动态场景

摘要： 为了降低动态环境对同时定位与建图(simultaneous localization and mapping,SLAM)位姿估计的干扰,提出一种将目标检测网络与ORB-SLAM2系统结合的方法.在帧间估计阶段,使用目标检测网络获取当前帧的语义信息,得到潜在可移动物体边界框,结合深度图像并根据最大类间方差算法分割出边界框内前景,把落在前景中的动态特征点剔除,利用剩下的特征点估计位姿.在回环检测阶段,利用边界框构建图像语义特征,并与历史帧比较,查询相似关键帧,与视觉词袋法相比,该方法查询速度快,内存占用少.在TUM Techni数据集上进行测试,结果表明该方法可以有效提高ORB-SLAM2在高动态场景中的性能.

摘要： 传统动态场景去模糊的方法都基于相邻帧之间的位移比较小,适用于处理平滑变化的模糊核,但难以处理包含多个运动物体的动态场景中经常出现的模糊核突变情况,而且对噪声很敏感。对于监控场景来说,摄像头的运动、环境光照等因素的变化相对可控,而物体的剧烈运动是引起模糊核突变的主要原因。当模糊图像的部分模糊核发生突变,在向更低金字塔层传播时会产生重构误差。

摘要： 使用虚拟现实技术探讨三维动静态空间下返回抑制是否敏感于深度线索及返回抑制效应是否存在空间扩散。采用线索-靶子范式,分别设置三维静态和动态场景。结果发现:三维静态场景,不同深度及不同侧位置均发生返回抑制且产生效应大小有差异;三维动态场景,不同线索条件反应时无显著差异。结果表明,三维静态场景下,返回抑制敏感于深度线索,其效应在空间中存在扩散;客体运动破坏了返回抑制的产生及其效应的空间扩散。

摘要： 针对动态场景下视觉SLAM(simultaneous localization and mapping)算法易受运动特征点影响,从而导致位姿估计准确度低、鲁棒性差的问题,提出了一种基于动态区域剔除的RGB-D视觉SLAM算法。首先借助语义信息,识别出属于移动对象的特征点,并借助相机的深度信息利用多视图几何检测特征点在此时是否保持静止;然后使用从静态对象提取的特征点和从可移动对象导出的静态特征点来微调相机姿态估计,以此实现系统在动态场景中准确而鲁棒的运行;最后利用TUM数据集中的动态室内场景进行了实验验证。实验表明,在室内动态环境中,所提算法能够有效提高相机的位姿估计精度,实现动态环境中的地图更新,在提升系统鲁棒性的同时也提高了地图构建的准确性。

摘要： 在现实场景中,传统视觉同步定位与建图(SLAM)算法存在静态环境假设的限制。由于运动物体的影响,传统的视觉里程计存在大量误匹配,从而影响整个SLAM算法的运行精度,导致系统无法在现实场景中稳定运行。基于深度学习和多视图几何,提出一种面向室内动态环境的视觉SLAM算法。采用目标检测网络对动态物体进行预检测确定潜在运动对象,根据预检测结果,利用多视图几何完成运动物体重检测,确认实际产生运动的物体并将场景中的对象划分为动态和静态两种状态。基于跟踪线程和局部建图线程,提出一种语义数据关联方法和关键帧选取策略,以减少运动物体对算法精度的影响,提高系统的稳定性。在TUM公开数据集上的实验结果表明,在动态场景下,相较于ORB-SLAM2算法,该算法平均均方根误差降低了40%,与同样具有运动剔除的DynaSLAM算法相比,算法实时性提高10倍以上,且运行速度与精度均明显提高。

摘要： 实际场景中运动物体的特征点加入到相机位姿计算中,以及静态环境特征点过度稀疏都会导致移动机器人传统视觉同步定位与地图构建(simultaneous localization and mapping,SLAM)算法在位姿估计时精度低、鲁棒性差。设计了基于分支空洞卷积的双边语义分割算法,将环境区分为潜在运动区域和静态区域;结合几何约束进行静态特征点的二次判断及对没有先验动态标记而具有移动性的特征点的判断,并在事先均匀提取的全部特征点中进行移除,只应用静态特征点求解相机位姿和构建静态环境地图。在TUM公共数据集上进行实验,验证了提出算法在动态环境中SLAM的定位精度明显优于现有其他方法。在存在运动物体的真实环境下进行建图实验,与ORB-SLAM2算法进行对比,本文算法在动态场景中构建的地图更清晰。

