Számítógépes látórendszerek - Ellenőrző kérdések: Képillesztés

← Vissza az előző oldalra – Számítógépes látórendszerek

Ismertesse az optikai áramlás (optical flow) algoritmus célját, alapelvét és feltételezéseit!
Írja fel az intenzitás áramlás egyenletet!
Milyen problémái vannak az algoritmusnak?

Az intenzitásalapú képillesztés alapelve, az hogyha találunk a két képen két ugyanolyan színű területet, akkor ezek egymással megfeleltethetők (ez azonban csak erős feltételezés). Lehetséges módszer az optikai áramlás algoritmus, amikor is pontpárokat két, különböző időben készült felvételen keressük és a mozgást próbáljuk leírni. Az adott pixelt a következő képen az előző pozíciójának közelében keressük. Gradiensképzést alkalmazunk.

Feltételezések:

• Az egyes objektumok intenzitása időben állandó.
• A két képkocka közti elmozdulás kicsi.
• Az egymáshoz közel eső pixelek hasonlóan mozognak.

Az optikai áramlás nem működik:

• Homogén intenzitású területen.
• Túl nagy mozgás esetén.
• Apertúra probléma.

Az intenzitás áramlás egyenlete:

$I_{x}u+I_{y}v=-I_{t}$

Mutassa be a Lucas-Kanade algoritmust és annak célját!
Milyen módszereket ismer a gyors mozgások követésére optikai áramlás segítségével?

Az optikai áramlás algoritmusánál feltételeztük, hogy az egymáshoz közeli pixelek azonos objektumhoz tartoznak, ezért együtt mozognak. Ne a pixelt nézzük, hanem a környezetét! Több pont együttes kezelése esetén az alulhatározott egyenletből túlhatározott lesz (Lucas-Kanade módszer).

A környezet elmozdulásának négyzetes hibáját minimalizáljuk. Parciális derivált = 0 helyen optimum.

$E=\sum {\left(uI_{x}+vI_{y}+I_{t}\right)^{2}}\rightarrow Min$

${\frac {\partial E}{\partial u}}=0\;\;\;{\frac {\partial E}{\partial v}}=0$

${\begin{bmatrix}\sum I_{x}^{2}&\sum I_{x}I_{y}\\\sum I_{x}I_{y}&\sum I_{y}^{2}\end{bmatrix}}\cdot {\begin{bmatrix}u\\v\end{bmatrix}}={\begin{bmatrix}-\sum I_{x}I_{t}\\-\sum I_{y}I_{t}\end{bmatrix}}$

$H{\vec {u}}=b\to {\vec {u}}=H^{-1}b$

Az Lucas-Kanade egyenlet megoldható, ha Az H sajátértékei nem túl kicsik (vagy nullák) és a H sajátértékeinek aránya nem túl nagy (H jól kondicionált).

Egyéb módszerek a gyors mozgások követésére:

• Iteratív Lucas-Kanade algoritmus.
• Optical Flow piramis.