【技术实现步骤摘要】
本专利技术涉及图像的特征提取，尤其涉及一种面向纹理的均匀fast特征提取方法、装置、介质及设备。
技术介绍
1、现有vslam特征提取器在室内环境中尤其表现出对纹理和光照变化的敏感性，易于在变化环境下产生漏检和误检；
2、此外，特征点在纹理丰富区域的聚集和冗余，使地图构建过度依赖局部信息，增加建图的失败风险，特别是在硬件资源受限的情况下，这些问题会显著影响定位和建图的准确性。
技术实现思路
1、基于此，有必要针对上述问题，提出了一种面向纹理的均匀fast特征提取方法、装置、介质及设备。
2、一种面向纹理的均匀fast特征提取方法，所述方法包括：
3、构建面向纹理的均匀特征提取器；
4、对待提取特征的图片通过面向纹理的均匀fast特征提取器获得待提取特征图片的纹理直方图；
5、确定所述待提取特征图片的纹理直方图待提取特征图片的对比度和信息熵；
6、根据所述对比度和信息熵预设基础阈值；
7、根据所述基础阈值、对比度权重和信息熵权重确定优化阈值；
8、通过所述优化阈值提取待提取特征的图片的特征点并且确定特征点密度分布图；
9、根据密度和特征点的数量动态地调整四叉树的划分并且优化特征点的分布结构。
10、优选地，所述对待提取特征的图片通过面向纹理的均匀fast特征提取器获得待提取特征图片的纹理直方图之前，所述方法还包括对所述待提取图片进行去畸变处理，获得校正后的待提取图片
11、对于待提取图片中每一个坐标点表示为x和y，去畸变后的坐标点表示为xdistorted和ydistorted，畸变后的坐标为：
12、xdistorted＝x(1+k1r2+k2r4+k3r6)+2p1xy+p2(r2+2x2)
13、ydistorted＝y(1+k1r2+k2r4+k3r6)+2p2xy+p1(r2+2y2)
14、其中，k1、k2、k3、p1、p2分别为畸变参数,x,y是归一化平面上的点的坐标，r是平面上的点与归一化平面原点之间的距离。
15、优选地，所述确定所述待提取特征图片的纹理直方图待提取特征图片的对比度和信息熵，具体包括：
16、分别根据确定对比度c和信息熵e，其中，m和n是图像的尺寸，分别表示像素的行数和列数，f(i,j)表示图像中坐标为(i,j)的像素的灰度值。
17、优选地，所述根据所述对比度和信息熵预设基础阈值，具体包括：
18、确定所述对比度c为低等时，将基础阈值设置为c1'，其中c1'的值设置为(0,3)；
19、确定所述对比度c为高等时，将基础阈值设置为c2'，其中c2'的值设置为(20，+∞)；
20、确定所述对比度c为中等时，根据信息熵e将基础阈值设置为tb'。
21、优选地，所述确定所述对比度c为中等时，根据信息熵e确定基础阈值tb'，具体包括：确定所述信息熵e为低等时，将预设的基础阈值tb'设置为c'1加第一补偿值；确定所述信息熵e为高等时，将预设的基础阈值tb'设置为c'1加第二补偿值，第二补偿值大于第一补偿值。
22、优选地，所述根据所述基础阈值、对比度权重和信息熵权重确定优化阈值，具体包括：根据t＝tb+50×ρc×ρe确定优化阈值，其中，ρc和ρe分别正相关于图像对比度c和信息熵e，
23、优选地，所述通过所述优化阈值提取待提取特征的图片的特征点并且确定特征点密度分布图，具体包括：根据确定特征点密度分布图，其中，每个位置的值k表示特定区域范围sr内的特征点数量。
24、一种面向纹理的均匀fast特征提取装置，所述装置包括：
25、构建模块，用于构建面向纹理的均匀特征提取器；
26、纹理提取模块，用于对待提取特征的图片通过面向纹理的均匀fast特征提取器获得待提取特征图片的纹理直方图；
27、待提取图片信息获取模块，用于确定所述待提取特征图片的纹理直方图待提取特征图片的对比度和信息熵；
28、优化模块，用于根据所述对比度和信息熵预设基础阈值；并根据所述基础阈值、对比度权重和信息熵权重确定优化阈值；
29、特征提取模块，用于通过所述优化阈值提取待提取特征的图片的特征点并且确定特征点密度分布图；还用于根据密度和特征点的数量动态地调整四叉树的划分并且优化特征点的分布结构。
30、一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：
31、构建面向纹理的均匀特征提取器；
32、对待提取特征的图片通过面向纹理的均匀fast特征提取器获得待提取特征图片的纹理直方图；
33、确定所述待提取特征图片的纹理直方图待提取特征图片的对比度和信息熵；
34、根据所述对比度和信息熵预设基础阈值；
35、根据所述基础阈值、对比度权重和信息熵权重确定优化阈值；
