本发明涉及一种图像处理方法及设备，具体涉及一种图像运动估计方法及设备。
背景技术：
1、数字图像采集是利用摄像头等传感器将光信号转化成电信号并用数字形式进行存储、传输和显示。数字图像处理是将采集的数字图像针对使用目的和场景进行处理优化，其中常见的方法包括：图像增强和复原、图像编码压缩、图像描述等。
2、运动估计是广泛应用于视频编码和计算机视觉领域的一种数字图像处理方法。其核心思想是通过分析连续帧之间的图像信息，确定图像序列中像素或图像块的运动轨迹，从而预测下一帧图像，达到压缩数据量或追踪目标的目的。运动估计利用视频帧间相关性减少冗余信息，能够提高编码效率、节省存储和传输空间，在视频压缩、目标跟踪、三维重建等领域发挥着至关重要的作用。
3、运动估计常采用块匹配算法，将视频帧划分为许多互不重叠的块，然后在参考帧的搜索范围内，根据一定的块匹配准则找出当前块最相似的的匹配块，匹配块与当前块的相对位移即为运动矢量。
4、运动估计的主要任务是在历史参考帧中找到一个最优的匹配块，通常在时间上相邻的前后两帧之间物体运动的位移量不会很大，因此可以在当前块位置出发，在历史帧中相同位置的块周围的小区域内进行搜索。
5、随着智能汽车产业的发展，车载影像在人车交互和辅助驾驶方面将发挥越来越重要的作用。车载影像是指车载摄像头在驾驶过程中采集到的多帧视频影像，包括倒车影像、行车记录影像、360度影像等。运动估计作为车载影像的视频处理和存储过程中的重要步骤，对于提高影像的后续处理效果、降低运算的资源消耗有很大价值。
6、驾驶过程中，在很多场景下车辆运行速度非常快，即车载影像中，在时间上相邻的前后两帧之间物体运动的位移量可能存在较大变化，采用块匹配算法的运动估计过程中，当前块最相似的的匹配块常常超出块匹配算法的一般搜索范围，从而导致无法准确实现块匹配或需要消耗额外的计算资源来扩大块匹配的搜索范围。
7、考虑到汽车在很多场景下均为高速直线行驶，针对这一场景的运动估计方法优化可以提高块匹配的准确率，从而降低匹配算法的资源消耗，以提高在车载影像压缩、降噪等方面的表现。所以提出一种适合高速直线行驶场景的运动估计方法具有实际价值。
技术实现思路
1、发明目的：针对上述现有技术，提出一种适用于直线行驶的车载影像的运动估计方法及设备，实现准确的运动估计效果，并具有硬件资源消耗低的特点。
2、技术方案：一种适用于直线行驶的车载影像的运动估计方法，包括：
3、步骤1：根据先验参数进行运动估计，包括：
4、对于相邻两帧图像，前一帧为参考帧，后一帧为匹配帧；首先，对于匹配帧中的任意图像块，计算该图像块位于参考帧的匹配中心的坐标估计值(xc,yc)，xc=x+k(x-x0)，yc=y+k(y-y0)；其中，(x,y)为该图像块的中心点坐标，(x0,y0)为匹配帧图像的中心点坐标，k为比例系数，k=qv，q为与图像采集设备相关的常数，v为车载摄像头拍摄该匹配帧时的行驶速度；然后，在以(xc,yc)为中心的匹配范围内进行块匹配计算，得到该图像块的匹配目标以及对应的位移向量；
5、步骤2：修正中心点坐标以及系数k，包括：
6、首先，对于任意匹配成功的图像块p(x,y)，计算该图像块与设定的周围范围内同样匹配成功的其他图像块的移向量的差异度r；然后，将匹配帧中经步骤1匹配成功且差异度r小于预设阈值θ的各图像块的中心点坐标及位移向量(x,y,v1(x,y),v2(x,y))组成集合i，其中v1(x,y)和v2(x,y)分别为位移向量的横坐标和纵坐标，修正后的中心点的坐标(x01,y01)为集合i中所有点中，到图像块中心与对应位移向量所确定的直线的距离的平方和最小的点的坐标；最后，根据修正后的中心点坐标(x01,y01)，将集合i中各图像块对应的位移向量与图像块到修正后的中心点距离的比值的均值，作为修正后的系数k；
