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；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。优选的，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。优选的，第一图像和第二图像为高斯滤波后的平滑图像。优选的，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Harr小波特征总和，扫描得到最长的方向向量作为特征点的主方向；H24、以特征点为中心,沿着特征点主方向建立一个a×a的矩形区域块，并在矩形区域块的每个子区域统计b个像素点相对于主方向上的水平Harr小波特征dx和垂直Harr小波特征dy；H25、通过对Harr小波特征加权,得到水平方向和垂直方向上加权小波响应值和响应值绝对值,并分别记做每个子区域形成的4维向量记为V，H26、结合a×a的矩形区域块的4维向量V，获得4×a×a维的向量作为特征点的特征描述向量。优选的，步骤H23中，扇形的扫描区间为60°扇形区域。优选的，k＝6。优选的，a＝4。优选的，b＝25。优选的，步骤H3具体为：首先逐一计算第一轮廓图像上各原特征点对应的特征描述向量与第二轮廓图像上各待选特征点对应的特征描述向量的欧式距离，当某待选特征点对应的特征描述向量与某原特征点对应的特征描述向量之间的欧式距离小于预设的距离阈值，则将该待选特征点记入该原特征点的匹配点集合。优选的，步骤S5具体为：设置常数g，当参照向量与任意测量向量之间的余弦相似度大于g，则将该测量向量对应的待选特征点作为参照向量对应的原特征点的有效匹配点。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，首先通过边缘检测获得原图像的轮廓信息，并以轮廓图像作为匹配运算对象，降低了运算复杂度，提高了运算效率；然后检测匹配点时，将每一个原特征点均逐一与各待选特征点进行匹配运算，实现了针对每一个原特征点在第二轮廓图像上的待选特征点中进行遍历式匹配，保证了对第一轮廓图像上各原特征点在第二轮廓图像上进行匹配点检测的充分全面；最后并结合余弦相似度进行二次匹配对原特征点的匹配点进行筛选，去除伪匹配点，降低了图像匹配误差，提高了匹配精度。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，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。附图说明图1为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流程图；图2为从轮廓图像上检测特征点并生成特征描述向量的方法流程图。具体实施方式参照图1，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，包括以下步骤。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。具体的，本实施方式中，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。具体实施时，首先获得经过高斯滤波的第一图像和第二图像，然后从第一图像第一轮廓图像和从第而图像第二轮廓图像的具体方法为：首先通过一阶偏导的有限差分运算找寻图像的强度梯度；再应用非最大抑制技术来消除边误检；最后使用高低阈值算法检测和连接边缘区域轮廓，以获得轮廓图像。本步骤中，第一图像和第二图像为高斯滤波后的平滑图像，以消除图像噪声。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。本步骤中，原特征点和待选特征点的区分便于后续描述。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。具体的，本步骤中，首先逐一计算第一轮廓图像上各原特征点对应的特征描述向量与第二轮廓图像上各待选特征点对应的特征描述向量的欧式距离，当某待选特征点对应的特征描述向量与某原特征点对应的特征描述向量之间的欧式距离小于预设的距离阈值，则将该待选特征点记入该原特征点的匹配点集合。如此，本步骤中，检测匹配点时，将每一个原特征点均逐一与各待选特征点进行匹配运算，实现了针对每一个原特征点在第二轮廓图像上的待选特征点中进行遍历式匹配，保证了对第一轮廓图像上各原特征点在第二轮廓图像上进行匹配点检测的充分全面。具体的，本实施方式中，采用如下公式计算两个特征描述向量之间的欧式距离Uab：其中，n为第一轮廓图像中原特征点的数量，ai表示第i个原特征点对应的特征描述向量，bi表示第i个原特征点的匹配点集合中的任一个待选特征点对应的特征描述向量。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。具体的，本实施方式中，计算参照向量ai与各测量向量bi之间的余弦相似度S(ab)的计算公本文档来自技高网...

【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；/nH5、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。/n

【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