[发明专利]使用基于贴片的投影相关性进行高效自运动估计

说明书

一种用于提高自运动估计的计算效率的方法，包括：检测一对连续图像；并且估计对图像帧之间的运动进行最佳建模的二维平移向量和旋转角度。该对图像被各自划分为重叠的图像贴片，然后使用高效的投影相关性方法来估计每个图像贴片的局部二维平移向量。来自所有贴片的平移向量形成向量场，然后使用切尾均值方法稳健且高效地估计对检测器的自运动进行最佳建模的二维平移和旋转角度，其中的检测器可以是相机。

相关申请的交叉引用

本申请涉及并要求于2018年10月16日提交的美国临时专利申请No. 62/746,123的权益，该美国申请通过引用并入本文，如同在此完全阐述一样。本申请还涉及并要求于2019年8月6日提交的美国非临时专利申请No. 16/532,970的优先权，该美国申请通过引用并入本文，如同在此完全阐述一样。

关于联邦资金的声明

这项发明是在美国政府的支持下完成的。美国政府在本发明中具有某些权利。

技术领域

本公开涉及图像中的自运动估计和特征检测。

背景技术

用于自运动估计的现有技术方法通常涉及跨图像的持续特征的检测，诸如D.Lowe在如下文献中所描述的：“Distinctive Image Features from Scale-InvariantKeypoints(来自尺度不变关键点的独特图像特征)”，IJCV，60(2) 第91-110页，2004年，该文献通过引用并入本文并使用尺度不变特征变换 (SIFT)进行描述，以及H.Bay、A.Ess、T.Tuytelaars和L.Van Gool在如下文献中所描述的方法：“Speeded-Up Robust Features(加速的鲁棒特征)”，欧洲计算机视觉会议进展，2006年，该文献通过引用结合于此。这些现有技术的方法对于检测是计算密集的，并且由于照明的变化、变化的天气条件或遮挡，特征可能不会在图像上持续。这些特征通常使用随机抽样技术与下一个图像帧中的相应特征相匹配，随机抽样技术例如RANSAC(随机抽样一致性)，如 M.Fischler和R.Bolles在如下文献中所描述：“Random Sample Consensus:A Paradigm for Model Fitting withApplications to Image Analysis and Automated Cartography(随机样本一致性：应用于图像分析和自动制图的模型拟合范式)”， Communications of the ACM(美国计算机学会通讯)，第24卷，第6期，第381-395 页，1981年，其通过引用结合于此。这种随机抽样方法在理论上保证在给定足够的随机抽样的情况下鲁棒地估计运动模型，通常需要太多的随机抽样，以便对于低功率平台(如无人驾驶的自主车辆)实时可计算地处理。

另一种基于傅里叶-梅林(Fourier-Mellin，F-M)变换的“整体”自运动方法，利用谱域中几何变换的特性，有效地估计场景的运动模型。然而，该方法需要计算整个图像的二维(2-D)傅里叶变换，这是计算上昂贵的操作，并且其对于一般方法中的异常值不是鲁棒的。虽然基于F-M的方法可以变得更为鲁棒，使用诸如随机抽样或切尾均值(trimmed-mean)方法的技术，这些技术增加了已经很高的计算成本，并使在低功耗平台上的实时操作变得不可行。

所需要的是用于自运动估计的计算上高效的装置和方法。本公开的实施例满足了这些和其他需要。

发明内容