CN103903248A - 一种基于双目视觉立体跟踪算法 - Google Patents

一种基于双目视觉立体跟踪算法 Download PDF

Info

Publication number
CN103903248A
CN103903248A CN201210581089.6A CN201210581089A CN103903248A CN 103903248 A CN103903248 A CN 103903248A CN 201210581089 A CN201210581089 A CN 201210581089A CN 103903248 A CN103903248 A CN 103903248A
Authority
CN
China
Prior art keywords
binocular vision
tracking algorithm
binocular
mark points
sequence images
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201210581089.6A
Other languages
English (en)
Inventor
屈景春
吴军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CHONGQING KAIZE TECHNOLOGY Co Ltd
Original Assignee
CHONGQING KAIZE TECHNOLOGY Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CHONGQING KAIZE TECHNOLOGY Co Ltd filed Critical CHONGQING KAIZE TECHNOLOGY Co Ltd
Priority to CN201210581089.6A priority Critical patent/CN103903248A/zh
Publication of CN103903248A publication Critical patent/CN103903248A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明涉及一种基于双目视觉立体跟踪算法，具体步骤如下：步骤1：利用二维扩展Kalman分别对两个单目序列图像中的标记进行预测跟踪；步骤2：如果标记点在两个单目序列图像中的预测区域内分别有多个候选标记点出现，则利用双目下的外极限约束条件剔出错误的候选点，找出正确的匹配。本发明的一种基于双目视觉立体跟踪算法，具有各个标记点之间无明显特征区别、数量多、易遮挡。

Description

一种基于双目视觉立体跟踪算法
技术领域
本发明涉及一种基于双目视觉立体跟踪算法。
背景技术
基于标记点的光学运动捕获系统[1]通过捕获人体上的标记点来重建人体的三维运动，已经成功地应用于影视特效、动画制作、虚拟现实、模拟训练等研究领域。现有的捕获系统通常采用基于特征匹配的跟踪方法[2-4]。文献[2]以不同的色块作为标记点，提出一种基于色块的跟踪方法。文献[3]使用少量彩色色带作为标记点，以人体结构约束信息为辅助进行跟踪。文献[4]利用标记点的轮廓特征进行跟踪，取得了较好的跟踪结果，但其标记点需要特殊制作，不便于实际应用上述基于颜色特征的跟踪算法跟踪结果较准确，且一定程度上可以解决标记点的自遮挡问题。但因为平面色块在三维视觉中易发生形变，在不同的摄像头间存在成像色调的差异，导致跟踪不准确，且当标记点数量增多时，可明显区分的颜色有限，这些都极大地限制了它们的应用。
发明内容
本发明要解决的技术问题是：为了克服上述中存在的问题，提供一种基于双目视觉立体跟踪算法。
本发明解决其技术问题所采用的技术方案是：一种基于双目视觉立体跟踪算法，具体步骤如下：
步骤1：利用二维扩展Kalman分别对两个单目序列图像中的标记进行预测跟踪；
步骤2：如果标记点在两个单目序列图像中的预测区域内分别有多个候选标记点出现，则利用双目下的外极限约束条件剔出错误的候选点，找出正确的匹配。
本发明的有益效果是，本发明的一种基于双目视觉立体跟踪算法，具有各个标记点之间无明显特征区别、数量多、易遮挡。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的结构示意图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
如图1所示的一种基于双目视觉立体跟踪算法，具体步骤如下：
步骤1：假设当前时刻为第                                               
Figure DEST_PATH_IMAGE002
时刻，记
Figure DEST_PATH_IMAGE004
、
Figure DEST_PATH_IMAGE006
、为标记点
Figure DEST_PATH_IMAGE010
在第
Figure DEST_PATH_IMAGE012
时刻的位置、速度、加速度。在跟踪过程中，二维和三维扩展kalman滤波器同时被用来进行
Figure 83157DEST_PATH_IMAGE002
时刻的状态预测(
Figure DEST_PATH_IMAGE014
、
Figure DEST_PATH_IMAGE016
、
Figure DEST_PATH_IMAGE018
)，如式(1)-(3)。
Figure DEST_PATH_IMAGE020
                (1)
                   (2)
                  (3)
Figure DEST_PATH_IMAGE026
             (4)
利用式(4)预测标记点的搜索范围
Figure DEST_PATH_IMAGE028
。如果在预测区域
Figure 810417DEST_PATH_IMAGE028
内检测到标记点
Figure 527837DEST_PATH_IMAGE010
，则利用
Figure 923046DEST_PATH_IMAGE010
的新息更新各个状态变量的预测误差(、
Figure DEST_PATH_IMAGE032
、
Figure DEST_PATH_IMAGE034
)，如式(5)-(7)。
Figure DEST_PATH_IMAGE036
                         (5) 
           (6)
Figure DEST_PATH_IMAGE040
           (7)
（2）如果标记点在两个单目序列图像中的预测区域内分别有多个候选标记点出现，则利用双目下的外极限约束条件剔出错误的候选点，找出正确的匹配；
如果在标记点
Figure 488151DEST_PATH_IMAGE010
的预测区域内检测到多个候选标记点，则需要利用外极限约束踢出错误的候选点。
外极线约束原理为：假设
Figure DEST_PATH_IMAGE042
(
Figure DEST_PATH_IMAGE044
)为标记点在左(右)图像上的位置坐标，
Figure DEST_PATH_IMAGE046
为此双目的基础矩阵，则(
Figure 286021DEST_PATH_IMAGE042
)的位置就在与(
Figure 91483DEST_PATH_IMAGE044
)相关联的外极线
Figure DEST_PATH_IMAGE048
(
Figure DEST_PATH_IMAGE050
)上，如式(8)。
Figure DEST_PATH_IMAGE052
                      (8)
这样，对
Figure 756950DEST_PATH_IMAGE044
(
Figure 714542DEST_PATH_IMAGE042
)的搜索就被限制在
Figure 451554DEST_PATH_IMAGE048
(
Figure 912622DEST_PATH_IMAGE050
)上而非整个图像，但是在实际应用中，由于各种噪声及计算误差的影响，实际检测到的点并不严格满足外极线约束，本文利用候选点与外极线之间的距离作为约束准则，距离越短，二维匹配程度越高，如式(9)。
Figure DEST_PATH_IMAGE054
 (9)
其中
Figure DEST_PATH_IMAGE056
为标记点在左(右)图像上的第
Figure DEST_PATH_IMAGE058
个候选点的二维位置坐标。
Figure DEST_PATH_IMAGE060
为标记点在右(左)图像上的外极线系数。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (1)

