技術(shù)特征：

1.一種基于3D局部剛性和深度圖引導(dǎo)各向異性平滑的場(chǎng)景流估計(jì)方法，其特征在于，包括以下步驟：

S1利用RGB-D傳感器同時(shí)獲取對(duì)齊的紋理圖像和深度圖像；

S2構(gòu)建場(chǎng)景流估計(jì)能量泛函，結(jié)合3D局部剛性表面假設(shè)和全局約束方法求解稠密場(chǎng)景流，場(chǎng)景流能量函數(shù)的形式為：

$E\left(\stackrel{\→}{v}\right)=E_D\left(\stackrel{\→}{v}\right)+{\mathrm{\λE}}_S\left(\stackrel{\→}{v}\right)$

由數(shù)據(jù)項(xiàng)和平滑項(xiàng)組成，為場(chǎng)景流，λ為平衡因子；

S3利用紋理圖像和深度圖像，結(jié)合3D局部剛性表面假設(shè)設(shè)計(jì)數(shù)據(jù)項(xiàng)；

S4結(jié)合深度圖驅(qū)動(dòng)的各向異性擴(kuò)散張量和全變分正則化設(shè)計(jì)平滑項(xiàng)；

S5創(chuàng)建圖像金字塔，采用由粗到精的求解策略；利用對(duì)偶方法求解場(chǎng)景流，引入場(chǎng)景流輔助變量：

$E({\stackrel{\→}{v}}^{\′},\stackrel{\→}{v})=E_D\left(\stackrel{\→}{v}\right)+{\mathrm{\λE}}_S\left({\stackrel{\→}{v}}^{\′}\right)+\frac{1}{2\mathrm{\θ}}\left|{\stackrel{\→}{v}}^{\′}-\stackrel{\→}{v}\right|$

其中為場(chǎng)景流輔助變量，θ為常量；

將能量函數(shù)分解成基于數(shù)據(jù)項(xiàng)的優(yōu)化求解和基于平滑項(xiàng)的優(yōu)化求解兩部分，兩部分進(jìn)行交替求解。

2.根據(jù)權(quán)利要求1所述的一種基于3D局部剛性和深度圖引導(dǎo)各向異性平滑的場(chǎng)景流估計(jì)方法，其特征在于，所述的步驟S1包括：

在t時(shí)刻和t+1時(shí)刻，利用RGB-D相機(jī)獲取場(chǎng)景中運(yùn)動(dòng)目標(biāo)的紋理圖像和深度圖像，并進(jìn)行視角對(duì)齊；獲取的深度圖邊緣處會(huì)有空洞和深度值缺失，利用三邊濾波對(duì)深度圖進(jìn)行修復(fù)。

3.根據(jù)權(quán)利要求1所述的一種基于3D局部剛性和深度圖引導(dǎo)各向異性平滑的場(chǎng)景流估計(jì)方法，其特征在于，步驟S3包括：

基于3D局部剛性表面的數(shù)據(jù)項(xiàng)，即設(shè)在3D場(chǎng)景局部表面滿足運(yùn)動(dòng)一致性，數(shù)據(jù)項(xiàng)包括基于魯棒懲罰約束的亮度恒常和深度恒常，亮度恒常是基于紋理圖像的約束，為在圖像中約束3D場(chǎng)景流，數(shù)據(jù)項(xiàng)表示成場(chǎng)景流的函數(shù)，將場(chǎng)景流通過(guò)透視投影變換映射到2維空間，得到其2維映射光流，通過(guò)場(chǎng)景流表示的映射光流在圖像域約束3D場(chǎng)景流；深度恒常是基于深度圖像的約束，t時(shí)刻深度圖的深度值加上場(chǎng)景流z方向分量值，與t+1時(shí)刻深度圖像的深度值相等。

4.根據(jù)權(quán)利要求3所述的一種基于3D局部剛性和深度圖引導(dǎo)各向異性平滑的場(chǎng)景流估計(jì)方法，其特征在于：

所述的場(chǎng)景流在圖像域的映射光流為用表示第1幀圖像點(diǎn)x₁(x,y)在第2幀圖像估算的位置點(diǎn)，則有：

$W(x,\stackrel{\→}{v})=x+\stackrel{\→}{u}$

根據(jù)亮度恒常得到：

$I_2\left(W\right(x,\stackrel{\→}{v}\left)\right)=I_1\left(x\right)$

其中：I₁(x)為x點(diǎn)在第1幀圖像的灰度值，I₂(W(x,v))為第2幀圖像W(x,v)點(diǎn)的灰度值；

根據(jù)深度恒常得到：

$Z_2\left(W\right(x,\stackrel{\→}{v}\left)\right)=Z_1\left(x\right)+v_z\left(x\right)$

