[发明专利]一种基于阈值动态调整的图像特征点跟踪方法和系统

说明书

本发明实施例提供一种基于阈值动态调整的图像特征点跟踪方法和系统，将特征提取和特征跟踪看作两个相互依赖的过程，特征提取阶段提取出的特征点好坏会影响特征跟踪的结果，而特征跟踪的结果又会反馈到特征提取阶段用来调整特征提取时所需的关键参数；根据当前环境的情况来动态地调节特征点提取阈值，使得传统的特征提取方法在极端的光照环境下也能有效地提取到特征点。

技术领域

本发明实施例涉及图像处理技术领域，尤其涉及一种基于阈值动态调整的图像特征点跟踪方法和系统。

背景技术

直接法视觉SLAM(Simultaneous LocalizationAndMapping，即时定位与地图构建)能够利用图像上的大量的信息进行图像间的配准，更多的信息通常可以提供更多的约束，更有利于对问题的求解。然而，当图像数据存在大量噪声或是图像数据被扭曲时，如果不对图像进行适当的处理，如滤波、模糊、去畸变，则大量被利用的信息会是无效甚至错误的信息，这些信息反而会破坏系统的鲁棒性，对于直接法视觉SLAM来说就会导致错误的相机位姿估计。另一方面，直接法视觉SLAM的设计是基于前后图像光度一致的假设，这对数据本身提出了很高的要求，而在现实生活中，环境往往是多变的、复杂的，这就需要对数据做大量的预处理，如本发明实施例中提出的对图像光度参照一个参考图像进行调整。除了直接法视觉SLAM，另一种非常流行的视觉 SLAM框架是特征点法视觉SLAM。特征点法视觉SLAM利用特别设计的图像特征提取方法，对图像进行特征提取，再利用前后两帧图像上提取出来的特征进行特征匹配，最后利用得到的特征对应关系和多视角几何约束构造超定方程求解相机的位姿。相比直接法视觉SLAM，特征点法视觉SLAM舍去了图像上大量冗余信息，仅仅选取图像上最具有代表性的少量信息进行图像的配准，这在一定程度上减少了无效的图像信息对图像配准的干扰。同时，同一张图像上被提取出的特征在某种程度上可以描述这张图像的内容，因此每张图像上被提取的特征也可以保存下来，并在未来某一时刻被重新用来和时间轴上相距非常远的一帧图像进行匹配，这常常被用于视觉重定位。特征点法视觉SLAM因其受环境影响较小、天生支持视觉重定位技术等优势被广泛应用，因此讨论它的性能会如何被极端的光照条件所影响以及在这些极端的光照条件下如何更鲁棒地运行也非常必要。