[發(fā)明專利]一種基于慣性姿態(tài)約束的特征匹配方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910149805.5
• 申請(qǐng)日: 2019-02-28
• 公開（公告）號(hào): CN109903343B
• 公開（公告）日: 2023-05-23
• 發(fā)明（設(shè)計(jì)）人: 程向紅;高源東;王子卉;丁鵬
• 申請(qǐng)（專利權(quán)）人: 東南大學(xué)
• 主分類號(hào): G06T7/80
• 分類號(hào): G06T7/80;G06T7/73;G06V10/44
• 代理公司: 南京眾聯(lián)專利代理有限公司 32206
• 代理人: 許小莉

1.一種基于慣性姿態(tài)約束的特征匹配方法，其特征在于，該方法包括如下步驟：

(1)將待匹配的兩幅圖像柵格化，柵格邊長為a，并將每個(gè)柵格進(jìn)行編號(hào)：第一幅圖像的柵格編號(hào)記為A_pq，表示該柵格位于第一幅圖像柵格陣列的第p行和第q列；第二幅圖像的柵格編號(hào)記為B_pq，表示該柵格位于第二幅圖像柵格陣列的第p行和第q列；

(2)對(duì)兩幅圖像進(jìn)行ORB特征檢測，并統(tǒng)計(jì)第一幅圖像每個(gè)柵格內(nèi)的特征點(diǎn)個(gè)數(shù)f(A_pq)和第二幅圖像每個(gè)柵格內(nèi)的特征點(diǎn)個(gè)數(shù)f(B_pq)；

(3)將第一幅圖像中各柵格的特征點(diǎn)數(shù)進(jìn)行降序排列，分別選出特征點(diǎn)數(shù)較多的前N個(gè)柵格，第一幅圖像選出的柵格加入柵格集合A，第二幅圖像選出的柵格加入柵格集合B，柵格集合A中的每個(gè)柵格記為A_i，柵格集合B中的每個(gè)柵格記為B_i，并計(jì)算出各柵格內(nèi)的中心點(diǎn)像素坐標(biāo)p_Ai(x_i,y_i,1)和p_Bi(u_i,v_i,1)；

(4)對(duì)慣性測量單元的輸出值進(jìn)行解算得到慣性測量單元的姿態(tài)信息，利用慣性測量單元的姿態(tài)信息對(duì)步驟(3)中各柵格內(nèi)的中心點(diǎn)對(duì)進(jìn)行匹配，計(jì)算柵格A_i與集合B中所匹配柵格B_i′的中心點(diǎn)坐標(biāo)之間的距離d_i；

(5)采用基于漢明距離的方法對(duì)兩幅圖像上的特征點(diǎn)進(jìn)行粗匹配，并按照漢明距離進(jìn)行排序，選取漢明距離不大于最小距離一定倍數(shù)的特征點(diǎn)對(duì)作為正確匹配點(diǎn)對(duì)，并將介于特定距離區(qū)間的特征點(diǎn)對(duì)作為待定匹配點(diǎn)對(duì)；所述最小距離一定倍數(shù)選取最小距離的2-5倍，并將介于一定距離的特征點(diǎn)對(duì)作為待定匹配點(diǎn)對(duì)，所述介于一定距離的特征點(diǎn)選取介于最小距離的2-5倍與最大距離的0.5-0.7倍之間的特征點(diǎn)；

(6)利用g2o非線性優(yōu)化庫建立超圖，求解本質(zhì)矩陣E，使得重投影誤差最?。?/p>

(7)利用本質(zhì)矩陣E恢復(fù)出圖像的姿態(tài)信息，設(shè)置自適應(yīng)閾值函數(shù)，使用對(duì)極約束條件將待定匹配點(diǎn)對(duì)進(jìn)行篩選，若滿足相應(yīng)閾值條件則將該待定匹配點(diǎn)對(duì)加入正確匹配點(diǎn)對(duì)。

2.根據(jù)權(quán)利要求1所述的基于慣性姿態(tài)約束的特征匹配方法，其特征在于，步驟(3)中所述兩幅圖像中各柵格內(nèi)中心點(diǎn)像素坐標(biāo)p_Ai(x_i,y_i,1)和p_Bi(u_i,v_i,1)的計(jì)算公式分別為：

其中，在第一幅圖像中，m_i為柵格A_i的特征點(diǎn)數(shù)，(x_ik,y_ik,1)為柵格A_i中第k個(gè)特征點(diǎn)的像素坐標(biāo)；在第二幅圖像中，n_i為柵格B_i的特征點(diǎn)數(shù)，(u_ik,v_ik,1)為柵格B_i中第k個(gè)特征點(diǎn)的像素坐標(biāo)。

3.根據(jù)權(quán)利要求1所述的基于慣性姿態(tài)約束的特征匹配方法，其特征在于，步驟(4)中加入了慣性姿態(tài)約束,利用慣性測量單元的姿態(tài)信息對(duì)步驟(3)中選出的N個(gè)柵格內(nèi)每個(gè)柵格的中心點(diǎn)對(duì)進(jìn)行匹配，并計(jì)算柵格A_i與集合B中所匹配柵格B′_i的中心點(diǎn)坐標(biāo)之間的距離d_i，計(jì)算公式為：

其中，為柵格A_i的中心點(diǎn)像素坐標(biāo)，為集合B中與柵格A_i相匹配的柵格B′_i的中心點(diǎn)像素坐標(biāo)，R_imu為慣性測量單元的姿態(tài)矩陣，K為相機(jī)內(nèi)參矩陣，d_i的極小值記為d_min。

4.根據(jù)權(quán)利要求1所述的基于慣性姿態(tài)約束的特征匹配方法，其特征在于，步驟(6)中使用g2o優(yōu)化方法求解本質(zhì)矩陣E以最小化重投影誤差，重投影誤差函數(shù)為：

其中，p_α1和p_α2分別表示第α個(gè)正確匹配點(diǎn)對(duì)在第一幅圖像和第二幅圖像的像素坐標(biāo)，K為相機(jī)內(nèi)參矩陣。

5.根據(jù)權(quán)利要求1所述的基于慣性姿態(tài)約束的特征匹配方法，其特征在于，步驟(7)中的對(duì)極約束條件為：自適應(yīng)閾值函數(shù)為：t_i＝d₀d′_i，

其中，p_β1和p_β2分別表示第β個(gè)待定匹配點(diǎn)對(duì)在第一幅圖像和第二幅圖像的像素坐標(biāo)；d₀為初始化閾值，d′_i為閾值系數(shù)，當(dāng)p_β1屬于柵格A_i時(shí)，d′_i為d_i/d_min,當(dāng)p_β1不屬于柵格集合A時(shí),d′_i為1。