一种基于图像划分的快速均匀的特征点提取方法技术

本发明专利技术公开了一种基于图像划分的快速均匀的特征点提取方法，具体包括基于图像划分的快速均匀的特征点提取方法和图像特征点均匀分布评价标准；本发明专利技术的特征点提取方法，首先根据目标提取特征点个数将图像划分，再同时对多个图像块并行提取FAST角点特征；最终，在保证耗费较低计算时间的同时得到了均匀分布于图像上的特征点，这些特征点无冗余，且充分保留了图像特征信息；本发明专利技术提出的评价标准，通过设计最优分布模型，再将实际分布情况与模型进行对比计算得到均匀性分布系数，这种方法即考虑了特征点在整个图像上是否均匀分布，同时也考虑了特征点之间是否均匀分布；这是一种同时考虑全局均匀与局部均匀的特征点均匀性评价标准。价标准。价标准。

【技术实现步骤摘要】
一种基于图像划分的快速均匀的特征点提取方法


[0001]本专利技术属于计算机视觉
，具体涉及一种基于图像划分的快速均匀的特征点提取方法。

技术介绍

[0002]实时定位与建图(SLAM)是机器人导航和控制研究领域的两个基本问题，机器人研究领域的同步定位与地图构建SLAM技术是协同解决这两大问题的关键技术之一。目前，SLAM技术是机器人、自动驾驶、增强现实等领域的关键技术之一，是智能移动平台感知周围环境变化的基础技术。由于图像或视频能够提供丰富的环境信息，所以大部分SLAM技术研究集中于视觉算法(VSALM)。在VSLAM中，图像特征点提取是SLAM的核心之一，关系到后续的定位与建图，同时，在图像拼接、目标跟踪、人脸识别、三维重建等领域有着广泛应用。然而，现有的图像特征点提取方法存在提取结果不均匀，信息冗余，无法提供丰富的空间信息。

