[发明专利]基于矢量约束的着降位置检测用随机特征点选取方法

摘要

本发明公开了一种基于矢量约束的着降位置检测用随机特征点选取方法，包括步骤：一、着降区域图像获取及同步上传；二、着降区域图像处理，过程如下：201、初始采样时刻着降区域图像处理；202、下一个采样时刻着降区域图像处理，包括步骤：Harris角点提取、Harris角点匹配、SIFT特征提取、SIFT特征点匹配、特征点融合、特征点组合生成和最优特征点组合筛选；203、返回步骤202，对下一个采样时刻着降区域图像进行处理。本发明方法步骤简单、设计合理且实现方便、实时性强、使用效果好，能简便、快速从未知着降区域图像提取的特征点中选取位姿估计用的特征点，能有效提高位姿估计精度。

主权项

1.一种基于矢量约束的着降位置检测用随机特征点选取方法，其特征在于，该方法包括以下步骤：步骤一、着降区域图像获取及同步上传：采用图像采集设备且按照预先设计的采样频率f₀获取着降区域的图像，并将所获取着降区域图像同步传送至处理器进行处理；所述图像采集设备与所述处理器相接；其中，f₀≤30Hz；步骤二、着降区域图像处理：采用所述处理器对各采样时刻所获取的着降区域图像进行处理，过程如下：步骤201、初始采样时刻着降区域图像处理：采用所述处理器对初始采样时刻所述图像采集设备获取的着降区域图像进行处理，包括以下步骤：步骤2011、Harris角点提取：调用Harris角点检测模块提取出当前所处理着降区域图像的特征点，所提取的特征点为Harris角点；步骤2012、SIFT特征提取：调用SIFT特征提取模块对当前所处理着降区域图像进行SIFT特征提取，提取出当前所处理着降区域图像的特征点，所提取的特征点为SIFT特征点；步骤202、下一个采样时刻着降区域图像处理：采用所述处理器对下一个采样时刻所述图像采集设备获取的着降区域图像进行处理，包括以下步骤：步骤2021、Harris角点提取：按照步骤2011中所述的方法，提取出当前所处理着降区域图像的Harris角点；步骤2022、Harris角点匹配：调用相关系数计算模块，对当前所处理着降区域图像的各Harris角点与上一个采样时刻获取的着降区域图像的各Harris角点分别进行相关系数计算，并根据相关系数计算结果找出所有相互匹配的Harris角点；所有相互匹配的Harris角点组成Harris角点集合；步骤2023、SIFT特征提取：按照步骤2012中所述的方法，提取出当前所处理着降区域图像的SIFT特征点；步骤2024、SIFT特征点匹配：调用欧氏距离计算模块，对当前所处理着降区域图像的各SIFT特征点与上一个采样时刻获取的着降区域图像的各SIFT特征点之间的欧式距离分别进行计算，并根据欧式距离计算结果找出所有相互匹配的SIFT特征点；所有相互匹配的SIFT特征点组成SIFT特征点集合；步骤2025、特征点融合：调用所述欧氏距离计算模块，对步骤2022中所述Harris角点集合中的各Harris角点与步骤2024中所述SIFT特征点集合中的各SIFT特征点之间的欧式距离分别进行计算，并根据欧式距离计算结果，从所述Harris角点集合中找出与所述SIFT特征点集合中任一个SIFT特征点之间的欧式距离小于T1的所有Harris角点；本步骤中所找出的Harris角点与所述SIFT特征点集合中的SIFT特征点均为初始特征点，且本步骤中所找出的所有Harris角点与所述SIFT特征点集合中的所有SIFT特征点组成初始特征点集合；其中，T1为预先设定的特征点融合判断阈值且T1≥3；步骤2026、特征点组合生成，包括以下步骤：步骤20261、初选特征点选取：调用初选特征点选取模块，从步骤2025中所述初始特征点集合中找出矢量模值小于的所有初始特征点作为初选特征点；本步骤中找出的所有初选特征点组成初选特征点集合；步骤一中所述着降区域为圆形；其中，R₀为当前所处理着降区域图像上长度为R的直线