1. 一种基于双目视觉立体跟踪算法，其特征是具体步骤如下：
步骤1：利用二维扩展Kalman分别对两个单目序列图像中的标记进行预测跟踪；
步骤2：如果标记点在两个单目序列图像中的预测区域内分别有多个候选标记点出现，则利用双目下的外极限约束条件剔出错误的候选点，找出正确的匹配。
CN201210581089.6A 2012-12-28 2012-12-28 一种基于双目视觉立体跟踪算法 Pending CN103903248A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210581089.6A CN103903248A (zh) 2012-12-28 2012-12-28 一种基于双目视觉立体跟踪算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210581089.6A CN103903248A (zh) 2012-12-28 2012-12-28 一种基于双目视觉立体跟踪算法

Publications (1)

Publication Number Publication Date
CN103903248A true CN103903248A (zh) 2014-07-02

Family

ID=50994555

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210581089.6A Pending CN103903248A (zh) 2012-12-28 2012-12-28 一种基于双目视觉立体跟踪算法

Country Status (1)

Country Link
CN (1) CN103903248A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101141633A (zh) * 2007-08-28 2008-03-12 湖南大学 一种复杂场景中的运动目标检测与跟踪方法
CN101179707A (zh) * 2007-09-21 2008-05-14 清华大学 无线网络视频图像多视角协作目标跟踪测量方法
CN101226640A (zh) * 2007-12-21 2008-07-23 西北工业大学 基于多双目立体视觉的运动捕获方法
US20110135150A1 (en) * 2009-12-08 2011-06-09 Texas Instruments Incorporated Method and apparatus for tracking objects across images
CN102737385A (zh) * 2012-04-24 2012-10-17 中山大学 一种基于camshift和卡尔曼滤波的视频目标跟踪方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101141633A (zh) * 2007-08-28 2008-03-12 湖南大学 一种复杂场景中的运动目标检测与跟踪方法
CN101179707A (zh) * 2007-09-21 2008-05-14 清华大学 无线网络视频图像多视角协作目标跟踪测量方法
CN101226640A (zh) * 2007-12-21 2008-07-23 西北工业大学 基于多双目立体视觉的运动捕获方法
US20110135150A1 (en) * 2009-12-08 2011-06-09 Texas Instruments Incorporated Method and apparatus for tracking objects across images
CN102737385A (zh) * 2012-04-24 2012-10-17 中山大学 一种基于camshift和卡尔曼滤波的视频目标跟踪方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张欢欢,郑江滨: "运动捕获系统中基于多视觉的目标跟踪算法", 《微电子学与计算机》, vol. 26, no. 6, 30 June 2009 (2009-06-30), pages 66 - 69 *

Similar Documents

Publication Publication Date Title
CN107025668B (zh) 一种基于深度相机的视觉里程计的设计方法
CN106681353B (zh) 基于双目视觉与光流融合的无人机避障方法及系统
CN108398139B (zh) 一种融合鱼眼图像与深度图像的动态环境视觉里程计方法
CN101226640B (zh) 基于多双目立体视觉的运动捕获方法
CN205905026U (zh) 一种基于双目立体视觉的机器人系统
CN102646275B (zh) 通过跟踪和定位算法实现虚拟三维叠加的方法
CN108520554A (zh) 一种基于orb-slam2的双目三维稠密建图方法
CN110782524A (zh) 基于全景图的室内三维重建方法
CN104933718A (zh) 一种基于双目视觉的物理坐标定位方法
CN102831601A (zh) 基于联合相似性测度和自适应支持权重的立体匹配方法
CN102867311A (zh) 目标跟踪方法和目标跟踪设备
CN103886107A (zh) 基于天花板图像信息的机器人定位与地图构建系统
CN113888639B (zh) 基于事件相机与深度相机的视觉里程计定位方法及系统
CN104794737A (zh) 一种深度信息辅助粒子滤波跟踪方法
CN113223045A (zh) 基于动态物体语义分割的视觉与imu传感器融合定位系统
CN111681275B (zh) 一种双特征融合的半全局立体匹配方法
CN116468786B (zh) 一种面向动态环境的基于点线联合的语义slam方法
CN111998862A (zh) 一种基于bnn的稠密双目slam方法
CN103729860A (zh) 一种图像目标跟踪的方法和装置
CN104156933A (zh) 一种基于光流场的图像配准方法
CN103903250A (zh) 运动捕获系统中基于多视觉的目标跟踪算法
CN110378915A (zh) 一种基于双目视觉的爬壁机器人障碍物检测方法
CN103440681A (zh) 非接触无损全方位三维建模方法
CN103903248A (zh) 一种基于双目视觉立体跟踪算法
CN115937810A (zh) 一种基于双目相机引导的传感器融合方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20140702