[发明专利]一种三角形特征的二进制描述方法

说明书

一种三角形特征的二进制描述方法，属于计算机视觉领域。主要是改进了原RTM算法对三角形特征的浮点描述方法，采用192bits二进制数表示原RTM算法的6维浮点型形状描述子；采用ORB算法中的rBRIEF二进制描述方法，将原RTM算法的32维浮点型区域描述子重建为256bits二进制区域描述子。改进RTM算法的速度大约是原RTM算法速度的3倍；原RTM算法中每个三角形描述子占用152字节，改进算法每个三角形的描述子仅占用56字节，内存占用量降为原RTM算法的36.8％。在精度方面，改进算法的正确率和匹配分数均高于原RTM算法，在结构场景中能匹配上原RTM算法和SIFT算法不能匹配的特征点。因此，本发明在实时性要求高而内存有限的情况下具有良好的应用前景。

技术领域

本发明涉及计算机视觉领域，特别是涉及一种对三角形特征的二进制描述方法。

背景技术

图像匹配是计算机视觉领域的重要技术之一，已经被广泛应用在目标定位、视觉导航、三维重建、立体视觉测距等众多领域中。在现有图像匹配算法中，基于局部特征点(如斑点、角点)的方法具有鲁棒性好的明显优势，所以得到了重点研究和应用。随着研究的深入，人们逐渐注意到图像的结构信息和几何信息在提高图像匹配精度方面起着重要作用，于是将几何约束引入图像匹配算法中，并主要利用了三角形约束。例如，有的算法在特征描述阶段应用了三角形约束，有的算法在特征匹配阶段利用了三角形约束。

考虑到大部分三角形约束算法只是利用了三角形的边角关系，而没有利用图像的灰度信息，一种快速三角形匹配(Rapid Triangle Matching，RTM)算法被提出(曹建超，“基于新型特征描述的快速图像匹配算法”，大连理工大学硕士学位论文，2015；林秋华，曹建超，田敏，“一种浮点型三角形特征描述方法”，中国发明专利CN201510542180.0，已公开)。RTM算法综合利用了三角形的边角信息和图像的灰度信息。其主要过程为：首先，构建三角形特征单元，其中包含特征点检测、三角剖分、三角形选择；然后，基于浮点型(float)数据对每个三角形进行描述，描述子triDesc_f＝[shapeDesc_f,blockDesc_f]由6维浮点型形状描述子shapeDesc_f和32维浮点型区域描述子blockDesc_f构成，其中6维形状描述子由三角形的三边三角构成，32维区域描述子则基于SIFT描述方法对三角形质心邻域构建而成；接着，进行特征匹配，将最近邻欧氏距离与次近邻欧氏距离的比值作为衡量匹配关系的标准，得到匹配三角形；最后，提取匹配三角形的三个顶点所对应的特征点对作为匹配点对，利用RANSAC(RANdom SAmple Consensus)算法进行错误匹配的消除，得到正确匹配的特征点。

RTM算法的形状描述子具有一定的平移、尺度和旋转不变性，区域描述子的位置具有完全的仿射不变性，因此，RTM算法既能显著降低特征描述的复杂度、提升匹配速度，也能提高特征描述的鲁棒性，其中匹配速度大约是SIFT算法的14倍。然而，在有些情况下，现有RTM算法仍然存在三个问题。第一，在视觉导航等对速度要求非常高的应用中，难于实现实时性。主要原因在于采用了浮点型描述子(SIFT描述子属于浮点描述子)。第二，在图像条件较差的情况下，算法的精度受限。主要原因是32维区域描述子的维数较低。第三，在内存有限(如手机)的条件下，占用了较大内存。RTM算法的描述子为浮点型数据，每个三角形描述子需占用152个字节。

发明内容

本发明提供了一种基于二进制(binary)描述的RTM改进算法，提高原RTM算法的速度和精度，同时降低算法对内存的要求，从而解决上述三个问题。