一种视觉导航中的特征提取与匹配方法及系统技术方案

本发明专利技术提供一种视觉导航中的特征提取与匹配方法，采用二维最大熵阈值分割法提取出特征区域；将特征区域的外接方形区域进行图像归一化处理；将各个图像归一化处理后的外接方形区域作为待匹配的特征区域，得到特征点的特征向量，将第一幅图像中的每个特征区域内的各个特征点与第二幅图像中的每个特征区域内的特征点进行匹配，获取匹配点的个数，选择匹配点的个数最多的两个特征区域作为匹配区域，其中匹配的特征点作为匹配特征点。该方案中通过特征点的匹配来获取匹配点的数量，以该数量作为筛选条件，获得匹配点最多的特征区域完成了特征区域的匹配，更进一步得到实际匹配对，增加了纹理细密且单一的导航图像在发生切变等仿射变换条件下的匹配点。

【技术实现步骤摘要】
【专利摘要】本专利技术提供一种视觉导航中的特征提取与匹配方法，采用二维最大熵阈值分割法提取出特征区域；将特征区域的外接方形区域进行图像归一化处理；将各个图像归一化处理后的外接方形区域作为待匹配的特征区域，得到特征点的特征向量，将第一幅图像中的每个特征区域内的各个特征点与第二幅图像中的每个特征区域内的特征点进行匹配，获取匹配点的个数，选择匹配点的个数最多的两个特征区域作为匹配区域，其中匹配的特征点作为匹配特征点。该方案中通过特征点的匹配来获取匹配点的数量，以该数量作为筛选条件，获得匹配点最多的特征区域完成了特征区域的匹配，更进一步得到实际匹配对，增加了纹理细密且单一的导航图像在发生切变等仿射变换条件下的匹配点。【专利说明】一种视觉导航中的特征提取与匹配方法及系统
本专利技术涉及一种图像分析及处理方法，具体地说是一种视觉导航中的特征提取与匹配方法。
技术介绍
导航是指运动体按照预先给定的任务命令，根据已知的地图信息做出全局路径规划，并在行进过程中，不断感知周围的局部环境信息，做出各种决策，随时调整自身的姿态与位置，引导自身安全行驶，直至目标位置。惯性导航方式是最常见的导航方式，但是由于本身器件固有精度限制及外界环境影响会有一定误差存在，并会在导航过程中累加并影响最终结果，尤其对于内部湿滑或含有物料的管道，极易因为打滑而导致位置估计错误，从而无法正确定位事故点。而对于无人机及小行星探测器，外界环境对惯性导航的干扰也是一项不可忽略的问题。 视觉导航具有功耗小、信息量大的特点，可以避免惯性导航自身及外在影响所导致的误差。视觉导航是采用CCD摄像头拍摄路面图像，运用机器视觉等相关技术识别路径，实现自动导航的一种新兴导航方法。视觉导航依据视觉图像，利用图像处理、计算机视觉、模型识别等相关技术获取运动体的运动信息和空间位置信息。由于视觉导航通常采用被动工作方式，设备简单、成本低、经济性好、应用范围较广，在理论上具有最佳引导柔性，因此近年来发展非常迅速实现导航。 视觉导航既适用于室内环境，也适用于室外环境，两者都必须区分探测目标与背景。为了将障碍与背景分开，所需的图像计算量很大，导致系统的实时性较差。可采用一些图像处理方法，其中包括:使用Hough变换从图像中提取直线形式的道路边界，并通过对比探测到的道路信息与机器人内部存储的地图，修正偏差，实现导航，这种方法可以提高导航的鲁棒性。也可以把图像分解成为目标、背景、平地、不平地四类，并根据分解后的结果，将环境信息归类于平原模式和目标模式，然后针对不同的模式采用不同的环境表示方法和导航方式。 现有视觉导航主要分为两种方法:一种是利用人工设置的路标，如车辆自动驾驶、机器人自主寻径等，这种方法需要视觉环境中存在人为设置的路标，而对于经常磨损的管道、无人进入的戈壁和外太空来说，人为设置路标不能实现。另一种是直接对视觉图像进行分析，提取自然场景特征并进行匹配。这种方法对所拍摄图像内容没有严格路标要求，但希望其能对图像间的分辨率差异、仿射变换、亮度变化有一定的不变性。 当前的视觉导航中的特征提取与匹配方法主要分为两种:一种是对特征区域进行匹配，一种是对特征点进行匹配。特征区域匹配方法即从图像中提取有特点的区域进行匹配:使用阈值分割、迭代法、熵方法等方法将特征区域提取出来，使用相关匹配等方法对特征区域进行匹配。对于特征区域来说，所占像素越多，形状越丰富，匹配效果越好，但是在固定大小的图像中这样的特征区域数量有限，出现匹配错误所带来的误差不可忽略。同时切变等仿射变换将会改变特征区域形状，将会出现大量匹配错误。