摘要： 传统的RGB-D视觉同时定位与制图(SLAM)算法在动态场景中识别动态特征时会产生数据错误关联,导致视觉SLAM估计姿态精度退化。提出一种适用于动态场景的RGB-D SLAM算法,利用全新的跨平台神经网络深度学习框架检测场景中的动态语义特征,并分割提取对应的动态语义特征区域。结合深度图像的K均值聚类算法和动态语义特征区域对点特征深度值进行聚类,根据聚类结果剔除动态特征点,同时通过剩余特征点计算RGB-D相机的位姿。实验结果表明,相比ORB-SLAM2、OFD-SLAM、MR-SLAM等算法,该算法能够减小动态场景下的跟踪误差,提高相机位姿估计的精度和鲁棒性,其在TUM动态数据集上相机绝对轨迹的均方根误差约为0.019 m。

摘要： 针对基于静态场景假设的传统的同时定位与地图构建(simultaneous localization and mapping,SLAM)在动态场景中鲁棒性差、位姿估计准确率低的问题,提出了一种基于深度学习的语义视觉SLAM方法.该方法将语义分割技术与运动一致性检测算法相结合,首先用Mask R-CNN网络对图像进行语义分割,建立动态对象的先验语义信息,然后通过运动一致性检测算法进一步剔除属于动态物体的特征点,最后用静态特征点进行特征匹配和位姿估计.基于慕尼黑工业大学(Technical University of Munich,TUM)公开数据集对系统进行实验,结果表明,该系统在动态环境中较传统的ORB-SLAM2系统和DS-SLAM系统明显降低了绝对轨迹误差和相对位姿误差,提高了SLAM系统位姿估计的准确性和鲁棒性.

摘要： 在地下车库中,人流车辆攒动,动态特征点陡增,导致传统视觉建图会出现严重漂移。为了减少动态场景中出现的动态特征点,本文搭建了一个完整的SLAM框架,提出了一种基于YOLO v3和ORB-SLAM2相结合的动态场景视觉SLAM算法。首先,在传统的视觉前端加入一个语义分割模块用来识别并剔除动态特征点,然后用有效的特征点进行帧间匹配、位姿估计,最后,将采集的地下车库数据集作为试验样本,分别使用LOAM、ORB-SLAM2和本文改进的算法进行地图构建。实验结果表明,改进后的算法能够大幅度提高SLAM系统在动态环境下精度与鲁棒性,并且保证了实时性。

摘要： 为了解决有效点较少的动态复杂场景下视觉SLAM准确定位问题,提出了一种基于自适应RANSAC动态特征点剔除的单目视觉SLAM算法.通过ARANSAC算法估计图像间的透视变换矩阵,并扭曲上一帧获得一个估计图像,使上一帧中的点转换到当前帧的坐标系下.通过计算特征点在估计图像和当前帧的光流值,区分并剔除ORB-SLAM2中的动态特征点,从而消除动态物体对SLAM定位性能的影响.利用TUM数据集的动态序列对本文算法进行仿真,并与ORB-SLAM2算法进行对比.结果表明,视觉SLAM算法绝对轨迹误差的标准偏差降低84.00%~96.11%,平移和旋转漂移的标准偏差最佳效果分别降低94.00%和96.44%,明显减少了视觉SLAM算法位姿估计的误差.本文算法能够在有效点较少的动态场景下,消除动态物体对视觉SLAM定位性能的影响,提高定位精度.

