基于顺序形态滤波的运动点目标检测

为解决低信噪比快速运动点目标的检测问题 ,文中提出了一种基于顺序形态滤波的点目标检测算法。首先采用百分位 p =1的顺序形态滤波提取目标的广义内边缘 ,找出少量候选运动目标点 ,然后利用图像流模型建立目标的运动约束方程 ,根据目标像素在图像序列中运动的连续性和轨迹的一致性原则 ,在多帧连续图像中检测出真实的目标运动轨迹。实验结果证明 ,该方法能够快速、可靠检测信噪比小于

基于运动矢量的改进视觉SLAM算法

针对移动机器人运行场景中出现运动物体时,视觉同时定位与地图构建(SLAM)算法位姿估计误差大且构建地图不一致的问题,提出了一种基于特征点运动矢量的改进视觉SLAM算法。首先,引入基于特征点运动矢量的运动点检测算法。通过结合初始相机位姿,计算图像特征点的运动矢量,并使用期望最大化方法求解运动矢量角度的高斯混合模型参数,通过结合前一帧的运动点检测结果,从而区分当前图像中的运动特征点;其次,基于运动点检测结果,对当前帧相机位姿进行优化;再次,通过设置图像预处理环节,剔除运动点占比较大和与前一帧相似性较高的图像,提高闭环检测算法的计算效率;最后,使用剔除动态点后的图像特征点对场景进行描述,并改进单个节点处图像间相似性得分计算函数,经过闭环确认后,得到正确闭环。数据集实验表明,所提算法具有较高的位姿估计精度和较好的鲁棒性,同时能有效检测场景中闭环的存在,且建图效果较好。

基于计算机视觉的四足动物行走步态参数自动提取方法

四足动物行走的运动特征自动识别在动物的仿生学、行为识别、疾病预测,以及个体身份识别等方面都有着非常广阔的应用前景。基于计算机视觉技术,结合深度学习方法,针对四足动物的行走运动,建立了一种四足动物行走步态参数自动提取方法。利用视频帧分解技术对采集的四足动物行走视频进行处理,得到各帧四足动物行走图像;基于改进DeeplabV3+语义分割模型提取运动目标;在此基础之上,结合四足动物行走步态及其时空特性分析,以目标体轮廓中心点-边界距离曲线为基础实现运动角点的检测及匹配。为有效地解决四足动物运动特征参数提取的问题,建立了一种基于四肢运动角点至参考点距离变化曲线的运动特征分析方法。实验结果表明,所提方法能较好地实现四足动物运动角点的检测,对犀牛、水牛、羊驼运动角点检测的最大误差分别为32,27,19 pixel,运动角点匹配关系准确,步态周期、步态频率的计算误差小于2%,步态顺序输出正确,步幅的计算误差最大为2.85%。