The invention discloses a visual navigation method based on fast feature point extraction and meshing triangle constraint, which includes the following steps: acquiring continuous video frame sequence images, extracting feature points in adjacent two frame images; meshing the extracted adjacent two frame images; constructing 6-dimensional shape descriptor and 32-dimensional region descriptor for each triangle, and obtaining 38-dimensional region descriptor from each triangle. Feature vectors composed of dimension mixed descriptors; matching feature vectors of triangles corresponding to meshing partition; selecting feature points with significant characteristics through central point clustering method; eliminating feature points with mismatching; eliminating motion feature points with epipolar geometric constraints; obtaining effective feature point pairs; completing the final motion model solution, obtaining visual navigation solution Location results. The invention provides a solution for robot vision navigation and positioning in indoor environment, and has the advantages of fast feature point extraction and high matching rate.
【技术实现步骤摘要】
基于快速特征点提取及网格化三角形约束的视觉导航方法
本专利技术涉及视觉导航及图像处理的
，具体涉及基于快速特征点提取及网格化三角形约束的视觉导航方法。
技术介绍
在机器人自主导航与定位领域，应用最广泛的方法是依赖于GPS和惯性系统的导航方式，而随着科技的飞速发展，也逐渐诞生了很多新兴的导航方式，例如视觉导航。近几年随着机器视觉技术的飞速发展，越来越多的机器人开始使用机器视觉进行自主避障和路径规划。根据以往的导航方式，机器人大多采用GPS方式进行定位和导航。但在室内导航领域，GPS信号很难穿透厚实的墙体来为机器人进行信号传输，这会导致导航的实时性和精确性受到严重影响。此外，在室内环境中，惯性方式的导航所产生的漂移也很容易对导航结果造成严重的偏差，因此，视觉导航是室内环境下较合适的导航定位方式并在逐渐推广应用。视觉导航中图像的特征点提取与匹配是非常重要的实现环节，而图像特征点一般都在多尺度下检测，因此会造成许多位置和尺度非常接近的点，从而出现特征点聚集现象，形成冗余特征点，增加误匹配的概率。为了解决这一问题，设计有效的特征点筛选丰富，本专利技术提供了一种基于快速...
【技术保护点】
1.基于快速特征点提取及网格化三角形约束的视觉导航方法，其特征在于，包括以下步骤：步骤1，采集连续视频帧序列图像，读取相邻两帧彩色图像并进行灰度化处理，通过快速特征点提取算法提取相邻两帧图像中的特征点，对提取的特征点进行预匹配；步骤2，对提取的相邻两帧图像进行网格化划分，在每个网格内利用Delaunay算法对提取的特征点进行三角剖分，通过检测特征点之间的距离剔除边长过大或过小的三角形，得到三角形网络；步骤3，对三角形网络中每个三角形构建6维形状描述子及32维区域描述子，得到由每个三角形的38维混合描述子组成的特征向量；步骤4，对步骤3构建的相邻两帧图像网格化划分对应三角形的...
【技术特征摘要】
1.基于快速特征点提取及网格化三角形约束的视觉导航方法，其特征在于，包括以下步骤：步骤1，采集连续视频帧序列图像，读取相邻两帧彩色图像并进行灰度化处理，通过快速特征点提取算法提取相邻两帧图像中的特征点，对提取的特征点进行预匹配；步骤2，对提取的相邻两帧图像进行网格化划分，在每个网格内利用Delaunay算法对提取的特征点进行三角剖分，通过检测特征点之间的距离剔除边长过大或过小的三角形，得到三角形网络；步骤3，对三角形网络中每个三角形构建6维形状描述子及32维区域描述子，得到由每个三角形的38维混合描述子组成的特征向量；步骤4，对步骤3构建的相邻两帧图像网格化划分对应三角形的特征向量进行匹配，计算两帧图像对应网格内两两三角形特征向量的欧式距离，利用欧式距离最小值与次小值的比值作为衡量匹配度的标准；步骤5，根据步骤4的匹配结果提取对应的匹配特征点对，通过中心点聚类方法选取具有显著特性的特征点，在空间分布上对特征点进行聚类处理，滤除部分无效特征点；步骤6，根据改良随机抽样一致算法剔除步骤5选取的显著特性特征点中错误匹配的特征点，利用极线几何约束剔除运动特征点，获得有效可用特征点对；步骤7，将获得的有效可用特征点对带入后续运动估计参数计算，完成最终的运动模型求解，对采集的连续帧图像进行步骤1～步骤6所述的特征点处理工作，获得视觉导航解算的位置结果。2.根据权利要求1所述的方法，特征在于，步骤1包括如下步骤：步骤1-1，从采集的室内图像中读取相邻两帧彩色图像并进行灰度化处理，处理后的这两帧图分别记为g1和g2；步骤1-2，通过快速特征点提取算法分别对g1和g2进行特征点检测，得到g1的特征点数组ps1和g2的特征点数组ps2；步骤1-3，对提取的特征点进行预匹配：分别搜索确定数组ps1中的特征点i在数组ps2中匹配的特征点j，以及数组ps2中的特征点j在数组ps1中匹配的特征点q，如果数组ps1中的特征点i与数组ps2中特征点j在数组ps1匹配的特征点q为同一像素点，则预匹配成功，否则预匹配失败，当ps1和ps2中的所有点遍历处理完后则完成预匹配，获得预匹配特征点。3.根据权利要求2所述的方法，特征在于，步骤1-2包括如下步骤：按照从上到下、从左到右的顺序依次判别图像中各像素点是否为特征点，判别依据为：以待判别的像素点p为圆心，以3个像素为半径构建一个离散圆，离散圆上共有16个像素点，分别按顺时针方向依次记为点1～点16，其中位于点p右侧三像素位置记为点2，位于点p下方三像素位置记为点6，位于点p左侧三像素位置记为点10，位于点p上方三像素位置记为点14；首先判别点2和点10的灰度值是否满足以下条件，g1(2)＜g1(p)-h或g1(2)＞g1(p)+hg1(10)＜g1(p)-h或g1(10)＞g1(p)+h如果点2和10均不满足以上条件，则直接判定p点不为特征点；否则再判别点6和14的像素点的灰度值是否满足以下条件，g1(6)＜g1(p)-h或g1(6)＞g1(p)+hg1(14)＜g1(p)-h或g1(14)＞g1(p)+hg1(2)，g1(10)，g1(6)，g1(14)，g1(p)分别为g1灰度图点2，10，6，14，p处的灰度值，h为检测阈值；如果点2，10，6，14中存在3个以上的点满足以上判别条件，则进行以下判别，否则直接判定p点不为特征点：按照点1～点16的顺序判别是否有连续9个像素点的灰度值小于g1(p)-h或大于g1(p)+h，...
【专利技术属性】
技术研发人员：谢非，黄天胤，钱伟行，刘文慧，霍丽颖，沈世斌，张雷，刘益剑，张亮，夏邵君，
申请(专利权)人：南京师范大学镇江创新发展研究院，
类型：发明
国别省市：江苏,32
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。