一种危化品货物特征点匹配方法及系统技术方案

本发明专利技术涉及一种危化品货物特征点匹配方法及系统，该方法包括：获取待测量的危化品货物的左图像和右图像；采用SIFT算子分别检测左图像和右图像的特征点；对特征点进行聚类分析，确定SIFT匹配需要的阈值；根据阈值，对左图像和右图像的特征点进行初次匹配，得到多个匹配点对；去除错误的匹配点对，得到优化后的匹配点对集合。本发明专利技术提供的技术方案，采用SIFT算子检测左右图像的特征点，并通过DBSCAN密度聚类算法对特征点进行聚类分析，确定SIFT匹配需要的阈值，初匹配完成后，去除错误的匹配点对，得到优化后的匹配点对集合，以提高匹配准确率。DBSCAN密度聚类分析使得SIFT算法中固定阈值可变，大大提升了匹配率和准确率，为后续危化品仓储测距技术提供了保障。

A Method and System for Matching Characteristic Points of Dangerous Chemicals Goods

The present invention relates to a method and system for matching characteristic points of dangerous chemicals cargo. The method includes: acquiring left and right images of dangerous chemicals cargo to be measured; using SIFT operator to detect feature points of left and right images respectively; clustering analysis of feature points to determine the threshold needed for SIFT matching; and according to the threshold, matching left image with right image. The feature points of the image and the right image are matched for the first time to get multiple matching point pairs; the wrong matching point pairs are removed and the optimized set of matching point pairs is obtained. The technical scheme of the invention adopts SIFT operator to detect the feature points of left and right images, and uses DBSCAN density clustering algorithm to cluster the feature points to determine the threshold needed for SIFT matching. After the initial matching is completed, the wrong matching point pairs are removed and the optimized matching point pairs set is obtained to improve the matching accuracy. DBSCAN density clustering analysis makes the fixed threshold variable in SIFT algorithm, greatly improves the matching rate and accuracy, and provides a guarantee for the subsequent dangerous chemicals storage ranging technology.

