[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?zhí)枺?/td>: 201910149805.5
• 申請日: 2019-02-28
• 公開（公告）號: CN109903343B
• 公開（公告）日: 2023-05-23
• 發(fā)明（設(shè)計）人: 程向紅;高源東;王子卉;丁鵬
• 申請（專利權(quán)）人: 東南大學(xué)
• 主分類號: G06T7/80
• 分類號: 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

本發(fā)明公開了一種基于慣性姿態(tài)約束的特征匹配方法。首先將待匹配的兩幅圖像進(jìn)行柵格化處理并檢測ORB特征點，并選出含有較多特征點的柵格，并將慣性測量單元輸出的姿態(tài)信息作為特征匹配的約束條件；其次，按照漢明距離進(jìn)行排序和粗匹配，選取漢明距離不大于最小距離一定倍數(shù)的特征點對作為正確匹配點對，并將漢明距離介于一定距離的特征點對作為待定匹配點對；最后利用g2o非線性優(yōu)化方法求解本質(zhì)矩陣，利用本質(zhì)矩陣恢復(fù)圖像的位姿信息，對待定匹配點對使用對極約束條件，將滿足自適應(yīng)閾值條件的待定特征點對加入正確匹配點對，從而提高圖像的匹配準(zhǔn)確度。基于慣性姿態(tài)約束的ORB特征匹配方法誤匹配點數(shù)減少，魯棒性更高。

技術(shù)領(lǐng)域：

本發(fā)明涉及一種基于慣性姿態(tài)約束的特征匹配方法，屬于同時定位與建圖的前端技術(shù)領(lǐng)域。

背景技術(shù)：

近年來，涌現(xiàn)出了許多與SLAM(Simultaneous?Localization?and?Mapping,同時定位與建圖，簡寫SLAM)相關(guān)的應(yīng)用場景，如室內(nèi)掃地機(jī)器人，自動駕駛汽車和無人機(jī)等。視覺SLAM是以圖像為主要環(huán)境感知信息源的SLAM系統(tǒng)，主要分為視覺前端和優(yōu)化后端。前端也稱為視覺里程計，主要作用是根據(jù)相鄰圖像的信息粗略估計出相機(jī)運動，給后端提供較好的初始值。前端按照是否需要提取特征分為特征點法和直接法。基于特征點法的前端運行穩(wěn)定，對光照和動態(tài)物體不敏感，是目前比較成熟的解決方案。其中，ORB(Oriented?FASTand?Rotated?BRIEF)特征是目前具有代表性的實時圖像特征，它改進(jìn)了FAST(Featuresfrom?Accelerated?Segment?Test)角點不具有方向性的問題，并采用速度極快的二進(jìn)制描述子BRIEF(Binary?Robust?Independent?Elementary?Feature),減少了圖像特征提取的時間。

剔除誤匹配點是特征匹配技術(shù)的一個重要環(huán)節(jié)，對提高視覺SLAM姿態(tài)估計精度有重要意義。當(dāng)相機(jī)運動過快時圖像會出現(xiàn)模糊，使得誤匹配點數(shù)增多，從而降低匹配質(zhì)量。利用慣性測量單元的輸出信息，可以為待匹配圖像提供一個比較準(zhǔn)確的姿態(tài)信息。基于此，采用基于慣性姿態(tài)約束的ORB特征匹配技術(shù)進(jìn)行圖像特征匹配時，可以有效解決匹配點對分布集中、誤匹配數(shù)目較多和匹配效率低等問題。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于慣性姿態(tài)約束的特征匹配方法，可以有效解決匹配點對分布集中、誤匹配數(shù)目較多和匹配效率低等問題。

上述的目的通過以下技術(shù)方案實現(xiàn)：

一種基于慣性姿態(tài)約束的特征匹配方法，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，并將每個柵格進(jìn)行編號：第一幅圖像的柵格編號記為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)對兩幅圖像進(jìn)行ORB特征檢測，并統(tǒng)計第一幅圖像每個柵格內(nèi)的特征點個數(shù)f(A_pq)和第二幅圖像每個柵格內(nèi)的特征點個數(shù)f(B_pq)；

3)將第一幅圖像中各柵格的特征點數(shù)進(jìn)行降序排列，分別選出特征點數(shù)較多的前N個柵格，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中的每個柵格記為A_i，柵格集合B中的每個柵格記為B_i，并計算出各柵格內(nèi)的中心點像素坐標(biāo)和

4)對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)信息對步驟(3)中各柵格內(nèi)的中心點對進(jìn)行匹配，計算柵格A_i與集合B中所匹配柵格B_i′的中心點坐標(biāo)之間的距離d_i；