Hva er optisk flyt?
Optisk flyt beskriver datastyrt sporing av bevegelige objekter ved å analysere innholdsforskjeller mellom videorammer. I en video kan både objektet og observatøren være i bevegelse; datamaskinen kan finne signaler som markerer grensene, kantene og områdene til individuelle stillbilder. Å oppdage fremgangene deres lar datamaskinen følge et objekt gjennom tid og rom. Teknologien brukes innen industri og forskning, inkludert drift av ubemannede luftfartøyer (UAV) og sikkerhetssystemer.
To primære metoder genererer denne datamaskinvisjonen: gradientbasert og funksjonsbasert bevegelsesdeteksjon. Gradientbasert optisk flyt måler endringer i bildens intensitet gjennom rom og tid. Den skanner et tett flytefeltplan. Funksjonsbaserte flyter overlegger kanter på objekter i rammer for å markere fremdrift.
Denne teknikken ligner videostabilisering av videokameraer, og lar et beregnet synsfelt låses inn i rammen til tross for kamerarystelser. Optiske flytalgoritmer beregner samsvar mellom bilder i rekkefølge. Datamaskinen deler hvert bilde i firkantede rutenett. Å legge over to bilder tillater sammenligning for å finne de beste fyrstikkene. Når datamaskinen finner en kamp, trekker den en linje mellom forskjellspunktene, noen ganger kalt nåler.
Algoritmer fungerer systematisk fra grove til fine oppløsninger. Dette tillater bevegelsessporing mellom bilder med ulik oppløsning. Datamaskinen gjenkjenner ikke objekter, men oppdager og følger bare egenskapene til objekter som kan sammenlignes mellom rammer.
Beregning av optiske strømningsvektorer kan oppdage og spore gjenstander og også trekke ut et bildes dominerende plan. Dette kan hjelpe med robotnavigering og visuell odometri, eller robotorientering og posisjon. Den noterer ikke bare gjenstander, men også omgivende omgivelser i tre dimensjoner, og gir roboter mer naturtro romlig bevissthet. Vektorer beregnet i et plan gjør at prosessoren kan utlede og reagere på bevegelser som er hentet ut fra rammene.
Noen svakheter ved den optiske strømningsteknikken inkluderer tap av data som skyldes firkanter datamaskinen ikke kan samsvare mellom bilder. Disse umatchede områdene forblir ledige og skaper plane tomrom, noe som reduserer nøyaktigheten. Tydelige kanter eller stabile elementer som hjørner bidrar til strømningsanalyse.
Detaljerte faktorer kan bli tilslørt hvis observatøren også er i bevegelse, siden den ikke kan skille visse elementer fra ramme til ramme. Analysen deler bevegelse i tilsynelatende global flyt og lokalisert objektbevegelse, eller egomotion. Romlig-tidsmessige endringer i kanter eller bildeintensitet går tapt i bevegelsen til kameraet og den globale flyten i det bevegelige miljøet. Analysen forbedres hvis datamaskinen kan eliminere effekten av den globale flyten.