一、基于运动平滑性的动态图象序列的特征点对应（论文文献综述）
李佳骏[1]（2021）在《基于局部特征的图像与点云配准研究》文中进行了进一步梳理配准技术指将不同时间、不同传感器在不同条件下获取的多幅图像与点云数据进行匹配对齐的过程,是计算机视觉中十分基础且重要的问题,在三维重建、视觉同步与定位、目标识别与跟踪、检索等计算机视觉任务均有着广泛的应用。基于特征的配准方法主要根据对特征关键点邻域进行特征描述以及对关键点特征进行匹配。特征描述旨在生成一个高维向量表征关键点的邻域信息;特征匹配针对待配准的图像或点云数据的特征点集确定特征点对应关系。然而,在实际应用中常常由于运动物体、重复结构、噪声、遮挡等干扰,使得特征描述和特征匹配鲁棒性较差,配准精度较低。为了解决上述问题,本文对图像与点云配准算法进行了研究,主要包括以下两方面的工作:（1）为了将一系列局部图像拼接,得到更大视野的场景,需要求得局部图像之间的旋转平移矩阵。针对随机采样一致性算法中的精度及效率受特征匹配集合中误匹配影响的问题,本文基于空间一致性假设,提出一种误匹配剔除算法。首先,本文采用SURF算法和最近邻比值法计算图像之间的特征匹配;其次,对初步生成的匹配点集计算相对运动斜率和相对运动距离,采用基于密度聚类的DBSCAN算法对特征匹配点集进行聚类,剔除聚类结果中的异常值;最后计算空间变换矩阵,将两图像变换到同一平面进行融合。利用实际数据证明了本文所提算法可以有效对特征匹配点集进行提纯,提高配准精度,并将其应用至无人机航拍图像序列进一步验证了本文提出算法的有效性。（2）为了更好地重建三维点云场景,需要对三维彩色点云配准进行研究。点云配准本质也是求解待配准点云之间的空间旋转平移矩阵。针对目前传统点云描述算法中较少利用点云颜色信息的问题,本文提出一种针对彩色点云数据的局部描述子,应用于点云配准。首先将待配准彩色点云数据投影为图像;其次,采用SURF算法分别计算关键点;然后,使用卷积神经网络和方向梯度直方图计算关键点的局部特征并生成匹配点对;最后,根据像素点与点云数据间的对应关系,进而计算两幅点云之间的旋转平移矩阵实现点云粗配准。本文以实际的三维彩色点云数据,与多种配准算法进行对比,验证了本文所提方法的有效性。本文提出的基于密度聚类的误匹配剔除算法可应用至无人机序列图像拼接,遥感图像多模态数据融合等任务,基于局部描述子的三维彩色点云配准算法可以很好的对大场景的三维彩色点云数据进行三维重建。本文实验证明了所提算法的理论和工程应用价值。
李俊杰[2]（2020）在《室内机器人单目视觉里程计算法研究》文中指出随着机器人领域的不断发展,机器人的导航定位问题成为了当下的研究热点。本文针对室内场景下的移动机器人平台,设计实现了基于单目相机的视觉里程计算法,并进行了实验系统的搭建。主要研究内容如下:（1）研究了针孔相机模型与相机畸变模型,并推导了相关的模型参数。针对传统相机标定方法精度不高的问题,在张氏标定法的基础上,研究了一种基于改进Harris角点检测算法的相机标定方法,进一步提高提取的角点坐标精度,为后续的标定提供了更加准确的数据。实验结果表明,改进的相机标定方法优于传统的相机标定方法。（2）研究了一种改进的ORB特征提取方法,充分考虑了图像自身因素设置提取阈值,并使用四叉树算法使提取的特征点均匀的分布在图像中,有利于后续的特征匹配,实验结果表明,改进的算法优于传统算法;研究了一种基于运动平滑性和RANSAC算法优化的特征匹配算法,引入运动平滑约束进行匹配,并使用RANSAC算法进行优化,实验结果表明,优化的匹配算法在保证匹配质量的同时,也提高了匹配的速度。（3）研究了基于单目视觉的运动估计算法。首先介绍了基本的位姿估计算法,之后针对单目视觉的特殊性,研究了基于环境选择的单目初始化方法和改进的关键帧选取策略;为了进一步提高算法的效率,研究了基于参考帧和匀速运动模型结合的运动跟踪算法;考虑到视觉里程计的误差累积问题,使用了基于图优化的后端全局优化算法,用于解决长时间轨迹的漂移问题。（4）搭建了室内环境下的单目视觉里程计实验系统,并进行了公开数据集实验和实际环境实验。在数据集仿真实验中,选择了室内办公室场景数据集以及仓库场景数据集进行了实验,通过与真值进行对比,验证了该系统的可行性;在实际环境实验中,进行了直线运动实验、直角转弯实验以及闭环实验,实验证明了该系统能够较好的完成室内场景下的导航功能。
兰翔燕[3]（2020）在《航拍图像全景拼接技术研究》文中认为无人机全景航拍图像满足了人们对宽视场及高分辨率图像的追求,在灾后救援、矿产勘探、现场取证等多个领域得到广泛应用。为了保证图像的高分辨率,无人机需要在受限的高度飞行,这时单幅图像的视野过小,无法提供足够的有用信息。若采用广角摄像头拍摄,采集到的图像会存在较大的失真,不适用于对图像真实感要求较高的技术领域。因此,当使用普通相机进行航空拍摄时,需要在大视野范围和高清晰度之间做出取舍。为了打破这一技术壁垒,对航拍图像全景拼接技术的研究显得尤为重要。但是,航拍图像间普遍存在光照、旋转和尺度等差异,要求拼接算法能够保持一定的匹配速度,并且具有较好的配准性能和图像融合效果。因此,本文针对提升图像配准速度和准确率、改善图像融合效果的问题进行了整体的研究,主要工作和创新点如下:（1）航拍图像预处理。针对航拍图像在拍摄及传输过程中产生的噪声,使用四种滤波算法进行实验,实验结果表明双边滤波算法处理效果最好。针对航拍图像在拍摄过程中受空气质量等因素的影响而出现模糊的情况,在预处理阶段采用直方图增强的方法来增加图像的细节信息。针对航拍图像受成像系统非线性影响而出现几何畸变的问题,采用张正友标定法对相机进行标定。（2）特征提取和描述的研究。为了能实时的传回无人机全景航拍图像,选取的特征提取算法应保证实时性。本文针对SIFT、SURF、ORB以及BRISK四种算法分别展开了四组实验,最终选择实时性较好的ORB算法和BRISK算法进行进一步的研究。（3）提出改进的图像配准方法。本文针对RANSAC算法迭代次数较多的问题,采用折半划分、提前终止错误拟合过程和均匀分区提取的方法进行算法加速,并结合图像分块的思想和双边匹配策略,提出了基于GMS-RANSAC的改进图像配准框架。通过将本框架与ORB+RANSAC、BRISK+RANSAC、NNDR+LSH、GMS以及Improved GMS算法在多组航拍图像上进行对比实验,验证了所提出的框架在匹配速度、匹配精度和匹配正确率方面的优势。（4）提出改进的图像融合算法,用于序列航拍图像的拼接。针对三角函数融合算法只能单方向消除拼接缝的问题,本文结合自适应加权归一化平滑函数的思想,提出了二维三角函数融合算法。为验证本文改进算法的融合效果,使用渐入渐出融合法、三角函数融合法、直接平均融合法和本文改进算法四种方法分别对多组航拍图像进行对比实验。实验结果表明,本文改进的算法具有显着的融合优势,当图像曝光差异较大时本文算法的融合优势更加明显。
