没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
为了实现复杂环境下已知模型目标姿态的快速跟踪和估计,提出了一种结合三维(3D)粒子滤波跟踪和M-估计优化的位姿跟踪估计算法。基于直线的多级向量表示构造了新颖的模型直线和图像直线相似性度量函数;基于粒子滤波跟踪的姿态设计了模型直线和图像直线快速对应方法;利用M-估计实现了目标姿态的优化估计;利用重要性采样方法将优化姿态有效地融合到了粒子滤波框架。另外根据预测的目标位姿定义了图像动态感兴趣区域(ROI),极大地减少了特征检测和搜索的时间。实验表明,所提方法能够实现复杂环境下自由移动目标的快速跟踪和位姿的高精度解算,相比已有方法,所提方法在跟踪精度,计算效率以及稳健性上均有优势。
资源推荐
资源详情
资源评论
第 35 卷 第 1 期
2015 年 1 月
Vol. 35, No. 1
January, 2015
光 学 学 报
ACTA OPTICA SINICA
0115003-
基于多级直线表述和 M-估计的三维目标位姿跟踪优
化算法
张跃强
1, 2
苏 昂
1, 2
刘海波
1, 2
尚 洋
1, 2
于起峰
1, 2
1
国防科技大学航天科学与工程学院, 湖南 长沙 410073
2
湖南省图像测量与视觉导航重点实验室, 湖南 长沙 410073
摘要 为了实现复杂环境下已知模型目标姿态的快速跟踪和估计,提出了一种结合三维(3D)粒子滤波跟踪和 M-估
计优化的位姿跟踪估计算法。基于直线的多级向量表示构造了新颖的模型直线和图像直线相似性度量函数;基于
粒子滤波跟踪的姿态设计了模型直线和图像直线快速对应方法;利用 M-估计实现了目标姿态的优化估计;利用重
要性 采样方法 将优化姿态有效 地融合到 了粒子 滤波框架 。另外根据预测 的目标位 姿定义 了图像动 态感兴趣区域
(ROI),极大地减少了特征检测和搜索的时间。实验表明,所提方法能够实现复杂环境下 自由移动目 标的快速跟 踪
和位姿的高精度解算,相比已有方法,所提方法在跟踪精度,计算效率以及稳健性上均有优势。
关键词 机器视觉;三维跟踪;直线表达;M-估计;粒子滤波
中图分类号 TP391.4; TP242.6 文献标志码 A
doi: 10.3788/AOS201535.0115003
Three Dimensional Rigid Objects Pose Tracking and Optimization
Based on Multilevel Line Representation and M-Estimation
Zhang Yueqiang
1,2
Su Ang
1,2
Liu Haibo
1,2
Shang Yang
1,2
Yu Qifeng
1,2
1
College of Aerospace Science and Engineering, National University of Defense Technology, Changsha, Hunan 410073, China
2
Hunan Provincial Key Laboratory of Image Measurement and Vision Navigation, Changsha, Hunan 410073, China
Abstract To track and estimate the pose and position of known rigid objects efficiently in complex
environment, a method coupled three dimensional (3D) particle filter (PF) framework with M- estimation
optimization in a closed loop is proposed. A novel similarity observation model is constructed based on
multilevel line representation; line correspondences between 3D model edges and two dimensional (2D) image
line segments are received easily based on the tracking state of PF. After that, line correspondences are
provided for M- estimation to optimize the pose and position of objects. The optimized particles are fused into
the particle filter framework according to the importance sampling theory. Moreover, to speed up the proposed
method, line detection and search space is limited in a local region of interest (ROI) predicted by PF.
Experiments show that the proposed method can effectively track and accurately estimate the pose of freely
moving objects in unconstrained environment. Comparisons on synthetic and real images demonstrate that
proposed method greatly outperforms the state-of-art method in accuracy and efficiency.
