[发明专利]基于6自由度场景流聚类的3D运动目标检测方法

权利要求书

1.一种基于6自由度场景流聚类的3D运动目标检测方法，其特征是：

步骤一.利用深度相机获取场景的对齐的彩色图像和深度图像；

步骤二.构建6自由度场景流估计能量泛函；绕坐标轴的旋转运动定义为ω(ω_X,ω_Y,ω_Z)，沿着坐标轴的平移动定义为τ(τ_X,τ_Y,τ_Z)，运动用6自由度κ(ω,τ)描述，所述能量泛函由数据项E_D(κ)和平滑项E_S(κ)组成，表达式为E(κ)＝E_D(κ)+αE_S(κ)，α为平衡因子；

步骤三.能量泛函的最优求解；

步骤四.根据场景流的定义，利用旋转向量和平移向量计算出场景流；

步骤五.根据场景流信息进行初步分析，确定移动目标的数目；

步骤六.根据场景流提取运动特征信息，获取每个点的特征向量；

步骤七.利用ISODATA算法对特征向量进行聚类分析，提取出运动目标；

所述构建6自由度场景流估计能量泛函具体包括：

(1)构建能量泛函数据项

在图像域约束求解6自由度κ(ω,τ)，2维空间点x(x,y)和3维空间点X(X,Y,Z)，把三维点X投影到二维空间，通过定义函数Υ(X)实现，同样二维点到三维点的转换通过定义函数Υ^-1(x,Z)实现，设X_t(X,Y,Z)为3维空间中的一点，运动后在第二帧点的位置为X_t+1，则

其中是一种指数形式，

令W(x,κ)表示x₁(x,y)点在第2帧估算的位置，则：

利用亮度恒常和深度恒常假设构建能量泛函数据项：

ρ_I(x,κ)＝I₂(W(x,κ))-I₁(x)

其中：D＝(0,0,1,0)^T，为抑制光流数据项中的集外点，同时保证能量泛函的凸性与可微性引入形如公式的鲁棒惩罚函数；

对数据项进行局部约束，将约束方程设定在x的邻域N(x)内成立：

(2)构建能量泛函平滑项

κ包括旋转向量和平移向量，首先是对平移向量的平滑，定义自适应的全变分平滑项为：

其中τ_d,d＝1,2,3对应于旋转向量的三个分量：τ_x,τ_y,τ_z，Ρ(x)为全变分自适应系数，定义：

Ρ(x)＝exp(-μ|▽Z(x)|^η)

其中Z(x)为深度图,x为深度像素点，

定义旋转向量的平滑项为：

总平滑项为：E_S(κ)＝E_{S_τ}(τ)+E_{S_ω}(ω)。

2.根据权利要求1所述的基于6自由度场景流聚类的3D运动目标检测方法，其特征是所述能量泛函的最优求解具体包括：

引入辅助变量κ'(ω'_X,ω'_Y,ω'_Z,τ'_X,τ'_Y,τ'_Z)，固定κ'求解κ，则对应于基于数据项的能量泛函求解，利用高斯牛顿法迭代进行求解；固定κ求解κ'，则对应于基于平滑项的求解，而平滑项包括旋转向量能量泛函和平移向量能量泛函，基于平滑项的能量泛函求解时，对旋转向量和平移向量分别极小化；旋转向量能量泛函的极小化利用矢量全变分去噪模型进行求解；平移向量能量泛函的极小化符合ROF去噪模型，利用映射梯度下降法进行求解；

基于数据项的求解和基于平滑项的求解都是迭代求解过程，两者交替迭代求解完成场景流的求解过程。

3.根据权利要求2所述的基于6自由度场景流聚类的3D运动目标检测方法，其特征是场景流v通过下式得到：