一种基于RGB‑D图像的三维场景特征表达与高精度匹配方法组成比例

本发明专利技术公开了一种基于RGB‑D图像的三维场景特征表达与高精度匹配方法，利用透视投影模型和尺度空间理论，检测并提取RGB‑D图像的三维特征点；利用圆的旋转不变性，为每一个特征点选定以其为圆心的四个同心圆区域为此特征点所需的特征描述区域；在每个圆环区域以及最里面的中心圆区域内分别计算像素点的梯度模值和方向，建立方向直方图，其中，“圆环区域”为相邻的两同心圆之间的环形区域；利用方向直方图，建立环形描述子，对每一个特征点进行特征描述，生成特征向量，并根据特征向量间的欧式距离匹配特征点。通过采用本发明专利技术提供的方法，对RGB‑D图像进行三维特征表达与匹配，避免了主方向的分配、降低特征向量的维数，为后续特征匹配降低了计算量、节省了时间，实现特征匹配的实时性。

【技术实现步骤摘要】
一种基于RGB-D图像的三维场景特征表达与高精度匹配方法
本专利技术涉及计算机视觉与数字图像处理领域，尤其涉及一种基于RGB-D图像的三维场景特征表达与高精度匹配方法。
技术介绍
局部特征因对图像尺度、旋转、光照和视角等变换具有不变性，并在噪声、遮挡等因素的影响下具有很好的匹配性能，广泛应用于图像匹配、物体识别与分类、图像检索等领域。局部特征的提取主要包括特征点检测和特征描述生成两个步骤。相对于特征点检测步骤选择的检测算法，特征描述生成步骤使用的特征描述算法对提取出的局部特征性能具有更显著的影响。因此，如何构建具有鲁棒性和独特性的特征描述子是研究的重点。构建特征描述子是对特征点邻域信息的描述，并在此描述的基础上构建特征描述向量。Lowe提出的SIFT特征描述子是最为经典的特征描述子，SIFT特征描述子是根据特征点邻域梯度信息生成128维特征向量。但SIFT特征描述子需要为特征点分配一个主方向，以确保描述子具有旋转不变性。分配主方向需要计算每个特征点邻域内的梯度信息，且SIFT特征向量维数较高，计算量大、耗时长，影响算法的实时性。因此，希望有一种技术方案来克服或至少减轻现有技术的上述缺陷中的至少一个。
技术实现思路
本专利技术的目的在于提供一种基于RGB-D图像的三维场景特征表达与高精度匹配方法来克服或至少减轻现有技术的上述缺陷中的至少一个。为实现上述目的，本专利技术提供一种基于RGB-D的场景三维特征表达与高精度匹配方法，其中，包括：步骤101，利用透视投影模型和尺度空间理论，检测并提取RGB-D图像的三维特征点；步骤102，利用圆的旋转不变性，为每一个由步骤101获得的特征点选定以其为圆心的四个同心圆区域为此特征点所需的特征描述区域；步骤103，在由步骤102确定的每个圆环区域以及最里面的中心圆区域内分别计算像素点的梯度模值和方向，建立方向直方图；其中，“圆环区域”为相邻的两同心圆之间的环形区域；步骤104，利用步骤103得到的方向直方图，建立环形描述子，对每一个特征点进行特征描述，生成特征向量，并根据特征向量间的欧式距离匹配特征点。进一步地，步骤102具体包括：为保证三维特征点具有旋转不变性，利用圆的旋转不变性，为每个特征点选定以其为圆心，半径分别为2、4、6、8的四个同心圆区域为此特征点特征描述所需区域；当图像发生旋转时，特征点周围邻域内像素点会发生相应的改变，但同一个圆环内像素点的相对位置不变。进一步地，步骤103具体包括：将0°～360°均分为12个方向区间，分别在每个圆环区域内统计12个方向区间上的梯度累加值，建立方向直方图，方向直方图的横轴为梯度的方向，纵轴为方向对应的梯度模值加权累加值，其中权重函数为高斯函数，梯度模值和方向的计算公式如(13)式和(14)式所示：进一步地，步骤104具体包括：步骤1041，通过上述计算，特征点的四个同心圆环都分别对应一个方向直方图，由方向直方图中纵轴梯度模值加权累加值，每个圆环得到一个12维向量其中i＝1，2，3，4；步骤1042，由内向外，取最里面中心圆的12维向量作为初始特征向量的第1～12个元素，取紧邻最里面的中心圆的第一个圆环的12维向量为