車輛特征點3D參數估計及聚類算法研究.pdf

1、利用車輛特征點聚類分析車輛目標是機器視覺領域一個重要應用。目前已有的特征點聚類方法大都基于二維圖像平面，利用特征點之間的位置關系及特征點軌跡的運動約束進行聚類。這種方法在攝像機架設較高，視覺較開闊的情況下可以得到有效的聚類結果，但在攝像機架設較低、視角偏差較大、車輛擁堵較嚴重的視頻場景中，由于存在車輛遮擋、車輛粘連等現象，這類方法并不適用。
　　本文研究了車輛特征點的3D參數估計方法，并提出一種迭代的聚類算法框架，通過對特征點進行

2、初聚類、精細聚類和類間合并完成聚類分析。初聚類過程中首先分析特征點的逆投影變換，再采用改進的K-means聚類算法對特征點的逆投影點進行初聚類，得到初步類別。基于初聚類結果對特征點的逆投影速度和三維高度的關系進行分析，估計特征點的3D參數。將3D參數與設定的車輛三維模型相匹配，對特征點進行剔除和重分配，實現精細聚類。最后利用特征點的三維軌跡間運動約束，判定兩兩類別是否屬于同一車輛目標，完成類間合并，得到最終的聚類類別。
　　將該算