一种基于非精确线搜索的图像定位方法技术

一种基于非精确线搜索的图像定位方法目的在于解决现有技术中存在的在无法获得查询相机的内部参数矩阵时无法实现定位功能的问题。本发明专利技术首先需要对查询图像与数据库图像之间进行特征匹配，并计算每幅数据库图像与查询图像之间的特征匹配率；然后，根据特征匹配率由大到小的关系，选取出若干幅查询图像的匹配图像；最后，根据特征匹配点数设置定位误差函数的权值，并通过非精确线搜索算法求解查询图像的拍摄位置。本发明专利技术仅需要数据库图像及其拍摄位置，便可以实现查询相机的位置估计，不依赖于查询相机和数据库相机的内部参数。本发明专利技术利用匹配特征点的空间位置，求解出查询相机的拍摄位置，查询图像只需匹配一幅数据库图像，便可以实现定位功能。便可以实现定位功能。便可以实现定位功能。

【技术实现步骤摘要】
一种基于非精确线搜索的图像定位方法


[0001]本专利技术属于室内定位计算机视觉
，具体涉及一种基于非精确线搜索的图像定位方法。

技术介绍

[0002]图像定位技术利用图像对用户的位置进行估计。具体来说，图像定位过程可以分为两个阶段，分别是离线阶段，即数据库创建阶段，以及在线阶段，即用户定位阶段。在离线阶段，需要在定位场景中使用数据库相机采集数据库图像，并将数据库图像的位置进行记录。在定位阶段，用户通过智能移动终端拍摄一幅查询图像，移动终端配备有相机，即查询相机，该图像将上传至服务器。在服务器端，根据上传的查询图像并利用定位算法，实现对查询相机的位置估计。通常，定位算法包括图像匹配和查询相机位置求解两个部分。信息科技专辑上公开了一项哈尔滨工业大学薛昊的名称为《基于对极几何理论的视觉定位算法研究》的研究论文，该研究论文是利用相机的内部参数，在查询相机与数据库相机之间建立起对极几何约束关系，并通过该集合关系确定查询相机的位置。
[0003]综上，在已有的图像定位方法中，大多需要在定位前对查询相机和数据库相机进行标定，并获得其内部参数矩阵。但是，在某些情况下可能无法获得查询相机的内部参数矩阵，这样便无法实现定位功能。