上的像素点数量，R为当前所处理着降区域图像上着降区域的半径；当前所处理着降区域图像上着降区域的中心点，记作点O；点O的坐标，记作(u₀,v₀)；所述初始特征点集合中的第i个初始特征点，记作点P_i；其中，i为正整数且i＝1、2、3、…、I，I为所述初始特征点集合中初始特征点的总数量；点P_i的矢量模值，记作d_i；d_i为向量的模；步骤20262、矢量角计算：调用矢量角计算模块，对所述初选特征点集合中各初选特征点的矢量角分别进行计算；其中，所述初选特征点集合中第j个初选特征点，记作点P'_j；当前所处理着降区域图像上点P'_j的坐标，记作(u_j,v_j)；点P'_j的矢量角记作ω_j，且0≤ω_j＜2π；j为正整数且j＝1、2、3、…、J，J为所述初选特征点集合中初选特征点的总数量；步骤20263、特征点组合生成：调用特征点组合生成模块对步骤20261中所述初选特征点集合中的J个所述初选特征点分别进行处理，并生成J个特征点组合；其中，调用所述特征点组合生成模块对所述初选特征点集合中第j个初选特征点进行处理时，过程如下：步骤20263‑1、第一个再选特征点选取：从所述初选特征点集合中选出点P'_j，并将点P'_j作为第一个再选特征点；步骤20263‑2、第二个再选特征点选取：从此时所述初选特征点集合中剩余的所述初选特征点中选出矢量角最接近的一个所述初选特征点，作为第二个再选特征点；步骤20263‑3、下一个再选特征点选取：从此时所述初选特征点集合中剩余的所述初选特征点中选出矢量角最接近的一个所述初选特征点，作为下一个再选特征点；其中，ω_s为上一个所选取再选特征点的矢量角；步骤20263‑4、m‑3次重复步骤20263‑3，直至选出m个再选特征点；所选出的m个所述再选特征点组成一个特征点组合，该特征点组合记作特征点组合Q_j；其中，m为正整数且m≥5；步骤2027、最优特征点组合筛选，过程如下：步骤20271、矢量角均分度归一化处理：先调用矢量角均分度计算模块，对步骤20263中所获得J个所述特征点组合的矢量角均分度分别进行计算；再调用矢量角均分度归一化处理模块对J个所述特征点组合分别进行处理，获得各特征点组合的矢量角均分度归一化处理值；其中，特征点组合Q_j的矢量角均分度，记作J个所述特征点组合的矢量角均分度中，数值最大的矢量角均分度记作数值最小的矢量角均分度记作其中，对特征点组合Q_j的矢量角均分度进行计算之前，先将特征点组合Q_j中m个所述再选特征点的矢量角从大到小进行排列，并获得特征点组合Q_j的矢量角集合；所述特征点组合Q_j的矢量角集合中第h个矢量角，记作ω'_h；其中，h为正整数且h＝1、2、…、m；特征点组合Q_j的矢量角均分度归一化处理值记作且步骤20271、矢量模值均值归一化：先调用矢量模值均值计算模块，对步骤20263中所获得J个所述特征点组合的矢量模值均值分别进行计算；再调用矢量模值均值归一化处理模块对J个所述特征点组合分别进行处理，获得各特征点组合的矢量模值均值归一化处理值；其中，特征点组合Q_j的矢量模值均值记作且d'_h为特征点组合Q_j中第h个再选特征点的矢量模值；J个所述特征点组合的矢量角均分度中，数值最大的矢量模值均值记作数值最小的矢量模值均值记作特征点组合Q_j的矢量模值均值归一化处理值，记作步骤20273、优先值计算：调用优先值计算模块，对步骤20263中所获得J个所述特征点组合的优先值分别进行计算；其中，特征点组合Q_j的优先值记作W^(j)，且步骤20274、最优特征点组合选取：调用最优特征点组合选取模块，从步骤20263中所获得J个所述特征点组合中选出最优特征点组合，所选出的最优特征点组合为J个所述特征点组合中优先值最小的一个所述特征点组合；所述最优特征点组合中的m个所述再选特征点为选取的当前所处理着降区域图像的特征点；步骤203、返回步骤202，对下一个采样时刻所述图像采集设备所获取的着降区域图像进行处理。