基于6自由度场景流聚类的3D运动目标检测方法技术

本发明专利技术提供的是一种基于6自由度场景流聚类的3D运动目标检测方法。利用深度相机获取场景的对齐的彩色图像和深度图像；构建6自由度场景流估计能量泛函；能量泛函的最优求解；根据场景流的定义，利用旋转向量和平移向量计算出场景流；根据场景流信息进行初步分析，确定移动目标的大体数目；根据场景流提取运动特征信息，获取每个点的特征向量；利用ISODATA算法对特征向量进行聚类分析，提取出运动目标。本发明专利技术利用邻域约束结合亮度恒常、深度恒常约束构建数据项；利用全变分平滑对旋转向量和平移向量进行平滑约束。完成场景流求解后，利用ISODATA算法对场景流进行聚类分析，提取出3D运动目标。

【技术实现步骤摘要】
基于6自由度场景流聚类的3D运动目标检测方法
本专利技术涉及的是一种3D运动目标检测方法。
技术介绍
机器视觉中的一项重要目标是实现运动目标检测，乃至实现图像或者视频的分析与理解。运动目标检测是机器视觉领域的重要方向，有着广泛的应用范围，比视频监控、人机交互、场景分析等涉及图像或者视频分析理解方向的基础技术。静态背景运动目标检测的经典方法有减除背景法、帧间差分法和光流法。背静减除法通过背景建模的方式提取出运动目标，但是这种方法对环境变化特别敏感。帧间差分法是对相邻的两帧或者三帧作差的到运动目标，但是这种方法要求物体运动时，有明显的像素变化，否则会产生漏检等现象。光流法是一种目标检测的重要工具，该方法计算光流矢量，根据运动目和背景运动矢量的差别来检测运动目标，在动态背景下，该方法也能取得较好的效果，但是当物体运动是朝着摄相机方向的运动时，而从造成目标检测错误。上述的这些方法都没有场景的深度信息的二维检测方法，3D运动目标检测能够更准确检测出运动目标，在车辆辅助驾驶等领域有重要应用。光流在三维空间中的扩展，以场景流(SceneFlow)来表示，其表示场景中真实的运动速度，相对于光流，更能本文档来自技高网...

【技术保护点】
一种基于6自由度场景流聚类的3D运动目标检测方法，其特征是：步骤一.利用深度相机获取场景的对齐的彩色图像和深度图像；步骤二.构建6自由度场景流估计能量泛函；绕坐标轴的旋转运动定义为ω(ω

【技术特征摘要】
1.一种基于6自由度场景流聚类的3D运动目标检测方法，其特征是：步骤一.利用深度相机获取场景的对齐的彩色图像和深度图像；步骤二.构建6自由度场景流估计能量泛函；绕坐标轴的旋转运动定义为ω(ωX,ωY,ωZ)，沿着坐标轴的平移动定义为τ(τX,τY,τZ)，运动用6自由度κ(ω,τ)描述，所述能量泛函由数据项ED(κ)和平滑项ES(κ)组成，表达式为E(κ)＝ED(κ)+αES(κ)，α为平衡因子；步骤三.能量泛函的最优求解；步骤四.根据场景流的定义，利用旋转向量和平移向量计算出场景流；步骤五.根据场景流信息进行初步分析，确定移动目标的大体数目；步骤六.根据场景流提取运动特征信息，获取每个点的特征向量；步骤七.利用ISODATA算法对特征向量进行聚类分析，提取出运动目标。2.根据权利要求1所述的基于6自由度场景流聚类的3D运动目标检测方法，其特征是所述构建6自由度场景流估计能量泛函具体包括：(1)构建能量泛函数据项在图像域约束求解6自由度κ(ω,τ)，2维空间点x(x,y)和3维空间点X(X,Y,Z)，把三维点X投影到二维空间，通过定义函数Υ(X)实现，同样二维点到三维点的转换通过定义函数Υ-1(x,Z)实现，设Xt(X,Y,Z)为3维空间中的一点，运动后在第二帧点的位置为Xt+1，则其中是一种指数形式，令W(x,κ)表示x1(x,y)点在第2帧估算的位置，则：利用亮度恒常和深度恒常假设构建能量泛函数据项：ρI(x,κ)＝I2(W(x,κ))-I1(x)其中：D＝(0,0,1,0)T，为抑制光流数据项中的集外点，同时保证能量泛函的凸性与可微性引入形如公式的鲁棒惩罚函数；对数据项进行局部约束，将约束方程设定在x的邻域N(x)内成立：(2)构建能量泛函平滑项κ包括旋转向量和平移向量，首先是对平移向量的平滑，定义自适应的...

【专利技术属性】
技术研发人员：项学智，翟明亮，徐旺旺，肖德广，吕宁，尹力，郭鑫立，宋凯，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江,23