[发明专利]一种稳健的非刚性运动重建方法

摘要

本发明公开了一种稳健的非刚性运动重建方法，涉及计算机视觉中的三维重建领域，特别是涉及一种稳健的非刚性运动方法。本发明方法解决了现有技术中需要不断调试正交离散余弦基个数K的值以获得接近真值的重建结果；使得其在真实的非刚性重建应用中减少了难以使用的缺陷；在不需要预先设定或者调试正交离散余弦基个数K的前提下，通过计算多个矫正基，统计获得重建结果，增强了基于轨迹基的非刚性重建算法的适用性和稳定性。

主权项

1.一种稳健的非刚性运动重建方法，该方法包括：步骤1：已知图像序列的二维特征点测量矩阵W，W的大小为2F×p,其中F为图像序列的帧数，p为特征点的个数；对W进行如下的中心化：首先求取W的行平均值m_i(i＝1...,2F),将W的第W_i行的每个元素减去行均值m_i，获得中心化的W′；步骤2：假定2F＞p，将W′进行SVD分解，获得W′＝UDV，其中U的大小为2F×p，D的大小为p×p,V的大小为p×p；取令其中U_:,1:3K表示U的前3K列，D_1:3K,1:3K表示D的前3K行前3K列的元素所构成的矩阵，表示V的前3K行元素的转置；步骤3：生成正交离散余弦基；将离散余弦基表示为其中是一个F维的向量，j＝1,...,K，将即第一个基向下平移2K‑2，第2到K个基向上平移2；形状个数初始化n＝0；步骤4：令j＝1，执行下列步骤：利用非线性LM算法最优化下列目标函数：表示的第2i‑1:2i行元素，大小为2×3K,θ_i,j为第j个基中的第i维元素；初始化3K×3的q为全1阵，非线性优化直到目标函数收敛，即误差小于e^‑10,或者迭代次数大于2000，终止优化迭代，得到近似最优的q_j，当目标函数返回值大于阈值δ时，令转至步骤7；步骤5：计算相机旋转矩阵其大小为2×3，将生成的R_i矩阵排列成步骤6：根据下列步骤计算形状矩阵S：步骤6.1计算G＝Ρ·Θ；步骤6.2计算S_j＝Θ·(G^T·G)^‑1·G^T·W；步骤6.3形状个数n＝n+1；步骤7：令j＝2:K，重复步骤4，5，6，得到S₂,S₃,...,S_K；步骤8：计算非刚性物体的3F×p形状矩阵