[发明专利]一种视觉导航中的特征提取与匹配方法及系统

说明书

技术领域

本发明涉及一种图像分析及处理方法，具体地说是一种视觉导航中的特征提取与匹配方法。

背景技术

导航是指运动体按照预先给定的任务命令，根据已知的地图信息做出全局路径规划，并在行进过程中，不断感知周围的局部环境信息，做出各种决策，随时调整自身的姿态与位置，引导自身安全行驶，直至目标位置。惯性导航方式是最常见的导航方式，但是由于本身器件固有精度限制及外界环境影响会有一定误差存在，并会在导航过程中累加并影响最终结果，尤其对于内部湿滑或含有物料的管道，极易因为打滑而导致位置估计错误，从而无法正确定位事故点。而对于无人机及小行星探测器，外界环境对惯性导航的干扰也是一项不可忽略的问题。

视觉导航具有功耗小、信息量大的特点，可以避免惯性导航自身及外在影响所导致的误差。视觉导航是采用CCD摄像头拍摄路面图像，运用机器视觉等相关技术识别路径，实现自动导航的一种新兴导航方法。视觉导航依据视觉图像，利用图像处理、计算机视觉、模型识别等相关技术获取运动体的运动信息和空间位置信息。由于视觉导航通常采用被动工作方式，设备简单、成本低、经济性好、应用范围较广，在理论上具有最佳引导柔性，因此近年来发展非常迅速实现导航。

视觉导航既适用于室内环境，也适用于室外环境，两者都必须区分探测目标与背景。为了将障碍与背景分开，所需的图像计算量很大，导致系统的实时性较差。可采用一些图像处理方法,其中包括：使用Hough变换从图像中提取直线形式的道路边界，并通过对比探测到的道路信息与机器人内部存储的地图，修正偏差，实现导航，这种方法可以提高导航的鲁棒性。也可以把图像分解成为目标、背景、平地、不平地四类，并根据分解后的结果，将环境信息归类于平原模式和目标模式，然后针对不同的模式采用不同的环境表示方法和导航方式。

现有视觉导航主要分为两种方法：一种是利用人工设置的路标，如车辆自动驾驶、机器人自主寻径等，这种方法需要视觉环境中存在人为设置的路标，而对于经常磨损的管道、无人进入的戈壁和外太空来说，人为设置路标不能实现。另一种是直接对视觉图像进行分析，提取自然场景特征并进行匹配。这种方法对所拍摄图像内容没有严格路标要求，但希望其能对图像间的分辨率差异、仿射变换、亮度变化有一定的不变性。

当前的视觉导航中的特征提取与匹配方法主要分为两种：一种是对特征区域进行匹配，一种是对特征点进行匹配。特征区域匹配方法即从图像中提取有特点的区域进行匹配：使用阈值分割、迭代法、熵方法等方法将特征区域提取出来，使用相关匹配等方法对特征区域进行匹配。对于特征区域来说，所占像素越多，形状越丰富，匹配效果越好，但是在固定大小的图像中这样的特征区域数量有限，出现匹配错误所带来的误差不可忽略。同时切变等仿射变换将会改变特征区域形状，将会出现大量匹配错误。特征点匹配方法即使用角点匹配方法提取出图像中的颜色突变点并匹配，或使用SURF、SIFT等方法，提取出图像中函数最小值的像素点并进行匹配。这些方法得到大量的匹配点，但当遇到仿射变换尤其是切变等仿射变换会使匹配点大量减少，相对于特征区域匹配的优势无法明显体现出来。

中国专利文献CN103226820A中公开了一种改进的二维最大熵分割夜视图像融合目标检测算法，首先通过对二维直方图的改进，选取权值利用该直方图计算最大熵和对红外和微光图像分割，但是二维最大熵阈值分割法适用于目标占整体图像像素较多并且目标与背景有较大差异的图像，对于管道内部、戈壁、小行星表面的图像，目标较小，纹理与背景相似，分割后的结构噪声较大，导致匹配错误率较高。

在中国专利文献CN102722731A中公开了一种基于改进SIFT算法的高效图像匹配方法，利用SIFT算子对输入的参考图像和待匹配图像进行特征点提取，结合Harris算子对SIFT提取的特征点进行优化以筛选具有代表性的角点作为最终的特征点，对SIFT特征描述符进行降维处理，获取参考图像和待匹配图像的64维特征向量描述符，利用最近邻/次紧邻算法对参考图像和待匹配图像进行初始匹配，并采用随机采样一致性算法剔除其中的错误匹配，从而实现图像的精匹配。但是对于纹理细密且单一的导航图像会发生切变等仿射变换，降低了匹配精度。

发明内容

为此，本发明所要解决的技术问题在于现有的特征提取即匹配方法对于纹理与背景相似的图像分割后噪声大、匹配精度低的技术问题，从而提出一种适用于纹理与背景相似的图像的特征提取与匹配方法。

为解决上述技术问题，本发明的提供一种视觉导航中的特征提取与匹配方法，包括如下步骤：

采用二维最大熵阈值分割法提取出特征区域；