[发明专利]一种目标跟踪的自动初始化方法

权利要求书

1.一种目标跟踪的自动初始化方法，其特征在于，包括：根据已知目标物的模型，预先建立其点云数据库，然后确定目标物在相机采集的图像中的位置，提取目标物在图像中的点云数据，最后将得到的点云数据与所建立的点云数据库进行点云匹配，得到点云集间的精确变换关系。

2.根据权利要求1所述的一种目标跟踪的自动初始化方法，其特征在于，所述的目标物的模型为3D模型，通过选择该3D模型的不同视角，生成多视角点云数据库，并记录各视角下目标物的位姿。

3.根据权利要求1或2所述的一种目标跟踪的自动初始化方法，其特征在于，将相机采集的图像与预先准备好的目标物的图像做ORB匹配，得到目标物在图像中的大致位置。

4.根据权利要求3所述的一种目标跟踪的自动初始化方法，其特征在于，对预先准备好的目标物的图像进行ORB特征点提取并与相机采集的图像进行匹配，包括：分别获取该两图像的特征点，得到特征描述子，并判断两图像的特征描述子之间的欧式距离是否小于设定阈值，若判断结果为是，则判断两图像相匹配，否则判断两图像不匹配；

所述的ORB特征点提取包括以下步骤：

S1、将预先准备好的目标物的图像生成图像高斯金字塔；

S2、根据步骤S1中得到的图像生成DOG金字塔；

S3、对步骤S2得到的图像进行空间极值点检测，得到在尺度空间和二维图像空间上都是局部极值点的若干关键点；

S4、在步骤S3中得到的关键点中，以每一个关键点像素p为中心，半径为3做圆，圆形上有16个像素点分别为：p1、p2、...p16；

S5、定义一个阈值，计算p1、p9与中心p的像素差，若它们绝对值都小于设定阈值，则判断p点不可能是特征点，除去，否则，p点为候选点，需进一步判断；

S6、若p是候选点，则计算p1、p9、p5、p13与中心p的像素差，若它们的绝对值有至少3个超过阈值，则当做候选点，再进行下一步考察；

S7、计算p1到p16这16个点与中心p的像素差，若它们有至少9个超过阈值，则p为特征点；

S8、对图像进行非极大值抑制：计算特征点处的得分值，判断以特征点p为中心的一个邻域内，若有多个特征点，则判断每个特征点的s值，若p是邻域所有特征点中响应值最大的，则保留；

其中得分计算公式为：

S=maxΣ(values-p)if(value-p)>tΣ(p-values)if(p-value)>t;]]>

其中p表示中心点的像素值，value表示以p为中心的领域内的特征点的像素值，S表示得分，t表示阈值；所述的特征点的s值为16个点与中心差值的绝对值总和；

S9、以步骤S8中所保留的特征点为中心，取SxS的邻域窗口，在窗口内随机选取一对点，比较二者像素的大小，进行如下二进制赋值；

其中，p(x)，p(y)分别是随机点x＝(u1,v1),y＝(u2,v2)的像素值；

S10、在窗口中随机选取N对随机点，重复二进制赋值，得到特征描述子；

S11、对步骤S8中筛选后的每一特征点，均得到一个256bit的二进制编码。