一种基于改进RANSAC方法对视频流的外点剔除方法技术

本发明专利技术公开了一种基于改进RANSAC方法对视频流的外点剔除方法，提取特征点并跟踪，更新跟踪次数；对特征点连续跟踪次数进行统计判断，从归类的模型建构点集中随机选取可计算模型参数的最小数据进行模型拟合，计算基础矩阵模型；用基础矩阵模型对其他全部特征点进行判断，统计所有特征点中的内外点信息；同时统计模型建构点集中被归为内点的数目，同时与前一次模型比较，更新模型；得到最大迭代次数；完成一次迭代后，迭代次数+1；达到上限后跳出，输出内点信息；对输入的特征点进行标记，被判断为内点的，即被成功跟踪，保留处理，被判断为外点的，即跟踪失败，清除处理。本发明专利技术同时提升了原算法的精度和运算速度。

【技术实现步骤摘要】
一种基于改进RANSAC方法对视频流的外点剔除方法
本专利技术属于计算机视觉
，具体涉及一种基于改进RANSAC方法对视频流的外点剔除方法。
技术介绍
外点剔除一直是计算机视觉领域里的热点问题，在各种图像处理问题中都占据重要的位置。以VSLAM系统为例，前端特征点法VIO会对物体提取特征点来估计相机的位姿，这同时带来一个严峻的挑战，就是特征点的匹配问题。在进行定位的过程中，首先要对相邻两帧图像中提取的特征点进行匹配，但是由于匹配问题的复杂性与规模的庞大性，经常会带来误匹配的问题；同时由于空间中可能存在的物体运动或是测量误差，即便是正确匹配的特征点，也无法进行良好的三角测量。这个问题严重影响了后续的位姿还原过程，降低了基础矩阵(Fundamentalmatrix)或者单应矩阵(Homographymatrix)的计算精度。请参阅图6，传统上对于误匹配的特征点，一般采取随机抽样一致(RANdomSAmpleConsensus，RANSAC)方法进行剔除操作，这个方法被广泛应用于各种场景的剔除外点，是个非常有效的方法。它可以从一组包含“本文档来自技高网...

【技术保护点】
1.一种基于改进RANSAC方法对视频流的外点剔除方法，其特征在于，包括以下步骤：/nS1、提取视频流的特征点并跟踪，更新跟踪次数；/nS2、对特征点连续跟踪次数进行统计判断，将跟踪次数大于等于α的所有特征点归类为模型建构点集S

【技术特征摘要】
1.一种基于改进RANSAC方法对视频流的外点剔除方法，其特征在于，包括以下步骤：
S1、提取视频流的特征点并跟踪，更新跟踪次数；
S2、对特征点连续跟踪次数进行统计判断，将跟踪次数大于等于α的所有特征点归类为模型建构点集Scons，将跟踪次数小于α的点归类为模型验证点集Sveri；
S3、从步骤S2中归类的模型建构点集Scons中随机选取可计算模型参数的最小数据进行模型拟合，计算基础矩阵模型；
S4、用步骤S3中的基础矩阵模型对其他全部特征点进行判断，统计所有特征点S中的内外点信息；同时统计模型建构点集Scons中被归为内点的数目nin_cur，同时与前一次模型比较，如果nin_cur≤nin_pre，则认为本次模型不如上一次模型，保留原模型，返回步骤S3；否则更新模型进入步骤S5；
S5、计算迭代的内点概率wcons，得到最大迭代次数kmax；
S6、完成一次迭代后，迭代次数+1；若未达到次数上限kmax，返回步骤S3；若达到上限，则跳出，输出内点信息；
S7、对输入的特征点进行标记，被判断为内点的，即被成功跟踪，进行保留处理，被判断为外点的，即跟踪失败，进行清除处理。


2.根据权利要求1所述的基于改进RANSAC方法对视频流的外点剔除方法，其特征在于，步骤S1中，当有新的图像输入时，提取得到这一帧的ORB特征点，之后对得到的特征点进行L-K金字塔光流法跟踪，与上一帧得到的特征点进行对比，若存在对应特征点，则将次特征点与上一帧的特征点做合并处理，并且跟踪次数tp+1，若没有与之对应的特征点，则被判断为新的特征点，创建跟踪tpnew＝0。


3.根据权利要求1所述的基于改进...

【专利技术属性】
技术研发人员：耿莉，张良基，申学伟，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61