[发明专利]一种基于像素阈值求解基本矩阵的室内视觉定位方法

权利要求书

1.一种基于像素阈值求解基本矩阵的室内视觉定位方法，其特征在于，所述方法具体包括以下步骤：

步骤一、将用户图像尺寸剪裁成与数据库中的图像尺寸一致；

步骤二、利用SURF算法分别对用户图像和数据库中图像提取特征点；

步骤三、对用户图像和数据库中图像进行特征点匹配，并得到各个匹配特征点对的欧氏距离；数据库中与用户图像的匹配特征点对最多的图像即为与用户相匹配的图像；

步骤四、将用户图像和与用户相匹配的图像之间的匹配特征点对按照欧氏距离由小到大升序排列；

步骤五、依次计算用户图像和与用户相匹配的图像之间的匹配特征点对的像素距离，并判断如果像素距离小于像素阈值则存储该匹配特征点对备用，如果大于像素阈值则剔除该匹配特征点对，直至得到八对像素距离满足阈值条件的匹配特征点对；

步骤六、利用步骤五中得到的八对匹配特征点对进行基本矩阵的求解，进而进行室内视觉定位。

2.根据权利要求1所述一种基于像素阈值求解基本矩阵的室内视觉定位方法，其特征在于，步骤二中所述提取特征点的具体过程包括：

步骤二一、特征点检测：

利用盒子滤波器对图像进行卷积，通过改变盒子滤波器的大小，用不同大小的盒子滤波器在所述图像上作卷积并构建尺度空间金字塔，形成多尺度空间函数D_xx，D_yy，D_xy；其中D_xx表示图像上的点与高斯二阶偏导数卷积的结果，其中D_yy表示图像上的点与高斯二阶偏导数卷积的结果，其中D_xy表示图像上的点与高斯二阶偏导数卷积的结果；x表示图像上的像素点的横坐标，y表示图像上的像素点的纵坐标，g(σ)表示高斯核函数；σ表示高斯核函数的尺度；

在尺度空间金字塔构建完毕后，通过下式求取某一特定尺度下的局部极值detH：

detH＝D_xx×D_yy-(0.9×D_xy)² (1)

对图像上的点在3×3×3的立体邻域内进行非极大值抑制，把符合条件的点筛选为特征点，同时保存特征点的位置和尺寸；

步骤二二、特征点描述：

在确定特征点位置之后，利用haar小波对特征点进行主方向的确定，以保证特征点的旋转和尺度不变性。

3.根据权利要求2所述一种基于像素阈值求解基本矩阵的室内视觉定位方法，其特征在于，步骤三中所述特征点匹配的具体过程包括：

将用户图像中的一个特征点和数据库中图像的所有特征点分别计算欧式距离，从中选出最近邻特征点欧式距离Ed_min1和次近邻特征点欧式距离Ed_min2，计算二者的比值ratio，对于比值ratio小于等于第一阈值T_Ed的特征点，则认为是正确匹配的特征点，否则是错误匹配的特征点，将正确匹配的特征点组成匹配特征点对；重复对用户图像中的所有特征点进行上述步骤，完成用户图像和数据库中图像的特征点匹配；

特征点匹配公式如式(2)所示：

4.根据权利要求3所述一种基于像素阈值求解基本矩阵的室内视觉定位方法，其特征在于，步骤五的具体过程包括：

步骤五一、从步骤四中按照欧氏距离由小到大升序排列的匹配特征点对中选取一组欧氏距离最小的匹配特征点对；

步骤五二、计算该匹配特征点对之间的像素距离：利用步骤二一中得到的特征点的像素坐标，计算得到匹配特征点对之间的像素距离；

步骤五三、将步骤五二中得到的像素距离与预设的像素阈值φ比较，如果像素距离小于像素阈值则保留并存储该匹配特征点对，如果像素距离大于像素阈值则剔除该匹配特征点对并选取下一组欧氏距离最小的匹配特征点对；

步骤五四、重复步骤五二至五三直至得到八对像素距离满足阈值条件的匹配特征点对。