[发明专利]基于双目视觉节点的动态三维多媒体传感网络自定位方法

说明书

技术领域

本发明属于多媒体传感网络领域，具体涉及一种基于双目视觉节点的动态三维多媒体传感网络分布式自定位方法。

背景技术

由于视觉传感器可获取丰富且有价值的环境上下文信息，多媒体传感网络受到越来越广泛的关注。与此同时，近年来国内外在嵌入式系统及分布式视觉算法上取得的显著进展也为其应用和实现铺平道路。不同于传统传感器网络中传感器节点采用的全向感知模型，多媒体传感网络中的视觉节点存在视角受限且易被遮挡等问题，面临着有向感知和视距覆盖的新挑战。因此视觉节点定位是实现多媒体传感网络部署和分析的前提和关键。

目前已提出了许多多媒体传感网络自定位方法。但这些方法通常都是基于单目视觉节点，O. Faugeras等人研究表明两个已标定像机只能实现尺度上的相对位姿估计[1]，为获取节点位姿的唯一解，一种方法是需假定场景为近似平坦的表面，通过计算单应性矩阵实现位姿估计。另一种则是采用类似Bundle Adjustment方法将多个甚至全部节点共同参与定位估计，即要求每个节点都要通过“洪泛”将其特征集合传递给整个网络。如W. Mantzel等人提出的分布交替式三角定位技术（DALT）[2]，Z. Cheng等人提出的基于视觉SfM方法的视觉图模型[3]等。然而这种需要大量“洪泛”过程的方法，在网络规模较大或是动态网络下难以有效实现。

为避免单目视觉固有的歧义性问题，国内外学者提出了基于立体视觉节点的多媒体传感网络。S. Hengstler等人设计并实现了MeshEye立体视觉节点的原型系统[4]。S. Kumar等人提出一种双PTZ像机的视觉节点，通过SIFT特征匹配并估计单应性矩阵实现运动目标定位[5]。A. Mavrinac等人采用双目视觉节点经ZNCC算法匹配Harris或FAST特征，实现多媒体传感网络的自标定[6]。

参考文献

[1] Q. Luong, O. Faugeras. Camera Calibration, Scene Motion and Structure Recovery From Point Correspondences and Fundamental Matrices. International Journal of Computer Vision. 22(3): 261-289, 1997.

[2] W. Mantzel, H. Choi, R. Baraniuk. Distributed Camera Network Localization. Thirty-eighth Asilomar Conference on Signals, Systems & Computers. Pacific Grove, CA.2:1381-1386, 2004.

[3] Z. Cheng, D. Devarajan, R. Radke. Determining Vision Graphs for Distributed Camera Networks Using Feature Digests. EURASIP Journal on Applied Signal Processing. (1): 220-220. 2007.

[4] S. Hengstler, D. Prashanth, S. Fonget, et al. MeshEye: A Hybrid-Resolution Smart Camera Mote for Applications in Distributed Intelligent Surveillance. Information Processing in Sensor Networks (IPSN-SPOTS). 2007.

[5] S.Kumar, C. Micheloni, C. Piciarelli. Stereo Localization Using Dual PTZ Cameras. International Conference on Computer Analysis of Images and Patterns. 2009.

[6] A. Mavrinac, X. Chen, K. Tepe. An Automatic Calibration Method for Stereo-based 3D Distributed Smart Camera Networks. Computer Vision and Image Understanding. 114(8): 952-962. 2010.