基于深度圖像遮擋信息的靜態(tài)視覺目標(biāo)遮擋規(guī)避方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于計(jì)算機(jī)視覺領(lǐng)域，尤其是涉及一種基于深度圖像遮擋信息的靜態(tài)視覺 目標(biāo)遮擋規(guī)避方法。
【背景技術(shù)】
[0002] 遮擋規(guī)避方法一直是自動裝配、目標(biāo)識別、三維重建、機(jī)器人導(dǎo)航等領(lǐng)域重要且困 難的研宄課題之一，它是根據(jù)當(dāng)前觀測到的遮擋信息，確定出攝像機(jī)的下一個(gè)觀測方向和 位置，使得在該方向和位置能夠最大化地獲取場景的未知信息。
[0003] 現(xiàn)有遮擋規(guī)避方法處理遮擋現(xiàn)象所基于的圖像信息主要有兩種：亮度圖像和深度 圖像。針對亮度圖像的遮擋規(guī)避方法相對較少，并且由于2. 的深度圖像比2D的亮度圖像 更有利于獲取場景的三維信息。因此，目前的遮擋規(guī)避方法大多基于深度圖像實(shí)現(xiàn)。Li Y F 和 Liu Z G 在文章 "Information entropy-based viewpoint planning for 3-D object reconstruction. IEEE Transactions on Robotics, 2005, 21 (3): 324-337"中攝像機(jī)被限定 在一個(gè)固定表面（如球體表面、圓柱體表面等），方法的通用性受到限制。Scott W R在文 章"Model-based view planning. Machine Vision and Applications, 2009,20(I):47-69" 中所提的方法需要預(yù)先獲取場景信息，不適用于未知場景。M. Krainin, B. Curless和D. Fox 在文章 "Autonomous generation of complete 3D object models using next best view manipulation planning, in:Proc. Of the IEEE International Conference on RoboticsMutomation (ICRA)，2011 :5031-5037"中所提方法需要獲取物體外部輪廓，并且 十分依賴輪廓獲取技術(shù)。Benjamin Adler和Xiao J H在文章 "Finding Next Best Views for Autonomous UAV Mapping through GPU-Accelerated Particle Simulation. IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)，2013"中所提方 法依賴于特定的設(shè)備。

【發(fā)明內(nèi)容】

[0004] 針對現(xiàn)有技術(shù)存在的已有問題，本發(fā)明的目的是提供一種基于深度圖像遮擋信息 的靜態(tài)視覺目標(biāo)遮擋規(guī)避方法，通過對遮擋區(qū)域進(jìn)行適當(dāng)?shù)慕＃苊饬藢φ趽鯀^(qū)域的預(yù) 先了解，通過對三角小剖面的操作，確定出合理的下一最佳觀測方位，從而達(dá)到遮擋規(guī)避的 目的。
[0005] 為了解決上述存在的技術(shù)問題實(shí)現(xiàn)發(fā)明目的，本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn) 的：
[0006] 一種基于深度圖像遮擋信息的靜態(tài)視覺目標(biāo)遮擋規(guī)避方法，其內(nèi)容包括以下步 驟：
[0007] (1)獲取視覺目標(biāo)的深度圖像，并獲得其遮擋邊界及攝像機(jī)內(nèi)外參數(shù)；
[0008] (2)提取深度圖像中每個(gè)遮擋邊界點(diǎn)的下鄰接邊界點(diǎn)，并確定圖像中每個(gè)像素點(diǎn) 的三維坐標(biāo)；
[0009] (3)依據(jù)遮擋邊界及下鄰接邊界信息對遮擋區(qū)域進(jìn)行外接表面建模：
[0010] 3. 1)對每段遮擋邊界，依據(jù)其遮擋邊界點(diǎn)及下鄰接邊界點(diǎn)的三維坐標(biāo)得到其對應(yīng) 的遮擋區(qū)域，并對遮擋區(qū)域進(jìn)行三角剖分獲得三角網(wǎng)格模型；
