[发明专利]一种ORB均匀提取特征点方法

说明书

本发明公开一种ORB均匀提取特征点方法，所述方法包括：步骤1、读取图片并构建图像金字塔；步骤2、根据图片像素计算自适应FAST阈值；步骤3、进行FAST特征点的提取；步骤4、对提取的特征点进行筛选，保留均匀分布特征点；步骤5、计算保留特征点的BRIEF描述子；步骤6、对图像金字塔的每层图片进行步骤2至步骤5的操作。本发明一种ORB均匀提取特征点方法，对所提取的特征点进一步筛选，筛掉过于密集分布的特征点，使得到的特征点分布均匀，也可自行调整参数得到均匀分布的特征点，提高了计算效率。

技术领域

本发明涉及数字图像处理领域，特别是涉及一种ORB均匀提取特征点方法。

背景技术

目前应用较广泛的特征提取算法有SIFT,SURF以及ORB特征提取，ORB算法在具备平移、旋转、光照的不变性等特点的同时相较SIFT算法效率大幅度提高，然而传统ORB算法提取的特征点分布不均匀、输出特征点重叠较多。

发明内容

本发明的目的是提供的一种ORB均匀提取特征点方法，能够在提取特征点后，对所提取的特征点进一步筛选，筛掉过于密集分布和重叠的特征点，使得到的特征点分布均匀。

一种ORB均匀提取特征点方法，其特征在于，包括如下步骤：

步骤1、读取图片并构建图像金字塔；

步骤2、根据图片像素计算自适应FAST阈值；

步骤3、进行FAST特征点的提取；

步骤4、对提取的特征点进行筛选，保留均匀分布特征点；

步骤5、计算保留特征点的BRIEF描述子；

步骤6、对图像金字塔的每层图片进行步骤2至步骤5的操作；

所述步骤1中读取图片并构建图像金字塔方法如下：

构建金字塔，来实现特征点的多尺度不变性，设置比例因子S和金字塔的层数n，将原图像I按比例因子缩小成n幅图像，缩放后的图像为：I′＝I/S；

所述步骤2中的根据图片像素计算自适应FAST阈值的计算公式如下：

其中，T为初始提取阈值，k为调整因子，其数值根据经验设定，n为图像中像素个数，S(x_i)为图像中第i个像素的灰度值，为图像灰度的平均值；

所述步骤3中进行FAST特征点的提取方法如下：

从图像中选取一点P，其像素灰度值为I_p，根据步骤2中提取的自适应FAST阈值T，以P为圆心画一个半径为3的圆，圆周经过的16个像素点，从正上方开始，顺时针依次编号为1至16，表示圆周上像素点的位置。圆周上如果有连续n个像素点的灰度值比P点的灰度值大或者小，则认为P为特征点，n设置为12，为了加快特征点的提取，快速排除非特征点，首先检测1、9、5、13位置上的灰度值，如果P是特征点，那么这四个位置上有3个或3个以上的像素值都大于或者小于P点的灰度值，如果不满足，则直接排除此点，此时提取的FAST关键点不具备方向性，通过灰度质心法来增加方向，图像块的矩定义如下：

m_pq＝∑_x,y∈rx^py^qI(x,y)                     (2)

其中，I(x,y)为图像灰度表达式，x、y表示像素的横坐标、纵坐标位置，p、q可取值为0、1，由此可计算图像块的矩m₀₀、m₁₀、m₀₁，求得该距的质心为：

坐标系中角点坐标为O，则向量的角度即为该特征点的方向，计算公式如下：