运动视觉目标遮挡区域规避的实现方法

动态遮挡规避是指运动视觉目标在某一时刻发生遮挡时，以该时刻视觉目标遮挡区域为研究对象，通过对视觉目标进行运动估计、合理规划摄像机的运动方式并多次移动摄像机以便观测到更多的遮挡区域。

运动视觉目标发生遮挡现象是一种普遍存在的情况，遮挡区域可能包含更多的有用信息，如果视觉系统能最大限度地观测到遮挡区域，将会有助于视觉任务的顺利完成。目前，大多数的遮挡区域规避方法主要是针对静态视觉目标，通过利用物体表面信息来完成对遮挡区域规避。然而，随着人工智能、无人机等技术的蓬勃发展，这种方式已经无法满足新任务的需求。例如：

1）机器人自主作业：环境复杂，视觉目标运动；

2）三维重建：针对动态场景；

3）目标识别、跟踪：运动视觉目标发生遮挡；

.....

面对这些问题，当前的技术难以满足各种需求，因此亟需要一种运动视觉目标遮挡区域规避的方法，这是支撑针对运动视觉目标进行“动态遮挡规避”的使能技术。

要实现动态遮挡规避，一种可行的方案是配备深度图像采集器，选取深度图像是考虑到深度图像更利于快速获取场景的三维信息，以便更加方便、准确地确定摄像机的观测方位。

在基础条件都具备的前提下，如何实现运动视觉目标的动态遮挡规避？

首先，在摄像机当前观测方位下采集视觉目标运动前后两幅深度图像，将第一幅深度图像中的遮挡区域作为要规避的区域，通过构建遮挡区域模型，获取遮挡区域的最佳观测方位，为摄像机的移动方向奠定基础。

然后，对相邻两幅深度图像提取特征，通过SURF算法对筛选后的特征点进行匹配，估计视觉目标的运动，使得摄像机随动于视觉目标成为可能。

最后，利用遮挡区域最佳观测观测方位模型和视觉目标运动估计方程，合理规划摄像机的运动方式，实现对运动视觉目标遮挡区域的规避。

目前，关于运动视觉目标动态遮规避的研究相对较少。鉴于此，本文通过提出“遮挡边界关键点”与“混合曲率特征”的概念，从建模速度、运动估计准确性、时效性等方面出发，设计了一种动态遮挡规避方法，并对其中存在的问题以及未来可能的发展方向进行了简单的探讨。