计方法,其特征在于,所述重建目标三维外形S(t)使用体素着色法或使用基于特征点立体匹配的方法、或三维扫描的方法。

5.根据权利要求1所述的一种多视环境下刚性目标三维运动估计方法,其特征在于,所述步骤4的具体步骤为:步骤4.1、使用刚性目标按顺序沿X轴,Y轴,Z轴的旋转的角度α,β,γ与沿各个轴平移的平移量t1,t2,t3共六个参数,表示目标O的刚性运动Para=(α,β,γ,t1,t2,t3),初始化阶段Para=(0,0,0,0,0,0);

其中,

T(t)=(t1,t2,t3)′;

步骤4.2、对Para,求取Hessian矩阵H和梯度G:其中1≤i,j≤6,

其中X'=R(t)·X+T(t),X∈S(t),x表示点X'的二维投影;

步骤4.3、更新参数向量Para:

Para=Para-ΔPara                           (8)ΔPara=(H+μI)-1G                            (9)其中μ是迭代参数,I表示单位矩阵。