[发明专利]一种针对多视频序列的运动推断结构方法

说明书

技术领域

本发明涉及运动推断结构，尤其涉及一种针对多视频序列的运动推断结构方法。

背景技术

运动推断结构技术，指的是由图像集合或视频序列中，自动估计场景中特征点的三维位置及每张图像对应的相机运动参数。找到特征点在图像中的对应位置，对于运动推断结构的求解质量来说至关重要。相比图像集合，视频序列包含了更丰富的几何信息和场景的结构信息。针对视频序列，常用的方法是在每相邻两帧之间使用特征点跟踪算法，如Lucas，B.D.，Kanade，T.：An iterative image registration technique with an application to stereo vision.In：IJCAI，pp.674-679(1981)；Shi，J.，Tomasi，C.：Good features to track.In：CVPR，pp.593-600(1994)；Georgescu，B.，Meer，P.：Point matching under large image deformations and illumination changes.IEEE Trans.Pattern Anal.Mach.Intell.26，674-688(2004)；Lowe，D.G.：Distinctive image features from scale-invariant keypoints.International Journal of Computer Vision 60，91-110(2004)等。然而，这些连续的特征跟踪不能处理特征点分布在非连续帧中的情况。比如，随着相机运动，某物体离开画面若干帧后又重新进入画面，那么该物体将包含在两段不相连的子序列中。即使该物体上的每个特征点在这两个子序列中均能被稳定跟踪上，连续的特征跟踪将导致特征点在两个子序列中分别产生一条特征轨迹。将这样的两条特征轨迹匹配上，可以缓解运动推断结构中的漂移现象，从而提高三维重建的质量。另外，在针对多视频序列的运动推断结构中，必须将分布在不同视频序列中对应于相同场景的特征轨迹匹配起来，才能将多个视频序列注册到同一场景中。为将非相邻帧中的特征轨迹匹配起来，一个简单的方法是对每对非相邻的两帧都匹配一次。通常，大部分非相邻帧对之间不存在相同的特征点，无需匹配。此外，同一对特征轨迹将被反复地匹配多次。因此，这样的策略中绝大多数匹配所消耗的时间是毫无意义的，对于长序列的情况，更是不可行的。本发明针对这一问题，提出了一种高效的非连续帧的特征匹配算法。