[發(fā)明專利]室內(nèi)的視覺定位方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201310038983.3
• 申請(qǐng)日: 2013-01-31
• 公開（公告）號(hào): CN103198491A
• 公開（公告）日: 2013-07-10
• 發(fā)明（設(shè)計(jì)）人: 張會(huì)清;曹魯光
• 申請(qǐng)（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號(hào): G06T7/20
• 分類號(hào): G06T7/20;G06T7/00
• 代理公司: 北京思海天達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11203
• 代理人: 魏聿珠

1.基于自適應(yīng)的室內(nèi)的視覺定位方法，是在計(jì)算機(jī)的上位機(jī)平臺(tái)上運(yùn)行，用攝像頭采集地面的序列圖像，對(duì)序列圖像進(jìn)行全局運(yùn)動(dòng)估計(jì)，計(jì)算出序列圖像的偏移大小和方向，在計(jì)算機(jī)的上位機(jī)平臺(tái)上，根據(jù)傳入的圖像偏移大小和方向畫出攝像頭的運(yùn)動(dòng)軌跡，本發(fā)明的特征在于該方法還依次包括下述步驟：1）首先提取攝像頭采集地面的序列圖像，然后用SUSAN算法提取序列圖像中的特征點(diǎn)；在SUSAN算法中加入環(huán)形的USAN模板，對(duì)圖像中的每個(gè)點(diǎn)進(jìn)行特征點(diǎn)的粗提取，對(duì)提取后的特征點(diǎn)再用圓形的USAN模板進(jìn)行篩選，計(jì)算是否為特征點(diǎn)的方法為c(r→,r→0)=1if|I(r→)-I(r→0)|≤t0if|I(r→)-I(r→0)|>t,]]>n(r→0)=Σr→∈c(r→0)c(r→,r→0),]]>其中為模版內(nèi)屬于USAN區(qū)域象素的判別函數(shù)；為USAN模板的中心象素點(diǎn)；為USAN模板內(nèi)任意其他像素點(diǎn)；t是灰度差門限，為任意點(diǎn)的USAN區(qū)域大小；根據(jù)響應(yīng)函數(shù)其中g(shù)為門限值，門限值g取經(jīng)驗(yàn)值13，根據(jù)響應(yīng)值是否等于0來判斷像素點(diǎn)是否為特征點(diǎn)；

2）根據(jù)第1)步驟中得到的特征點(diǎn)，分別對(duì)每一個(gè)特征點(diǎn)用SIFT算法描述該特征點(diǎn)的幅值m(x,y)和方向θ(x,y)，如下：

m(x,y)=(L(x+1,y)-L(x-1,y))2+(L(x,y+1)-L(x,y-1))2---(1)]]>

θ(x,y)=tan^-1((L(x,y+1)-L(x,y-1))/((L(x+1,y)-L(x-1,y)))?????????????(2)其中，x、y分別為圖像中當(dāng)前點(diǎn)的橫縱坐標(biāo)值，L(x,y)為點(diǎn)(x,y)的像素值；3）根據(jù)第2）步驟中得到的當(dāng)前圖像和前一幀圖像中的特征點(diǎn)，用歐氏距離的理論，用最近鄰特征點(diǎn)距離與次近鄰特征點(diǎn)距離之比確定初始匹配點(diǎn)對(duì)，實(shí)現(xiàn)圖像的配準(zhǔn)；公式如下：

ratio=d₁/d₂???????????(3)

其中，d₁為最近的歐幾里得距離，d₂為次近的歐幾里得距離，當(dāng)ratio小于某一特定閾值,閾值取經(jīng)驗(yàn)值0.48，則認(rèn)為匹配成功，相反，則認(rèn)為特征點(diǎn)不匹配；

4）根據(jù)第3）步驟中得到的正確匹配點(diǎn)對(duì)，采用六參數(shù)仿射模型，計(jì)算圖像的偏移大小和方向；

設(shè)在時(shí)刻t_k成像剛體的某一點(diǎn)在攝像機(jī)坐標(biāo)系下的坐標(biāo)為[X?Y?Z]^T，在時(shí)刻t_k+1攝像機(jī)發(fā)生運(yùn)動(dòng)，而該物體的坐標(biāo)變?yōu)閇X'Y'Z']^T；這一運(yùn)動(dòng)可用旋轉(zhuǎn)矩陣R和平移向量T來描述；如式(4)所示：

X′Y′Z′=RXYZ+T=r11r12r13r21r22r23r31r32r33XYZ+t1t2t3---(4)]]>

而在成像平面上，相應(yīng)的點(diǎn)從時(shí)刻t_k的坐標(biāo)[xy]^T變化為時(shí)刻t_k+1的坐標(biāo)[x'y']^T；

當(dāng)攝像機(jī)的焦距f遠(yuǎn)大于Z的時(shí)候，三維空間物體在成像平面上的投影就不能采用透視模型，這時(shí)候應(yīng)該采用正交模型來描述，如圖附圖7所示；從圖中可以看出，在正交投影模型中，從P點(diǎn)出發(fā)的光束，以平行于Z軸投影到成像平面上，因此，在正交投影模型下，對(duì)于三維空間物體上的每一點(diǎn)，與成像平面上的投影點(diǎn)的關(guān)系改為：

r=xy=XY---(5)]]>

由(4)，(5)可得，

x′=r11x+r12y+(r13Z+t1)=a1x+a2y+a3y′=r21x+r22y+(r23Z+t1)=a4x+a5y+a6---(6)]]>

式中，a₁=r₁₁，a₂=r₁₂，a₃=r₁₃Z+t₁，a₄=r₂₁，a₅=r₂₂，a₃=r₂₃Z+t₂；a₃、a₆與圖像的平移運(yùn)動(dòng)有關(guān)，a₁、a₂、a₄、a₅與圖像的縮放、旋轉(zhuǎn)運(yùn)動(dòng)有關(guān)；

5）經(jīng)過實(shí)驗(yàn)發(fā)現(xiàn)，每次匹配的兩幅圖像的重疊區(qū)域大小不一，在攝像頭正常運(yùn)動(dòng)情況下，重疊區(qū)域都不到圖像的1/2，但是特征點(diǎn)提取和匹配都要計(jì)算整幅圖像，造成了信息的大量冗余，因此，為了提高算法的自適應(yīng)性，加入Kalman濾波算法；根據(jù)當(dāng)前匹配之前的五次匹配估計(jì)結(jié)果即X/Y軸的偏移量估計(jì)出當(dāng)前待匹配兩幅圖像的重疊區(qū)域即X/Y軸的偏移量，通過加入Kalman濾波算法估計(jì)每次匹配的重疊區(qū)域，然后只對(duì)圖像上的重疊區(qū)域部分進(jìn)行計(jì)算和估計(jì)；

6）根據(jù)第4）步驟中計(jì)算出的圖像偏移大小和方向，把數(shù)據(jù)傳到上位機(jī)，在上位機(jī)上實(shí)時(shí)的畫出攝像頭的移動(dòng)軌跡。