[發明專利]一種圖像誤匹配精確剔除方法

在審

• 申請號: 201810679354.1
• 申請日: 2018-06-27
• 公開（公告）號: CN109086795A
• 公開（公告）日: 2018-12-25
• 發明（設計）人: 趙攀攀;丁德銳;何壯壯;黃穎;馮漢;余玉琴;陳晗;張震
• 申請（專利權）人: 上海理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 吳寶根;徐穎

本發明涉及一種圖像誤匹配精確剔除方法，網格匹配統計約束能夠快速的區分出設定大小的網格區域內的正確匹配對和錯誤匹配對，從而剔除錯誤匹配對保留正確的匹配對獲得一個粗略匹配集；結合自提出的投影誤差函數的改進對極約束模型能夠再進一步剔除粗略匹配集中不符合改進對極約束模型的匹配對，從而獲得優質的匹配集。該方法融合了網格匹配統計約束能夠快速的區分出網格區域內的正確匹配對和錯誤匹配對，并進行剔除和改進的對極約束模型能夠快速剔除不滿足對極約束的匹配對的優點，從而能夠獲得優質的匹配對，用時更少，匹配準確度更高。該方法能夠適應不同大小復雜的場景，方法應用于視覺同步定位與建圖，三維重構以及視覺跟蹤等領域都會有不錯的效果。

技術領域

本發明涉及一種圖像處理技術，特別涉及一種融合網格匹配統計約束和改進對極約束模型的圖像誤匹配精確剔除方法。

背景技術

圖像匹配是視覺同步定位與建圖，三維重構以及視覺跟蹤等領域的一個非常重要的步驟，它需要圖像匹配算法同時具有實時性，準確性，以及魯棒性。圖像匹配算法分為基于灰度不變性的直接匹配法以及基于特征相似性的匹配算法。基于特征的匹配方法一般通過尋找兩幅圖像之間的局部特征映射關系來完成，其中包括點匹配、線段匹配以及區域匹配。其中基于點特征匹配，由于其提取操作簡單，且匹配方式靈活、用時更少，因此在圖像匹配中被普遍使用。

基于點匹配的工作在Lowe[1]等人提出的基于尺度不變性的SIFT算法后普遍展開，該算法對尺度變化，旋轉以及光照變化都有很好的適應性，但SIFT計算量大，花費的時間長，不具有實時性。Bay[2]等人將特征描述算子的維度降低到64維，提出了SURF匹配算法，盡管提高了匹配效率，可是在用在移動機器人視覺定位與導航中，實時性還是遠遠達不到。目前視覺里程計中大多采用Rublee[3]等人提出的ORB(Oriented FAST and RotatedBRIEF)特征匹配算法，ORB特征匹配算法在特征點提取匹配上具有快速性，在提取稀疏的特征點時具備初步的實時性。但是ORB匹配算法在提取得到特征點并建立初始匹配時，會有大量的誤匹配點，從而導致視覺里程計的位姿估計不準確，魯棒性差等問題。

因此剔除誤匹配而保留優質的匹配在以上涉及的領域中是很重要的部分，目前在剔除誤匹配傳統做法是先利用ORB算法得到粗略的匹配點，然后利用RANSAC[4]算法進行剔除誤匹配點，但RANSAC算法對初始值具有要求，需要預先得到初步準確的匹配集。MariusMuja[5]等人提出FLANN算法可以用來提出錯誤匹配點，得到粗略的匹配集，但結合該方法得到的匹配點很少，匹配質量不高，不利于后續工作。邢凱盛[6]等人通過結合ORB和RANSAC算法對ORB匹配點進行誤匹配刪除，可是由于RANSAC算法需要準確的初始值，而ORB算法剛匹配得到的匹配對充斥著大量的誤匹配對，這樣RANSAC算法初值不準確，會導致用它來刪除誤匹配時導致很大的不準確。秦曉飛[7]等人通過引進極線約束對ORB誤匹配剔除，可是該算法首先要使用人工設定閾值剔除誤匹配點，得到粗匹配集，再將極線約束與RANSAC算法結合進行誤匹配剔除。該算法在獲得粗匹配集時，需人工設定閾值，會有一定的人工因素干擾，并且在訓練得到閾值時，時間花費比較長，造成算法不具有實時性。邊佳旺[8]等人提出的GMS(匹配統計)算法能夠快速對初始匹配集剔除誤匹配對，不需要人工設定閾值，但該算法只能得到粗略匹配集，仍會存在誤匹配，不能得到大量優質的匹配集。

發明內容

本發明是針對目前圖像匹配算法會產生大量誤匹配且算法不具有實時性的問題，提出了一種圖像誤匹配精確剔除方法，網格匹配統計約束能夠快速的區分出設定大小的網格區域內的正確匹配對和錯誤匹配對，從而剔除錯誤匹配對保留正確的匹配對獲得一個粗略匹配集。結合自提出的投影誤差函數的改進對極約束模型能夠再進一步剔除粗略匹配集中不符合改進對極約束模型的匹配對，從而獲得優質的匹配集，一定程度上提高了匹配的準確率。

本發明的技術方案為：一種圖像誤匹配精確剔除方法，具體包括如下步驟：

1)用相機對同一場景拍攝兩張具有10°～15°角度變換的圖像，將獲得的兩張圖像作為特征匹配算法的輸入值；