[发明专利]一种道面图像检测用相机的偏转角度测量方法

权利要求书

1.一种道面图像检测用相机的偏转角度测量方法，其特征在于，包括以下步骤：

步骤S1，对道面检测机器人采集的图像进行光照补偿和畸变校正处理；所述道面检测机器人采用栅状折返方式采集道面的图像；

步骤S2，计算道面检测机器人的行进路线中同一道的相邻图像的重叠区域，提取并匹配重叠区域的特征点；

步骤S3，根据匹配的重叠区域的特征点，以同一道的第lmg_i幅图的位置为基准，计算第lmg_i+1幅图的所有匹配的特征点对的位置偏移的平均值(delta_x，delta_y)；所述i为大于等于1的自然数；

步骤S4，以同一道的第lmg_i幅图的位置为基准，将lmg_i+1幅图移动(-delta_x，-delta_y)；重复步骤S3至S4，直至完成同一道的图像移动；

步骤S5，求得同一道的起始图像与末尾图像的像素坐标差(delta_V_Pixel，delta_U_Pixel)；所述同一道的图像拍摄行进夹角为theta，其表达式为：

theta＝arctan(delta_U_Pixel/delta_V_Pixel)。

2.根据权利要求1所述的一种道面图像检测用相机的偏转角度测量方法，其特征在于，所述步骤S2中，提取并匹配重叠区域的特征点，具体包括以下步骤：

步骤S201，建立两幅图像的Hessian矩阵，其表达式为：

其中，σ为尺度系数，L_xx(x，σ)表示在x方向的二阶偏导，L_xy(x，σ)表示在xy方向的二阶偏导，L_yy(x，σ)表示在y方向的二阶偏导；

步骤S202，预设Hessian矩阵阈值参数设置为δ，分别得到与两幅图像一一对应的特征点集pts1和特征点集pts2；所述δ为大于1000、且小于1500的自然数；

步骤S203，采用kNNMatch最近邻算法或kmeans聚类算法对所述特征点集pts1和特征点集pts2进行特征点筛选；

步骤S204，添加对称约束，以获得特征点集pts1和特征点集pts2一一对应匹配的特征点。

3.根据权利要求1所述的一种道面图像检测用相机的偏转角度测量方法，其特征在于，所述步骤S2中，提取并匹配重叠区域的特征点，具体包括以下步骤：

步骤S211，获取同一道相邻的两幅图像；

步骤S212，采用SUFR算法、ORB算法、SIFT算法其中之一检测特征点，并设定Hessian矩阵阈值参数为A，分别得到与两幅图像一一对应的特征点集pts1和特征点集pts2；所述A为大于等于400、且小于等于1200的自然数；

步骤S213，判断特征点集pts1与特征点集pts2的特征点是否大于等于2；若是，则进入步骤S214；否则，进入步骤S217；

步骤S214，采用kNNMatch最近邻算法或kmeans聚类算法对所述特征点集pts1和特征点集pts2进行特征点筛选；

步骤S215，添加对称约束，以获得特征点集pts1和特征点集pts2一一对应匹配的特征点；

步骤S216，采用RANSAC算法寻找一个最佳单应性矩阵H或采用直接筛选匹配分数高的点对计算最佳单应性矩阵H，以获得一组匹配的特征点对matches；并判断两幅图像匹配的特征点对matches的对数是否大于5；若是，则进入步骤S217；否则进入步骤S218；

步骤S217，分别采用卷积核为M对两幅图像进行卷积锐化处理，并调低Hessian矩阵阈值参数为A，重复一次步骤S214～步骤S215；并进入步骤S218；

步骤S218，对两幅图像匹配的特征点对matches的任一组特征点进行先验知识约束；

步骤S219，判断两幅图像的特征点数量是否大于零，若是，则进入步骤S3；否则，特征匹配失败。

4.根据权利要求3所述的一种道面图像检测用相机的偏转角度测量方法，其特征在于，所述步骤S212中，Hessian矩阵阈值参数为A为1200。

5.根据权利要求4所述的一种道面图像检测用相机的偏转角度测量方法，其特征在于，所述步骤S217中，Hessian矩阵阈值参数为A为400。