张宇[4]（2020）在《基于AKAZE特征的图像配准算法研究》文中研究说明图像配准是图像处理的一个重要分支,被广泛的应用于各种领域,例如计算机视觉、自动驾驶、三维重建、图像拼接、增强现实等。随着计算机视觉与图像处理技术的不断成熟与发展,对图像配准的速度与精度的要求也不断变高。图像配准结果的好坏对后续图像处理有着决定性因素。因此,图像配准仍然是目前重点研究的方向之一。在获取图像时因为视角的不同会使图像具有一定的仿射关系,当图像发生大幅度旋转或者仿射变换时,AKAZE（A-KAZE）算法不能够获得正确匹配点对。针对这一问题本文提出了一种具有仿射不变性的AKAZE图像配准算法,该算法首先对输入图像在不同的经度和纬度方向采样模拟不同视角下的图像仿射变换,然后运用AKAZE算法对仿射变换图像提取特征点,利用MLDB（Modified-Local Difference Binary）描述符对特征点进行描述。针对传统GMS（Grid-based Motion Statistics for Fast）算法运算量较大的问题,本文采用一种基于五宫格特征分数的运动统计算法对特征点进行初步筛选,之后利用随机一致性算法删除误匹配点。实验表明,在图像发生仿射变换时该算法可以有效得到正确匹配点,在保证匹配精度的同时完成图像配准。传统的AKAZE算法主要以图像的灰度信息作为输入量,没有考虑到图像的颜色信息和光照信息,造成了图像在灰度级相似但色调不同的区域产生误匹配。对此,本文在传统的灰度信息上,增加了颜色补偿量和光照补偿量,克服了算法没有利用颜色和光照信息区分同名点的缺点。AKAZE算法在提取特征点的同时提取很多冗余特征点,冗余点的存在不仅影响算法的执行效率,而且很大程度上会造成误匹配。针对此问题提出了一种冗余点检测与删除算法,该算法利用欧式距离和特征区域重复率作为约束条件确定重叠程度较高的特征点,然后比较其响应强度将数值较小的特征点作为冗余点删除。在匹配后利用随机一致性算法剔除误匹配点对,算法整体通过并行运算加速。实验表明,所提出的算法不仅可以有效识别同名点,而且剔除了图像中的冗余点,提高了运行效率。将改进的算法应用于无人机图像拼接,实验表明,本文所提算法可以在保证匹配精度的同时高效完成图像配准。利用渐入渐出法对配准图像进行融合,融合后图像没有拼接缝隙,整体亮度变化均匀并且无明显重影,拼接效果较好。
卢云成[5]（2019）在《面向无人机平台的影像定位优化算法研究》文中研究说明无人机遥感平台作为航天、航空遥感的有力补充,具备灵活机动、成本较低、安全性高、时效性强等特点,在环境监测、测绘、应急救灾等场景得到了广泛的应用。在利用无人机平台进行航空摄影测量任务时,通常要求对飞行区域进行场景三维重建和正射影像生成。无人机影像定位是其中的关键技术,通过无人机影像定位可以获取相机拍摄时的姿态信息,并进一步计算得到场景的真实三维模型,为后续信息分析与管理提供良好的基础。但无人机平台容易受到风雨等环境因素影响,获取的影像存在姿态变化较大、重叠不规则、基高比小等问题,导致图像特征匹配误差大,匹配错误率高。同时,无人机影像通常只有GPS信息,却不具备姿态信息,在使用传统方法进行光束法平差时无法完全消除累积误差,造成影像定位精度低甚至定位结果完全错误。为了对无人机影像进行快速而精确的定位,本文从基于视觉特征的图像误匹配剔除方法和计算机视觉运动恢复结构理论与方法出发,研究如何加速无人机影像定位并提高其定位精度。论文主要研究了基于运动恢复结构的无人机影像定位优化方法,利用运动格网估计方法、层次式定位方法和GPS辅助光束法平差,实现无人机影像定位加速与定位精度提升。基于图像运动平滑性约束,通过格网运动统计的方法区分正确与错误匹配,有效的保证了RANSAC方法的模型估计精度和图像匹配的正确率。基于分而治之的思想,利用图像匹配与关联信息构建场景图并对其进行划分,通过层次式运动恢复结构方法对各个子场景进行处理,实现大规模无人机影像的定位加速。基于无人机影像的GPS信息,通过融合图像的视觉特征约束和空间地理信息约束,构建同时顾及重投影误差和空间距离误差的统一代价函数,实现GPS辅助的无人机影像定位平差优化。同时,本文在多个实验数据集进行验证,并取得了良好的实验效果,充分证明相关算法对于无人机影定位加速和定位精度提升的有效性。
孙健[6]（2018）在《基于RGB-D相机的室内移动机器人三维地图构建研究》文中研究指明高精度三维彩色点云地图可重现三维环境场景,是机器人室内定位导航,虚拟现实、增强现实的基础,同时也是人机交互的重要需求之一。将低成本RGB-D传感器用于室内移动机器人环境感知已成为国内外研究热点之一。只有机器人具备了构建三维场景地图的能力,才可能更加自主的在环境中与人进行交互以及执行复杂任务,所以移动机器人三维地图构建是服务机器人迈向智能化的必要条件。点云配准和闭环检测是三维地图构建和机器人运动估计的关键步骤。RGB-D相机可获取稠密的深度信息和对应图像信息,但深度信息精度差、噪声多。因此通常提取匹配图像特征对应的三维点云以降低配准误差和计算量,但受制于场景图像特征的稀疏性。相对于基于空间点位置点云配准方法,三维正态分布变换（3D-NDT）算法将点云分成固定大小的网格体素,基于体素中点云的概率密度实现快速准确匹配,但依赖于初值估计。