全搜索算法三步搜索算法四步搜索算法菱形搜索算法由于搜索方法的不同，因此有多种运动估计算法，较为经典的运动估计搜索算法有全搜索法、三步搜索法、菱形搜索法以及四步搜索法等等。

图像与视频的区别：图像是静态的，只有一帧；视频是动态的，是由多帧连续图像组成的运动图像序列，视频具有的时间冗余是图像所没有的。时间冗余：视频中时间上相邻图像之间的相似性，重复性称为时间冗余帧间预测编码的定义：即利用参考帧对当前帧进行编码，传送的是残差值帧间预测编码的示意图如下：编码端和解码端可以表示为：/*编码端：原始值-预测值=残差值解码端：差值+预测值=原始值*/存在的问题：这样直接相减得到的

LeastsquaresEstimation)理论逐渐完善：TobiasMayer在1750年将其用于月球运用的估计，LeanardEuler在1749年、PierreLaplace在1787年分别用于土星的运动估计

论文”ActionRecognitionwithImprovedTrajectories”通过相机运动估计，使得提取的光流更加准确，以及ＦｉｓｈｅｒVector编码，提升了DenseTrajectories

visual-inertialodometry）即视觉惯性里程计，有时也叫视觉惯性系统（VINS，visual-inertialsystem），是融合相机和IMU数据实现SLAM的算法，根据融合框架的区别又分为紧耦合和松耦合，松耦合中视觉运动估计和惯导运动估计系统是两个独立的模块

摘要单纯依靠几何线索的单目视觉里程测量方法容易产生尺度漂移，需要在连续帧中有足够的运动视差进行运动估计和三维重建。本文提出利用深度单目深度预测来克服基于几何的单目视觉里程计的局限性。

目前主要采用基于块的运动补偿技术，原理是为当前图像的每个像素块在之前已编码图像中寻找一个最佳匹配块，即运动估计。

目前GPU加速视频编码的主要集中在运动估计（ME,MotionEstimate），运动补偿（MC,MotionCompensation）和帧内预测（Intraprediction）视频编码—H.264H

如果不受任何测量噪声的影响，这个运动估计的结果足够精确，没有任何漂移，那我们可以直接利用估计的Lidar位姿和对应时刻的量测值完成建图。

在运动估计中，得到的MV

下面来整理一下之前写的博客，总结一下运动估计和运动补偿具体的代码实现思路，主要谈一下代码处理的思路，运动估计运动估计实际就是当前块在参考图像中搜索找到匹配块的处理过程。

上一次我们学习了运动估计中使用的插值滤波器函数，这次来看具体的分像素差值函数xPatternSearchFracDIF。

三角测量使用对极约束估计了相机的运动，在得到运动之后，我们需要用相机的运动估计特征点的空间位置。在单目SLAM中，仅仅通过单张图像无法获得像素深度信息，需要通过三角测量来估计其深度。

https://blog.csdn.net/knowledgebao/article/details/84776869编解码大概流程图(上边是编码，下边是解码)：1，编码过程：MotionEstimate(运动估计

1.介绍块匹配是图像去噪，运动估计中常用的一种方法。通过将查询块与相邻的图像块进行匹配，从这些相邻块中找出距离查询块距离最近的K个块。

在之前的运动估计的亚像素搜索中，提到了插值之后的数据存放在m_filteredBlock[][]中，最近在学习中，发现其中涉及很多问题，不容易研究明白一些，记录一下。

SimpleOnlineAndReatimeTracking——sort论文主旨：应用tracking-by-detection方法，认为检测质量很大程度影响跟踪效果，并且跟踪精度和跟踪速度很难权衡；本文忽略考虑检测框的外观特征，在运动估计和数据关联时只考虑包围盒的位置和尺寸信息

也就是运用运动估计的思想。

首先在运动估计xMotionEstimation中找到分像素入口位置xPatternSearchFracDIF，其中运动估计已经在上一个函数predInterSearch中搜索找到了最佳整像素位置。

参考：新一代高效视频编码H.265/HEVC：原理、标准与实现亮度分类插值算法：插值过程主要分为两步：1.对整数像素所在行或列进行插值。以A(0,0)点附近的亚像素点为例，a(0,0),b(0,0),c(0,0)可以用水平方向的整像素点计算得出，d(0,0),h(0,0),n(0,0)可以用垂直方向上的整像素点计算得出。如1/4位置点a(0,0)=-A(-3,0)+4A(-2,0)-10A(-1,

常用于三维场景重建，运动估计，目标跟踪，目标识别，图像配准等。Moravec角点检测算子（可以参考：https://blog.csdn.net/

Low-driftandreal-timelidarodometryandmapping开源代码：https://github.com/daobilige-su/loam_velodyne系统概述LOAM的整体思想就是将复杂的SLAM问题分为：1.高频的运动估计

帧间预测分为运动估计ME和运动补偿MV，其中用到了MV的亚像素搜索，需要使用filterHor和filterVer进行插值。

环境：OpenCV-Python4.1.1Python3.6主要有三个关键点：1.运动估计2.运动平滑3.图像合成首先是遍历视频文件的所有帧，寻找每一帧图像中好的跟踪点，OpenCV已经提供了函数goodFeaturesToTrack

视觉基于深度学习的SLAMSLAM评估和数据集本文介绍：基于深度学习的SLAM1.E2E-VO/SLAMGEN-SLAM：单目同时定位和映射的生成建模关键词：SLAM，本地化，基于视觉的导航超越自我监督自我运动估计的光度损失