【技术实现步骤摘要】
一种危化品货物特征点匹配方法及系统
本专利技术涉及危化品仓储测距
，具体涉及一种危化品货物特征点匹配方法及系统。
技术介绍
随着我国经济快速发展，危险化学品的生产和使用量不断增加。由于其易燃烧、易爆炸、易腐蚀等特点，存在严重的安全事故隐患。急需危化品仓库内部货物安全储存状态监测与预警。双目视觉三维测量的应用非常广泛，现有技术中有方案利用双目立体测距在非结构化环境中定位荔枝，提高荔枝自动化采集速率；另外，现有技术中还有技术方案采用基于双目立体视觉中视差原理定位方法，测量获得停靠在港口的游艇精确位置。危化品堆垛安全“5距”(跺距、墙距、柱距、灯距、梁距)是保证危险化学品存储安全的重要因素，基于此问题，提出了一种基于双目视觉的危化品堆垛测距监测系统，其中图像立体匹配算法的精度尤为重要。对于匹配问题，已有相关学者研究出各种检测方法。例如，有相关方案将SIFT特征和边缘特征点相结合的区域匹配方法，提高了特征点视差的计算精度，但是该方法计算任务大，影响实时性操作。有相关方案提出一种将SIFT和旋转不变LBP相结合的匹配方法，但该方法局限性较大，视角变化较大便有较大误差。FarajAlhwarin等人在匹配之前从测试和模型对象图像中提取的特征划分为多个子集合，基于不同频率域的不同八度音阶的特征，提高了匹配精准度与时间速度。危险化学品仓库堆垛的尺寸测量需要特征点进行精确的立体匹配，然而匹配效率受光照影响，当光照不足时特征点匹配率较低，而货物之间的特征点的特征相似，存在较多误匹配，并且货物本身特征点相似的特点，用一般的匹配算法并不能实现这一目标。
技术实现思路
有鉴于此，本专利技术的目的在于克服现有技术的不足，提供一种危化品货物特征点匹配方法及系统，以解决现有技术中危化品货物特征点匹配错误率高的问题。为实现以上目的，本专利技术采用如下技术方案：一种危化品货物特征点匹配方法，包括：步骤S1、获取待测量的危化品货物的左图像和右图像，并识别出所述左图像中的危化品货物所在区域及所述右图像中的危化品货物所在区域；步骤S2、采用SIFT算子分别检测所述左图像和右图像中的危化品货物所在区域的特征点；步骤S3、通过DBSCAN密度聚类算法，对所述特征点进行聚类分析，确定SIFT匹配需要的阈值；步骤S4、根据所述阈值，对所述所述左图像的特征点和右图像的特征点进行初次匹配，得到多个匹配点对；步骤S5、对所述多个匹配点对进行筛选，去除错误的匹配点对，得到优化后的匹配点对集合。优选地，所述获取待测量的危化品货物的左图像和右图像，包括：通过双目摄像头，获取待测量的危化品货物的左图像和右图像；其中，所述双目摄像头设置在面向待测量的危化品货物的方向，位于预设水平高度位置处，所述预设水平高度根据人体平均身高值确定。优选地，所述步骤S3，包括：步骤S31、通过DBSCAN密度聚类算法，分别对所述左图像的特征点及右图像的特征点进行聚类；步骤S32、分别判断所述左图像中聚类后的特征点的疏密程度，及所述右图像中聚类后的特征点的疏密程度；步骤S33、根据所述左图像中聚类后的特征点的疏密程度，及所述右图像中聚类后的特征点的疏密程度，确定SIFT匹配需要的阈值。优选地，所述步骤S31包括：对所述左图像的特征点及右图像的特征点，分别执行以下步骤：步骤S311、输入步骤S2所检测到的特征点及DBSCAN算法所需要两个参数值：扫描半径eps和最小包含点数minPts；步骤S312、任选一个未被访问的特征点，记为核心点h；步骤S313、判断所述核心点h与其距离在eps之内的所有特征点的数量是否小于minPts，若是，将所述核心点h标记为散点，返回步骤S312，否则，将所述核心点h与其邻域内的点归入到同一个簇C内，并将所述核心点h标记为已访问；步骤S314、任选所述簇C内的一个未被访问的特征点，记为核心点g；步骤S315、判断所述核心点g与其距离在eps之内的所有特征点的数量是否小于minPts，若是，将所述核心点g标记为已访问，返回步骤S314，否则，将所述核心点g与其邻域内的点归入到簇C内，并将所述核心点g标记为已访问，返回步骤S314直至所述簇C内所有的特征点被访问；步骤S36、若所述簇C内的所有特征点被标记为已访问，则认定所述簇C被充分地扩展，返回步骤S312，直至所有的特征点被访问。优选地，所述步骤S32包括：对所述左图像中聚类后的特征点及所述右图像中聚类后的特征点，分别执行以下步骤：步骤S321、定义参数maxpts；步骤S322、若任一被标记的特征点与其距离在eps之内的所有特征点的数量小于等于1，将该散点与其距离在eps之内的区域标记为噪点区；步骤S323、若任一被标记的特征点与其距离在eps之内的所有特征点的数量大于1小于minPts，将该散点与其距离在eps之内的区域标记为分散区；步骤S324、若任一被标记的特征点与其距离在eps之内的所有特征点的数量大于等于minPts小于maxpts，将该散点与其距离在eps之内的区域标记为较密集区；步骤S325、若任一被标记的特征点与其距离在eps之内的所有特征点的数量大于等于maxpts，将该散点与其距离在eps之内的区域标记为密集区。优选地，所述步骤S33包括：将所述左图像和右图像的密集区的SIFT匹配阈值选定为第一阈值；将所述左图像和右图像的较密集区的SIFT匹配阈值选定为第二阈值；将所述左图像和右图像的分散区的SIFT匹配阈值选定为第三阈值；将所述左图像和右图像的噪点区的SIFT匹配阈值选定为第四阈值；其中，所述第一阈值＞第二阈值＞第三阈值＞第四阈值，所述第一阈值、第二阈值、第三阈值和第四阈值根据实验值或者历史经验值进行确定。优选地，所述步骤S5，包括：步骤S51、采用自适应邻域的方法，对所述步骤S4输出的匹配点对进行筛选，去除错误的匹配点对；步骤S52、采用双向匹配法，对所述步骤S51输出的匹配点对进一步筛选，得到优化后的匹配点对集合。优选地，所述步骤S51包括：步骤S511、提取所述步骤S4得到的匹配点对的坐标，将其定义为一个集合D：D＝{[(a,b)(a',b')],[(a1,b1)(a1',b1')],…,[(ak,bk)(a'k,b'k)]}(1)步骤S512、在集合D中任意选取k个匹配点对坐标，1≤k，根据公式(2)计算k个匹配点对的横纵坐标差，分别存入数组diff_x和diff_y中：diff_x[0]＝a'-a,diff_x[1]＝a1'-a1,…,diff_x[k]＝a'k-akdiff_y[0]＝b'-b,diff_y[1]＝b1'-b1,…,diff_y[k]＝b'k-bk(2)步骤S513、确定误差值：根据公式(3)计算diff_x之间的差值dx和diff_y之间的差值dy；分别统计dx和dy在[-10，10]范围内的个数，若个数大于k/2，则定义选取的k个匹配点对的横纵坐标差的平均值为左图像和右图像的坐标误差值，分别记为min_x和min_y；如果小于等于k/2，则返回步骤步骤S512；步骤S514：比较所述k个匹配点对中任一匹配点对的右匹配点是否在左匹配点的邻域内：设左匹配点为p，坐标为(Px，Py)，p的邻域范围设定为[px+(min_x-20),py+(min_y-20)本文档来自技高网...

