[发明专利]基于多尺度特征匹配的图像校准方法、系统、终端及介质

权利要求书

1.一种基于多尺度特征匹配的图像校准方法，其特征在于，包括：

对目标图像进行处理，生成表示目标图像的特征点及特征向量；包括：

选择目标图像，依次使用多种从小到大的浮点精度的基于GPU实现的SIFT特征点检测算法进行特征点检测，生成多组特征点及特征点的特征向量；

比较获取的多种浮点精度下的特征点数量，保证特征点数量在预先设定的特征点数量以上的情况下，获得最小浮点精度下的特征点及特征点的特征向量；

将所述最小浮点精度下的特征点及特征点的特征向量作为一组目标图像的特征点及特征向量存入目标特征库；

对待识别图像进行处理，生成表示待识别图像的特征点及特征向量组队列；其中，所述待识别图像与所述目标图像拍摄于同一实体目标；

基于所述待识别图像的特征点及特征向量组队列以及所述目标图像的特征点及特征向量，进行多距离标准阈值匹配，生成特征点对组队列；包括：

获取所述待识别图像的特征向量组队列中的每一组特征向量，使用多个距离标准阈值对每一组特征向量与所述目标图像的特征向量进行距离计算，得到在不同距离标准阈值下的不同特征点对，生成多组特征点对；

将所述多组特征点对进行合并，生成基于多尺度变换和多阈值匹配的特征点对组队列；

对所述特征点对组队列中的每一组特征点对进行匹配度计算，获取匹配度大于设定阈值的匹配特征点对进行变换矩阵计算，生成变换图像队列；

过滤所述变换图像队列中的变换图像，获取最佳矫正图像，完成图像校准；包括：

获取所述变换图像队列中的每一幅图像，利用基于GPU实现的SIFT特征点检测算法进行变换图像的特征点检测；

利用基于GPU实现的RANSAC算法获取每一幅所述变换图像的特征点与所述目标图像的特征点的匹配点对，并使用欧拉距离计算匹配点对之间的距离；

对比所述匹配点对之间的距离，其中距离最小的变换图像即为最佳矫正图像。

2.根据权利要求1所述的基于多尺度特征匹配的图像校准方法，其特征在于，依次使用int8、fp16、fp32三种从小到大的浮点精度的基于GPU实现的SIFT特征点检测算法进行特征点检测，生成三组特征点及特征点的特征向量；和/或

所述特征点的存储形式为记录图点坐标的二维向量；所述特征点的特征向量的存储形式为128维向量。

3.根据权利要求1所述的基于多尺度特征匹配的图像校准方法，其特征在于，所述对待识别图像进行处理，生成待识别图像的特征点及特征向量组队列，包括：

对待识别图像进行预处理；

获取生成所述目标图像的特征向量时所采用的基于GPU实现的SIFT特征点检测算法的浮点精度；

基于所述浮点精度，对待识别图像采用基于GPU实现的SIFT特征点检测算法进行特征点检测，获得每一个尺度下的一组待识别图像的特征点及特征向量，生成待识别图像的特征点及特征向量组队列。

4.根据权利要求3所述的基于多尺度特征匹配的图像校准方法，其特征在于，所述对待识别图像进行预处理，包括：

如果目标图像的尺度与待识别图像的尺度相差不大，不进行尺度变换，生成只包含一张图像的图像队列；否则，使用多个尺度将待识别图像进行尺度变换，生成包含多个尺度图像的图像队列；其中：

所述目标图像的尺度与待识别图像的尺度相差不大，通过以下方式确定：

记目标图像的尺度为h1，待识别图像的尺度为h2；若|h1-h2|/h110％，则认为目标图像的尺度与待识别图像的尺度相差不大。

5.根据权利要求1所述的基于多尺度特征匹配的图像校准方法，其特征在于，所述对所述特征点对组队列中的每一组特征点对进行匹配度计算，获取匹配度大于设定阈值的匹配特征点对进行变换矩阵计算，生成变换图像队列，包括：

获取所述多组特征点对组队列中的每一组特征点对，利用基于GPU实现的RANSAC特征点匹配算法进行特征点对匹配，获取匹配度大于设定阈值的多组匹配特征点对；

对所述多组匹配特征点对中每一组匹配特征点对进行变换矩阵计算，生成透视变换矩阵；

对每一个所述透视变换矩阵，生成透视变换逆矩阵；利用所述透视变换逆矩阵，合成变换图像，最终生成基于多尺度变换和多阈值匹配的变换图像队列。