ScholarGate
Asszisztens
Machine learningMotion estimation

Lucas-Kanade Optical Flow Estimation

Az optikai áramlás a következő kérdésre válaszol: „Hogyan mozogtak a képpontok két egymást követő képkocka között?” A Lucas-Kanade módszer azt feltételezi, hogy a képpontok intenzitása állandó marad mozgásuk során (a fényességállandóság feltételezés), így ha egy (x, y) pozíciójú, I(x,y,t) intenzitású képpont a következő képkockában az (x+u, y+v) pozícióba mozdul, akkor I(x+u, y+v, t+1) ≈ I(x,y,t). A helyi intenzitásváltozások Taylor-fejtéssel történő elemzésével és az (u, v) mozgásra történő megoldással a módszer megbecsüli az optikai áramlás mezőjét. A Lucas-Kanade „szaggatott” (sparse), mivel minden képpont helyett jellemző pontok (pl. Harris-sarokpontok) mozgását becsli.

Megnyitás itt: MethodMindHamarosanVideóHamarosanDiák letöltése

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Módszertérkép

A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.

Források

  1. Lucas, B. D., & Kanade, T. (1981). An iterative image registration technique with an application to stereo vision. Proceedings of the Seventh International Joint Conference on Artificial Intelligence (IJCAI), 674–679. link
  2. Bouguet, J. Y. (2001). Pyramidal implementation of the Lucas Kanade feature tracker. OpenCV Documentation. link

Hogyan hivatkozzon erre az oldalra

ScholarGate. (2026, June 3). Lucas-Kanade Optical Flow Estimation. ScholarGate. https://scholargate.app/hu/computer-vision/optical-flow-lucas-kanade

Melyik módszer?

Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.

Összehasonlítás egymás mellett

Hivatkozik rá

ScholarGateLucas-Kanade Optical Flow (Lucas-Kanade Optical Flow Estimation). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/computer-vision/optical-flow-lucas-kanade · Adatkészlet: https://doi.org/10.5281/zenodo.20539026