[发明专利]一种基于FREAK算法和关键帧判定算法的视觉里程计方法

说明书

一种基于FREAK算法和关键帧判定算法的视觉里程计方法属于模式识别技术领域。本发明采用基于FREAK的特征检测方法，提高了实时性，光照尺度不变性以及某些环境下特征检测困难的问题，通过新的关键帧判定方法，极大的降低了地图存储的冗余信息，并且减少了匹配次数，从而进一步提高了系统的实时性。

技术领域

本发明属于模式识别技术领域，更具体的，涉及一种基于FREAK算法和关键帧判定算法的视觉里程计方法。

背景技术

视觉里程计是一种利用相机采集到的视频流来供给出物体相对运动轨迹的方法。目前已有的方法可以实现一定的效果，但是仍存在有一定的问题，例如实时性不好，光照昏暗等环境下会出现无法检测特征点的问题，并且在系统运行一段时间后，存在地图存储的冗余信息过多的问题。

发明内容

本发明的目的在于：为解决现有的算法这些问题，本发明提供了一种基于FREAK算法和关键帧判定算法的视觉里程计方法，其目的在于，解决现有的实时性不好，特定环境特征检测困难以及地图存储的冗余信息过多的技术问题。

为实现上述目的，本发明的具体步骤如下：

步骤1：通过相机获取到视频流，将其中一帧设为第一帧,并且作为第一个关键帧；

步骤2：对当前图像建立多尺度图像金字塔空间；

步骤3：以一个像素点P为圆心绘制一个半径为3像素的圆，圆共经过周围共16个像素点。

步骤4：计算上下两个像素点与中心点p的像素差，若它们绝对值都小于中心点P像素的20％，则p点不可能是特征点，对下一个像素点进行判定；否则，将中心点P作为本步骤的候选点，继续进行后续判定；

步骤5：若p是步骤4的候选点，则计算上下左右四个点与中心点p的像素差，若它们的绝对值有至少3个超过中心点P像素的20％，则中心点P作为本步骤的候选点，再进行下一步考察；

步骤6：若p是步骤5的候选点，则计算其周围全部16个点与中心点p的像素差，若它们有至少9个超过中心点P像素的20％，则中心点P为特征点；否则，P点不是特征点。

步骤7：对图像进行非极大值抑制：计算特征点出的FAST得分，判断以特征点p为中心的5*5的邻域内，计算若有多个特征点，则判断每个特征点的得分值，若p是邻域所有特征点中得分最大的，则保留该特征点；否则，取消该特征点。若邻域内只有一个特征点，则保留。得分计算公式如下：

其中V表示特征点的得分，I_x为特征点P周围的16个点，I_p为特征点P。

步骤8：以FAST特征点为中心，在其周围进行采样，并计算其FREAK二进制描述子，公式如下：

其中P_k为采样的点对，k为采样点对的序号，r1和r2分别对应采样点对的两个点，I(P_k^r1)表示采样点的像素值，T(P_k)为采样点对对应的二进制描述，D表示二进制描述子，N为采样点对的数量；

步骤9：建立矩阵D，D的每一行是一个FREAK二进制描述符；

步骤10：对矩阵D的每一列计算其均值，以均值最接近0.5的排在第一位，均值离0.5越远的排在越靠后，对列进行排序；

步骤11：选取前512列作为最终的FREAK二进制描述符。

步骤12：通过FREAK特征点描述子进行图像匹配，再对匹配的点对采用RANSAC算法进行筛选；