虽然目前基于视频的SOTA方法在单幅图像的三维姿态和运动估计方面已经取得了一定的进展，但由于缺乏真实的三维运动数据进行训练，因此不能产生准确、自然的运动序列。

这里重点是摄像头运动估计和定位，不是地图或者路标（landmark）。以前大家都知道SLAM结合深度学习最多的是语义SLAM，比如语义分割和语义目标识别。而这里强调的是里程计和定位。

但是已经提出的许多基于深度学习的VSR方法，其中大部分都严重依赖于运动估计和补偿的精度。在本文中，我们为VSR介绍了一

参考：高翔——《视觉SLAM十四讲》第7讲视觉里程计1高翔——《视觉SLAM十四讲》系列讲解视频及PPTch7_1&ch7_2目录：1相机运动估计之2D-2D:对极几何2相机运动估计之3D-2D:PnP3

相机运动估计主要有三种实现方式：1.12D-2D(两张图像中

但是，我之所以做运动，在我看来不是因为我有毅力，很努力，想来想去，可能是因为以下一些原因吧：从小就开始做运动估计是我小时候长得比较高，所以跑得比别人快的原因，从二三年级开始就在学校的体育队训练。

在机器人实时定位问题中，由于通过机器人运动估计得到的机器人位置信息通常具有较大的误差，我们还需要使用测距单元得到的周围环境信息更正机器人的位

Lecture7:CorrespondenceMatchingmotivation立体或者运动估计需要一些不同照片的对应特征重点找到一种用来衡量元素相似性的手段基于相关的算法产生密集的对应基于特征的算法产生比较少的对应相似性比较手段相关比较的例子这个例子错误是因为相关还跟点的强度有关

通过视觉估计自身位姿来修正高频点云的畸变，然后，基于扫描匹配的激光雷达测距仪同时改进运动估计和点云配准。

视频稳像系统的重点在于基于视频系列的运动估计，其中包括全局运动估计和局部运动估计。因此，根据运动估计的方法不同，视频稳像的算法也是不同的。

论文：pdf代码：github视频：video摘要自身运动估计是大部分移动机器人应用的基本需求。通过传感器融合，我们能够补偿单个传感器的缺陷并且提供更可靠的估计。

三角测量3.最小二乘去求解4.三角测量的矛盾1.对极几何约束局限性之前视觉SLAM笔记（33）对极约束求解相机运动，使用对极几何约束估计了相机运动也讨论这种方法的局限性在得到运动之后，下一步需要用相机的运动估计特征点的空间位置在单目

角点在三维场景重建运动估计，目标跟踪、目标识别、图像配准与匹配等计算机视觉领域起着非常重要的作用。在现实世界中，角点对应于物体的拐角，道路的十字路口、丁字路

RecurrentBack-ProjectionNetworkforVideoSuper-Resolution作者：MuhammadHaris,GregShakhnarovich,andNorimichiUkita作者提出：流行的MISR或者VSR方法一般都是基于准确的运动估计和运动补偿

将动态场景表示为一组刚体簇大大加快了运动估计的速度，而将其划分为静态和动态两部分，使得我们可以将摄像机的运动(里程数)从场景中观察到的其他运动中分离出来。

这款插件提高了运动估计的水平，当物体在场景中穿越时，跟踪物体更远，展品更少。这意味着当物体越过或离开框架时，撕裂和伸展的次数减少，使得您的视频在速度改变的同时，保证视频

步型的自主移动机器人视觉系统应用包括室内机器人自主定位导航、基于视觉信息的道路右测、基于视觉信息的障碍物检测与运动估计以及移动机器人视觉伺服等。移动机器人导航中，实现

ME:运动估计，提取当前图像的运动信息，为当前图像的每个像素块在之前已经编码的图像中寻找最佳的匹配块。MC:运动补偿，Merge:运动信息融合，利用相关性减

ffplay的功能ffplay不仅仅是播放器，也可以作为音视频数据图形化分析工具，ffplay也可以看到视频图像的运动估计方向、音视频波形等，同时也

:∀i,p⃗i=Rp⃗′i+t⃗∀i,p→i=Rp→i′+t→此问题可用迭代最近点来求解(IterativeClosestPoint,ICP).为描述方便，ICP统指匹配好的两组点间运动估计问题。

下面将依次介绍两种预测法，还会提到重叠块运动补偿，最后再细说一下运动估计。帧内预测：帧内预测的具体方法是根据一个像素点周围的像素值，来预测（我感觉用“猜测”更贴切）当前像素值。具体方法

检测得到的角点特征通常用于图像匹配、目标跟踪、运动估计等方面。

如果想从产后超出标准体重40斤，降回到标准体重范围内，不运动估计是没戏。从不爱运动，到把运动变成习惯，我着实走过了不少的年头。开始，我站在操场上就想回家，走200米就放弃。这样的状态持续了有1个月。

运动估计是从视频序列中抽取运动信息的一整套技术。运动估计与运动补偿技术MPEG-4采用I-VOP、P-VOP、B-VOP三种帧格式来表征不同的运动补偿类型。

其处理流程如下图所示：目标跟踪由目标状态初始化、表观建模、运动估计、目标定位四部分组成。目标状态初始化一般采用人工标定或目标检测的方法实现；表观建模主要包括对目标视觉特