随着点云地图规模的增大,点云配准不可避免的会产生累积误差,闭环检测对于减少机器人位姿累积误差,避免引入地图冗余变量建立全局一致地图至关重要,基于视觉词袋模型的闭环检测方法仅利用了环境图像特征,对重复结构的场景易引发“感知混淆”,继而导致闭环检测的误检率增加。三维点云地图缺乏对场景描述的高层信息,难以应用于机器人导航。针对以上存在的问题,本文提出了一种面向RGB-D相机的改进3D-NDT点云配准算法,通过自适应设置角点阈值提取特征,以保证场景图像特征稀疏时仍能提取足够特征点;引入运动平滑性约束和双向一致性检验实现误匹配特征点对快速准确剔除;基于匹配特征点云采用PnP算法计算初始配准估计;由于点云位置和数量在空间随机分布,算法引入八叉树模型根据点云密度自适应划分网格体素,采用3D-NDT算法实现特征点云的精确匹配,有效提高了点云表面表达精度以及搜索效率。为克服仅依赖视觉特征的局限性本文建立了一种融合场景视觉特征和几何特征的词袋模型,提高不同环境下词袋模型的鲁棒性。为使机器人能够区分障碍物和可通行区域,对三维点云地图的地面点云进行提取,非地面点云进行聚类,然后将分割好的三维点云转化成八叉树数据结构的三维栅格地图,便于进行机器人进行避障和路径规划。实验表明,改进的点云配准算法对环境的适应性、匹配精度和计算时间方面优于现有三维点云配准方案。与现有的基于视觉词袋模型的闭环检测方法进行对比,本文算法在较高召回率的情况下仍能保证较好的准确率。
刘克非[7]（2012）在《基于运动平滑性约束的摄像机参数优化研究》文中研究表明计算机视觉是使用计算机及相关设备对人类视觉的一种模拟,目的是使计算机或其它智能机器具有像人类一样高效、灵活和通用的视觉。在计算机视觉领域中,摄像机参数是一个非常重要的概念,它描述了三维空间物体的几何位置与其在图像中投影的相互关系。摄像机参数在物体三维重建和增强现实等研究方向起着重要作用,三维重建和增强现实的性能在很大程度上依赖摄像机参数的准确性。由于受到CCD量化噪声和特征检测误差等的影响,对每帧图像计算得到的摄像机参数都存在一定的误差,那么对于一段摄像机平滑运动拍摄的图像序列,理想情况下应该连续变化的摄像机参数就产生了突变和波动情况。现有的摄像机参数优化方法均以减小投影误差为主,并未考虑摄像机参数的连续性,使得优化后的结果在满足投影误差最小的同时仍存在突变和波动,严重影响了增强现实的效果。平滑性是摄像机在进行专业的视频拍摄时其运动轨迹具有的一种特性,这种特性能够应用到摄像机参数的优化中,来提高摄像机参数的连续性。本文针对视频序列的摄像机参数连续性不好的问题,利用摄像机运动的平滑性作为约束条件,提出了新的基于平滑性约束的摄像机参数优化方法。论文首先分析了摄像机运动平滑性的特点,并使用曲线拟合的方法对其进行数学描述；然后分别针对视频序列的后期处理和实时优化两个方面提出新的参数优化方法,将运动平滑性作为约束来帮助优化算法改善摄像机参数的连续性,减少突变和波动情况。本文利用为陕西省电视台开发的增强现实系统完成了视频测试,分别使用普通的优化算法和新的优化算法进行处理,从视频和数据两方面观察效果。结果证明,这种新的参数优化方法在保证摄像机参数准确性的前提下,能够显着地提高参数序列的连续性,改善增强现实的视频效果。
吕彦廷[8]（2009）在《基于隐马尔科夫模型的步态身份识别》文中指出随着现代社会对安全的迫切需求,近年来生物特征识别技术以其特有的安全性、稳定性和方便性被广泛地应用于安全、认证等身份鉴别领域。步态识别作为一种新兴的生物特征识别技术,不同于脸像、指纹及虹膜等生物特征对于近距离等条件的苛刻要求,步态可以在远距离低分辨率下检测并度量,且难于伪装和隐藏,没有侵犯性,因此,步态分析在视觉监控、控制、身份鉴定等领域中起着越来越重要的作用。当前步态识别的研究正处于起步阶段,它主要是利用人的走路方式来识别人的身份。本文的主要目的是将视频序列中的步态信息发掘出来,并利用它进行身份识别。围绕这个主题,展开了如下几个方面的研究:首先对步态序列进行预处理。本文通过分析和比较常用的运动检测方法,针对文中使用的步态序列具有背景简单的特点,采用背景减除法实现步态检测;对步态运动的周期性进行分析,并利用人体侧影的宽度信息计算步态周期。然后在步态特征提取方面,基于“行走运动的关节角度变化包含着丰富的个体识别信息”的观点,本文提出一种通过对下肢运动的分析来定位关节点,进而提取下肢关节角度信息的步态表征办法,同时我们选取手臂区域宽度信息作为辅助特征;其中对遮挡帧关节点利用卡尔曼滤波进行跟踪定位,关节点的遮挡问题可以通过关节点跟踪过程中对关节点位置的预测得到解决。最后对隐马尔可夫模型（HMM）进行研究并对应用隐马尔可夫模型的可行性加以分析,提出一种通过分析人行走过程中不同状态下的下肢关节角度信息获得关键帧的方法,本文采用将关键帧作为隐马尔可夫模型的状态,每一帧与关键帧的距离作为观察值的步态建模方案,实现了基于隐马尔可夫模型的步态身份识别方法。使用该方法在CASIA步态数据库上进行了实验,实验结果验证了该方法的有效性。
黄文清[9]（2007）在《基于单目视觉的非刚体三维运动分析》文中研究说明三维运动视觉分析是计算机视觉中十分活跃的研究领域之一。它以图像处理研究成果为基础，主要研究空间中物体的运动情况，通过测量与计算物体特征在图像平面上的坐标变化，分析场景中运动物体的三维结构，估计物体的运动参数。目前，它已成为运动图像处理的重要组成部份。相对刚体运动而言，现实世界中非刚体运动是一种更常见、更普遍的运动形式。由于非刚体运动的普遍性和多样性，近年来非刚体运动视觉分析已在许多领域得到了应用，如：农业信息智能处理领域、农业机械智能化领域、农业和食品工业应用场合、医学领域、生物特征识别技术领域等。非刚体运动视觉分析技术不仅可用于农业、农业机械或与农业相关的领域，在别的领域也同样具有非常广泛的应用前景。考虑到农业领域中，连接型和弹性型非刚体运动是更为普遍的非刚体运动形式，因此本文的工作主要面向连接型和弹性型非刚体运动展开，以人体、手指和合成单目动态图像序列为研究对象，提出了一些相应的模型和算法，期望为双足机器人行走步态控制、多指灵巧手的设计以及其他一些与非刚体运动相关的研究工作提供有效的理论和方法。