[发明专利]一种面向大规模三维重建的快速鲁棒特征跟踪方法

权利要求书

1.一种面向大规模三维重建的快速鲁棒特征跟踪方法，其特征在于，包括以下步骤：

S1：确定待重建的场景，输入所重建的场景的图像序列；

S2：对于输入的场景的图像序列，根据像素点之间的对比关系检测图像的特征点；

S3：对于步骤S2中得到的图像的特征点，在差分高斯空间内，根据中心像素与邻域像素之间的对比关系计算特征描述子；

S4：对步骤S3得到的特征描述子进行聚类，将特征描述子划分为若干个不同的特征集合；

S5：对于步骤S4得到的特征集合，对特征集合中的不同特征描述子进行匹配，获得特征跟踪链；

S6：去除步骤S5得到的特征跟踪链中的错误匹配关系，得到精确的特征跟踪链。

2.根据权利要求1所述的一种面向大规模三维重建的快速鲁棒特征跟踪方法，其特征在于，所述步骤S2中检测图像的特征点的具体方法为：根据像素点与邻域空间内像素之间的对比关系，将邻域像素划分为若干类，如果存在连续的若干个邻域像素大于或小于中心像素，则认为中心像素点为图像的特征点，否则为图像的非特征点。

3.根据权利要求1所述的一种面向大规模三维重建的快速鲁棒特征跟踪方法，其特征在于，所述步骤S3中，特征描述子为二进制特征描述子。

4.根据权利要求3所述的一种面向大规模三维重建的快速鲁棒特征跟踪方法，其特征在于，计算所述特征描述子的方法为：对于输入的图像序列，计算出对应的差分高斯图像，并在差分高斯空间内，为特征描述子元素赋值，如果邻域空间内的像素大于或等于中心像素的值，则对应的特征描述子元素为1，否则为0，当邻域空间的像素处理完毕后，即可计算出二进制特征描述子。

5.根据权利要求1所述的一种面向大规模三维重建的快速鲁棒特征跟踪方法，其特征在于，所述步骤S4中采用AP聚类算法将特征描述子划分为若干个不同的特征集合。

6.根据权利要求1～5任一项所述的一种面向大规模三维重建的快速鲁棒特征跟踪方法，其特征在于，所述步骤S5中采用并查集方法对特征集合中的不同特征描述子进行匹配。

7.根据权利要求1～5任一项所述的一种面向大规模三维重建的快速鲁棒特征跟踪方法，其特征在于，所述步骤S6中根据多视图之间的对极几何原理，采用极线约束方法消除特征跟踪链中的错误匹配点。

8.根据权利要求1或2所述的一种面向大规模三维重建的快速鲁棒特征跟踪方法，其特征在于，像素之间的对比关系的计算方法为：

记O(x，y)表示候选特征点位置，N_O(x，y)表示O(x，y)的邻域，对于输入的图像I，则公式中，C_O→N表示O(x，y)与邻域空间内每个像素之间的对比关系，d和分别表示暗化和不暗化；b和表示像素的亮度值为亮化和不亮化；s表示相似性；I_O→n表示O(x，y)与n(x，y)之间的差值，n∈N_O，C′_O→n表示中心像素与领域像素的对比关系，μ表示一个阈值，I_O表示中心像素的亮度值，t表示一个阈值。

9.根据权利要求2所述的一种面向大规模三维重建的快速鲁棒特征跟踪方法，其特征在于，检测图像的特征点时，将邻域像素划分为5类。

10.根据权利要求4所述的一种面向大规模三维重建的快速鲁棒特征跟踪方法，其特征在于，差分高斯图像的计算方法为：

DOG_O(x，y)＝R_O(x，y)*(G(x，y，kσ)-G(x，y，σ))

式中，DOG_O(x，y)表示差分高斯图像，R_O(x，y)特征点的旋转邻域，其中，表示方差为σ的高斯密度函数；k为常量，用于控制差分高斯空间的尺度空间变化。