一种视觉定位中基于衡量因子的图像特征点误匹配剔除方法技术
A method of mismatching and elimination of image feature points based on measurement factors in visual location
【技术实现步骤摘要】
一种视觉定位中基于衡量因子的图像特征点误匹配剔除方法
本专利技术涉及图像特征点误匹配剔除方法。
技术介绍
现有的图像特征点误匹配剔除算法一般采用RANSAC算法。RANSAC算法(如图3)：由于特征点提取时存在一定的精度误差，提取出的特征点会比求解方程式所需的多很多。另外，自动提取和匹配得到的匹配点集中也难免存在一些误匹配点，因此需要一种容错能力很强的算法来优化匹配点集。本文使用RANSAC算法剔除匹配质量较差的点。RANSAC算法要求在一定的置信概率P(一般设为0.99)下，L组抽样中至少有一组数据全是内点，L可由式(3)求得。其中ε为内点所占的比例，m为计算模型参数所需最小数据量。在用RANSAC算法求解变换矩阵时要判断一对匹配点是否为符合模型的内点。指定一个阈值δ，当对应匹配点的对称变换误差d小于该阈值时，认为这对匹配点是符合模型的内点。RANSAC算法的具体步骤如下：(1)随机选择求解单应性矩阵的4对特征点，计算当前的参数矩阵Hi；(2)对由特征匹配得到的假定对应点，使用Hi计算其对称变换误差d，统计误差d＜δ的内点的个数e；(3)若e＞E，或者e＝E(E...
【技术保护点】
一种视觉定位中基于衡量因子的图像特征点误匹配剔除方法，其特征在于：所述方法具体过程为：步骤一：离线阶段：采集视频，记录视频中图像信息以及图像所处地理位置坐标，根据图像信息以及图像所处地理位置坐标建立数据库；步骤二：用SURF算法提取数据库中图像的特征信息，将特征信息进行K‑means聚类，聚类后对每张图像编码产生对应的视觉直方图，用支持向量机对视觉直方图进行训练，得到训练好的分类器；SURF算法为加速稳健特征算法；K‑means为K均值聚类；步骤三：在线阶段：用训练好的分类器对用户输入图像进行分类，将分类后的用户输入图像与数据库中对应类别图像用SURF算法进行特征点提取，根...
【技术特征摘要】
1.一种视觉定位中基于衡量因子的图像特征点误匹配剔除方法，其特征在于：所述方法具体过程为：步骤一：离线阶段：采集视频，记录视频中图像信息以及图像所处地理位置坐标，根据图像信息以及图像所处地理位置坐标建立数据库；步骤二：用SURF算法提取数据库中图像的特征信息，将特征信息进行K-means聚类，聚类后对每张图像编码产生对应的视觉直方图，用支持向量机对视觉直方图进行训练，得到训练好的分类器；SURF算法为加速稳健特征算法；K-means为K均值聚类；步骤三：在线阶段：用训练好的分类器对用户输入图像进行分类，将分类后的用户输入图像与数据库中对应类别图像用SURF算法进行特征点提取，根据提取的特征点将分类后的用户输入图像与数据库中对应类别图像进行匹配，得到匹配后的标出特征点的两张图像；用户输入图像和数据库中图像在同一采集环境中采集；步骤四：应用改进的RANSAC算法，将匹配后的标出特征点的两张图像进行误匹配特征点对剔除，得到剔除误匹配特征点对后的用户输入图像和数据库图像；RANSAC算法为随机抽样一致性算法；步骤五：利用对极几何以及步骤四得到的剔除误匹配特征点对后的数据库图像所处地理位置坐标，对步骤四得到的剔除误匹配特征点对后的用户输入图像进行定位。2.根据权利要求1所述一种视觉定位中基于衡量因子的图像特征点误匹配剔除方法，其特征在于：所述步骤四中应用改进的RANSAC算法，将匹配后的标出特征点的两张图像进行误匹配特征点对剔除，得到剔除误匹配特征点对后的用户输入图像和数据库图像；具体过程为：步骤四一、设定一个衡量因子其中ri表示用户输入图像中第i个特征点与数据库图像中所有特征点的最小欧式距离与次小欧氏距离的比值，di,min表示用户输入图像中第i个特征点与数据库图像中所有特征点的最小...
【专利技术属性】
技术研发人员：马琳，谭竞扬，谭学治，杨浩，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江,23
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。