[0011] 3. 2)基于已獲得的遮擋區(qū)域的三角網(wǎng)格模型，計(jì)算每個(gè)三角小剖面的法向量和面 積；
[0012] (4)提取遮擋邊界的角點(diǎn)，并確定候選觀測方向集合：
[0013] 4. 1)對于每段遮擋邊界應(yīng)用角點(diǎn)檢測算子提取該邊界的角點(diǎn)；
[0014] 4. 2)依據(jù)所獲得的角點(diǎn)信息將遮擋區(qū)域劃分為若干子區(qū)域，并確定各子區(qū)域的候 選觀測方向；
[0015] (5)確定下一最佳觀測方位：
[0016] 5. 1)從候選觀測方向集合中任取一候選觀測方向，計(jì)算該候選觀測方向與各子 區(qū)域中每個(gè)三角小剖面法向量的夾角，依據(jù)夾角信息確定出該候選觀測方向?qū)?yīng)的可視空 間；
[0017] 5. 2)按照步驟5. 1)遍歷候選觀測方向集合中全部候選觀測方向，計(jì)算出每一個(gè) 候選觀測方向?qū)?yīng)的可視空間；
[0018] 5. 3)計(jì)算每個(gè)候選觀測方向的權(quán)值，并利用加權(quán)的候選觀測方向確定下一最佳觀 測方向Vnbv和觀測中心點(diǎn)P viOT;
[0019] 5. 4)根據(jù)求出的下一最佳觀測方向和觀測中心點(diǎn)，確定攝像機(jī)觀測位置
[0020] 本發(fā)明首先從初始觀測方位獲取視覺目標(biāo)的一幅深度圖像，并根據(jù)遮擋檢測算法 獲取深度圖像的遮擋相關(guān)信息；從三角網(wǎng)格模型中的三角小剖面入手，利用三角小剖面組 成的子區(qū)域的法向量來確定候選觀測方向集合，再利用這些候選觀測方向和各三角小剖面 法向量的夾角信息確定出每個(gè)候選觀測方向的可視空間，進(jìn)而計(jì)算出下一最佳觀測方位， 從而達(dá)到遮擋規(guī)避的目的。
[0021] 由于采用上述技術(shù)方案，本發(fā)明提供的一種基于深度圖像遮擋信息的靜態(tài)視覺目 標(biāo)遮擋規(guī)避方法，與現(xiàn)有技術(shù)相比具有這樣的有益效果：
[0022] (1)根據(jù)遮擋信息對遮擋區(qū)域建立數(shù)學(xué)模型，無需獲取視覺目標(biāo)的先驗(yàn)知識；
[0023] (2)對視覺目標(biāo)的形狀無特殊要求，適用于不同型面的視覺目標(biāo)；
[0024] (3)利用三角小剖面法向量和面積確定候選觀測方向和可視空間，基于三角網(wǎng)格 模型對遮擋規(guī)避問題進(jìn)行了的求解。
【附圖說明】
[0025] 圖1是本發(fā)明基于深度圖像遮擋信息的靜態(tài)視覺目標(biāo)遮擋規(guī)避方法的流程圖；
[0026] 圖2是下鄰接邊界點(diǎn)示意圖；
[0027] 圖3是子區(qū)域合并及法向量相加示意圖；
[0028] 圖4是攝像機(jī)觀測位置示意圖。
【具體實(shí)施方式】
[0029] 為使本發(fā)明技術(shù)方案更加清晰明了，以下結(jié)合附圖對本發(fā)明做進(jìn)一步詳細(xì)說明。
[0030] 圖1是本發(fā)明一種基于深度圖像遮擋信息的靜態(tài)視覺目標(biāo)遮擋規(guī)避方法的流程 圖，該方法包括以下步驟：
[0031] 1、獲取視覺目標(biāo)的深度圖像，并獲得其遮擋邊界及攝像機(jī)內(nèi)外參數(shù)；
[0032] 利用遮擋檢測方法對已有的深度圖像或使用深度攝像機(jī)（如Kinect)獲取的深度 圖像進(jìn)行遮擋檢測并得到遮擋相關(guān)信息，同時(shí)記錄下此時(shí)的攝像機(jī)內(nèi)外參數(shù)。
[0033] 2、提取深度圖像中每個(gè)遮擋邊界點(diǎn)的下鄰接邊界點(diǎn)，并確定圖像中每個(gè)像素點(diǎn)的 三維坐標(biāo)；其具體步驟包括：
[0034] 2.1、設(shè)遮擋邊界中的遮擋邊界點(diǎn)坐標(biāo)為（i，j)，取其八鄰域內(nèi)一點(diǎn)，坐標(biāo)為 (X，y)，他們的深度值對應(yīng)為DepthQ, j)和Depth (X，y)，依次遍歷其八鄰域內(nèi)的點(diǎn)，計(jì)算出 深度差值最大的點(diǎn)