運動視覺目標(biāo)遮擋區(qū)域規(guī)避的實現(xiàn)方法

動態(tài)遮擋規(guī)避是指運動視覺目標(biāo)在某一時刻發(fā)生遮擋時，以該時刻視覺目標(biāo)遮擋區(qū)域為研究對象，通過對視覺目標(biāo)進行運動估計、合理規(guī)劃攝像機的運動方式并多次移動攝像機以便觀測到更多的遮擋區(qū)域。

運動視覺目標(biāo)發(fā)生遮擋現(xiàn)象是一種普遍存在的情況，遮擋區(qū)域可能包含更多的有用信息，如果視覺系統(tǒng)能最大限度地觀測到遮擋區(qū)域，將會有助于視覺任務(wù)的順利完成。目前，大多數(shù)的遮擋區(qū)域規(guī)避方法主要是針對靜態(tài)視覺目標(biāo)，通過利用物體表面信息來完成對遮擋區(qū)域規(guī)避。然而，隨著人工智能、無人機等技術(shù)的蓬勃發(fā)展，這種方式已經(jīng)無法滿足新任務(wù)的需求。例如：

1）機器人自主作業(yè)：環(huán)境復(fù)雜，視覺目標(biāo)運動；

2）三維重建：針對動態(tài)場景；

3）目標(biāo)識別、跟蹤：運動視覺目標(biāo)發(fā)生遮擋；

.....

面對這些問題，當(dāng)前的技術(shù)難以滿足各種需求，因此亟需要一種運動視覺目標(biāo)遮擋區(qū)域規(guī)避的方法，這是支撐針對運動視覺目標(biāo)進行“動態(tài)遮擋規(guī)避”的使能技術(shù)。

要實現(xiàn)動態(tài)遮擋規(guī)避，一種可行的方案是配備深度圖像采集器，選取深度圖像是考慮到深度圖像更利于快速獲取場景的三維信息，以便更加方便、準確地確定攝像機的觀測方位。

在基礎(chǔ)條件都具備的前提下，如何實現(xiàn)運動視覺目標(biāo)的動態(tài)遮擋規(guī)避？

首先，在攝像機當(dāng)前觀測方位下采集視覺目標(biāo)運動前后兩幅深度圖像，將第一幅深度圖像中的遮擋區(qū)域作為要規(guī)避的區(qū)域，通過構(gòu)建遮擋區(qū)域模型，獲取遮擋區(qū)域的最佳觀測方位，為攝像機的移動方向奠定基礎(chǔ)。

然后，對相鄰兩幅深度圖像提取特征，通過SURF算法對篩選后的特征點進行匹配，估計視覺目標(biāo)的運動，使得攝像機隨動于視覺目標(biāo)成為可能。

最后，利用遮擋區(qū)域最佳觀測觀測方位模型和視覺目標(biāo)運動估計方程，合理規(guī)劃攝像機的運動方式，實現(xiàn)對運動視覺目標(biāo)遮擋區(qū)域的規(guī)避。

目前，關(guān)于運動視覺目標(biāo)動態(tài)遮規(guī)避的研究相對較少。鑒于此，本文通過提出“遮擋邊界關(guān)鍵點”與“混合曲率特征”的概念，從建模速度、運動估計準確性、時效性等方面出發(fā)，設(shè)計了一種動態(tài)遮擋規(guī)避方法，并對其中存在的問題以及未來可能的發(fā)展方向進行了簡單的探討。