三维场景建模的全景外极面图像分析方法

文章提出由非精确摄像机运动下的图像序列建立３Ｄ环境模型的全景外极面图像方法，实现了无特征提取的时空纹理方向精确估计、深度边界确定和遮挡恢复算法．该方法推广并结合了外极面图像方法和全景图像方法，避免了现有运动分层方法迭代过程中的局部最小化问题，具有计算和存储效率高、适应性强、算法鲁棒性好的优点．建立的自然景物的真实感三维环境模型，可用于机器人全局定位的自然路标提取和真实环境虚拟再现的图像合成．

外极面图像的运动遮挡模型和运动纹理方向检测算法

运动遮挡边界处的运动估计是一个困难的问题．外极面图像方法将运动估计转化为轨迹线的检测．人造物体的轨迹线容易通过边缘跟踪的方法获得，但对于纹理复杂的自然景物，轨迹跟踪较为困难．外极面图像中的时空纹理（或称之为运动纹理）从长时序列来看整体方向性非常强，这种方向性表达了物体的深度信息．这就意味着可通过大尺度的时空纹理的方向检测来估计深度，通过该纹理的宽窄来分割不同的物体．本文在分析时空频域运动遮挡模型的基础上，提出的运动方向估计算法，结合大窗口频域方向检测和时空域方向确认和精化，较好地兼顾运动方向精度和运动边界定位的问题，同时避免了特征对应和轨迹跟踪．该算法为三维全景建模的核心算法．

基于双视角学习原理的交通视频车辆事件鲁棒检测

提出了1种基于双视角学习原理的高速公路交通视频车辆事件鲁棒检测算法。针对道路交通结构化特点提出了分车道外极面图(Epipolar Plane Image,简称EPI),以此反映交通断面车流整体特征。基于双视角学习原理,融合现有广泛应用的反映车辆独立行为的行驶轨迹特征,实现高速公路车辆事件鲁棒检测。针对多种典型车辆事件(包括交通拥堵,车辆逆行,车辆违规停车,交通事故等),本文算法总体检测率为94.09%,误检率为4.51%,漏检率为1.40%,其性能与传统单视角方法比较有较大的提高。

由抖动图象序列建立自然环境三维真实感全景模型

由真实环境中的现场图象进行三维环境建模是目前国际上研究的热点问题。本文依据合理的运动模型，提出和实现了由包含抖动的摄像机运动下的图象序列建立３Ｄ环境全景模型的两步法。首先通过运动滤波和运动分解获得运动稳定的图象序列，然后采用无特征提取的时空纹理方向精确估计、深度边界确定和遮挡恢复算法，建立全局自然景物的真实感三维环境模型。提出了２种三维全景图象的表示方法，即非阵列方式深度分层区域表示和阵列方式的深度分层布景表示，可用于机器人全局定位的自然路标提取和真实环境虚拟再现的图象合成。该研究推广和结合了外极面图象的方法和全景图象的方法，放宽了对运动的要求，从而可使该种方法适用于室外颠簸的道路环境。和现有运动分层方法相比，避免了该类方法迭代过程中的局部最小化问题，并具有计算和存储效率高，适应性强，算法鲁棒性好的优点。

由现场图象序列建立自然环境三维全景模型

提出和实现了由非精确摄像机运动下的图象序列自动建立三维环境全景模型的方法。首先通过运动滤波和运动分解获得运动稳定的图象序列，然后采用无特征提取的时空纹理方向精确估计、深度边界确定和遮挡恢复算法，建立全局自然景物的真实感三维环境模型。提出了深度分层布景表示，可用于机器人全局定位的自然路标提取和真实环境虚拟再现的图象合成。推广和结合了外极面图象和全景图象的方法，放宽了对运动的要求，即平移或／和平稳运动的条件，从而可使该方法适用于更广泛的场合。