LK光流法和三帧差分法的运动目标检测算法

三帧差分法是目前较为常见的运动目标检测算法之一。它的执行速度较快,但是它会存在各种干扰以及易受到环境噪声的影响,而且容易在检测到的运动目标内部产生较大的空洞,以致影响到最后的检测效果。针对这些问题,将Lucas-Kanade光流法与三帧差分法进行结合。利用Lucas-Kanade光流法计算得到运动目标的大致矩形区域。在确定的区域内外通过选取不同的阈值利用三帧差分算法提取运动目标,构成一种分级阈值的三帧差分法。并且利用前面光流法计算得到的角点来完善目标轮廓。这样将传统三帧差分算法的阈值分割转换成阈值分割与区域分割相结合的模式。试验结果表明,该改进算法具有良好的抗噪性,能够得到比原算法更好的检测效果。

基于LK光流和网格运动统计的图像匹配改进算法

针对AKAZE算法在玻璃封装电连接器图像匹配中准确率低及耗时长的问题,文中提出了基于LK光流和网格运动统计的图像匹配改进算法。首先采用AKAZE算法提取玻璃封装电连接器特征点,运用M-LDB描述子进行特征描述。然后利用LK光流法计算匹配区域进行条件约束,从而得到匹配点,并通过FLANN算法进行特征匹配。最后将玻璃封装电连接器图像划分为多个网格,计算FLANN匹配好的特征点邻域的正确匹配个数和阈值并剔除误匹配点。文中实验采用公开数据集和玻璃封装电连接器数据,从实时性和准确性两方面对算法性能进行验证分析。结果表明,改进的算法在处理模糊、亮度及旋转变化的玻璃封装电连接器图像对时,其匹配准确率均达到93%以上,耗时为0.4 s内,证明了算法的有效性。

基于LK光流跟踪法的有效目标点增强跟踪

为了提高基于几何形态的物体跟踪方法的准确率,详细分析了基于几何形态的物体跟踪方法下目标点的正确性,并根据分析的结果 ,在对目标物体采样时选取更容易被跟踪到的目标点,对于跟踪的结果 ,排除由于背景影响产生的无效目标点,从增强有效点和排除无效点这两方面入手,提出了基于LK光流法的有效点增强跟踪算法。实验证明,提出的算法能够更加有效地跟踪物体,尤其是当目标快速运动或者发生形变时,能够有效地减少跟踪目标的中心错误率。

一种基于改进FAST角点检测的LK光流算法

针对传统LK光流法无法有效跟踪快速移动的目标,跟踪时存在特征点选取实时性和准确性不足的问题,提出一种结合改进FAST角点检测的LK光流算法。应用改进后的FAST角点检测提取出的角点作为候选特征点,通过设定筛选方案从中选取具有较高对比度的特征点作为目标特征点,结合图像金字塔分层,最终使用LK光流法对其进行跟踪。改进FAST角点检测能够更快速地提取出最强的灰度变化角点,使得子像素计算准确性得以提高并且减少了提取特征点的时间。引入图像分层缩放源图像,能够使算法稳定跟踪快速运动的目标。实验结果从运动目标检测所需时间、特征点的数量、每秒处理的视频帧数以及x轴和y轴方向运动误差等方面进行分析比较,证明所提出的改进算法运行速度快,能够快速且准确地跟踪动态目标。

基于KLT特征点的LK光流金字塔FPGA实现

提出了一种基于KLT特征点的LK光流金字塔的FPGA实现方法,用于解决目标检测与跟踪系统中图像匹配实时性差、鲁棒性低及资源开销大等问题。在FPGA端,首先利用优化的KLT算法提取图像的特征信息;再结合图像金字塔,通过优化的LK光流金字塔算法估计特征点的总光流;最终将FPGA处理结果与MATLAB仿真进行对比分析。实验结果表明,该优化的方法在硬件实现中是合理有效的,不仅降低了算法实现的难度及资源开销,同时可满足图像匹配精度及实时性的要求。