其中：Z₁(x)為x點(diǎn)深度值，為點(diǎn)的深度值，v_z(x)為場(chǎng)景流在z方向分量；

推出殘余項(xiàng)分別為：

${\mathrm{\ρ}}_I(x,\stackrel{\→}{v})=I_2\left(W\right(x,\stackrel{\→}{v}))-I_1\left(x\right)$

${\mathrm{\ρ}}_z(x,\stackrel{\→}{v})=Z_2\left(W\right(x,\stackrel{\→}{v}\left)\right)-\left(Z_1\right(x)+D^T\stackrel{\→}{v})$

其中：D＝(0,0,1)^T；

引入的魯棒懲罰函數(shù)：

Ψ(S²)＝(S²+ε²)^α

取ε＝0.001，α＝0.45；

進(jìn)一步推出數(shù)據(jù)項(xiàng)：

$E_D\left(\stackrel{\→}{v}\right)=\underset{x}{\Σ}\mathrm{\Ψ}\left(\right|{\mathrm{\ρ}}_I\left(x,\stackrel{\→}{v}\right){|}^2)+\mathrm{\λ}\mathrm{\Ψ}\left(\right|{\mathrm{\ρ}}_z\left(x,\stackrel{\→}{v}\right){|}^2),$

數(shù)據(jù)項(xiàng)采用3D局部剛性表面，在圖像域的表示形式為將約束方程設(shè)定在x的鄰域N(x)內(nèi)成立：

$E_D\left(\stackrel{\→}{v}\right)=\underset{x}{\Σ}\underset{x^{\′}\∈N\left(x\right)}{\Σ}\mathrm{\Ψ}\left(\right|{\mathrm{\ρ}}_I\left(x^{\′},\stackrel{\→}{v}\right){|}^2)+\mathrm{\λ}\mathrm{\Ψ}\left(\right|{\mathrm{\ρ}}_z\left(x^{\′},\stackrel{\→}{v}\right){|}^2).$

5.根據(jù)權(quán)利要求1所述的一種基于3D局部剛性和深度圖引導(dǎo)各向異性平滑的場(chǎng)景流估計(jì)方法，其特征在于，步驟S4包括：

定義深度圖驅(qū)動(dòng)的各向異性擴(kuò)散張量和全變分相結(jié)合的平滑項(xiàng)為：

$E_S\left(\stackrel{\→}{v}\right)=\underset{d=1}{\overset{3}{\Σ}}|T^{1/2}\▿v_d|$

其中v_d(d＝1,2,3)對(duì)應(yīng)于場(chǎng)景流的3個(gè)分量：v_x,v_y,v_z，T^1/2為各向異性擴(kuò)散張量，定義為：

$T^{1/2}=\exp (-\mathrm{\α}|\▿Z\left(x\right){|}^{\mathrm{\β}})\stackrel{\→}{n}{\stackrel{\→}{n}}^T+{\stackrel{\→}{n}}^{\⊥}{\stackrel{\→}{n}}^{{\⊥}^T},$

$\stackrel{\→}{n}=\frac{\▿Z\left(x\right)}{|\▿Z\left(x\right)|},$

其中Z(x)為深度圖，x為深度圖的像素點(diǎn),為深度圖的梯度，為的法向量；通過(guò)引入各向異性擴(kuò)散張量，減弱梯度方向的平滑程度。

6.根據(jù)權(quán)利要求1所述的一種基于3D局部剛性和深度圖引導(dǎo)各向異性平滑的場(chǎng)景流估計(jì)方法，其特征在于，步驟S5包括：

S5.1場(chǎng)景流能量函數(shù)求解采取多分辨率細(xì)化的金字塔求解策略，并把該層金字塔求解的場(chǎng)景流值作為下一層的求解初值；

S5.2對(duì)偶方法求解場(chǎng)景流是引入輔助變量將場(chǎng)景流能量泛函分解成兩個(gè)相互聯(lián)系的能量泛函：基于數(shù)據(jù)項(xiàng)的能量泛函，類似于最小二乘的求解問(wèn)題，用高斯牛頓算法求解；基于平滑項(xiàng)的能量泛函，用基于Legendre-Fenchel變換的ROF模型的求解方法進(jìn)行求解，并將這兩個(gè)能量泛函交替優(yōu)化求解，得到最終的估計(jì)的場(chǎng)景流。

7.根據(jù)權(quán)利要求6所述的一種基于3D局部剛性和深度圖引導(dǎo)各向異性平滑的場(chǎng)景流估計(jì)方法，其特征在于，步驟S5.2包括：

