本文介绍了计算机视觉中的光流概念及其重要性，包括Motion Field和Optical Flow的关系。文章讨论了从2D运动到3D运动的转换，并引入了3个关键假设：Motion Field等于Optical Flow、亮度恒定约束和亮度平滑变化。通过这些假设，作者导出了光流约束方程，为后续的光流计算方法奠定了基础。然而，由于方程的不足，需要使用Locas-Kanade's和Horn-Schunck's方法来解决。这些方法的具体实现将在后续的博客中详细讲解。
本系列的博客主要基于这学期参加的computer vision的选修课，本课程的vision特指中层视觉，不含图像处理与机器学习。本文的目的，是想给一些准备入门的同学，介绍一下vision中关于motion部分的计算机视觉发展史，看看前辈们是如何提出一个大问题，又是通过加入哪些assumptions去解决这些问题，而后辈们又是如何突破这些asuumption的限制获得泛化能力更强的解的。
Calculating Optical Flow的重要工作完成于上世纪80年代初，分别是从局部入手的Locas-Kanade’s Method和从全局入手的Horn-Schunck’s Method，它的作用是可以通过计算物体2D移动，进而求解3D移动，对机器人的实时跟踪等算法具有重要的意义。
首先介绍一下Motion field （运动场）and optical flow（光流）
概念一：Motion field (2D): a velocity vector associated with each image point
大家可以这样理解，一个在3D空间内运动的物体，通过投影成像在底片或者视网膜等2D平面上的像素点，随着3D的运动而运动，因为有方向有大小，也就是向量了。
P.S. 这里需要讲一下3D motion与2D motion之间相互关系，这在以后的博客关于从2D motion到3D motion转化的时候会用到。首先看一下下面这个图，左图是我们常用的投影perspective projection（透视投影）的习惯画法，有些人把这个模型想不明白，其实真正的模型是右边那个（给机械的丢脸了）。<
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
