一种特征点提取算法的评价系统与方法技术方案

本申请提出了一种特征点提取算法的评价方法的方法和电子设备，其中该方法应用于所述电子设备，所述方法包括：获取多组图片中每张图片的特征点，每组图片包括同一地点不同光照条件下的至少两张图片，所述特征点由同一种特征点提取算法根据同一特征提取规则提取获得。根据所述每张图片中的所述特征点，确定所述每组图片的总体特征点分布。根据所述每组图片的总体特征点分布，确定所述特征点提取算法的光照鲁棒性得分。

An Evaluation System and Method for Feature Point Extraction Algorithms

【技术实现步骤摘要】
一种特征点提取算法的评价系统与方法
本申请涉及计算机视觉领域，具体而言，涉及一种特征点提取算法的评价系统与方法。
技术介绍
随着计算机视觉技术的发展，利用特征点提取算法提取的特征点在进行视觉定位和地图构建时被广泛使用。一般情况下，特征点应具备光照不变性和尺度不变性。当前对于特征点提取算法的评价方法通常选取一张参考图片与其他图片进行重复率检测，进而根据重复率对特征点提取算法进行评价打分。然而，这种方法存在很多缺点，例如，该特征点提取算法的评价方法对参考图片的依赖性过高，容易引入噪声；对于无效特征点和高光照鲁棒性的特征点没有描述等。因此，需要一种能够更加全面的评估特征点提取算法的方法。
技术实现思路
本申请基于上述问题，提出了一种新的技术方案，可以解决在评价特征点提取算法时，避免对参考图片的过度依赖问题。本申请的第一方面提出了一种特征点提取算法的评价方法，包括：获取多组图片中每张图片的特征点，每组图片包括同一地点不同光照条件下的至少两张图片，所述特征点由同一种特征点提取算法提取获得；根据所述每张图片中的所述特征点，确定所述每组图片的总体特征点分布；以及根据所述每组图片的总体特征点分布，确定所述特征点提取算法的光照鲁棒性得分。在一些实施例中，所述根据每张图片的特征点，确定所述每组图片的总体特征点分布包括：确定每张图片中每个所述特征点的邻域；标记所述每张图片中的所述邻域中的像素点为特征点；基于所述特征点对所述每张图片的像素点进行标记；以及根据所述每张图片中的所述标记，确定所述每组图片的总体特征点分布。在一些实施例中，所述根据所述每张图片中所述标记，确定所述每组图片的总体特征点分布，包括：将所述每组图片中每张图片对应的像素点标记叠加，得到所述每组图片的总体特征点分布；其中，所述总体特征点分布包括每组图片中每个像素点是特征点的次数。在一些实施例中，基于所述总体特征点分布，对所述每组图片中每个像素点进行评分。在一些实施例中，对所述每组图片中每个像素点进行评分包括：基于每组图片中每个像素点是特征点的次数对所述每组图片中每个像素点进行评分；其中，每个像素点的分数与每个像素点对应的特征点出现的次数成非线性关系。在一些实施例中，所述特征点提取算法的光照鲁棒性得分包括所述特征点提取算法在所述多组图片上的总体表现得分或在所述多组图片中，每组图片中被所述特征点提取算法提取的高鲁棒性特征点的平均数量中的至少一种。在一些实施例中，所述根据每组图片的总体特征点分布，确定所述特征点提取算法的光照鲁棒性得分包括：根据所述每组图片的所述总体特征点分布，确定每组图片的特征点的平均置信度；以及根据所述每组图片的特征点的平均置信度，确定所述特征点提取算法在所述多组图片上的总体表现得分。在一些实施例中，所述根据所述每组图片的总体特征点分布，确定每组图片的特征点的平均置信度包括：确定所述每组图片中每个所述特征点的像素得分；确定所述每组图片的特征点数量；以及根据所述每组图片中每个特征点的像素得分和所述每组图片的特征点数量，确定所述每组图片的特征点的平均置信度。在一些实施例中，所述特征点提取算法的光照鲁棒性得分包括在所述多组图片中，每组图片中被所述特征点提取算法提取的高鲁棒性特征点的平均数量。在一些实施例中，所述根据每组图片的总体特征点分布，确定所述特征点提取算法的光照鲁棒性得分包括：根据所述每组图片的总体特征点分布，确定每组图片中高鲁棒性特征点的数量；以及根据每组图片中高鲁棒性特征点的数量，确定在所述多组图片中，每组中被所述特征点提取算法提取的所述高鲁棒性特征点的平均数量。在一些实施例中，所述每组图片中的高鲁棒性特征点包括在所述每组图片中，被所述特征点提取算法提取次数超过提取次数阈值的特征点。本申请的第二方面提出了一种电子设备；包括存储器、处理器及存储在所述存储器上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时实现如前文所述的特征点提取算法的评价方法的步骤。本申请的第三方面提出了一种特征点提取算法的评估装置，所述特征点提取算法的评估装置包括特征点获取单元、总体特征点分布确定单元和评价单元。所述特征点获取单元用于获取所述多组图片中每张图片的特征点；所述总体特征点分布确定单元用于根据所述每张图片中的所述特征点，确定所述每组图片的总体特征点分布；所述评价单元用于根据所述每组图片的总体特征点分布，确定所述特征点提取算法的光照鲁棒性得分。本申请的第四方面提出了一种计算机可读存储介质，其上存储有计算机程序。所述计算机程序被处理器执行时可以实现如前文所述的特征点提取算法的评价方法的步骤。本申请提出的特征点提取算法的评价方法和系统等，从特征点提取算法在所述多组图片上的总体表现得分和在所述多组图片中，每组图片中被所述特征点提取算法提取的高鲁棒性特征点的平均数量两个方面评估所述特征点提取算法的优劣，避免了对参考图片的依赖，同时对无效特征点和高光照鲁棒性的特征点都有描述，能够更加全面的评估所述特征点提取算法。附图说明以下附图详细描述了本申请中披露的示例性实施例。其中相同的附图标记在附图的若干视图中表示类似的结构。本领域的一般技术人员将理解这些实施例是非限制性的、示例性的实施例，附图仅用于说明和描述的目的，并不旨在限制本申请的范围，其他方式的实施例也可能同样的完成本申请中的专利技术意图。其中：图1是根据本申请的一些实施例的特征点提取算法的评价系统的场景示意图；图2是根据本申请的一些实施例的电子设备的示例性硬件和软件组件的示意图；图3是根据本申请的一些实施例的特征点提取算法的评价方法的示例性流程图；图4是根据本申请的一些实施例的确定每组图片的总体特征点分布的示例性流程图；图5a和5b是根据本申请的一些实施例的像素膨胀操作的示意图；图6a-6d是根据本申请的一些实施例的确定每组图片的总体特征点分布的示意图；图7是根据本申请的一些实施例的确定特征点提取算法在多组图片上的总体表现得分的示例性流程图；图8是根据本申请的一些实施例的确定每组图片的特征点的平均置信度的示例性流程图；图9是根据本申请的一些实施例的确定高鲁棒性特征点的平均数量的示例性流程图；以及图10是根据本申请的一些实施例的一种特征点提取算法的评估装置的示意图。具体实施方式本申请披露了一种特征点提取算法的评估系统与方法，将根据同一种特征点提取算法在每组图片中提取的特征点进行叠加，并根据多组图片中每组图片的特征点叠加结果评估该特征点提取算法的光照鲁棒性得分。光照鲁棒性得分可以是被提取出的特征点的平均置信度对应的得分，其反映了该特征点提取算法在所述多组图片上的总体表现，得分越高，表示该特征提取算法所提取的特征点的平均光照鲁棒性越高。光照鲁棒性得分还可以是该特征提取算法所提取的频率超过一定阈值的特征点的平均数量，该平均数量越高，表示该特征提取算法所提取的高鲁棒性特征点越多。上述系统和方法使用多组图片进行评估，对该特征提取算法所提取出的所有特征点进行评估，不但能反映出该特征提取算法所提取的特征点的平均光照鲁棒性，还添加了该特征提取算法所提取的高鲁棒性的特征点的平均数量。上述系统和方法不但可以判断不同特征点提取算法的优劣，还能根据评估结果，对同一种特征点提取算法的参数进行设计或预处理，从而提高这种特征点提取算本文档来自技高网...