全文共分三篇，主要围绕三维运动分析的基本概念和方法、连接型非刚体运动及结构参数估计、弹性型非刚体运动及结构参数估计三方面内容展开，主要内容安排如下：第1章阐述了非刚体运动视觉的研究意义，介绍了常见的非刚体运动形式分类方法，分析了现有的连接型非刚体和弹性型非刚体运动分析方法及其存在的不足，提出了本文主要的研究内容和研究方法。第2章介绍了与本文三维运动分析相关的一些基本概念和方法，给出了三维运动分析的主要求解参数，分析说明了本文以下章节采用透视投影模型和基于特征对应运动估计方法的理论依据。第3章以单目人体运动图像序列为实验对象，提出了一种人体三维运动信息恢复方法，该方法分为两部分：基于遗传算法和Kalman滤波的二维特征点跟踪和基于多约束融合的关节点三维运动分析。在二维特征点跟踪算法中，将基于Kalman滤波理论的特征点跟踪方法与遗传算法有机地结合在一起，以遗传算法的运算流程为基本框架，在遗传算法的个体及适应度函数设计中，综合考虑特征点的预测跟踪结果、伪特征点、特征点的遮挡以及运动平滑性等因素。在关节点三维运动轨迹估计方面，综合考虑了二维图像坐标与三维空间坐标的透视投影关系、人体运动的局部刚性和平滑性、人体骨骼的生理解剖学知识等因素。实验结果表明，利用本章提出的方法可以有效地去除图像中的伪特征点，恢复出被遮挡特征点的位置，实现图像序列中特征点的正确匹配，在透视投影模型下，基于刚体约束、结构约束和运动平滑性约束能有效恢复出尺度意义下人的手臂和腿的三维运动轨迹。第4章以单目手指运动图像序列为实验对象，主要研究了基于小平面对应模型的非刚体三维运动估计方法。结合手指骨架模型的运动特性分析，给出了手指三维运动估计中的运动约束、深度约束和刚体约束方程，利用惩罚方法建立了三维运动估计目标函数。为解决特征点匹配问题，结合第3章的特征点Kalman滤波器设计方法，给出了改进的基于块匹配和Kalman滤波的特征点跟踪算法。实验结果表明，本章提出的方法可以实现图像序列中特征点的正确匹配，通过对目标函数的优化求解，能有效恢复出手指的三维运动轨迹。第5章和第6章以弹性型非刚体合成运动图像序列为研究对象，在假设帧间特征点匹配关系已确立的前提下，将非刚体三维运动参数求解问题转化为非刚体上特征点的三维运动参数求解问题，给出了透视投影方式下非刚体的局部仿射运动模型。需要指出的是，该模型也可以用其它合理的运动模型来代替。第5章探讨了基于正则化的非刚体局部三维运动估计方法。将非刚体运动的先验知识融入到运动估计过程中，分析了正则化运动估计中目标函数的建立方法。最后，通过Levenberg-Marquart非线性最优化方法实现了非刚体的局部运动参数求解。实验结果表明，与不采用正则化的最小二乘估计方法相比，本章提出的方法可以更鲁棒地估计出非刚体的局部三维运动参数。为了解决正则化方法只能分析非刚体局部三维运动的缺点，第6章在基于MAP-MRF的分析框架中建立了与特征点运动估计相对应的非规则MRF模型，构造了非规则MRF模型中反映非刚体局部三维运动参数之间约束关系和运动参数联合概率分布的能量函数，通过能量函数最小化估计运动参数。为提高求解效率并解决解的唯一性问题，建立了分层MRF模型，在较粗层使用最小二乘法，在更细化的层中采用SA算法，并根据非刚体三维运动估计的特点提出了模拟退火算法的改进方案。实验结果表明，本章提出的方法可以鲁棒地估计出弹性型非刚体的三维运动参数。第7章总结了本文的研究内容，指出了本文的创新点，提出了进一步的研究方向。
王国艳[10]（2006）在《非刚体运动模型在步态检测中的应用研究》文中进行了进一步梳理随着城市交通的快速发展,闸机是城市轨道交通自动售检票（Automatic Fare Collection, AFC）系统中的关键设备之一,闸机的智能识别系统要求非接触式远距离的身份识别。步态识别是生物模式识别中一项新兴领域,人体步态相对于其它生物特征具有许多优点,最突出的一点就是在远距离的情况下仍然能被感知。本文提出了一种非刚体图像序列特征点对应的新方法,应用于步态识别中去,并进行了编码。这种方法首先在图像序列的采集过程中,人体身着黑色的服饰,并在人体的关节点附上白色的小圆斑,这些小圆斑的中心点便可作为运动分析的特征点。根据图像序列帧间的时间间隔很小这一特点,指出特征点在图像帧间的运动具有平滑性,进而提出了一种特征点运动平滑的代价函数。然后将目标跟踪技术应用于特征点的跟踪,利用两个一维卡尔曼滤波器分别对特征点的两个坐标进行预测跟踪。特征点的遮挡问题可以通过特征点跟踪过程中对特征点位置的预测得到解决。实验证明,该文方法能建立非刚体运动特征点的正确对应,并能解决特征点的遮挡问题。本文首先对人运动的视觉分析及新兴的步态识别技术进行简要介绍;然后阐述我们研究的步态识别中所用到的特征点跟踪的算法设计,介绍算法中使用到的理论知识;最后设计算例,并且分析输出结果、绘制曲线。对算法实现过程中可能出现的影响曲线平滑程度的因素,我们进行了总结归纳。
二、基于运动平滑性的动态图象序列的特征点对应（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于运动平滑性的动态图象序列的特征点对应（论文提纲范文）
（1）基于局部特征的图像与点云配准研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 图像配准研究背景 |
| 1.1.2 三维点云配准研究背景 |
| 1.1.3 课题研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 图像配准国内外研究现状 |
| 1.2.2 点云配准国内外研究现状 |
| 1.3 本文研究工作及结构 |
| 2 图像与点云配准 |
| 2.1 二维射影几何与变换分析 |
| 2.1.1 二维射影变换 |
| 2.1.2 图像的基本变换方式 |
| 2.2 三维射影几何和变换分析 |
| 2.2.1 三维射影变换 |
| 2.2.2 点云的基本变换方式 |
| 2.3 随机采样一致性算法 |
| 2.4 图像与点云配准的评价指标 |
| 2.4.1 主观评价 |
| 2.4.2 客观评价 |
| 2.5 本章小结 |
