论文部分内容阅读
随着计算机视觉相关技术和理论的不断完善与发展,其被普遍地用于视觉导航、场景合成等各个领域中。在视觉系统中,一般都是使用摄像机来进行图像的采集,通过对摄像机采集来的视频图像进行分析处理来提取信息。有些情况,如在人为操纵不安全或者是不允许人为操作的环境中,这时摄像机不仅要采集到环境中的信息,更重要的是在采集完信息后安全自主返回。所以为了让摄像机能够应用到类似这种情况下,摄像机应该能够自主的返回出发地和具备移动记忆的功能,尤其在没有既定目标的情况下,该功能变得尤为重要。而实现摄像机此功能的关键问题之一就是如何恢复出摄像机的运动轨迹。本文根据相邻两帧图像的变化与摄像机的运动之间的内在关系,划分出特征提取、图像匹配、运动参数估计等工作内容。其中,图像匹配部分本文采用了特征点作为匹配对象;并采用SURF算法来进行特征点的提取和匹配,并使用极坐标的表示方法即特征点对之间的斜率夹角和它们之间的距离等方法来去除误匹配。由于程序运行时间与图像大小是有关系的,图像越大则程序的处理时间就越长,图像越小则程序处理时间就越短,所以本文采用将图像进行分块采样的方式。以对两帧图像的处理进行说明,程序运行时间由程序运行次数与一次程序执行的时间这两个因素决定,并且程序执行次数由采样块数决定,一次程序执行的时间由采样区域的大小决定,所以程序循环次数和一次程序执行的时间的关系与采样块数和采样区域大小的关系相同,都具有反关系。所以在程序循环次数与一次程序执行时间之间存在较优的采样块数使得程序运行总时间最短,所以找到最佳的采样块数是本文研究的重点。在运动参数估计时,由于图像噪声和算法本身的误差会导致运动模型估计不准确,所以需要大量的匹配点对来精确运动参数;但是当匹配点对到达一定数量时,再增加匹配点对数对运动参数的估计精度贡献不大,并且会占用处理时间,所以要在估计精度与运行时间之间找到平衡,即在保证一定精度下,使得运行时间较短。所以,匹配点对数的选取是本文另一个研究重点。从这两方面来在保证精度的前提下,提高算法效率。