[发明专利]一种图像自适应的特征匹配优化算法在审
| 申请号： | 201910556084.X | 申请日： | 2019-06-25 |
| 公开（公告）号： | CN110458183A | 公开（公告）日： | 2019-11-15 |
| 发明（设计）人： | 李鹏程;杨辉;黄敏;桂仲成 | 申请（专利权）人： | 上海圭目机器人有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06T5/00 |
| 代理公司： | 51266 成都佳划信知识产权代理有限公司 | 代理人： | 尹志敏<国际申请>=<国际公布>=<进入 |
| 地址： | 200082上海市*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 特征点集 特征点 匹配 两幅图像 阈值参数 单应性矩阵 锐化处理 特征匹配 先验知识 优化算法 卷积核 自适应 组特征 卷积 对称 筛选 图像 检测 | ||
1.一种图像自适应的特征匹配优化算法，其特征在于，包括以下步骤：
步骤S01，获取待匹配的两幅图像；
步骤S02，采用SUFR算法检测特征点，并设定Hessian矩阵阈值参数为A，分别得到与两幅图像一一对应的特征点集pts1和特征点集pts2；所述A为大于等于400、且小于等于1200的自然数；
步骤S03，判断特征点集pts1与特征点集pts2的特征点是否大于等于2；若是，则进入步骤S04；否则，进入步骤S07；
步骤S04，采用kNNMatch最近邻算法对所述特征点集pts1和特征点集pts2进行特征点筛选；
步骤S05，添加对称约束，以获得特征点集pts1和特征点集pts2一一对应匹配的特征点；
步骤S06，采用RANSAC算法寻找一个最佳单应性矩阵H，以获得一组匹配的特征点对matches；并判断两幅图像匹配的特征点对matches的对数是否大于5；若是，则进入步骤S07；否则进入步骤S08；
步骤S07，分别采用卷积核为M对两幅图像进行卷积锐化处理，并调低Hessian矩阵阈值参数为A，重复一次步骤S04～步骤S05；并进入步骤S08；
步骤S08，对两幅图像匹配的特征点对matches的任一组特征点进行先验知识约束；
步骤S09，判断两幅图像的特征点数量是否大于零，若是，则特征匹配成功；否则，特征匹配失败。
2.根据权利要求1所述的一种图像自适应的特征匹配优化算法，其特征在于，所述步骤S02中，Hessian矩阵阈值参数为A为1200。
3.根据权利要求2所述的一种图像自适应的特征匹配优化算法，其特征在于，所述步骤S07中，Hessian矩阵阈值参数为A为400。
4.根据权利要求3所述的一种图像自适应的特征匹配优化算法，其特征在于，所述步骤S07中，卷积核M的表达式为：
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海圭目机器人有限公司，未经上海圭目机器人有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910556084.X/1.html，转载请声明来源钻瓜专利网。