特征向量的第13～24个元素，以此类推，即得RGB-D图像三维特征点的48维初始特征向量步骤1043，为保障旋转不变性，对初始特征向量Des进行排序：令标记出Φ的最大分量；若φ1是Φ中最大分量，则不对初始特征向量Des做任何处理；若φ1不是Φ的最大分量，假设φj＝max{φ1，φ2，…，φ11，φ12}，则将循环左移，直至位于的首位，即同时对进行与一致的循环左移，得排序后的初始特征向量：步骤1044，为增强匹配的鲁棒性，对特征点分配辅向量；步骤1045，为减少光照的影响，对初始特征向量进行尺度归一化处理，生成最终的特征描述向量；步骤1046，提取三维特征点并生成特征描述向量之后，将特征向量间的欧式距离作为相似性度量，匹配特征点。进一步地，步骤1044具体包括：若Φ的其它分量中有超过Φ最大分量80％的分量，则将按此分量循环左移，使其位于首位；该特征点就复制成多个特征点，这些特征点位置、尺度相同，初始特征向量不同。进一步地，步骤1045中的“对初始特征向量进行尺度归一化处理”具体如(15)式所示：进一步地，步骤101具体包括：步骤111，利用透视投影模型，给出RGB-D图像保三维几何结构的降维计算方法，得到场景在相机坐标系中的参数表示；步骤112，由扩散方程出发，利用有限差分与尺度空间理论，建立检测RGB-D图像三维特征点的RGB-D尺度空间；步骤113，在RGB-D尺度空间上极值检测，获取特征点的位置；以及步骤114，利用子像元插值法，精确定位特征点，并筛除低对比度和边缘响应点，增强特征匹配稳定性和抗噪能力。进一步地，步骤111中的“场景中物点在相机坐标系中的参数表示”为：(1)式中，是物点P在相机坐标系中的坐标，(u，v)平面为成像平面，ω为相机的水平视角，W，H表示图像I0的分辨率，D(u，v)为物点到相机的水平距离。进一步地，步骤112具体包括：根据尺度空间理论，图像I0(x，y)的高斯尺度空间L(x，y，σ)表示为高斯函数G(x，y，σ)与原始图像I0的卷积，如下(2)式所示：L(x，y，σ)＝G(x，y，σ)*I0(x，y)，(2)其中则图像I0的高斯尺度空间等价于扩散方程(3)初值问题，即：扩散方程(3)有唯一解*表示卷积；利用有限差分理论，得到扩散方程初值问题的差分近似形式包括：对图像I0的支撑域Ω进行步长为h的离散得Ωd，引入以下差分量，得到扩散方程(3)的差分形式，进而建立RGB-D尺度空间，差分量的表达如下：其中和为简化符号；同理，定义类似，即：因此，引入拉普拉斯算子L的离散二阶微分算子，有以下差分方程(9)式：将(9)式写成矩阵形式，令，再由导数的定义，(9)式近似于为(10)式：(10)式中，τ为图像层间的尺度差，即τ＝σ(n+1)-σ(n)，由(10)式迭代求解，即可建立RGB-D尺度空间。进一步地，步骤114具体包括：为获取连续情况下的极值点，利用子像元插值法，精确定位特征点，其具体如下：步骤1141，令F(u，v)＝Af(u，v)，假设经上述极值检测得到的极值点为(u1，v1)，则在此极值点(u1，v1)处将F(u，v)Taylor展开，并求驻点得到偏移量步骤1142，根据偏移量中所有分量与0.5的大小关系定位特征点；为增强特征匹配稳定性和抗噪能力，筛除低对比度和边缘响应点，其具体如下：步骤1143，删除定位出的特征点中低对比度的特征点；步骤1144，删除定位出的特征点中的边缘响应点；步骤1145，经过步骤1143和步骤1144的筛选，保留下来的特征点即为RGB-D图像的稳定三维特征点。由于本专利技术利用了圆具有旋转不变性，通过选定以特征点为圆心，半径为预设值的多个同心圆区域为特征描述所需区域，这样在图像发生旋转时，特征点周围邻域内像素点会发生相应的改变，但同一个圆环内像素点的相对位置不变，因此，无需为特征点分配方向，就可以保证三维特征点具有旋转不变性，从而省去了为特征点分配方向的步骤，进而为构建特征描述子使用的特征描述算法的计算过程节省了大量的时间，为特征描述算法的实时性提供了有利条件本文档来自技高网...

