激光掃描點云中運動圖像邊界信息提取方法

劉健欣,趙金鳳

(平頂山學院,河南 平頂山 467000)

1 引 言

運動圖像邊界信息可以為運動員訓練或者人們平時運動提供更多的借鑒內容,對人體運動姿態跟蹤、鑒別以及優化提供參考。運動圖像邊界信息提取有利于在原有的運動方法基礎上改善運動狀態[1],提高運動的效率。信息接收媒介主要是圖像,在運動圖像的采集、存儲、傳輸、顯示等各個環節中,存在著運動圖像光照不均勻、色彩減少、對比度明暗或曝光過度、細節缺失等現象,使運動圖像出現不同程度的退化。人類對運動圖像的感知已經由傳統的二維成像技術拓展到以激光掃描技術為主的方式,激光掃描技術可以有效去除運動圖像中的噪聲點[2],將運動圖像中背景點云和目標點云有效分離[3],研究運動圖像具有至關重要的作用。

在運動圖像領域中,對信息有效自動提取直接關系到分析運動結果的質量。國內外相關研究成果眾多,文獻[4]基于改進Renyi熵的運動目標圖像提取仿真,估算運動圖像的顏色概率,根據概率確定閾值,并計算運動目標函數,搜索邊界完成運動目標圖像提取。研究表明,該方法具有較高的性能和準確性。文獻[5]提出一種聚類算法在體育視頻圖像提取與處理中的應用,對兩幀的差分結果進行聚類,然后利用中值濾波技術和形態學方法對聚類結果進行提取和處理,得到運動前景目標。在視頻目標圖像提取過程中,引入了顏色空間聚類算法和濾波算法,降低了圖像中的顏色噪聲,提高了目標定位的準確性和提取效率。最后設計并實現了提取系統的框架。實驗結果表明,該算法具有較好的性能。

雖然上述研究取得一定進展,但是對于得到的數據點密度較低,無法精細提取運動圖像邊界信息,為此提出激光掃描點云中運動圖像邊界信息提取方法,該方法創新點是利用激光掃描點云技術掃描信息,獲得運動圖像脈沖的發射和接收的有效信息,具有較好的性能。

2 激光掃描點云中運動圖像邊界信息提取

2.1 激光掃描點云運動圖像獲取

在傳統的運動圖像邊界信息提取中,通常采用機載掃描,在掃描過程中由于距離問題造成了數據點密度較差[6],因此本文在激光掃描點云中應用了激光雷達,該激光雷達是三維激光掃描儀、電荷耦合器件(Charge Coupled Device,CCD)相機、GPS/IMU組合系統以及控制裝置的集合[7-8],通過三維激光掃描儀獲取運動圖像周邊的空間信息[9],由此采集邊界信息結構。

在激光掃描儀向待測量目標發射一定的激光脈沖后,獲取到運動圖像脈沖的發射和接收的時間差、距離信息和角度信息,得到以掃描儀為坐標原點的點云坐標,具體如圖1所示。

圖1 以掃描儀為坐標原點的點云坐標結構圖Fig.1 Coordinate structure of point cloud with scanner as coordinate origin

由圖1,在運動圖像點云坐標獲取過程中,對于任意一個激光掃描點云位置,為后續激光掃描點云配準提供了方便。需要滿足保證隨機兩個相鄰激光掃描光點云的方向完全一致,且相鄰激光掃描點云間觀察標簽的最佳同步數相同。因為運動圖像邊界信息是動態的,存在不確定性,導致采集到的邊界圖像有較多的缺陷,如運動圖像漏洞、運動圖像動態目標的數據匹配不良等。為了提高識別精度,必須對激光掃描點云的三維運動圖像進行預處理。

2.2 掃描運動圖像邊界信息三維數據預處理

在上述獲取激光掃描點云運動圖像的基礎上,需要對得到的運動圖像邊界信息三維數據進行預處理,方便運動圖像邊界信息的提取,提高數據精度[10-11]。在運動信息數據處理的前期,可以建立激光掃描點云空間索引完成離散點之間的關系。具體處理流程如圖2所示。

