[发明专利]双向约束的二维物点与像点匹配方法

说明书

技术领域

本发明涉及图像处理领域，特别是指一种双向约束的二维物点与像点匹配方法。

背景技术

机器视觉中的一个基本问题是不同点集之间的匹配，点集的匹配对于姿态计算、摄像机的外参求解、图像的对准等具有重要意义。点集的匹配分为不同图像间的像点匹配和物点与像点的匹配两类，目前对于点集的匹配有以下几种常用的方法：

一种是基于Hausdorff distances的点匹配方法，这是一类具有代表性的方法，这类方法随机选点，根据点的邻域的特征来进行点集的匹配。该类方法的缺点是点集匹配算法的计算量大，算法每次的处理对象是物体的局部特征，因此匹配的结果有时会陷入局部最优，而不能达到全局最优；此外，该类算法在孤立点存在的情况下，鲁棒性不强。

另一种是RANSAC点匹配方法，这是一种抗噪声较好的点匹配算法，但是RSANC算法与基于点的领域的特征的算法类似，也是随机选点，选点时要设置一定的阈值，根据满足一定阈值关系的点集进行点匹配。这类方法的缺点同样是点匹配算法的计算量大，算法每次处理的对象也只是物体的局部特征，而且选点时阈值的设置不好把握。

此外，还有基于几何不变量的方法，这类方法需要计算共面点的不变量或者共面点与共面直线的不变量。对每个物体建立一个表示位姿空间的累加器数组，累加器数组的每个元素对应位姿空间的一个“桶”；将每一个物体几何图像所构造的几何不变量，与每一个物体的每一个结构特征组产生对应假设，并确定相应的位姿参数，然后为上述几何不变量与物体结构特征组产生的对应假设的值增加1。如此利用几何不变量进行投票，以此来得到点集的匹配。这类方法的缺点是匹配算法受限于物体的几何特征，并且在利用几何不变量进行投票时，投票的“桶”的尺寸很难以确定。

由此可见，现有的点集匹配算法的限制条件比较严格，并且在计算过程中容易陷入局部匹配的最优值，从而得不到全局的匹配最优值。

发明内容

有鉴于此，本发明的主要目的在于提供一种双向约束的二维物点与像点匹配方法，能减弱物点与像点匹配的条件限制，并且可以快速地使空间平面物体的物点和像点得以匹配。

为达到上述目的，本发明的技术方案是这样实现的：

本发明提供了一种双向约束的二维物点与像点匹配方法，该方法包括：

a0、建立基于弱透视模型的空间平面物体的物点与像点之间的变换关系；

a、提取空间平面物体图像的几何特征的边缘，得到边缘像点集合，在空间平面物体的几何特征上取点，得到物点集合；

b、根据所述物点集合和边缘像点集合得到表征物点和像点变换关系的匹配矩阵；

c、给出物点与像点变换关系的初始变化估计；

d、根据所述物点集合、所述边缘像点集合、所述初始变化估计和所述匹配矩阵，得到物点与像点的估计变换关系，并由所得到的估计变换关系和所述物点集合，得到与所述物点集合匹配的像点集合。

其中，步骤a中所述提取几何特征的边缘为：利用Canny算子提取空间平面物体图像的几何特征的边缘。

步骤c所述给出物点与像点变换关系的初始变化估计为：利用随机数发生器给出所述初始变化估计。

步骤d所述得到物点与像点的估计变换关系为：利用确定退火算法得到物点与像点的估计变换关系。

步骤d进一步包括：

d1、根据所述匹配矩阵的初始值设置确定退火算法的初始参数；

d2、利用sinkhorn算法更新所述匹配矩阵；

d3、根据更新后的匹配矩阵利用Gauss-Seidel迭代方法计算物点和像点的估计变换关系；

d4、根据所述估计变换关系和所述物点集合，利用物点和像点的变换关系表达式得到与物点集合匹配的像点集合。

其中，步骤d2所述利用sinkhorn算法更新所述匹配矩阵包括：

初始化所述匹配矩阵；

对所述匹配矩阵的每一行和每一列元素进行归一化计算；

对所述匹配矩阵循环进行归一化计算。

本发明所提供的双向约束的二维物点与像点匹配方法，将物点与像点的匹配用一种可显示的矩阵形式表示出来，在处理上非常直观；由于物点与像点的匹配是在确定退火的过程中完成的，该算法针对物体的全局特征进行计算，因此可以使匹配结果不易陷入局部匹配最优，最大可能地保证了匹配结果得到全局最优值。