[发明专利]一种基于快速角点检测的非合作目标运动估计方法

权利要求书

1.一种基于快速角点检测的非合作目标运动估计方法，其特征在于，它包括以下步骤：

步骤1、参数预设：对双目相机内部的参数进行预设，所述参数包括状态转移矩阵、测量矩阵、过程噪声协方差矩阵、测量误差协方差矩阵；

步骤2、图像采集：采集双目相机拍摄的图像，并对图像进行预处理，将非合作目标从背景中分离出来；

步骤3、角点提取：采用快速角点检测算法，提取出非合作目标的角点；

步骤4、三维坐标变换：对提取的角点进行三维坐标转换，并进行跟踪；

步骤5：卡尔曼滤波：采用经典卡尔曼滤波算法对坐标转换后的图像进行滤波，进行非合作目标的运动估计，并计算得出估计值；

在步骤2中，它包括以下步骤：

步骤21、根据双目相机内部参数，对采集的图像进行去畸变；相机透镜存在两种畸变；

一是由透镜的形状造成的径向畸变，表述如下：

其中，(x,y)是成像装置上畸变点的原始位置，是校正径向畸变后的新位置，k₁、k₂和k₃是径向畸变系数，r是畸变点(x,y)距光学中心的径向距离；随着距光学中心的径向距离的增加，矩形网格上的外部点越来越向内偏移；

二是整个相机的组装过程中造成的切向畸变，表述如下：

式中，p₁、p₂是切向畸变系数；

步骤22、对去除畸变后的图像进行高斯平滑滤波，获得平滑图像；

步骤23、根据先验数据，设定第一感兴趣区域；

步骤24、采用OTSU阈值化方法，将非合作目标从背景中分离出来，获得二值图像；具体过程为：

OTSU阈值化方法就是遍历所有可能的阈值，然后对每个阈值结果的两类像素计算方差OTSU算法目标是使下列表达式最小：

其中w₁(t)和w₂(t)是根据两类像素的数量计算而来的权值，是第w类像素计算方差，是第一类像素计算方差，是第二类像素计算方差；

步骤25、将二值图像缩放8倍，通过水平投影和垂直投影，获得第一非合作目标感兴趣区域；

步骤26、对第一非合作目标感兴趣区域的大小进行补偿，并将其扩展至原尺度空间，获得第二非合作目标感兴趣区域；

在步骤3中，它包括以下步骤：

步骤31、将第二非合作目标感兴趣区域缩放4倍，并通过形态学开操作滤除背景噪点；

步骤32、对步骤32获得的图像采用特征点检测算法提取出非合作目标的特征点；具体过程为：

采用FAST特征点检测器，提取出非合作目标的特征点；FAST特征检测算法是基于将点P与P周围的点进行直接比较；环上的各个点被分类为比P暗，比P亮，或者类似于P；

低于点p强度Ip-t就是暗像素，高于点p强度Ip+t就是亮像素，在这之间便是类似像素；如果环的像素总数为N，那么这条只包含更亮或更暗的弧必须至少包含N/2+1个像素；

步骤33、根据非合作目标的几何特性，对特征点进行筛选，并拟合出其最小外接轮廓；筛选规则如下：

G＝{G_i|G_i＝F_j，d(F_j，F_center)＞0.7*d_max}

将筛选后的点集G进行最小外接轮廓拟合；

步骤34、将所述外接轮廓扩展至原尺度空间，并获得外接轮廓的角点；

步骤35、以每个外接轮廓角点为中心，进行局部角点提取，获取非合作目标的角点；

在步骤4中，它包括以下步骤：

步骤41、根据最小欧氏距离原则对同一时刻的双目图像提取出来的非合作目标的角点进行匹配；

步骤42、对匹配后的角点进行三维坐标变换；

步骤43、设k为正整数，对于每个k-1时刻的点，在k时刻找离它最近的点和次最近的点；

步骤44、如果k时刻有多个点与k-1时刻的一个点距离最近，则利用次最近距离来进行匹配。