【技术实现步骤摘要】
涉及水下图像处理，具体涉及水下图像特征点亚像素位置估计。
技术介绍
1、视觉伺服方法的性能密切依赖于计算机视觉所提供的视觉信息反馈。然而，在uvms视觉伺服控制作业过程中发现，基于受相机感光元件限制的离散化整点成像的像素位置会出现明显的失真情况。在这种情况下，会导致视觉反馈信息的阶梯化，从而进一步导致在部分情况下控制器出现不希望产生的抖振现象。
2、在传统的计算机视觉方面，研究人员进行了大量研究来解决图像亚像素的定位方法。在不同的亚像素求解方法中，经典的求解方法有四种，分别是newton-raphson算法，梯度算法，灰度梯度迭代法，相关系数曲面拟合法。这些方法都是在计算机视觉的数字图像上进行图像处理，一方面加重了图像处理的复杂程度，提高了uvms视觉系统的配置要求，另一方面其计算的结果依赖于图像的成像质量而发生变化。
技术实现思路
1、针对现有技术中，解决图像亚像素的定位方法都是在计算机视觉的数字图像上进行图像处理，一方面加重了图像处理的复杂程度，提高了uvms视觉系统的配置要求，另一方面其计算的结果依赖于图像的成像质量而发生变化的技术问题，本专利技术提供的技术方案为：
2、水下图像特征点亚像素位置估计方法，所述方法包括：
3、采集运动目标上预设数量特征点的步骤；
4、定义时间序数矩阵和图像特征点整点反馈矩阵和非线性拟合待求参数矩阵的步骤；
5、根据所述特征点、时间序数矩阵图像特征点整点反馈矩阵和非线性拟合待求参数矩阵，
6、根据所述非线性拟合的待求参数矩阵的求解，得到下一次亚像素的估计值的步骤；
7、定义特征点整数反馈位置变化的变化率矩阵的步骤；
8、采集在视觉伺服控制作业运动变化慢的后期阶段特征点的亚像素线性预测值的步骤；
9、根据所述下一次亚像素的估计值、特征点整数反馈位置变化的变化率矩阵和所述预测值，得到下一次图像平面特征点亚像素估计值的步骤。
10、进一步，提供一个优选实施方式，所述图像特征点整点反馈矩阵为连续的四次图像特征点整点反馈矩阵。
11、进一步，提供一个优选实施方式，所述非线性拟合待求参数矩阵为连续的四次非线性拟合待求参数矩阵。
12、进一步，提供一个优选实施方式，当所述时间序数矩阵的秩小于4时，通过定义连续的四次图像特征点整点反馈矩阵求解非线性拟合的待求参数矩阵。
13、进一步，提供一个优选实施方式，所述下一次亚像素的估计值在三次得到所述非线性拟合的待求参数矩阵的求解后，得到。
14、进一步，提供一个优选实施方式，下一次图像平面特征点亚像素估计值还通过估计误差矩阵、估计误差累积矩阵和估计误差变化矩阵得到。
15、进一步，提供一个优选实施方式，所述预设数量特征点局部满足三次非线性函数模型。
16、基于同一专利技术构思，本专利技术还提供了水下图像特征点亚像素位置估计装置，所述装置包括：
17、采集运动目标上预设数量特征点的模块；
18、定义时间序数矩阵和图像特征点整点反馈矩阵和非线性拟合待求参数矩阵的模块；
19、根据所述特征点、时间序数矩阵图像特征点整点反馈矩阵和非线性拟合待求参数矩阵，求解非线性拟合的待求参数矩阵的模块；
20、根据所述非线性拟合的待求参数矩阵的求解，得到下一次亚像素的估计值的模块；
21、定义特征点整数反馈位置变化的变化率矩阵的模块；
22、采集在视觉伺服控制作业运动变化慢的后期阶段特征点的亚像素线性预测值的模块；
23、根据所述下一次亚像素的估计值、特征点整数反馈位置变化的变化率矩阵和所述预测值，得到下一次图像平面特征点亚像素估计值的模块。
24、基于同一专利技术构思，本专利技术还提供了计算机储存介质，用于储存计算机程序，当所述计算机程序被计算机读取时，所述计算机执行所述的方法。
