旅行汽车网盖世汽车讯 估算移动摄像头的运动是计算机视觉领域中的常见问题。随着自动驾驶汽车和无人机等技术越来越受欢迎，需要快速、高效的车载视频处理算法，以较低的计算成本及时、准确地返回信息。此种摄像头运动的估计，或姿态估计，也是车载目标追踪系统的重要组成部分。
（图片来源：techxplore.com）
据外媒报道，杨百翰大学（Brigham Young University）研究人员开发了一种方法，为已用于计算机视觉的算法提供基础，大幅减少计算时间，并降低姿态估计的复杂性。
姿态估计算法利用来自移动摄像头的视频源的帧，生成关于摄像头在每个连续帧的过程中如何移动的假设。目前，用于姿态估计的算法需要根据视频中的数据生成5到10个假设，从而判断摄像头是如何移动的。然后根据这些假设与数据的契合程度，对其进行打分，得分最高的假设被选为最佳姿势估计。然而，生成多个假设的计算成本很高，并且导致姿态估计返回时间较慢。
研究人员找到了一种方法，在每一帧之间输入信息，为已用于计算机视觉的算法提供基础，或给予提示，从而大大减少生成假设的数量。研究人员称，“在每次迭代中，我们都使用当前的最佳假设为算法提供基础，所需假设减少直接降低了计算时间和复杂程度。我们的研究表明，此种方法大大减少了姿态估计需要生成和被打分的假设数量，允许实时执行算法。”
随后，研究小组将此种方法与其他最先进的姿态估计算法进行比较，以区分减少假设数量对计算精度的影响。尽管每次迭代只生成一个假设，在100次迭代之后，此种方法的误差与OpenCV五点多项式求解器相当。此外，当对两种算法进行及时检查时，该算法明显优于其他先进的方法，大多数情况下，新算法要快10倍。
该小组随后修改了该算法，以便进行目标追踪，并在多旋翼无人机上进行了测试。该算法成功以640 x 480的分辨率追踪了多个目标。结果与此前的分析一致。整个算法每帧运行需要29毫秒，意味着其能以每秒34帧的速度实时运行。接下来，该团队计划将该算法用于3D场景重建和更复杂的追踪方法。
