[发明专利]一种基于枪球联动系统的坐标关联方法及装置

权利要求书

1.一种基于枪球联动系统的坐标关联方法，其特征在于，包括：

针对同一场景，获取待标定枪机的第一监控图像和待标定球机的第二监控图像；

基于所述第一监控图像生成第一尺度空间图像集合，以及基于所述第二监控图像生成第二尺度空间图像集合；

分别在所述第一尺度空间图像集合和所述第二尺度空间图像集合中选取极值采样点，并分别在归属于第一尺度空间图像集合的极值采样点和归属于第二尺度空间图像集合的极值采样点中筛选出符合第一设定数目的匹配点组合；

在筛选出的匹配点组合中进一步筛选出符合第二设定数目的标定点组合，其中，所述第二设定数目不少于四，且要求标定点组合在一个平面上，每任意三个标定点组合均不在一条直线上；

按照筛选出的标定点组合的坐标获得枪机与球机监控图像的标定矩阵；

按照获得的标定矩阵，确定所述第一监控图像中的指定像素点在所述第二监控图像中的对应像素点。

2.如权利要求1所述的方法，其特征在于，生成第一尺度空间图像集合，以及第二尺度空间图像集合，包括：

对所述第一监控图像进行高斯卷积核处理，将尺度可变高斯函数与第一监控图像的空间坐标函数卷积，得到第一尺度空间图像集合；

对所述第二监控图像进行高斯卷积核处理，将尺度可变高斯函数与第二监控图像的空间坐标函数卷积，得到第二尺度空间图像集合。

3.如权利要求2所述的方法，其特征在于，分别在所述第一尺度空间图像集合和所述第二尺度空间图像集合中选取极值采样点，包括：

对第一尺度空间图像集合进行高斯差分尺度空间处理，将第一尺度空间图像集合中不同尺度的高斯差分核与第一监控图像的空间坐标函数卷积，获得采样点；

对第二尺度空间图像集合进行高斯差分尺度空间处理，将第一尺度空间图像集合中不同尺度的高斯差分核与第二监控图像的空间坐标函数卷积，获得采样点；

将所述第一尺度空间图像集合中的每一个采样点分别与其图像域及尺度域内的相邻采样点进行大小比较，得到第一尺度空间图像集合中的极值采样点；

将所述第二尺度空间图像集合中的每一个采样点分别与其图像域及尺度域内的相邻采样点进行大小比较，得到第二尺度空间图像集合中的极值采样点。

4.如权利要求1所述的方法，其特征在于，分别在归属于第一尺度空间图像集合的极值采样点和归属于第二尺度空间图像集合的极值采样点中筛选出符合第一设定数目的匹配点组合，包括：

根据每一个极值采样点的邻域的像素点，获得相应极值采样点处的梯度模值和梯度方向；

分别根据以每一个极值采样点为中心的高斯加权范围内所有像素点的梯度模值和梯度方向，得到相应极值采样点的特征描述算子；

分别针对第一尺度空间图像集合中的每一个极值采样点，在第二尺度空间图像集合中选择第一极值采样点和第二极值采样点，其中，第一尺度空间图像集合中任意一个极值采样点与其对应的第一极值采样点之间的欧式距离最短，所述任意一个极值采样点与其对应的第二极值采样点之间的欧式距离次短，所述欧式距离是基于两个极值采样点的方向和特征描述算子计算得到的；

根据第一尺度空间图像集合中每一个极值采样点与对应的第一极值采样点之间的欧式距离和与第二极值采样点之间的欧式距离的比值，在第一尺度空间图像集合中的所有极值采样点和其各自对应的第一极值点采样点中，筛选出符合第一设定数目的匹配点组合。

5.如权利要求4所述的方法，其特征在于，根据每一个极值采样点的邻域的像素点，获得相应极值采样点处的梯度模值和梯度方向，包括：

根据每一个极值采样点的邻域像素的梯度方向分布特性，得到该极值采样点处的梯度模值和梯度方向；

或者，

采用直方图统计每一个极值采样点的邻域像素的梯度方向，得到该极值采样点的梯度方向。