[發明專利]一種點集與點集的匹配方法及裝置

在審

• 申請號: 201711138946.4
• 申請日: 2017-11-16
• 公開（公告）號: CN107918938A
• 公開（公告）日: 2018-04-17
• 發明（設計）人: 楊建喬;姚毅
• 申請（專利權）人: 凌云光技術集團有限責任公司
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06T7/30
• 代理公司: 北京弘權知識產權代理事務所(普通合伙)11363
• 代理人: 逯長明,許偉群

技術領域

本發明涉及機器視覺和圖像處理技術領域，尤其涉及一種點集與點集的匹配方法及裝置。

背景技術

在機器視覺、模式識別、工業檢測以及醫學影像等領域，經常需要根據檢測特征點的位置信息進行兩個點集之間的匹配，例如：在基于特征點的圖像拼接方法中，根據兩幅圖像在重疊區域的特征點的位置分布，計算得出兩圖像的變換關系，從而實現一幅或多幅圖像的拼接；在基于輪廓特征點的匹配中，也會根據兩幅圖像中輪廓特征點的位置分布進行圖像的定位。

目前，常用的一種點集匹配方法是直接在搜索空間進行遍歷的方法，這種方法需要在每個遍歷位置進行匹配計算，不僅計算量大、耗時長，導致匹配效率低；另一種方法是ICP(Iterative Closest Point，迭代最近點)算法，然而ICP算法對搜索的初始位置具有敏感性，如果ICP初始位置選擇不合理，會使匹配結果陷入局部最優，無法得到最優結果。由此可見，對于現有技術來說，若追求較高的匹配精度，往往導致搜索匹配的效率低，而采用搜索匹配速度較快的算法，又無法保證其匹配精度滿足應用需求。

發明內容

本發明提供一種點集與點集的匹配方法及裝置，以解決現有技術進行點集間匹配時，無法同時保證匹配精度和匹配效率的問題。

第一方面，本發明實施例提供一種點集與點集的匹配方法，所述方法包括粗搜索匹配過程和精搜索優化過程；

粗搜索匹配過程：步驟S1，獲取第一點集和第二點集，并根據所述第一點集和所述第二點集的特征構建金字塔搜索模型，所述金字塔搜索模型包括頂層搜索空間、中間層搜索空間和底層搜索空間；

步驟S2，在所述頂層搜索空間輸入變換關系參數的范圍，所述變換關系參數包括縮放參數、旋轉參數和平移參數；

步驟S3，從上到下依次對所述頂層搜索空間、所述中間層搜索空間和所述底層搜索空間進行逐層遍歷，得到滿足覆蓋率條件的粗搜索變換結果；

精搜索優化過程：步驟S4，根據所述粗搜索變換結果，計算所述第一點集和所述第二點集的匹配關系，根據所述匹配關系進行優化，輸出匹配參數；所述匹配參數包括覆蓋率、RMS誤差以及點集間的變化關系和匹配關系。

進一步地，步驟S3中，對所述頂層搜索空間、所述中間層搜索空間和所述底層搜索空間中的任一層搜索空間進行遍歷，得到滿足覆蓋率條件的粗搜索變換結果包括：

分別對所述第一點集和所述第二點集進行網格化處理，得到第一網格化點集和第二網格化點集；

在該層搜索空間內遍歷所述第一網格化點集的二維線性變換，得到線性變換點集；

根據所述第二網格化點集和所述線性變換點集，得到第一匹配點點集；

計算覆蓋率，并判斷所述覆蓋率是否小于預設的最小覆蓋率；

如果所述覆蓋率小于預設的最小覆蓋率，則判斷是否遍歷完全；反之，則滿足覆蓋率條件，將獲取的變換關系更新至所述粗搜索變換結果之后判斷是否遍歷完全；

如果遍歷完全，則將該層搜索空間獲取的變換關系輸入至下一層搜索空間。

進一步地，所述根據所述第二網格化點集和所述線性變換點集，得到第一匹配點點集的步驟包括：

計算所述第二網格化點集和所述線性變換點集中特征點之間的距離；

判斷所述特征點之間的距離是否大于捕獲半徑；

如果特征點之間的距離大于捕獲半徑，則該對特征點不互為匹配點；反之，該對特征點互為匹配點；

遍歷所述線性變換點集，篩選出所述線性變換點集中具有匹配點的特征點，構成第一匹配點點集。

進一步地，所述如果遍歷完全，則將該層搜索空間獲取的變換關系輸入至下一層搜索空間的步驟之后還包括：

所述下一層搜索空間根據其上一層搜索空間輸出的變換關系，確定對應的搜索中心，在預設的搜索范圍內進行遍歷，得到滿足覆蓋率條件的變換關系；所述預設的搜索范圍為[d-r，d+r]區間內，d是所述下一層搜索空間的搜索維度，r為自定義步長。

進一步地，所述第二網格化點集中具有匹配點的特征點構成第二匹配點點集，按照下述公式計算RMS誤差：

式中：P1是所述第一匹配點點集中的特征點，P2是所述第二匹配點點集中的特征點，P1和P2互為匹配點；dis(P1，P2)為P1與P2之間的距離；n為所述第一點集的特征點數量。

進一步地，按照下述公式計算覆蓋率：

式中：k為覆蓋率；m為所述第一匹配點點集的特征點數量；n為所述第一點集的特征點數量。