Vad är optisk Flow?

September 6

Optisk flöde beskriver datoriserad spårning av rörliga föremål genom att analysera innehållsskillnader mellan bildrutor. I en video, både protes och observatören kan vara i rörelse; datorn kan hitta ledtrådar som markerar gränser, kanter och regioner i enskilda stillbilder. Upptäcka sina talföljder gör att datorn kan följa ett objekt genom tid och rum. Tekniken används i industrier och forskning, bland annat driften av obemannade (UAV) och säkerhetssystem.

Två primära metoder genererar denna datorseende: gradient-baserade och funktionsbaserade rörelsedetektering. Gradient-baserad optisk flödes mäter förändringar i bildintensiteten genom rymden och tid. Den skannar en tät flödesfält planet. Feature-baserade flöden overlay kanter objekt inom ramar för att markera framsteg.

Denna teknik liknar videokamera bildstabilisering, vilket gör en beräknad synfält som ska låsas in i ramen, trots kameraskakningar. Optiska flödesalgoritmer beräknar matcher mellan bilder i sekvens. Datorn delar varje bild i fyrkantiga galler. Liggande två bilder tillåter jämförelser för att hitta de bästa matcherna i rutor. När datorn hittar en match, drar den en linje mellan punkterna i skillnad, ibland kallas nålar.

Algoritmer arbetar systematiskt från grovt till fint resolutioner. Detta möjliggör motion tracking mellan bilder med skillnader i upplösning. Datorn känner inte igen föremål, men bara upptäcker och följer dessa egenskaper hos objekt som kan jämföras mellan ramar.

Datorer optiska flödesvektor kan upptäcka och spåra objekt och även extrahera en bild dominerande plan. Detta kan hjälpa till robotnavigering och visuella odometri, eller robot orientering och position. Det noterar inte bara föremål utan även omgivande omgivning i tre dimensioner, och ger robotarna mer levande rumsuppfattning. Vektorer beräknade i ett plan gör det möjligt för processorn att sluta och svara på rörelser som extraherats från ramarna.

Vissa svagheter i optiska flödesteknik omfattar dataförlust som beror rutor datorn kan inte matcha mellan bilderna. Dessa oöverträffade områden förblir vakanta och skapa plana håligheter, vilket minskar noggrannheten. Tydliga kanter eller stabila element som hörn bidrar till flödesanalys.

Detaljerade faktorer kan skymmas om observatören är också i rörelse, eftersom det inte kan skilja vissa element från bildruta till bildruta. Analysen delar rörelse till skenbar globala flödet och lokaliserade objekt rörelse, eller egomotion. Spatial-tidsmässiga förändringar i kanter eller bildintensiteten vilse i rörelse kameran och det globala flödet av den rörliga miljön. Analys förstärks om datorn kan eliminera effekten av det globala flödet.