本發(fā)明涉及圖像處理領(lǐng)域，特別是視覺里程計(jì)中的特征提取與特征匹配技術(shù)。

背景技術(shù)：

1、在視覺里程計(jì)/視覺slam領(lǐng)域，特征提取與特征匹配是最為關(guān)鍵的步驟，這些技術(shù)廣泛應(yīng)用于自動駕駛等多種場景。傳統(tǒng)的特征提取算法如sift(尺度不變特征變換)和surf(加速穩(wěn)健特征)能夠提供高度魯棒的特征點(diǎn)，但這些算法的計(jì)算成本較高，處理時間長，不適合需要實(shí)時反應(yīng)的應(yīng)用。

2、orb(oriented?fast?and?rotated?brief)算法因其高效性而在實(shí)時系統(tǒng)中得到了廣泛的應(yīng)用。orb算法結(jié)合了fast特征點(diǎn)檢測和brief描述符，通過其特定的設(shè)計(jì)，顯著提高了計(jì)算速度。然而，orb算法在處理光照變化明顯的場景時效果不佳，這是因?yàn)槠涫褂霉潭ㄩ撝颠M(jìn)行特征點(diǎn)檢測，未能適應(yīng)圖像亮度的變化。此外，orb算法在特征點(diǎn)分布上也存在不均勻的問題，導(dǎo)致特征點(diǎn)容易聚集在紋理豐富的區(qū)域，而在紋理較少的區(qū)域則特征點(diǎn)稀缺。

3、在特征匹配方面，常見的方法如基于歐氏距離的暴力匹配或是基于樹的搜索算法雖然能夠找到精確的匹配點(diǎn)，但在處理包含大量噪聲和誤匹配的數(shù)據(jù)時，效果并不理想。誤匹配的存在會顯著影響后續(xù)的位置估計(jì)等結(jié)果。為了解決這一問題，ransac算法被廣泛應(yīng)用于移除一場匹配，但該算法在高誤匹配環(huán)境下的效率和魯棒性仍然有限。

4、因此，需要一種新的特征提取與匹配方法，不僅要在光照變化的環(huán)境下保持穩(wěn)定，還要在特征分布的均勻性、計(jì)算效率和匹配準(zhǔn)確性上有所改進(jìn)，以滿足實(shí)時圖像處理系統(tǒng)的需求。

技術(shù)實(shí)現(xiàn)思路

1、(一)解決的技術(shù)問題

2、針對上述問題，本發(fā)明提供一種基于自適應(yīng)閾值和幾何約束的orb特征提取與匹配方法?，F(xiàn)有的orb特征提取算法通常使用固定的閾值來檢測特征點(diǎn)，這導(dǎo)致在光照變化顯著的環(huán)境中，特征提取的穩(wěn)定性和準(zhǔn)確性大幅下降，本發(fā)明通過引入基于圖像灰度均值的自適應(yīng)閾值調(diào)整機(jī)制，提高了算法在不同光照條件下的適應(yīng)性和魯棒性。在傳統(tǒng)的特征提取過程中，特征點(diǎn)往往傾向于聚集在紋理豐富的區(qū)域，而在紋理較少的區(qū)域特征點(diǎn)稀缺，本發(fā)明通過采用四叉樹管理特征點(diǎn)的分布，確保特征點(diǎn)在圖像中均勻分布，從而提升了特征匹配的準(zhǔn)確度。在現(xiàn)有的特征匹配技術(shù)中，在復(fù)雜的場景中誤匹配問題尤為突出，影響視覺里程計(jì)的準(zhǔn)確性，本發(fā)明引入了基于斜率、距離和描述符距離的幾何約束模型，有效篩選出真實(shí)地匹配點(diǎn)對，降低誤匹配率，提高了處理速度。

3、(二)技術(shù)方案

4、本發(fā)明為了實(shí)現(xiàn)上述目的具體采用以下技術(shù)方案：

5、一種基于自適應(yīng)閾值和幾何約束的orb特征提取與匹配方法，包括以下步驟，

6、s1、對輸入圖像進(jìn)行預(yù)處理，采用改進(jìn)的自適應(yīng)閾值算法進(jìn)行orb特征提取，所述自適應(yīng)閾值算法基于圖像的灰度均值作為評估函數(shù)；

7、s2、使用四叉樹管理特征點(diǎn)，以保證特征點(diǎn)的均勻分布；

8、s3、采用基于幾何約束的外點(diǎn)去除算法，通過匹配特征點(diǎn)之間的斜率、距離和描述符距離構(gòu)造約束集。

9、進(jìn)一步地，所述s1具體步驟如下：

10、s11、使用單目相機(jī)獲取連續(xù)圖像序列；

11、s12、對于輸入的每一張圖像都進(jìn)行灰度化和去噪處理；

12、s13、計(jì)算圖像的灰度均值并通過以下公式確定特征提取的閾值t：

13、

14、其中，i(xi)為第i個像素點(diǎn)的灰度值，α和β為比例系數(shù)；

15、s14、特征點(diǎn)提取時使用t來判斷像素點(diǎn)是否為特征點(diǎn)，從而實(shí)現(xiàn)對光照變化的適應(yīng)性調(diào)整。

16、進(jìn)一步地，所述s2具體步驟如下：

17、s21、將圖像初始化為一個節(jié)點(diǎn)，并將其劃分為四個象限，每個象限作為一個子節(jié)點(diǎn)，繼續(xù)進(jìn)行進(jìn)一步的劃分；

