一种基于直线引导和自适应阈值的ORB特征提取方法技术

本发明专利技术公开了一种基于直线引导和自适应阈值的ORB特征提取方法，其包括步骤：I)提取出图像中的线段特征；II)沿第i条线段的长度方向对第i条线段进行等距的预选点划分；III)对每个预选点进行ORB特征提取的自适应阈值计算；IV)根据自适应阈值采用ORBSLAM中的特征点提取算法对每个预选点进行ORB特征提取。本发明专利技术基于直线引导和自适应阈值的ORB特征提取方法，其不仅能在线段的端点、线段间交点、纹理丰富的区域提取处较多的特征点，而且能相比于现有ORBSLAM算法能在线段中部、低纹理区域提取出更多的特征点，使得特征点数量更多且分布更合理。合理。合理。

【技术实现步骤摘要】
一种基于直线引导和自适应阈值的ORB特征提取方法


[0001]本专利技术涉及图像识别
，特别涉及一种提取图像中特征点的方法。

技术介绍

[0002]图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是深度学习算法的一种实践应用。图像识别是人工智能的一个重要领域。特征提取是图像识别流程中的重要步骤，而角点类特征是图像识别中的重要特征。
[0003]具体到即时定位与地图创建
，ORBSLAM是一种常用的即时定位与建图算法，ORB特征提取是其中的重要步骤。但现有方法中用ORBSLAM中的特征点提取算法提取到的特征点多数位于线段的端点、线段间交点、纹理丰富的区域，而在线段中部、低纹理区域提取出特征点较少，特征点的分布不够合理，这会导致构建三维地图应用中，用ORBSLAM中的特征点提取算法提取到的特征点估计相邻两帧图像的位姿时的误差较大。

