论文部分内容阅读
动态视觉传感器是一种仿生视觉传感器,和传统的视觉传感器相比,具有延迟低、动态范围高、数据冗余度小、功耗低、数据异步输出等特点。动态视觉传感器不存在运动模糊,适用于采集高速运动的目标。另外,动态视觉传感器在反光场景和偏暗环境下能实现较好的数据采集效果。鉴于动态视觉传感器的这些优点,其在跟踪方面具有较大的运用潜能,本课题的研究目的是探索动态视觉传感器在跟踪方面的应用,释放动态视觉传感器在目标跟踪方面的潜能。为了实现这个目标,本文研究了动态视觉传感器特征提取、灰度图和事件流相结合的跟踪算法以及动态视觉传感器光流检测与特征跟踪这三个方面的内容,具体包括以下几个部分工作。首先,为了有效提取到特征点,本文研究了动态视觉传感器的特征提取算法。首先研究了通过生成积分图实现特征提取的算法,使用事件流积分生成积分图,再通过基本特征提取算法实现特征点提取。此外,针对动态视觉传感器数据异步输出的特点,研究了异步特征点检测算法。然后,为了利用动态视觉传感器延迟低、时间分辨率高等优点,本文研究了灰度图和事件流相结合的跟踪算法。本算法通过事件流积分生成积分图,通过灰度图生成预测图,利用二者之间的关系求出仿射变换参数从而实现跟踪。此外,针对动态视觉传感器的特征跟踪,以KLT算法为基础设计了跟踪结果评价方法。本算法的跟踪精度高,不存在时间盲区,并且在各种场景下都可以实现较好的跟踪效果。最后,为了进一步探索动态视觉传感器在偏暗和反光等特殊场景下的跟踪算法,本文研究了动态视觉传感器的光流检测与特征跟踪算法。本算法仅以事件流作为输入,通过光流检测实现特征跟踪。为实现光流检测,提出了一个概率模型,通过概率模型在事件之间建立联系,然后通过迭代计算检测光流。为了提升跟踪效果,通过迭代最近点原理对算法进行优化,最终实现良好的跟踪效果,不仅在常规环境下跟踪效果较好,在黑暗反光等环境下仍然可以实现较好的跟踪效果。