[发明专利]基于RANSAC算法的视觉定位方法

说明书

技术领域

本发明涉及一种基于RANSAC算法的视觉定位方法。

背景技术

随着科学技术的进步，生活水平的提高，手机成为人们出行的标配，位置定位服务越来越受到人们的重视。在现有的定位技术中，利用卫星进行定位在室外使用频繁且精度较高，但在室内环境下，由于墙壁的遮挡等因素的影响，定位效果不理想。近年来在室内环境下影响较大的是基于Wifi的定位技术，是由于wifi设备部署方便，实现简单，但基于wifi的定位受环境的影响较大，任何一个较大的遮挡物，比如人流、大型设备等，都会对定位精度产生影响。现如今兴起的基于视觉的定位技术由于其所需设备简单，受影响因素较小而得到广泛关注。由于摄像头已经成为手机的标配，并且手机终端的计算能力显著提升，因此视觉定位无需添加附加设备，同时由于建筑成型后变化小，使基于视觉的定位受到影响因素较小。

基于视觉的室内定位是指通过用户所在位置获取的图像信息来判定用户的地理位置，从而进行定位。通常情况下视觉定位系统分为两步：1、建立基于图像Visual Map数据库的离线阶段；2、利用用户图像进行在线的定位估计阶段。在离线阶段中，用于视觉定位的数据库的获取方法为在室内环境下按照一定地理间隔设置均匀的参考点，使所有参考点覆盖所需定位区域，然后在每个参考点朝不同方向照相，从而获得基于图片的数据库。数据库由多个参考点组成，每个参考点包含两部分信息，分别是参考点的地理位置和参考点拍摄所有图片的特征点描述信息。其中，图片的特征点描述信息是使用SURF算法提取的，这里采用SURF算法是因为其提取的特征点具有尺度不变性，旋转不变性，并且受噪声、光照变化的影响较小。在现阶段则首先提取用户所拍摄图像的SURF特征描述信息，将此信息与数据库中描述信息进行匹配，从而选出与用户拍摄图片最为匹配的若干张图片，之后通过RANSAC(RANdom，SAmple Consensus)算法对误匹配点进行剔除，最后使用对极几何方法对用户位置进行估计。

RANSAC算法的基本假设是样本中包含正确数据(inliers，可以被模型描述的数据)，也包含异常数据(outliers，偏离正常范围很远，无法适应数学模型的数据)，即数据集中含有噪声。这些异常数据可能是由于错误的测量、假设或计算等产生的。在本发明中，这些异常数据由SURF算法进行预匹配所产生的错误匹配或者误差比较大的匹配产生。同时RANSAC也假设，给定一组正确的数据，存在可以计算出符合这些数据的模型参数的方法。RANSAC算法的思想描述如下：

(1)考虑一个最小抽样集的势为n的模型(n为初始化模型参数所需的最小样本数)和一个样本集P，集合P的样本数#(P)>n，从P中随机抽取n个样本，构成P的子集S，用来初始化模型M。

(2)余集中与模型M的误差小于某一设定阈值t的样本集合和集合S构成集合S^*。S^*是内点集，它们构成S的一致集(Consensus set)。

(3)若#(P)>N，认为得到正确的模型参数，并利用集S^*，采用最小二乘等方法重新计算新的模型M^*。重新随机抽取新的S，重复以上过程。

(4)在完成一定的抽样次数后，若未找到一致集，则算法失败，否则选取抽样后得到的最大一致集判断内外点，算法结束。

RANSAC是一个采用迭代的过程来估计模型参数的方法，具有稳定、可靠、精度高、鲁棒性强等优点，是基于特征的图像配准算法中的典型算法，具有较好的剔除误匹配点的能力，经常被应用在图像的特征匹配中，如图1所示。但是传统的RANSAC算法的计算量太大、计算时间长。本发明提出的改进RANSAC算法，通过赋予特征点匹配质量，基于匹配质量选择计算模型的样本，而不是随机的选取，由于质量高的匹配点得到正确模型的概率大，这样目的在于减少迭代次数，从而提高剔除错误匹配点的速度。

发明内容

本发明的目的是为了解决传统RANSAC算法的迭代次数多、计算量大、计算时间长，导致利用此算法实现的视觉定位方法存在定位速度慢的问题，而提出一种基于RANSAC算法的视觉定位方法。

一种基于RANSAC算法的视觉定位方法，所述方法通过以下步骤实现：

步骤一、通过SURF算法计算出待定位用户上传的图像的特征点以及特征点描述信息；