[發明專利]一種新的基于RANSAC的雙目圖像特征匹配方法

在審

• 申請號: 201710668389.0
• 申請日: 2017-08-08
• 公開（公告）號: CN107423772A
• 公開（公告）日: 2017-12-01
• 發明（設計）人: 王輝;郭山紅;謝仁宏;芮義斌;李鵬;周文忠;蔡璐
• 申請（專利權）人: 南京理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/80;G06T5/00;G06K9/46
• 代理公司: 南京理工大學專利中心32203
• 代理人: 馬魯晉

技術領域

本發明屬于一種圖像匹配技術，特別是一種基于RANSAC的雙目圖像特征匹配方法。

背景技術

近幾年，計算機視覺在移動機器人導航、遙感測量、醫學成像、工業檢測、人臉識別等諸多領域應用廣泛，表現出良好的發展前景。立體視覺是計算機視覺重要的分支之一，其主要功能是從二維圖像中恢復真實的三維場景信息。

當前，很多移動機器人就是采用雙目立體視覺導航技術，此外美國噴氣推進實驗室(JPL)研制的DEMOIII無人自主車、中國嫦娥團隊自主研發的“玉兔號”月球車、微軟公司研制的寬基線立體視覺導航儀、哈爾濱工業大學研制的全自主足球定位儀器以及已經投入生產使用的人體三維尺寸非接觸測量儀等都運用到了雙目立體視覺技術。不僅如此，當下最為熱門的VR虛擬技術就是將雙目立體視覺結合了仿生、數字全息等最新前沿科技給人們帶來逼真的360°場景體驗效果，是一種改變我們生活方式的突破性技術，更是給諸如醫學、軍事航天、工業仿真、教育、娛樂等許多重要領域帶來了顛覆性的改革浪潮。雖然近幾年人們對立體視覺研究成效顯著，但研究水平仍不夠成熟，應用效果還不能達到全智能水平，研究技術也存在諸多的問題和瓶頸。事實上，準確識別并理解環境信息對計算機來說非常困難，要構造出實用性更強的立體視覺系統還有很多需要研究改進的地方。其中攝像機標定技術和立體匹配技術是立體視覺研究領域的最為重要的研究模塊。標定結果的精準性是三維信息恢復的基礎保障，立體匹配的魯棒性、準確性和稠密性是三維重建的依據。然而，目前尚無實用性、魯棒性和精準性都能達到完美效果的標定和立體匹配通用方法。

發明內容

本發明所解決的技術問題在于提供一種新的基于RANSAC的雙目圖像特征匹配方法。

實現本發明目的的技術解決方案為：一種新的基于RANSAC的雙目圖像特征匹配方法，包括以下步驟：

步驟1：雙目圖像采集；

步驟2：利用張正友圖像標定法對雙目圖像進行有效標定。拍攝不同角度的23張已知精確尺寸的黑白國際象棋棋盤格圖片，從其中選取清晰的20張圖片，利用角點檢測的方法尋找每幅圖像中的特征點，然后分別計算每個攝像頭五個內部參數和所有的外部參數，接著利用最小二乘法初步計算徑向畸變系數，最后通過求最小參數值，優化所有參數；獲取的參數以如下矩陣表示；轉換矩陣為：

外參矩陣為：

步驟3：將輸入的雙目圖像利用步驟2種所得圖像標定數據分別進行畸變校正，然后對兩幅圖像雙目校正，首先讀入雙目圖像，及步驟2中標定數據，然后對每幅圖像進行畸變校正并保存校正圖像，最后將消除畸變的兩幅圖像根據極線約束進行雙目校正。

步驟4：利用SIFT算子提取檢測圖像特征點，并將特征點進行提取，首先對每幅圖像進行分別利用SIFT算子檢測特征點，并保存為關鍵點，然后檢測得到的關鍵點計算得到128維特征向量；

步驟5：雙目匹配，利用RANSAC法減少排除錯誤匹配的點，對兩幅圖像進行初匹配，得到匹配對，并由匹配對計算生成仿射變換矩陣，然后由給定誤差范圍，得到正確的匹配對集合，判斷循環次數是否大于閾值，若不大于，則重新計算仿射矩陣，若大于，則取所有次數中得到正確匹配對最多的一組，最后利用最小二乘法解得到的仿射矩陣構成的方程，最終得到準確度高的特征匹配對組。

本發明與現有技術相比，其顯著優點為：1)本發明的方法利用SIFT法檢測并提取雙目圖像的特征，具有較好的魯棒性；2)本發明通過RANSAC法對匹配對進行進一步的篩選，大大提高了匹配的準確度。

下面結合附圖對本發明作進一步詳細描述。

附圖說明

圖1是本發明方法流程圖。

圖2是本發明算法流程圖。

圖3是經過立體校正后的左右攝像機圖像，其中圖(a)為校正后的左視圖，圖(b)為校正后的右視圖。

圖4是本發明實施例結果圖，其中圖(a)為左圖像，圖(b)為右圖像。

具體實施方式

結合附圖，本發明的一種基于RANSAC的雙目圖像特征匹配方法，包括以下步驟：

步驟1、利用雙目攝像頭對圖像進行采集；

步驟2、利用張正友圖像標定方法對步驟1采集到的雙目圖像進行標定，獲取雙目圖像內部參數和外部參數；具體為：

步驟2-1、拍攝不同角度的M張已知精確尺寸的黑白國際象棋棋盤格圖片，從其中選取清晰的N張圖片；其中，M>N>15；

步驟2-2、利用角點檢測的方法尋找每幅圖像中的特征點；