[發明專利]一種基于圖像匹配的目標定位方法

有效

• 申請號: 201710168768.3
• 申請日: 2017-03-21
• 公開（公告）號: CN107067415B
• 公開（公告）日: 2019-07-30
• 發明（設計）人: 曾慶化;潘鵬舉;陳艷;王云舒;劉建業;劉昇;張月圓
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/70
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 葛瀟敏

本發明公開了一種基于圖像匹配的目標快速精確定位方法。首先利用快速目標提取算法對目標實測圖像序列進行處理，從目標實測圖像序列中提取出待定位目標有效像素；然后利用快速圖像匹配算法對提取目標后的實測圖像和機載參考圖像進行匹配；最后利用目標高精度定位算法對快速圖像匹配結果進行處理，從而獲取目標位置信息。本發明與現有目標定位方法相比，能夠大幅提高目標定位的實時性和精確度。

技術領域

本發明屬于目標定位技術領域，特別涉及了一種基于圖像匹配的目標定位方法。

背景技術

偵察機、導彈、無人機等在執行任務時，需要精確定位重要目標，目標定位的精度和效率直接決定任務的成敗。現有的目標定位方式大多采取幾何式定位方式和圖像匹配定位方式。幾何式定位精度受飛行器自身導航系統及幾何量測信息的精度影響，導致目標定位誤差較大。圖像匹配定位通過將飛行器拍攝目標得到的實測圖像與機載參考圖像進行匹配獲取目標點的精確位置信息。隨著圖像匹配技術的深入研究，開展利用快速圖像匹配輔助目標進行快速精確定位對目標快速精確定位發展具有重要意義。

目前，國內外基于特征的快速圖像匹配算法研究比較多，如在2004年DavidG.Lowe提出SIFT算法，SIFT算法的優點為對圖像尺度不同、亮度不同和旋轉不同的圖像拼接效果較好以及抗噪聲能力強的特點，成為了應用范圍普遍的流行算法。2006年HerbertBay等提出SURF算法，這種算法提取的特征具有平移、縮放、旋轉的不變性，并且對光照、仿射及投影差異也有相對較好的魯棒性。隨著對特征點匹配速度的要求提高，2011年EthanRublee在文獻中提出ORB算法，2012年Alexandre Alahi等人在文獻中提出FREAK算法。FREAK算法模擬人類視網膜的成像特性來進行采樣點的設置和對應點對的選擇，利用掃視搜索進行特征向量的匹配，是一種二進制描述子，具有穩定的性能，相對于SIFT、SURF算法更具魯棒性，并且計算過程要遠快過這二者，但是它不具備尺度不變性，在圖像間場景存在大小尺度差異的狀況下，圖像間特征點的匹配對的準確度較低。

發明內容

為了解決上述背景技術提出的技術問題，本發明旨在提供一種基于圖像匹配的目標定位方法，利用快速目標提取算法、快速圖像匹配算法和目標高精度定位算法對目標進行快速精確定位，提高目標定位的實時性和精確度。

為了實現上述技術目的，本發明的技術方案為：

一種基于圖像匹配的目標定位方法，包括以下步驟：

(1)采用FAST算法對目標實測圖像進行特征點檢測；

(2)采用FREAK算法對步驟(1)獲取的特征點進行描述和匹配；

(3)采用RANSAC算法對步驟(2)得到的匹配結果進行處理，剔除誤匹配點，提取目標有效像素；

(4)采用SURF算法分別對提取目標后的實測圖像和參考圖像進行特征點檢測；

(5)采用FREAK算法對步驟(4)獲取的特征點進行描述和匹配；

(6)采用RANSAC算法對步驟(5)得到的匹配結果進行處理，剔除誤匹配點，計算單應性矩陣；

(7)根據步驟(3)提取出的目標有效像素和步驟(6)計算的單應性矩陣，獲取目標點在參考圖像中的精確位置。

進一步地，步驟(1)的過程為，定義一圓形區域，以目標實測圖像中的任意一點為該圓形區域的圓心P，將圓心P處的灰度值分別與鄰域內16個像素點的灰度值進行比較：

|m-p_i|＞Δd,1≤i≤16

上式中，m為圓心P處的灰度值，p_i為P點鄰域內第i個點的灰度值，Δd為預設閾值；若滿足上式的P點鄰域內的像素點個數大于n，則將P點視為特征點，n為預設值。