基于凝聚聚类算法的误匹配点对剔除方法技术

本发明专利技术公开一种基于凝聚聚类算法的误匹配点对剔除方法，主要解决现有误匹配点对剔除方法运算量大及精度低的问题。其实现方案为：提取两副原始图像A和B的加速段测试特征关键点；计算每个加速段测试特征关键点的二进制鲁棒独立基本特征描述子，并对这些特征描述子进行匹配；利用灰度质心法计算每个加速段测试特征关键点的主方向；计算匹配点对的主方向的差值；利用凝聚聚类算法对匹配点对的主方向差值的集合进行聚类；从聚类结果中选出拥有点数量最多的聚类簇，将这些聚类簇中的匹配点作为正确匹配的点，其它匹配的点作为误匹配点予以删除。本发明专利技术减少了剔除误匹配点对过程的运算量，提高了定位系统的精度，可用于室内靶车定位。位。位。

【技术实现步骤摘要】
基于凝聚聚类算法的误匹配点对剔除方法


[0001]本专利技术属于视觉定位
，更进一步涉及一种剔除误匹配点的方法，可用于估计室内无人靶车的位置。

技术介绍

[0002]室内无人靶车是一种由人员在室内靶场进行设计训练时需要使用的一种可移动设备，随着视觉技术的蓬勃发展，靶车上开始加装智能模块。为了方便对室内智能无人靶车的管理，必须要知道室内无人靶车所处的位置，即对无人靶车进行室内定位。现有应用于室内定位的方法有很多，其中，基于视觉的室内定位方法因摄像头的价格低廉以及视觉算法的发展成为了新兴的算法。而基于关键点的视觉定位方法属于视觉室内定位方法的一种，其利用摄像头提取到的连续的视频帧之间的关键点进行匹配，并利用随机抽样一致方法对误匹配点对进行剔除，最终利用正确匹配的关键点来计算出目标运动的位姿。然而，利用随机抽样一致方法对误匹配点进行剔除的方法存在计算量大且准确率不高的缺陷。
[0003]申请号为2022103829904，名称为“一种单目视觉里程计目标位姿检测方法”的专利申请，公开了利用随机抽样一致算法剔除误匹配点对来进一步提高系统整体定位精度的方法。该方法从匹配数据集中随机抽出4个样本，计算出单应矩阵作为模型，然后利用这个模型测试匹配数据集中所有数据，并计算满足这个模型数据点的个数与代价函数，如果此模型为最优模型，则对应的代价函数最小。然而，该方法的不足之处在于，随机抽样一致算法迭代次数不稳定，运算量过高，而且实质上在迭代过程中并未剔除误匹配点对，反而将其代入了迭代过程，从而导致计算结果不精确，因此降低了定位系统整体的精度。