最終的場(chǎng)景流能量泛函為：

$E\left(\stackrel{\→}{v}\right)=\underset{x}{\Σ}\left(\right\{\underset{x^{\′}\∈N\left(x\right)}{\Σ}\mathrm{\Ψ}\left(\right|{\mathrm{\ρ}}_I(x^{\′},\stackrel{\→}{v}){|}^2)+\mathrm{\λ}\mathrm{\Ψ}(\left|{\mathrm{\ρ}}_z(x^{\′},\stackrel{\→}{v}){|}^2\right)\}+\underset{d=1}{\overset{3}{\Σ}}|T^{1/2}\▿v_d\left|\right)$

引入場(chǎng)景流輔助變量則上式變?yōu)?

$E\left({\stackrel{\→}{v}}^{\′},\stackrel{\→}{v}\right)=\underset{x}{\Σ}\left(\underset{x^{\′}\∈N\left(x\right)}{\Σ}\left(\mathrm{\Ψ}\left(|{\mathrm{\ρ}}_I\left(x^{\′},\stackrel{\→}{v}\right){|}^2\right)+\mathrm{\λ}\mathrm{\Ψ}\left(|{\mathrm{\ρ}}_z\left(x^{\′},\stackrel{\→}{v}\right){|}^2\right)\right)+\frac{1}{2\mathrm{\θ}}|{\stackrel{\→}{v}}^{\′}-\stackrel{\→}{v}{|}^2+\underset{d=1}{\overset{3}{\Σ}}|T^{1/2}\▿v_d|\right)$

基于數(shù)據(jù)項(xiàng)的優(yōu)化求解：

通過(guò)固定不變求解

$\underset{x}{\Σ}\left(\underset{x^{\′}\∈N\left(x\right)}{\Σ}\left(\mathrm{\Ψ}\left(|{\mathrm{\ρ}}_I\left(x^{\′},\stackrel{\→}{v}\right){|}^2\right)+\mathrm{\λ}\mathrm{\Ψ}\left(|{\mathrm{\ρ}}_z\left(x^{\′},\stackrel{\→}{v}\right){|}^2\right)\right)+\frac{1}{2\mathrm{\θ}}|{\stackrel{\→}{v}}^{\′}-\stackrel{\→}{v}{|}^2\right)$

數(shù)據(jù)項(xiàng)最優(yōu)化求解問(wèn)題，類似于最小二乘的求解問(wèn)題，利用高斯牛頓迭代求解，設(shè)其中即設(shè)初始值已知，求

則上式變?yōu)?

$\underset{x}{\Σ}\left(\underset{x^{\′}\∈N\left(x\right)}{\Σ}\left(\mathrm{\Ψ}\left(|{\mathrm{\ρ}}_I\left(x^{\′},\stackrel{\→}{v}+\mathrm{\Δ}\stackrel{\→}{v}\right){|}^2\right)+\mathrm{\λ}\mathrm{\Ψ}\left(|{\mathrm{\ρ}}_z\left(x^{\′},\stackrel{\→}{v}+\mathrm{\Δ}\stackrel{\→}{v}\right){|}^2\right)\right)+\frac{1}{2\mathrm{\θ}}|{\stackrel{\→}{v}}^{\′}-\left(\stackrel{\→}{v}+\mathrm{\Δ}\stackrel{\→}{v}\right){|}^2\right)$

進(jìn)行泰勒展開：

$\underset{x}{\Σ}\left(\underset{x^{\′}\∈N\left(x\right)}{\Σ}\left(\mathrm{\Ψ}\left(|{\mathrm{\ρ}}_I\left(x^{\′},\stackrel{\→}{v}\right)+\▿I^T\frac{\∂W}{\∂\stackrel{\→}{v}}\mathrm{\Δ}\stackrel{\→}{v}{|}^2\right)+\mathrm{\λ}\mathrm{\Ψ}\left(|{\mathrm{\ρ}}_z\left(x^{\′},\stackrel{\→}{v}\right)+\▿D^T\frac{\∂W}{\∂\stackrel{\→}{v}}\mathrm{\Δ}\stackrel{\→}{v}{|}^2\right)\right)+\frac{1}{2\mathrm{\θ}}|{\stackrel{\→}{v}}^{\′}-\left(\stackrel{\→}{v}+\mathrm{\Δ}\stackrel{\→}{v}\right){|}^2\right)$

求的導(dǎo)數(shù)，并令導(dǎo)數(shù)等于0，最后求得的表達(dá)式，并用迭代策略求解，

基于平滑項(xiàng)的優(yōu)化求解符合ROF去噪模型，利用基于Legendre-Fenchel變換的ROF模型求解方法進(jìn)行求解。