【技术实现步骤摘要】
本专利技术涉及图像处理、计算机视觉、计算方法、数学、数值方法、视频处理、三维重 建等
，尤其是这一种视频三维重建时的特征点的确定方法。
技术介绍
近几年来，在计算机视觉领域中，从运动中恢复结构问题一直是一个非常重要的 问题，并有很多研究者置身于解决此问题。从视频中进行三维重建是一个非常重要的问题， 在这几年中，三维重建的应用越来越广泛，比如，航空航天器，机器人导航，重构雕塑和历史 古迹的三维模型，三维动画和视觉检查等。这个问题的目标可以简单描述如下，由单个摄像 机对感兴趣的场景获得一段视频，然后我们需要计算出场景的三维结构，输入的数据是由 一个未标定的摄像机获得的视频，比如，摄像机的内参数未知。同时，我们也需要计算出摄 像机方向的相对位置。到目前为止，解决运动三维重建已有许多方法和算法。并有一些研究者得出了很 好的结果。其中一个流行的方法为第一步，从视频的第一帧图像中，对感兴趣的区域选择 出特征点集，这些特征点可以用KLT算法自动地提取出来，必须保证这些点是足够的有效 的。第二步，在整个视频中，对特征点进行跟踪，必须确保这些跟踪的特征点数据足够精确。 接下来，在视频的每一帧中把跟踪数据进行整合得到其测量矩阵，并分解此矩阵得到特征 点的三维坐标，同时，计算出摄像机的位置和方向信息。现在，许多研究者有很多方法去选择并跟踪特征点，其中一个最流行的算法是 KLT (Kanade-Lucas-Tomasi)算法，它是基于亮度值来进对特征点进行跟踪的，特征点选择 是通过Lucas & Kanade算法。对于从图像序列中得到结构和运动数据的分解方法，这个...
【技术保护点】
【技术特征摘要】
一种视频场景三维重建时的特征点优选方法，包括以下步骤1)视频场景的图像序列I(X, t)，其中， X表示第i个特征点的位置，X的坐标为(，)，t表示帧的序数，使用KLT跟踪器对特征点进行跟踪，设定图像序列中两帧数据之间的时间间隔是有限的小，特征点仅在位置上发生变化，亮度保持不变，如下式 (1)其中， 表示特征点的亮度，X表示特征点的位置，δ(X)表示变换函数，表示时间间隔δ(x)近似用一个向量d来表示 (2)计算图像I (X, t)和图像I(X+d, t+△t)中的两个窗口之间的差异，如下式 (3)其中，表示差异量，w(X)是一个权值函数，W表示窗口，计算出使得向量d最小；利用泰勒公式把按一阶展开得到线性的部分，并根据d到0设定相应的ε，得到线性的等式 (4)其中，Z是2×2的矩阵； (5)并且，e是2×1的向量； (6)其中，；其特征在于所述特征点优选方法还包括以下步骤2)计算出在相邻帧之间每个跟踪特征点的向量方向，并用正弦值表示其向量方向，定义向量方向 (7)其中，上标j 表示帧数；正弦值(8)其中，；其次，计算出θ的均值来决定其中心c，并设定阈值a来排除相对变化较大的向量方向； (9)即，|θ c|表示绝对距离，当|θ ...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。