[发明专利]一种穿戴式导航装备中视觉导航特征点提取与匹配方法

说明书

本发明提供了一种穿戴式导航装备中视觉导航特征点提取与匹配方法，包括：读取两帧原始图像，构建图像的高斯‑拉普拉斯金字塔，生成高斯‑拉普拉斯差分尺度空间；进行特征点检测，将局部极值点作为特征点提取出来；计算出特征点的方向；基于BRIEF算子生成特征点的描述符，对每个点对进行二进制赋值，形成一个二进制编码；基于前一步生成的描述子对两张图像进行特征点的匹配，测量前一帧图中的每一个特征点与后一帧图像中所有特征点的相似程度，将相似程度最大的匹配成一对；重复上一步匹配操作，直到两帧图像中的所有特征点匹配完成，这些匹配好的特征点对为视觉导航提供大量的基础信息，提高导航定位结果的稳定性、环境适应性及抗干扰性能。

技术领域

本发明涉及视觉导航定位及图像处理的技术领域，具体涉及一种穿戴式导航装备中视觉导航特征点提取与匹配方法。

背景技术

图像特征点提取与匹配方法是视觉导航领域的一个重要研究方向，多年来国内外都有大量的科技工作者致力于这方面的研究开发工作。通过处理分析连续视频序列帧图像，进行特征点的提取与匹配，可完成对移动相机的位置及姿态估计，为视觉导航、图像拼接、智能监控、机器人探测等领域技术研究奠定了重要的研究基础。

目前的视觉导航技术中存在特征点提取与匹配方法无法在保证实时性的同时具有抗视觉与尺度变换的问题。

发明内容

发明目的：为解决背景技术中存在的技术问题，本发明提出一种穿戴式导航装备中视觉导航特征点提取与匹配方法，包括如下步骤：

步骤1，读取摄像头前后两帧原始图像，对两张图像分别构建6组5层的高斯-拉普拉斯金字塔；

步骤2，在步骤1构建的高斯-拉普拉斯金字塔中，将同一组相邻的上下两层图像相减，得到高斯-拉普拉斯差分尺度空间；

步骤3，遍历高斯-拉普拉斯差分尺度空间中的所有像素点，每个像素点与周围空间内26个像素点一一比较，运用快速比较法将局部极值点作为特征点提取出来，这些特征点都具有较好的尺度不变性；

步骤4，运用灰度质心法【ORB算法中计算特征点方向的方法，可参考E.Rublee,V.Rabaud,K.Konolige,G.Bradski,ORB:an efficient alternative to SIFT or SURF[C].Computer Vision(ICCV),2011】为步骤3所提取出的特征点添加方向信息，使特征点具备了旋转不变性；

步骤5，基于BRIEF算子【一种二进制描述子，可参考C.Michael,L.Vincent,S.Christoph,F.Pascal,BRIEF:Binary Robust Independent Elementary Features[C].11th European Conference on Computer Vision(ECCV),2010】描述步骤3所提取的特征点，结合步骤4所得的特征点的方向信息，生成特征点的BRIEF描述符；；

步骤6，从步骤1提取的两帧原始图像中各选取一个特征点进行匹配，由于步骤5中生成的特征点描述符是256位的二进制串，故通过比较二进制串的相似度来确定两个特征点是否匹配，基于两个特征点的BRIEF描述符计算两个特征点间的汉明距离，如果两点间的汉明距离【两个字码中不同位值的数目定义为汉明距离，这是一种用于比较二进制图像的有效手段，可参考R.Himanshu,Y.Anamika.Iris recognition using combined supportvector machine and Hamming distance approac[J].Expert SystemswithApplications,2014,41(2):588-593】小于128，则将两特征点匹配，否则视为不匹配；

步骤7，遍历两张图像各特征点，重复步骤6，直至所有可匹配的特征点对匹配完成，这些匹配好的特征点对为导航定位操作提供了大量的基础信息。