25、基于同一专利技术构思，本专利技术还提供了计算机，包括处理器和储存介质，当所述处理器读取所述储存介质中储存的计算机程序时，所述计算机执行所述的方法。
26、与现有技术相比，本专利技术提供的技术方案的有益之处在于：
27、本专利技术提供的水下图像特征点亚像素位置估计方法，根据不同的运动情况和阶段，分别提出了线性预测算法和非线性预测算法。
28、本专利技术提供的水下图像特征点亚像素位置估计方法，结合估计模型来实现对相机视野中的目标进行实时的亚像素级的精确反馈，解决了水下弱光环境，相机低帧条件，相机感光元件尺寸受限下水下机器人-机械手系统对目标的观测精度低，从而导致其作业精度不理想的问题。
29、本专利技术提供的水下图像特征点亚像素位置估计方法，实现了水下视觉感知对相机硬件水平绝对依赖的摆脱，实现了在有限的视觉感知硬件条件，有限的视觉处理计算资源的情况下，对真实的水下环境信息与作业目标信息的挖掘。
30、本专利技术提供的水下图像特征点亚像素位置估计方法，具有易实现、硬件计算资源要求低、估计速度快、精度高以及鲁棒性强的优点。
31、本专利技术提供的水下图像特征点亚像素位置估计方法，适合应用于解决图像亚像素的定位方法的工作中。
本文档来自技高网...【技术保护点】
1.水下图像特征点亚像素位置估计方法，其特征在于，所述方法包括：
2.根据权利要求1所述的水下图像特征点亚像素位置估计方法，其特征在于，所述图像特征点整点反馈矩阵为连续的四次图像特征点整点反馈矩阵。
3.根据权利要求2所述的水下图像特征点亚像素位置估计方法，其特征在于，所述非线性拟合待求参数矩阵为连续的四次非线性拟合待求参数矩阵。
4.根据权利要求3所述的水下图像特征点亚像素位置估计方法，其特征在于，当所述时间序数矩阵的秩小于4时，通过定义连续的四次图像特征点整点反馈矩阵求解非线性拟合的待求参数矩阵。
5.根据权利要求1所述的水下图像特征点亚像素位置估计方法，其特征在于，所述下一次亚像素的估计值在三次得到所述非线性拟合的待求参数矩阵的求解后，得到。
6.根据权利要求1所述的水下图像特征点亚像素位置估计方法，其特征在于，下一次图像平面特征点亚像素估计值还通过估计误差矩阵、估计误差累积矩阵和估计误差变化矩阵得到。
7.根据权利要求1所述的水下图像特征点亚像素位置估计方法，其特征在于，所述预设数量特征点局部满足三次
8.水下图像特征点亚像素位置估计装置，其特征在于，所述装置包括：
9.计算机储存介质，用于储存计算机程序，其特征在于，当所述计算机程序被计算机读取时，所述计算机执行权利要求1所述的方法。
10.计算机，包括处理器和储存介质，其特征在于，当所述处理器读取所述储存介质中储存的计算机程序时，所述计算机执行权利要求1所述的方法。
...【技术特征摘要】
1.水下图像特征点亚像素位置估计方法，其特征在于，所述方法包括：
2.根据权利要求1所述的水下图像特征点亚像素位置估计方法，其特征在于，所述图像特征点整点反馈矩阵为连续的四次图像特征点整点反馈矩阵。
3.根据权利要求2所述的水下图像特征点亚像素位置估计方法，其特征在于，所述非线性拟合待求参数矩阵为连续的四次非线性拟合待求参数矩阵。
4.根据权利要求3所述的水下图像特征点亚像素位置估计方法，其特征在于，当所述时间序数矩阵的秩小于4时，通过定义连续的四次图像特征点整点反馈矩阵求解非线性拟合的待求参数矩阵。
5.根据权利要求1所述的水下图像特征点亚像素位置估计方法，其特征在于，所述下一次亚像素的估计值在三次得到所述非线性拟合的待求参数矩...
【专利技术属性】
技术研发人员：卞鑫宇，黄海，石健，胡敬伟，李凌宇，孙溢泽，张宗羽，
申请(专利权)人：哈尔滨工程大学，
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。