一种图像匹配方法及系统技术方案

针对现有仿生视觉导航中基于特征图像匹配方法复杂的问题，本发明专利技术提供一种图像匹配方法及系统，属于智能仿生视觉导航领域。本发明专利技术包括：摄像机设置在载体上，实时获取载体移动中摄像机拍摄的一张图像或视频帧，作为实时图像，将与所述实时图像相邻的前一张图像或视频帧作为基准图像；分别将实时图像和基准图像分成上下两部分远景A和近景B，根据实时图像相对基准图像的远景A的扫描强度矢量的左右平移量，获取载体的姿态旋转角度；根据实时图像相对基准图像的近景B的扫描强度矢量的上下平移量，获取载体的移动位移；根据拍摄基准图像时的载体的位置、获取的载体姿态旋转角度和移动位移，确定拍摄基准图像时的载体的位置。

An Image Matching Method and System

Aiming at the complex problem of feature-based image matching method in existing bionic visual navigation, the present invention provides an image matching method and system, which belongs to the field of intelligent bionic visual navigation. The present invention includes: the camera is set on the carrier to acquire a real-time image or video frame captured by the camera in the carrier movement, as a real-time image, and the first image or video frame adjacent to the real-time image as a reference image; the real-time image and the reference image are separated into two parts: the upper and lower parts of the vision A and the near-field B, respectively, according to the real-time image relative to the vision A of the reference image. The left and right translation of the scanning intensity vector is used to obtain the attitude rotation angle of the carrier; the moving displacement of the carrier is obtained according to the up and down translation of the scanning intensity vector of the close-range B of the real-time image relative to the reference image; and the position of the carrier is determined according to the position of the carrier when the reference image is taken, the attitude rotation angle and the moving displacement of the carrier obtained.

