1。2预备工作

在计算机视觉界积累了广泛的文学研究，关于运动的研究。 这些文献大多集中在运动结构问题上，2涉及到基于这些实体之间相对运动的相机，物体和/或环境参数的计算。 通常，在视觉运动研究中做出假设，禁止在诸如机器人视觉伺服的应用中使用所提出的技术。 大量以前提出的系统展示以下一个或多个特征：

•完全避免视觉检测问题的系统。 他们假设在识别和测量移动物体的存在之后，将它们的方法应用于图像上。

•适用于在自然环境中不发生的人为琐碎条件的系统。

•仅在移动时检测感兴趣物体的系统。 一旦感兴趣的物体停止，它们将变得不可见的运动检测方案。

•只有在摄像机静止或移动时才能正常运行的系统，但不能同时运行。 相反，我们的系统通常在静态相机条件下运行，而且还允许基于目标位置的视觉伺服视觉系统的自由度。

•处理单个移动目标的系统，尽管几个应用领域涉及具有多个目标的图像。

•假定移动物体是刚体的系统。 进一步的假设可以包括感兴趣对象的特定运动模式。

在我们的工作中，我们试图避免这些假设，特别着重于解决视觉检测机器人视觉伺服感兴趣对象的目标。

大多数现有的检测移动物体的尝试都采用光流或帧差分技术。光流方法是有趣的，因为它们自然地包含相机的自由运动（尽管有一些光流方法具有实际需要自我运动的均衡缺点）。例如，耆那教3尼尔森，4'5和汤普森和乒乓6已经编制了一套基于光流的运动检测算法，它检测一个运动对象对光流场的一些约束不一致。这些基于光流的算法中的一些使用基于远离扩展焦点（FOE）的运动矢量的取向的约束。然而，使用FOE约束的算法当移动物体与FOE之间的距离小时，不可靠。另一个常见的光流约束是光流梯度与相应的深度差异之间的假定关系（通常用立体视觉系统计算）。我们不用在我们的研究中使用立体视觉系统，而是受到限制我们自己可以使用相对不成熟的现成传感器设备获取视觉信息的单目系统。