確定特徵是否是來自稀疏光流（KLT）的移動物體的一部分

Question

我已經使用KLT從圖像序列中提取了光流。 攝像頭位於移動車輛上，捕捉交通場景。 現在，我可以獲得沒有不匹配點的匹配結果。

我只是使用OpenCV函數（C++）來提取功能和跟蹤。儘管我沒有編程問題。

cvGoodFeaturesToTrack（）， cvFindCornerSubPix（），cvCalcOpticalFlowPyrLK（）

任何人都可以建議我應該是什麼主題/文成，如果匹配點我是一個移動的物體或沒有的部分區別？我不想恢復相機運動。僅檢查點是否來自移動物體。我沒有像測距儀或其他傳感器那樣的外部資源，但是我知道汽車的速度（安裝在攝像頭上）以及相機在車輛上下傾斜時的固定角度。 （雖然我不知道偏航率）

檢查光流的方向和距離是不夠的。例如，在相對地點移動的車輛的光流通常類似於靜止的特徵，或者車輛以與攝像機相同的速度移動。

我應該研究哪個主題來處理這個問題？如果我必須選擇FOE還是卡爾曼濾波器或其他？我想知道RANSAC是否會提供幫助。 （我已經閱讀了幾篇學術論文，但似乎運氣不好，我通過卡爾曼過濾器瀏覽過，但不知道這對我有什麼幫助，另外我發現在FOE上的資源相當有限，特別是在教科書中）

我欣賞每一個答案。非常感謝（真誠地）

Answer 1

不知道這是否認爲不適合回答我自己的問題。但是，由於沒有人回答這個問題，我已經做了一些研究工作，但不是成功的故事，我想我最好分享一些。對於那些有同樣問題的人可能會有所幫助。

我有一系列捕捉城市交通場景的圖像。每0.5秒使用移動車上的智能手機拍攝圖像。

爲了測試目的，我只用幾對圖像進行測試，而不是整個序列。我使用KLT獲得了許多匹配點，並執行了兩步異常刪除。匹配的結果很好，沒有或只有很少的不匹配。

爲了拒絕上移動的物體點，我跟着在下面的文件中提出的工作：

榮格，B。，和Sukhatme，GS，使用單個相機上的移動2004年「檢測移動物體在室外環境中機器人」 （在軸頸呈現的修訂版的標題爲‘從移動機器人的實時運動跟蹤’）

爲了總結，在他們的工作的一部分，他們拒絕異常值（移動的物體）通過計算圖像對之間的變換模型。這項工作使用雙線性模型。該過程是它們計算轉換模型參數T和拒絕匹配如果| X2 - T（X1）| <門檻。在此，X1和X2是指在時間T1和T2的一對圖像上的對應點的。

我試圖T作爲仿射模型，雙線性模型，和僞立體模型。我的實驗結果表明，如果一些移動的物體不是很小，這個程序總是會失敗，因爲它們依賴於匹配的點。就我而言，圖像是在城市交通場景中拍攝的，這個場景有很多移動物體。因此，我不能通過這種技術丟棄異常值。所以，我相信RANSAC也不會有幫助。這就是爲什麼很多論文假設少量移動物體。在這三種模式中，我發現仿射表演顯示最差的結果，但無法說明其中哪一個更好。

我希望這可能有所幫助。