一种基于图像角点检测算法的特征点提取及标定方法技术

本发明专利技术公开了一种基于图像角点检测算法的特征点提取及标定方法，涉及计算机视觉和图像处理技术领域；本发明专利技术中方法通过相机采集图像特征点坐标，并进行分组，构建单应性矩阵方法并求解，通过阈值判断选取最优单应性矩阵。通过优先级划分，减小特征点计算迭代次数，从而提高了运算速度，减少标定时间。减少标定时间。减少标定时间。

【技术实现步骤摘要】
一种基于图像角点检测算法的特征点提取及标定方法


[0001]本专利技术属于计算机视觉和图像处理领域，涉及标靶特征点提取及标定技术，具体是一种基于图像角点检测算法的特征点提取及标定方法。

技术介绍

[0002]单应性矩阵在图像校正、图像拼接、相机标定和视觉SLAM(Simultaneous Localization and Mapping，即时定位与地图创建)等计算机视觉领域有着非常重要的作用，单应性矩阵是二维世界坐标系到三维图像坐标系的映射转换关系矩阵，它的好坏决定了对应应用领域的计算结果，而基于图像处理技术的特征点提取是计算优化单应性矩阵常用的方法。
[0003]通过筛选图像误匹配点，从而算出最优单应性矩阵。现有的相机标定中单应性矩阵使用频率极高，但标定使用的图像大都是棋盘格或类似的将方形特征点更换为圆形特征点，这种标靶虽然特征点更多，确保了精度，但运算速度却会慢不少，尤其当应用于无人驾驶、视觉SLAM等要求实时性的领域时，应用效果不高。
[0004]中国专利号ZL201610918342.0，专利名称为：一种高精度的摄像机动态标定方法，该申请案对棋盘格靶标图像X型标定点进行检测及高精度定位，基于非量测畸变校正对摄像机进行动态标定，对于序列图像中的靶标特征区域只需对第一帧图像靶标区域进行匹配，只需任意i帧单幅图像即可完成单次摄像机标定，确定对应的单应性矩阵Hi。该申请案具备稳定、实用，可同时适用于简单背景与复杂背景及大视场条件下的摄像机标定的优点。但该申请案同样存在所使用的棋盘格靶标特征点多，运算速度慢导致实时性差的缺点。
[0005]为此，提出一种基于图像角点检测算法的特征点提取及标定方法。