| 3 基于空间一致性和密度聚类的图像拼接算法 |
| 3.1 基于局部特征的图像拼接算法概述 |
| 3.2 基于SURF的特征检测与描述 |
| 3.2.1 SURF算法原理 |
| 3.2.2 对比实验结果与分析 |
| 3.3 基于网格运动估计的误匹配剔除算法 |
| 3.3.1 运动网格一致性算法介绍 |
| 3.3.2 实验结果与分析 |
| 3.4 基于运动一致性和密度聚类的误匹配剔除算法 |
| 3.4.1 基于密度聚类DBSCAN的误匹配剔除模型建立 |
| 3.4.2 算法可行性分析及实验结果分析 |
| 3.5 无人机序列图像拼接实验 |
| 3.5.1 拼接方法 |
| 3.5.2 实验环境 |
| 3.5.3 拼接结果与分析 |
| 3.6 本章小结 |
| 4 基于局部图像描述子的三维彩色点云配准 |
| 4.1 基于局部特征的点云配准算法概述 |
| 4.1.1 基于局部图像描述子的点云配准流程 |
| 4.1.2 基于迭代最近邻法的点云配准算法 |
| 4.2 三维彩色点云数据的采集 |
| 4.3 局部融合描述子计算模型的搭建 |
| 4.3.1 基于卷积神经网络的局部描述子 |
| 4.3.2 基于方向梯度直方图的局部描述子 |
| 4.3.3 局部特征融合描述子模型的建立 |
| 4.4 基于网格运动估计的图像匹配数据集制作 |
| 4.5 三维彩色点云配准实验 |
| 4.5.1 局部描述子模型训练 |
| 4.5.2 配准结果与分析 |
| 4.6 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 工作展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文情况 |
| 致谢 |
（2）室内机器人单目视觉里程计算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 视觉里程计国内外研究现状 |
| 1.2.1 优化方法研究现状 |
| 1.2.2 直接法研究现状 |
| 1.2.3 特征点法研究现状 |
| 1.3 论文研究内容和结构安排 |
| 1.3.1 研究内容 |
| 1.3.2 论文组织结构 |
| 第二章 相机模型及标定技术研究 |
| 2.1 引言 |
| 2.2 相关坐标系介绍 |
| 2.3 相机模型 |
| 2.3.1 针孔相机模型 |
| 2.3.2 畸变模型 |
| 2.4 基于改进Harris角点检测算法的相机标定法 |
| 2.4.1 Harris角点检测算法 |
| 2.4.2 改进的Harris角点检测算法 |
| 2.4.3 张氏标定法 |
| 2.5 实验对比与讨论 |
| 2.6 本章小结 |
| 第三章 图像的特征提取与匹配 |
| 3.1 引言 |
| 3.2 改进的ORB特征提取算法 |
| 3.2.1 ORB特征提取算法 |
| 3.2.2 改进的ORB特征提取算法 |
| 3.3 基于运动平滑性和RANSAC算法优化的特征匹配算法 |
| 3.3.1 运动平滑性约束 |
| 3.3.2 随机抽样一致性算法 |
| 3.3.3 优化的特征匹配算法 |
| 3.4 实验对比与讨论 |
| 3.4.1 特征提取对比实验 |
| 3.4.2 特征匹配对比实验 |
| 3.5 本章小结 |
| 第四章 基于单目视觉的运动估计研究 |
| 4.1 引言 |
| 4.2 位姿估计算法 |
| 4.2.1 对极几何 |
| 4.2.2 三角测量 |
| 4.2.3 Perspective-n-Point(PnP) |
| 4.3 单目初始化及关键帧选取策略 |
| 4.3.1 基于环境选择的单目初始化 |
| 4.3.2 改进的关键帧选取策略 |
| 4.4 运动跟踪算法 |
| 4.4.1 基于参考帧的运动跟踪算法 |
| 4.4.2 基于匀速运动模型的运动跟踪算法 |
| 4.5 基于图优化的后端优化算法 |
| 4.5.1 BA与图优化 |
| 4.5.2 g2o工具实现 |
| 4.6 本章总结 |
| 第五章 单目视觉里程计系统实验与分析 |
| 5.1 引言 |
| 5.2 实验系统软硬件介绍 |
| 5.2.1 实验系统硬件介绍 |
| 5.2.2 实验系统软件介绍 |
| 5.3 基于数据集的实验 |
| 5.3.1 办公室场景实验 |
| 5.3.2 仓库场景实验 |
| 5.4 实际环境实验 |
| 5.4.1 直线运动实验 |
| 5.4.2 直角转弯实验 |
| 5.4.3 闭环运动实验 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文主要内容总结 |
| 6.2 后续研究工作展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（3）航拍图像全景拼接技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及研究意义 |
| 1.2 国内外发展历史及研究现状 |
| 1.3 论文主要工作及安排 |
| 第二章 图像拼接技术基础理论分析及预处理实验 |
| 2.1 航拍图像拼接技术 |
| 2.1.1 图像拼接技术特点 |
| 2.1.2 图像拼接流程 |
| 2.2 图像变换模型 |
| 2.3 图像畸变校正 |
| 2.4 图像滤波技术 |
| 2.5 图像细节增强 |
| 2.6 本章小结 |
| 第三章 特征点提取算法研究 |
| 3.1 SIFT特征提取算法 |
| 3.1.1 SIFT算法介绍 |
| 3.1.2 SIFT算法效果 |
| 3.2 SURF特征提取算法 |
| 3.2.1 SURF算法介绍 |
| 3.2.2 SURF算法效果 |
| 3.3 ORB特征提取算法 |
| 3.3.1 oFAST特征检测 |
| 3.3.2 rBRIEF特征描述 |
| 3.3.3 ORB算法效果 |
| 3.4 BRISK特征提取算法 |
| 3.4.1 BRISK算法介绍 |