一种基于LK光流的动态场景SLAM新方法

针对目前视觉同步定位与建图(V-SLAM)动态场景适应性差的问题,提出了一种结合查找表和金字塔LK光流法的改进单目视觉同步定位与建图方法。该方法通过相邻帧的视差估计图像的移动方向,利用金字塔LK光流法获取光流信息,根据光流大小与阈值的比较检测移动物体,最终结合查找表减少移动物体对后续定位与建图的影响。实验证明该方法可以有效提高定位精度,减少图像的冗余信息和动态目标的影响。能满足视觉SLAM在室内场景下的实时需求,具有较高的准确性、鲁棒性和适应性。

基于LK光流法的微流控芯片中流体速度检测

为促进微流控技术相关领域的发展,针对目前微流控技术不能有效地检测流体在微通道的运动状态地问题,提出了一种基于LK光流法的检测技术,能有效地检测微流控芯片中流体的细微运动。实现过程为:通过在实时视频序列中捕获所需要的图像帧,选择ROI区域并对图像进行灰度化及高斯滤波平滑,然后划分网格使用LK光流法计算光流场,通过阈值分割筛选掉独立的光流矢量,最后将所剩的光流矢量转换为行列两个实值图像并求解出其像素距离,结合图像帧之间的时间差求出目标的运动速度。实验结果表明:像素速度标准差σ<1,具有可重复性;该方法能实时跟踪运动的液体,精度高、效率高,是一种非常可靠的检测方法。

基于改进LK光流的视觉SLAM算法

针对基于点特征的视觉SLAM(同步定位与建图)实时性差的问题,以ORB-SLAM3框架为基础,用自监督深度神经网络替换其点特征提取器,并提出一种基于改进LK光流的关键点跟踪匹配方法。首先,根据匀加速运动模型预测初始关键点在当前帧的对应关系及坐标,并通过基于金字塔的LK光流跟踪算法建立鲁棒的关键点匹配关系;然后,基于网格运动统计(GMS)及自适应局部仿射匹配(AdaLAM)算法剔除误匹配点对。在公开数据集上的实验表明,在不损失匹配精度的前提下,改进算法每帧图像的平均处理时间比ORB-SLAM3减少约58.06%,有效提高了系统的实时性和鲁棒性。

基于改进ORB特征点的LK光流算法

针对传统ORB特征点匹配准确率低和在光流算法中跟踪特性差的问题,提出了一种基于改进ORB特征点的LK光流算法。首先结合FAST特征点和rBRIEF特征描述符计算出ORB特征点;然后结合SURF算法在特征提取步骤中构建的Hessian矩阵对ORB特征点进行再提取;最后对改进ORB特征点进行特征匹配测试和LK光流跟踪测试。实验结果表明,相较于传统ORB特征点,改进ORB特征点的特征匹配准确率平均提升20.96%,LK光流跟踪成功率平均提升19.73%。本文提出的改进ORB特征点不仅拥有更好的特征匹配效果,同时具有更好的跟踪特性。

基于金字塔LK光流法及超声传感的微型无人机障碍识别优化研究

针对在有雾或能见度低的情况下,传统的光流算法在微型无人机障碍物辨识过程中准确性低、适应性差等问题,采用了一种基于金字塔LK光流法结合超声传感的避障方法。主要进行金字塔分布式检测,经超声波传感器探测目标,用测得的光流数据与IMU值融合后进行Kalman滤波处理,与设定的阈值进行比较,判断是否为障碍物,以提高微小型无人机障碍物辨识准确性。通过搭建无人机试验平台,对实验结果进行比较、分析,验证了方法的可行性。

