[发明专利]基于特征点检测和误匹配筛选的机器人视觉定位方法

说明书

本发明提供了一种基于特征点检测和误匹配筛选的机器人视觉定位方法，包括以下步骤：A：构建高斯图像金字塔；B：对的每一层图像分别以四边形模型进行FAST特征点检测；C：对提取的特征点基于邻域像素值构建BRIEF描述子；D：基于BRIEF描述子进行暴力匹配；E：对误匹配的特征点进行筛选，基于筛选结果将匹配的特征点对应到原始参考图像和待匹配图像本发明的优点在于：通过四边形模式进行特征点检测，提高检测速度，通过构建高斯图像金字塔，消除FAST特征点不具备尺度性的缺陷，基于暴力匹配，确保特征点能够相互匹配，然后再对误匹配的特征点进行筛选，保留正确的匹配结果，从而方便进行位姿解算。

技术领域

本发明涉及图像检测技术领域，尤其涉及一种基于特征点检测和误匹配筛选的机器人视觉定位方法。

背景技术

在计算机视觉的图像检测领域，图像特征提取与匹配是机器人视觉定位中的重要环节，机器人视觉定位常常应用在同步定位与建图(Simultaneous Localization andMapping，SLAM)，指移动载体搭载特定的传感器，例如深度相机、激光雷达、惯性测量单元，在未知的环境中，载体从某一点出发，在运动过程中，通过传感器重复采集到的图像和深度信息，估计自身的运动轨迹，同时增量式的构建周围环境的地图信息。SLAM系统包括视觉里程计、后端优化、回环检测、建图四个环节。视觉里程计是最重要的环节之一，包括特征提取与匹配，机器人位姿估计，SLAM系统根据特征提取与匹配的结果采用三角测量、PNP或ICP的方法估计机器人的位姿，实现机器人的自我定位以及自我轨迹的跟踪。良好的视觉里程计还能够为后续环节提供优质的数据，后端优化和回环检测根据视觉里程计提供的数据对机器人局部位姿和轨迹进行优化。SLAM系统生成的运动轨迹和各种形式的地图为移动机器人定位、导航、避障、以及人机交互提供了技术支持，尤其在不能接收GPS信号的地方和室内小场景，拥有更加广泛的应用前景。因此，提高图像特征提取与匹配的精度具有重要的理论意义和实际应用价值。

随着对设备小型化和便携化的要求越来越高，未来希望视觉定位技术能够应用在嵌入式设备或移动设备上，因此不能占用大量的运算资源，对系统实时性有较高的要求，两帧图像之间的特征匹配结果对定位的精度有较大的影响，并且特征提取与匹配只是视觉定位中的一部分，其数据的优劣对后续的结果也会产生较大的影响，提高特征提取与匹配的速度和精度依然是目前需要优化的重要问题。

公开号为CN104596519A的发明专利申请提供了一种基于RANSAC算法的视觉定位方法，该技术通过SURF算法计算出待定位用户上传的图像的特征点以及特征点描述信息；在数据库中选择一张具有匹配点数最多的图片，将得到图像的特征点描述信息与图片的特征点描述信息进行SURF匹配，将进行匹配的每对图像与图片定义为一对匹配图像，则每对匹配图像在进行匹配后会得到一组匹配点；通过匹配质量的RANSAC算法，将每对匹配图像的匹配点中的错误匹配点剔除后，确定出含有正确匹配点的数量最多的4对匹配图像；根据得到的4对匹配图像，通过对极几何算法计算出用户的位置坐标，完成室内定位。然而该方案的图像特征提取采用计算量大的SURF特征点，影响算法计算速度，而RANSAC算法平等对待所有的匹配点对，从整个集合中均匀的抽取随机样本；RANSAC算法构建模型的数据具有随机性，不确定性。

发明内容

本发明所要解决的技术问题在于提供一种能够提高机器人定位速度和精度的机器人视觉定位方法。

本发明是通过以下技术方案解决上述技术问题的：一种基于特征点检测和误匹配筛选的机器人视觉定位方法，包括以下步骤：

步骤A：分别对参考图像和待匹配图像构建高斯图像金字塔；

步骤B：对参考图像和待匹配图像的高斯图像金字塔中的每一层图像分别以四边形模型进行FAST特征点检测；

步骤C：对提取的特征点基于邻域像素值构建BRIEF描述子；

步骤D：基于BRIEF描述子对参考图像和待匹配图像的高斯图像金字塔中的所有特征点进行暴力匹配；