圖2 運動圖像邊界信息掃描預處理流程圖Fig.2 Flow chart of moving image boundary information scanning preprocessing

按照上述進行運動信息掃描,同時利用八叉樹處理[12],八叉樹是基于一維數據的二叉樹、存儲二維數據的四叉樹之上的數據結構擴展,其中的每個節點都是由立方體經過劃分而組成的,這種劃分方法是基于表示二叉樹的線段和表示四叉樹的矩形之上的,屬于一種三維數據的表達方式。在使用八叉樹進行搜索時,先查找最近節點,并對最近鄰居的搜索對三個分裂平面進行近似計算,運動圖像目標模型結構如圖3所示。

圖3 運動圖像目標模型結構圖Fig.3 Structure diagram of moving image target model

利用運動圖像目標模型結構建立離散點之間的關系,需要消除原始點云數據的噪音。基于激光掃描點云數據的特點,需要重新組織原始數據來壓縮運動圖像邊界信息原始數據,可以將點云體素化來實現去噪。八叉樹中的一個立方體可以代表一個體素,立方體能夠記錄體素的位置。其位置信息可以表示為(r,c,h),計算公式為:

(1)

公式(1)中,(r,c,h)分別表示該體素距離全部點云中最小的位置點x、位置點y和位置點z的距離,xmin、ymin和zmin分別表示位置點x、位置點y和位置點z的最小值,通過上述計算建立了點云與體素之間對應關系,完成運動圖像邊界信息三維數據預處理。

2.3 提取運動圖像邊界信息中動態目標特征

為了準確有效地提取到運動圖像邊界信息中動態目標的三維信息,首先要根據運動圖像的動態目標特征將其從其他地物中區別開來。為了實現這一目標,使用聚類法對動態目標進行分類提取,需要過濾掉鏈接部分的不確定因素。在聚類的過程中,將每個點都關聯上特征向量,在特征向量中,也會包含幾何輻射量值。地物聚類實際上就是過濾掉不確定因素,經過投影后建立起水平格網。在該格網中進行標記,數字1到5分別表示含有點云的格網,Not表示不含有點云的格網,聚類后的格網示意圖如圖4所示。

圖4 運動圖像地物聚類示意圖Fig.4 Schematic diagram of moving image feature clustering

由圖4可知,在激光掃描過的點云中,運動圖像地物聚類分為六個部分,其中格網標記1到5分布著有效的運動圖像邊界信息,Not部分則不含有點云格網,此處運動圖像邊界信息無效。經過聚類之后,可以看到若干聚類塊,但是一個聚類塊中并不代表點云為同一種類,在后續的運動圖像特征提取中,還需要將與圖像中交叉在一起的其他數據剔除。在得到大的聚類單元后進行分割,計算分布點云的投影面積后,計算投影跨度,進行筆跡理算,完成運動圖像邊界信息動態目標特征的提取。

3 實驗分析

3.1 實驗準備

為了測試本文設計的基于激光掃描技術的運動圖像邊界信息提取方法具有一定有效性,在實驗過程中選擇某運動員訓練時運動圖像進行數據采集并進行測試。在激光掃描儀向待測量目標發射一定的激光脈沖后,獲取到脈沖的發射和接收的時間差、距離信息和角度信息,得到以掃描儀為坐標原點的點云坐標,激光掃描儀以及慣性測量單元的相關參數如表1所示。

表1 激光測量設備參數Tab.1 Parameters of laser measuring equipment

在以上參數的作用下,將激光掃描點云儀器固定在運動圖像測試儀器上,可以在-20～40℃的環境下完成測量。

為了保證實驗方法的適用性范圍,選擇了具有不同特征的三段運動圖像,分別為準備開始訓練階段運動圖像(為圖像1)、訓練高峰期時的運動圖像(為圖像2)以及訓練快結束時的運動圖像(為圖像3)。本文對三個測試運動圖像的軌跡數據進行裁剪,使其規則化,在上述的實驗環境下,分別使用本文設計的自動提取方法對上述三段圖像進行信息的提取,并對實驗結果進行分析。

