● 摘要
基于图象序列的三维运动估计是计算机视觉研究的重点和难点问题之一。三维运动参数和结构的估计通常对具体应用场合具有很强的依赖性，基于不同的假设，各种形式的算法层出不穷。本文广泛研究了近二十几年来出现的各种算法，并在此基础上将其分为两类：基于特征的方法和基于光流场的方法。随后针对每一类方法进行了论述，并结合具体应用提出了相应的改进方案。最后以北京闻亭科技发展公司的TDS642EVM图象处理平台为核心，实现了一套嵌入式视觉运动估计系统。特征信息提取和匹配是基于特征的运动估计方法的第一步。考虑到具体应用场合的要求及各种特征信息自身的特点，本文选择角点作为特征信息，使用一种基于角点响应函数(Corner Response Function, CRF)的快速角点检测算法。在完成角点提取和匹配的基础上，将最优估计理论与图象序列分析方法相结合，设计并实现了一套基于扩展卡尔曼滤波的长序列图象运动分析方法。计算机仿真实验和单轴转台半实物仿真实验验证了算法的有效性。光流场估计的精度直接影响到三维运动参数估计的结果。本文将金字塔模型与基于局部平滑假设的Lucas光流估计方法相接合，显著的扩大了速度场估计的范围。针对从二维光流场恢复三维运动和结构过程中出现的非线性问题，引入由粗到细、逐步逼近的思想，实现了一种基于分层模型的迭代方法，在满足精度要求的前提下实现了较好的实时性。计算机合成图和实拍图实验验证了算法的有效性。考虑到DSP数字处理的特点，以基于扩展卡尔曼滤波器的长序列图象分析方法为基础，以北京闻亭科技发展公司的TDS642EVM图象处理平台为核心，结合摄象机和显示器，实现了一套包括图象采集、处理和显示的嵌入式视觉运动估计系统。基于单轴速率转台进行了实验，得到了满意的效果。