[发明专利]一种几何匹配的方法

说明书

本发明提供一种几何匹配的方法，根据模板图图像金字塔，训练匹配模型，在采集图的图像金字塔最顶层图像中搜索匹配位姿，将匹配位姿逐层传递给下一层图像并获取高精度匹配位姿，若图像金字塔最底层图像中匹配位姿的匹配分数大于设定阈值则匹配成功，否则匹配失败。模板图训练时，对其图像金字塔中的图像，提取一定数量的探针，采集图搜索或匹配时，利用探针的梯度信息和探针在采集图上相应位置的梯度信息计算匹配分数。采集图图像金字塔顶层搜索时，通过修改计算匹配分数的公式和改进匹配分数的计算方式，提高搜索效率，非顶层匹配时，多次迭代调整位姿中的平移、缩放、旋转，得到高精度的匹配位姿。

技术领域

本发明涉及一种几何匹配的方法。

背景技术

确定物体的位姿是最为常见的应用之一。当前常用的方法之一是利用归一化互相关系数(Normalized Cross-Correlation，简称NCC)判断匹配程度，从而确定物体位姿。其缺点十分明显，首先是计算量大，其次是稳定性不足。计算量巨大是因为该方法计算NCC时需要计算模板图和采集图像的卷积，关于时间复杂度的具体分析和改进可参考J.P.Lewis的论文《Fast TemplateMatching》。在实践中，可以使用图像金字塔降低时间复杂度，但依然难以达到实用性要求。稳定性不足是由于NCC使用的是二维图像本身(使用灰度值)，容易受光照的影响。

另一个常用的方法是使用物体二维图像上的轮廓信息判断相关程度，从而确定物体的位姿。但当前使用的方法也存在效率低的缺点，尤其是采集图像大小远大于模板图大小时，图像金字塔层数增加虽然可以降低计算量提高效率，但图像金字塔中图像相对于原图像的缩小倍数太大，容易造成图像太模糊，从而限制了图像金字塔层数的增加。另一个存在的问题就是确定的位姿的精度太低。因为采集的图像的像素的限制，不可能得到精确的轮廓位置，所以，就难以通过轮廓信息得到精确的位姿。

发明内容

本发明要解决的技术问题，在于提供一种几何匹配的方法，提高匹配的效率以及精度，并能有效降低时间复杂度和提高匹配位姿精度，达到实时应用。

本发明是这样实现的：一种几何匹配的方法，包括如下步骤：

步骤1、建立匹配模型，获取采集图；

步骤2、建立采集图的图像金字塔，根据匹配模型进行顶层搜索，得到匹配的位姿；

步骤3、将所述匹配的位姿进行调整，之后根据该调整后的位姿进入采集图图像金字塔的下一层图像中搜索匹配分数最高的位姿，直至采集图中图像金字塔的最底层图像；

步骤4、将采集图中图像金字塔的最底层图像计算得到的最高的匹配分数与设定阈值比较，若大于等于所述设定阈值，则匹配成功；否则匹配失败。

进一步地，所述匹配模型建立方法为：输入模板图，建立模板图的图像金字塔，对每层图像金字塔进行遍历，提取复数个探针Probe(x_i,y_i,ρ_i,θ_i)，即得到每一层的匹配模型。

进一步地，所述探针的提取方法为：通过先获取模板图的图像金字塔中每层的图像中所有的轮廓点作为探针的位置，然后，根据各探针的位置，获取各自的梯度信息；轮廓图像可以通过Canny滤波得到，梯度图像可以通过Sobel滤波得到。

进一步地，所述步骤2中根据匹配模型进行顶层搜索进一步具体为：根据设定的匹配参数以及匹配模型进行顶层搜索。

进一步地，所述匹配参数包括：位姿的缩放比例、旋转角度以及平移的范围。