基于ORB-GMS的图像匹配方法、装置、计算机设备及存储介质制造方法及图纸

本申请实施例公开了一种基于ORB

【技术实现步骤摘要】
基于ORB
‑
GMS的图像匹配方法、装置、计算机设备及存储介质


[0001]本申请实施例涉及计算机视觉
，尤其涉及一种基于ORB
‑
GMS的图像匹配方法、装置、计算机设备及存储介质。

技术介绍

[0002]在对图像进行拼接的过程中，需要面临多个相机的影像融合的问题。在开始融合之前，需要通过去畸变矫正得到修正后的非畸变图像，然后再对这些图像进行对齐和融合。其中，对于非畸变图像的对齐与融合问题，一种通用的办法是：对需要拼接的图像进行特征点匹配，然后通过拟合特征点的旋转、平移、缩放关系来确定整幅图像的全局变形。也就是说，图像拼接是通过图像之间的共同特征来确定多幅图像之间进行旋转、平移、缩放的参数来实现的。因此，特征点的匹配良好与否直接影响了后续的拼接工作。
[0003]现有的特征点算法虽然能够在较短时间内生成密集的特征点，但一部分的特征点描述性能有所下降；更佳的特征点能够通过能复杂的算法来完成，但计算负担太大，实用性差。

技术实现思路

[0004]本申请实施例提供一种基于ORB
‑
GMS的图像匹配方法、装置、计算机设备及存储介质，来解决现有的图像特征点算法的计算负担太大，实用性差的问题。
[0005]在第一方面，本申请实施例提供了一种基于ORB
‑
GMS的图像匹配方法，所述方法包括以下步骤：
[0006]获取需要拼接的多幅图像；
[0007]基于ORB算法对所述图像进行特征匹配，获得特征描述子；r/>[0008]基于ORB
‑
GMS算法对所述特征描述子进行快速鲁棒匹配，得到单应矩阵；
[0009]根据透视变换，输入预期的扭曲的图像、单应矩阵以及输出图像的形状，将图像进行拼接。
[0010]进一步的，所述基于ORB算法对所述图像进行特征匹配，获得特征描述子，包括：
[0011]通过FAST算法对所述图像检测得到特征点；
[0012]通过BRIEF算法对特征点进行描述，得到特征描述子。
[0013]进一步的，所述通过FAST算法对所述图像检测得到特征点，包括：
[0014]选择一个像素p，并以该像素为圆形模板，得到圆形的上像素，比较圆形的上像素和像素p的差值；
[0015]计算像素p的正上像素、正下像素、左像素、右像素这四个像素的差值，若有三个像素超过设定阈值，则将像素p设为候选点p，否则舍弃；
[0016]获取候选点p所在的圆形的顺时针外像素，比较顺时针外像素与候选点p的差值，若有九个像素超过设定阈值，则将该候选点p设为特征点p；
[0017]对图像的非极大值进行抑制：
[0018]计算特征点处的FAST得分值，判断以特征点p为中心的一个邻域内，经计算后若有多个特征点，则判断每个特征点的的顺时针外像素与中心像素点的差值的绝对值总和；
[0019]若特征点p是邻域所有特征点中响应值最大的，则保留该点的值，否则，则舍弃改点的值；若邻域内只有一个特征点，则保留该点的值；
[0020]得分计算公式如下：
[0021][0022]其中，V表示得分，t表示设定阈值。
[0023]进一步的，所述通过BRIEF算法对特征点进行描述，得到特征描述子，包括：
[0024]通过BRIEF算法在关键点Kp领域以设定采样方式选取N个点对，
[0025]定义一种算子T：
[0026][0027]其中，P为点对，V为像素亮度；
[0028]将N个点对的比较结果组合起来，作为特征描述子；
[0029]通过T描述为N维特征向量(T1,T2,T3,T4)。
[0030]进一步的，所述通过BRIEF算法对特征点进行描述，得到特征描述子之前，还包括：
[0031]通过质心算法计算梯度方向：
[0032]首先计算Moment(M
00 M
10 M
01
)：
[0033][0034][0035][0036]得到Q向量：
[0037][0038]通过Q向量规定旋转方向，当计算BRIEF算法时考虑Q向量方向，计算时归一化方向；当图像发生了旋转，则通过两张图像之间的Q方向来恢复原始BRIEF信息。
[0039]进一步的，所述基于ORB
‑
GMS算法对所述特征描述子进行快速鲁棒匹配，得到单应矩阵，包括：
[0040]根据得到的特征描述子，通过GMS算法对所述特征描述子进行匹配；
[0041]关于正确的匹配邻域中的正确匹配和错误的概率分布：
[0042]用数学的角度推导则表示为一种关于正确的匹配邻域中的正确匹配和错误的概率分布：
