[发明专利]基于FAST-SURF的移动端实时特征检测匹配方法

说明书

本发明提供一种基于FAST‑SURF的移动端实时特征检测匹配方法，包括以下步骤：步骤一，对采集的图片建立特征库：对图片上的特征点建立KD‑tree，形成特征库数据；步骤二，读入图像，并将图像转换成灰度图，计算灰度图上每个点的灰度值；步骤三，采用改进的FAST算法检测特征点；步骤四，采用简化的SURF算法对特征点建立描述符；步骤五，将描述符与特征库中的特征点进行匹配。该方法采用改进的FAST算法检测特征点，再采用简化的SURF算法计算特征点的方向，并建立特征描述符，然后将建立好的特征点描述符与数据库中的特征描述符进行匹配，处理图像花费时间短，在移动端能实时处理自然特征检测与匹配。

技术领域

本发明涉及一种基于FAST-SURF的移动端实时特征检测匹配方法，属于移动端增强现实技术领域。

背景技术

在增强现实技术中，基于自然特征的跟踪注册方法复杂度高，对计算能力的要求相当高，其中的基于计算机视觉的跟踪注册方法主要涉及的就是特征点的检测和匹配。而移动设备因其计算设施(吞吐量低，浮点运算能力差)和内存带宽(内存大小有限，速度缓慢，缓存小)方面不足，使得技术表现效果受到了限制。因此在移动设备上兼顾效果跟效率是一个难题。FAST算法最大的特点就在于其计算效率。正是由于其高速性能，适合应用在移动平台的实时视频图像处理中。但传统FAST算法检测出来的角点包含伪角点，需要增加计算量通过非极值约束来去除伪角点。采用SURF描述子来进行描述特征点，匹配精度高，但是由于其计算复杂度过大，需要对其进行简化以便于在移动端实时运行。

发明内容

针对移动终端自然特征提取和匹配的处理能力不足的技术问题，本发明提供了一种基于FAST-SURF的移动端实时特征检测匹配方法，采用改进的FAST算法检测特征点，再采用简化过的SURF算法计算特征点的方向，并建立特征描述符，然后将建立好的特征点描述符与数据库中的特征描述符进行匹配。该算法处理图像花费时间短，在移动端能实时处理自然特征检测与匹配。

为解决上述技术问题，本发明提供一种基于FAST-SURF的移动端实时特征检测匹配方法，包括以下步骤：

步骤一，对采集的图片建立特征库：对图片上的特征点建立KD-tree，形成特征库数据；

步骤二，读入图像，并将图像转换成灰度图，计算灰度图上每个点的灰度值；

步骤三，采用改进的FAST算法检测特征点；

步骤四，采用简化的SURF算法对特征点建立描述符；

步骤五，将描述符与特征库中的特征点进行匹配。

其中，所述步骤三具体为，以待测点P为圆心，选取半径为3的圆，将圆周上的16个像素点分别用1、2、、、15、16进行标记；设待测点P的灰度值为I_p、圆上每个像素点的灰度值为I_x、灰度阈值为t、圆周上连续N个像素点组成的集合为S，其中x＝1、2、、、15、16，N＝9；

若圆周上任意一个像素点x满足条件：或者则以待测点P为对称中心，将圆内的点分成对称的点对d_i-d_i’，若点对d_i-d_i’满足条件|I_p-d_i|＜t，|I_p-d_i’|＜t，则待测点P为角点，即特征点，否则不是；

若圆周上任意一个像素点x不满足条件：或者则选取下一个待测点。

所述步骤四包括，一，计算特征点的方向，以特征点为圆心，半径为3的圆计算特征点的方向；二，建立描述符，以特征点为中心，选取9×9的区域，并分成9个3×3的子域，每个子域计算得到4个数据，产生一个36维的向量作为特征点的描述符。