[发明专利]一种鲁棒的异常匹配点剔除方法及图像室内定位方法

权利要求书

1.一种鲁棒的异常匹配点剔除方法，其特征在于，具体包括如下步骤：

步骤1，在目标室内采集图像；

步骤2，对上述采集到的图像进行预处理，将预处理后的图像划分为测试集和指纹库集；

步骤3，基于SURF特征匹配算法，将测试集中的图像作为输入，与指纹库集中的图像进行特征匹配；针对每一幅输入图像，均在指纹库集中选择与该输入图像特征匹配点对数量最多的指纹库图像作为输出；所述特征匹配点对x′_i和x_i构成特征坐标矩阵M,M＝[x′_i,x_i]，i＝1,…,n；其中，n表示输入图像和输出图像的特征匹配点对的总数量；x′_i表示指纹库输出图像的第i个特征匹配点对的像素坐标，x′_i＝(u′_i,v′_i,1)；x_i表示输入图像的第i个特征匹配点对的像素坐标，x_i＝(u_i,v_i,1)；

步骤4，利用概率密度的异常匹配点对剔除算法对上述特征坐标矩阵M进行处理，剔除特征坐标矩阵M中的异常特征匹配点对。

2.根据权利要求1所述的一种鲁棒的异常匹配点剔除方法，其特征在于，所述步骤1的方法如下：

在目标室内标注N个采样点，分别在早、中、晚三个时间点对N个采样点采集不同角度的图像。

3.根据权利要求1所述的一种鲁棒的异常匹配点剔除方法，其特征在于，所述步骤2中，将处理后的图像中的10％作为测试集，90％作为指纹库集。

4.根据权利要求1所述的一种鲁棒的异常匹配点剔除方法，其特征在于，所述步骤4的方法如下：

步骤4.1，利用距离公式计算特征坐标矩阵M中的所有特征匹配点对的欧式距离，得到距离向量e＝(e₁,…,e_i,…e_n)；其中，距离公式如下：

式中，e_i表示第i个特征匹配点对的欧式距离；

步骤4.2，利用Matlab得到距离向量e的概率密度函数图，根据设定的第一概率密阈值得到距离置信区间[e_j,e_k]；

步骤4.3，根据距离置信区间[e_j,e_k]，对特征坐标矩阵M中的特征匹配点对进行处理，剔除欧式距离不满足距离置信区间[e_j,e_k]的特征匹配点对，得到新的特征坐标矩阵M'；

步骤4.4，利用角系数公式计算特征坐标矩阵M中的所有特征匹配点对的角系数，得到角系数向量a＝(a₁,…,a_i,…a_n)；其中，角系数公式如下：

式中，a_i表示第i个特征匹配点对的角系数；

步骤4.5，利用Matlab得到角系数向量a的概率密度函数图，根据设定的第二概率密阈值得到角系数置信区间[a_j,a_k]；

步骤4.6，根据角系数置信区间[a_j,a_k]，对特征坐标矩阵M'的特征匹配点对进行处理，剔除角系数不满足角系数置信区间[a_j,a_k]的特征匹配点对，进一步得到特征坐标矩阵M”。