[發(fā)明專利]適用于SLAM系統(tǒng)的直線描述子構(gòu)建和匹配方法有效
| 申請?zhí)枺?/td> | 202010237404.8 | 申請日: | 2020-03-30 |
| 公開(公告)號: | CN111461140B | 公開(公告)日: | 2022-07-08 |
| 發(fā)明(設(shè)計)人: | 趙龍;王超 | 申請(專利權(quán))人: | 北京航空航天大學(xué) |
| 主分類號: | G06V10/44 | 分類號: | G06V10/44;G06V10/74;G06K9/62 |
| 代理公司: | 北京慕達(dá)星云知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11465 | 代理人: | 曹鵬飛 |
| 地址: | 100191*** | 國省代碼: | 北京;11 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 適用于 slam 系統(tǒng) 直線 描述 構(gòu)建 匹配 方法 | ||
本發(fā)明公開了一種適用于SLAM系統(tǒng)的直線描述子構(gòu)建和匹配方法,利用直線方向向量、直線長度和直線區(qū)域內(nèi)所有像素點(diǎn)的灰度梯度向量構(gòu)建直線描述子:將所有灰度梯度向量與直線主方向及法方向向量做點(diǎn)乘并對點(diǎn)乘結(jié)果進(jìn)行分組;分別將主方向、法方向和所有灰度梯度向量擴(kuò)充為三維向量,計算三者的叉乘并對叉乘向量第三維坐標(biāo)進(jìn)行分組;擴(kuò)充直線區(qū)域,進(jìn)行相同計算,求取各分組數(shù)據(jù)的和與方差并做歸一化處理;利用歸一化后的結(jié)果以及直線長度構(gòu)建直線描述子,實(shí)現(xiàn)直線匹配。本發(fā)明直線描述子綜合了直線區(qū)域像素的特點(diǎn)和SLAM系統(tǒng)直線幀間運(yùn)動較小的特性,有效解決了SLAM系統(tǒng)中直線描述子匹配不準(zhǔn)確的問題。
技術(shù)領(lǐng)域
本發(fā)明涉及圖像特征技術(shù)領(lǐng)域,更具體的說是涉及一種用于SLAM系統(tǒng)的直線特征描述子的構(gòu)建和匹配方法。
背景技術(shù)
特征匹配是同時定位與建圖技術(shù)(Simultaneous Localization and Mapping,SLAM)這一計算機(jī)視覺領(lǐng)域的核心課題之一,具有十分重要的意義和廣泛的實(shí)用價值。它融合了圖像處理、模式識別、目標(biāo)跟蹤以及計算機(jī)應(yīng)用等相關(guān)領(lǐng)域的先進(jìn)技術(shù)和研究成果。
近年來,隨著視覺SLAM的快速發(fā)展,對于特征穩(wěn)定性和匹配準(zhǔn)確性的要求也在日益增高。現(xiàn)階段視覺SLAM處理的場景越來越復(fù)雜,目標(biāo)越來越廣泛,傳統(tǒng)的點(diǎn)特征已無法滿足基于特征的SLAM算法。對于線特征而言,尺度不確定,姿態(tài)多變,在圖像中所占像素多等特點(diǎn)使其沒有很好的類似于ORB,SIFT這類點(diǎn)特征的描述子對直線進(jìn)行描述。
因此,如何構(gòu)建可靠的、匹配準(zhǔn)確性高且計算快捷的直線描述子是本領(lǐng)域技術(shù)人員亟需解決的問題。
發(fā)明內(nèi)容
有鑒于此,本發(fā)明提供了一種適用于SLAM系統(tǒng)的直線描述子構(gòu)建和匹配方法,解決了現(xiàn)有直線描述子無法對直線特征進(jìn)行準(zhǔn)確描述的問題。
為了實(shí)現(xiàn)上述目的,本發(fā)明采用如下技術(shù)方案:
適用于SLAM系統(tǒng)的直線描述子構(gòu)建和匹配方法,包括以下步驟:
S1:將圖像進(jìn)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(jìn)行直線檢測獲取圖像中直線信息;
S3:根據(jù)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(jìn)行匹配。
進(jìn)一步,直線信息包括直線長度、直線寬度和直線區(qū)域內(nèi)所有像素的灰度梯度向量。
進(jìn)一步,S3包括以下步驟:
S31:根據(jù)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(qū)域內(nèi)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(diǎn)乘,并對點(diǎn)乘結(jié)果分組;
S33:分別將直線區(qū)域內(nèi)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(kuò)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(jié)果第三維坐標(biāo)進(jìn)行分組;
S34:對直線區(qū)域進(jìn)行擴(kuò)充,對擴(kuò)充直線區(qū)域進(jìn)行與S32和S33相同的計算;
S35:對分組后的結(jié)果進(jìn)行求和與方差運(yùn)算,并做歸一化處理,與直線長度結(jié)合得到直線描述子。
進(jìn)一步,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(diǎn)乘公式為:
gL=dL·d(i,j) (1)
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京航空航天大學(xué),未經(jīng)北京航空航天大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010237404.8/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 一種用于增強(qiáng)PPRV復(fù)制的敏感細(xì)胞亞克隆Vero/Slam/V的制備方法
- 一種用于增強(qiáng)PPRV復(fù)制的敏感細(xì)胞亞克隆Vero/Slam的制備方法
- 異構(gòu)雙目SLAM方法、裝置及電子設(shè)備
- 一種單目SLAM算法的初始化方法及系統(tǒng)
- 一種基于激光SLAM和視覺SLAM地圖融合方法
- 一種基于SLAM的地圖構(gòu)建方法及裝置
- SLAM地圖更新方法、裝置及計算機(jī)可讀存儲介質(zhì)
- SLAM地圖質(zhì)量評定方法、裝置及計算機(jī)可讀存儲介質(zhì)
- 一種面向機(jī)器人EKF-SLAM算法的加速方法
- 一種slam地圖的分類方法、裝置及存儲介質(zhì)





