[發明專利]一種機器視覺圖像特征點檢測與匹配復合的優化方法

有效

• 申請號: 201610065088.4
• 申請日: 2016-01-29
• 公開（公告）號: CN105740899B
• 公開（公告）日: 2019-08-23
• 發明（設計）人: 惠記莊;楊永奎;郭云欣;羅麗;鄭恒玉;王瑞
• 申請（專利權）人: 長安大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 西安睿通知識產權代理事務所(特殊普通合伙) 61218
• 代理人: 惠文軒

本發明公開了機器視覺圖像特征點檢測與匹配復合的優化方法，其主要思路為：首先獲取模板圖像和搜索圖像，并拼接為工件圖像，然后對所述工件圖像進行特征點檢測，得到P個特征點，再對P個特征點分別進行特征點描述，即選取任意一個特征點為中心構建像素塊圖像，并對像素塊圖像中包含的采樣點分別進行高斯濾波處理，得到該特征點對應的采樣點對，進而得到P個特征點各自對應的采樣點對和P個特征點各自對應的采樣點對距離，然后據此分別得到長距離采樣點對的對應總體模式方向和短距離采樣點對的對應二進制描述符，對P個特征點分別進行匹配識別，計算模板圖像和搜索圖像之間的仿射變換參數，進而得到搜索圖像中目標工件三維坐標并進行準確抓取。

技術領域

本發明屬于機器視覺檢測領域，特別涉及一種機器視覺圖像特征點檢測與匹配復合的優化方法。

背景技術

將機器視覺技術應用于工業機器人的生產裝配環節，提高了工業機器人對復雜環境的感知和適應能力，同時也提高了生產制造的柔性化和自動化，機器視覺系統將圖像處理信息傳遞給工業機器人控制器，繼而控制器驅動工業機械手對目標工件進行抓取，而在圖像處理中，由于成像距離、方向、位置等因素的影響，會使得圖像產生旋轉、平移以及尺度變化，而圖像點特征能較好的避免上述問題，所以特征點的檢測和匹配是圖像處理的關鍵，快速檢測出大量特征點并準確快速的進行有效匹配為接下來進行工件識別與定位抓取打下了良好的基礎。

圖像特征點提取方法主要有基于圖像邊緣檢測方法和基于圖像灰度檢測方法兩大類，邊緣檢測方法計算量大，基于灰度檢測方法通過計算圖像中點的曲率和梯度的方法大大減少了計算量，這類算法常見的有：哈里斯(Harris)算子、最小核值相似區算子(SUSAN)以及加速區域特征點檢測(FAST)角點檢測等，然而這些算法的角點都不具有尺度不變性，基于尺度不變性加速區域特征點檢測(FAST)角點的二進制魯棒尺度不變性特征點(BRISK)特征點提取算法和加速魯棒特征(SURF)特征點提取算法應運而生。

在對圖像進行特征點的檢測之后還要對這些特征點進行描述以構建特征向量從而進行立體匹配，目前主要有兩大類局部描述算法：一種是基于梯度直方圖局部描述方法，常見方法有尺度不變特征變換(SIFT)、加速魯棒特征(SURF)特征點提取算法以及各自的優化方法；另一種是基于二進制位串局部描述方法，而后者的計算速度要遠比前者的計算速度快，常見的有二進制魯棒尺度不變性特征點(BRISK)特征點提取算法、快速視網膜關鍵點(FREAK)算法。

加速魯棒特征(SURF)特征點提取算法能夠保持尺度不變性，同時檢測到的特征點比較多，速度比較快，但是它匹配時隨機性也比較強，容易產生較多的錯誤匹配點對，而二進制魯棒尺度不變性特征點(BRISK)特征點提取算法雖然匹配比較準確但是它的匹配率低，即匹配所需要的時間長，匹配的特征點對也比較少。

發明內容

針對上述現有技術存在的問題，本發明的目的在于提出一種機器視覺圖像特征點檢測與匹配復合的優化方法，該方法針對SURF算法檢測時產生的特征點較多而BRISK算法計算速度快的特點，提出的一種SURF-BRISK復合檢測方法，并采用所述SURF-BRISK復合檢測方法能夠在特征點檢測提取部分獲得圖像上更多的特征點，從而進行特征匹配，運算速度快而且匹配效率高。

為達到上述技術目的，本發明采用如下技術方案予以實現。

一種機器視覺圖像特征點檢測與匹配復合的優化方法，包括以下步驟：

步驟1，首先獲取模板圖像和搜索圖像，所述模板圖像包含目標工件，所述搜索圖像包含目標工件和非目標工件，并將模板圖像和搜索圖像拼接為工件圖像，然后對所述工件圖像進行極值點檢測，得到P個極值點，所述P個極值點分別為極大值點或極小值點，然后將所述P個極值點分別作為特征點；其中，P表示自然數；