| 3.4.2 BRISK算法效果 |
| 3.5 四种特征提取算法实验结果分析 |
| 3.6 本章小结 |
| 第四章 基于特征的图像配准算法研究 |
| 4.1 特征匹配 |
| 4.1.1 相似性度量准则 |
| 4.1.2 特征点匹配方法 |
| 4.1.3 匹配搜索策略 |
| 4.2 误匹配剔除算法 |
| 4.2.1 双向匹配策略 |
| 4.2.2 GMS算法 |
| 4.2.3 RANSAC算法 |
| 4.3 基于GMS-RANSAC的改进配准算法 |
| 4.3.1 改进的GMS-RANSAC算法原理 |
| 4.3.2 改进的图像配准算法流程 |
| 4.4 配准实验与结果分析 |
| 4.4.1 图像配准性能评价标准 |
| 4.4.2 图像配准实验结果对比 |
| 4.5 本章小结 |
| 第五章 航拍图像融合算法研究 |
| 5.1 图像插值原理 |
| 5.2 经典图像融合算法 |
| 5.3 改进的图像融合算法 |
| 5.4 融合实验与结果分析 |
| 5.4.1 图像融合性能评价标准 |
| 5.4.2 图像融合实验结果对比 |
| 5.5 基于本文算法的序列图像拼接实验 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 今后展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（4）基于AKAZE特征的图像配准算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 图像配准方法研究现状 |
| 1.2.2 图像点特征匹配研究现状 |
| 1.2.3 图像融合技术研究现状 |
| 1.3 本文内容安排 |
| 第二章 图像配准算法概述 |
| 2.1 图像配准的基础理论知识 |
| 2.1.1 图像配准的定义 |
| 2.1.2 图像变换模型 |
| 2.2 图像配准技术 |
| 2.2.1 基于区域的图像配准方法 |
| 2.2.2 基于特征的图像配准方法 |
| 2.2.3 基于变换域的图像配准方法 |
| 2.3 KAZE算法介绍 |
| 2.3.1 非线性尺度空间构造 |
| 2.3.2 特征点检测 |
| 2.3.3 特征点描述与匹配 |
| 2.4 特征向量匹配算法介绍 |
| 2.4.1 基于网格运动统计的特征匹配算法 |
| 2.4.2 随机一致性特征匹配算法 |
| 2.5 实验结果分析 |
| 2.6 本章小结 |
| 第三章 基于网格运动统计的仿射不变图像配准算法 |
| 3.1 引言 |
| 3.2 AKAZE算法介绍 |
| 3.3 图像仿射变换模型 |
| 3.4 基于五宫格特征分数的GMS算法 |
| 3.5 FLANN匹配算法 |
| 3.6 改进AKAZE算法 |
| 3.7 实验结果分析 |
| 3.7.1 匹配评价标准 |
| 3.7.2 实验结果分析 |
| 3.8 本章小结 |
| 第四章 融合颜色和光照信息的改进AKAZE图像配准算法 |
| 4.1 引言 |
| 4.2 融合颜色和光照信息的图像灰度化 |
| 4.2.1 颜色补偿量计算 |
| 4.2.2 光照补偿量计算 |
| 4.3 冗余点检测与删除算法 |
| 4.4 基于区域重复率的改进冗余点删除算法 |
| 4.5 图像匹配评价指标 |
| 4.6 实验结果及分析 |
| 4.7 时间效率分析 |
| 4.8 本章小结 |
| 第五章 基于改进算法的无人机图像拼接 |
| 5.1 引言 |
| 5.2 航拍图像拼接 |
| 5.3 图像融合技术 |
| 5.4 无人机图像融合 |
| 5.4.1 基于融合颜色和光照信息的改进AKAZE算法的图像融合 |
| 5.4.2 基于网格运动统计仿射不变图像配准算法的图像融合 |
| 5.5 本章小结 |
| 第六章 结论 |
| 参考文献 |
| 致谢 |
| 攻读学位期间主要科研成果 |
（5）面向无人机平台的影像定位优化算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 无人机遥感系统发展现状 |
| 1.2.2 无人机影像定位研究现状 |
| 1.3 主要研究内容及论文结构 |
| 第2章 影像运动恢复结构基础理论 |
| 2.1 引言 |
| 2.2 基于SIFT的特征提取与匹配 |
| 2.3 对极几何 |
| 2.3.1 对极几何概念简介 |
| 2.3.2 极线约束 |
| 2.3.3 单应变换 |
| 2.4 姿态估计 |
| 2.5 三角测量 |
| 2.6 光束法平差 |
| 2.6.1 光束法平差模型表示 |
| 2.6.2 光束法平差求解 |
| 2.7 本章小结 |
| 第3章 无人机影像误匹配剔除算法研究 |
| 3.1 引言 |
| 3.2 鲁棒估计方法 |
| 3.2.1 RANSAC算法简介 |
| 3.2.2 RANSAC误匹配剔除算法 |
| 3.3 基于格网运动统计的误匹配剔除方法 |
| 3.3.1 格网运动统计模型 |
| 3.3.2 网格划分与运动统计 |
| 3.3.3 基于格网运动统计的图像匹配流程 |
| 3.4 实验与分析 |
| 3.4.1 弱纹理与重复结构纹理特征匹配 |
| 3.4.2 平面单应性估计 |
| 3.4.3 两视图相对位姿估计 |
| 3.5 本章小结 |
| 第4章 无控影像定位加速与平差优化算法研究 |
| 4.1 引言 |
| 4.2 基于层次式结构的影像定位加速算法 |
| 4.2.1 运动恢复结构经典方法概述 |
| 4.2.2 场景图构建与划分 |
| 4.3 GPS辅助影像定位平差优化算法 |
| 4.3.1 相关概念与定义 |
| 4.3.2 初始化地理配准 |
| 4.3.3 融合GPS约束的代价函数 |
| 4.4 实验与分析 |
| 4.4.1 场景图划分与影像定位加速 |
| 4.4.2 GPS辅助影像定位平差 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 参考文献 |
