[发明专利]一种基于图结构提高平面目标表征稳定性的方法及装置

权利要求书

1.一种基于图结构提高平面目标表征稳定性的方法，其特征在于，包括以下步骤：

(1)获取像素点显著性得分图：采用FAST关键点检测算法中的快速二值测试策略计算输入图每个像素点的显著性得分，得到输入图的像素点显著性得分图；

(2)生成自适应网格：根据预先设定的顶点数量，自适应调整网格的划分方式，并根据输入图中目标在前一帧中的姿态信息，对网格点的位置做自适应调整；

(3)构造顶点集合：采用Spatial Softmax算法计算每个网格内所有像素点的显著性得分，利用显著性得分最高的像素点构造顶点集合，具体包括：构造无向图G＝(V,E)的顶点集合V，选取每个网格内显著性得分最高的像素点组成无向图的顶点集合；

(4)构造边集合：采用Delaunay三角剖分方法对步骤(3)得到的顶点集合进行连接，这种连接方式中所有三角面的集合是顶点集的凸包，具体包括：构造无向图G＝(V,E)的边集合E，Delaunay三角剖分方法采用Bowyer-Watson算法，所述Bowyer-Watson算法具体包括：

第一步，构造超级三角形包含点集合V所有点，放入三角形链表；

第二步，将V中的散点依次插入，在三角形链表中找出散点外接圆包含插入点的影响三角形，删除影响三角形的公共边，将插入点同影响三角形的全部顶点连接起来，从而完成一个点在Delaunay三角形链表中的插入；

第三步，根据优化准则，对局部新形成的三角形进行优化，将形成的三角形放入Delaunay三角形链表；

第四步，循环执行第二步，直到所有散点插入完毕。

2.根据权利要求1所述的一种基于图结构提高平面目标表征稳定性的方法，其特征在于，所述步骤(1)的具体方法为：根据所述输入图中的中心点像素灰度值与以中心点为圆心以r为半径的周围点像素的灰度值的差异程度，计算所述输入图中每个像素点的显著性得分，得到输入图的显著性得分图。

3.根据权利要求1所述的一种基于图结构提高平面目标表征稳定性的方法，其特征在于，所述步骤(2)中自适应调整网格的划分方式的标准是划分网格的数量和预先设定的顶点集合中的数量相互对应，并让每个网格的长宽比为1。

4.根据权利要求3所述的一种基于图结构提高平面目标表征稳定性的方法，其特征在于，所述步骤(2)中对网格点的位置做自适应调整的具体方法是利用姿态信息对网格点做投影变换，得到新的网格点。

5.一种基于图结构提高平面目标表征稳定性的装置，其特征在于包括：

获取像素点显著性得分图模块，用于通过采用FAST关键点检测算法中的快速二值测试策略计算输入图每个像素点的显著性得分；

生成自适应网格模块，用于根据预先设定的顶点数量，自适应调整网格的划分方式，并根据输入图中目标在前一帧中的姿态信息，对网格点的位置做自适应调整；

构造顶点集合单元模块，用于采用Spatial Softmax算法计算每个网格内所有像素点的显著性得分，利用显著性得分最高的像素点构造顶点集合，具体包括：构造无向图G＝(V,E)的顶点集合V，选取每个网格内显著性得分最高的像素点组成无向图的顶点集合；

构造边集合单元模块，用于采用Delaunay三角剖分方法对步骤(3)得到的顶点集合进行连接，这种连接方式中所有三角面的集合是顶点集的凸包，具体包括：构造无向图G＝(V,E)的边集合E，Delaunay三角剖分方法采用Bowyer-Watson算法，所述Bowyer-Watson算法具体包括：

第一步，构造超级三角形包含点集合V所有点，放入三角形链表；

第二步，将V中的散点依次插入，在三角形链表中找出散点外接圆包含插入点的影响三角形，删除影响三角形的公共边，将插入点同影响三角形的全部顶点连接起来，从而完成一个点在Delaunay三角形链表中的插入；

第三步，根据优化准则，对局部新形成的三角形进行优化，将形成的三角形放入Delaunay三角形链表；

第四步，循环执行第二步，直到所有散点插入完毕。