[0043][0044]m
true
＝knp
ture
,
[0045]m
false
＝knp
false
,
[0046]B(kn,p
true
)x
i
是正确匹配；B(kn,p
fales
)x
i
是错误匹配；
[0047]确定出最大概率P1：
[0048][0049]过滤掉错误匹配的特征描述子，存留正确匹配的特征描述子。
[0050]进一步的，所述获取需要拼接的多幅图像之后，还包括：
[0051]对所述图像进行去畸变矫正，得到修正后的非畸变图像；
[0052]将多幅所述非畸变图像进行对齐和融合。
[0053]在第二方面，本申请实施例还提供一种基于ORB
‑
GMS的图像匹配装置，包括：
[0054]图像获取模块，用于获取需要拼接的多幅图像；
[0055]特征获取模块，用于基于ORB算法对所述图像进行特征匹配，获得特征描述子；
[0056]特征匹配模块，用于基于ORB
‑
GMS算法对所述特征描述子进行快速鲁棒匹配，得到单应矩阵；
[0057]图像拼接模块，用于根据透视变换，输入预期的扭曲的图像、单应矩阵以及输出图像的形状，将图像进行拼接。
[0058]在第三方面，本申请实施例还提供一种计算机设备，包括：存储器以及一个或多个处理器；
[0059]所述存储器，用于存储一个或多个程序；
[0060]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述的一种基于ORB
‑
GMS的图像匹配方法。
[0061]在第四方面，本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如上述的一种基于ORB
‑
GMS的图像匹配方法。
[0062]本申请实施例通过获取需要拼接的多幅图像；基于ORB算法对所述图像进行特征匹配，获得特征描述子；基于ORB
‑<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于ORB
‑
GMS的图像匹配方法，其特征在于，所述方法包括以下步骤：获取需要拼接的多幅图像；基于ORB算法对所述图像进行特征匹配，获得特征描述子；基于ORB
‑
GMS算法对所述特征描述子进行快速鲁棒匹配，得到单应矩阵；根据透视变换，输入预期的扭曲的图像、单应矩阵以及输出图像的形状，将图像进行拼接。2.根据权利要求1所述的基于ORB
‑
GMS的图像匹配方法，其特征在于，所述基于ORB算法对所述图像进行特征匹配，获得特征描述子，包括：通过FAST算法对所述图像检测得到特征点；通过BRIEF算法对特征点进行描述，得到特征描述子。3.根据权利要求2所述的基于ORB
‑
GMS的图像匹配方法，其特征在于，所述通过FAST算法对所述图像检测得到特征点，包括：选择一个像素p，并以该像素为圆形模板，得到圆形的上像素，比较圆形的上像素和像素p的差值；计算像素p的正上像素、正下像素、左像素、右像素这四个像素的差值，若有三个像素超过设定阈值，则将像素p设为候选点p，否则舍弃；获取候选点p所在的圆形的顺时针外像素，比较顺时针外像素与候选点p的差值，若有九个像素超过设定阈值，则将该候选点p设为特征点p；对图像的非极大值进行抑制：计算特征点处的FAST得分值，判断以特征点p为中心的一个邻域内，经计算后若有多个特征点，则判断每个特征点的的顺时针外像素与中心像素点的差值的绝对值总和；若特征点p是邻域所有特征点中响应值最大的，则保留该点的值，否则，则舍弃改点的值；若邻域内只有一个特征点，则保留该点的值；得分计算公式如下：其中，V表示得分，t表示设定阈值。4.根据权利要求2所述的基于ORB
‑
GMS的图像匹配方法，其特征在于，所述通过BRIEF算法对特征点进行描述，得到特征描述子，包括：通过BRIEF算法在关键点Kp领域以设定采样方式选取N个点对，定义一种算子T：其中，P为点对，V为像素亮度；将N个点对的比较结果组合起来，作为特征描述子；通过T描述为N维特征向量(T1,T2,T3,T4)。5.根据权利要求4所述的基于ORB
‑
GMS的图像匹配方法，其特征在于，所述通过BRIEF算法对特征点进行描述，得到特征描述子之前，还包括：
通过质心算法计算梯度方向：首先计算Moment(M
00 M
...

【专利技术属性】
技术研发人员：王文辉，李贻凯，彭煜民，马一鸣，张豪，李尧，黄凡旗，
申请(专利权)人：南方电网调峰调频发电有限公司储能科研院，
类型：发明
国别省市：