[发明专利]一种计算特征匹配点分布可信度的量化方法

说明书

本发明公开一种计算特征匹配点分布可信度的量化方法，包括以下步骤：获取立体像对中所有特征匹配点的像平面坐标，估算特征匹配点集合所在上述立体图像重叠区域的范围和重叠区域的中心点位坐标；重新分配立体像对重叠区域的特征匹配点，使其分布均匀；分别计算立体像对重叠区域中原有的和重新分配后的特征匹配点集合所对应的HDOP值，分别即为HDOP_实测和HDOP_理论；在计算HDOP_实测相对于HDOP_理论相对误差(a＝(HDOP_实测‑HDOP_理论)/HDOP_实测)的基础上，运用可信度值((1‑a)×100％)来表示基于立体像对提取的特征匹配点分布对重建三维模型质量影响程度。本发明能够为基础矩阵描述图像内在射影关系、为衡量图像三维建模的精度提供度量标准。

技术领域

本发明涉及图像处理技术领域，具体的说是一种计算特征匹配点分布可信度的量化方法。

背景技术

随着数码相机、手机等摄像设备的普及使用，以及摄像元件分辨率越来越高，图像包含的空间信息也越来越丰富，从图像中快速提取并构建三维模型成为3DGIS空间数据获取的发展趋势。目前，基于图像的三维点云重建流程主要包括特征匹配、基础矩阵估计、摄影机自标定和三维点云计算等环节。其中，特征匹配是基础矩阵估计、摄影机自标定和三维点云计算等的数据源。特征匹配点的不确定性直接影响基础矩阵、摄影测参数和三维点云坐标的精度。因此在基于图像三维点云重建过程中，需要重视特征匹配点的不确定性研究。特征匹配点精度、数量及其分布形态均是特征匹配点不确定性的重要影响因素，已有研究多集中于特征匹配点精度分析，较少针对特征匹配点分布的影响进行研究，因此本发明拟针对特征匹配点分布的可行度的量化方法进行研究。

若利用同一相机对同一场景多次拍照，在拍照过程中改变相机焦距、曝光量、光圈大小等参数，多次拍照获取的照片的像素大小、光亮度或清晰度不尽相同。如果用一种特征匹配算法提取上述照片的特征匹配点，一般情况下，对于上述不同相机参数拍照得到的照片提取出来的特征匹配点的分布不同。如图1所示，相同场景的立体像对提取出来的特征匹配点分布存在一定的差异。

在图像三维点云重建过程中，如果用数量相同、精度相同但分布不同的多组特征匹配点集合计算基础矩阵时，计算结果存在误差，基于上述特征匹配点和基础矩阵计算出来的三维点坐标也是有差异的。特征匹配点分布的好坏可能会影响图像三维点云重建的效果。若从一组立体像对中提取出来特征匹配点集合，这样分布的特征匹配点集合能够重建出高精度的3D模型吗，能重建出高精度三维模型的可信度(概率)是多少呢？本发明解决此问题。

发明内容

针对现有技术中存在的上述不足之处，本发明要解决的技术问题是提供一种计算特征匹配点分布可信度的量化方法。

本发明为实现上述目的所采用的技术方案是：一种计算特征匹配点分布可信度的量化方法，包括以下步骤：

步骤1，基于特征匹配点集合计算立体像对的单应矩阵，并在所述单应矩阵的基础上估算立体像对的重叠区域范围和重叠区域中心点位坐标；

步骤2，在立体像对的重叠区域中，将步骤1中的特征匹配点进行重新分配，使其均匀分布；

步骤3，计算步骤1中特征匹配点分布所对应的HDOP_实测和步骤2中特征匹配点分布所对应的HDOP_理论；

步骤4，根据所述HDOP_实测和HDOP_理论计算特征匹配点分布影响的可信度CI。

所述在所述单应矩阵的基础上估算立体像对的重叠区域范围，包括以下步骤：

根据所述单应矩阵，计算立体像对中右图像的顶点转换到左图像中的点集；