| 附录 |
| 致谢 |
（6）基于RGB-D相机的室内移动机器人三维地图构建研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 国内外研究现状及发展动态分析 |
| 1.2.1 图像特征提取匹配 |
| 1.2.2 点云配准 |
| 1.2.3 闭环检测 |
| 1.3 本文研究内容及论文结构安排 |
| 1.3.1 本文研究内容 |
| 1.3.2 论文结构安排 |
| 第2章 系统软硬件平台 |
| 2.1 KinectV1传感器简介 |
| 2.2 KinectV1相机的标定 |
| 2.3 移动机器人简介 |
| 2.4 软件开发平台 |
| 2.5 本章小结 |
| 第3章 基于RGB-D相机的改进点云配准算法 |
| 3.1 基于3D-NDT算法的点云配准 |
| 3.2 改进点云配准总体方案 |
| 3.3 改进的ORB特征检测与匹配 |
| 3.3.1 特征算子的选择 |
| 3.3.2 ORB特征检测 |
| 3.3.3 ORB特征匹配 |
| 3.3.4 基于运动平滑一致性约束的误匹配剔除 |
| 3.3.5 基于双向一致性检验的误匹配剔除 |
| 3.4 初始位姿求解 |
| 3.4.1 二维特征点到三维空间的映射 |
| 3.4.2 初始变换矩阵计算 |
| 3.5 基于改进3D-NDT算法的点云精确配准 |
| 3.5.1 点云动态网格划分 |
| 3.5.2 八叉树结构编码 |
| 3.5.3 三维正态分布变换算法 |
| 3.6 基于改进点云配准算法实验验证 |
| 3.6.1 特征提取与匹配性能对比 |
| 3.6.2 点云配准性能分析 |
| 3.6.3 点云配准实验分析 |
| 3.7 本章小结 |
| 第4章 基于融合视觉几何特征的词袋模型闭环检测 |
| 4.1 估计点云表面法线 |
| 4.1.1 基于主成分分析法估计点云法向量 |
| 4.1.2 基于积分图快速求取法向量 |
| 4.2 融合视觉几何特征的词袋模型建立 |
| 4.2.1 几何特征提取 |
| 4.2.2 视觉几何特征融合 |
| 4.2.3 建立词袋模型 |
| 4.2.4 场景相似度计算 |
| 4.3 闭合回路判决方法与位姿校正 |
| 4.4 闭环检测算法的实验验证 |
| 4.4.1 闭环检测效果验证 |
| 4.5 本章小结 |
| 第5章 可导航三维栅格地图构建 |
| 5.1 点云地图分割 |
| 5.1.1 点云地面提取 |
| 5.1.2 非地面点云聚类 |
| 5.2 三维栅格地图构建 |
| 5.2.1 生成三维栅格地图的各个阶段 |
| 5.3 本章小结 |
| 总结与展望 |
| 参考文献 |
| 附录 A攻读学位期间发表的学术论文 |
| 致谢 |
（7）基于运动平滑性约束的摄像机参数优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第一章 绪论 |
| 1.1 计算机视觉概述 |
| 1.2 摄像机参数及参数优化的研究现状 |
| 1.3 本文的主要研究内容和成果 |
| 第二章 摄像机参数优化 |
| 2.1 摄像机参数 |
| 2.1.1 针孔模型下的摄像机参数 |
| 2.1.2 摄像机参数表示形式 |
| 2.2 参数优化方法 |
| 2.2.1 参数优化思想 |
| 2.2.2 常用迭代优化算法 |
| 2.3 本章小结 |
| 第三章 运动平滑性和曲线拟合 |
| 3.1 增强现实 |
| 3.1.1 增强现实的特点 |
| 3.1.2 增强现实的发展历史和应用 |
| 3.1.3 本文所用的增强现实系统 |
| 3.2 摄像机运动的平滑特性 |
| 3.2.1 运动平滑性概念 |
| 3.2.2 运动平滑性应用 |
| 3.3 曲线拟合 |
| 3.3.1 曲线拟合概念 |
| 3.3.2 曲线拟合种类 |
| 3.4 本章小结 |
| 第四章 基于平滑性约束的参数后期优化 |
| 4.1 问题描述 |
| 4.2 方法思路 |
| 4.3 实验分析 |
| 4.3.1 实验平台 |
| 4.3.2 实验步骤 |
| 4.3.3 实验结果 |
| 4.4 本章小结 |
| 第五章 基于平滑性约束的参数实时优化 |
| 5.1 问题描述 |
| 5.2 方法思路 |
| 5.3 实验分析 |
| 5.3.1 实验平台 |
| 5.3.2 实验步骤 |
| 5.3.3 实验结果 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 可改进的方向 |
| 致谢 |
| 参考文献 |
| 在读期间研究成果 |
（8）基于隐马尔科夫模型的步态身份识别（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 生物特征识别技术 |
| 1.2 步态识别概述 |
| 1.3 步态识别技术的应用前景和研究动态 |
| 1.4 步态识别的理论与方法 |
| 1.5 论文内容安排 |
| 2 隐马尔可夫模型(HMM) |
| 2.1 隐马尔可夫模型的基本原理 |
| 2.2 HMM基本算法 |
| 2.3 连续型 HMM |
| 2.4 小结 |
| 3 步态图像的预处理 |
| 3.1 步态检测 |
| 3.2 步态周期分析 |
| 3.3 小结 |
| 4 步态特征提取与识别 |
| 4.1 步态特征提取 |
| 4.2 基于 CHMM的步态识别 |
| 4.3 小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 未来工作的展望 |
| 6 参考文献 |
| 7 作者在读期间科研成果 |
| 10 致谢 |
（9）基于单目视觉的非刚体三维运动分析（论文提纲范文）
| 摘要 |
| Abstract |
| 附图索引 |
| 附表索引 |
| 第1章 绪论 |
| 1.1 非刚体运动视觉的研究意义 |
| 1.1.1 农业信息智能处理领域的应用 |
