[发明专利]基于快速特征点提取及网格化三角形约束的视觉导航方法

说明书

本发明公开了基于快速特征点提取及网格化三角形约束的视觉导航方法，包括如下步骤：采集连续视频帧序列图像，提取相邻两帧图像中的特征点；对提取的相邻两帧图像进行网格化划分；对每个三角形构建6维形状描述子及32维区域描述子，得到由每个三角形的38维混合描述子组成的特征向量；对网格化划分对应三角形的特征向量进行匹配，通过中心点聚类方法选取具有显著特性的特征点，剔除错误匹配的特征点，利用极线几何约束剔除运动特征点，获得有效可用特征点对；完成最终的运动模型求解，获得视觉导航解算的位置结果。本发明为室内环境下的机器人视觉导航与定位提供解决方法，具有特征点提取速度快、匹配率高的优点。

技术领域

本发明涉及视觉导航及图像处理的技术领域，具体涉及基于快速特征点提取及网格化三角形约束的视觉导航方法。

背景技术

在机器人自主导航与定位领域，应用最广泛的方法是依赖于GPS和惯性系统的导航方式，而随着科技的飞速发展，也逐渐诞生了很多新兴的导航方式，例如视觉导航。近几年随着机器视觉技术的飞速发展，越来越多的机器人开始使用机器视觉进行自主避障和路径规划。根据以往的导航方式，机器人大多采用GPS方式进行定位和导航。但在室内导航领域，GPS信号很难穿透厚实的墙体来为机器人进行信号传输，这会导致导航的实时性和精确性受到严重影响。此外，在室内环境中，惯性方式的导航所产生的漂移也很容易对导航结果造成严重的偏差，因此，视觉导航是室内环境下较合适的导航定位方式并在逐渐推广应用。

视觉导航中图像的特征点提取与匹配是非常重要的实现环节，而图像特征点一般都在多尺度下检测，因此会造成许多位置和尺度非常接近的点，从而出现特征点聚集现象，形成冗余特征点，增加误匹配的概率。为了解决这一问题，设计有效的特征点筛选丰富，本发明提供了一种基于快速特征点提取及网格化三角形约束的视觉导航方法，为室内环境下的机器人视觉导航与定位提供解决方案，具有特征点提取速度快、匹配率高的优点，从而减小视觉导航数据处理运算量及提高算法效率。

发明内容

针对现有技术的不足，本发明公开了基于快速特征点提取及网格化三角形约束的视觉导航方法，包括如下步骤：

步骤1，采集连续视频帧序列图像，读取相邻两帧彩色图像并进行灰度化处理，通过快速特征点提取算法提取相邻两帧图像中的特征点，对提取的特征点进行预匹配；

步骤2，对提取的相邻两帧图像进行网格化划分，在每个网格内利用Delaunay算法对提取的特征点进行三角剖分，通过检测特征点之间的距离剔除边长过大或过小的三角形，得到三角形网络；

步骤3，对三角形网络中每个三角形构建6维形状描述子及32维区域描述子，得到由每个三角形的38维混合描述子组成的特征向量；

步骤4，对步骤3构建的相邻两帧图像网格化划分对应三角形的特征向量进行匹配，计算两帧图像对应网格内两两三角形特征向量的欧式距离，利用欧式距离最小值与次小值的比值作为衡量匹配度的标准；

步骤5，根据步骤4的匹配结果提取对应的匹配特征点对，通过中心点聚类方法选取具有显著特性的特征点，在空间分布上对特征点进行聚类处理，滤除部分无效特征点；

步骤6，根据改良随机抽样一致算法剔除步骤5选取的显著特性特征点中错误匹配的特征点，利用极线几何约束剔除运动特征点，获得有效可用特征点对；

步骤7，将获得的有效可用特征点对带入后续运动估计参数计算，完成最终的运动模型求解，对采集的连续帧图像进行步骤1～步骤6所述的特征点处理工作，获得视觉导航解算的位置结果。【可参考李宇波.户外环境下移动机器人视觉里程计技术研究,国防科技大学,硕士学位论文,2012,pp.32-39】

步骤1包括如下步骤：

步骤1-1，从采集的室内图像中读取相邻两帧彩色图像并进行灰度化处理，处理后的这两帧图分别记为g1和g2；