Vad är optiskt flöde?
Optiskt flöde beskriver datoriserad spårning av rörliga objekt genom att analysera innehållsskillnader mellan videoramar. I en video kan både objektet och observatören vara i rörelse; datorn kan hitta signaler som markerar gränserna, kanterna och regionerna för enskilda stillbilder. Genom att upptäcka deras framsteg kan datorn följa ett objekt genom tid och rum. Tekniken används inom industrier och forskning, inklusive drift av obemannade luftfartyg (UAV) och säkerhetssystem.
Två primära metoder genererar denna datorsyn: gradientbaserad och funktionsbaserad rörelsedetektion. Gradientbaserat optiskt flöde mäter förändringar i bildintensitet genom utrymme och tid. Den skannar ett tätt flödesfältplan. Funktionsbaserade flöden överlagrar kanterna på objekt inom ramar för att markera framsteg.
Denna teknik liknar kamerastabilisering, vilket gör att ett datoriserat synfält kan låsas in i ramen trots kameraskakning. Optiska flödesalgoritmer beräknar matchningar mellan bilder i följd. Datorn delar upp varje bild i fyrkantiga rutnät. Överläggning av två bilder tillåter jämförelser att hitta de bästa matchningarna på rutorna. När datorn lokaliserar en matchning drar den en linje mellan skillnadspunkterna, ibland kallade nålar.
Algoritmer fungerar systematiskt från grova till fina upplösningar. Detta tillåter rörelsespårning mellan bilder med skillnader i upplösning. Datorn känner inte igen objekt utan upptäcker och följer bara egenskaperna hos objekt som kan jämföras mellan ramar.
Beräkning av optiska flödesvektorer kan detektera och spåra föremål och även extrahera en bilds dominerande plan. Detta kan hjälpa till i robotnavigering och visuell odometri, eller robotorientering och position. Den noterar inte bara föremål utan också omgivande omgivningar i tre dimensioner och ger robotar mer naturtro rumslig medvetenhet. Vektorer beräknade i ett plan gör att processorn kan dra slutsatsen och svara på rörelser extraherade från ramarna.
Vissa svagheter i den optiska flödetekniken inkluderar dataförlust som är resultatet från rutor som datorn inte kan matcha mellan bilder. Dessa oöverträffade områden förblir lediga och skapar plana tomrum, vilket minskar noggrannheten. Tydliga kanter eller stabila element som hörn bidrar till flödesanalys.
Detaljerade faktorer kan döljas om observatören också är i rörelse, eftersom den inte kan skilja vissa element från ram till ram. Analysen delar rörelse i uppenbart globalt flöde och lokaliserad objektrörelse, eller egomotion. Rumsliga-temporära förändringar i kanter eller bildintensitet går vilse i kamerans rörelse och den rörliga miljöns globala flöde. Analysen förbättras om datorn kan eliminera effekten av det globala flödet.