基于跟踪时间预测的特征选择方法技术

本发明专利技术公开了一种基于跟踪时间预测的特征选择算法，包括：随机选择一帧二维图像的ｎ个特征进行特征跟踪，获得特征匹配的结果，并利用该结果估计二维图像的运动信息；对二维图像进行分割，得到一组互相不重叠的图像子区域，将每个子区域的中心像素作为特征点，根据二维图像的运动信息和特征点的当前所在位置，通过前向迭代算法来预测特征点的跟踪时间，并以此作为特征点所在子区域内任一特征的预测跟踪时间，即作为每个子区域的预测跟踪时间；比较所有子区域的预测跟踪时间，在具有最大预测跟踪时间的子区域内进行特征提取。本发明专利技术提供的特征选择方法，在用于机器人从环境中选取特征时可以有效减少其自身定位估计的不确定性。

【技术实现步骤摘要】

本专利技术涉及机器人同时定位与地图重建领域，具体来说是一种关于机器人如何从 环境中选取特征的方法。
技术介绍
移动机器人在未知环境中工作时，需要创建一份关于环境的地图，同时利用这份 地图来决定自身的位置。在基于特征的同时定位与地图重建算法中，地图通常由环境中的 特征来表示，因此，对环境中的特征进行选择是一个首先需要解决的问题。广义上的特征选 择包含了对图像中的特征进行提取和从提取到的特征中进行选择两个过程。然而，在基于 视觉的同时定位与地图重建算法中，特征的选择通常仅被看成是特征提取的过程。目前，对各种特征提取算法在同时定位与地图重建算法中的应用的研究非常之 多，但是在不同的场景和不同的衡量指标下，各种特征提取算法的表现有着明显差异，因而 需要结合具体的应用来选择相应的特征提取算法。在基于扩展卡尔曼滤波的算法框架下， 计算的复杂度是与特征数量的平方成正比的；而常用的点特征提取算法往往能从一幅图像 中提取出成百上千个特征，这就对定位的实时性形成了巨大的挑战。通过从提取到的特征 点集合里选取出一个特征子集来表示地图，则可以起到降低计算复杂度的目的。因此，对特 征进行选择是非常重要而且有本文档来自技高网...

【技术保护点】
一种基于跟踪时间预测的特征选择方法，其特征在于，包括以下步骤：（１）随机选择一帧二维图像的ｎ个特征进行特征跟踪，获得特征匹配的结果，并利用所述的特征匹配的结果估计二维图像的运动信息；（２）对二维图像进行分割，得到一组互相不重叠的图像子区域，将每个子区域的中心像素作为特征点，根据二维图像的运动信息和特征点的当前所在位置，通过前向迭代算法来预测特征点的跟踪时间，并以此作为特征点所在子区域内任一特征的预测跟踪时间，即作为每个子区域的预测跟踪时间；（３）比较所有子区域的预测跟踪时间，在具有最大预测跟踪时间的子区域内进行特征提取。

【技术特征摘要】
一种基于跟踪时间预测的特征选择方法，其特征在于，包括以下步骤(1)随机选择一帧二维图像的n个特征进行特征跟踪，获得特征匹配的结果，并利用所述的特征匹配的结果估计二维图像的运动信息；(2)对二维图像进行分割，得到一组互相不重叠的图像子区域，将每个子区域的中心像素作为特征点，根据二维图像的运动信息和特征点的当前所在位置，通过前向迭代算法来预测特征点的跟踪时间，并以此作为特征点所在子区域内任一特征的预测跟踪时间，即作为每个子区域的预测跟踪时间；(3)比较所有子区域的预测跟踪时间，在具有最大预测跟踪时间的子区域内进行特征提取。2.如权利要求1所述的特征选择方法，其特征在于，所述的步骤⑴中，利用所述的特 征匹配的结果估计二维图像的运动信息的过程如下采用如式(I)所示的六参数仿射模型表示二维图像的运动U2 = B1Xu^a2X V^a3(I...

【专利技术属性】
技术研发人员：陈耀武，孟旭炯，史勇强，欧进利，
申请(专利权)人：浙江大学，
类型：发明
国别省市：86[中国|杭州]