【技术实现步骤摘要】
一种图像匹配方法及系统
本专利技术涉及一种仿生视觉导航中的图像匹配方法及系统，属于智能仿生视觉导航领域。
技术介绍
仿生视觉导航是仿生学和工程科学的交叉产物，未来智能车辆、无人机、机器人等交通工具或运输工具会对导航系统有着适用性更广、灵活度更高、路径规划更实时、更智能等方面上的要求，因此，开展对于无依托高精度全自主仿生导航的研究是必要而迫切的。仿生导航理论的来源是大鼠脑内导航细胞主要由网格细胞、位置细胞和方向细胞等导航细胞组成，通过它们的协调作用进行导航，所以仿生导航的本质就是模拟动物的信息获取功能和信息处理方式。根据这个原理，澳大利亚昆士兰理工大学的两位教授在总结前人的基础上，对老鼠大脑导航细胞进行数学建模，模拟大鼠视觉信息构建了一个可以在线定位与构图的RatSLAM仿生视觉导航算法，并利用纯视觉信息，通过66km的户外跑车实验验证了算法的可行性。从仿生导航信息处理研究角度看，国外相关学者研究的更多是磁场、偏振光等信息的信息处理方式。如Hrabar等人针对城市楼宇障碍复杂的问题提出了仿照昆虫视觉感光，通过光流来规避绕飞城市障碍的UAV导航系统；Turk等人针对路面跟踪这一问题，采用彩色摄像机和激光测距仪为543传感器进行视觉导航。最有代表性的组合仿生视觉导航应用成果有Krotkov和Herbert开发的自动全地形月面探测车和1997年着陆的火星探路者，前者通过双目视觉器、罗盘、陀螺仪等设备的组合运用使系统在未知领域可靠工作了很长时间，很好的完成了科学任务，而后者通过建立三维地图，自主设计行进路线并对路障进行规避，也圆满完成了对火星表面的探测任务。现有的仿生视觉导航模型或算法均是依托于载体周围景物在CCD的成像为研究对象，生物也是以“图像”为记忆对象的。若对大脑的记忆网络进行仿真以求获得图形库的话，以全景记忆为记忆对象显然会使计算机成本变高，因此，一些研究人员正在想办法使仿生视觉导航记忆库数据量减小。2014年穆荣军等研究者对探月飞行器着陆光学自主导航的特征图形匹配方法进行了研究，该方法是通过检测载体拍摄的月面图像景物的边缘，将边缘标记后进行配对处理，从而提取特征点，然后用提取的特征点与载体自身携带的月面特征点数据库进行图形匹配从而判断载体所处的位置和速度，进行导航。这种方法的优越性是将特征图像转换为特征图形，信息比较稳定，不易受光学影响，减小了计算量和存储量，提高了解算精度，缺点是舍弃了一部分信息。从实用性上看，为使智能车辆、无人机等载体更灵活，算法周期必须要缩短，因此把特征图像匹配变为特征图形匹配将是仿生视觉导航发展的一个重要方向，但是这种方法常需要复杂的运算以抽取特征，方法复杂度高，不易于实现。
技术实现思路
针对现有仿生视觉导航中基于特征图像匹配方法复杂的问题，本专利技术提供一种图像匹配方法及系统。本专利技术的一种图像匹配方法，所述方法包括：S1、实时获取载体移动中摄像机拍摄的一张图像或视频帧，作为实时图像，将与所述实时图像相邻的前一张图像或视频帧作为基准图像，将实时图像和基准图像转换为灰度图，摄像机设置在载体上；S2、分别将实时图像和基准图像分成上下两部分A和B，A表示远景，B表示近景；S3、分别获取实时图像和基准图像的远景A的灰度强度矩阵，分别获得实时图像和基准图像的远景A的扫描强度矢量，获取实时图像相对基准图像的远景A的扫描强度矢量的左右平移量，并将该左右平移量转化为拍摄基准图像到拍摄实时图像过程中载体的旋转角度，即：载体的姿态旋转角度；扫描强度矢量为将对应灰度强度矩阵中每一列像素的灰度相加获得的矢量矩阵，所述扫描强度矢量用于表示图像中景物的分布情况；S4、分别获取实时图像和基准图像的近景B的灰度强度矩阵，分别获得实时图像和基准图像的近景B的扫描强度矢量，获取实时图像相对基准图像的近景B的扫描强度矢量的上下平移量，并将该上下平移量转化为拍摄基准图像到拍摄实时图像过程中载体的移动位移，即：载体的移动位移；S5、根据拍摄基准图像时的载体的位置、S3中获取的载体的姿态旋转角度和S4中获取的载体的移动位移，确定拍摄基准图像时的载体的位置。优选的是，所述S3中，实时图像和基准图像的远景A的扫描强度矢量分别为Ij和Ik，实时图像和基准图像的远景A的扫描强度矢量的左右平移量为：f(s1,Ij,Ik,v)＝sum|Ij(v+1,end-v)-Ik(v+1+s1,end-v+s1)|,s1∈(-p,p)；s1表示进行比较的强度平移的像素列数，v表示像素的维数，分别在扫描强度矢量Ij和Ik的两端去掉维数为v的数组，(-p,p)表示扫描的强度差值的取值范围内；将s1在(-p,p)内遍历取值计算f，可得minf(s,Ij,Ik,v)，并找出对应的s1的最小值smA，作为角度特征值，载体的姿态旋转角度Δθ＝σA·smA，σA为导航角度经验常值。优选的是，所述S4包括：S41、获取实时图像和基准图像的近景B的灰度强度矩阵；S42、计算实时图像灰度强度矩阵最后S0行的扫描强度矢量c；S43、计算基准图像的灰度强度矩阵end-s2至end-s2+s0行的扫描强度矢量d，s2表示载体瞬时移动引起的景物在图像上后移的像素行数；S44、获取c和d的差值z，根据差值z最小求取载体的移动位移。优选的是，所述S44中，差值z为：s2∈(1,q)q＜＜a/2Im表示实时图像的近景B的灰度强度矩阵，In表示基准图像的近景B的灰度强度矩阵，下标i和j分别表示矩阵中的行和列；a表示实时图像/基准图像的像素行数，b表示实时图像/基准图像的像素列数，q表示由车速决定的像素行数阈值；K是由于景物的近大远小特性而产生的前后两张图像同一场景缩放差异；将s2在(1,q)内遍历取值计算z，可得minz(Im,In,s2,s0)，并找出对应的s2最小值smA，作为距离特征值，载体的移动位移Δs＝min[σB·smB,xmax]，σB为导航位移经验常值，xmax表示最大位移的阈值。优选的是，所述S5包括：拍摄基准图像时的载体的位置坐标为xi和yi，θi表示载体从初始状态到拍摄基准图像的姿态旋转角度；根据当前获得的载体的移动位移Δx和姿态旋转角度Δθi，获得载体当前位置：xi+1＝xi+Δx·cos(θi+Δθi)yi+1＝yi+Δx·sin(θi+Δθi)θi+1＝θi+Δθi本专利技术还包括一种计算机可读的存储设备，所述存储设备存储有计算机程序，所述计算机程序被执行时实现如上述任一图像匹配方法。本专利技术还包括一种图像匹配系统，包括存储设备、处理器以及存储在所述存储设备中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序实现如上述图像匹配方法。本专利技术的有益效果，本专利技术定义了视觉信息处理的对象扫描强度矢量，根据载体运动对扫描强度矢量的影响，基于近景远景对运动位移和方向的敏感度不同而创建的仿生信息获取方式，简化了抽取特征的运算，根据位移和方向匹配实时图像与基准图像，本专利技术的图像匹配指确定实时图像和基准图像间的平移关系和旋转角度关系，还可以确定实时图像的某一图像区域在图形库中的位置的方法。附图说明图1为扫描强度矢量示意图；图2为扫描强度矢量代表景物分布情况的示意图；图3为相邻两张远景图像的扫描强度矢量分布情况；图4为相邻两张近景图像的扫描强度矢量分布情况；本文档来自技高网...