36、通过所述优化阈值提取待提取特征的图片的特征点并且确定特征点密度分布图；
37、根据密度和特征点的数量动态地调整四叉树的划分并且优化特征点的分布结构。
38、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：
39、构建面向纹理的均匀特征提取器；
40、对待提取特征的图片通过面向纹理的均匀fast特征提取器获得待提取特征图片的纹理直方图；
41、确定所述待提取特征图片的纹理直方图待提取特征图片的对比度和信息熵；
42、根据所述对比度和信息熵预设基础阈值；
43、根据所述基础阈值、对比度权重和信息熵权重确定优化阈值；
44、通过所述优化阈值提取待提取特征的图片的特征点并且确定特征点密度分布图；
45、根据密度和特征点的数量动态地调整四叉树的划分并且优化特征点的分布结构。
46、与现有技术相比，本专利技术通过针对该传统的vslam特征点提取器进行改进之后得到面向纹理的特征点提取器，然后在该面向纹理的特征点提取器中输入待提取图片得到提取的基础阈值，最后，将该基础阈值输入到该面向纹理的特征点提取器之后得到优化阈值，进一步根据优化阈值确定该待提取图片的特征点提取结果，并且对提取的特征点图进行进一步的均匀化以得到的特征点图的结果为该待提取图片的最终提取结果。
47、相比于传统的图片特征点提取器应用于vslam前端的任务的方式，本专利技术通过针对特征点提取器进行改进得到面向纹理的特征点提取器，然后将待提取图片输入到该特征点提取器中进行特征点提取，再根据所提取的特征点进行进一步的均匀化，在特征点密度不同的图片区域进行划分提取。以该均匀化后所提取的特征点为最终提取的结果，从而，本专利技术能够实现通过面向纹理的提取本文档来自技高网...
【技术保护点】
1.一种面向纹理的均匀FAST特征提取方法，其特征在于，所述方法包括：
2.根据权利要求1所述的面向纹理的均匀FAST特征提取方法，其特征在于，所述对待提取特征的图片通过面向纹理的均匀FAST特征提取器获得待提取特征图片的纹理直方图之前，所述方法还包括对所述待提取图片进行去畸变处理，获得校正后的待提取图片：
3.根据权利要求1所述的面向纹理的均匀FAST特征提取方法，其特征在于，所述确定所述待提取特征图片的纹理直方图待提取特征图片的对比度和信息熵，具体包括：
4.根据权利要求3所述的面向纹理的均匀FAST特征提取方法，其特征在于，所述根据所述对比度和信息熵预设基础阈值，具体包括：
5.根据权利要求4所述的面向纹理的均匀FAST特征提取方法，其特征在于，所述确定所述对比度C为中等时，根据信息熵E确定基础阈值Tb'，具体包括：确定所述信息熵E为低等时，将预设的基础阈值Tb'设置为C'1加第一补偿值；确定所述信息熵E为高等时，将预设的基础阈值Tb'设置为C'1加第二补偿值，第二补偿值大于第一补偿值。
6.根据权利要求5所述的面
7.根据权利要求6所述的面向纹理的均匀FAST特征提取方法，其特征在于，所述通过所述优化阈值提取待提取特征的图片的特征点并且确定特征点密度分布图，具体包括：根据确定特征点密度分布图，其中，每个位置的值k表示特定区域范围SR内的特征点数量。
8.一种面向纹理的均匀FAST特征提取装置，其特征在于，所述装置包括：
9.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种面向纹理的均匀fast特征提取方法，其特征在于，所述方法包括：
2.根据权利要求1所述的面向纹理的均匀fast特征提取方法，其特征在于，所述对待提取特征的图片通过面向纹理的均匀fast特征提取器获得待提取特征图片的纹理直方图之前，所述方法还包括对所述待提取图片进行去畸变处理，获得校正后的待提取图片：
3.根据权利要求1所述的面向纹理的均匀fast特征提取方法，其特征在于，所述确定所述待提取特征图片的纹理直方图待提取特征图片的对比度和信息熵，具体包括：
4.根据权利要求3所述的面向纹理的均匀fast特征提取方法，其特征在于，所述根据所述对比度和信息熵预设基础阈值，具体包括：
5.根据权利要求4所述的面向纹理的均匀fast特征提取方法，其特征在于，所述确定所述对比度c为中等时，根据信息熵e确定基础阈值tb'，具体包括：确定所述信息熵e为低等时，将预设的基础阈值tb'设置为c'1加第一补偿值；确定所述信息熵e为高等时，将预设的基础阈值tb'设置为c'1加第二补偿值，第二...
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。