[发明专利]融合SIFT和RANSAC的三维重建图像对齐的方法

权利要求书

1.融合SIFT和RANSAC的三维重建图像对齐的方法，其特征是针对原图像和目标图像划分相同尺寸的网格，基于尺度不变特征转换SIFT算法分别对原图像和目标图像的每个网格进行特征点检测，获得原图像的每个网格的特征点描述和目标图像的每个网格的特征点描述，根据原图像的每个网格的特征点描述和目标图像的每个网格的特征点描述进行粗筛特征点匹配；

根据粗筛特征点匹配结果进行二次筛选：设定标定与校正值中两个水平特征点间的匹配线段斜率为标准斜率,比较粗筛特征点匹配结果中匹配线段的斜率与标准斜率是否相等，若相等则视为有效匹配,否则剔除；

基于随机抽样一致算法RANSAC，对二次筛选结果进行精细筛选，完成图像对齐：通过局内点拟合估计模型，利用估计模型筛选原图像和目标图像的对应特征点，根据对应特征点完成图像对齐。

2.根据权利要求1所述的融合SIFT和RANSAC的三维重建图像对齐的方法，其特征是所述基于尺度不变特征转换SIFT算法进行特征点检测，包括：分别搜索原图像和目标图像每个网格下所有尺度空间上的图像位置，通过高斯微分函数识别具有尺度和旋转不变的关键点，定位关键点，根据关键点确定特征点。

3.根据权利要求2所述的融合SIFT和RANSAC的三维重建图像对齐的方法，其特征是所述基于尺度不变特征转换SIFT算法获得特征点描述，包括：确定特征点的主方向，通过各关键点的特征向量，进行两两比较获得相互匹配的若干对特征点，建立原图像和目标图像中景物间的对应关系，生成所有网格的特征点描述。

4.根据权利要求1所述的融合SIFT和RANSAC的三维重建图像对齐的方法，其特征是所述基于随机抽样一致算法RANSAC，对二次筛选结果进行精细筛选，包括：随机假设一组局内点为初始值，根据所述局内点拟合估计模型，估计模型测试原图像和目标图像的对应特征点，若所述对应特征点适用于估计模型则认为所述对应特征点也是局内点，扩充局内点，根据应用情况获得足够的局内点，

基于随机抽样一致算法RANSAC优化仿射变换矩阵，从而变换矩阵连接对应特征点，完成图像的对齐。

5.融合SIFT和RANSAC的三维重建图像对齐的装置，其特征是包括粗筛选模块、二次筛选模块和精细筛选对齐模块，

粗筛选模块针对原图像和目标图像划分相同尺寸的网格，基于尺度不变特征转换SIFT算法分别对原图像和目标图像的每个网格进行特征点检测，获得原图像的每个网格的特征点描述和目标图像的每个网格的特征点描述，根据原图像的每个网格的特征点描述和目标图像的每个网格的特征点描述进行粗筛特征点匹配；

二次筛选模块根据粗筛特征点匹配结果进行二次筛选：设定标定与校正值中两个水平特征点间的匹配线段斜率为标准斜率,比较粗筛特征点匹配结果中匹配线段的斜率与标准斜率是否相等，若相等则视为有效匹配,否则剔除；

精细筛选对齐模块基于随机抽样一致算法RANSAC，对二次筛选结果进行精细筛选，完成图像对齐：通过局内点拟合估计模型，利用估计模型筛选原图像和目标图像的对应特征点，根据对应特征点完成图像对齐。

6.根据权利要求5所述的融合SIFT和RANSAC的三维重建图像对齐的装置，其特征是所述粗筛选模块基于尺度不变特征转换SIFT算法进行特征点检测，包括：分别搜索原图像和目标图像每个网格下所有尺度空间上的图像位置，通过高斯微分函数识别具有尺度和旋转不变的关键点，定位关键点，根据关键点确定特征点。

7.根据权利要求6所述的融合SIFT和RANSAC的三维重建图像对齐的装置，其特征是所述粗筛选模块基于尺度不变特征转换SIFT算法获得特征点描述，包括：确定特征点的主方向，通过各关键点的特征向量，进行两两比较获得相互匹配的若干对特征点，建立原图像和目标图像中景物间的对应关系，生成所有网格的特征点描述。

8.根据权利要求5所述的融合SIFT和RANSAC的三维重建图像对齐的装置，其特征是所述精细筛选对齐模块基于随机抽样一致算法RANSAC，对二次筛选结果进行精细筛选，包括：随机假设一组局内点为初始值，根据所述局内点拟合估计模型，估计模型测试原图像和目标图像的对应特征点，若所述对应特征点适用于估计模型则认为所述对应特征点也是局内点，扩充局内点，根据应用情况获得足够的局内点，

基于随机抽样一致算法RANSAC优化仿射变换矩阵，从而变换矩阵连接对应特征点，完成图像的对齐。