而,通过采用光照修正,这种错误被缩小了。
所得目标点不是最终结果,而是采用特征追踪分组作为补充线索所获得。
这些方法我们将在下一部分讨论。
.特征追踪和分组以往特征分组工作,[],[],目标中分组角特征采用邻近和位移历史。
这种单级分组要么十分困难要么就计算量大,特别是在我们处理不同大小目标时(例如,自行车,行人,小轿车和大卡车)尤为突出。
举例来说,属于相同车辆角特征值差距比相邻车辆两个角特征值大得多,这可能会搞乱分组算法。
然而,当我们使用精密分组算法来解决这一问题,尤其是在比较角特征长轨迹时,又会带来计算负担。
为了有效地解决这一问题,我们展示一种多级分组。
在这种多级分组中,单独角特征首先被分到小群落中(“群落特征”)然后群落特征再被分到目标特征中。
与之前方法相反,[],[],分组将会在所有图像中进行(动态分组),其将在最终追踪结果中采用分组算法。
因此,