技术实现思路

[0004]有鉴于此，本专利技术的目的是提供一种基于直线引导和自适应阈值的ORB特征提取方法，以解决用现有ORBSLAM提取图像中的特征点，特征点多数位于线段的端点、线段间交点、纹理丰富的区域，而在线段中部、低纹理区域提取出特征点较少，特征点分布不够合理的技术问题。
[0005]本专利技术基于直线引导和自适应阈值的ORB特征提取方法包括步骤：
[0006]I)提取出图像中的线段特征；
[0007]II)沿第i条线段的长度方向对第i条线段进行等距的预选点划分，确定划分距离的公式为：
[0008][0009]其中，d
i
为第i条线段对应的划分距离；n为要提取的特征点数；l
i
为第i条线段的长度，l
j
为第j条线段的长度；m为此幅图像中线段的总数；
[0010]III)对每个预选点进行ORB特征提取的自适应阈值计算，阈值计算公式为：
[0011][0012]其中，λ为每个特征点对应的阈值，λ
max
为设置的阈值最大值，λ
min
为设置的阈值最小值，x为特征点距线段左端点的距离；
[0013]IV)根据自适应阈值采用ORBSLAM中的特征点提取算法对每个预选点进行ORB特征提取。
[0014]进一步，所述步骤I)中提取图像中的线段特征又包括步骤：
[0015]1)对图片进行高斯滤波，以平滑图像；
[0016]2)计算图片中每个像素的梯度方向和梯度大小；
[0017]3)遍历每个像素，选取在梯度方向上梯度值大于或等于相邻像素梯度值的像素，定义为锚点，
[0018]4)连接锚点，形成边缘像素链；
[0019]5)对每条边缘像素链采用PROSAC方法剔除噪声点，拟合线段，其又包括以下步骤：
[0020]a)从边缘像素链中任选2个像素作为线段的起点和终点，并根据所选的2个像素计算出一条直线；
[0021]b)求取边缘像素链中的其它像素到步骤a)计算所得直线的加权距离，以加权距离在d
H
范围内的像素作为内点构成内点集；其中d
H
为给定阈值；
[0022]d
i
＝αd
i1
+βd
i2
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0023][0024]d
i2
＝cos(θ1‑
θ2)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0025]其中，d
i
为像素距直线的加权距离，d
i1
为像素(x
i
,y
i
)到直线y＝kx+b的欧式距离，k为直线斜率，b为直线截距，d
i2
为像素(x
i
,y
i
)梯度方向θ1与直线y＝kx+b的法线方向θ2的单位向量距离，α和β为权值因子；
[0026]c)以最大化内点数量为指标进行迭代过程，每次迭代过程中用于确定新直线的2个像素从上一次迭代得到的内点集里面选取，直至内点占像素链中所有像素的比例超过比例阈值τ或达到迭代次数num；
[0027]d)以最后一次迭代得到的线段作为最终结果，并输出提取到的线段方程；
[0028]6)对步骤5)得到的线段进行筛选和合并，其包括以下步骤：
[0029]A)任意选择图片中的一条线段作为主线段，再拓展一个长为l+Δl,宽为Δw的矩形，主线段位于矩形的中心位置，矩形的长边与主线段平行，其中l为主线段的长度，Δl和Δw为设定的阈值，以向量相似度筛选矩形内及与矩形相交的线段，将满足向量相似度筛选公式的线段放入集合中得到线段集合；向量相似度筛选公式为：
[0030][0031][0032][0033]cosθ≥cosθ
min
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)
[0034]其中为主线段l1的向量表示，为待合并线段l2的向量表示；主线段l1的两个端点坐标分别为(x
1a
,y
1a
)、(x
1b
,y
1b
)，待合并线段l2的两个端点坐标分别为(x
2a
,y
2a
)、(x
2b
,y
2b
)，θ为主线段l1与待合并线段l2的夹角，θ
min
为设定的夹角阈值；
[0035]B)对线段集合中的线段按照与主线段的距离升序排序，距离度量公式为：
[0036][0037][0038][0039]其中，为待合并线段的中点p的坐标，d
p
为中点p到主线段y＝k1x+b1的欧式距离，k1为直线斜率，b1为直线截距；
[0040]C)依次选择步骤B)中升序排序中的线段作为待合并线段，将待合并线段正投影到包含该主线段的直线上，得到待合并线段的投影线段，再分情况合并线段：
[0041]情况一：当投影线段的两个端点主线段之外，且投影线段的两个端点在主线段的同一侧，则计算主线段和投影线段的两相邻端点的距离，如果两个相邻端点的距离小于设定的阈值则在主线段的两个端点和投影线段的两个端点共四个端点中，取距离最大的两个端点所确定的线段作为主线段和待合并线段合并后的新线段；如果两个相邻端点的距离大于设定的阈值则不进行线段合并；
[0042]情况二：当投影线段的两个端点在主线段的两端外侧，则取投影线段作为主线段和待合并线段合并后的新线段；
[0043]情况三：当投影线段的一个端点在主线段上，投影线段的另一端点主线段外，则在主线段的两个端点和投影线段的两个端点共四个端点中，取距离最大的两个端点所确定的线段作为主线段和待合并线段合并后的新线段；
[0044]情况四：当投影线段的两个端点都在主线段本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于直线引导和自适应阈值的ORB特征提取方法，其特征在于：包括步骤：I)提取出图像中的线段特征；II)沿第i条线段的长度方向对第i条线段进行等距的预选点划分，确定划分距离的公式为：其中，d
i
为第i条线段对应的划分距离；n为要提取的特征点数；l
i
为第i条线段的长度，l
j
为第j条线段的长度；m为此幅图像中线段的总数；III)对每个预选点进行ORB特征提取的自适应阈值计算，阈值计算公式为：其中，λ为每个特征点对应的阈值，λ
max
为设置的阈值最大值，λ
min
为设置的阈值最小值，x为特征点距线段左端点的距离；IV)根据自适应阈值采用ORBSLAM中的特征点提取算法对每个预选点进行ORB特征提取。2.根据权利要求1所述的基于直线引导和自适应阈值的ORB特征提取方法，其特征在于：所述步骤I)中提取图像中的线段特征又包括步骤：1)对图片进行高斯滤波，以平滑图像；2)计算图片中每个像素的梯度方向和梯度大小；3)遍历每个像素，选取在梯度方向上梯度值大于或等于相邻像素梯度值的像素，定义为锚点；3)连接锚点，形成边缘像素链；5)对每条边缘像素链采用PROSAC方法剔除噪声点，拟合线段，其又包括以下步骤：a)从边缘像素链中任选2个像素作为线段的起点和终点，并根据所选的2个像素计算出一条直线；b)求取边缘像素链中的其它像素到步骤a)计算所得直线的加权距离，以加权距离在d
H
范围内的像素作为内点构成内点集；其中d
H
为给定阈值；d
i
＝αd
i1
+βd
i2
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)d
i2
＝cos(θ1‑
θ2)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)其中，d
i
为像素距直线的加权距离，d
i1
为像素(x
i
,y
i
)到直线y＝kx+b的欧式距离，k为直线斜率，b为直线截距，d
i2
为像素(x
i
,y
i
)梯度方向θ1与直线y＝kx+b的法线方向θ2的单位向量距离，α和β为权值因子；c)以最大化内点数量为指标进行迭代过程，每次迭代过程中用于确定新直线的2个像
素从上一次迭代得到的内点集里面选取，直至内点占像素链中所有像素的比例超过比例阈值τ或达到迭代次数num；d)以最后一次迭代得到的线段作为最终结果，并输出...

【专利技术属性】
技术研发人员：沈志熙，陈宇栋，
申请(专利权)人：重庆大学，
类型：发明
国别省市：