| 1.1.2 农业机械智能化领域的应用 |
| 1.1.3 农业和食品工业领域的应用 |
| 1.1.4 其它领域的应用 |
| 1.2 非刚体运动形式的分类 |
| 1.3 非刚体运动视觉的研究现状 |
| 1.3.1 连接型非刚体运动视觉的研究现状 |
| 1.3.2 弹性型非刚体运动视觉的研究现状 |
| 1.4 本文的研究内容及方法 |
| 1.5 本章小结 |
| 第一篇三维运动分析的基本概念和方法 |
| 第2章 三维运动分析的基本概念和方法 |
| 2.1 三维运动分析的基本问题和三维运动的一般描述 |
| 2.2 坐标系与成像模型 |
| 2.2.1 各种坐标系及相互之间的关系 |
| 2.2.2 成像模型 |
| 2.3 三维运动分析方法 |
| 2.4 本章小结 |
| 第二篇连接型非刚体运动及结构参数估计 |
| 第3章 透视投影模型下基于二维特征点对应和多约束融合的非刚体三维运动估计 |
| 3.1 引言 |
| 3.2 图像序列中基于遗传算法的特征点匹配 |
| 3.3 基于Kalman滤波的特征点预测 |
| 3.3.1 特征点跟踪的Kalman滤波器模型 |
| 3.3.2 模拟数据实验 |
| 3.4 人体图像序列二维特征点跟踪实验结果分析 |
| 3.4.1 算法流程分析 |
| 3.4.2 实验结果分析 |
| 3.5 基于多约束融合的人体三维运动分析 |
| 3.5.1 人体模型 |
| 3.5.2 约束条件 |
| 3.6 人体三维运动分析实验结果分析 |
| 3.7 本章小结 |
| 第4章 基于小平面对应的非刚体三维运动估计 |
| 4.1 特征点的一般三维运动分析方法 |
| 4.2 手指模型 |
| 4.3 基于块匹配的特征点对应 |
| 4.4 手指三维运动优化估计 |
| 4.5 实验结果分析 |
| 4.5.1 基于块匹配的特征点对应实验结果 |
| 4.5.2 手指三维运动估计实验结果 |
| 4.6 本章小结 |
| 第三篇弹性型非刚体运动及结构参数估计 |
| 第5章 基于正则化的非刚体局部三维运动估计 |
| 5.1 引言 |
| 5.2 局部运动模型 |
| 5.3 运动参数的正则化估计 |
| 5.3.1 运动参数的最小二乘估计 |
| 5.3.2 运动参数的正则化估计 |
| 5.4 实验结果分析 |
| 5.5 本章小结 |
| 第6章 基于分层Markov随机场的非刚体三维运动估计 |
| 6.1 引言 |
| 6.2 随机场理论 |
| 6.2.1 Markov随机场 |
| 6.2.2 基于MAP-MRF的分析框架 |
| 6.3 基于MAP-MRF的非刚体三维运动估计 |
| 6.3.1 邻域系和基团的确定 |
| 6.3.2 能量函数的确定 |
| 6.3.3 分层Markov随机场的构造 |
| 6.4 基于改进模拟退火算法的三维运动参数估计 |
| 6.4.1 经典模拟退火算法 |
| 6.4.2 改进的模拟退火算法 |
| 6.5 实验结果分析 |
| 6.6 本章小结 |
| 第7章 结论与展望 |
| 7.1 本文工作总结 |
| 7.2 进一步研究工作展望 |
| 致谢 |
| 博士学习期间发表的相关论着、主持的课题和获奖情况 |
| 参考文献 |
（10）非刚体运动模型在步态检测中的应用研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 问题的背景 |
| 1.2 AFC系统的发展现状 |
| 1.3 本论文主要研究的问题 |
| 第二章 基于图像的步态识别 |
| 2.1 图像处理技术 |
| 2.2 步态识别技术 |
| 2.2.1 步态识别技术的发展 |
| 2.2.2 步态识别算法的发展概况 |
| 2.2.3 发展前景 |
| 2.3 城市轨道交通系统 |
| 第三章 步态识别算法研究和分析 |
| 3.1 引言 |
| 3.2 特征点 |
| 3.3 卡尔曼滤波 |
| 3.3.1 线性系统的数学模型 |
| 3.3.2 离散系统的数学模型 |
| 3.3.3 离散系统卡尔曼最优预测方程 |
| 3.4 特征点跟踪的算法实现和关键技术 |
| 3.4.1 特征点运动的平滑性 |
| 3.4.2 特征点跟踪算法 |
| 3.4.3 特征点跟踪算法在程序中的实现 |
| 3.4.4 特征点与已有轨迹的匹配 |
| 3.4.5 轨迹匹配在程序中的实现 |
| 3.4.6 起始帧图像的处理和有限遮挡问题的处理 |
| 3.5 特征点跟踪算法的实现步骤 |
| 3.6 算例设计 |
| 3.6.1 走路状态算例分析 |
| 3.6.2 跑步状态算例分析 |
| 3.6.3 拉行李箱状态算例分析 |
| 3.6.4 推箱子状态算例分析 |
| 3.7 算法分析 |
| 第四章 结论与展望 |
| 参考文献 |
| 发表论文情况说明 |
| 致谢 |
四、基于运动平滑性的动态图象序列的特征点对应（论文参考文献）
- [1]基于局部特征的图像与点云配准研究[D]. 李佳骏. 大连理工大学, 2021(01)
- [2]室内机器人单目视觉里程计算法研究[D]. 李俊杰. 东南大学, 2020(01)
- [3]航拍图像全景拼接技术研究[D]. 兰翔燕. 西安电子科技大学, 2020(05)
- [4]基于AKAZE特征的图像配准算法研究[D]. 张宇. 广西大学, 2020(02)
- [5]面向无人机平台的影像定位优化算法研究[D]. 卢云成. 武汉大学, 2019(09)
- [6]基于RGB-D相机的室内移动机器人三维地图构建研究[D]. 孙健. 湖南大学, 2018(02)
- [7]基于运动平滑性约束的摄像机参数优化研究[D]. 刘克非. 西安电子科技大学, 2012(04)
- [8]基于隐马尔科夫模型的步态身份识别[D]. 吕彦廷. 西华大学, 2009(02)
- [9]基于单目视觉的非刚体三维运动分析[D]. 黄文清. 浙江大学, 2007(06)
- [10]非刚体运动模型在步态检测中的应用研究[D]. 王国艳. 天津大学, 2006(01)