【技术保护点】
一种基于RGB‑D图像的三维场景特征表达与高精度匹配方法，其特征在于，包括：步骤101，利用透视投影模型和尺度空间理论，检测并提取RGB‑D图像的三维特征点；步骤102，利用圆的旋转不变性，为每一个由步骤101获得的特征点选定以其为圆心的四个同心圆区域为此特征点所需的特征描述区域；步骤103，在由步骤102确定的每个圆环区域以及最里面的中心圆区域内分别计算像素点的梯度模值和方向，建立方向直方图；其中，“圆环区域”为相邻的两同心圆之间的环形区域；步骤104，利用步骤103得到的方向直方图，建立环形描述子，对每一个特征点进行特征描述，生成特征向量，并根据特征向量间的欧式距离匹配特征点。

【技术特征摘要】
1.一种基于RGB-D图像的三维场景特征表达与高精度匹配方法，其特征在于，包括：步骤101，利用透视投影模型和尺度空间理论，检测并提取RGB-D图像的三维特征点；步骤102，利用圆的旋转不变性，为每一个由步骤101获得的特征点选定以其为圆心的四个同心圆区域为此特征点所需的特征描述区域；步骤103，在由步骤102确定的每个圆环区域以及最里面的中心圆区域内分别计算像素点的梯度模值和方向，建立方向直方图；其中，“圆环区域”为相邻的两同心圆之间的环形区域；步骤104，利用步骤103得到的方向直方图，建立环形描述子，对每一个特征点进行特征描述，生成特征向量，并根据特征向量间的欧式距离匹配特征点。2.如权利要求1所述的基于RGB-D的场景三维特征表达与高精度匹配方法，其特征在于，步骤102具体包括：为保证三维特征点具有旋转不变性，利用圆的旋转不变性，为每个特征点选定以其为圆心，半径分别为2、4、6、8的四个同心圆区域为此特征点特征描述所需区域；当图像发生旋转时，特征点周围邻域内像素点会发生相应的改变，但同一个圆环内像素点的相对位置不变。3.如权利要求1所述的基于RGB-D的场景三维特征表达与高精度匹配方法，其特征在于，步骤103具体包括：将0°～360°均分为12个方向区间，分别在每个圆环区域内统计12个方向区间上的梯度累加值，建立方向直方图，方向直方图的横轴为梯度的方向，纵轴为方向对应的梯度模值加权累加值，其中权重函数为高斯函数，梯度模值和方向的计算公式如(13)式和(14)式所示：4.如权利要求1所述的基于RGB-D的场景三维特征表达与高精度匹配方法，其特征在于，步骤104具体包括：步骤1041，通过上述计算，特征点的四个同心圆环都分别对应一个方向直方图，由方向直方图中纵轴梯度模值加权累加值，每个圆环得到一个12维向量其中步骤1042，由内向外，取最里面中心圆的12维向量作为初始特征向量的第1～12个元素，取紧邻最里面的中心圆的第一个圆环的12维向量为特征向量的第13～24个元素，以此类推，即得RGB-D图像三维特征点的48维初始特征向量步骤1043，为保障旋转不变性，对初始特征向量Des进行排序：令标记出Φ的最大分量；若φ1是Φ中最大分量，则不对初始特征向量Des做任何处理；若φ1不是Φ的最大分量，假设φj＝max{φ1，φ2，…，φ11，φ12}，则将循环左移，直至位于的首位，即同时对进行与一致的循环左移，得排序后的初始特征向量：步骤1044，为增强匹配的鲁棒性，对特征点分配辅向量；步骤1045，为减少光照的影响，对初始特征向量进行尺度归一化处理，生成最终的特征描述向量；步骤1046，提取三维特征点并生成特征描述向量之后，将特征向量间的欧式距离作为相似性度量，匹配特征点。5.如权利要求4所述的基于RGB-D的场景三维特征表达与高精度匹配方法，其特征在于，步骤1044具体包括：若Φ的其它分量中有超过Φ最大分量80％的分量，则将按此分量循环左移，使其位于首位；该特征点就复制成多个特征点，这些特征点位置、尺度相同，初始特征向量不同。6.如权利要求4所述的基于RGB-D的场景三维特征表达与高精度匹配方法，其特征在于，步骤1045中的“对初始特征向量进行尺度归一化处理”具体如(15)式所示：7.如权利要求1至6中任一项所述的基于RGB-D的场景三维特征表达与高精度匹配方法，其特征在于，步骤101具体包括：步骤111，利用透视投影模型，给出RGB-D图像保三维几何结构的降维计算方法，得到场景在相机坐标系中的参数表示；步骤112，由扩散方程出发，利用有限差分与尺度空间理论，建立检测RGB-D图像三维特征点的RGB-D尺度空间；步骤113，在RGB-D尺度空间上极值检测，获取特征点的位置；以及步骤114，利用子像元插值法，精确定位特征点，并筛除低对比度和边缘响应点，增强特征匹配稳定性和抗噪能力。8.如权利要求7所述的基于RG...

【专利技术属性】
技术研发人员：邱钧，刘畅，吴丽娜，高姗，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：北京,11