基于深度自動分層的RGBD序列場景流計算技術研究.pdf

1、3D場景流是空間場景或物體運動的三維運動矢量場，其包含了場景或物體的三維運動與結構信息，在目標運動估計與跟蹤、姿態(tài)識別、自主避障、路徑規(guī)劃等研究方向具有重要的研究價值，研究成果被廣泛用于航空航天、軍事、工業(yè)、氣象、交通以及文物保護等領域。
　　近年來，隨著消費級深度傳感器的普及，利用RGBD序列估計3D場景流逐漸成為計算機視覺研究領域的熱點問題。雖然現有的 RGBD序列場景流計算方法能夠獲取較為準確的估計結果，但是當圖像序列包含復

2、雜背景和多個運動目標時，由于現有方法通常采用人工設定深度圖像初始分層層數并且得到的初始場景分割圖中只包含深度信息，導致并不能完全準確地分割獨立運動目標，致使場景流估計效果較差。針對以上問題，本文主要研究基于深度自動分層的RGBD序列3D場景流計算技術，主要研究工作包括：
　　1.首先對3D場景流計算技術的研究背景和現狀進行了介紹，然后論述了圖像光流與3D場景流的對應關系，并對3D場景流技術的兩類主要方法進行了重點分析。
　　

3、2.針對現有3D場景流計算方法在復雜場景下估計效果較差的問題，提出基于光流的深度圖像自動分層與分割優(yōu)化方法。首先設定任意初始分層層數，然后利用K均值聚類計算深度圖像初始分割結果，再根據RGB圖像序列光流估計結果分別判斷、合并相鄰層，最終獲取深度圖像的分層與分割結果。相對于傳統(tǒng)的人工分層方法，本文方法不僅能夠實現自動分層，而且得到的分割結果是與運動目標相關的，將各個目標獨立分層，更利于分層場景流的計算。
　　3.將本文深度圖像自動分

4、層和分割優(yōu)化方法應用在RGBD圖像序列分層場景流的計算當中，介紹了其對應的能量泛函，然后詳細論述了各個約束項，最后詳細介紹了本文方法應用在分層場景流計算中的求解過程。
　　4.采用Middlebury2003測試圖像集、Middlebury2005測試圖像集、SRSF真實場景圖像集、RGBD跟蹤場景圖像集測試本文深度圖像自動分層與分割優(yōu)化在分層場景流計算中的應用效果，同時進一步測試本文方法的有效性。
　　實驗結果表明：1)本