Adición de un paso de fusión de datos al algoritmo de mínimos cuadrados clásico para mejorar la estima del campo de flujo óptico

Abstract

En este artículo se propone una versión mejorada del método clásico basado en el criterio de mínimos cuadrados para estimar el campo de flujo óptico. La esencia de la propuesta es fusionar algunas estimas de un mismo vector de flujo óptico, obtenidas por el criterio de mínimos cuadrados, para generar una estima más precisa de dicho vector. Se discuten dos propuestas para obtener las estimas a fusionar en base al criterio clásico de mínimos cuadrados, generando dos versiones modificadas del algoritmo claásico. Se presentan los resultados obtenidos aplicándose los dos algoritmos propuestos para estimar los vectores de flujo óptico correspondientes a dos imágenes sucesivas de la secuencia de vídeo conocida como SRI Trees. Finalmente se enumeran algunas situaciones, en términos de navegación de robots móviles, en las cuales dichos algoritmos podrían ser utilizados, como forma de resaltar la aplicabilidad de los resultados de esta investigación.

A new approach for optical flow estimation is here addressed, in which some least-mean-square-error estimates of an optical flow vector are fused to generate a more accurate estimate of such vector. How to get the initial least-mean-square-error estimates is also discussed, looking for a faster algorithm. Results of using the proposed method to estimate the optical flow vectors for two frames of the well known SRI Trees video sequence are presented and discussed. Finally, some situations in the context of mobile robot navigation, in which the algorithms proposed here could be applied, are mentioned, to highlight the applicability of the results of this research.