摘要： 移动机器人在动态场景下工作时,需要对场景进行识别,检测出所在场景中的运动目标.现有的动态目标检测算法如背景减法、帧间差分法,在动态背景下难以取得较好的效果,且现有的一些像素级的运动检测方法,都无法提取出完整的运动目标.本文提出了一种基于稠密场景流的运动目标检测方法,该方法首先利用K-Means聚类算法,对RGB-D图像中的深度图进行聚类并分割图像,然后计算图像的每个分割块的场景流,最后根据聚类结果和场景流估计结果,检测出运动场不为0的区域对应的该类即是动态物体,从而可检测并提取出动态场景下的运动目标.实验结果表明,本文提出的动态物体检测算法可以在背景运动时有效地检测出运动目标,具备较好的鲁棒性,且能够实现运动目标的完整提取.

摘要： 研究交通安全调度优化问题,提高交通安全的高级辅助驾驶系统中的行人保护技术,是近年来热门的研究方向.其中,最严峻的挑战是建立可靠的车载行人检测系统.与普通静态图像的行人检测相比,复杂动态场景下车载视频中的行人检测面临实时性要求高、光照条件复杂等难点.针对上述问题,提出结合HOG行人检测方法和道路平面提取技术,将目标搜索范围限定在道路平面区域.实验结果表明,改进方法在降低虚警数量和提高检测速度的同时,显著提高了对小目标行人的检测效率.

摘要： 基于图像深度信息融合技术,探索了动态场景深度恢复的优化求解算法.首先,引入深度投影图,以有效利用动态深度信息;然后,综合深度投影图、联合双边滤波结果以及平滑约束,提出一个统一的优化框架;最后,通过优化求解得到了更好的动态场景深度恢复效果.与最新算法的比较表明本文结果具有更好的空间一致性和更小的误差.

摘要： 产品工艺信息具有多样性和动态性的特点,一个便于集成、并同时考虑用户多视角的工艺信息模型在数字化工艺设计过程中具有重要意义.针对工艺信息自身的特点,本文在工艺流模型的工艺信息表达方式的基础上,利用多色集理论层次模型,以工艺活动为单元对工艺信息进行具有过程特性的组织,对工艺信息进行完整的且可表达复杂约束的描述.并以此为基础,提出动态场景的工艺信息多视图推演方法,能够提供工艺流模型中的各属性信息的多视图视角,对完整工艺信息进行灵活的、满足不同约束和层次的映射和提取,以适应不同系统对工艺信息的查看和集成应用的要求.

摘要： 提出了一种基于Bayesian 分类的光流计算法，实现了在动态场景下更准确地对运动目标进行检测。新方法为了在滤去噪声的同时还保留边界信息，采用了Bilateral 滤波进行图像预处理，结合光流全局计算和局部计算的特点，首先利用 Horn 法计算初始光流矢量，再利用Bayesian 法对局部邻域进行分类得到运动一致性邻域，进而在运动一致性邻域上利用 Lucas 法对光流进行精确计算。在运动目标检测阶段，利用了前景目标与背景目标光流矢量大小的差异，使用OTSU 法进行了运动目标的分割与检测。实验结果数据分析表明，本文的光流检测运动目标策略较传统方法有着更好的精确性和有效性。

摘要： 为了提高深空中红外探测器探测波段选择的效率以及反映目标真实的在轨状态,文中研究了空间目标动态红外图像的生成技术以及双波段红外图像的仿真.结合从STK获得的空间目标的运行轨迹和姿态数据以及从3DS MAX获得的目标模型数据提出了一种进行空间目标红外成像仿真的方法.首先分析了深空背景中目标的红外辐射特性以及目标在中波和长波两个波段中的辐射特性,为探测器波段参数的选择提供了依据;然后介绍了用节点网络法求解热平衡方程的方法并且简化了求解过程,提高了效率;最后阐述了空间目标红外成像系统的理论模型,实现了空间目标的红外可视化建模与仿真.并仿真图像对新型系统的研制和红外图像处理算法的研究有重要的意义.