【技术保护点】
1.一种危化品货物特征点匹配方法，其特征在于，包括：步骤S1、获取待测量的危化品货物的左图像和右图像，并识别出所述左图像中的危化品货物所在区域及所述右图像中的危化品货物所在区域；步骤S2、采用SIFT算子分别检测所述左图像和右图像中的危化品货物所在区域的特征点；步骤S3、通过DBSCAN密度聚类算法，对所述特征点进行聚类分析，确定SIFT匹配需要的阈值；步骤S4、根据所述阈值，对所述所述左图像的特征点和右图像的特征点进行初次匹配，得到多个匹配点对；步骤S5、对所述多个匹配点对进行筛选，去除错误的匹配点对，得到优化后的匹配点对集合。

【技术特征摘要】
1.一种危化品货物特征点匹配方法，其特征在于，包括：步骤S1、获取待测量的危化品货物的左图像和右图像，并识别出所述左图像中的危化品货物所在区域及所述右图像中的危化品货物所在区域；步骤S2、采用SIFT算子分别检测所述左图像和右图像中的危化品货物所在区域的特征点；步骤S3、通过DBSCAN密度聚类算法，对所述特征点进行聚类分析，确定SIFT匹配需要的阈值；步骤S4、根据所述阈值，对所述所述左图像的特征点和右图像的特征点进行初次匹配，得到多个匹配点对；步骤S5、对所述多个匹配点对进行筛选，去除错误的匹配点对，得到优化后的匹配点对集合。2.根据权利要求1所述的方法，其特征在于，所述获取待测量的危化品货物的左图像和右图像，包括：通过双目摄像头，获取待测量的危化品货物的左图像和右图像；其中，所述双目摄像头设置在面向待测量的危化品货物的方向，位于预设水平高度位置处，所述预设水平高度根据人体平均身高值确定。3.根据权利要求1所述的方法，其特征在于，所述步骤S3，包括：步骤S31、通过DBSCAN密度聚类算法，分别对所述左图像的特征点及右图像的特征点进行聚类；步骤S32、分别判断所述左图像中聚类后的特征点的疏密程度，及所述右图像中聚类后的特征点的疏密程度；步骤S33、根据所述左图像中聚类后的特征点的疏密程度，及所述右图像中聚类后的特征点的疏密程度，确定SIFT匹配需要的阈值。4.根据权利要求3所述的方法，其特征在于，所述步骤S31包括：对所述左图像的特征点及右图像的特征点，分别执行以下步骤：步骤S311、输入步骤S2所检测到的特征点及DBSCAN算法所需要两个参数值：扫描半径eps和最小包含点数minPts；步骤S312、任选一个未被访问的特征点，记为核心点h；步骤S313、判断所述核心点h与其距离在eps之内的所有特征点的数量是否小于minPts，若是，将所述核心点h标记为散点，返回步骤S312，否则，将所述核心点h与其邻域内的点归入到同一个簇C内，并将所述核心点h标记为已访问；步骤S314、任选所述簇C内的一个未被访问的特征点，记为核心点g；步骤S315、判断所述核心点g与其距离在eps之内的所有特征点的数量是否小于minPts，若是，将所述核心点g标记为已访问，返回步骤S314，否则，将所述核心点g与其邻域内的点归入到簇C内，并将所述核心点g标记为已访问，返回步骤S314直至所述簇C内所有的特征点被访问；步骤S36、若所述簇C内的所有特征点被标记为已访问，则认定所述簇C被充分地扩展，返回步骤S312，直至所有的特征点被访问。5.根据权利要求4所述的方法，其特征在于，所述步骤S32包括：对所述左图像中聚类后的特征点及所述右图像中聚类后的特征点，分别执行以下步骤：步骤S321、定义参数maxpts；步骤S322、若任一被标记的特征点与其距离在eps之内的所有特征点的数量小于等于1，将该散点与其距离在eps之内的区域标记为噪点区；步骤S323、若任一被标记的特征点与其距离在eps之内的所有特征点的数量大于1小于minPts，将该散点与其距离在eps之内的区域标记为分散区；步骤S324、若任一被标记的特征点与其距离在eps之内的所有特征点的数量大于等于minPts小于maxpts，将该散点与其距离在eps之内的区域标记为较密集区；步骤S325、若任一被标记的特征点与其距离在eps之内的所有...

【专利技术属性】
技术研发人员：刘学君，袁碧贤，晏涌，魏宇晨，刘永旭，杨启思，秦姣姣，张哲闻，顾楚悦，戴波，
申请(专利权)人：北京石油化工学院，
类型：发明
国别省市：北京,11