加载中…
个人资料
孤峰乔木
孤峰乔木
  • 博客等级:
  • 博客积分:0
  • 博客访问:39,365
  • 关注人气:24
  • 获赠金笔:0支
  • 赠出金笔:0支
  • 荣誉徽章:
相关博文
推荐博文
谁看过这篇博文
加载中…
正文 字体大小:

第一本无人驾驶技术书---计算机视觉--Camera

(2017-08-23 19:25:28)

计算机视觉--Camera

1.作用:

(1) 物体识别。

(2) 物体跟踪。

(3) 自身定位。

 

2.Camera底层支撑技术:

(1)optical flow:

A)定义:它是空间运动物体在观察成像平面上的像素运动的瞬时速度,是 利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上 一帧跟当前帧之间存在的对应关系,从而计算出相邻帧之间物体的运动信息 的一种方法。

B)特点:同一个摄像头在相邻时间点的拍摄。

C)输入:相邻时间点的照片。

D)输出:目标的运动情况。

E)算法中立:基于梯度的方法、基于匹配的方法、基于能量的方法、基于 相位的方法。

F)问题:如何获取光流场;如何将光流场转化为运动场。

(2)立体视觉:

A)定义:从两个或者多个点观察一个物体,获取在不同视角下的图像,根 据图像之间像素的匹配关系,通过三角测量原理计算出像素之间的偏移来获 取物体的三维信息。得到了物体的景深信息,就可以计算出物体与相机之间 的实际距离,物体3维大小,两点之间实际距离。

B)特点:两个及两个以上的摄像头在不同位置同时拍摄。

C)输入:两幅同时拍摄的相片。

D)输出:物体的三维信息,物体与相机间距离。

E)算法:三角测量法。

F)步骤:

a)相机标定:获取相机的内参(焦距,图像中心,畸变系数等)和外参 (R(旋转)矩阵T(平移)矩阵)

b)图像校正:根据摄像头定标后获得的单目内参数据(焦距、成像原点、 畸变系数)和双目相对位置关系(旋转矩阵和平移向量),分别对左右 视图进行消除畸变和行对准,使得左右视图的成像原点坐标一致、两摄 像头光轴平行、左右成像平面共面、对极线行对齐。将左右视图调整成 完全平行对准的理想形式

c)立体匹配:通过找出每对图像间的对应关系,根据三角测量原理,得 到视差图;在获得了视差信息后,根据投影模型很容易地可以得到原始 图像的深度信息和三维信息

 

3.物体识别与追踪:

(1) 物体识别的目的一般是基于像素层面的颜色、偏移和距离信息获得物体层面的空间位置。

(2) 目前卷积神经网络在物体识别中,使用的比较广泛,但其输出是带有噪声的。

(3) 物体追踪是指在物体识别后,需要获取物体的运动轨迹,可以采用基于马尔科夫决策(MDP)的MOT算法解决,其可以使用带有噪声的识别结果。

 

4.视觉里程计(定位):

(1)视觉定位算法:

A)基于拓扑与地标的算法:根据事先标记的路径和地图定位。算法简单,但需要准备地图以及标注。(类似机器人导航定位)

B)基于集合的视觉里程计:不需要事先建图,在定位的同时,构建地图。(类似机器人的建图定位)

(2)视觉里程计定位:

A)单目视觉里程计:由于无法获得物体大小,一般需要结合传感器定位。

B)双目视觉里程计:通过三角测量法计算特征点深度,然后推测物体大小, 然后推测两帧之间的相对运动再结合之前车辆位置,进行定位。中间每一步 都有相应算法。

 

5.特点:

(1)精度对光线比较敏感。

(2)相应算法与基础还不够成熟。

(3)比较与激光雷达,具有成本优势。

(4)可以和其他传感器结合使用,以实现互补。

 

6.参考:

(1)optical flow:http://bbs.elecfans.com/jishu_485979_1_1.html

(2)立体视觉:http://blog.csdn.net/u014629875/article/details/51227534



更多ROS文章,可以关注微信公众号:ROS编程,每周不定期更新

第一本无人驾驶技术书---计算机视觉--Camera



 

0

阅读 评论 收藏 转载 喜欢 打印举报/Report
  • 评论加载中,请稍候...
发评论

    发评论

    以上网友发言只代表其个人观点,不代表新浪网的观点或立场。

      

    新浪BLOG意见反馈留言板 电话:4000520066 提示音后按1键(按当地市话标准计费) 欢迎批评指正

    新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 会员注册 | 产品答疑

    新浪公司 版权所有