摘要： 当前运动目标检测存在几个重要问题比如动态场景的变化、光照突变以及天气变化等.目前已有的算法使用非常广泛的是GMM(Gaussian Mixture Model,混合高斯模型).本文试图利用GLCM(Gray-level co-occurrence matrix,灰度共生矩阵)及基于GLCM提取的纹理特征来解决这些问题.GLCM在局部区域的往复运动具有相对不变性,因此本文利用这个特点对基于GMM检测的前景进行再判断以解决动态场景的问题,将检测窗口中当前帧和前两帧的GLCM特征值进行比较,如果其GLCM特征值的差值小于给定的阈值,那么可以判断当前区域为背景,反之则为前景.图像的纹理特征具有抗光照突变性,经过分析其中的4个特征值并阈值化最终得到更加纯净的前景和更加准确的检测结果.本文通过CPU/GPU(Central Process Unit/Graphic Processing Unit)协同并行计算大大加速了运动目标检测过程.

摘要： 红外半实物仿真是机载光电系统研制最经济有效的手段之一。详细介绍了红外半实物仿真试验环境,并面向先进机载光电系统提出了分布式红外目标动态仿真系统方案,论述了实时仿真控制网络子系统和红外动态场景投影仪等的实现方法,最后指出内外场相结合的协同仿真模式将成为面向先进机载光电系统的半实物仿真的主要发展趋势。

摘要： 近年来，光电系统的半实物仿真技术正逐渐成为世界各国发展和研究重点技术之一。介绍了光电仿真系统的发展情况，论述了基于光电系统的半实物仿真环境的组成和实现方法，最后给出了仿真效果和评价。

摘要： 一种接收装置、场景信息提供系统、非易失性存储介质、场景信息的提供方法、场景显示控制装置及场景信息提供装置，作为节目的收看者的用户能够从被录像的多个节目中，简单地收看介绍期望的商品（X1,X2,X3）等的场景。接收机（2）显示被录像的节目中所包含的、表示商品（X1,X2,X3）及服务中的至少一者的场景的场景信息，根据播放指示，播放从场景信息选择出的场景。

摘要： 本发明公开了一种基于序列帧和场景组合的显示屏机械动态控制方法，涉及显示屏技术领域，包括以下步骤：步骤S1：准备，轨道准备；显示屏准备：驱动源准备；控制器准备；步骤S2：调试，空载试运行；安装调整显示屏负载运行；步骤S3：运行，运行多媒体软件与机械动态矩阵软件联动；步骤S4：控制，场景编辑；序列帧编辑；初始位置校准；显示屏移动。本发明具备了采用序列帧和场景组合的方式，并运行多媒体软件与机械动态矩阵软件的联动，使得多个显示屏可进行同时运动，并且可以自定义的场景切换，具备了实用性更佳的效果。

摘要： 本发明涉及虚拟场景开发技术领域，提供一种虚拟人物与现实场景动态实时透视融合的方法包括以下的步骤：S1：真实场景信息采集；S2：对步骤S1采集的真实场景信息进行处理，并以此为依据在3D引擎中构建虚拟场景；S3：在步骤S2构建的虚拟场景中构建虚拟人物与虚拟相机；S4：导入使用者操作器材的信息流，根据使用者操作器材的信息流来控制3D引擎中的虚拟人物和虚拟相机的位置，根据虚拟人物的位置控制现实场景画面序列帧播放，虚拟相机同时渲染虚拟人物和现实场景画面实现实时融合。本发明将虚拟人物与现实场景动态实时透视融合，使场景模型制作的成本大大降低，一些中小企业也可以利用此等方式开发虚拟现实的骑行游戏，基于此方法进行扩展和更新，将极大提升虚拟现实行业的使用体验并降低制作成本。

摘要： 本发明提供一种基于动态场景的实时光线追踪加速结构的方法，涉及计算机图形学技术领域。该方法在图像渲染过程中首先对场景中的物体进行复杂度分类，再利用AABB包围盒以及内包围盒分别对不同复杂度的物体建立不同的包围盒，利用自顶向下和自底向上这两种构建方式相结合的方法构建BVH树，渲染出图。本发明提供的方法能减少光线求交次数，提高光线追踪算法效率，加快场景的渲染速度，非常适用于动态场景的实时渲染等方面，可将该方法应用于图像渲染优化等研究领域。