基于改进LK光流的目标跟踪算法研究

为了可以在复杂环境下对运动目标进行有效的跟踪,因此对LK(Lucas-Kanade)算法进行了研究并改进。改进的算法采用LK图像配准算法检测目标的状态,可以满足算法对实时性的要求;采用前向后向光流法作为LK框架,使得算法具有自评估能力,不易陷入局部极小值;将压缩感知理论引入LK算法进行目标跟踪,通过对校准误差的L1范数进行最小化来计算目标的状态参数,使得算法可以应对目标外观的变化;引入卡尔曼滤波器作为运动模型,先对物体的位置进行预测,然后再进行分类和检测,能有效地应对由于模板更新而产生的漂移问题。通过大量的实验对算法进行验证,该算法与现有算法相比处理目标在跟踪过程中的外观变化以及环境中的遮挡、光照变化等问题时,仍有较好的性能。

基于四旋翼飞行器的改进金字塔LK光流算法的研究

针对四旋翼飞行器在飞行过程的水平漂移问题,提出利用改进的金字塔LK光流算法予以改善。首先,通过Visual Studio2013仿真,确知改进的金字塔LK光流算法比传统金字塔LK光流算法对图像的速度信息提取精度更高。然后,再建立四旋翼飞行器的动力学模型,将两种光流算法导入MATLAB的仿真模型中,得出:四旋翼飞行器能有效根据改进的金字塔LK光流算法获得速度信息以降低水平漂移。最后,通过在轴距为430 mm的四旋翼飞行器的平台上进行飞行试验,结果表明:采用改进的金字塔LK光流算法能使四旋翼飞行器的水平漂移程度降低,可实现较为稳定的悬停。

一种四旋翼无人机定位的改进LK光流算法

在无人机迅猛发展的今天,无人机的室内定位仍然是个难题,集中出现精度不高、不稳定、过长的延时等问题。提前布置室内环境提供定位信息方案成本高,且不符合经济效益。针对四旋翼无人机,提出一种改进后的LK光流算法,采用Shi-Tomasi角点检测算法、双线性插值法,提高无人机定位精度和稳定性。并将该算法在载机上实现。研究表明:改进后的LK光流法室内定位精度高,稳定性好;无人机在稳定光照条件下能进行定点飞行;定点精度为半径30 cm的圆形。

基于LK光流法的单目视觉里程计

在移动机器人快速发展的今天,视觉里程计是通过视觉传感器进行导航定位的主要方式之一。文章介绍了基于单个摄像头的单目视觉里程计的一种实现方法,使用SURF算法提取特征点,用LK光流法进行特征追踪,相比于传统特征匹配在运算效率上有极大的提高,再对特征点计算位移与旋转量,以里程计的方式达到定位目的。详细介绍了视觉里程计的数学原理以及SURF算法和LK算法的原理及其数学推导、单目视觉里程计的尺度不确定原理。最后通过对比确定LK算法的优势以及最优参数的选择。

改进ORB-LK光流法的无人机速度估计

针对无人机无法在全球定位系统信号弱或拒止环境下实现自主导航的问题,提出一种基于改进的ORB-LK光流法的速度估计算法。首先,通过ORB算法提取目标物体上的特征点,经过LK光流法计算出图像光流速度;然后,采用前向后向匹配算法确定匹配点对,利用渐近一致采样算法剔除误匹配实现精匹配;最后,结合惯性测量元件测得的无人机旋转速度和声呐测得的高度计算出平移速度,为无人机自主导航提供速度信息。通过在Matlab中仿真实验证明,改进算法在公开图像数据集中的平均运算时间为0.622 s,满足无人机实时应用的条件,相较于原ORB-LK算法大幅提升了匹配正确率,能够准确地进行速度估计。