【技术保护点】
1.一种应用于电子设备的特征点提取算法的评价方法，其特征在于，包括：获取多组图片中每张图片的特征点，每组图片包括同一地点不同光照条件下的至少两张图片，所述特征点由同一种特征点提取算法提取获得；根据所述每张图片中的所述特征点，确定所述每组图片的总体特征点分布；以及根据所述每组图片的总体特征点分布，确定所述特征点提取算法的光照鲁棒性得分。

【技术特征摘要】
1.一种应用于电子设备的特征点提取算法的评价方法，其特征在于，包括：获取多组图片中每张图片的特征点，每组图片包括同一地点不同光照条件下的至少两张图片，所述特征点由同一种特征点提取算法提取获得；根据所述每张图片中的所述特征点，确定所述每组图片的总体特征点分布；以及根据所述每组图片的总体特征点分布，确定所述特征点提取算法的光照鲁棒性得分。2.根据权利要求1所述的方法，其特征在于，所述根据每张图片的特征点，确定所述每组图片的总体特征点分布包括：确定每张图片中每个所述特征点的邻域；基于所述特征点及其所述邻域对所述每张图片的像素点进行标记；以及根据所述每张图片中的所述标记，确定所述每组图片的总体特征点分布。3.根据权利要求2所述的方法，其特征在于，所述根据所述每张图片中所述标记，确定所述每组图片的总体特征点分布，包括：将所述每组图片中每张图片对应的像素点标记叠加，得到所述每组图片的总体特征点分布；其中，所述总体特征点分布包括每组图片中每个像素点是特征点的次数。4.根据权利要求3所述的方法，其特征在于，基于所述总体特征点分布，对所述每组图片中每个像素点进行评分。5.根据权利要求4所述的方法，其特征在于，对所述每组图片中每个像素点进行评分包括：基于每组图片中每个像素点是特征点的次数对所述每组图片中每个像素点进行评分；其中，每个像素点的分数与每个像素点对应的特征点出现的次数成非线性关系。6.根据权利要求1-5所述的方法，其特征在于，所述特征点提取算法的光照鲁棒性得分包括所述特征点提取算法在所述多组图片上的总体表现得分或在所述...

【专利技术属性】
技术研发人员：戚悦，冯威，蔡少骏，林伟，
申请(专利权)人：驭势科技北京有限公司，
类型：发明
国别省市：北京,11