摘要： 本发明涉及一种同时对于动态场景和静态场景的多曝光融合图像的质量评价方法，其特征在于，首先，基于多曝光融合图像与源曝光级序列图像的结构差异性使用超像素分割法将融合图像划分为信息量较大和信息量较小区域；其次，基于拉普拉斯金字塔分别计算信息量较大和信息量较小区域的质量图；再次，采用基于信息论的自适应性加权策略计算信息量较大和信息量较小区域局部质量分数，然后平均所得的变动较大和变动较小区域的局部质量分数得到融合图像的质量分数。实验结果表明，该方法对动态场景和静态场景的多曝光融合图像的视觉质量评价都展现出良好的预测性能。

摘要： 本发明实施例公开了一种富媒体场景的生成方法、系统和动态场景生成装置，该方法包括：接收指示消息，所述指示消息根据实时业务的交互信息生成；根据所述指示消息，生成富媒体场景文件或更新文件；向用户设备提供所述富媒体场景文件或所述更新文件。本发明实施例实现了在提供富媒体业务的过程中实时动态地生成富媒体场景文件或更新文件，实现了对富媒体场景实时动态地进行更新，从而实现了在基于IMS网络的IPTV架构下提供富媒体业务，增强了基于IMS网络的IPTV的交互能力。

摘要： 本发明公开了一种动态机器人在动态场景中的定位和地图构建方法，包括：先将采集到的图像流进行预处理得到第一图像流，所述预处理具体为去除所述图像流中的运动特征点；然后基于所述机器人获取所述第一图像流中每一帧图像的观测量；最后基于所述观测量将所述第一图像流进行位姿融合，并输出位姿图，其中预处理具体为，先提取出所述图像流中每一帧图像的特征点，同时还基于先验动态物体确定出所述图像流中先验特征点；然后将所述图像流中每一帧图像的特征点中对应的先验特征点删除，提高动态机器人在动态场景中的定位和地图构建的准确性，同时减少其计算量，提高其处理速度。

摘要： 本发明提供一种在动态场景下的视觉SLAM动态特征点剔除方法及系统，同时使用语义分割和目标检测实现对动态物体的识别，利用静态点恢复减少损失，最后实现动态点的剔除；实现过程包括利用目标检测处理出RGB图片中的动态部分；使用自适应机制，选择是否使用语义分割来做更精细化的识别；如果只使用目标检测处理RGB图片中的动态部分，则使用目标检测分支进一步处理，该分支使用运动一致性检测和静态点恢复两种策略来剔除动态特征点；如果使用了目标检测和语义分割处理RGB图片中的动态部分，则使用语义分割分支进一步处理，该分支使用运动一致性检测来剔除动态特征点。本发明在没有效率损失的情况下，可在高动态场景下提高位姿估计精度和vSLAM系统运行鲁棒性。

摘要： 本发明适用于场景构建技术领域，提供了一种基于多视点视频和动态神经辐射场生成三维动态场景方法，包括以下步骤：通过多台相机捕获多视图视频；获得相机的内在和外在参数；通过15个视图来训练动态神经辐射场，其中14个视图观察多人移动，1个视图对所有数据集进行定性和定量评估；使用时变潜代码对动态场景进行建模；根据输入视频的时间变化对具有不同重要性的光线进行跨时间采样；使用MLP架构和分层策略训练动态神经辐射场；生成表示真实世界的三维动态场景。本发明能够以紧凑且富有表现力的形式来表示动态场景的真实世界，使用一组潜代码来表示场景动态，通过结合光线重要性采样的分层训练方案，显著提高生成图像的训练速度和感知质量。

摘要： 本发明公开了一种基于多任务学习框架的无偏差动态场景图生成方法，涉及图像处理技术领域，解决最近无偏差场景图生成方法不能同时照顾头部谓词和尾部谓词学习的技术问题，包括以下步骤：将视频输入到目标检测器中，得到视频中图像中实例的视觉特征、语义特征以及空间特征；将图像中实例的特征送入到全局特征学习分支和局部特征学习分支中，通过链接局部特征和全局特征将其场景图生成模型中进行训练；采用多任务学习模型，通过辅助任务动作识别任务的学习对主任务场景图生成任务中的不合理预测进行修正，同时计算所预测的场景图的语义和标注的场景图的语义之间的差距，并用均方差损失和focal损失函数优化。