Computer vision 我们需要在Kanade Lucas-Tomasi跟踪器中计算光流吗?
我想了解Kanade Lucas Tomasi tracker。 这是如何完成的概述(我从一些讲座中读到):Computer vision 我们需要在Kanade Lucas-Tomasi跟踪器中计算光流吗?,computer-vision,tracking,opticalflow,Computer Vision,Tracking,Opticalflow,我想了解Kanade Lucas Tomasi tracker。 这是如何完成的概述(我从一些讲座中读到): 1. Find harris corners 2. For each corner compute displacement to next frame using the Lucas-Kanade method 3. Store displacement of each corner, update corner position 4. (optional) Add more cor
1. Find harris corners
2. For each corner compute displacement to next frame
using the Lucas-Kanade method
3. Store displacement of each corner, update corner position
4. (optional) Add more corner points every M frames using 1
5. Repeat 2 to 3 (4)
6. Returns long trajectories for each corner point
我的疑问是,我们是否需要计算某一点的光流,或者仅仅是位移矢量就足以执行该算法?
如果没有,那么为什么要讨论光流这个话题呢?位移矢量是拐角位置(密集)光流的一个样本。顺便说一句,虽然哈里斯角通常是初始化搜索的好位置,但严格来说,你需要一个较弱的检测器,请参阅Shi&Tomasi的经典“跟踪的良好特性”.Kanade Lucas-Tomasi跟踪器与光流相关,因为位移矢量是光流矢量,但在稀疏意义上,而不是密集的光流场。这是因为跟踪器基于Lucas Kanade方法估计位移向量。Lucas-Kanade方法是基于强度不变假设的,该假设由一阶Taylor近似求解。这种近似称为光流方程,由Horn和Schunk发明。Lucas-Kanade方法被归类为局部光流方法,而目前大多数光流方法都是产生密集运动场的全局方法 不是对KLT最准确或最有用的描述。这样更好:
Lucas-Kanade方法不限于估计位移。事实上,在KLT跟踪器中使用LK几乎假设在位移顶部至少进行旋转和缩放变形。对于许多应用,完全仿射解决方案是有益的。这意味着您需要求解6个参数,而不仅仅是位移的2个参数(u,v)。在光流中,我们计算u和v,即速度dx/dt和dy/dt。我们如何计算运动矢量。我们用帧速率乘以u和v吗?要得到真实世界的运动并不是那么容易,因为光流给你3D真实世界运动的2D投影。有关更多详细信息,请参阅SLAM方法等。