一种改进的SURF移动机器人图像匹配方法组成比例

本发明专利技术提出的一种改进的SURF移动机器人图像匹配方法，包括：对待匹配的第一图像和第二图像分别进行边缘检测，获得对应的第一轮廓图像和第二轮廓图像；分别在第一轮廓图像和第二轮廓图像上检测特征点，并对应每一个特征点生成特征描述向量；获取各原特征点对应的最邻域内的待选特征点为原特征点的匹配点并记入原特征点对应的匹配点集合；根据余弦相似度从对应的匹配点集合中筛选原特征点的有效匹配点。本发明专利技术提出的一种改进的SURF移动机器人图像匹配方法，相对于现有的图像匹配方法，匹配正确率更高，匹配用时也更短，体现出了卓越的优异性。

An improved image matching method for surf mobile robot

【技术实现步骤摘要】
一种改进的SURF移动机器人图像匹配方法
本专利技术涉及图像处理
，尤其涉及一种改进的SURF移动机器人图像匹配方法。
技术介绍
基于机器视觉的图像匹配是机器人系统重要组成部分。移动机器人在移动时需要同时定位并创建地图，在其行走的同时对周围环境进行图像采集，通过与系统图像库比对，从而完成相应定位和创建地图等任务。所以，图像处理要求更高。SURF(SpeededUpRobustFeatures，快速匹配)算法是一种常用的机器人图像匹配算法，但是存在检测到的不稳定特征点较多,导致多余无用计算；在匹配过程中仅使用单一欧氏距离作为评判标准,使得匹配产生较大误差等问题。
技术实现思路
基于
技术介绍
存在的技术问题，本专利技术提出了一种改进的SURF移动机器人图像匹配方法。本专利技术提出的一种改进的SURF移动机器人图像匹配方法，包括：H1、对待匹配的第一图像和第二图像分别进行边缘检测，获得对应的第一轮廓图像和第二轮廓图像；H2、分别在第一轮廓图像和第二轮廓图像上检测特征点，并对应每一个特征点生成特征描述向量本文档来自技高网...

【技术保护点】
1.一种改进的SURF移动机器人图像匹配方法，其特征在于，包括：/nH1、对待匹配的第一图像和第二图像分别进行边缘检测，获得对应的第一轮廓图像和第二轮廓图像；/nH2、分别在第一轮廓图像和第二轮廓图像上检测特征点，并对应每一个特征点生成特征描述向量；第一轮廓图像中的特征点记作原特征点，第二轮廓图像中的特征点记作待选特征点；/nH3、通过欧氏距离，查找第一轮廓图像上各特征描述向量在第二轮廓图像的特征描述向量中的最邻域；获取各原特征点对应的最邻域内的待选特征点为原特征点的匹配点并记入原特征点对应的匹配点集合；/nH4、以原特征点对应的特征描述向量记作参照向量，原特征点对应的匹配点集合中各匹配点对应...

【技术特征摘要】
1.一种改进的SURF移动机器人图像匹配方法，其特征在于，包括：
H1、对待匹配的第一图像和第二图像分别进行边缘检测，获得对应的第一轮廓图像和第二轮廓图像；
H2、分别在第一轮廓图像和第二轮廓图像上检测特征点，并对应每一个特征点生成特征描述向量；第一轮廓图像中的特征点记作原特征点，第二轮廓图像中的特征点记作待选特征点；
H3、通过欧氏距离，查找第一轮廓图像上各特征描述向量在第二轮廓图像的特征描述向量中的最邻域；获取各原特征点对应的最邻域内的待选特征点为原特征点的匹配点并记入原特征点对应的匹配点集合；
H4、以原特征点对应的特征描述向量记作参照向量，原特征点对应的匹配点集合中各匹配点对应的特征描述向量记作测量向量；计算参照向量与各测量向量之间的余弦相似度；
H5、根据余弦相似度从对应的匹配点集合中筛选原特征点的有效匹配点。


2.如权利要求1所述的改进的SURF移动机器人图像匹配方法，其特征在于，步骤H1中，通过Canny边缘检测边缘检测分别从第一图像和第二图像中提取第一轮廓图像和第二轮廓图像。


3.如权利要求2所述的改进的SURF移动机器人图像匹配方法，其特征在于，第一图像和第二图像为高斯滤波后的平滑图像。


4.如权利要求1所述的改进的SURF移动机器人图像匹配方法，其特征在于，步骤H2中特征描述向量的生成包括以下分步骤：
H21、通过Hessian矩阵对图像的像素点进行判别式求解，筛选像素点中的极值点作为特征点；
H22、对应每一个特征点生成以特征点为圆心半径为k×S的圆形域，S为特征点做Hessian矩阵时的尺度值；
H23、以扇形的扫描区间在圆形域内旋转扫描,统计扫描区间内所有像素点水平Harr小波特征和垂直Har...

【专利技术属性】
技术研发人员：盛娜，赵瑜，郑博超，朱玉，许青，赵佳佳，
申请(专利权)人：合肥赛为智能有限公司，马鞍山学院，
类型：发明
国别省市：安徽;34