一种基于SURF算法的车载图像配准方法技术

本发明专利技术公开了一种基于SURF算法的车载图像配准方法，包括：采用SURF算法提取待匹配两幅图像中的特征点；使用SCF算法对参考图像中的特征描述符进行子空间划分并且使用聚类方法对每个子空间进行聚类，每个参考特征点在各个子空间与待匹配特征点的距离由其在子空间中所属的组中心与待匹配特征点的距离代替，每个参考特征点与待匹配特征点的总距离为四个子空间距离之和；获取所有参考特征点与一个待匹配特征点之间的总距离后，获取匹配点对；使用FTEP算法对匹配点对提纯，得到正确匹配点对。本发明专利技术通过对特征描述符使用SCF算法进行降维处理，结合FTEP算法进行匹配特征点对提纯，在保证配准精度前提下，提高了图像配准速度。度。度。

【技术实现步骤摘要】
一种基于SURF算法的车载图像配准方法


[0001]本专利技术涉及图像处理
，具体是一种基于SURF算法的车载图像配准方法。

技术介绍

[0002]车载全景图像就是将车辆周身摄像头拍摄到的同一场景不同角度的图像通过图像配准，图像融合拼接成的一幅完整图像，图像融合拼接成的一幅完整图像，如图2中所示的流程图中间的全景拼接示意图所示。借助全景视图进行全景感知，车辆驾驶员就可以获得更多的视觉信息，有助于驾驶员在驾驶过程中做出更准确的判断。
[0003]图像拼接中图像配准是最关键的步骤。基于特征点的图像配准减少了使用的图像信息，缩短了图像拼接时间。同时算法的移植性也优于其他方案，成为了研究热点。主流的算法有Harris角点检测法，SIFT，SURF和ORB共四种。但车载全景图像中，对算法实时性要求很高。以凯迪拉克XT5车载全景图像系统使用的索尼IMX225摄像头为例，其帧率为25fps。处理器一秒内需要处理四个摄像头传回的100张分辨率高达1280
×
720的RGB彩色图像，这导致其只能在车速小于25km/h时才能使用。
[0004]目前，针对上述算法匹配实时性低的解决措施可以分为以下三类，即特征描述符优化法，特征数据筛选法，搜索策略优化法。
[0005]1)特征描述符优化法：特征描述符的构建方式直接决定了图像配准的精度和速度，在图像配准中受到广泛关注。董强等通过圆形邻域改进了SURF描述符构建策略，将描述符的维度由64维降低到了26维，但是这种描述符的降维方法损失了大量的图像信息，会导致匹配精度的下降，同时应用领域有限，不能应用到车载全景图像的生成。蒋荣飞为了实现车载图像融合的实时性使用了融合权重查找表的方法，但这种方法限定了摄像头的安装位置以及车型，不具备普适性。赵谦等通过将采用圆形邻域代替矩形邻域提取32维描述符，实现描述符的降维，但仍然损失了大量的图像信息，导致匹配效果下降。秦绪佳等使用了ORB算法显著提高了图像匹配速度，但对比SURF与SIFT，ORB算法对于噪声过于敏感，并且旋转鲁棒性，尺度变换鲁棒性均表现较差，限制了其在车载全景图像上的使用。
[0006]2)特征数据筛选法：通过对特征数据进行选择和过滤，可以减少特征匹配的计算量，进而减少特征配准时间。崔建国等为了减少特征点数量，采用四叉树方法对提取的特征点进行优化，但车载全景图像中不会出现大量纹理丰富的区域。彭得阳等通过采用给定特征点数量的方法来控制图像提取特征点的数量，但在运算速度上的提升有限，且会影响拼接效果。刘杰等通过图像之间共享信息量的相似性进行特征点的区域划分，利用SIFT算法对相似重合区域进行特征点的检测以及提取，减少无用区域的特征数据，但车载全景图像的生成中，无用区域较少，因此该算法对本文的应用场景效果微弱。
[0007]3)搜索策略优化法：对于高维数据的相似性匹配，必须找到一种合适的搜索策略，最容易想到的就是穷举搜索法。卜珂使用了线性搜索法，即遍历式搜索法，该算法的优点是原理简单并且效果优异，但效率极低。另一种经典的搜索算法就是Kd树算法，该算法在低维空间的搜索非常有效，但是在高维空间的效果迅速衰退。Zhang等提出了一种自适应KD树算
法，但是该算法不仅需要大量数据进行提前训练，而且算法的实时性比较差，不满足车载图像系统的应用要求。程天宇等设计快速空间寻优算法，提高了配准稳定性，但是该方法更多关注三维信息，增加了不必要的计算量，不适用于车载全景图像领域。
[0008]满足车载图像系统需求的图像配准算法应该在保证精度的基础上尽可能减少配准时间。以此为准则，需要提供一种新的车载图像配准算法，在保证配准精度的前提下，同时提高图像的配准速度。

