[发明专利]一种图像误匹配精确剔除方法

摘要

本发明涉及一种图像误匹配精确剔除方法，网格匹配统计约束能够快速的区分出设定大小的网格区域内的正确匹配对和错误匹配对，从而剔除错误匹配对保留正确的匹配对获得一个粗略匹配集；结合自提出的投影误差函数的改进对极约束模型能够再进一步剔除粗略匹配集中不符合改进对极约束模型的匹配对，从而获得优质的匹配集。该方法融合了网格匹配统计约束能够快速的区分出网格区域内的正确匹配对和错误匹配对，并进行剔除和改进的对极约束模型能够快速剔除不满足对极约束的匹配对的优点，从而能够获得优质的匹配对，用时更少，匹配准确度更高。该方法能够适应不同大小复杂的场景，方法应用于视觉同步定位与建图，三维重构以及视觉跟踪等领域都会有不错的效果。

主权项

1.一种图像误匹配精确剔除方法，其特征在于，具体包括如下步骤：1)用相机对同一场景拍摄两张具有10°～15°角度变换的图像，将获得的两张图像作为特征匹配算法的输入值；2)对这两张输入图像分别计算ORB特征点以及基于ORB特征点的描述子，并基于汉明距离进行朴素匹配，获得初始匹配对；3)在获得的初始匹配对中计算网格匹配统计约束，以剔除不符合该约束的匹配对，得到粗略的匹配集：假设有两帧待匹配得图像Ia、Ib，X＝{X1，X2，…，Xk}是k个初始匹配对，首先要对两幅图像Ia、Ib用设定大小的网格进行分割，然后统计每个网格中匹配对的数量，从而区分出正确与错误的匹配对；定义任意一个网格中每条匹配对的匹配统计约束评分指标计算公式为：代表选取的这个网格区域中的匹配对数量，减1是为了移除本身的这条匹配对；定义一个评分阈值计算公式为：α经实验获得取值；当评分时，则说明这个匹配对是正确的，否则为错误匹配对，从而获得一个粗略的匹配集；4)对步骤3)中粗略匹配集中的匹配对根据汉明距离从小到大进行排序，获得排序好的匹配集M，然后在M中挑选前八个匹配对，来计算对极约束模型C，计算公式如下：r1Cr′1＝0r1＝K‑1p1r′1＝K‑1p′1K为相机内参，可通过标定得到；r1、r1′为一组匹配好的特征点p1、p1′归一化之后的坐标，分别为r1＝[u1，v1，1]，r1′＝[u1′，v1′，1],u1，v1为特征点p1归一化的图像像素坐标，u1′，v1′为特征点p1′归一化的图像像素坐标；C为对极约束模型，有9个未知变量，通过下式求出极约束模型C，然后定义一个投影误差函数：ds(C，pi，pi′)＝pi′‑Cpi投影函数扩展：pi′为图像Ia中的任意特征点pi投影在图像Ib中对应的极线上的某个点；用对极约束模型C结合投影误差函数PE得到改进的对极约束模型PCM，然后利用改进的对极约束模型PE‑PCM去测试匹配集M中的剩余匹配对，如果剩余匹配对不满足该模型，不满足调节为上述的投影误差函数大于设定的阈值，则剔除该匹配对；否则，留下满足该模型的匹配对，获得优质的匹配集。