zoukankan      html  css  js  c++  java
  • 视觉感知基本知识

    序言

           自动驾驶是目前非常有前景的行业,而视觉感知作为自动驾驶中的“眼睛”,有着非常重要的地位和作用。本着“不积跬步,无以致千里”的态度,记录下一个个相关知识点。一方面用于备忘,另一方面也可以让需要了解相关知识的人一个快速学习的机会。

    目录

    知识点1:色彩空间  Ycbcr-> RGB

    知识点2:光照补偿

    知识点3:评分标准

    知识点4:特征匹配算法

    知识点:感知哈希算法

    正文

    知识点1:色彩空间  Ycbcr-> RGB

           RGB  带色彩 ,带亮度   
     Y          0.299      0.587       0.114       R
    Cb   = -0.1678   -0.3313          0.5  *   G
    Cr              0.5   -0.4187   -0.0813       B
    View Code

    知识点2:光照补偿

      视觉感受的亮度是眼睛入射光强的对数函数

    g(x,y) = (Gl-G0)/((Lnn-Lnm)x[ln(f(x,y)-lnm]+G0)

    g(x,y) 变换后亮度值

    Gl:变换前最大灰度

    G0:变换前最小灰度

    g(x,y)  = 255x(ln(f(x,y)-b)/(lnE-lnB)      B<=f(x,y) <=E

    g(x,y)  = 0                                                   f(x,y)< B

    g(x,y)  = 255                                               f(x,y) >E

    过亮或过暗区域修正:

    Pr(rk) = nk/N   ,   0<=rk<=1,k=0,1,...,L-1

    Sk=∑i=0,k(pr(ri))    ,mk=∑i=0,k(ni)

    1) sk<5% ,sk+1 >5%,mk>100,f(x,y)靠近灰度值0,令B=f(x,y) ,排序从低到高,取前5%,mk足够,设最低为B

    2) sk<95% ,sk+1 >95%,mk>100,f(x,y)靠近灰度值255,令B=f(x,y) ,排序从高到低,取前5%,mk足够,设最低为E

    算法流程如下:

    IN_Image                          OUT_Image  (针对光线暗)
          |                               /|
         |/                               |
    RGB-> YCbCr                        YCbCr  -> RGB
          |                               /|
         |/                               |
    直方图均衡化              ---->     自适应非线性转换

     知识点3:评分标准       

            针对多目标跟踪:MTT(Multiple target tracking)   MOT(Multi-object Tracking)

    给定一个图像序列,找到序列中运行的物体,对目标进行定位,将不同帧中同一目标一一对应,记录其ID,并给出不同物体的运动轨迹。

            1.MOTA :Multiple Object Tracking Accuracy

            2.IDF1  :ID F1-score

            3.FP

            4.FN

            5.MT    :Mostly tracked target

            6.ML   :Mostly lost   target

            7.IDS   :ID Switch

            8.FM    :Fragmentation

    知识点4:特征匹配算法

    SIFT

    步骤:

    1)尺度空间极植检测

    2)特征点提取

    3)特征方向提取

    4)特征点局部特征提取(关键点表示特征)

    缺点:实时性差

    SURF

    优点:实时性好

    BRIEF

    步骤:

    1)通过逻辑运算(异或)获取描述符之间的相似度,提高匹配速度;

    2)描述符索引与聚类:索引:编码可快速获取对应关系;聚类:相似度较高描述符聚类。

    FAST

    设置相应阈值来控制特征点的数量

    知识点:感知哈希算法

    1)缩小尺寸(8x8)64个像素,去除细节

    2)简化色彩,转换成64级灰度值

    3)计算平均值

    4)比较像素的灰度,与平均值比较,大于为1,小于为0

    5)计算哈希值,64位整数为图像的指纹

    6)比对图像(汉明距离)

    小于5为相似,大于10为不相似

  • 相关阅读:
    Python 学习笔记 11.模块(Module)
    Python 学习笔记 8.引用(Reference)
    Python 学习笔记 9.函数(Function)
    Python 学习笔记 6.List和Tuple
    Python 学习笔记 4.if 表达式
    Python 学习笔记 2.自省
    Python 学习笔记 3.简单类型
    Python 学习笔记 7.Dictionary
    Python 学习笔记 5.对象驻留
    Python 学习笔记 10.类(Class)
  • 原文地址:https://www.cnblogs.com/jimchen1218/p/11840439.html
Copyright © 2011-2022 走看看