3维子空间约束的遮挡点恢复方法

为了有效地恢复跟踪过程中丢失的特征点,假设相机为正投影模型,提出了一种遮挡点恢复方法,其主要是利用所有的图像序列构成的、由行向量生成的线性子空间之和与空间结构点构成的、由行向量生成的子空间是同一个线性子空间的特性,构造了一种线性迭代算法.该方法的优点是在求解遮挡点的位置时,利用了所有的图像点信息,而且将所有的图像及图像点平等地看待.模拟、真实实验表明,所提方法的重投影误差仅比原有图像的噪声约大15%,这说明算法具有较好的收敛性.

迭代二次规划遮挡点恢复

为了有效地的恢复遮挡点,本文提出一种迭代二次规划遮挡点恢复方法,该方法首先分别利用图像矩阵的行向量和列向量在图像矩阵生成的正交补空间上的投影为0的特性,构造行和列余差函数,同时,对遮挡点分别按行为主序和列为主序进行排列,利用排列后这两者之间存在一个变换关系,将行和列余差函数统一表示为一个二次优化目标函数.该方法同时考虑了遮挡点在行和列两个方向的约束,而且将遮挡点求解转化为迭代求解一个二次规划问题.实验结果表明,本文方法具有收敛速度快,恢复精度高等优点.

正投影模型下基于一维子空间的遮挡点恢复方法

为了恢复图像遮挡点,假设相机为正投影模型,提出了一种基于1维子空间的遮挡点恢复方法,该方法利用第1幅图像点构成的2个行向量外加1个行向量可以组成三维空间点构生成的子空间的特性,线性迭代地求取遮挡点的真实图像位置。此方法最大的优点是在整个求解过程中都是线性的。收敛性实验表明了该方法具有很好的收敛性能,同时,和Eriksson方法及Ma方法比较显示了本文方法具有较好的收敛精度。

正投影模型下基于秩1的遮挡点恢复方法

为了有效地恢复遮挡点,假设相机为正投影模型,提出了一种基于秩1的遮挡点恢复方法。该方法利用所有图像点组成一个秩1的矩阵,并利用该特性构造一个投影矩阵,利用该投影矩阵求到遮挡点,再将求到的遮挡点代替图像中的遮挡点,经过多次迭代,最后求到遮挡点的真实图像位置。模拟实验和真实实验表明:该方法具有鲁棒性好、收敛性好及误差小等优点。