[发明专利]一种混合特征的跟踪方法和装置

权利要求书

1.一种混合特征的跟踪方法，其特征在于，该跟踪方法包括：

根据尺度不变特征变换(SIFT)算法对关键帧图像进行特征点提取并保存；

KLT跟踪算法线程根据KLT跟踪算法对关键帧图像的特征点进行跟踪，获得当前帧图像的特征点，在计算单应矩阵成功后，检测当前帧图像的特征点数量是否足够用于下一次跟踪，当特征点数量不足时，通知SIFT算法线程；

SIFT算法线程根据KLT跟踪算法线程的通知进行特征点提取和匹配，并将匹配后的特征点返回给KLT跟踪算法线程；

KLT跟踪算法线程将收到的SIFT算法线程返回的特征点融入到自身保留的正在进行跟踪的特征点内进行跟踪。

2.根据权利要求1所述的跟踪方法，其特征在于，所述通知SIFT算法线程为：将单应矩阵通过全局变量传递给SIFT算法线程，并通过修改预先设置的SIFT算法线程的启动标志位，通知SIFT算法线程进行特征点提取和匹配。

3.根据权利要求1所述的跟踪方法，其特征在于，该方法进一步包括：在获得当前帧图像的特征点之后，所述当前帧图像的特征点与保存的关键帧图像的特征点为匹配点对，采用改进的误匹配点剔除方法去除所述当前帧图像的特征点中误匹配的特征点；

所述改进的误匹配点剔除方法为：将随机选择匹配点替换为根据匹配点对的匹配分数由高到低选择匹配点对的传统随机抽样一致性(RANSAC)方法。

4.根据权利要求1所述的跟踪方法，其特征在于，所述检测当前帧图像的特征点数量是否足够用于下一次跟踪为：检测当前帧图像的特征点数量是否小于设置的阈值，所述阈值是根据下一次计算单应矩阵时所需的最少特征点个数进行设置的。

5.根据权利要求1所述的跟踪方法，其特征在于，该方法进一步包括：所述KLT跟踪算法线程对当前帧图像的特征点进行卡尔曼滤波。

6.根据权利要求1所述的跟踪方法，其特征在于，该方法进一步包括：在单应矩阵计算失败时，将单应矩阵置为单位矩阵，并通知SIFT算法线程。

7.根据权利要求2至6任一项所述的跟踪方法，其特征在于，SIFT算法线程根据KLT跟踪算法线程的通知进行特征点提取和匹配，并将匹配后的特征点返回给KLT跟踪算法线程，为：SIFT算法线程检查启动标志位是否被KLT跟踪算法线程修改，在被KLT跟踪算法线程修改时，接收KLT跟踪算法线程发送的单应矩阵；SIFT算法线程读取当前帧图像，对当前帧图像用SIFT算法进行特征点提取，对所有提取到的特征点建立SIFT描述符，并与保存的关键帧图像的特征点进行匹配，得到所有匹配点对，将匹配后的特征点保存并回传给KLT跟踪算法线程，将接收到的单应矩阵也回传给KLT跟踪算法线程。

8.根据权利要求7所述的跟踪方法，其特征在于，该方法进一步包括：在得到所有匹配点对之后，对所有匹配点对采用改进的误匹配点剔除方法去除误匹配的特征点。

9.一种混合特征的跟踪装置，其特征在于，该装置包括：关键帧图像特征点提取单元、KLT跟踪算法线程单元、SIFT算法线程单元；其中，

所述关键帧图像特征点提取单元，用于根据SIFT算法对关键帧图像进行特征点提取并保存；

所述KLT跟踪算法线程单元，用于根据KLT跟踪算法对关键帧图像的特征点进行跟踪，获得当前帧图像的特征点，在计算单应矩阵成功后，检测当前帧图像的特征点数量是否足够用于下一次跟踪，当特征点数量不足时，通知SIFT算法线程单元；还用于将收到的SIFT算法线程单元返回的特征点融入到自身保留的正在进行跟踪的特征点内进行跟踪；

所述SIFT算法线程单元，用于根据KLT跟踪算法线程单元的通知进行特征点提取和匹配，并将匹配后的特征点返回给KLT跟踪算法线程单元。

10.根据权利要求9所述的跟踪装置，其特征在于，所述KLT跟踪算法线程单元，进一步用于在获得当前帧图像的特征点之后，采用改进的误匹配点剔除方法去除所述当前帧图像的特征点中误匹配的特征点。

11.根据权利要求9所述的跟踪装置，其特征在于，所述KLT跟踪算法线程单元，还用于对当前帧图像的特征点进行卡尔曼滤波。