[发明专利]一种基于ORB特征点的运动估计方法

权利要求书

1.一种基于ORB特征点的运动估计方法，其特征在于，包括如下步骤：

步骤1，采用oFAST特征点与rBRIEF描述子相结合的方式分别提取两帧图像的ORB特征点；

步骤2，对两帧图像的ORB特征点进行基于暴力匹配BF和PROSAC的特征匹配，得到最优拟合模型；

步骤3，基于所述最优拟合模型，并混合GICP与ICP算法进行运动估计；

步骤2包括如下子步骤：

步骤2.1，初始粗匹配阶段：使用暴力匹配BF将来自两帧不同图像的两个ORB特征点计算汉明距离，然后按照汉明距离比较相似程度进行排序，最佳匹配点即为汉明距离最小的点，最终得到粗匹配点对集M；

步骤2.2，误匹配剔除阶段：

步骤2.2.1，对步骤2.1中得到的两帧图像的粗匹配点对集M进行交叉匹配验证；

步骤2.2.2，输入一个经步骤2.2.1剔除误匹配后的粗匹配点对集M，对该粗匹配点对集M中的匹配点根据相关性函数排序，从排序结果从大到小选取m个匹配点构建初始拟合模型；

步骤2.2.3，将粗匹配点对集M中的匹配点根据相关性从大到小抽取T_N个大小为m的匹配点集，表示为对于该匹配点集的评价函数如：

将M_i中的匹配点代入初始拟合模型计算误差，测试初始拟合模型性能并保留评价值更高的ORB特征点集合；

步骤2.2.4，当迭代次数达到设定阈值时，得到描述该粗匹配点对集M对应的图像变换信息的最优拟合模型；

步骤3的方法为：通过将步骤2得到的最优拟合模型中描述粗匹配点对集M对应的图像变换信息用单应矩阵H表示，并提取其位姿变换矩阵T；然后构建目标函数并将位姿变换矩阵T设为ICP算法的初值，如果该初值会导致ICP迭代时陷入局部最优，则使用GICP算法对位姿变换矩阵T进行迭代；否则使用ICP算法对位姿变换矩阵T进行迭代；无论是ICP算法还是GICP算法，都会对位姿变换矩阵T进行迭代，得到目标函数的全局最优解，该全局最优解的位姿变换矩阵T即为对这两帧图像的运动估计结果。

2.根据权利要求1所述的基于ORB特征点的运动估计方法，其特征在于，步骤1包括如下子步骤：

步骤1.1，oFAST特征点检测：

步骤1.1.1，利用金字塔原理将两帧图像进行不同层次的降采样处理分别得到两帧图像的图像金字塔；

步骤1.1.2，假设像素点P处的灰度值I_p的设定阈值T，在所述图像金字塔的每一层中，以任一像素点P为中心，先对像素点P周围的上下左右4个像素点进行判断，如果在这4个像素点中有3个像素点不满足I_p-T≤I_p≤I_p+T，则取半径为3像素的圆上的16个像素点；如果在这16个像素点当中有连续12个像素点不满足I_p-T≤I_p≤I_p+T，即判断该像素点P为FAST特征点，否则丢弃该P点；

步骤1.1.3，使用非极大值抑制的方法对步骤1.1.1得到的FAST特征点计算Harris响应值，并通过设定的滑动窗口取最大Harris响应值的前K个作为FAST特征点；

步骤1.1.4，采用灰度质心法为步骤1.1.3得到的FAST特征点增加方向信息，得到oFAST特征点；

步骤1.2，rBRIEF描述子计算：

步骤1.2.1，使用BRIEF算法在oFAST特征点为中心的区域选取n对像素点，通过比较灰度值并进行二进制赋值，生成0/1编码组合：

其中，函数p(x)表示像素点x在图像中的灰度值，函数p(y)表示像素点y在图像中的灰度值；

步骤1.2.2，基于所述0/1编码组合，将图像中的oFAST特征点的rBRIEF描述子定义为256维的二进制向量串：

f_n(p)＝∑_1≤i≤n2^i-1τ(p；x_i,y_i)

步骤1.2.3，在位置(x_i,y_i)处，对任意的n个二进制向量，有矩阵S定义如下：

步骤1.2.4，通过rBRIEF描述子对应oFAST特征点的方向信息θ和对应的旋转矩阵R_θ，将矩阵S进行线性变换，得到能线性表示的矩阵S_θ：

步骤1.2.5，基于矩阵S_θ得到矫正后的rBRIEF描述子：

g_n(p,θ)＝f_n(p)|(x_i,y_i)∈S_θ

步骤1.2.6，对矫正后的rBRIEF描述子再进行贪婪搜索，根据均值和样本点之间方差最大化原理找出相关性最低的256个rBRIEF特征点对；

步骤1.2.7，对每一个oFAST特征点执行步骤1.2.1～步骤1.2.6；

步骤1.3，通过步骤1.1得到的oFAST特征点与步骤1.2得到的oFAST特征点对应的rBRIEF描述子相结合的方式表示两帧图像中的ORB特征点。