基于模型的三維跟蹤方法研究與實現(xiàn).pdf

1、自然世界中的物體在空間上一般都具有三個維度，如何快速準(zhǔn)確地從圖像采集設(shè)備獲得的二維平面圖像中恢復(fù)物體在空間中的運動參數(shù)并進行運動分析和理解一直以來都是計算機視覺領(lǐng)域中的研究熱點?；谌S模型的三維跟蹤方法對設(shè)備要求低，通常只需構(gòu)造合理的三維模型并提供三維模型的初始深度即可，因此在虛擬現(xiàn)實、智能監(jiān)控、視頻編碼、人臉識別、人機交互以及基于身體驅(qū)動的游戲和娛樂等實際應(yīng)用中具有廣泛地前景。本文對這種單目攝像機條件下基于模型的三維跟蹤方法進行了研

2、究與實現(xiàn)。
　　首先本文使用雙目立體視覺技術(shù)對跟蹤目標(biāo)物體進行三維重建。為此本文先進行攝像機的標(biāo)定和配置，然后對圖像進行校正和強邊緣抑制，接著通過立體圖像的匹配，得到了初始視差圖像。最后對視差圖像剔除誤匹配并進行平滑，通過反投影得到目標(biāo)物體真實三維模型。
　　然后，本文使用了一種基于兩步法的迭代變權(quán)灰度深度變化約束方程的方法對幀間姿態(tài)變化進行了求解。本文首先在研究灰度變化約束方程和深度變化約束方程基礎(chǔ)上，利用隨機采樣一致理論

3、對二維特征點進行采樣，并用灰度變化約束方程求解姿態(tài)的粗值，然后使用基于Huber函數(shù)的灰度深度加權(quán)方法求解姿態(tài)的精確值。求解方法使用了最小二乘迭代方法，在每次幀間姿態(tài)參數(shù)估計后，都利用重投影誤差更新權(quán)重矩陣。對于幀間的二維特征點跟蹤方面，則對標(biāo)準(zhǔn)的KLT稀疏光流跟蹤方法進行了部分改進，主要是對特征點的跟蹤窗口進行了重新選擇，在幀間參數(shù)求解后，引入了特征點的置信度對特征點進行自動更新。
　　其次，本文對基于模型的單目攝像機三維姿態(tài)跟

4、蹤算法進行了研究，使用了一種基于兩步法的迭代變權(quán)灰度深度變化約束方程對幀間姿態(tài)變化進行了求解。文章研究了灰度變化約束方程和深度變化約束方程，利用隨機采樣一致理論使用灰度變化約束方程求解姿態(tài)的粗值，然后使用基于Huber函數(shù)的灰度深度加權(quán)方法求解姿態(tài)的精確值。
　　由于連續(xù)跟蹤過程中存在累積誤差，為了消除累積誤差，本文提出了一種空間分層的視角外觀模型的思想，并結(jié)合該思想提出了一種快捷方便的索引方法。本文利用視角外觀模型多幀配準(zhǔn)方法，