[發明專利]適用于SLAM系統的直線描述子構建和匹配方法

有效

• 申請號: 202010237404.8
• 申請日: 2020-03-30
• 公開（公告）號: CN111461140B
• 公開（公告）日: 2022-07-08
• 發明（設計）人: 趙龍;王超
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06V10/44
• 分類號: G06V10/44;G06V10/74;G06K9/62
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 曹鵬飛

1.適用于SLAM系統的直線描述子構建和匹配方法，其特征在于，包括以下步驟：

S1：將圖像進行降采樣得到縮放圖像；

S2：計算縮放圖像中所有像素的灰度梯度得到灰度梯度圖像，以及基于縮放圖像進行直線檢測獲取圖像中直線信息；

S3：根據直線信息以及灰度梯度圖像計算得到直線描述子；

S4：對直線描述子進行匹配；

直線信息包括直線長度、直線寬度和直線區域內所有像素的灰度梯度向量；

S3包括以下步驟：

S31：根據直線長度和直線寬度確定直線主方向向量和直線法方向向量；

S32：將直線區域內所有像素的灰度梯度向量分別與直線主方向向量和直線法方向向量做點乘，并對點乘結果分組；

S33：分別將直線區域內所有像素的灰度梯度向量、直線主方向向量和直線法方向向量擴充為三維向量，并計算三維灰度梯度向量分別與三維直線主方向向量和三維直線法方向向量的叉乘，對叉乘結果第三維坐標進行分組；

S34：對直線區域進行擴充，對擴充直線區域進行與S32和S33相同的計算；

S35：對分組后的結果進行求和與方差運算，并做歸一化處理，與直線長度結合得到直線描述子。

2.根據權利要求1所述的適用于SLAM系統的直線描述子構建和匹配方法，其特征在于，S32具體為：

S321：每個像素的灰度梯度向量與直線主方向向量做點乘公式為：

g_L＝d_L·d(i,j) (1)

式中，d_L為直線主方向向量，d_L＝(-sinθ,cosθ)，對直線長度和直線寬度確定的直線初始范圍內所有像素點的灰度梯度進行求和、歸一化后為(d'_x,d'_y)，其中d'_x＝cosθ，d'_y＝sinθ，從而確定出θ角，d(i,j)為像素點(i,j)處的灰度梯度向量，d(i,j)＝(d_x,d_y)，i，j分別為像素點的橫縱坐標，d_x為當前像素在x方向梯度，d_y為當前像素在y方向梯度，g_L為直線主方向向量與灰度梯度向量的點乘結果；

每個像素的灰度梯度向量與直線法方向向量做點乘公式為：

g_⊥＝d_⊥·d(i,j) (2)

式中，d_⊥為直線法方向向量，d_⊥＝(cosθ,sinθ)，d(i,j)為像素點(i,j)處的灰度梯度向量，d(i,j)＝(d_x,d_y)，i，j分別為像素點的橫縱坐標，d_x為當前像素在x方向梯度，d_y為當前像素在y方向梯度，g_⊥為直線法方向與灰度梯度向量的點乘結果；

S322：將g_L0的分為一組，g_L0的分為一組；將g_⊥0的分為一組，g_⊥0的分為一組。

3.根據權利要求2所述的適用于SLAM系統的直線描述子構建和匹配方法，其特征在于，S33具體為：

S331：將灰度梯度向量、直線主方向向量和直線法方向向量均擴充為三維向量，三維向量的前兩維坐標為原向量的前兩維坐標，三維向量的第三維坐標設為零，三維直線主方向向量和三維直線法方向向量分別為(d_L,0)，(d_⊥,0)，三維灰度梯度向量為(d(i,j),0)；

S332：三維灰度梯度向量與三維直線主方向向量做叉乘公式為：

三維灰度梯度向量與三維直線法方向向量做叉乘公式為：

式中，c_L，c_⊥為叉乘向量，C_L，C_⊥為叉乘向量的第三維坐標；

S333：將C_L0的分為一組，將C_L0的分為一組，將C_⊥0的分為一組，將C_⊥0的分為一組。