技术实现思路

[0009]本专利技术所要解决的技术问题是针对上述现有技术的不足提供一种基于SURF算法的车载图像配准方法，本基于SURF算法的车载图像配准方法通过对特征描述符使用SCF算法进行降维处理，结合FTEP算法进行匹配特征点对的提纯；在保证配准精度的前提下，提高了图像的配准速度。
[0010]为实现上述技术目的，本专利技术采取的技术方案为：
[0011]一种基于SURF算法的车载图像配准方法，包括以下步骤：
[0012]步骤1：采用SURF算法提取待匹配两幅图像中的特征点，其中每个特征点均由64维特征描述符描述；将其中一幅图像作为参考图像，参考图像中的特征点记为参考特征点，另一幅图像作为待匹配图像，待匹配图像中的特征点记为待匹配特征点；
[0013]步骤2：使用SCF算法对参考图像中的特征描述符进行子空间划分并且使用聚类方法对每个子空间进行聚类，每个参考特征点在各个子空间与待匹配特征点的距离均由其在子空间中所属的组中心与待匹配特征点的距离代替，每个参考特征点与待匹配特征点的总距离为对应参考特征点在四个子空间分别与待匹配特征点的距离之和；
[0014]步骤3：获取所有参考特征点与一个待匹配特征点之间的总距离后，使用暴力搜索获得匹配点对，其中匹配点对为从所有参考特征点与一个待匹配特征点之间的总距离中选取其中最短距离所对应的参考特征点和待匹配特征点；
[0015]步骤4：按照步骤3的方法获取参考图像和待匹配图像之间的所有匹配点对；
[0016]步骤5：使用FTEP算法对匹配点对进行提纯，得到正确的匹配点对，从而完成图像配准。
[0017]作为本专利技术进一步改进的技术方案，所述的步骤1中，比较两幅图像中的特征点数量，将特征点数量多的图像作为参考图像，将特征点数量少的图像作为待匹配图像。
[0018]作为本专利技术进一步改进的技术方案，所述的步骤5具体为：
[0019](5.1)、计算每个匹配点对的变换能量E：
[0020][0021]其中，(f
2x
，f
2y
)为参考特征点的坐标，(f
1x
，f
1y
)为待匹配特征点的坐标；
[0022](5.2)、将所有匹配点对的变换能量由小到大进行排序，然后经过滤器进行过滤；
[0023](5.3)对过滤后的匹配点对的变换能量进行聚类，选取包含数目最多的匹配点对的聚类组别，该聚类组别中包含的匹配点对均为可信任点对；
[0024](5.4)计算所有可信任点对的向量余弦，从所有可信任点对中保留平行的点对，保留的可信任点对为正确的匹配点对。
[0025]作为本专利技术进一步改进的技术方案，所述的步骤(5.2)具体为：
[0026]将所有匹配点对的变换能量由小到大进行排序，然后依次经过第一层过滤器和第二层过滤器进行过滤；
[0027]当N为奇数时，第一层过滤器的公式为：
[0028][0029]当N为偶数时，第一层过滤器的公式为：
[0030][0031]当N为奇数时，第二层过滤器的公式为：
[0032][0033]当N为偶数时，第二层过滤器的公式为：
[0034][0035]式中，N为输入滤波器的数据个数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于SURF算法的车载图像配准方法，其特征在于，包括以下步骤：步骤1：采用SURF算法提取待匹配两幅图像中的特征点，其中每个特征点均由64维特征描述符描述；将其中一幅图像作为参考图像，参考图像中的特征点记为参考特征点，另一幅图像作为待匹配图像，待匹配图像中的特征点记为待匹配特征点；步骤2：使用SCF算法对参考图像中的特征描述符进行子空间划分并且使用聚类方法对每个子空间进行聚类，每个参考特征点在各个子空间与待匹配特征点的距离均由其在子空间中所属的组中心与待匹配特征点的距离代替，每个参考特征点与待匹配特征点的总距离为对应参考特征点在四个子空间分别与待匹配特征点的距离之和；步骤3：获取所有参考特征点与一个待匹配特征点之间的总距离后，使用暴力搜索获得匹配点对，其中匹配点对为从所有参考特征点与一个待匹配特征点之间的总距离中选取其中最短距离所对应的参考特征点和待匹配特征点；步骤4：按照步骤3的方法获取参考图像和待匹配图像之间的所有匹配点对；步骤5：使用FTEP算法对匹配点对进行提纯，得到正确的匹配点对，从而完成图像配准。2.根据权利要求1所述的基于SURF算法的车载图像配准方法，其特征在于，所述的步骤1中，比较两幅图像中的特征点数量，将特征点数量多的图像作为参考图像，将特征点数量少的图像作为待匹配图像。3.根据权利要求1所述的基于SURF算法的车载图像配准方法，其特征在于，所述的步骤5具体为：(5.1)、计算每个匹配点对的变换能量E：其中，(f
2x
...

【专利技术属性】
技术研发人员：肖广兵，冀风州，孙宁，张涌，
申请(专利权)人：南京林业大学，
类型：发明
国别省市：