[发明专利]一种基于SURF算子的闭环检测优化方法

权利要求书

1.一种基于SURF算子的闭环检测优化方法，其特征在于：包括以下步骤：

步骤一：使用张定友标定法对Kinect进行标定，获得RGB图像；

步骤二：对获得的RGB图像运用SURF算法进行特征提取，获得点集；

步骤三：采用最大相异系数对获得的点集进行筛选，获得筛选后的匹配点集；

步骤四：对筛选后的匹配点集采用RANSAC算法进行优化，删除误匹配。

2.根据权利要求1所述的基于SURF算子的闭环检测优化方法，其特征在于：SURF算法进行特征提取的方法，包括以下步骤：

步骤A：以RGB图像的特征点为圆心、6s为半径的邻域内构建扇形(1)；

步骤B：以60°为基准进行统计扇形(1)内所有点水平方向的小波特征和垂直方向的小波特征的总和m_w，具体公式为：

m_w＝∑d_x+∑dy；

步骤C：将60°的扇形(1)以5°的间隔进行旋转，得出各方向扇形(1)的向量模长最大值，向量模长最大值对应的角度为特征点的主方向，具体公式为：

步骤D：在特征点周围取一个边长为20s、方向为特征点主方向的正方形框(2)，将正方形框(2)分为16个子区域(3)，计算每个子区域(3)内水平方向的小波特征dx和每个子区域(3)内垂直方向的小波特征dy；

步骤E：将每个子区域(3)内的dx和dy分别求和，同时也对dx和dy的绝对值分别求和，得到一个四维的矢量V，具体公式为：

V＝(∑dx,∑dy,∑|dx|,∑dy|)；

步骤F：将16个子区域(3)中所有符合描述的矢量V，结合形成此特征点的特征描述符；

步骤H：对RGB图像重复执行步骤A-步骤F，获得特征描述符的集合。

3.根据权利要求1或2所述的基于SURF算子的闭环检测优化方法，其特征在于：最大相异系数点集筛选方法包括以下步骤：

步骤I：用邻近算法处理点集后采用欧氏距离比筛选，获取最初筛选匹配点集；

步骤II：计算最大相异系数Z_y；

步骤III：在最大相异系数Z_y∈[0.2，1.0]的范围内自适应估计最优最大相异系数Z_b，从最初筛选匹配点集S_i中选取满足特征点间最大相异系数值Z_y＜Z_b的特征点，获得优化后的匹配点集。

4.根据权利要求3所述的基于SURF算子的闭环检测优化方法，其特征在于：最初筛选匹配点集S_i的再次筛选方法包括以下步骤：

S1：取Z_y∈[0.2，1.0]；

S2：以0.02个单位为步长，用每个Zy来筛选最初筛选匹配点集Si中的所有匹配点；

S3：获取筛选后符合条件的匹配点集Sp，其中匹配点集Sp满足每组特征描述符向量的最大相异系数均小于Zy。

5.根据权利要求1或2或4所述的基于SURF算子的闭环检测优化方法，其特征在于：RANSAC算法优化方法包括以下步骤：

步骤①：将步骤S2中的匹配点集Sp所有子点集进行排序，得到子点集；

步骤②：从步骤①中得到的子点集中选择排序靠前的M个子点集合并为新的数据集D；

步骤③：从数据集D中随机选取7个数据与第N个数据组合，利用八点法计算基础矩阵H，同时计算基础矩阵H到各自极线距离的平方和，记为d；

步骤④：将得到的平方和d与设定值S比较，将满足d<S条件的数据点视为内点，统计内点个数；

步骤⑤：重复上述过程，直到符合终止条件，算法终止；

所述终止条件为最大内点超过点集数目的1/2或者随机选取得到的内点数目未增加或者在点集数目相同的情况下误差没有变小。

6.根据权利要求5所述的基于SURF算子的闭环检测优化方法，其特征在于：子点集的排列方式为按照最大相异系数从小到大的方式排序。