特征点匹配方法即使用角点匹配方法提取出图像中的颜色突变点并匹配，或使用SURF、SIFT等方法，提取出图像中函数最小值的像素点并进行匹配。这些方法得到大量的匹配点，但当遇到仿射变换尤其是切变等仿射变换会使匹配点大量减少，相对于特征区域匹配的优势无法明显体现出来。 中国专利文献CN103226820A中公开了一种改进的二维最大熵分割夜视图像融合目标检测算法，首先通过对二维直方图的改进，选取权值利用该直方图计算最大熵和对红外和微光图像分割，但是二维最大熵阈值分割法适用于目标占整体图像像素较多并且目标与背景有较大差异的图像，对于管道内部、戈壁、小行星表面的图像，目标较小，纹理与背景相似，分割后的结构噪声较大，导致匹配错误率较高。 在中国专利文献CN102722731A中公开了一种基于改进SIFT算法的高效图像匹配方法，利用SIFT算子对输入的参考图像和待匹配图像进行特征点提取，结合Harris算子对SIFT提取的特征点进行优化以筛选具有代表性的角点作为最终的特征点，对SIFT特征描述符进行降维处理，获取参考图像和待匹配图像的64维特征向量描述符，利用最近邻/次紧邻算法对参考图像和待匹配图像进行初始匹配，并采用随机采样一致性算法剔除其中的错误匹配，从而实现图像的精匹配。但是对于纹理细密且单一的导航图像会发生切变等仿射变换，降低了匹配精度。
技术实现思路
为此，本专利技术所要解决的技术问题在于现有的特征提取即匹配方法对于纹理与背景相似的图像分割后噪声大、匹配精度低的技术问题，从而提出一种适用于纹理与背景相似的图像的特征提取与匹配方法。 为解决上述技术问题，本专利技术的提供一种视觉导航中的特征提取与匹配方法，包括如下步骤: 采用二维最大熵阈值分割法提取出特征区域； 将提取后的特征区域的外接方形区域进行图像归一化处理； 将各个图像归一化处理后的外接方形区域作为待匹配的特征区域，采用SIFT算法得到特征点的特征向量，将第一幅图像中的每个特征区域内的各个特征点与第二幅图像中的每个特征区域内的特征点进行匹配，获取匹配点的个数，选择匹配点的个数最多的两个特征区域作为匹配区域，其中匹配的特征点作为匹配特征点。 优选地，所述采用二维最大熵阈值分割法提取出特征区域后，还包括:过滤掉包含的像素点小于预设阈值的特征区域。 优选地，采用二维最大熵阈值分割法提取出特征区域的过程中，包括: 将每个像素点和其相邻像素点作为一个邻域； 计算邻域内的像素均值，形成像素-均值对，建立二维函数； 根据二维函数点的位置进行噪声去除； 计算属于目标或背景区域的像素的熵值并使其最大，得出分割阈值。 优选地，根据二维函数点的位置进行噪声去除的过程包括: 对于远离对角线的二维函数点，像素点和邻域均值差值较大，该像素点相对于周围邻域像素点来说为突变像素点，将其忽略。 优选地，将提取后的特征区域进行图像归一化处理的过程为将分割后的特征区域的外接方形使用归一化方法进行归一化处理，包括: 计算方形的重心，移动重心，消除位移所带来的影响； 将图像沿X方向进行切变，消除X方向的切变影响； 将图像沿y方向进行切变，消除y方向的切变影响； 将图像沿xy方向进行切变，消除缩放带来的影响。 优选地，采用SIFT算法得到特征点的特征向量的过程，包括 获取特征点，然后对所述特征点进行筛选，得到有效特征点； 统计该特征点周围图像的梯度，形成梯度方向直方图； 生成特征向量。 优选地，进行匹配时以各特征向量的欧式距离来作为相似性的判定度量。 另外，一种视觉导航中的特征提取与匹配系统，本文档来自技高网...

【技术保护点】
一种视觉导航中的特征提取与匹配方法，其特征在于，包括如下步骤：采用二维最大熵阈值分割法提取出特征区域；将提取后的特征区域的外接方形区域进行图像归一化处理；将各个图像归一化处理后的外接方形区域作为待匹配的特征区域，采用SIFT算法得到特征点的特征向量，将第一幅图像中的每个特征区域内的各个特征点与第二幅图像中的每个特征区域内的特征点进行匹配，获取匹配点的个数，选择匹配点的个数最多的两个特征区域作为匹配区域，其中匹配的特征点作为匹配特征点。

【技术特征摘要】

【专利技术属性】
技术研发人员：刘振强，张玉，李新生，范力遥，董启强，钟根元，丁飞，王峰，张培林，苑晓微，蒋丽，杨志，杜岩，
申请(专利权)人：北京国电富通科技发展有限责任公司，
类型：发明
国别省市：北京;11