本帖的目的在于:
1)学习光流的基本概念和基本原理;
2)调研当前光流法的主流方法,并给出参考链接和源码
3)光流法与避障的结合点
4)谈一谈光流法的应用和未来发展趋势
1.光流法
1.1 光流法的基本假设
1.2 传统的光流法
参考:光流简介
opencv中的光流法及其函数调用。
注意:opencv不同版本有不同的方法,有些方法在最新的版本中可能遭到遗弃。
参考:opencv 3.4.2稠密光流方法
- 金字塔LK:calcOpticalFlowPyrLK
- HS 2003:CalcOpticalFlowHS
- DIS 2016:
- Farneback:calcOpticalFlowFarneback
Farneback算法详解
Farneback算法参考- SimpleFlow 2012:calcOpticalFlowSF
- 块匹配:CalcOpticalFlowBM
1.2.1 金字塔LK光流法
1.2.2 HS光流法
1.2.3 DIS光流法
参考文献:Kroeger T , Timofte R , Dai D , et al. Fast Optical Flow using
Dense Inverse Search[J]. 2016.
已经在OpenCV库中了。
参考链接:OpenCV4.0下调用DIS光流法
#include "opencv2/core/utility.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
#include "opencv2/video.hpp"
#include <iostream>
using namespace std;
using namespace cv;
static void help()
{
printf("Usage: dis_optflow <video_file>\n");
}
int main(int argc, char **argv)
{
VideoCapture cap;
if (argc < 2)
{
help();
exit(1);
}
cap.open(argv[1]);
if(!cap.isOpened())
{
printf("ERROR: Cannot open file %s\n", argv[1]);
return -1;
}
Mat prevgray, gray, rgb, frame;
Mat flow, flow_uv[2];
Mat flow_Farneback;
Mat flow_uv_Farneback[2];
Mat mag, ang;
Mat mag_Farneback, ang_Farneback;
Mat hsv_split[3], hsv;
Mat hsv_split_Farneback[3], hsv_Farneback;
Mat rgb_Farneback;
Ptr<DenseOpticalFlow> algorithm = DISOpticalFlow::create(DISOpticalFlow::PRESET_MEDIUM);
int idx = 0;
while(true)
{
cap >> frame;
if (frame.empty())
break;
cv::resize(frame,frame,cv::Size(0.8*frame.cols,0.8*frame.rows),0,0,cv::INTER_LINEAR);
idx++;
cvtColor(frame, gray, COLOR_BGR2GRAY);
cv::imshow("orig", frame);
if (!prevgray.empty())
{
/*DISOpticalFlow*/
/*main function of DISOpticalFlow*/
algorithm->calc(prevgray, gray, flow);
split(flow, flow_uv);
multiply(flow_uv[1], -1, flow_uv[1]);
cartToPolar(flow_uv[0], flow_uv[1], mag, ang, true);
normalize(mag, mag, 0, 1, NORM_MINMAX);
hsv_split[0] = ang;
hsv_split[1] = mag;
hsv_split[2] = Mat::ones(ang.size(), ang.type());
merge(hsv_split, 3, hsv);
cvtColor(hsv, rgb, COLOR_HSV2BGR);
cv::Mat rgbU;
rgb.convertTo(rgbU, CV_8UC3, 255, 0);
cv::imshow("DISOpticalFlow", rgbU);
Mat rgbU_b = rgbU.clone();
Mat split_dis[3];
split(rgbU_b, split_dis);
split_dis[2] = prevgray;
Mat merge_dis;
merge(split_dis, 3, merge_dis);
cv::imshow("DISOpticalFlow_mask", merge_dis);
/*Farneback*/
cv::calcOpticalFlowFarneback(prevgray, gray, flow_Farneback, 0.5, 3,15, 3, 5, 1.2, 0);
split(flow_Farneback, flow_uv_Farneback);
multiply(flow_uv_Farneback[1], -1, flow_uv_Farneback[1]);
cartToPolar(flow_uv_Farneback[0], flow_uv_Farneback[1], mag_Farneback, ang_Farneback, true);
normalize(mag_Farneback, mag_Farneback, 0, 1, NORM_MINMAX);
hsv_split_Farneback[0] = ang_Farneback;
hsv_split_Farneback[1] = mag_Farneback;
hsv_split_Farneback[2] = Mat::ones(ang_Farneback.size(), ang_Farneback.type());
merge(hsv_split_Farneback, 3, hsv_Farneback);
cvtColor(hsv_Farneback, rgb_Farneback, COLOR_HSV2BGR);
cv::Mat rgbU_Farneback;
rgb_Farneback.convertTo(rgbU_Farneback, CV_8UC3, 255, 0);
cv::imshow("FlowFarneback", rgbU_Farneback);
Mat rgbU_Farneback_b = rgbU_Farneback.clone();
Mat split_Fb[3];
split(rgbU_Farneback_b, split_Fb);
split_Fb[2] = prevgray;
Mat merge_Fb;
merge(split_Fb, 3, merge_Fb);
cv::imshow("FlowFarneback_mask", merge_Fb);
cv::waitKey(1);
}
std::swap(prevgray, gray);
}
return 0;
}
CMakeList.txt如下:
cmake_minimum_required(VERSION 3.12)
set(OpenCV_DIR "${XXX}/opencv4_install/lib/cmake/opencv4")
project(dis_optflow)
set(CMAKE_CXX_STANDARD 14)
find_package(OpenCV 4 REQUIRED)
include_directories( ${OpenCV_INCLUDE_DIRS})
add_executable(dis_optflow main.cpp)
target_link_libraries(dis_optflow ${OpenCV_LIBS})
扩展:opencv中颜色空间的转换
国际照明委员会(CIE)
按照使用类别可以分为:彩色色度学模型、工业彩色模型、视觉彩色模型。
- CIE-RGB由红绿蓝三种基色组成,但可能出现负值
- CIE-Lab
在均匀色差空间中,相同距离的彩色色差与人眼主观感觉基本一致。有Luv和Lab两种均匀色差彩色模型。普遍认为,Lab彩色模型更接近人眼的主观感觉。
lαβ色彩空间不仅基本消除了颜色分量之间的强相关性,而且有效地将图像的灰度信息和颜色信息分离开来。所以可以分别对三个通道图像进行独立的运算,而不需要修改另外两个通道的信息,从而不会影响原图像的自然效果。
从RGB空间到lαβ空间的转换
需要进行3次变换,即RGB->CIEXYZ->LMS->lαβ,具体步骤如下:
其中LMS-Iαβ是基于对数据的主成分分析(PCA,Principal ComponentAnalysis)得到的,其中l为第一主成分,α为第二主成分,β为第三主成分。
参考:Lab空间 - 视觉彩色模型:一般都由色相Hue,饱和度Satutation,明度Value或者Luminance、Intensity构成。
- 基于孟塞尔彩色系统的HVC模型
孟塞尔颜色系统是比较经典和理想的均匀的颜色表示系统。它在视觉上是等色差的,即沿色调H、亮度值I、或饱和度方向S上等量的变化产生相同的视觉差异。
- HSV与HSB。。。
- 基于孟塞尔彩色系统的HVC模型
1.3 基于DL的光流估计
1.4 github repo:
PX4的光流模块:https://github.com/PX4/OpticalFlow
GPU版本的dense_flow:https://github.com/wanglimin/dense_flow.git
mori2015光流避障:https://github.com/tgarc/flownav
humanflow:https://github.com/anuragranj/humanflow