[发明专利]一种基于马步测度的Harris‑SIFT双目视觉定位方法

摘要

本发明提供的是一种基于马步测度的Harris‑SIFT双目视觉定位方法。用于无人水下航行器(UUV)回收过程中的实时双目视觉定位。基于双目立体视觉的模型原理，利用SIFT算法从左右摄像机分别获取的图像中检测目标，并获取匹配目标的特征点，对两幅图像中目标物体的坐标标定，通过计算可得到目标物体的深度距离，还原其三维信息。针对UUV运动的海洋环境的特点，本发明提出了一种基于采用马步距离做测度的Harris‑SIFT算子双目视觉算法，提高了图像匹配的运算效率和应用水平的实时性，并且可以保证一定的精度。

主权项

一种基于马步测度的Harris‑SIFT双目视觉定位方法，其特征是：对双目摄像机获取的图像首先进行高斯滤波和校正处理，再通过图像匹配进行深度恢复，其匹配算法是采用马步距离做测度的Harris‑SIFT匹配算法，所述的采用马步距离做测度的Harris‑SIFT匹配算法具体包括：(1)采用Harris算子提取图像的角点，即特征点；(2)精确定位极值点定位关键点位置和尺度并消除不稳定点，对关键点的位置、尺度进行拟合，得到更精确的位置和尺度定位，同时删除具有低对比度和不稳定的边缘响应点；(3)对关键点分配方向获得旋转不变性根据关键点的局部图像梯度方向来分配一个或多个方向，利用图像的局部特征给每一个关键点分配一个方向来描述旋转不变性，最后得到关键点邻域像素的梯度及方向，m(x,y)=[L(x+1,y)-L(x-1,y)]2+[L(x,y+1)-L(x,y-1)]2θ(x,y)=arctanL(x,y+1)-L(x,y-1)L(x+1,y)-L(x-1,y)]]>式中：尺度L为各个关键点所在尺度，m(x,y)表示关键点的梯度大小；θ(x,y)表示关键点梯度的方向；(5)计算SIFT特征描述子为了增强匹配的稳健性，对每个关键点用4×4共16个种子点来描述，这样一个关键点产生并最终形成128维的SIFT特征向量；(6)构建KD‑tree，在KD‑tree上计算第一幅图像的每个关键点在待匹配图像上的关键点最近邻匹配；(7)采用马步距离计算特征向量的距离；(8)采用基于2D单应变换的RANSAC算法剔除误匹配点对。