【技术保护点】
1.一种图像匹配方法，其特征在于，所述方法包括：S1、实时获取载体移动中摄像机拍摄的一张图像或视频帧，作为实时图像，将与所述实时图像相邻的前一张图像或视频帧作为基准图像，将实时图像和基准图像转换为灰度图，摄像机设置在载体上；S2、分别将实时图像和基准图像分成上下两部分A和B，A表示远景，B表示近景；S3、分别获取实时图像和基准图像的远景A的灰度强度矩阵，分别获得实时图像和基准图像的远景A的扫描强度矢量，获取实时图像相对基准图像的远景A的扫描强度矢量的左右平移量，并将该左右平移量转化为拍摄基准图像到拍摄实时图像过程中载体的旋转角度，即：载体的姿态旋转角度；扫描强度矢量为将对应灰度强度矩阵中每一列像素的灰度相加获得的矢量矩阵，所述扫描强度矢量用于表示图像中景物的分布情况；S4、分别获取实时图像和基准图像的近景B的灰度强度矩阵，分别获得实时图像和基准图像的近景B的扫描强度矢量，获取实时图像相对基准图像的近景B的扫描强度矢量的上下平移量，并将该上下平移量转化为拍摄基准图像到拍摄实时图像过程中载体的移动位移，即：载体的移动位移；S5、根据拍摄基准图像时的载体的位置、S3中获取的载体的姿态旋转角度和S4中获取的载体的移动位移，确定拍摄基准图像时的载体的位置。...

【技术特征摘要】
1.一种图像匹配方法，其特征在于，所述方法包括：S1、实时获取载体移动中摄像机拍摄的一张图像或视频帧，作为实时图像，将与所述实时图像相邻的前一张图像或视频帧作为基准图像，将实时图像和基准图像转换为灰度图，摄像机设置在载体上；S2、分别将实时图像和基准图像分成上下两部分A和B，A表示远景，B表示近景；S3、分别获取实时图像和基准图像的远景A的灰度强度矩阵，分别获得实时图像和基准图像的远景A的扫描强度矢量，获取实时图像相对基准图像的远景A的扫描强度矢量的左右平移量，并将该左右平移量转化为拍摄基准图像到拍摄实时图像过程中载体的旋转角度，即：载体的姿态旋转角度；扫描强度矢量为将对应灰度强度矩阵中每一列像素的灰度相加获得的矢量矩阵，所述扫描强度矢量用于表示图像中景物的分布情况；S4、分别获取实时图像和基准图像的近景B的灰度强度矩阵，分别获得实时图像和基准图像的近景B的扫描强度矢量，获取实时图像相对基准图像的近景B的扫描强度矢量的上下平移量，并将该上下平移量转化为拍摄基准图像到拍摄实时图像过程中载体的移动位移，即：载体的移动位移；S5、根据拍摄基准图像时的载体的位置、S3中获取的载体的姿态旋转角度和S4中获取的载体的移动位移，确定拍摄基准图像时的载体的位置。2.根据权利要求1所述的图像匹配方法，其特征在于，所述S3中，实时图像和基准图像的远景A的扫描强度矢量分别为Ij和Ik，实时图像和基准图像的远景A的扫描强度矢量的左右平移量为：f(s1,Ij,Ik,v)＝sum|Ij(v+1,end-v)-Ik(v+1+s1,end-v+s1)|,s1∈(-p,p)；s1表示进行比较的强度平移的像素列数，v表示像素的维数，分别在扫描强度矢量Ij和Ik的两端去掉维数为v的数组，(-p,p)表示扫描的强度差值的取值范围内；将s1在(-p,p)内遍历取值计算f，可得minf(s,Ij,Ik,v)，并找出对应的s1的最小值smA，作为角度特征值，载体的姿态旋转角度Δθ＝σA·smA，σA为导...

【专利技术属性】
技术研发人员：穆荣军，吴鹏，刘丽丽，孙绪尧，
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