一种基于特征匹配的动态区域检测方法技术

一种基于特征匹配的动态区域检测方法。包括如下步骤：提取7张时间戳连续的RGB图像；用64*48的网格划分RGB图像；对图像进行ORB特征点提取并提取每个特征点的描述子；对连续两帧图像提取的特征点进行GMS特征匹配；通过滑动窗模型对每个网格中未匹配的特征点进行记录；对所有记录的数据进行聚类，根据未匹配特征点的数量，将图像分为动态区域和静态区域，实现动态区域检测分割的目的。本发明专利技术首次提出用未匹配的特征点的个数作为动态区域和静态区域分类的依据，避免使用卷积神经网络，在一定程度上大大提高了系统的实时性。本发明专利技术采用动态区域分割而不是动态目标分割，有效的利用了动态目标中静态部分，为后续相机位姿估计提供了更多可靠的特征点。

A dynamic region detection method based on feature matching

【技术实现步骤摘要】
一种基于特征匹配的动态区域检测方法
本专利技术涉及动态区域检测领域，适用于复杂环境中动态区域提取和检测，特别是涉及一种基于特征匹配的动态区域检测方法。
技术介绍
随着计算机视觉的发展，计算机视觉的使用场景日益宽泛，在复杂场景下使用计算机视觉进行定位、建图的需求逐渐增加，这就需要计算机可以自动识别复杂场景下的静态区域和动态区域。现在的技术，在移动区域检测方面，大多引入了新兴的卷积神经网络进行区域检测，如YOLOv3区域检测框架，再针对检测出的区域进行分类，剔除人为定义的动态区域，采用深度学习框架的区域检测方法虽精度高，但受训练集的限制，在使用场景和实时性上都存在一定程度上的受限。基于卷积神经网络的区域检测提取方法，无法满足高实时性的需求，而且由于是人为定义动态区域种类，会在动态区域检测时出现误分类的现象。基于特征匹配的动态区域检测恰恰解决了这个问题，基于特征的检测过程可有效降低误分类的概率，并一定程度上提高了系统的实时性。
技术实现思路
随着计算机视觉的发展，计算机视觉的应用场景也有了更多选择，在区分动态区域和静态区域本文档来自技高网...

【技术保护点】
1.一种基于特征匹配的动态区域检测方法，其特征在于，包括如下步骤：/nS1：读取连续7帧图像序列；/nS2：对S1步骤读取的7帧图像进行64*48均匀网格划分/nS3：对S2进行网格划分的图像进行ORB特征点检测，并提取每个特征点对应的描述子；，/nS4：根据S3提取出的特征点和描述子，对连续的两帧图像进行GMS特征点匹配/nS5：根据S4的匹配结果，通过滑动窗模型对每个网格进行记录，记录每帧图像中，每个网格中的未匹配特征点数量；/nS6：针对S5记录的未匹配特征点数量按网格进行统计，通过聚类的方法将图像划分为动态区域和静态区域。/n

【技术特征摘要】
1.一种基于特征匹配的动态区域检测方法，其特征在于，包括如下步骤：
S1：读取连续7帧图像序列；
S2：对S1步骤读取的7帧图像进行64*48均匀网格划分
S3：对S2进行网格划分的图像进行ORB特征点检测，并提取每个特征点对应的描述子；，
S4：根据S3提取出的特征点和描述子，对连续的两帧图像进行GMS特征点匹配
S5：根据S4的匹配结果，通过滑动窗模型对每个网格进行记录，记录每帧图像中，每个网格中的未匹配特征点数量；
S6：针对S5记录的未匹配特征点数量按网格进行统计，通过聚类的方法将图像划分为动态区域和静态区域。


2.根据权利要求1所述的一种基于特征匹配的动态区域检测方法，其特征在于：所述的步骤S2中采用均匀网格划分图像，先进行图像大小读取，再确定网格缩放比例，确保图像每个像素值都可被检测。


3.根据权利要求1所述的一种基于特征匹配的动态区域检测方法，其特征在于：所述步骤S4中采用的GMS算法进行图像特征点匹配,通过网格划分，运动统计的方法可快速剔除错误匹配，一定程度上减小了特征匹配的计算量和增加了匹配的稳定性。


4.根据权利要求3所述的一种基于特征匹配的动态区域检测方法，其特征在于：所述GMS算法主...

【专利技术属性】
技术研发人员：张涛，魏宏宇，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32