题目：直接法求解相机自运动参数的研究

相机自运动参数估计（Camera Ego-motion Estimation）是通过分析相机在不同位置采集的场景图像，从中恢复相机在三维世界中运动参数的技术。这一研究是从观察者（例如智能机器人、无人机等）的角度，估计场景与观察者之间的相对运动参数。因此，相机自运动参数估计技术可以广泛应用于移动机器人的视觉导航（即智能运动）、无人驾驶、电子稳像、交通监管等多个领域。所以本课题研究具有重要的实际应用价值。
目前，该领域多数科研成果是基于特征匹配或者光流（Optical Flow）来求解相机的自运动参数的，但是这些方法对成像场景都有一定的附加约束条件，例如场景中需包含有足够的“显著”特征、全局平滑、纹理丰富等。因此，这些方法不具有通用性。针对这一问题，本文提出了一种基于图像灰度-时空信息的直接方法（Direct Method）来求解相机自运动参数，该方法对场景没有任何的约束和限制。因此，直接法求解相机自运动参数这一课题的研究也具有重要的学术价值。
本文主要研究景物不动，相机做一般刚性运动（同时包含平动和转动信息）下的运动参数估计。本文提出的直接求解相机自运动参数的方法，从运动的法向流（Normal Flow）的几何特性入手，利用平移和旋转运动的独立性，采用假设-验证的思想，从法向流场中提取出仅包含旋转或平移运动的矢量，并据此估算相机的运动参数。因此，本方法又称为法向流法。其中，法向流是光流在梯度方向上的投影，它可以根据连续图像序列的灰度信息直接计算得到。所以本文提出的新算法对成像场景没有任何的附加约束条件，具有一定的通用性。