基于改进LK光流的四旋翼无人机悬停技术研究

随着无人机应用场景的不断拓展,在GPS信号不可靠时仍能精确定位是无人机发展要解决的难题。以四旋翼无人机为研究对象,针对传统LK光流法在实际应用中存在定位精度不高的缺点,采用一种用于精确估计的改进LK光流法。该方法针对光流传感器的有限运算能力,采用Shi-Tomasi角点检测算法和双线性差值法提高无人机定位精度和稳定性;在光流计算时,通过建立光流金字塔解决无人机运动产生的大位移问题,并对计算产生的FB误差进行补偿,提高计算精确度;利用无人机硬件平台在室内进行实际飞行验证。结果表明:这种改进的LK光流法定位精度高,在稳定光照条件下能进行精确定位悬停飞行,其定点精度大约为半径40 cm的圆形。

基于嵌入式GPU的pyramid LK光流法高速计算方法研究

在嵌入式计算平台上实现双向约束LK金字塔高精度光流的实时计算,是该算法能否应用于自动驾驶等场景的重要影响因素。为了实现该目的,提出了基于网格划分的特征提取方法及新的双向约束方法;然后设计了动态窗口的金字塔模型,解决了光流计算过程中的负载不均衡问题;最后通过降低计算位宽,使得整体性能获得进一步提升。实验结果表明:在Jetson TX2上,针对真实场景所用的720P视频,所提出方法的性能比OpenCV的GPU版本提升了4.1倍,达到30 fps以上;将采用该方法的SLAM系统成功应用于车载场景并在真实环境中测试,使得系统的性能达到了28 fps。新方法有效地提升了位姿和点云的精度,较好地满足了车载场景的实时处理需求。

基于景深和LK光流法的视频测速算法

根据景深图虚化背景影响的思想,提出一种基于景深和LK光流法的视频测速算法。通过多尺度自适应小波算法沿水平、垂直及对角线4个方向对图像进行分解;引入边缘图和李氏指数,优化由显著特征区域高频小波系数与深度值关系生成的景深图;最后用LK光流法对景深图进行ORB角点检测,并结合SUSAN算法剔除异常角点绘制角点分布图,由角点坐标在相邻帧图像中的位移计算目标的运动速度和角度。实验结果证明:该算法能有效抑制背景影响、减少计算量,提高运动目标在复杂背景与动态背景下的测速精度和实时性。

基于LK和FAST的时间序列图像快速配准算法

LK光流算法是一种精确高效的特征跟踪算法,能够较大幅度提高图像配准的精度和速度。针对时间序列图像的配准问题,基于LK光流算法,通过基于图像金字塔的方式跟踪改进后的FAST特征角点,采用一种鲁棒的单应矩阵估计算法解算配准参数,提出了一种基于LK光流和改进FAST特征的实时鲁棒配准算法。通过一组时间序列图像从配准精度和配准速度两个方面对所提出算法的性能进行了验证分析,平均重投影误差为0.16,平均处理速度为30 Hz。实验结果表明,该算法能够提取稳定的FAST角点,快速准确地跟踪匹配序列图像之间的特征,较好地解决时间序列图像的实时配准问题。

基于LK光流与实例分割的联合动态一致性vSLAM算法

随着机器人的工作环境趋向于非结构环境变化,对视觉SLAM技术提出了更高的要求,既需要视觉SLAM能够在静态环境中对机器人精确地估计相机位姿,又需要视觉SLAM能够适应动态环境。针对上述问题,提出一种光流与实例分割相结合的视觉SLAM算法。首先对当前帧图像进行特征提取与实例分割,在特征提取完成后对其进行稀疏光流;然后根据实例分割结果与先验语义信息对物体赋予运动初值,并计算非动态物体的光流位移增量、动态物体光流位移增量和潜在动态物体光流位移增量;其次利用光流信息与实例分割掩码进行联合动态一致性检查,并剔除运动物体上提取的特征点;最后利用静态特征估计机器人位姿。用TUM数据集测试该算法,结果显示该算法在低动态环境下绝对轨迹误差较ORB-SLAM2能够减少52.04%,在高动态环境下绝对轨迹误差较ORB-SLAM2能够减少98.11%。在真实环境下对该算法进行评估,实验结果表明,该算法对物体的运动状态有精准的判定,这有助于提高算法的定位精度。