[发明专利]一种用于无人驾驶的交通图像拼接方法

权利要求书

1.一种用于无人驾驶的交通图像拼接方法，其特征在于，包括以下步骤：

步骤1：获取要进行拼接的交通图像，记为矩阵I；

步骤2：根据步骤1获取的矩阵I构建Hessian矩阵，生成所有的兴趣点，用于特征的提取；

步骤3：根据步骤2获取的Hessian矩阵构建尺度空间；

步骤4：利用步骤2构建的Hessian矩阵与步骤3构建的尺度空间进行特征点定位；

步骤5：对步骤4定位的特征点进行主方向分配；

步骤6：沿着步骤5确立的特征点主方向生成特征点描述子；

步骤7：对步骤4获取的特征点利用步骤6生成的特征点描述子通过双向匹配与相似小波特征匹配实现特征点的匹配；

步骤8：随机从步骤7中确立的特征点中随机抽出若干个样本数据，且此若干个样本之间不共线，计算出变换矩阵H；

步骤9：计算投影误差，加以判定，若符合则匹配点输出，否则返回步骤8；

步骤10：根据特征点进行图像拼接。

2.根据权利要求1所述的一种用于无人驾驶的交通图像拼接方法，其特征在于，步骤2中在构建Hessian矩阵前，使用二阶标准高斯函数作为滤波器获取的交通图像进行高斯滤波，通过特定核间的卷积计算二阶偏导数，进而计算出Hessian矩阵的三个矩阵元素Lxx,Lxy,Lyy，从而计算出Hessian矩阵，其公式为：

其中，σ是标准差，Lxx为x方向的二阶偏导，Lxy为先对x方向求二阶偏导，再对y方向求二阶偏导，Lyy为对y方向求二阶偏导。

3.根据权利要求1所述的一种用于无人驾驶的交通图像拼接方法，其特征在于，步骤3中构建的尺度空间由若干组图像构成，每一组中包含若干层，不同组间图像的尺寸一致，但不同组间使用的盒式滤波器的模板尺寸逐渐增大，同一组间不同层间使用相同尺寸的滤波器，但是滤波器的模糊系数逐渐增大。

4.根据权利要求3所述的一种用于无人驾驶的交通图像拼接方法，其特征在于，步骤4中特征点定位具体为：在每一组中选取相邻的三层Hessian行列式图像，对于中间层的每一个Hessian行列式值都可以作为待比较的点，在空间中选取该点周围的26个点进行比较大小，若该点大于其他26个点，则该点为初步特征点，同时设置阈值a，若该点值小于a的值，则将该点剔除，筛选出最终的稳定的特征点。

5.根据权利要求1所述的一种用于无人驾驶的交通图像拼接方法，其特征在于，步骤5中对以特征点为中心的6倍特征尺度为半径的圆形区域内的Harr小波响应做统计运算得到，在特征点的圆形邻域内，统计60度扇形内所有点的水平、垂直Harr小波特征总和，然后扇形以相同间隔进行旋转并再次统计该区域内Harr小波特征值，最后将Harr小波特征值最大的扇形的方向作为该特征点的主方向。

6.根据权利要求5所述的一种用于无人驾驶的交通图像拼接方法，其特征在于，步骤6中生成特征点描述子具体为：在特征点周围取一个4×4的矩形区域块，且所取的矩形区域方向是沿着特征点的主方向，每个矩形区域块统计25个像素的水平方向和垂直方向的Harr小波特征，此水平和垂直方向均是相对主方向而言，该Harr小波特征为水平方向值之和、垂直方向值之和、水平方向绝对值之和以及垂直方向绝对值之和4个方向。

7.根据权利要求6所述的一种用于无人驾驶的交通图像拼接方法，其特征在于，步骤7通过双向匹配与相似小波特征匹配实现特征点的匹配，其中，双向匹配就是先利用两点之间的欧氏距离求出某个点的匹配点，再将求得的匹配点作为基准点求它的匹配点，若第二次求得的匹配点与第一次求得的匹配点相同，则认为是一对匹配点，若不同，则认为不是匹配点；相似小波特征匹配即统计步骤5在扇形区域内的小波特征的个数，将一对匹配点小波特征的个数进行作差，如果两者之差小于阈值b则是匹配点，否则剔除。