[發明專利]一種基于快速魯棒特征的低空無人機視覺定位方法

無效

• 申請號: 201210356155.X
• 申請日: 2012-09-21
• 公開（公告）號: CN102938147A
• 公開（公告）日: 2013-02-20
• 發明（設計）人: 李耀軍;潘泉;趙春暉;楊峰;梁彥;程詠梅
• 申請（專利權）人: 西北工業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 王鮮凱

1.一種基于快速魯棒特征的低空無人機視覺定位方法，其特征在于步驟如下：

步驟1多尺度空間構建：以9×9的濾波器而言，高斯二階導的大小定為3，其濾波器大小的1/3，即9×1/3=3；濾波器尺寸可用size＝3+5s公式計算，其中s是σ的倍數；

步驟2快速Hessian矩陣檢測：對于圖像I中一個給定的點X＝(x,y)，Hessian矩陣中采用近似的高斯核函數，即箱式濾波器D_xx,D_xy,D_yy，9×9的濾波器是對高斯核函數在σ=1.2處的近似；引入高斯核函數和高斯核函數的比例因子ω，Hessian矩陣的行列式變形為det(H_opprox)＝D_xxD_yy-(ωD_xy)²，ω取常量0.9；

步驟3SURF特征描述子提?。阂詷O值點為中心選取半徑為6s的圓形區域，計算哈爾小波在x和y方向上的響應值，記為h_x,h_y；以σ＝3s為加權因子對兩個響應值高斯加權，記為W_hx,W_hy；對W_hx,W_hy用直方圖統計并將360°均分為72組，以極值點為中心的圓均分為6個區，統計各60°扇區內的W_hx,W_hy，記為∑W_hx,∑W_hy，同時計算該區的梯度值，梯度值最大區域所在的方向即為該極值點的主方向，以∑W_hx,∑W_hy反正切計算出主方向度數，s即極值點所在尺度；

首先以極值點為中心選取20×20大小的區域，將區域的方向旋轉到極值點的方向；將這個正方形區域分成4×4共16個子區域，每個子區域里有(20/4=5)5×5的像素，在每一個子區域分別計算每個像素點在哈爾小波x和y方向上的響應值；

計算完所有的像素的響應值后，對所有的dx，dy，以極值點為中心進行高斯加權(σ=3.35)，分別記為dx,dy，然后求和，記為∑dx,∑dy；并對dx，dy絕對值求和，記為∑|dx|,∑|dy|，均存入特征向量并歸一化，形成了一個四維的向量：v＝(∑dx,∑dy,∑|dx|,∑|dy|)；對16個子區域分別求特征向量，形成一個16×4=64維的特征向量，利用該方法對一對實時圖和基準圖進行了SURF特征點提取；

步驟4基于Hessian矩陣跡的特征點匹配：在Hessian矩陣跡計算完畢之后，對Hessian矩陣主對角線之和，即trace(i)＝∑(dx+dy)；在進行相似性度量的時候，首先判斷Hessian矩陣的跡的符號，如果trace(i)是大于0的數，令描述子等于1，反之，令描述子等于-1；

若兩個描述子的trace(i)相同，可繼續比較；反之，后面的描述子則不需要再比較；比較時需先分別計算實時圖描述子discriptor_sensed和基準圖描述子discriptor_ref的歐氏距離，即計算最近鄰匹配點dist_f和次近鄰匹配點dist_s，若dist_f/dist_f≤1，則二者匹配；

步驟5基于RANSAC的局部參數估計：流程如下：（1）隨機選擇N個樣本；（2）根據抽取樣本估計模型數；（3）用估計模型計算各匹配點對間的距離，將距離小于閾值的匹配點作為內點；（4）上述過程重復k次，選擇一個包含內點最多的點集，重新計算模型參數；各參數計算關系為k＝log(1-P)/log(1-(1-ε)^S)，外點概率為ε，采樣點對數為s，k次采樣至少有一次全部是內點的概率為P。