[发明专利]一种基于ORB的无人机特征点匹配方法

权利要求书

1.一种基于ORB的无人机特征点匹配方法，包括以下步骤：

(1)读取参考图像与待配准图像，对每一幅图片构建尺度金字塔；

(2)使用利用ORB特征点提取算法进行粗提取，并对粗提取的特征点进行筛选；

(3)确定特征点的主方向，分别使用ORB描述子、SURF描述子、DAISY描述子这三种描述子进行后续的特征描述与匹配，利用RANSAC算法剔除误匹配点对，并分别求出三种描述子执行结果的评价指标：匹配准确率，匹配时间与RMSE值；

(4)使用评价指标：匹配准确率，匹配时间与RMSE值对三种描述子进行选择；

(5)将选出的描述子搭配合适的匹配算法，将RANSAC算法剔除误匹配点对后的结果作为特征提取与匹配的最终结果输出。

2.根据权利要求1所述的一种基于ORB的无人机特征点匹配方法，其特征在于：步骤(1)中所述对每一幅图片构建尺度金字塔的过程中建立8层按比例缩放的图像。

3.根据权利要求1所述的一种基于ORB的无人机特征点匹配方法，其特征在于：步骤(3)中所述的使用ORB描述子进行后续的特征描述与匹配的过程中，使用矩法来确定特征点主方向，矩定义如下：

m_wq＝∑_x，yx^wy^qI(x，y)

上式中，I(x，y)是灰度值，w与q的和为灰度矩的阶数，局部区域零阶灰度矩m₀₀＝∑_x，yI(x，y)表示该局部区域总的灰度值，局部区域一阶灰度矩m₁₀＝∑_x，yxI(x，y)和m₀₁＝∑_x，vyI(x，y)确定了质心C：

质心与特征点指尖的夹角公式为：

θ＝atan2(m₀₁，m₁₀)

通过矩来计算特征点周边以r为半径范围内的质心，特征点坐标到质心形成一个向量作为该特征点的方向；

进一步地，ORB描述子的描述向量由0和1组成，对关键点(x，y)为中心划定一个点集区域，用旋转后的点集来计算特征描述符：

上式中的便是特征点原点集，S_θ为旋转后的点集，R_θ为旋转矩阵。

4.根据权利要求1所述的一种基于ORB的无人机特征点匹配方法，其特征在于：步骤(3)中所述的使用SURF描述子进行后续的特征描述与匹配的过程中，通过统计特征点邻域内的haar小波特征来为步骤(2)中粗提取的特征点增加方向，令关键点(u,v)为坐标系中心，在特征点一定半径圆域内，设置一张角为60°的扇形以5°为步长进行旋转，依次遍历整个邻域，在每一位置求所有像素点水平方向和垂直方向的haar小波响应总和生成矢量，将最大值那个扇形的方向作为该特征点的主方向。

5.根据权利要求1所述的一种基于ORB的无人机特征点匹配方法，其特征在于：步骤(3)中所述的使用DAISY描述子进行后续的特征描述与匹配的过程中，运用第二层梯度直方图来判断特征点主方向。

6.根据权利要求1所述的一种基于ORB的无人机特征点匹配方法，其特征在于：步骤(3)中所述的执行结果的评价指标：匹配准确率，匹配时间与RMSE值的计算方法为：

匹配准确率E的计算方法为：

匹配时间T即为从ORB特征点提取算法开始到描述子描述结束时的算法时间；

RMSE值则是，先求出两个图像间的单应性矩阵H，然后通过特征点提取算法提取出参考图像与待配准图像中的坐标信息，求得参考图像单应性矩阵后的坐标与待配准图像坐标的RMSE值。