[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

说明书

本发明公开了一种鲁棒的异常匹配点剔除方法及图像室内定位方法，包括：图像采集和预处理；基于概率密度阈值异常点剔除方法，剔除异常匹配点；利用一种鲁棒的基本矩阵求解方法，求解出基本矩阵和本质矩阵；并求解相对位置，通过尺度转换，坐标转换，求解用户位置，实现基于图像的室内定位的过程。根据上述技术方案，可以有效降低图像特征误匹配点对，降低基本位姿矩阵的求解误差，并且能有效避免环境中噪声带来的干扰，提高定位准确率。

技术领域

本发明属于智能信息处理技术领域，具体涉及一种鲁棒的异常匹配点剔除方法及图像室内定位方法。

背景技术

复杂多变的室内环境给室内定位技术带来了很大的困难和挑战。现如今，室内定位技术发展迅速。基于机器视觉图像的室内定位方法以方便、低成本的特点成为一个重要的研究课题。这种方法使用手机摄像头采集到的图像与指纹数据库中的图像特征提取、匹配、位姿计算来确定位置。该方法不仅具有较低的成本，而且能够获得较好的定位结果。在此背景下，进一步提高基于图像的室内定位方法的定位精度具有重要意义。

由于现实环境中，采集的指纹库图像总是存在噪声，从而导致特征匹配结果中存在许多异常匹配点。这必然会增大位姿求解误差，影响定位精度。然而，现有的异常点剔除算法不能很好剔除异常匹配点对，求解的基本矩阵仍具有很大误差，定位精度不高。因此，为了得到更为鲁棒的基本矩阵和定位结果，一种鲁棒的异常点剔除方法受到研究者的广泛关注。

发明内容

发明目的：为解决目前智能室内定位精度不高的问题，本发明首先提出了一种鲁棒的异常匹配点剔除方法，初步剔除图像异常匹配点；然后，以剔除异常匹配点后的数据作为输入，求解鲁棒的基本矩阵求解模型，得到基本矩阵、本质矩阵和投影中心，经尺度变换后得到用户位置，由此实现室内定位。

技术方案：为实现本发明的目的，本发明首先采用的技术方案是：一种鲁棒的异常匹配点剔除方法，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。

进一步地，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。

进一步地，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。

进一步地，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；