3.2 實驗結果統計與分析

在三種不同的三維信息提取方法下,分別得到了各段圖像的運動目標點云提取結果。由于篇幅原因,僅展示訓練高峰期時的運動圖像的三維信息提取結果對比圖,運用本文方法前后對比的運動圖像點云提取結果如圖5所示。

圖5 運動圖像點云信息提取結果Fig.5 Moving image point cloud information extraction results

圖5中,圖5(a)為運用本文方法前得到的運動圖像激光點云圖,圖5(b)為運用本文方法后提取到的運動圖像激光點云圖。在圖5(a)中,僅僅能夠過濾出低效的觀測標簽,無法對于運動圖像進行有效提取。在圖5(b)中,A位置表示的是運動場地的灌木,B位置表示在運動場地分塊時被破壞的行道樹點云,需要人工對這種不具備行道樹特點的植被進行篩選標記,C位置為運動場地行道樹后的廣告牌,圖5(b)能夠很好地將運動圖像中事物進行提取。

對實驗中的三幅圖像的三維信息提取結果進行定量分析,在定量分析過程中,選擇三個參量進行計算并驗證,分別為運動圖像提取的準確性、完整性和提取質量。計算公式如下所示:

(2)

式中,p表示運動圖像提取的準確性;TP表示實驗中檢測出的正確運動圖像的個數;FP表示錯誤檢測運動圖像的個數,也就是說,原本不屬于運動圖像的提取目標,但是通過提取錯誤的歸類為運動圖像的數量;r表示運動圖像提取的完整性;FN表示原本屬于運動圖像的提取目標,但是沒有被檢測出來的運動圖像數量;q表示提取質量。得到兩種方法運動圖像提取結果的質量評價結果如表2所示。

表2 運動圖像邊界信息提取結果質量評價結果Tab.2 Quality evaluation results of moving image boundary information extraction results

從表2的統計數據中可以看出,在本文設計的激光掃描點云中運動圖像邊界信息提取方法中,三個圖像的準確性、完整性和提取質量都超過了97 %,說明這三個圖像的絕大多數的邊界信息都被進行了準確的提取,說明本文設計的提取方法相對于傳統的提取方法具有更高的提取準確性。

運動圖像因受到眾多干擾因素的影響,導致采集后曝光強度過大、運動圖像模糊虛化以及亮度整體效果不佳的情況,不能夠準確提取邊界信息的情況,原始運動圖像如圖6(a)所示,運用本文方法后得到的圖像如圖6(b)所示。

(a)原始圖像

由圖6(a)可以看出,原始圖像曝光度過強,模糊現象嚴重,邊緣信息過度弱化,看不清楚運動圖像細節。在圖6(a)基礎上,運用所設計激光掃描點云中運動圖像邊界信息提取方法進行處理后,得到提取效果圖像結果,由此可以看出,利用所設計方法得到的運動圖像,避免了圖像的過度曝光,有效消除了模糊現象,突出了運動圖像的邊緣細節信息,增加了運動圖像清晰度,說明本方法具有較好的提取效果。

4 結束語

本文將激光掃描點云技術應用在了運動圖像邊界信息提取方法中,探測運動圖像邊界信息動態目標特征,在激光脈沖的作用下進行目標探測,且表現出了較高的穿透探測能力。預處理激光掃描點云技術生成的數據、提取運動圖像點云特征等,完成運動圖像三維信息提取,從而實現運動圖像邊界信息的精確獲取。通過實驗結果表明,設計的方法在提取的準確性、完整性和提取質量方面均優于傳統方法,具有較好的提取效果。

在運動圖像邊界信息提取過程中,不可避免地被干擾信息或者噪聲影響,造成運動圖像邊界信息提取數據不完整,運動圖像數據丟失,此時無法準確地提取這些運動圖像的點云和信息,未來可以對此進行更加深入的研究,避免上述情況帶來的提取信息不準確問題。