[发明专利]一种基于ASIFT的深度像匹配方法

说明书

技术领域

本发明涉及三维数字成像和光学三维重建领域，尤其是一种基于ASIFT的深度像匹配方法。

背景技术

三维数字成像及造型(3DIM，3D Digital Imaging and Modeling)是近年来国际上活跃研究的一个新兴交叉学科领域。它被广泛应用到反向工程、文物保护、医学诊断、工业检测以及虚拟现实等诸多方面。深度像的空间匹配是3DIM技术中一个非常关键的环节。由于扫描设备的视场限制以及物体自身的遮挡关系，不可能一次扫描就得出描述物体形状的全部信息。因此为了得到被测物体完整的数据模型，需要从多个视角对物体进行重复扫描，直到采集到物体的完整深度信息为止。

在每个方向得到的深度像是针对此方向的摄像机而言，也就是说，深度像位于此摄像机的坐标系内。对于物体上的同一点，在不同摄像机坐标系内的坐标并不相同。而要从不同方向的深度像中得到物体表面的完整表达，则需要确定各个方向深度像之间的变换关系，把所有的深度像转化到同一个坐标系内，该过程就是匹配。其中，深度像之间的变换关系是一个六自由度的刚体变换。

目前应用较广泛的深度像匹配方法是迭代最近点(ICP，Iterative Closest Point)算法。该算法需要估计两个深度像的初始位置，以作为迭代的初值，其对噪声敏感且容易陷入局部最优。如果场景中存在相似结构，则该算法进行迭代时往往会因陷入局部最小而出现误匹配，从而导致整个配准失败。深度像的粗匹配用于得到两个深度像的初始位置估计，因此，粗匹配效果的好坏很大程度上决定了ICP的最终迭代结果。

目前，深度像的粗匹配方法主要有两种：基于几何特征的粗匹配方法和基于纹理特征的粗匹配方法。然而，基于几何特征的粗匹配方法，对于形状比较规则或对称的物体特征识别比较困难，适应性较窄。而基于纹理特征的匹配方法，如基于Harris角点的特征提取方法和基于尺度不变特征变换(SIFT，Scale Invariant Feature Transform)的点特征提取方法，都不是完全仿射不变的特征提取方法，在两幅图像存在足够大的仿射变换时，基于纹理特征的匹配方法无法在两幅图中检测到足够的共同特征，导致其在视场变化较大的情况下匹配精度差，往往得不到满意的结果。

发明内容

为了解决上述技术问题，本发明的目的是：提供一种适应性广和匹配精度高的，基于ASIFT的深度像匹配方法。

本发明解决其技术问题所采用的技术方案是：一种基于ASIFT的深度像匹配方法，包括：

S1、获取被测物体在两个视场内的深度像和灰度图像，并分别得到两个视场内深度像与灰度图像的对应关系，所述两个视场为视角不同但存在重叠区域的视场；

S2、采用ASIFT算法提取两个视场内灰度图像的特征点对集；

S3、根据两个视场内深度像与灰度图像的对应关系，获得与灰度图像特征点对集相对应的深度像点对集，然后根据刚体变换的空间特征不变性原则对深度像点对集进行筛选，剔除无效的深度像点对，从而获得有效的深度像点对集；

S4、根据有效的深度像点对集采用最小二乘法计算两个视场的初值旋转矩阵和平移矩阵；

S5、以初值旋转矩阵和平移矩阵作为ICP算法的迭代初值进行迭代，从而实现两个视场内深度像的精匹配。

进一步，所述步骤S2，其具体为：