【技术实现步骤摘要】
一种基于光流跟踪的特征匹配算法及系统
本专利技术涉及视觉里程计领域，具体而言，涉及一种基于光流跟踪的特征匹配算法及系统。
技术介绍
特征提取算法和光流跟踪算法的选择策略尚未进行详细的讨论与选择。相应的视觉里程计前端算法中，存在以下问题：1.特征点精度不够高。由于在单目VIO中，整个定位与地图构建都依赖于特征点，特征点不仅要用于定位运动位置，而且初始化中也要通过对极约束和三角化计算特征点的深度，进而恢复整个地图，实现地图构建。因此特征点的精度与整个系统息息相关，而目前可以对只达到了像素级别精度的特征点进行细粒化，达到亚像素级别。2.补充提取出的特征点不够具有代表性。原方法中非首帧图像的特征点补充去除区域和跟踪成功的特征点原提取区域相同。即只在无匹配特征点范围内进行特征点补充提取。这会导致很多特征分布稠密的区域被去除，使得补充提取出的特征点则不够具有代表性。3.光流跟踪范围固定导致跟踪质量不稳定等问题。原方法中，光流跟踪的范围是固定值，如果运动过快，就有可能造成跟踪丢失，因此跟踪的质量不够稳定。<...
【技术保护点】
1.一种基于光流跟踪的特征匹配算法，其特征在于，包括：/nS1、输入当前图像，并根据当前图像是否过亮或过暗进行直方图均衡化处理当前图像；/nS2、若当前图像为首帧图像，则进入S7；否则进行光流跟踪，并判断通过光流追踪后的特征点数量是否大于0，若通过光流追踪后的特征点数量等于0，则返回S1重新输入图像；/nS3、通过光流追踪后的特征点数量大于0，计算特征点的平均移动距离；/nS4、进入第一子步骤；/nS5、清除跟踪失败的特征点，通过基本矩阵剔除外点；/nS6、根据跟踪成功的特征点，设置非均匀特征点补充区域；/nS7、若图像为首帧，均匀提取角点为特征点；否则在S6设置的非均匀区...
【技术特征摘要】 【专利技术属性】
1.一种基于光流跟踪的特征匹配算法，其特征在于，包括：
S1、输入当前图像，并根据当前图像是否过亮或过暗进行直方图均衡化处理当前图像；
S2、若当前图像为首帧图像，则进入S7；否则进行光流跟踪，并判断通过光流追踪后的特征点数量是否大于0，若通过光流追踪后的特征点数量等于0，则返回S1重新输入图像；
S3、通过光流追踪后的特征点数量大于0，计算特征点的平均移动距离；
S4、进入第一子步骤；
S5、清除跟踪失败的特征点，通过基本矩阵剔除外点；
S6、根据跟踪成功的特征点，设置非均匀特征点补充区域；
S7、若图像为首帧，均匀提取角点为特征点；否则在S6设置的非均匀区域检测新的角点以补足所需特征点的最小数量点，若光流追踪的特征点数量大于1/3*所需特征点的最小数量，则进入第二子步骤，若光流追踪的特征点数量小于等于1/3*所需特征点的最小数量，则直接进入S8；
S8、对特征点去畸变矫正和深度归一化，计算每个角点的速度，更新特征点坐标。
2.如权利要求1所述的一种基于光流跟踪的特征匹配算法，其特征在于，所述第一子步骤包括：
当特征点的平均移动距离小于最小距离阈值时，进行固定范围LK光流跟踪随后进入S5；
当特征点的平均移动距离大于等于最小距离阈值时，根据平均移动距离设定可变范围LK光流跟踪然后进入S5。
3.如权利要求2所述的一种基于光流跟踪的特征匹配算法，其特征在于，所述根据平均移动距离设定可变范围LK光流跟踪包括：
在使用光流追踪特征点之前，通过对上一帧角点的像素坐标进行去畸变矫正，然后转换到归一化坐标系上，计算出每个角点的速度。
4.如权利要求3所述的一种基于光流跟踪的特征匹配算法，其特征在于，还包括：
在归一化坐标系下，计算所有角点中速度不为0的特征点平均速度，即只对有效跟踪的角点进行速度计算，进而通过间隔时间算出角点平均移动距离；
在规定边界情况后，对光流追踪范围进行动态设置。
5.如权利要求1所述的一种基于光流跟踪的特征匹配算法，其特征在于，所述设置非均匀特征点补充区域包括：
以成功跟踪的特征点为圆心，使去除特征点区域的半径，即去除后的区域不再提取特征点的区域，和提取时不一致，在保证一定均匀性的情况下，优先补充特征明显的特征点。
技术研发人员：王云峰，傅松祥，温舒涵，
申请(专利权)人：厦门大学，
类型：发明
国别省市：福建;35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。