技术实现思路

[0004]本专利技术的目的在于提出一种基于非精确线搜索的图像定位方法，解决现有技术中存在的在无法获得查询相机的内部参数矩阵时无法实现定位功能的问题。不依赖于查询相机和数据库相机的内部参数，仅通过图像信息以及数据库图像的位置信息，对查询相机的位置进行估计。
[0005]本专利技术的已知条件，即输入变量：查询图像I
Q
，数据库图像集合I
M
，数据库图像的拍摄位置矩阵P
D
；
[0006]待求变量：查询图像的拍摄位置p
Q
。
[0007]对已知条件的说明：在图像定位过程中，查询图像I
Q
是用户通过查询相机拍摄的，查询图像只有一幅；数据库图像是通过数据库相机在离线阶段拍摄的，数据库图像是一个集合，数据库图像集合I
M
中包含有多幅数据库图像；数据库图像的拍摄位置矩阵P
D
中包含有多个数据库图像的拍摄位置，该位置与数据库图像一一对应。
[0008]为实现上述目的，本专利技术的一种基于非精确线搜索的图像定位方法包括以下步骤：
[0009]步骤一：将查询图像与数据库图像之间进行特征匹配，并计算获得n
data
数据库图像对应的n
data
个特征点匹配率
[0010]步骤二：根据步骤一获得的n
data
个特征点匹配率查找数据库图像中与查询图
像的匹配的图像，并计算误差函数中的权值；步骤一得到了n
data
个特征点匹配率根据特征点匹配率匹配由大到小的关系，对数据库图像进行排序，选择排序结果中最靠前的n
near
幅数据库图像作为查询图像的匹配图像，对于最靠前的的n
near
幅数据库图像，根据图像之间的匹配特征点数，根据公式(1)构造出定位误差函数中的权值w
i
，构建权值矩阵：
[0011][0012]其中：为第j幅数据库图像与查询图像之间的SURF特征点匹配数；
[0013]步骤三：设置非精确线搜索方法的初值，设最大迭代次数k
max
＝2000，精度阈值σ＝10
‑5，搜索步长d＝0.5，迭代计数值k＝1，放大系数γ＝0.4，查询相机的位置初值根据公式(2)设置为
[0014][0015]其中：为第i幅数据库图像的拍摄位置向量；
[0016]步骤四：设置累计值s
k
和步数值t
m
，并对其设置初值s1＝0，t1＝0；
[0017]步骤五：根据步骤二获得的权值矩阵构造公式(3)的定位误差函数f
e
：
[0018][0019]其中：为查询图像位置的迭代更新值，k的初始值为1；
[0020]是第i幅匹配数据库图像的拍摄位置向量，位置向量包含于数据库图像的拍摄位置矩阵P
D
中；
[0021]根据公式(4)计算函数f
e
在处的梯度向量g：
[0022][0023]根据梯度向量g确定搜索方向向量s＝
‑
g；计算搜索方向向量的范数s
n
＝||s||；将搜索方向向量的范数s
n
与精度阈值σ进行对比，如果s
n
≤σ，则执行步骤八；如果s
n
＞σ，则执行步骤六。
[0024]步骤六：如果t
m
＞20，则执行步骤八；如果t
m
≤20，判断和数值大小，如果函数的值小于则将t
m
的值赋予s
k
，并执行步骤七；如果函数的值大于等于则将t
m
的值加1后再执行步骤七；
[0025]步骤七：对查询相机的位置进行更新，并将迭代计数值k加1，如果k≥k
max
，则执行步骤八，如果k＜k
max
，执行步骤四；
[0026]步骤八：将迭代更新后的相机位置确定为查询相机的位置，即
[0027]步骤一所述的计算获得n
data
数据库图像对应的n
data
个特征点匹配率具体为：
[0028]分别对查询图像和数据库图像进行提取SURF特征点，并在查询图像与数据库图像之间进行特征点匹配，数据库图像的总数为n
data
，则通过公式(5)计算得到n
data
个特征点匹配率
[0029][0030]其中：为第i幅数据库图像与查询图像之间的SURF特征点匹配数；
[0031]n
q
为查询图像中提取出的SURF特征点总数。
[0032]本专利技术的有益效果为：本专利技术的一种基于非精确线搜索的图像定位方法的实现仅需要数据库图像及其拍摄位置，便可以实现查询相机的位置估计。此外，本专利技术中还利用视觉特征匹配率来衡量查询图像与数据库图像之间的相似程度，并以此为根据生成权重值。在求解查询图像拍摄位置的过程中，通过权重值构造出定位误差函数，并利用非精确线搜索方法，最终确定查询图像的拍摄位置，即用户所在位置，实现定位功能。本专利技术利用匹配特征点的空间位置，求解出查询相机的拍摄位置，查询图像只需匹配一幅数据库图像，便可以实现定位功能。此外，在求解尺度系数的过程中，通过迭代重加权的方法对尺度系数的估计值不断修正，逐渐得到尺度系数的最小域解，提高了尺度系数的求解精度。与经典的最小二乘法尺度系数求解算法相比，本专利方法在计算效率和计算准确性方面具有一定的优势。
附图说明
[0033]图1为本专利技术的一种基于非精确线搜索的图像定位方法流程图。
具体实施方式...

【技术保护点】

【技术特征摘要】
1.一种基于非精确线搜索的图像定位方法，其特征在于，包括以下步骤：步骤一：将查询图像与数据库图像之间进行特征匹配，并计算获得n
data
数据库图像对应的n
data
个特征点匹配率步骤二：根据步骤一获得的n
data
个特征点匹配率查找数据库图像中与查询图像的匹配的图像，并计算误差函数中的权值；步骤一得到了n
data
个特征点匹配率根据特征点匹配率匹配由大到小的关系，对数据库图像进行排序，选择排序结果中最靠前的n
near
幅数据库图像作为查询图像的匹配图像，对于最靠前的的n
near
幅数据库图像，根据图像之间的匹配特征点数，根据公式(1)构造出定位误差函数中的权值w
i
，构建权值矩阵：其中：为第j幅数据库图像与查询图像之间的SURF特征点匹配数；步骤三：设置非精确线搜索方法的初值，设最大迭代次数k
max
＝2000，精度阈值σ＝10
‑5，搜索步长d＝0.5，迭代计数值k＝1，放大系数γ＝0.4，查询相机的位置初值根据公式(2)设置为置为其中：为第i幅数据库图像的拍摄位置向量；步骤四：设置累计值s
k
和步数值t
m
，并对其设置初值s1＝0，t1＝0；步骤五：根据步骤二获得的权值矩阵构造公式(3)的定位误差函数f
e
：其中：为查询图像位置的迭代更新值，k的初始值为1；是第i幅匹配数据库图像的拍摄位置向量，位置向量包含于数据库图像的拍摄位置矩阵P
D
中；根据公式(4)计算函数f

【专利技术属性】
技术研发人员：冯冠元，程斐豪，蒋振刚，师为礼，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：