本文主要了解什么是动态屏蔽和避免？如何解决这个棘手的问题？让我们带着自己的小问题来理解这个话题！
动态屏蔽规避是指运动视觉目标在某一时刻被屏蔽时，通过对视觉目标的运动估计，合理规划相机的运动模式，多次移动相机，观察更多的屏蔽区域。
运动视觉目标屏蔽是一种常见的情况。屏蔽区域可能包含更多有用的信息。如果视觉系统能够最大限度地观察屏蔽区域，它将有助于视觉任务的顺利完成。目前，大多数屏蔽区域的避免方法主要是通过使用物体表面信息来避免屏蔽区域的静态视觉目标。然而，随着人工智能、无人机等技术的蓬勃发展，这种方法已不能满足新任务的需要。
1)机器人自主操作:环境复杂，视觉目标运动；
2)三维重建:针对动态场景；
3)目标识别和跟踪:阻挡运动视觉目标；
.....
面对这些问题，目前的技术很难满足各种需求，因此迫切需要一种避免运动视觉目标阻挡区域的方法，这是支持运动视觉目标动态阻挡和避免的能力技术。
为了实现动态屏蔽和避免，一个可行的方案是配备深度图像收集器。选择深度图像是考虑到深度图像更有利于快速获取场景的三维信息，以便更方便、更准确地确定相机的观测方向。
在满足基本条件的前提下，如何实现运动视觉目标的动态屏蔽和规避？
首先，在当前摄像头观测方向下收集视觉目标运动前后的两个深度图像，以第一个深度图像中的屏蔽区域为避免区域，通过构建屏蔽区域模型获得屏蔽区域的最佳观测方向，为摄像头的移动方向奠定基础。
然后通过提取相邻两个深度图像的特征SURF算法匹配了筛选后的特征点，估计了视觉目标的运动，使相机可以在视觉目标中随机移动。
最后，利用屏蔽区域的最佳观测方位模型和视觉目标运动估计方程，合理规划相机的运动模式，避免运动视觉目标屏蔽区域。
目前，对运动视觉目标动态屏蔽规避的研究相对较少。鉴于此，本文从建模速度、运动估计准确性、及时性等方面提出了屏蔽边界关键点和混合曲率特征的概念，并简要讨论了存在的问题和未来可能的发展方向。