技术实现思路

[0004]本专利技术的目的在于针对上述现有技术存在的缺陷，提出一种基于凝聚聚类算法的误匹配点对剔除方法，以减小运算量，提高视觉定位的高效性和准确性。
[0005]实现本专利技术目的技术方案包括如下步骤：
[0006](1)获取两幅大小相同的原始图像A和B，利用加速段测试特征FAST算法提取这两幅图像的加速段测试特征FAST关键点；
[0007](2)定义两个空集合F
A
和F
B
，将从图像A提取到的所有加速段测试特征FAST关键点存放到第一集合F
A
中，将从图像B提取到的所有加速段测试特征FAST关键点存放到第二集合F
B
中；
[0008](3)分别计算第一集合F
A
和第二集合F
B
中提取到的加速段测试特征FAST关键点的二进制鲁棒独立基本特征BRIEF描述子，并将其分别存储在第三集合sbDes1和第四集合sbDes2中；
[0009](4)利用灰度质心法，分别计算第一集合F
A
和第二集合F
B
中每个加速段测试特征FAST关键点的主方向；
[0010](5)依次计算第三集合sbDes1中每一个特征描述子与第四集合sbDes2每一个特征
描述子的汉明距离，选择第四集合sbDes2中汉明距离最小的特征描述子与第三集合sbDes1中的对应的每一个特征描述子进行匹配；
[0011](6)建立空集合作为第五集合data，并记录每一对匹配点主方向的差值；
[0012](7)利用凝聚聚类算法对第五集合data中的数据进行聚类；
[0013](8)从聚类结果中选出拥有点数量最多的聚类簇，将这些聚类簇中的匹配点作为正确匹配的点，其它匹配的点作为误匹配点予以删除。
[0014]本专利技术与现有技术相比，具有如下优点：
[0015]第一，本专利技术中由于利用凝聚聚类算法对第五集合data中的数据进行聚类，计算不同聚类簇间平均距离作为度量两个聚类簇是否合并的条件，相比于现有技术中随机抽样一致算法，减小了计算量更小。
[0016]第二，本专利技术中由于利用凝聚聚类算法对第五集合data中的数据进行聚类，选择平均距离最小的聚类簇进行合并，使每个簇内的元素彼此相似程度尽可能高，相反不同簇间的元素相似度尽可能低，深入挖掘了数据之间的潜在内联性，提高了定位精度。
附图说明
[0017]图1为本专利技术的实现流程图；
[0018]图2为本专利技术的仿真效果图。
具体实施方式
[0019]以下结合附图对本专利技术的实施例和效果作进一步的描述。
[0020]参照图1，本实例的实现步骤如下：
[0021]步骤1，提取两副原始图像A和B的加速段测试特征FAST关键点。
[0022](1.1)对于图像A和图像B中的每一个像素p，令其灰度值为I
p
，以p为圆心、3个像素距离为半径作圆，从像素p的y轴正方向上的元素开始，对圆周外围分布的像素依次编号为1，2，
……
，15,16，对应灰度值也依次表示为I1,I2,......,I
15
,I
16
；
[0023](1.2)设置一个阈值t，其中t＝0.2*I
p
；
[0024](1.3)分别计算I1,I2,......,I
15
,I
16
与I
p
之差的绝对值，并对其进行判断：
[0025]如果有9个以上的绝对值大于t，则认为像素p是一个FAST关键点，
[0026]否则，认为像素p不是一个FAST关键点；
[0027](1.4)设置两个集合F
A
和F
B
，将从图像A提取到的加速段测试特征FAST关键点存放到第一集合F
A
，将从图像B提取到的加速段测试特征FAST关键点存放到第二集合F
B
中。
[0028]步骤2，计算加速段测试特征FAST关键点的二进制鲁棒独立基本特征BRIEF描述子。
[0029](2.1)对于每一个加速段测试特征FAST关键点，选取以该关键点为几何中心，大小为31
×
31的正方形区域S；
[0030](2.2)在正方形区域S内随机选取256组点对；
[0031](2.3)对于每一组点对中的两个像素p和q，分别以其中心确定一个大小为5
×
5的窗口，并对这个窗口中所有像素的灰度值求和，得到二进制编码：
[0032][0033]其中，I(p)和I(q)分别表示以像素p和q为中心的窗口内的灰度值之和；
[0034](2.4)对步骤(2.2)中产生的256组点对重复步骤(2.3)，得到一个256维的比特流二进制序列，即为特征描述子；
[0035](2.5)设置两个集合sbDes1和sbDes2，将对第一集合F
A
中的FAST关键点提取到的二进制鲁棒独立基本特征BRIEF描述子存放到第三集合sbDes1中，将对第二集合F
B
中的FAST关键点提取到的二进制鲁棒独立基本特征BRIEF描述子存放到第四集合sbDes2中。
[0036]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于凝聚聚类算法的误匹配点对剔除方法，其特征在于，包括如下步骤：(1)获取两幅大小相同的原始图像A和B，利用加速段测试特征FAST算法提取这两幅图像的加速段测试特征FAST关键点；(2)定义两个空集合F
A
和F
B
，将从图像A提取到的所有加速段测试特征FAST关键点存放到第一集合F
A
中，将从图像B提取到的所有加速段测试特征FAST关键点存放到第二集合F
B
中；(3)分别计算第一集合F
A
和第二集合F
B
中提取到的加速段测试特征FAST关键点的二进制鲁棒独立基本特征BRIEF描述子，并将其分别存储在第三集合sbDes1和第四集合sbDes2中；(4)利用灰度质心法，分别计算第一集合F
A
和第二集合F
B
中每个加速段测试特征FAST关键点的主方向；(5)依次计算第三集合sbDes1中每一个特征描述子与第四集合sbDes2每一个特征描述子的汉明距离，选择第四集合sbDes2中汉明距离最小的特征描述子与第三集合sbDes1中的对应的每一个特征描述子进行匹配；(6)建立空集合作为第五集合data，并记录每一对匹配点主方向的差值；(7)利用凝聚聚类算法对第五集合data中的数据进行聚类；(8)从聚类结果中选出拥有点数量最多的聚类簇，将这些聚类簇中的匹配点作为正确匹配的点，其它匹配的点作为误匹配点予以删除。2.根据权利要求1所述的方法，其特征在于，步骤(1)中利用加速段测试特征FAST算法提取两幅原始图像A和B的加速段测试特征FAST关键点，实现如下：(1a)对于图像A和图像B中的每一个像素p，令其灰度值为I
p
，以p为圆心、3个像素距离为半径作圆，从像素p的y轴正方向上的元素开始，对圆周外围分布的像素依次编号为1，2，
……
，15,16，对应灰度值也依次表示为I1,I2,......,I
15
,I
16
；(1b)设置一个阈值t，其中t＝0.2*I
p
；(1c)分别计算I1,I2,......,I
15
,I
16
与I
p
之差的绝对值，并对其进行判断：如果有9个以上的绝对值大于t，则认为像素p是一个FAST关键点，否则，认为像素p不是一个FAST关键点。3.根据权利要求1所述的方法，其特征在于，步骤(3)中分别计算第一集合F
A
和第二集合F
B
中提取到的加速段测试特征FAST关键点的二进制鲁棒独立基本特征BRIEF描述子，实现如下：(3a)对于每一个第一集合或第二集合中的加速段测试特征FAST关键点，选取以该关键点为几何中心，大小为31
×
31的正方形区域S；(3b)在正方形区域S内随机选取25...

【专利技术属性】
技术研发人员：唐影，左祺森，钱海雷，邓军，
申请(专利权)人：昆山九毫米电子科技有限公司，
类型：发明
国别省市：