18、s22、對于每個子節(jié)點(diǎn)，判斷其中包含的特征點(diǎn)數(shù)量，如果特征點(diǎn)數(shù)量大于1，則繼續(xù)將該子節(jié)點(diǎn)劃分為四個子節(jié)點(diǎn)，重復(fù)此過程，直到達(dá)到預(yù)期的特征點(diǎn)數(shù)量或劃分深度；

19、s23、在每個子節(jié)點(diǎn)中，計(jì)算所有特征點(diǎn)的harris響應(yīng)值，并使用非最大值抑制方法保留響應(yīng)值最大的特征點(diǎn)，公式如下：

20、r＝det(m)-k(trace(m))2

21、其中m為梯度矩陣，k為經(jīng)驗(yàn)參數(shù)，用于平衡行列式和跡的影響，進(jìn)一步調(diào)整響應(yīng)值的計(jì)算；

22、s24、梯度矩陣m可通過以下公式計(jì)算：

23、

24、其中ω(x,y)是窗函數(shù)，ix為特征點(diǎn)在水平方向上的梯度，iy為特征點(diǎn)在垂直方向上的梯度；

25、s25、通過非最大值抑制的方法，保留每個子節(jié)點(diǎn)中harris響應(yīng)值最大的特征點(diǎn)，去除冗余特征點(diǎn)，保證特征點(diǎn)的均勻分布。

26、進(jìn)一步地，所述s3具體步驟如下：

27、s31、設(shè)特征匹配時計(jì)算出來的orb描述符之間的距離為desi；

28、s32、計(jì)算每對匹配特征點(diǎn)像素平面上的斜率ki和距離di：

29、

30、其中和為一對匹配特征點(diǎn)的像素坐標(biāo)，所對應(yīng)的像素點(diǎn)分別表示為和

31、s33、通過以下公式將斜率轉(zhuǎn)換為角度：

32、

33、s34、通過s31、s32和s33建立幾何約束集：

34、

35、其中，k為斜率參考值，εk為斜率閾值，di為距離參考值，εd為距離閾值，εdes為描述符距離閾值；

36、s35、在幾何約束篩選后的特征點(diǎn)對基礎(chǔ)上，進(jìn)一步采用ransac算法進(jìn)行二次篩選，以去除更多的誤匹配點(diǎn)。

37、(三)有益效果

38、與現(xiàn)有技術(shù)相比，本發(fā)明提供了一種基于自適應(yīng)閾值和幾何約束的orb特征提取與匹配方法，具備以下有益效果：

39、本發(fā)明通過自適應(yīng)閾值調(diào)整機(jī)制，能夠根據(jù)圖像的灰度均值動態(tài)調(diào)整特征提取閾值，使特征檢測過程對光照變化具有更強(qiáng)的適應(yīng)性。采用四叉樹管理特征點(diǎn)，改善了特征點(diǎn)在圖像中的分布均勻性，不僅提升了特征匹配的準(zhǔn)確性，還增強(qiáng)了視覺里程計(jì)的定位精度。引入基于幾何約束的特征誤匹配濾除，有效減少了誤匹配的發(fā)生，這種基于斜率、距離和描述符距離的篩選機(jī)制能夠精確識別并派出不符合特征的匹配點(diǎn)對，從而提高了匹配結(jié)果的準(zhǔn)確性。本發(fā)明優(yōu)化了特征提取與匹配的計(jì)算流程，減少了不必要的計(jì)算量，使得整個處理過程更加高效。

技術(shù)特征：

1.一種基于自適應(yīng)閾值和幾何約束的orb特征提取與匹配方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于自適應(yīng)閾值和幾何約束的orb特征提取與匹配方法，其特征在于：所述s1具體步驟如下：

3.根據(jù)權(quán)利要求1所述的一種基于自適應(yīng)閾值和幾何約束的orb特征提取與匹配方法，其特征在于：所述s2具體步驟如下：

4.根據(jù)權(quán)利要求1所述的一種基于自適應(yīng)閾值和幾何約束的orb特征提取與匹配方法，其特征在于：所述s3具體步驟如下：

技術(shù)總結(jié)
本發(fā)明屬于圖像處理領(lǐng)域，是一種基于自適應(yīng)閾值和幾何約束的ORB特征提取與匹配方法，其中方法包括以下步驟：通過自適應(yīng)閾值算法根據(jù)圖像的平均灰度值和灰度方差動態(tài)調(diào)整ORB算法中的特征提取閾值，以適應(yīng)不同光照條件下的圖像特征提??；采用四叉樹結(jié)構(gòu)管理特征點(diǎn)，實(shí)現(xiàn)特征點(diǎn)的均勻分布；利用基于特征點(diǎn)對之間的斜率、距離和描述符距離的幾何約束來優(yōu)化特征匹配過程，移除誤匹配點(diǎn)；最后，利用處理后的特征點(diǎn)對進(jìn)行視覺里程計(jì)任務(wù)，提高定位和導(dǎo)航的準(zhǔn)確性和魯棒性。與現(xiàn)有技術(shù)相比，本發(fā)明能夠在不同光照環(huán)境下提供更為穩(wěn)定和均勻的特征提取，同時大幅提高特征匹配的效率和準(zhǔn)確性。

技術(shù)研發(fā)人員：崔煒,崔志成
受保護(hù)的技術(shù)使用者：長春理工大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/5