| 主权项 |
1.一种视频场景三维重建时的特征点优选方法，包括以下步骤：1）视频场景的图像序列I(X, <i>t</i>)，其中， X表示第i个特征点的位置，X的坐标为（<img file="34021DEST_PATH_IMAGE001.GIF" wi="18" he="26" />，<img file="2010105082014100001DEST_PATH_IMAGE002.GIF" wi="20" he="26" />），<i>t</i>表示帧的序数，使用KLT跟踪器对特征点进行跟踪，设定图像序列中两帧数据之间的时间间隔是有限的小，特征点仅在位置上发生变化，亮度保持不变，如下式：<img file="381957DEST_PATH_IMAGE003.GIF" wi="156" he="22" />(1)其中，<img file="2010105082014100001DEST_PATH_IMAGE004.GIF" wi="48" he="22" />表示特征点的亮度，X表示特征点的位置，<i>δ(X)</i>表示变换函数，<img file="806991DEST_PATH_IMAGE005.GIF" wi="21" he="20" />表示时间间隔：<i>δ(</i>x<i>)</i>近似用一个向量d来表示：<img file="DEST_PATH_IMAGE006.GIF" wi="158" he="22" />(2)计算图像<i>I (</i>X<i>, t)</i>和图像<i>I(</i>X+d<i>, t+△t)</i>中的两个窗口之间的差异，如下式：<img file="607588DEST_PATH_IMAGE007.GIF" wi="278" he="30" />(3)其中，<img file="DEST_PATH_IMAGE008.GIF" wi="14" he="16" />表示差异量，<i>w(</i>X<i>)</i>是一个权值函数，W表示窗口，计算出使得向量d最小；利用泰勒公式把<img file="205797DEST_PATH_IMAGE009.GIF" wi="100" he="22" />按一阶展开得到线性的部分，并根据d到0设定相应的<i>ε</i>，得到线性的等式：<img file="DEST_PATH_IMAGE010.GIF" wi="48" he="20" />(4)其中，Z是2×2的矩阵；<img file="329611DEST_PATH_IMAGE011.GIF" wi="188" he="30" />(5)并且，e是2×1的向量；<img file="DEST_PATH_IMAGE012.GIF" wi="304" he="30" />(6)其中，<img file="489328DEST_PATH_IMAGE013.GIF" wi="77" he="42" />；其特征在于：所述特征点优选方法还包括以下步骤：2）计算出在相邻帧之间每个跟踪特征点的向量方向，并用正弦值表示其向量方向，定义向量方向：<img file="DEST_PATH_IMAGE014.GIF" wi="184" he="26" />(7)其中，上标<i>j</i> 表示帧数；正弦值：<img file="519164DEST_PATH_IMAGE015.GIF" wi="100" he="45" />(8)其中，<img file="DEST_PATH_IMAGE016.GIF" wi="56" he="28" />；其次，计算出<i>θ</i>的均值来决定其中心<i>c：</i><img file="422529DEST_PATH_IMAGE017.GIF" wi="89" he="42" />，并设定阈值<i>a</i>来排除相对变化较大的向量方向；<img file="DEST_PATH_IMAGE018.GIF" wi="181" he="52" />(9)即，|<i>θ-c</i>|表示绝对距离，当<i>|θ-c|</i>≤<i>a</i>成立时，不改变KLT跟踪器跟踪的数据结果；当<i>|θ-c|>a</i>成立时，去除这些跟踪点；得到优选的特征点。 |
