[发明专利]光学流估计的图像处理系统和方法

说明书

一种图像处理系统(100)包含处理器(102)和光学流OF确定逻辑(104)，所述光学流OF确定逻辑用于量化视频的第一帧和视频的第二帧中的特征的相对运动，提供相对于视频的所述两个帧的时间和空间排序图像(110)中的至少一个。所述OF确定逻辑(104)配置所述处理器(102)实施使用金字塔式块匹配PBM方法执行所述第一帧和所述第二帧之间的OF估计，以产生基底金字塔层级处的具有整数像素分辨率的初始光学流OF估计值，并且使用经修改卢卡斯‑卡纳德LK方法的至少一个遍次细化所述初始OF估计值以提供具有分数像素分辨率的经修正OF估计值。

技术领域

本发明涉及包含使用金字塔式块匹配的光学流估计。

背景技术

光学流(或光流)是归因于光学传感器(例如，相机)与存在于图像中的对象之间的相对运动引起的图像序列中的对象的观测到的运动。术语光学流通常应用于计算机视觉领域中以并入来自图像处理和导航控制的相关技术(例如，运动检测、对象分段、接触时间信息、扩展焦点计算、照度、运动补偿编码和立体视差测量)。此类技术对汽车驾驶员辅助系统、机器人技术和应用机器视觉的其它应用尤其有用。

搜索两个图像数据阵列之间的最佳匹配贴片是在图像处理中的必需步骤。举例来说，一些立体成像系统通过在右侧图像中查找最佳匹配左侧图像中的给定二维(2D)贴片的2D贴片来计算左侧图像与右侧图像之间的视差。在另一实例中，可通过搜索体积之间最佳3D贴片匹配实现两个三维(3D)点云的对准。在另一实例中，视频压缩算法可使用匹配两个图像之间的贴片的光学流算法确定两个连续图像之间的运动。

从粗到细分辨率金字塔方法可用于光学流算法匹配。一般来说，在金字塔方法中，在比原始图像低的分辨率下执行初始搜索，并接着以一或多个较高分辨率细化初始搜索结果。搜索金字塔中的数个分辨率水平是实施相依性的。与高分辨率下的详尽搜索相比，金字塔式搜索方法的使用通常更快速并且对局部极小值具有更高容限。

基于相机的系统使用多种计算机视觉(CV)技术实施高级辅助驾驶系统(ADAS)，其被设计成通过提供必需信息、警告和自动干预以减小事故的可能性或严重程度，以增加驾驶员的情境感知和道路安全性。政府安全规章和独立评级系统驱动ADAS的开发和更宽采用，其中基于相机的系统成为原始设备制造商(OEM)之间的关键区别。基于相机的系统因其可靠性稳健性、支持多个应用的能力并且最重要的是支持未来越来越多的ADAS应用的灵活性而广泛用于ADAS中。CV技术表示复杂、高性能且低功率计算问题，尤其是从相机图像提取高清晰度、高密度深度(立体声)和运动(光学流)信息的低级CV技术。

发明内容

描述的实例包含图像处理器，其具有实施准参数光学流测量(QP-OFM)算法的光学流逻辑，所述算法组合金字塔式块匹配(PBM)方法(其为到参数方法)与经修改卢卡斯-卡纳德(Lucas-Kanade，LK)方法(其为参数方法)，获得大光学流(OF)范围内的高精确度估计。所述PBM方法执行具有整数像素分辨率的OF估计并且接着使用经修改LK方法的至少一个遍次细化PBM获得的OF估计值以获得具有分数像素分辨率经修正光学流估计值。经修改LK方法的一个遍次通常提供良好的成本收益平衡，这是因为其不需要内插和数据重新提取。

描述的实例包含图像处理系统，其包含处理器和OF确定逻辑，所述OF确定逻辑用于量化存在于视频的第一帧(例如，查询图像)和视频的第二帧(例如，参考图像)中的特征的相对运动，提供相对于视频的两个帧的时间和空间排序图像中的至少一个。所述OF确定逻辑配置所述处理器使用PBM方法执行第一帧和第二帧之间的OF估计，以产生基底(最低)金字塔层级处的具有整数像素分辨率的初始OF估计值，并且使用经修改LK方法细化初始OF估计值以提供具有分数像素分辨率的经修正OF估计值。QP-OFM算法显著简化和改进基于PBM的致密OF(DOF)估计算法。下文描述的实例展现关于已知DOF估计算法的改进性能。

附图说明

图1是根据实例实施例的实施公开的确定和应用OF的QP-OFM算法的系统的框图。