[发明专利]一种基于惯性姿态约束的特征匹配方法

权利要求书

1.一种基于惯性姿态约束的特征匹配方法，其特征在于，该方法包括如下步骤：

(1)将待匹配的两幅图像栅格化，栅格边长为a，并将每个栅格进行编号：第一幅图像的栅格编号记为A_pq，表示该栅格位于第一幅图像栅格阵列的第p行和第q列；第二幅图像的栅格编号记为B_pq，表示该栅格位于第二幅图像栅格阵列的第p行和第q列；

(2)对两幅图像进行ORB特征检测，并统计第一幅图像每个栅格内的特征点个数f(A_pq)和第二幅图像每个栅格内的特征点个数f(B_pq)；

(3)将第一幅图像中各栅格的特征点数进行降序排列，分别选出特征点数较多的前N个栅格，第一幅图像选出的栅格加入栅格集合A，第二幅图像选出的栅格加入栅格集合B，栅格集合A中的每个栅格记为A_i，栅格集合B中的每个栅格记为B_i，并计算出各栅格内的中心点像素坐标p_Ai(x_i,y_i,1)和p_Bi(u_i,v_i,1)；

(4)对惯性测量单元的输出值进行解算得到惯性测量单元的姿态信息，利用惯性测量单元的姿态信息对步骤(3)中各栅格内的中心点对进行匹配，计算栅格A_i与集合B中所匹配栅格B_i′的中心点坐标之间的距离d_i；

(5)采用基于汉明距离的方法对两幅图像上的特征点进行粗匹配，并按照汉明距离进行排序，选取汉明距离不大于最小距离一定倍数的特征点对作为正确匹配点对，并将介于特定距离区间的特征点对作为待定匹配点对；所述最小距离一定倍数选取最小距离的2-5倍，并将介于一定距离的特征点对作为待定匹配点对，所述介于一定距离的特征点选取介于最小距离的2-5倍与最大距离的0.5-0.7倍之间的特征点；

(6)利用g2o非线性优化库建立超图，求解本质矩阵E，使得重投影误差最小；

(7)利用本质矩阵E恢复出图像的姿态信息，设置自适应阈值函数，使用对极约束条件将待定匹配点对进行筛选，若满足相应阈值条件则将该待定匹配点对加入正确匹配点对。

2.根据权利要求1所述的基于惯性姿态约束的特征匹配方法，其特征在于，步骤(3)中所述两幅图像中各栅格内中心点像素坐标p_Ai(x_i,y_i,1)和p_Bi(u_i,v_i,1)的计算公式分别为：

其中，在第一幅图像中，m_i为栅格A_i的特征点数，(x_ik,y_ik,1)为栅格A_i中第k个特征点的像素坐标；在第二幅图像中，n_i为栅格B_i的特征点数，(u_ik,v_ik,1)为栅格B_i中第k个特征点的像素坐标。

3.根据权利要求1所述的基于惯性姿态约束的特征匹配方法，其特征在于，步骤(4)中加入了惯性姿态约束,利用惯性测量单元的姿态信息对步骤(3)中选出的N个栅格内每个栅格的中心点对进行匹配，并计算栅格A_i与集合B中所匹配栅格B′_i的中心点坐标之间的距离d_i，计算公式为：

其中，为栅格A_i的中心点像素坐标，为集合B中与栅格A_i相匹配的栅格B′_i的中心点像素坐标，R_imu为惯性测量单元的姿态矩阵，K为相机内参矩阵，d_i的极小值记为d_min。

4.根据权利要求1所述的基于惯性姿态约束的特征匹配方法，其特征在于，步骤(6)中使用g2o优化方法求解本质矩阵E以最小化重投影误差，重投影误差函数为：

其中，p_α1和p_α2分别表示第α个正确匹配点对在第一幅图像和第二幅图像的像素坐标，K为相机内参矩阵。

5.根据权利要求1所述的基于惯性姿态约束的特征匹配方法，其特征在于，步骤(7)中的对极约束条件为：自适应阈值函数为：t_i＝d₀d′_i，

其中，p_β1和p_β2分别表示第β个待定匹配点对在第一幅图像和第二幅图像的像素坐标；d₀为初始化阈值，d′_i为阈值系数，当p_β1属于栅格A_i时，d′_i为d_i/d_min,当p_β1不属于栅格集合A时,d′_i为1。