7、步骤3：对当前匹配帧的下一帧进行运动估计时，则将步骤2得到的修正后的中心点坐标和修正后的系数k作为先验参数，重新执行步骤1来进行运动估计，并通过执行步骤2对中心点坐标和系数k进行迭代修正，通过不断迭代完成每一帧的运动估计。
8、进一步的，所述步骤2中，计算差异度r时，对于匹配成功的图像块p(x,y)，取以图像块p(x,y)为中心的k*k矩阵形式排列的若干图像块，将其中匹配成功的各图像块组成集合j，j的元素个数为n，则差异度r的具体计算公式为：
9、；其中，v1(xi,yj)和v2(xi,yj)分别为k*k矩阵中第i行j列的图像块p(xi,yj)的位移向量的横坐标和纵坐标。
10、进一步的，所述步骤2中，用于求取所述修正后的中心点的坐标的目标函数为：
11、；采用基于数学推导的方法或基于应用实例的枚举法对该目标函数求解得到的坐标即为修正后的中心点的坐标。
12、进一步的，采用下式计算修正系数：
13、；其中，c为符号判断参数。
14、进一步的，所述基于应用实例的枚举法包括：在以当前匹配帧上一帧修正后的中心点(x’0,y’0)周边的设定范围内进行搜索，将所述定范围内各点的坐标分别代入所述目标函数中，目标函数取值最小的坐标即为当前匹配帧修正后的中心点坐标(x01,y01)。
15、进一步的，所述设定范围的大小为(x’0+i,y’0+j)，-d≤i≤d，-d≤j≤d，范围值d取5~10。
16、一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的适用于直线行驶的车载影像的运动估计方法。
17、有益效果：本发明方法针对车载影像独特的使用场景和高速行驶场景下运动估计的需求，考虑到直线行驶下相邻帧匹配块之间的位置关系，采用运动模型和迭代法相结合的总体思路，实现准确的运动估计效果。本方法计算的硬件资源消耗小，易于实现，便于低成本实现。
18、具体的，本方法首先通过运动模型确定基础位置关系。对于直线行驶的场景，相邻帧之间的关系可以简化为一个基本稳定的中心点以及距离该中心点越远则位移越大的其他点，在此基本的位置关系基础上进行块匹配的搜索，可以大幅提高准确率并降低计算资源消耗。
19、其次，利用汽车速度计算先验参数。相邻帧之间的位移与汽车的行驶速度强相关，通过基于行驶速度确定先验的位移参数，可以加快后续迭代过程中的收敛速度。
20、最后，通过迭代计算实际参数，用于运动估计。由于实际环境的复杂性，仅通过运动模型和速度估算得到的位移数据会有一定偏差，通过迭代的方法进行不断修正直至收敛，可以得到更为准确的结果。
1.一种适用于直线行驶的车载影像的运动估计方法，其特征在于，包括：
2.根据权利要求1所述的适用于直线行驶的车载影像的运动估计方法，其特征在于，所述步骤2中，计算差异度r时，对于匹配成功的图像块p(x,y)，取以图像块p(x,y)为中心的k*k矩阵形式排列的若干图像块，将其中匹配成功的各图像块组成集合j，j的元素个数为n，则差异度r的具体计算公式为：
3.根据权利要求2所述的适用于直线行驶的车载影像的运动估计方法，其特征在于，所述步骤2中，用于求取所述修正后的中心点的坐标的目标函数为：
4.根据权利要求1-3任一所述的适用于直线行驶的车载影像的运动估计方法，其特征在于，采用下式计算修正系数：
5.根据权利要求3所述的适用于直线行驶的车载影像的运动估计方法，其特征在于，所述基于应用实例的枚举法包括：在以当前匹配帧上一帧修正后的中心点(x’0,y’0)周边的设定范围内进行搜索，将所述定范围内各点的坐标分别代入所述目标函数中，目标函数取值最小的坐标即为当前匹配帧修正后的中心点坐标(x01,y01)。
6.根据权利要求5所述的适用于直线行驶的车载影像的运动估计方法，其特征在于，所述设定范围的大小为(x’0+i,y’0+j)，-d≤i≤d，-d≤j≤d，范围值d取5~10。
7.一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-6任一所述的适用于直线行驶的车载影像的运动估计方法。