[发明专利]基于RANSAC算法的视觉定位方法

摘要

基于RANSAC算法的视觉定位方法，属于视觉定位领域。传统RANSAC算法的迭代次数多、计算量大、计算时间长，导致利用此算法实现的视觉定位方法存在定位速度慢的问题。本发明方法通过SURF算法计算出待定位用户上传的图像的特征点以及特征点描述信息；在数据库中选择一张具有匹配点数最多的图片，将得到图像的特征点描述信息与图片的特征点描述信息进行SURF匹配，将进行匹配的每对图像与图片定义为一对匹配图像，则每对匹配图像在进行匹配后会得到一组匹配点；通过匹配质量的RANSAC算法，将每对匹配图像的匹配点中的错误匹配点剔除后，确定出含有正确匹配点的数量最多的4对匹配图像；根据得到的4对匹配图像，通过对极几何算法计算出用户的位置坐标，完成室内定位。

主权项

一种基于RANSAC算法的视觉定位方法，其特征在于：所述方法通过以下步骤实现：步骤一、通过SURF算法计算出待定位用户上传的图像的特征点以及特征点描述信息；步骤二、在数据库中选择一张具有匹配点数最多的图片，将步骤一得到图像的特征点描述信息与图片的特征点描述信息进行SURF匹配，将进行匹配的每对图像与图片定义为一对匹配图像，则每对匹配图像在进行匹配后会得到一组匹配点；步骤三、通过匹配质量的RANSAC算法，将步骤二中每对匹配图像的匹配点中的错误匹配点剔除后，确定出含有正确匹配点的数量最多的4对匹配图像；步骤四、根据步骤三得到的4对匹配图像，通过对极几何算法计算出用户的位置坐标，完成室内定位；步骤三所述通过匹配质量的RANSAC算法，将步骤二中每对匹配图像的匹配点中的错误匹配点剔除的过程：步骤三一、设用户上传的图像中具有的n1个特征点，数据库中图片具有n2个特征点，从图像中的n1个特征点中选取一个特征点，分别与图片中的n2个特征点利用欧式计算公式：进行计算，得到与图片中特征点的个数相同的n2个欧式距离；然后，从n2个欧式距离中提取最小欧式距离d和第二小欧式距离，计算最小欧式距离d与第二小欧式距离的比值，将比值定义为欧式距离比r，当欧式距离比r的值小于阈值0.8时认为这两个特征点匹配，将匹配的两个特征点作为匹配点，同时保存最小欧式距离d和欧式距离比r；如上遍历图像中所有特征点，得到每个特征点对应的最小欧式距离d和欧式距离比r，并选出n对匹配点；步骤三二、根据步骤一求得的最小欧式距离d和欧式距离比r，利用匹配质量计算公式：计算每一对匹配点的匹配质量q；步骤三三、将n对匹配点对应的匹配质量q的值进行降序排列，选出匹配质量q的值属于排列中大值端的前k对，且k≥4，在k对匹配点中每4对匹配点进行组合形成匹配组合，由匹配组合数计算公式：得出匹配组合数，计算每个匹配组合中所有匹配点的匹配质量之和，并将匹配质量之和作为总匹配质量qk，并按照总匹配质量qk将匹配组合进行降序排列；步骤三四、根据最大迭代次数计算公式：计算出最大迭代次数lm，判断正在进行的迭代计算的迭代次数是否大于最大迭代次数lm，若是，则退出整个RANSAC算法的程序并给出错误提示，否则执行步骤三五；其中，w表示局内点的数目/数据集的数目；局内点是指图像和图片这两幅图的正确匹配特征点对，数据集是指全部匹配点对，利用二者的数目的比值表示正确匹配点占总匹配点的比率；假设估计模型需要选定a个计算型匹配点，a个计算型匹配点表示在所有匹配点中选出的用于进行下一步骤投影变换矩阵H计算的匹配点的个数，且a≥4，则：wa表示a个计算型匹配点均为局内点的概率；1‑wa表示a个计算型匹配点中至少有一个为误匹配点的概率，表明估计出了一个不好的模型；(1‑wa)l表示RANSAC算法永远都不会选择到a个计算型匹配点均为局内点的概率，1‑p＝(1‑wa)l表示不能得到正确模型的概率；对1‑p＝(1‑wa)l两边取对数则得到最大迭代次数；步骤三五、在步骤三三中选择匹配质量的值的排序值与迭代次数相同的匹配组合，计算图像与图片的投影变换矩阵H，投影变换矩阵H由公式：定义；其中u、v、w为齐次坐标，图像中的二维坐标步骤三六、依次计算剩余的n‑4对匹配点中，每一对匹配点中用户上传图像中的特征点坐标(x1,y1)，按照投影变换矩阵H投影到图片中的投影匹配点(x′2,y′2)，利用误差计算公式：计算这对匹配点中数据库图像中的特征点坐标(x2,y2)与投影匹配点(x′2,y′2)之间的误差t；如果误差t小于最大允许误差，说明投影匹配点是正确的，则此匹配点为内点，否则是外点，直到统计出内点数目m1；步骤三七、判断步骤三六统计的内点数目m1是否大于预定的阈值m，若是，则进行步骤三八，否则返回步骤三四；步骤三八、用步骤三六统计出的内点数目m1重新计算新的投影变换矩阵H′，并利用新的投影变换矩阵H′计算内点数目m2；至此，完成错误匹配点剔除的过程，并将新的投影变换矩阵H′和m2个内点的结果输出。