利用图像中的消失点描述平面直线关系

在三维计算机视觉中，消失点和消失线扮演着极其重要的角色，在此利用场景中常见的平行线和正交线的特点，通过绝对二次曲线图像和消失点的计算，测量场景中其他几何结构的关系，该方法不需要摄像机事先标定，实验表明，在单幅图像中该方法所得结果可以作为一个较好的估计值，在2幅图像中所得结果则较为精确，因此在图像测量中该方法有着一定的实用价值。     

未标定视频下的动态人体身高测量

针对视频下的动态人体身高测量过程中,依赖三维场景的结构化信息,或者需要事先对相机进行标定的情况,提出了一种视觉测量算法对未标定视频中的行人身高进行测量。该方法首先利用帧差法提取每帧图像中的人体区域信息,然后由该区域的主轴方向确定人体的头顶点和垂足点,再由头顶点和垂足点形成的两个平行虚拟平面确定水平消失线、由主轴方向确定竖直消失点,最后根据射影变换的交比不变量来确定人体的身高。该方法以人在正常行走过程中身高基本保持不变为合理假设,并且充分利用了视频中的人体运动信息。实验结果表明,测量结果的平均相对误差低于2.2%,能够满足人体身高测量的精度需要。     

交通监控场景下的相机标定与车辆速度测量

针对交通监控场景中对车辆速度测量的需求,提出了一种相机标定方法和车辆速度测量方案。首先,通过深度学习YOLO检测算法和光流跟踪算法对图像中的车辆目标进行检测和跟踪,根据获得的轨迹集合使用级联霍夫变换计算出道路方向上的消失点,从而检测出道路上的标志线。之后根据消失点和标志线,使用试探焦距思想完成相机标定任务。最后通过计算多帧之间瞬时速度的平均值来实现车辆速度的测量。通过真实交通监控场景的实验结果表明,这种基于消失点的自动相机标定方法具有较好的稳定性和较高的标定精度,能够满足车辆速度测量和实际工程应用的需求。     

一种优化的消失点估计方法及误差分析

空间一组平行直线在图像平面上所成的像的交点称为消失点. 消失点可以提供大量的场景三维结构信息. 本文提出一种新的优化的消失点估计方法. 该方法基于随机采样一致算法(Random sample consensus, RANSAC)对图像空间中的线段进行聚类, 通过最小化Sampson误差获得消失点的极大似然估计(Maximum likelihood estimation, MLE). 该方法不需要预知摄像机参数及直线的三维位置信息. 为了对该算法进行定量评估, 构造了基于反向传播的消失点误差传递模型. 实验结果验证了本文提出算法的有效性.     

消失点计算方法研究

利用消失点(线)进行场景理解与三维重建是计算机视觉研究中的一个重要问题。以往 主要是利用图像点的齐次坐标来计算,由于同一图像点的齐次坐标之间相差一个比例因子,当图像 坐标过大(或过小)时,会引起计算精度的下降。为此,从实际计算角度出发,利用图像点的坐标矢 量和调和共轭特性,研究了消失点的计算方法。经过举例分析和算法验证,证明该方法实用、可靠。     

一种快速的人工场景图像消失点检测方法

人工场景中包含了大量的空间平行线以及垂直边,这些空间平行线映射到图像中相交产生的交点即消失点。消失点检测对摄像机标定、三维场景重建等都有着重要的意义。传统的消失点检测算法往往基于二维霍夫参数空间,复杂度高、效率低。因此,提出一种新的方法,先检测图像中较长的边界线,并将检测到的线段进行筛选、分组;然后利用消失点与焦距之间的制约关系,确定三向消失点的位置以及焦距的大小。该方法将传统的二维霍夫参数空间转换为二级一维霍夫参数空间。实验表明,这种方法运算复杂度低、运行时间短。在室外场景图像中,鲁棒性好,且保持较高的准确率。     

全局图像特征分析与实时层次化消失点检测

为了使道路场景的消失点检测能够适应不同的道路条件,提出基于全局图像特征的层次化消失点检测方法。通过全局图像特征提取全局道路特征,将道路分为4类并粗粒度定位道路区域。根据分类选择提取道路标识或边缘特征进行尺度变换的线段检测或区域分割并投票消失点集,再选择使用逆透视仿射变换或色彩纹理信息验证获得有效消失点。通过图像预处理移除道路车辆及阴影干扰,进一步提高检测精度。实验证明道路特征分类有效,在光照阴影、色彩纹理及遮挡等条件各异的场景中,层次化消失点检测方法均获得实时鲁棒的检测结果,比现有在复杂场景平均误差较小的基于本征直线方向与色彩纹理的检测方法精度与效率分别提高37.5%和20%。     

面向全景视频的距离测量方法

从真实场景的图像中测量距离已成为计算机视觉和图象处理的研究热点.现有的基于单幅透视图像的测量方法,其可测量范围受限于相机视域FOV(Field-of-View).通过构建待测场景的全景图,扩展了待测场景的可测量范围,但是其测量范围受限于单个固定的相机拍摄点,只能测量在拍摄点可见的全方位场景.通过扩展基于全景图的距离测量方法,提出基于场景全景视频的距离测量方法,测量范围不再局限于单个固定的拍摄点.通过基于此方法开发的软件原型PVMeasure,用户可以在场景的全景视频中进行交互式测量.真实场景测量实验结果表明,方法具有良好的精确度,可满足大多数场合下的测量精度要求.     

基于物理模型的雾霾天道路图像清晰化

雾霾天场景下,视频监控系统在道路上获得的图像一般都有严重降质,因此需要对图像进行去雾处理.鉴于现有的基于物理模型的方法需要很多辅助信息,提出一种新的基于物理模型的图像复原方法.该方法首先对大气散射模型进行改进,减少未知参数至一个,然后通过Hough变换求取图像的消失点,最后利用最大熵方法求取参数最优值,从而自动地对退化图像进行去雾.实验结果证明,该方法是有效和实用的.     

基于摄像机动态标定的交通能见度估计

为克服雾天能见度检测仪价格昂贵、检测范围小等缺点,该文结合雾天光线传输模型与摄像机几何光学模型提出一种交通能见度估计算法.该算法通过动态标定交通摄像机内外参数来计算路面区域内点到摄像机的距离,利用场景透射率得到大气消光系数并估计交通能见度.首先,算法基于活动图提取感兴趣区域,再根据区域内平均像素拟合曲线是否满足刃边函数对雾天进行识别;其次,通过暗原色先验原理估计交通场景中每一个点的透射率,并且选取道路上4组透射率差值最大的点对摄像机内部参数标定;然后,提取消失点及车道边缘线完成摄像机外部参数动态标定;最后,通过路面上点到摄像机的距离以及相应的场景透射率估计交通场景的能见度.该文将雾天多个交通场景下能见度值计算结果与人工观测、物理仪器测量等方法进行了比较,结果证明了该文方法的有效性与实时性.