当前位置：首页 > news >正文

光流法的一些相关内容

news 2026/4/6 23:11:20

光流法（Optical Flow）是计算机视觉中的一种经典方法，用于估计图像序列中像素的运动。它的目标是：从连续两帧图像中计算每个像素在图像平面上的运动速度（位移向量）。每个像素都会对应一个运动向量，因此形成光流场（Optical Flow Field）。
一言以概之：所谓光流就是瞬时速率，在时间间隔很小（比如视频的连续前后两帧之间）时，也等同于目标点的位移

光流法的基本假设

光流法通常包含二个假设：

亮度一致性假设，即同一物体点在连续两帧中亮度不变。
小运动假设：两帧之间的位移很小。

可以将二维问题给简化为一维时去理解。

约束方程只有一个，而方程的未知量有两个，这种情况下无法求得u和v的确切值。此时需要引入另外的约束条件，从不同的角度引入约束条件，导致了不同光流场计算方法。按照理论基础与数学方法的区别把它们分成四种：基于梯度（微分）的方法、基于匹配的方法、基于能量（频率）的方法、基于相位的方法和神经动力学方法。

RLOF（ Robust Local Optical Flow ）算法

鲁棒局部光流算法于 2016 年发布。这项工作的主要思想是，强度恒定性假设并不能完全反映现实世界的行为方式。还有阴影、反射、天气条件、移动光源，简而言之，还有不同的照明。RLOF 是一种局部、鲁棒的光流估计方法，可以看作是稠密版本的 Lucas-Kanade，但加入了更多优化（例如金字塔处理、多尺度匹配、外部先验引导等）。

ROBUST LOCAL OPTICAL FLOW: LONG-RANGE MOTIONS AND VARYING ILLUMINATIONS
摘要：基于局部光流的稀疏运动估计方法是计算机视觉广泛应用的基础。经典的方法，如金字塔Lucas-Kanade方法(PLK)或更复杂的方法，如稳健的局部光流(RLOF)，当涉及到光照变化和/或远程运动的环境时会失败。在这项工作中，我们针对这些局限性，提出了一种新的局部光流框架，该框架考虑了光照模型来处理变化的光照，以及基于透视全局运动模型的预测步骤来处理远距离运动。在Middlebury、Kitti和Sintel光流基准上的实验结果表明，该框架具有优越的性能。

方法先用光照模型扩展了一致性假设，接着提出先全局估计，之后在此基础上局部计算。该方法在应对光照变化以及远距离运动上有一定的鲁棒性。