[发明专利]一种应用于弱纹理场景下的综合点线特征的图像特征提取和匹配算法

说明书

本发明公开了一种应用于弱纹理场景下的综合点线特征的图像特征提取和匹配算法，在不动产单元测量过程中，测量节点的频繁移动造成测量现场光线强度随视角动态变化，提出一种弱纹理场景下的改进点线特征的图像特征提取匹配方法。在图像特征提取读取过程中，首先提取两幅图像并构建K层高斯金字塔；设定局部自适应阈值，通过像素的分类提取，采用了FAST角点自适应阈值提取；提取角点后利用BRIEF算法计算特征点特征描述符；再对图像做LSD线特征提取，计算LBD描述子进行线匹配；计算两幅图像特征点的信息熵和二值互信息并基于二值互信息阈值对特征点使用KNM算法进行匹配。

所属领域

本发明属于测绘技术领域，具体涉及一种应用于弱纹理场景下的综合点线特征的图像特征提取和匹配算法。

背景技术

不动产测量中，在GPS信号丢失的特殊场景，由于惯性传感器不能进行长时间高精度的定位，可以采用惯性与视觉组合测量的方式进行测量定位。为了提高在光线变化场景下图像的特征追踪精度，本发明提出了一种应用于弱纹理场景下的图像特征提取与匹配算法。ORB特征算法采用FAST关键点和BRIEF描述子相结合，有效降低了计算量，是性能和质量之间很好的折中办法。但是在图像弱纹理场景下，传统的ORB特征提取方法会出现特征点的误提取，特征点匹配也会出现很多误匹配的情况。因此，研究一种应用于弱纹理场景下的综合点线特征的图像特征提取和匹配算法很有必要。

发明内容

本发明针对现有技术中的问题，提供了一种应用于弱纹理场景下的综合点线特征的图像特征提取和匹配算法，在不动产测量现场的光线强度随测量节点移动发生变化，视觉装置采集的图像纹理也会发生变化，可以有效提取图像的特征进行位姿追踪。

上述目的通过以下技术方案实现：

一种应用于弱纹理场景下的综合点线特征的图像特征提取和匹配算法，该算法包括以下步骤；

S1，读取两幅图片，并对每一幅图片构建K层高斯金字塔；

S2，设定图像自适应局部阈值并进行FAST角点自适应提取；

S3，计算特征点方向和BRIEF描述子；

S4，提取图像LSD线特征，计算线段LBD描述子并进行线匹配；

S5，计算特征点的信息熵并基于二值化互信息阈值进行KNM匹配；

进一步地，所述步骤S1中提取两幅图片，对每一幅图片进行高斯内核卷积，通过梯次下降采样构建K层高斯金字塔，按照尺度因子计算每层分配需要提取特征数。高斯内核计算公式如下：

式中，参数σ为正态分布标准差，实验中取固定值1.6。

进一步地，所述步骤S2在图片FAST角点检测过程中，给图像中每个像素设置不同的阈值。像素阈值λ的计算方法如下：

式中，I_max为待测角点圆周亮度最大的像素点，I_min为亮度最低像素点亮度，I_a为除去最大亮度和最小亮度后剩余的像素点亮度均值，δ为调整因子。角点亮度自适应阈值计算如下：

式中，I_p为待测角点的亮度，I_pn为第n个像素的亮度。通过检测待测特征点圆周上第1，5，9，13个像素点的亮度，当有3个像素同时属于dark或者bright类，则该像素点可能是角点，否则排除，连续有3个像素点为候选角点，检测3个像素包围环内剩余6个像素亮度，若剩余6个像素亮度均为dark或者bright类，则该点为正确的角点。然后使用灰度质心法来计算特征点的方向。首先在一块小的图像中定义图像块的矩如下：