Стр. 3 - Определение параметров движения объекта по данным стереокамеры нейростатистическими методами
Упрощенная HTML-версия
ISSN 2305-5626. Вестник МГТУ им. Н.Э. Баумана: электронное издание. 2013
3
го изображения, в то время как для снижения вычислительной
нагрузки желательно получать оценки смещений лишь некоторых
областей.
Таким образом, разрабатываемый алгоритм должен работать
быстро и только с некоторыми частями изображения, а кроме того,
он должен быть робастным. При работе с качественными изображе-
ниями робастность алгоритма обеспечивается калибровкой камеры.
Все используемые в настоящее время методы калибровки оценивают
некоторые виды нелинейности. Однако не исключено, что в каждой
конкретной камере будет нелинейность, присущая только ей одной.
Для решения данной проблемы можно использовать настроенную
нейронную сеть с радиально-базисными функциями (РБФ-сеть) [2].
Алгоритм оценки смещений изображений и оценки парамет-
ров перемещения объектов на основе анализа данных смещений.
Для оценки смещений изображений алгоритм использует похожий на
предложенный Лукасом — Канаде функционал. Он работает с огра-
ниченными областями изображения (довольно малыми), выбирае-
мыми на основании функционала схожести, в качестве которого ис-
пользуется функционал вида
( , )
( , , , );
( , , , ) | Video(
,
) Sample( , ) |,
y m x n
x n y m
F a b
f x y a b
f x y a b
x a y b
x y
+ +
− −
=
=
+ + −
∑∑
(4)
где
Video( , )
x y
— яркость изображения в точке (
x
,
y
);
Sample( , )
x y
—
яркость эталонного изображения в точке (
x
,
y
);
m
,
n =
csize/2 — поло-
вина размера ячейки по соответствующей координате, пикселы.
Функционал схожести (4) имеет вид конуса, является модифика-
цией функционала Лукаса — Канаде и вычисляется вдоль ячеек раз-
мером csize
×
csize пикселов. Чтобы выяснить, насколько смещены
изображения относительно друг друга, находят минимум функцио-
нала (4), т. е. вершину конуса.
В целях уменьшения количества расчетов необходимо миними-
зировать обращение к функционалу (4), поэтому для поиска миниму-
ма был предложен следующий алгоритм [3]:
1) определяют точку начального приближения координаты вер-
шины конуса
x
(
i
)
= x
00,
i =
1
—
номер итерации;
2) вычисляют функционал схожести
Z
(
x
) в точках
x
(
i
),
x
(
i
)
+ rd
,
x
(
i
) –
rd
, где
rd
— положительное целое число, параметр алгоритма,
зависящий от области определения [
m
;
n
] функционала схожести;
3) определяют вспомогательную величину
( ) [ ( ( )
)
( ( )
)];
SL i
Z x i
rd Z x i
rd
=
+ −
−
4) по знаку
SL
(
i
) находят направление на вершину по отношению
к
x
(
i
) и определяют наклон образующей конуса
