Resumen

Evitar la autooclusión de un objeto en movimiento es un problema difícil. Se propone un enfoque para evitar dinámicamente la autooclusión basado en la secuencia de imágenes de profundidad de un objeto visual en movimiento. En primer lugar, se adquieren dos imágenes de profundidad adyacentes de un objeto en movimiento y se calculan las coordenadas 3D de cada píxel en dos imágenes de profundidad adyacentes utilizando una transformación antiproyección. Sobre esta base, se construye el mejor modelo de vista según la información de autooclusión de la segunda imagen de profundidad. En segundo lugar, se calcula la matriz de curvatura gaussiana correspondiente a cada imagen de profundidad utilizando las coordenadas 3D de los píxeles. En tercer lugar, basándose en la característica de que la curvatura gaussiana es la invariante intrínseca de una superficie, la estimación del movimiento del objeto se implementa haciendo coincidir dos matrices de características de curvatura gaussiana y utilizando los cambios de coordenadas de los puntos 3D coincidentes. Por último, combinando el mejor modelo de vista y el resultado de la estimación del movimiento, se adopta la teoría de la optimización para planificar el comportamiento de la cámara y llevar a cabo el proceso dinámico de evitación de la autooclusión. Los resultados experimentales demuestran que el enfoque propuesto es viable y eficaz.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Evitar; autooclusión; objeto en movimiento; secuencia de imágenes en profundidad; objeto visual; matriz de características de curvatura gaussiana.
• Keywords:Avoid; self-occlusion; moving object; depth image sequence; visual object; Gaussian curvature feature matrix