[发明专利]一种基于深度重投影和空间一致性特征匹配的方法

摘要

本发明公开了一种基于深度重投影和空间一致性特征匹配的方法，包括以下步骤：使用RGBD相机获得RGBD图像和深度图像，生成三维点云并利用RANSAC提取平面；使用ORB对生成的点云图像进行特征点提取，建立描述子；通过KNN算法建立两帧之间的粗略对应关系；利用特征点的空间一致性得到更可靠的对应关系，进行特征匹配，给定3D坐标，通过图优化得到可靠的匹配特征。本发明通过利用特征点的空间一致性更可靠地提取帧之间的对应关系，提高了特征匹配的准确性和鲁棒性。

主权项

1.一种基于深度重投影和空间一致性特征匹配的方法，其特征在于，包括以下步骤：步骤1：使用RGBD相机获取场景中的彩色图和深度图，利用RANSAC算法生成点云并提取局部平面；其中平面的模型为P＝(a,b,c,d)＝{x,y,z|ax+by+cz+d＝0}，a,b,c,d为待估计的参数，d^*为每个关键点的深度值根据深度重投影方程计算每个内点的位置,减小d^*的噪声；步骤2：对步骤1得到的平面进行特征点提取，采用KNN算法对步骤1中的特征点进行初始匹配；步骤3：根据步骤2得到的结果，确定相应特征点p_i和p_i'之间的距离d_ii',定义函数来衡量空间一致性得分；其中c_i和c_j两个N维点集,d_ii'为欧几里得距离；步骤4：构建图G＝(V,E)，给定两组帧P、Q和对应映射特征点对(i,i')的集合C；其中V是顶点集合，E是边集合；步骤5：(1)构建关联矩阵M,给定n个候选赋值的列表C，每个赋值的关联度a∈C和每对赋值a,b∈C存储在n×n的矩阵M中；其中(2)给定两组特征点的集合给定两组帧P、Q，引入指示向量l来描述所有初始对应关系的匹配结果，双射约束可以表示线性约束Ax≤b；其中A为稀疏矩阵，由0和1两个元素构成；步骤6：消除假阳性匹配包括如下具体步骤:(1)利用光谱匹配技术求解l_b^*,给定仿射矩阵M,求解M的主特征值及其对应的特征向量，其中主特征向量记为l^*；(2)对l^*中的元素进行排序，找到最大的元素a，将l_b^*(a)赋值为1，然后迭代地按照降序找到l^*中的所有元素b,若这些元素不与已有标记的元素发生冲突，l_b^*(b)被赋值为1，否则每个冲突元素的指示向量被赋值为0；(3)当获得向量l时，就能从初始匹配中消除假阳性匹配，当移除指示向量为0的异常值时，就可以获得可靠的特征匹配，利用这些可靠的匹配点的3D位置计算改进的变换，输出匹配特征。至此，完成基于深度重投影和空间一致性特征匹配全过程。