针对传统闭环检测算法在动态场景下不稳定、易失败的问题, 提出了一种在动态场景下能够准确检测到闭环的算法。首先, 改进基于场景流区分动、静特征点算法, 使得到的动静点划分更为准确;其次, 剔除动态特征点, 进行聚类, 将图像在视觉词典树各个节点的TF-IDF熵作为图像在该视觉单词的得分权重, 从而构造得分向量对场景进行描述;最后, 采用负指数幂函数作为计算两幅图像的相似性得分函数, 计算当前帧与候选关键帧的相似性得分, 经过最后的闭环确认环节, 得到最终的与当前帧发生闭环的关键帧。实际场景的实验表明, 所提算法在动态场景下能够有效检测到闭环。
闭环检测 动态场景 场景流 TF-IDF熵 相似性得分函数 loop closure detection dynamic scene scene flow TF-IDF entropy similarity score function
火箭军工程大学控制科学与工程系, 陕西 西安 710025
为了提升动态场景中视觉里程计的稳健性和精确度,提出一种基于运动物体检测的立体视觉里程计算法。首先,建立考虑相机位姿的场景流计算模型,用于表示物体的运动矢量。其次,提出构造虚拟地图点的方法,一方面结合场景流进行运动物体检测,另一方面使运动物体在图像中占比较大时仍有足够匹配点对用于位姿估计。最后,通过局部地图点及虚拟地图点与当前帧特征点的匹配结果,构建考虑虚拟点的非线性优化模型进行相机位姿估计,既保证静态地图点不与运动物体的特征点形成错误匹配,又避免因有效匹配点对过少而导致视觉里程计失效。数据集实验和实际场景在线实验结果表明,本文算法提升了视觉里程计在动态场景中的稳健性和精确度。
机器视觉 立体视觉里程计 动态场景 运动物体检测 场景流 虚拟地图点 光学学报
2017, 37(11): 1115001
北京工业大学电子信息与控制工程学院, 北京 100124
提出一种基于光流反馈的单目视觉三维(3D)重建方法，实现对场景快速、准确的3D 立体化建模。由帧间光流场建立更为稳健的同名像点匹配关系，同时运用五点算法估计摄像机的相对位姿，以构建稀疏点云和初始网格。从运动视觉分析的角度寻求多视重构的求解方法，将重建模型反馈至重建过程，用各视图像的偏差驱动模型变形。将粗略、不准确的原始网格曲面经过致密的非刚性变形，调整至精确的曲面。在统一计算设备架构下，利用图形处理器对光流算法进行并行加速，显著提高了重构算法运行的实时性。室内真实场景下的重建结果证明了所提算法的可行性与准确性。
机器视觉 三维重建 光流 场景流 统一计算设备架构
