[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

说明书

本发明提供一种基于像素阈值求解基本矩阵的室内视觉定位方法，属于图像处理技术领域。本发明首先将尺寸剪裁成一致尺寸的用户图像与数据库中的图像利用SURF算法提取特征点、进行特征点匹配；然后将匹配特征点对按照欧氏距离由小到大升序排列，依次计算用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；最后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。本发明解决了现有基于求解基本矩阵的室内视觉定位方法误差大的问题。本发明可用于室内视觉定位。

技术领域

本发明涉及一种室内视觉定位方法，属于图像处理技术领域。

背景技术

相机的地理位置、角度以及内部参数使匹配特征点对在不同的图像上的像素坐标不同。像素距离即特征点对在两幅图像上的像素坐标的距离。现有的基本矩阵求解算法一般采用八点法。由于传统的八点法选取八对匹配特征点的唯一标准是匹配特征点对的欧氏距离大小，当室内环境由于人为因素发生改变，匹配点对产生像素漂移，利用这样的像素坐标发生畸变的匹配点对进行基本矩阵求解会造成很大的误差，而基本矩阵反映了相机间的旋转平移关系，使得后续的定位误差增大。因此需要一种鲁棒性强的方法来优化匹配特征点对，进而提高定位精度。

发明内容

本发明为解决现有基于求解基本矩阵的室内视觉定位方法误差大的问题，提供了一种基于像素阈值求解基本矩阵的室内视觉定位方法。

本发明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，通过以下技术方案实现：

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。

作为对上述技术方案的进一步阐述：

进一步的，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；