[发明专利]一种实时性好的ORB特征点提取的硬件实现方法

说明书

本发明公开了一种实时性好的ORB特征点提取的硬件实现方法，主要解决现有视觉SLAM系统中特征点提取消耗时间长、图像匹配效率低的问题。其实现方案是：1.构建图像特征点筛选四级流水线；2.构建特征点主方向角计算11级流水线架构；3.使用图像块灰度质心获得特征点梯度方向，并根据主方向旋转描述子采样坐标进行高斯采样；4.设计两级同步线性移位缓冲结构和模块间数据流传输结构；本发明具有图像处理速度快、准确度高、实现平台便携性强等优点，可用于实时视觉SLAM系统中扩大其应用场景。

技术领域

本发明属于计算机视觉领域的图像匹配，涉及FAST特征点的提取、BRIEF描述子计算和图像匹配等基本模块硬件实现和数据处理流水线结构设计、数据流缓冲结构设计，具体涉及一种实时性好的ORB特征点提取的硬件实现方法。

背景技术

SLAM(simultaneous localization and mapping)技术，即实时定位与地图重建。其原意是指搭载传感器的机器人，在未获得任何环境信息的前提下，通过机器人在未知环境中的运动来构建环境地图，与此同时实现自身位姿的实时定位，最终实现机器人的实时的自主定位与环境的地图重建。在各个行业，移动机器人对未知环境的探索一直是机器人智能化研究的热点和难点，SLAM则是其中一个重要的基本问题，是实现移动机器人自主定位、自主导航、路径规划以及目标识别、目标跟踪等任务的基础和前提。

在SLAM技术中，视觉里程计模块中的特征点匹配部分是其最重要的模块，它对环境建图和相机位姿估计都起着关键性的影响和作用，因此，对图像匹配技术的研究是SLAM技术中的一个极为关键的部分。图像匹配技术主要针对机器对事物进行识别的过程中，对拥有同一景物目标的两幅或两幅以上图像在空间上进行校准，或根据现有已知图像信息在另一幅图像上寻找对应的相同图像信息，从而达到对目标体识别和自身定位的目的。在往常的特征点匹配方案中常常采用SIFT特征点提取，但是这种特征点提取方法较为复杂，时间及资源消耗都很大。现在ORB算法被广泛应用于机器人技术，它也被证明是可以替代SIFT特征点提取的快速方案。现已有研究提出采用GPU进行图像的加速处理进而提高图像匹配的系统整体速度。相对比于FPGA，虽然GPU的处理速度较快，但是GPU在使用时需要巨大的计算资源和很高的系统功耗，不适用于嵌入式或者小型的智能机器人。而FPGA具有并行处理架构，数十万个逻辑单元，能满足各种组合逻辑和时序逻辑。这种特性正好适用于高并行度，低复杂程度，低的内存资源消耗以及低功耗的系统中，在处理实时高速视觉图像时具有明显优势。

发明内容

本发明的目的在于提供一种实时性好的ORB特征点提取的硬件实现方法，以克服现有技术的缺陷，本发明针对越来越多的视觉SLAM系统对实时性、资源及功耗要求高的需求，根据ORB算法要求，设计高斯采样、流水线架构和数据缓存传输结构，实现图像的快速高效匹配和实现平台的微小便携，可用于提升视觉SLAM系统中特征提取的效率、准确度和系统的便携性。

为达到上述目的，本发明采用如下技术方案：

一种实时性好的ORB特征点提取的硬件实现方法，包括以下步骤：

步骤1、根据像素点离散化Bresenham图上采样点所在位置具有对称性的特点，设计四级流水线的结构实现对特征点筛选；

步骤2、根据步骤1中筛选出的特征点坐标，依据灰度质心算法和矩阵存储结构中像素点坐标的关系，设计特征点主方向计算的11级流水线结构；

步骤3、利用只读寄存器和m序列发生器获得特征点图像块采样坐标，并根据步骤2中获得的特征点主方向进行坐标旋转，设计图像块的高斯采样模块，用于图像描述子计算。

进一步地，步骤1中实现对特征点筛选的四级流水线结构通过以下方法构建：

步骤1.1、根据中心像素点离散化Bresenham图上采样点所在位置具有对称性的特点，将像素点按照垂直方向、水平方向划分成四部分；