[发明专利]基于SSIFT算法的大型室内场馆快速定位与导航方法

说明书

技术领域

本发明属于定位导航技术领域，涉及一种基于SSIFT算法的大型室内场馆快速定位与导航方法。

背景技术

与室外定位方法相比，室内定位的难度更大，包括软件与硬件以及配套平台等多方面的原因。因此，室内定位与导航方面的应用才刚刚开始起步。目前，常用的室内定位的方法主要还是依赖于短距离无线传感器，以蓝牙、Zigbee、Rfid、Wifi等为主，它们以信号发送或接收的时间间隔或者信号的强弱来估算距离。这种方式为客户的室内导航带来极大的不便，首先商家的室内需要在固定的位置布置相关的传感设备，而客户的也要拥有接收相关信号的装置；另外，该方式以无线通信为主，因此在有干扰存在的情况下会有较大的误差。

也有通过地球磁场的方式实现室内的定位于导航。但是，该方式除了定位精度不高以外，还存在抗干扰能力不强、室内场景适应性差等的问题。

通过手机或移动设备拍摄室内照片并与已经保存的图像进行匹配的方式获得位置信息能有效解决以上的问题。但是图像匹配算法最大的问题是计算量太大，以最经典的视觉匹配算法SIFT为例，每一幅图像会产生上千个特征点，每个特征点在多个尺度上产生128维的特征向量，并与数据库中存储的所有场景图像进行一一匹配，所花费的时间复杂度极高。因此，虽然该类算法定位精度较高，但实用性不大，往往应用在离线地图生成、高性能机器人定位等场合。

采用图像匹配的方式，通过手机等移动设备实现室内定位于导航，最大的难点就是速度的问题，目前使用得最常见的方法就是经典的尺度不变特征算法(SIFT，Scale Invariant Feature Transform)，该方法匹配准确，精度高，但是运算量太大，并不适合室内定位。现有方法的主要步骤包括：

1)建立高斯尺度空间并进行极值检测。

2)利用关键点邻域像素的梯度方向分布特性，为每个关键点指定方向参数，使算子具备旋转不变性。

3)生成SIFT特征向量,将坐标轴旋转到特征点方向,以保证旋转不变性。

4)计算向量之间的欧氏距离进行图像匹配。

实验表明，步骤3)在整个算法中占用80％以上的计算时间，严重影响算法的实时性。同时在步骤2)和步骤3)中做了类似的方向直方图统计工作。在SIFT的基础上，刘立等人提出了一种简化算法ssift，提高算法的实时性，将这两个步骤合为一个，并只采用12维向量表征特征点。具体改进如下：

1)尺度空间极值检测(同原算法)。

2)形成特征向量。

i在多尺度空间特征点形成之后，以特征点为中心采用圆形窗体来确定需要统计的邻域范围，窗口尺寸采用LOWE推荐的9σ×9σ，因此圆形窗口半径取3.5σ，在该圆形窗体内统计12个梯度方向。

ii将这12个梯度方向规一化，保证光照不变性。假设D是特征点的特征向量，即D＝(d1，d2…，d12).归一化后得到：

iii查找最大的梯度方向统计量，如果该最大的梯度方向统计量元素位于12维向量的头部则向量最终形成，即若最终特征向量为

否则转iV。

iV向左循环移动整个向量序列，直到最大的梯度方向统计量移动到向量的第一个元素，以保证旋转不变性。假设是向量的最大元素，则最终特征向量为

3)特征匹配

为了保证稳定的匹配效果，在原算法增加一次匹配，第一次匹配时记录下匹配的坐标对，然后交换匹配的图像顺序，再匹配一次，当两次匹配的坐标相同时才算是正确的匹配，实验表明两次匹配能较大地提高匹配的稳定性。

维数设定：

算法中最关键的参数就是圆形统计窗口中向量的维数n，在对50副不同类型的图像进行统计，发现随着n的增大匹配率增加，但运算时间也大大增加，同时注意到当n大于12时匹配率并不明显提高，通过选取最大匹配效率来决定维数。匹配效率定义为：

当n取12时获得最大匹配效率。

简化算法ssift，合并了其中几个步骤并且将128维向量减少到12维，存在的问题就是误匹配增多以及定位精度不够等问题。误匹配增多的问题可以通过人工干预的半自动方法解决；而室内场馆定位与导航应用中并不需要精确地定位，只需要自己的大概位置即可。但是，与原算法相比，ssift算法最大的优点就是快，在文献《采用简化SIFT算法实现快速图像匹配》中的试验数据表明，ssift算法的速度是SIFT的10倍，而快速的图像匹配正是场内场景定位与导航的基础。

发明内容