Key words machine vision; three dimensional tracking; line representation; M-estimation; particle filter
OCIS codes 150.1135; 330.5000; 150.5758; 110.4153
收稿日期: 2014-06-03; 收到修改稿日期: 2014-08-14
基金项目: 国家 973 计划(2013CB733100)
作者简介: 张跃强(1987—),男,博士研究生,主要从事图像测量、计算机视觉相关方面的研究。E-mail: zyoungnudt@yahoo.com
导师简介:于起峰(1958—),男,教授,博士生导师,中国科学院院士,主要从事空天图像测量与视觉导航方面的研究。
E-mail: yuqifeng@vip.163.com
1 引 言
三维(3D)跟踪的目的是连续恢复出相机相对于场景的位置和旋转,或者目标相对于相机的相对运动,可
1
光 学 学 报
0115003-
以直观的理 解为在三 维空间内实现目标的 跟随和姿 态估计。三 维跟踪广 泛应用于增强现实、视 觉伺服、人
机交互等领域。
传统的三维跟踪方法一般需要在目标表面布置合作标志。由于合作标志的成像模式较为显著,利用简单
的图像处理手段便能实现它们的高精度提取和快速跟踪,且易于建立二维(2D)图像特征同三维合作标志的对
应关系,然后通过 n 点透视(PnP)算法
[1-3]
或者 n 直线透视(PnL)算法
[4-7]
便能实现目标位姿的线性解算。为了提高
位姿解算的精度,通常将线性解算的结果作为初值,然后利用迭代优化方法最小化三维标志投影到二维图像
特征的距离求解目标位姿参数
[8-9]
。在良好的实验条件下,该类方法拥有较高的稳健性和精度,且实时性较好。
然而在实际情况下,合作标志容易被遮挡而不可见,或者因为成像条件的变化而出现定位的偏差,从而导致目
标位姿解算的失败或者精度的降低。对于大部分人造目标,尽管无法提供合作标志信息,但是目标自身的模
型信息(颜色信息,形状信息,结构信息等)已知,充分利用目标模型的先验信息也可以实现目标位姿的解算。
本文研究的对象为自由运动的人造目标,该类目标纹理较为简单,利用点特征或者纹理特征很难实现目标位
姿的跟踪。然而,尽管人造目标缺少纹理,却具有大量能够很好反应目标几何信息的边缘,相对于点特征,边
缘特征提取更可靠,属性更丰富。因此,利用边缘模型可以实现目标位姿的跟踪和估计。
基于边缘模型的目标位姿跟踪方法可以分为两类:无需显式提取直线的方法和需要显示提取直线的方法。
第一类方法多沿模型采样点法线方向寻找亮度或者梯度极大值点,通过优化法向距离实现位姿的估计,该类
方法无需在图像中提取边缘或直线,因而适应性较好,比较典型的为 RAPiD 方法
[10]
。为了提高跟踪稳定性,在
基本的跟踪框架下,文献中出现了三类方法:1)将边缘特征同其他特征的融合,如结合边缘与关键点特征的方
法
[11-14]
,结合边缘和纹理特征的方法
[15-17]
,结合边缘和颜色信息的方法
[18-20]
;2)使用稳健估计方法[如 M-估计、随
机抽样一致性(RANSAC)]有效消除误匹配的影响
[21-24]
,这种方法在图像测量阶段保留多个假设,在模型采样点
同图像点配准阶段通过稳健估计方法剔除野值,由于算法只根据对应计算一个姿态,因此错误的边缘匹配仍
然可能带来跟踪误差或者导致跟踪的失败;3)使用非线性波法,如基于粒子滤波的方法
[25-28]
,这种方法使用一
定数目的加权粒子来逼近系统的后验概率密度,由于该类方法为目标保留了多个可能的位姿假设,因此稳健
性更强,其缺点是算法复杂度较高。需要显式提取直线的方法
[29-30]
首先在图像上提取边缘或者直线,再将其与
模型边缘或者线段进行匹配,最后利用对应关系进行位姿估计和跟踪。该类方法的优点为可以快速计算模型
直线同图像直线的距离(角度,位置等)实现快速 3D 跟踪[不需要复杂的一维(1D)或者 2D 搜索];建立模型直线
同图像直线的对应关系,利用基于直线的位姿解算方法可以实现目标位姿的优化求解,另外通过对同名直线
的跟踪,可以利用多视图实现对目标关键结构模型的重建,当目标模型未知时,便可以将重建后的模型作为目
标模型进行 3D 跟踪。该类方法早期受制于直线段提取结果不稳定以及复杂度较大等缺点,然而随着直线段
提取算法的发展,特别是最近几年出现的直线分割检测(LSD)
[31]
,边缘绘画实时直线分割检测(EDLines)
[32]
以及国
内学者提出的基于相位编组的直线检测算法
[33]
,这些方法实时性较好,对参数设置不敏感,对噪声、光照、运动
模糊等具有较好的稳健性。
提出了 一种基 于粒子滤波和 M-估 计的目 标位姿 跟踪优 化方法 。首先 建立了 直线的多级表示 ,用于 衡
量模型直线 同图像直 线的距离,并设计了新 的相似性 观测模型 用于衡量粒 子权重,然 后基于粒 子滤波跟踪
结果,快速 确定了 模型直线 同图像直 线的对 应关系,并 利用 M-估计方法对目 标位姿进 行了优化 ,最后利 用
重要性采 样技术将 优化粒子有 效地融入 到了粒子 滤波框架 之中。另 外根据预 测的目标 位姿定义 图像动态
感兴趣区域(ROI),在图像局部区域进行直线提取,极大的减少了特征检测和搜索的时间。
2 基于直线多级向量表示的目标姿态快速跟踪
2.1 问题描述
目标的位置
T
使用目标体坐标系的原点在相机系的三维坐标(x,y, z)表示。目标体坐标系相对于相机
坐标系的旋转
R
采用 Rodrigues 参数
r
1
,r
2
,r
3
进行描述。
需要跟踪的目标的状态包含目标的位置和姿态,状态变量为
X =
[ ]
x,y, z,r
1
,r
2
,r
3
,v
x
,v
y
,v
z
,w
r1
,w
r
2
,w
r
3
T
, (1)
2
剩余9页未读,继续阅读
资源评论
weixin_38623080
- 粉丝: 5
- 资源: 1002
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功