技术实现思路

[0003]本专利技术的目的是提供一种基于图像划分的快速均匀的特征点提取方法，解决了现有的图像特征点提取方法存在提取结果不均匀，信息冗余，无法提供丰富的空间信息的问题。
[0004]本专利技术所采用的技术方案是，一种基于图像划分的快速均匀的特征点提取方法，具体包括基于图像划分的快速均匀的特征点提取方法和图像特征点均匀分布评价标准。
[0005]本专利技术的特点还在于：
[0006]其中特征点提取方法具体包括以下步骤：
[0007]步骤1，根据目标提取特征点个数，将图像划分为与目标特征点个数一致的矩形区域；
[0008]步骤2，构建图像金字塔；
[0009]步骤3，对图像子块金字塔并行特征点检测；
[0010]步骤4，将所有提取的特征点映射到原始图像上；
[0011]步骤5，对于没有提取到特征点的图像块，采用四叉树的方式进行补偿提取；
[0012]其中步骤1具体为，若目标提取特征点数量为T，则将目标图像划分为T个i
×
j大小的图像块，i和j表示图像块的宽和高，i和j的计算方法如公式(1)所示，式中W、H分别为目标图像的宽和高：
[0013][0014]其中步骤2具体为：目标图像采用缩放因子为0.8，构建最高层数为3的图像金字塔，得到如图3所示的图像金字塔，第0层表示原始目标图像；
[0015]其中步骤3对图像子块金字塔并行特征点检测，具体步骤如下：
[0016]步骤3.1，划分后的图像块在图像金字塔中形成了图像子块金字塔；
[0017]步骤3.2，对每个图像子块金字塔从底层向上逐一提取FAST特征点，当检测到第一个特征点后立即结束此区域的提取任务；
[0018]步骤3.3，对于步骤3.1中得到的T个图像子块金字塔，采用步骤3.2中的方法同时对多个图像子块金字塔并行提取；
[0019]其中步骤5中对于没有提取到特征点的图像块，采用四叉树的方式进行补偿提取，具体步骤如下；
[0020]步骤5.1，原始目标图像上的图像块自左向右，自上向下排序；
[0021]步骤5.2，根据排序遍历每一个图像块，对于没有检测到特征点的图像块，找到该图像块的下一个提取到特征点的图像块，将该图像块划分为4个均等的新的图像区域，然后使用步骤3中的方法对新划分的4个图像区域提取特征点，最多得到4个均匀的特征点，最后将这些特征点映射到原始图像上；
[0022]其中图像特征点均匀分布评价标准具体按以下步骤实施：
[0023]步骤1，设计模板：若分辨率为W
×
H的图像上存在n个特征点，其模板情况为n个点均匀的分布在整张图像上，任意特征点与其最近近邻的特征点之间距离为d，d的计算根据公式(2)，式中d＝2*r，H表示图像的像素高，W表示图像的像素宽：
[0024][0025]步骤2，遍历实际提取得到的每一个特征点，并寻找每一个特征点与其最近邻的特征点，计算他们之间的像素距离，再使用公式(3)计算得到特征点均匀分布系数C，x
i
表示第i个特征点与其最近邻特征点之间的像素距离，C的值越小均匀性越好,越接近1均匀性越差：
[0026][0027]本专利技术的有益效果是：
[0028]本专利技术提取出的基于图像划分的快速均匀的特征点提取方法，首先根据目标提取特征点个数将图像划分，再同时对多个图像块并行提取FAST角点特征。最终，在保证耗费较低计算时间的同时得到了均匀分布于图像上的特征点，这些特征点无冗余，且充分保留了图像特征信息。本专利技术提出的图像特征点均匀分布评价标准，通过设计最优分布模型，再将实际分布情况与模型进行对比计算得到均匀性分布系数，这种方法即考虑了特征点在整个图像上是否均匀分布，同时也考虑了特征点之间是否均匀分布。这是一种同时考虑全局均匀与局部均匀的特征点均匀性评价标准。
附图说明
[0029]图1为本专利技术的一种基于图像划分的快速均匀的特征点提取方法中实施例提供的特征点提取流程图；
[0030]图2为本专利技术的一种基于图像划分的快速均匀的特征点提取方法中实施例提供的均匀特征点提取示意图；
[0031]图3为本专利技术的一种基于图像划分的快速均匀的特征点提取方法中实施例提供的图像金字塔示意图；
[0032]图4为本专利技术的一种基于图像划分的快速均匀的特征点提取方法中实施例提供的特征点均匀分布模板示意图；
[0033]图5为本专利技术的一种基于图像划分的快速均匀的特征点提取方法中使用本申请方法、ORB特征提取方法和四叉树均匀提取方法得到的特征点提取结果。
具体实施方式
[0034]下面结合附图和具体实施方式对本专利技术进行详细说明。
[0035]本专利技术提供了一种基于图像划分的快速均匀的特征点提取方法主要分为两大部分，第1部分为基于图像划分的快速均匀的特征点提取方法，第2部分为图像特征点均匀分布评价标准。
[0036]其中基于图像划分的快速均匀的特征点提取方法具体按以下步骤实施：
[0037]本申请提出的基于目标特征数量的网格均匀化特征检测方法，使用目标特征数量对图像进行网格划分，同时结合四叉树均匀化的思想，并在特征提取时采用多线程进行提速，算法的主要流程如图1所示；
[0038]步骤1，根据目标提取特征点个数，将图像划分为与目标特征点个数一致的矩形区域；
[0039]步骤2，构建图像金字塔，目标图像采用缩放因子为0.8，构建最高层数为3的图像金字塔，得到如图3所示的图像金字塔，第0层表示原始目标图像；
[0040]步骤3，将图像划分后的各个图像块映射到图像金字塔中，每个图像块得到独立的块图像金字塔，如图2所示，采用并行的检测手段同时对多个区域的块图像金字塔从底向上提取FAST特征点，当某个区域检测到第一个特征点后立即结束此区域的提取任务；
[0041]步骤4：将所有提取的特征点映射到原始图像上；
[0042]步骤5：原始图像块自左向右，自上向下排序，对于没有检测到特征点的图像块，找到该图像块的下一个提取到特征点的图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像划分的快速均匀的特征点提取方法，其特征在于，具体包括基于图像划分的快速均匀的特征点提取方法和图像特征点均匀分布评价标准。2.根据权利要求1所述的一种基于图像划分的快速均匀的特征点提取方法，其特征在于，所述特征点提取方法具体包括以下步骤：步骤1，根据目标提取特征点个数，将图像划分为与目标特征点个数一致的矩形区域；步骤2，构建图像金字塔；步骤3，对图像子块金字塔并行特征点检测；步骤4，将所有提取的特征点映射到原始图像上；步骤5，对于没有提取到特征点的图像块，采用四叉树的方式进行补偿提取。3.根据权利要求2所述的一种基于图像划分的快速均匀的特征点提取方法，其特征在于，所述步骤1具体为，若目标提取特征点数量为T，则将目标图像划分为T个i
×
j大小的图像块，i和j表示图像块的宽和高，i和j的计算方法如公式(1)所示，式中W、H分别为目标图像的宽和高：4.根据权利要求2所述的一种基于图像划分的快速均匀的特征点提取方法，其特征在于，所述步骤2具体为：目标图像采用缩放因子为0.8，构建最高层数为3的图像金字塔。5.根据权利要求2所述的一种基于图像划分的快速均匀的特征点提取方法，其特征在于，所述步骤3对图像子块金字塔并行特征点检测，具体步骤如下：步骤3.1，划分后的图像块在图像金字塔中形成了图像子块金字塔；步骤3.2，对每个图像子块金字塔从底层向上逐一提取FAST特征点，当检测到第一个特征点后立即结束此区域的提取任务；步骤3.3...

【专利技术属性】
技术研发人员：宋霄罡，张元培，梁莉，黑新宏，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：