技术实现思路

[0006]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种基于图像角点检测算法的特征点提取及标定方法，该一种基于图像角点检测算法的特征点提取及标定方法解决了现有的标定方法存在所使用的棋盘格靶标特征点多，运算速度慢导致实时性差的问题。
[0007]为实现上述目的，根据本专利技术的第一方面的实施例提出一种基于图像角点检测算法的特征点提取及标定方法，包括以下步骤：
[0008]步骤一：相机采集图像信息，利用角点检测算法提取图像中特征点，并获取每一个特征点的二维坐标；
[0009]步骤二：从步骤一获得的特征点中建立k组特征点集合，每组有4个特征点，并且每组中的任意三个特征点不能在同一条直线上；同时k为下面步骤的迭代次数；
[0010]步骤三：选取一组特征点集，以该组的4特征点坐标构建单应性矩阵方程来估计初始单应性矩阵；
[0011]步骤四：用初始单应性矩阵一一测试图像中其他特征点是否满足初始单应性矩阵
方程，每满足一个特征点则内点加1，不满足则内点保持不变；
[0012]步骤五：步骤四测试完成后，若内点数目N≥N1则初始单应性矩阵达到要求，保留此矩阵和内点数目；
[0013]步骤六：判断是否迭代结束；未结束则从步骤三继续迭代，结束则进入步骤七；
[0014]步骤七：在上述步骤中所有被保留下来的单应性矩阵H和其对应的内点数目中，选取内点数目最大的值，若最大值就一个，则其单应性矩阵就是最优单应性矩阵；若有多个最大值，则求解每个最大值所对应的4对特征点在图像上的分布范围，分布均匀且分布范围最广的为最优单应性矩阵。
[0015]优选的，所述图像由8个点圆形排列构成，作为特征点。
[0016]优选的，本方法采用Harris角点检测算法提取特征点。
[0017]优选的，所述特征点集是一个特征点的集合；
[0018]特征点包含从相机拍摄的图像中提取的圆心像素特征点和对应的圆心特征点；
[0019]设图像的圆心特征点像素坐标为(x
i
′
,y
i
′
,z
i
′
)(i＝1,2,3...)，图像圆心特征点坐标为(x
i
,y
i
,z
i
)(i＝1,2,3...)，并由此得到图像的点坐标和目标的坐标的单应性矩阵方程
[0020][0021]令z
i
′
＝z
i
＝1，则有如下式所示，一个特征点对应3个单应性矩阵方程，其中，第三个方程为共有方程；
[0022][0023]即4个特征点对可以得到关于H的8个方程；再加上上式推导出的一个共有方程h
31
x
i
+h
32
y
i
+h
33
＝1；一共9个方程。
[0024][0025]单应性矩阵H是一个3*3矩阵方程，有9个未知参数；根据九个方程求解出单应性矩阵H的九个参数。
[0026]优选的，步骤四中需满足的要求是距离d小于阈值；
[0027]距离d的计算公式为：
[0028][0029]式中，n是特征点集中其他特征点的数量。
[0030]优选的，N1设置为剩余特征点集数量的一半。
[0031]优选的，在内点有多相同个最大值的情况下，分辨特征点是否分布均匀且范围最广，包括以下步骤：
[0032]将图像中8个点从1开始按照顺序编号，添加顺序为由左往右、由上至下，按照分布范围将每组特征点分为四个优先级，根据优先级选取最优单应性矩阵，四个优先级分别为：
[0033]1)第一优先级：记号为1、2、7、8；
[0034]2)第二优先级：记号为1、2、7、4；记号为1、2、8、3；记号为1、5、7、8；记号为2、5、7、8；
[0035]3)第三优先级：记号为1、2、3、4；记号为1、7、5、6；记号为3、4、5、6；记号为3、4、7、8；记号为2、8、5、6；
[0036]4)第四优先级：除了其它三个优先级里面的记号，都属于第四优先级。
[0037]与现有技术相比，本专利技术的有益效果是：
[0038]本专利技术通过相机采集标靶的图像信息，并利用角点检测算法提取图像特征点；从获得的特征点集中按照找不共线的约束条件抽取4个特征点，以该4个特征点估计初始单应性矩阵；内点初始值设置为0后测试剩余的特征点是否满足初始单应性矩阵，内点为满足初始单应性矩阵的特征点数目；测试完后若内点数目N≥N1，则保留矩阵和内点数目；判断是否迭代结束；选取内点数目最大的值，若最大值就一个，则其单应性矩阵就是最优单应性矩阵；若有多个则分布均匀且分布范围最广的为最优单应性矩阵；基于角点检测算法的图像处理技术来设计特征点提取的的一种标定方法，处理出现多个内点数目最大值这种极端情况来优化单应性矩阵来二次筛选改进标定方法，由图像的四个角落和中心处都有特征点，较大限度的保证了图像的可识别能力；相较于传统棋盘格式标靶图像，本专利技术中由于删除三电共线的特征点集合，从而选取的特征点数更少，相应标定方法中迭代次数也会减少很多，提高了运算速度，减少标定时间。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像角点检测算法的特征点提取及标定方法，其特征在于，包括以下步骤：步骤一：相机采集图像信息，利用角点检测算法提取图像中特征点，并获取每一个特征点的二维坐标；步骤二：从步骤一获得的特征点中建立k组特征点集合，每组有4个特征点，并且每组中的任意三个特征点不能在同一条直线上；同时k为下面步骤的迭代次数；步骤三：选取一组特征点集，以该组的4特征点坐标构建单应性矩阵方程来估计初始单应性矩阵；步骤四：用初始单应性矩阵一一测试图像中其他特征点是否满足初始单应性矩阵方程，每满足一个特征点则内点加1，不满足则内点保持不变；步骤五：步骤四测试完成后，若内点数目N≥N1则初始单应性矩阵达到要求，保留此矩阵和内点数目；步骤六：判断是否迭代结束；未结束则从步骤三继续迭代，结束则进入步骤七；步骤七：在上述步骤中所有被保留下来的单应性矩阵H和其对应的内点数目中，选取内点数目最大的值，若最大值就一个，则其单应性矩阵就是最优单应性矩阵；若有多个最大值，则求解每个最大值所对应的4对特征点在图像上的分布范围，分布均匀且分布范围最广的为最优单应性矩阵。2.根据权利要求1所述的一种基于图像角点检测算法的特征点提取及标定方法，其特征在于，所述图像由8个点圆形排列构成，作为特征点。3.根据权利要求1所述的一种基于图像角点检测算法的特征点提取及标定方法，其特征在于，本方法采用Harris角点检测算法提取特征点。4.根据权利要求1所述的一种基于图像角点检测算法的特征点提取及标定方法，其特征在于，所述特征点集是一个特征点的集合；特征点包含从相机拍摄的图像中提取的圆心像素特征点和对应的圆心特征点；设图像的圆心特征点像素坐标为(x
i
′
,y
i
′
,z
ii
)(i＝1,2,3...)，图像圆心特征点坐标为(x
i
,y

【专利技术属性】
技术研发人员：姚勇，常雁龙，杨冰倩，
申请(专利权)人：安徽省爱夫卡电子科技有限公司，
类型：发明
国别省市：