Восстановление модели движения камеры по видеопотоку

Введение 3
Постановка задачи 5
Обзор литературы 6
Глава 1. Поиск и отслеживание плоскостей 7
1.1. Особые точки изображений 7
1.2. Построение матрицах томографии 8
1.3. Поиск плоскостей 9
Глава 2. Изменение положения камеры 12
2.1. Связь томографии со сдвигом и поворотом 12
2.2. Декомпозиция матрицы гомографии 13
2.3. Отсеивание лишних решений 16
2.4. Физическое расстояние 18
Глава 3. Построение траектории 19
3.1. Выбор кадров 19
3.2. Принцип ведущей плоскости 20
3.4. Общая структура алгоритма 21
Глава 4. Программная реализация 23
4.1. Выбор средств и тестирование 23
4.2. Анализ эффективности алгоритма 23
4.3. Способы улучшения алгоритма 24
Заключение 25
Список литературы 26
Приложение 27

Купить

Одной из важнейших задач теории управления является построение модели объекта управления. От этой модели зависит структура системы управления, ее параметры, выбор закона управления. Модели играет важную роль не только при создании системы управления, но и при исследовании закономерностей функционирования естественных и искусственных объектов и процессов.
Одним из самых эффективных методов построения модели объекта является идентификация. Идентификация, как построение математической модели на основе наблюдений, берет свое начало в работах Карла Фридриха Гаусса, который разработал метод наименьших квадратов, решая задачу предсказания траектории движения планет. Как раздел теории управления, идентификация появилась в начале 60-х годов XX века. Этот период характеризовался интенсивным развитием кибернетики и широким применением ее результатов при создании реальных систем управления. Новые подходы требовали повышенной точности описания объектов, остро встал вопрос о построении модели в случаях, когда априорная информация об объекте отсутствует или очень скудна. Отсутствие адекватных моделей сильно тормозило широкое использование новых теоретических результатов и новых технических средств. Идентификация помогла в значительной степени ликвидировать этот пробел.
В настоящее время эта область теории управления хорошо изучена и находит широкое применение на практике. Существует множество подходов к идентификации модели объекта. Часть из них существенным образом использует априорную информацию, другие нуждаются в значительно меньшем ее объеме, но в любом случае необходимо располагать набором данных, полученных в ходе нормальной работы изучаемого объекта либо при целенаправленном эксперименте.
Если объект управление можно отождествить с закрепленной на нем камерой, т. е. нас интересует только его расположение и ориентация в пространстве, то в роли источника наблюдений для задачи идентификации может выступать ее видеопоток. Поэтому для применения существующих методов идентификации модели движения необходимо уметь извлекать из видеопотока данные об изменении положения камеры в пространстве.
Задачу анализа видеопотока относят, как правило, к проблематике компьютерного зрения - междисциплинарной области, в рамках которой разрабатываются методы анализа цифровых изображений и видео. Одним из примеров применения теории компьютерного зрения является автоматизация решения задач, которые может решать зрительная система человека. В настоящее время методы компьютерного зрения активно используются в таких областях, как робототехника, топография, медицина, при создании систем видеонаблюдения и систем дополненной реальности.
Очевидно, что применимость различных подходов при анализе видеопотока сильно коррелирует с содержанием снимаемой сцены. В данном случае поворот и перемещение камеры между двумя кадрами можно вы-числить с помощью декомпозиции матрицы гомографии - проективного отображения между кадрами, построенного для общей неподвижной плос-кости.
Купить