【技术实现步骤摘要】
Point,AP),记为AP1,
…
,AP
m
,第j个AP记为AP
j
(j≤m,j为整数)。锚点之间的距离设为1m,锚点可以设置在较为开阔的空间,如走廊的交汇处,并应均匀布置,避免定位盲区。
[0008]步骤二、分别以每个锚节点为中心360
°
拍摄图像,每个图像的宽度为1920像素,角度偏差为7.3度,两个相邻图像之间的位移为200像素,一个锚节点共拍摄49张图像作为一个训练集。将这些训练集进一步划分为重叠的全高清尺寸视图,这些视图作为离线数据库用于后续与测试集的特征匹配。
[0009]步骤三、在空间内锚节点周围标定n(n≥1,n为整数)个测试点(Testing Point,TP),依次表示为TP1,TP2,...,TP
n
。对于每个测试点,沿任意方向拍摄一张图像作为测试图像。每个测试图像将用于与训练集的特征匹配,以确定与测试点匹配率最高的锚点作为定位结果。
[0010]步骤四、采用基于直方图的图像筛选方案来消除大部分不可能匹配。具体包括以下步骤:
[0011]步骤四(一)、将每个锚节点的地标图像和定位图像分别划分为10个子区域,对图像进行灰度处理,即:
[0012]f=0.3R+0.59G+0.11B
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0013]基于加权平均法对数字图像进行灰度处理得到灰度图像,按照一定的灰度像素宽度划分0~255形成灰度区间,统计灰度图像中灰度区间内所有灰 ...
【技术保护点】
【技术特征摘要】
1.一种基于粗精特征筛选的视觉图像定位方法,其特征在于包括以下步骤:步骤一、在目标区域内放置m(m≥1,m为整数)个位置已知的锚节点(Acess Point,AP),记为AP1,L,AP
m
,第j个AP记为AP
j
(j≤m,j为整数)。锚点的距离设置为1m,锚点可以设置在较为开阔的空间,如走廊的交汇处,并应均匀布置,避免定位盲区。步骤二、分别以每个锚节点为中心360
°
拍摄图像,每个图像的宽度为1920像素,角度偏差为7.3度,两个相邻图像之间的位移为200像素,一个锚节点共拍摄49张图像作为一个训练集。将这些训练集进一步划分为重叠的全高清尺寸视图,这些视图作为离线数据库用于后续与测试集的特征匹配。步骤三、在空间内锚节点周围标定n(n≥1,n为整数)个测试点(Testing Point,TP),依次表示为TP1,...,TP
n
。对于每个测试点,沿任意方向拍摄一张图像作为测试图像。每个测试图像将用于与训练集的特征匹配,以确定与测试点匹配率最高的锚点作为定位结果。步骤四、采用基于直方图的图像筛选方案来消除大部分不可能匹配。步骤五、采用加速稳健特征(Speeded Up Robust Features,SURF)算法提取上一步筛选后的训练集和测试图像的特征信息,计算特征描述子。步骤六、特征点匹配。计算训练集与测试集两组图像特征点描述子的欧氏距离,欧氏距离越小,表明两个特征点的匹配度越好,小于设定阈值(本发明设置为0.06)时,可以认为匹配成功。计算每个锚点的训练集与测试图像的匹配率,匹配率最高的锚点位置可以近似为图像定位结果。2.根据权利要求1所述的一种基于粗精特征筛选的视觉图像定位方法,其特征在于所述步骤四包括以下步骤:步骤四、采用基于直方图的图像筛选方案来消除大部分不可能匹配。具体包括以下步骤:步骤四(一)、将每个锚节点的地标图像和定位图像分别划分为10个子区域,对图像进行灰度处理,即:f=0.3R+0.59G+0.11B
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)基于加权平均法对数字图像进行灰度处理得到灰度图像,按照一定的灰度像素宽度划分0~255形成灰度区间,统计灰度图像中灰度区间内所有灰度像素的数量,形成灰度直方图,并对图像的直方图进行归一化。依据格网点坐标和对应的图像灰度直方图建立图像特征库,数据结构设计见表1。表1数据结构设计步骤四(二)、采用巴氏系数(Bhattacharyya)作为直方图相似性的度量,索引值越高(0~1),表示相似性越高。计算每个测试图像与训练集的巴氏系数取平均值,以保留图像的结构信息。巴氏系数计算公式如下:
其中,H1,H2分别为查询图像和参考图像在数据库中的视觉向量。步骤四(三)、对于每一张测试图像,都能与训练集中的训练图像进行直方图相似性匹配。匹配对中巴氏系数大于阈值(本发明设置为0.6)且为局部最大值的视图将被用于下一阶段的详细匹配。3.根据权利要求1所述的一种基于粗精特征筛选的视觉图像定位方法,其特征在于所述步骤五包括以下步骤:步骤五、采用加速稳健特征(Spee...
【专利技术属性】
技术研发人员:蒲巧林,蔡睿,周牧,余雨俊轩,董昕,陈思彤,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。