[发明专利]基于软决策优化的基础矩阵鲁棒估计方法

摘要

本发明属于计算机视觉技术领域，公开了基于软决策优化的基础矩阵鲁棒估计方法。该方法包括：获取图像，提取特征点，为每个待匹配特征点选取k个对应的候选匹配特征点，进行粗匹配确定候选点对集；计算初始基础矩阵，将初始基础矩阵按列排列得到初始列向量；构建基于Sampson距离误差的软决策目标函数，采用驻点法得到递归公式，根据递归公式及初始列向量迭代递归，得到收敛向量；将收敛向量反变换为3×3的矩阵，并采用奇异值分解法将矩阵的秩限制为2，得到基础矩阵；根据估计得到的基础矩阵确定内点集合。本发明能够有效应对大的噪声和过高比例的外点影响，准确的估计基础矩阵和内点集。

主权项

1.一种基于软决策优化的基础矩阵鲁棒估计方法，其特征在于，包括：步骤1，获取同一场景不同视角下的两幅图像，提取两幅图像的特征点，并将其中一幅图像的特征点作为待匹配特征点，从另一幅图像的特征点中为每个待匹配特征点选取k个对应的候选匹配特征点；进而，根据每个待匹配特征点对应的k个候选匹配特征点，进行粗匹配，确定候选点对集；其中，k为预设正整数，4≤k≤10；步骤2，基于各待匹配特征点对应的候选点对集，采用归一化8点法，计算得到初始基础矩阵，并将所述初始基础矩阵按列排列，得到初始列向量f₀；步骤3，构建基于Sampson距离误差的软决策目标函数J(f)，并求得所述软决策目标函数关于列向量f的偏导数，进而采用驻点法得到求解所述软决策目标函数的递归公式；根据所述递归公式以及初始列向量f₀，经过多次迭代递归，最终获得所述软决策目标函数的收敛向量f_final；步骤4，将所述收敛向量f_final反变换为3×3的矩阵并采用奇异值分解法将矩阵的秩限制为2，即得到基础矩阵；步骤5，对于候选点对集中的每对候选匹配点对，根据步骤4估计得到的基础矩阵求出得对应的Sampson距离，并将Sampson距离最小的候选匹配点对确定为内点，从而得到内点集合。