基于时间一致性局部颜色特征的无纹理3D物体实时跟踪
发布时间:2021-08-16 08:21
针对无纹理3D物体跟踪算法在复杂背景和运动模糊的情况下容易跟踪失败、跟踪速度难以达到强实时等问题,提出一种基于时间一致性局部颜色特征的3D物体实时跟踪算法.首先在物体3D模型投影轮廓法向搜索线上计算像素颜色的加权均值作为局部颜色特征,增强颜色特征在复杂环境中的表征能力,并对局部颜色特征进行时间一致性更新,剔除前景背景颜色相似的局部颜色特征,以避免相似前景背景颜色导致的跟踪失败;然后定义基于局部颜色特征的能量函数,并推导该能量函数的解析导函数;最后改进了优化物体姿态的高斯牛顿法,通过添加阻尼参数防止姿态优化陷入局部极值,提高姿态估计精度和跟踪速度.实验使用7组测试视频验证文中算法,结果表明,该算法能更有效地克服复杂背景和运动模糊的干扰,在未使用并行计算的前提下可实现强实时跟踪.
【文章来源】:计算机辅助设计与图形学学报. 2020,32(01)北大核心EICSCD
【文章页数】:13 页
【部分图文】:
法向搜索线局部颜色特征
108计算机辅助设计与图形学学报第32卷更好地分辨前景和背景,所以其跟踪精度较高,但在跟踪相机运动较快的LEGO视频时,仍会出现跟踪失败.本文算法能有效地处理相机或物体的快速运动,可达到3°左右的平均旋转误差和2cm左右的平均位移误差.图9~图12给出了各算法在4个视频上的跟踪结果,每个图的4行图像依次为本文TCC算法,GOS算法,ECT算法和RBOT算法的跟踪结果.图94种算法对DUCK视频的跟踪结果对比图104种算法对CAT视频的跟踪结果对比
108计算机辅助设计与图形学学报第32卷更好地分辨前景和背景,所以其跟踪精度较高,但在跟踪相机运动较快的LEGO视频时,仍会出现跟踪失败.本文算法能有效地处理相机或物体的快速运动,可达到3°左右的平均旋转误差和2cm左右的平均位移误差.图9~图12给出了各算法在4个视频上的跟踪结果,每个图的4行图像依次为本文TCC算法,GOS算法,ECT算法和RBOT算法的跟踪结果.图94种算法对DUCK视频的跟踪结果对比图104种算法对CAT视频的跟踪结果对比
【参考文献】:
期刊论文
[1]基于自适应特征融合的无纹理3D目标跟踪[J]. 黄鸿,钟凡,秦学英. 计算机辅助设计与图形学学报. 2018(05)
本文编号:3345323
【文章来源】:计算机辅助设计与图形学学报. 2020,32(01)北大核心EICSCD
【文章页数】:13 页
【部分图文】:
法向搜索线局部颜色特征
108计算机辅助设计与图形学学报第32卷更好地分辨前景和背景,所以其跟踪精度较高,但在跟踪相机运动较快的LEGO视频时,仍会出现跟踪失败.本文算法能有效地处理相机或物体的快速运动,可达到3°左右的平均旋转误差和2cm左右的平均位移误差.图9~图12给出了各算法在4个视频上的跟踪结果,每个图的4行图像依次为本文TCC算法,GOS算法,ECT算法和RBOT算法的跟踪结果.图94种算法对DUCK视频的跟踪结果对比图104种算法对CAT视频的跟踪结果对比
108计算机辅助设计与图形学学报第32卷更好地分辨前景和背景,所以其跟踪精度较高,但在跟踪相机运动较快的LEGO视频时,仍会出现跟踪失败.本文算法能有效地处理相机或物体的快速运动,可达到3°左右的平均旋转误差和2cm左右的平均位移误差.图9~图12给出了各算法在4个视频上的跟踪结果,每个图的4行图像依次为本文TCC算法,GOS算法,ECT算法和RBOT算法的跟踪结果.图94种算法对DUCK视频的跟踪结果对比图104种算法对CAT视频的跟踪结果对比
【参考文献】:
期刊论文
[1]基于自适应特征融合的无纹理3D目标跟踪[J]. 黄鸿,钟凡,秦学英. 计算机辅助设计与图形学学报. 2018(05)
本文编号:3345323
本文链接:https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3345323.html