远距离3维注视点标定与视线追踪方法研究

来源 :中国计量大学 | 被引量 : 0次 | 上传用户:forisa1
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
注视点估计,或称视线追踪,是一种估计人眼视线落点,即人眼朝哪里看的技术,可分为2维注视点估计与3维注视点估计。2维注视点一般为电脑屏幕上的注视点,用于人机交互与网页分析等。3维注视点为3维空间中的视线落点,可用于安全辅助驾驶等。3维注视点估计可在2维注视点估计的基础上,通过双目视线相交的方式计算得到。本文主要研究内容如下:
  (1)研究对比各种瞳孔定位方法及眼部特征点提取方法,包括基于亮暗瞳效应、基于CNN模型和基于模板匹配等方法并进行实验验证。瞳孔轮廓检测采用星射线算法,并采用RANSAC算法和最小二乘法进行瞳孔椭圆拟合,获得瞳孔中心坐标。
  (2)研究从眼部特征点到2维注视点的映射方法,包括二阶非线性多项式映射法与BP神经网络映射法。设计网络结构,拍摄眼部数据制作训练集,进行映射模型训练。最后编写标定与图像处理程序,进行屏幕2维注视点的实时计算与注视路径显示测试。
  (3)研究基于双目视线相交的3维注视点估计。针对眼球光心3维坐标不易测量的问题,提出一种通过注视前后可移动的标定平面实现眼球光心坐标获取的标定方法,并设计和搭建相应的标定装置。针对3维注视点距离方向估计值存在较大抖动的情况,提出一种数据滤波与Z平面截取修正法来减小误差。在30~50cm的测试距离内,3维注视点角度误差0.7°,欧式距离误差17.8mm。
  (4)研究更远距离情况下的3维注视点估计。双目视线随着注视距离的增加而趋于平行,此时很难计算出准确的视线交点。提出一种借助毫米波雷达检测场景物体信息用于辅助3维注视点估计的方法。同时,提出一种通过可移动标定物形成虚拟标定平面的方式实现大空间下的平面注视点标定方法。最后设计和搭建实验装置,编写对应的上位机实验软件。在4~10.2m的测试距离内,3维注视点角度误差0.9°,欧式距离误差130mm。
其他文献
图像语义分割是计算机视觉领域的一个重要的分支,在卫星图像分割、医学图像诊断、无人驾驶等方面都有着重要的应用。在全卷积网络之后,语义分割领域提出了越来越多的深度学习算法。当前,语义分割算法的关注点主要有两个方面:一是在分割精度上,通过相关算法提升语义分割的准确率。二是在分割的效率上,采用轻量化网络来满足实时性的需求。本文致力于提高语义分割的精度,针对现有语义分割编解码方法中语义信息不平衡的问题,以及
随着信息科技的日益发展,人们对多媒体资源的质量要求也逐渐提升。近年来,高比特深度的显示设备不断发展。然而主流的多媒体资源,尤其是视频资源,仍然处于较低的比特深度,在显示时容易出现伪轮廓和色度畸变等现象。为了缓解这个问题,一些研究工作者利用插值方法、卷积神经网络等,提出了基于图像的比特深度增强算法。然而据我们所知,目前并没有针对视频设计的比特深度增强方法,而当图像算法应用在视频上时,相邻帧之间的信息
近年来,随着人们对海洋经济的不断发展以及海上地位的日益重视,各国对海洋资源开发和海洋权益维护的力度都不断加大,船舶作为海上重要运载工具也因此得到了广泛应用。在众多类型的船舶中,具有全驱动配置的水面船由于具有独立的横向推进装置可以有效完成一些操纵性和安全性要求较高的海洋作业任务,例如海底管道铺设、海上油气钻探以及海上扫雷作业等。这些海上作业的特点是都需要船舶沿着预先设定的轨迹精确移动以保证作业安全性
随着通信技术和传感器技术的发展,无线传感器网络在目标跟踪、环境监测、辅助导航、灾害预警、资源勘探、事故调查等军事和民用领域得到日益广泛的应用。受限于成本、使用环境和通信能力,采用常规的状态估计方法对无线传感器网络信息进行融合尤为困难,需要考虑其中存在的能量受限、带宽受限、非高斯噪声、噪声方差未知等问题。常用的多传感器信息融合策略包括存在唯一融合中心的集中式策略和去中心化的分布式策略两种。在集中式策
最小均方(Least Mean Squares, LMS)算法在系统辨识中的应用十分广泛。在实际应用中,很多待辨识系统的冲激响应呈现出了稀疏特征。分散稀疏系统、单簇稀疏系统与多簇稀疏系统是三类典型的稀疏系统。在对稀疏系统的辨识应用中,传统的LMS算法没有充分利用稀疏性这一先验信息,收敛速度较慢,无法快速跟踪外部环境的变化。  本文以提高LMS算法的收敛速度为出发点,就稀疏冲激响应的在线辨识问题开展
移动机器人在社会各个领域具有广泛的应用前景,并得到了大量研究。机器人学是复杂的,多学科交叉领域。移动机器人自主运动系统是由多个功能模块组成,每个功能模块相互独立,又相互联系,构成一个整体。所以,移动机器人系统是一个复杂的大系统。构造一个完整的,功能完善的自主导航系统,需要针对每一功能模块设计相应的算法,并且建立各模块之间的联系,形成一个统一的整体。其中,路径规划和运动控制模块是自主导航的重要组成部
水下无人潜航器(UnmannedUnderwaterVehicle,简称UUV)是一种重要水下运载平台,可以灵活搭载各种作业所需设备,完成多种水下作业任务。无人潜航器的自主程度高,自带能源可以脱离母船工作,在一定范围水域内进行水下地形勘测、石油管线检查、沉船探测、水文调查、水下通信中继、水雷探测、港口安全监视等作业。  自主路径规划是无人潜航器实现高度自治的前提,特别是近年来无人潜航作业区域持续扩
随着深度学习(Deeplearning,简记DL)系统越来越多地应用于安全相关领域,包括自动驾驶汽车和智能安防等,对深度学习模型预测准确性的高度信任变得至关重要。正如传统的软件开发一样,对模型行为正确性的信心源于对各种可能场景的严格测试。然而,与传统的软件开发不同,深度学习系统的逻辑是通过训练过程学习的,因此深度学习模型很难测试。另外现有的深度学习测试严重依赖于人工标记的数据,经常无法为边缘输入数
中值滤波作为篡改数字图像的一种手段,会在一定程度上改变图像相邻像素点的灰度关系,从而导致图像失真。目前大部分图像中值滤波取证方法均是基于人工所提取的特征,这些方法的主要问题在于特征提取困难,尤其是在图像质量较差的情形中,检测性能会急剧下降。近年来深度学习已经被成功应用到了与计算机相关的各个领域,本文对基于深度学习的图像中值滤波取证问题进行了研究。  本文提出了一种基于DCT域卷积神经网络的新方法来
学位
图像已成为现代生活中信息展示和传播的一个非常重要的载体,因此相关算法的研究也受到国内外学者们的广泛重视,衍生出很多重要的分支方向。图像超分辨技术作为计算机视觉领域的一个重要分支,由于其在很多行业应用前景广阔,近些年发展成为了一个国际热点课题。超分辨技术的基本任务是从原始的低分辨率图像或视频重构出对应的高分辨率图像或视频,这是一个非常有挑战性的病态问题。近年来,以卷积神经网络(Convolution