[发明专利]一种基于ORB特征检测测量载体速度的方法

说明书

技术领域

本发明涉及计算机图像处理领域，尤其涉及一种通过图像特征提取来测量像素位移，从而测量得载体移动速度的设计，适用于机器人，飞行器等的视觉辅助导航。

背景技术

通过特征提取来获取载体位移和速度，是视觉辅助导航系统中的一种非常重要的手段。视觉辅助技术已经广泛应用在机器人导航、飞行器等载体的导航技术中。通常，我们通过对摄像机拍摄到的图像，对当前帧和下一帧图像使用特征检测技术检测出鲁棒性强的特征点，然后对在当前帧和下一帧中检测出的特征点进行特征匹配，从而得到优良特征点在当前帧和下一帧中的位置，由此我们便可以得到特征点在图像中的像素位移。再由摄像机的帧率，我们可以得到当前帧和下一帧的时间间隔，通过位移和这个两帧间的时间间隔，我们就可以得到特征点的像素位移了，再通过摄像机和载体之间的模型几何关系，便可求得载体的速度和位移。

在导航领域中，视觉检测具有以下三个优势：1、非接触测量，对于观测体和被观测体都不会产生任何损伤，从而提高系统的可靠性；2、机器视觉具有较宽的光谱响应范围以及宽广的机器视野，这可以使得机器视觉获得更丰富的外界信息；3、机器视觉可以长时间稳定工作，而不会像诸如惯性导航器件等会产生误差累积，所以在惯性导航中，可利用机器视觉，对惯性导航进行误差补偿。

无论在工业制造还是机器人视觉导航中，都会追求更快更鲁棒的方法来进行特征点检测和匹配。从最早的光流算法，到后来的SIFT特征检测，再后来基于对SIFT特征检测算法改进而来的更为快速的SURF特征检测算法，都很好地实现了两帧图像间的特征点检测和匹配。一般的特征检测算法，如果是用于对前后两幅图像进行特征匹配，比如用于人脸识别等工程应用中，则对实时性要求不高，在一秒乃至两秒的处理时间范围，我们都是可以忍受的。而在载体视觉辅助导航中，如果特征点检测和识别的处理过程太慢，则会导致载体速度已经发生了变化，而这个图像处理过程却还在运行，而无法实时地得到载体当前的位移和速度。因此，传统的利用SURF特征检测算法来实现特征检测的方法则不能够用在载体利用视觉来测量运动速度的情况中。

发明内容

本发明提供一种基于ORB特征检测算法来测量载体速度的方法，用于实现通过视觉技术快速地得到载体当前速度。具体包含以下步骤：

(1)在被测载体上安装一个导航摄像头，该导航摄像头的镜头垂直朝下，用于拍摄地面，以便获取地面特征；

(2)在导航摄像头拍摄过程中，截取当前帧和下一帧的图像；

(3)将这两幅图像转为灰度图像；

(4)分别从两幅灰度图像的中央选取一定大小的感兴趣区域，使用ORB特征检测算法对当前帧和下一帧的特征点进行检测，并从中得到相应特征点的描述子；

(5)根据得到的特征点的描述子，通过暴力匹配方法，对当前帧和下一帧中的特征点进行匹配；

(6)遍历所有匹配出来的特征点对，求得特征点移动的最大绝对位移(即匹配出的特征点间的距离)max_dist，然后，剔除掉像素绝对位移大于0.6*max_dist的匹配特征点对，得到正确匹配特征点对的对数；

(7)求取每对正确匹配特征点对的横向位移和纵向位移，并将所有正确匹配特征点对的横向位移、纵向位移分别进行叠加，然后分别除以正确匹配特征点对的对数，得到每对正确匹配特征点对的横向、纵向的平均像素位移；

(8)通过摄像机的帧率求得相邻帧之间的时间间隔，根据步骤(7)得到的每对正确匹配特征点对的横向、纵向的平均像素位移，得到特征点在横向、纵向上的移动速度，然后再经过系统建模，求得载体的位移以及它的移动速度。

本发明与现有技术相比：

1)利用ORB特征检测算法来进行特征点的检测和匹配，使图像处理速度大大提高，比传统的SURF算法的速度快了将近4倍，这大大增强了系统的实时性。

2)因为其实时性强的优点，在视觉辅助惯性导航技术中，更有利于实时地得到更多的速度信息，使得导航性能更加精确可靠。

附图说明

下面将结合附图及实施例对本发明作进一步说明：

图1是本发明实施例的步骤流程图；

图2是本发明实施例的硬件实验平台图；

图3是本发明实施例的ORB特征点匹配效果图；

图4是本发明实施例的计算出特征点像素位移结果图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。