[发明专利]一种标定图像自校准方法及装置

权利要求书

1.一种标定图像自校准方法，其特征在于，包括以下步骤：

步骤1，图片预处理，将获取的初始图片P1以及移动后图片P2转化为灰度图，绘制图片的色彩分布直方图；

步骤2，特征点提取，基于图像的局部特征，寻找极值点(角点)作为特征点，并确保他们具有旋转、尺度缩放和亮度不变性；

步骤3，特征点筛选，使所选取的特征点均在路面上；

步骤4，特征点匹配，将两张图片上的特征点依据特征描述直方图的相似度进行匹配；

步骤5，异常点筛除，筛除与局部匹配不吻合的异常点；

步骤6，计算图片P2到图片P1的单应性矩阵H2，具体包括以下步骤：

在筛选过后的匹配中随机选取第一数量组的匹配，计算得到唯一单应性矩阵；

检查剩余匹配是否符合此矩阵对应的映射关系，记录符合的匹配个数；

重复若干次，选取符合的匹配数量最多的单应性矩阵，并提取符合该矩阵的所有匹配得到匹配子集；

基于匹配子集，计算满足条件且造成误差最小的单应性矩阵H2；

步骤7，计算新的单应性矩阵H，H＝H1*H2；

其中，H1代表原始图片P1上的像素坐标与GPS坐标的转换关系，

H2代表P2上的像素坐标与原始图片P1上的像素坐标的转换关系，

单应性矩阵H表示P2上的像素坐标与GPS坐标的转换关系。

2.根据权利要求1所述的标定图像自校准方法，其特征在于，图片预处理步骤中，

转化为灰度图前，将选定的初始图片P1、移动后图片P2调整为尺寸相同、无后期字体；

转化为灰度图后，在得到的色彩分布直方图中，调整色彩分布范围及峰值，除去数值过大或过小且占比很少的部分，将剩余颜色占满0-255的区间，且峰值出现在50-150的范围内；从而达到调整对比度和亮度的目的。

3.根据权利要求2所述的标定图像自校准方法，其特征在于：

对于特征点提取步骤，在初始图片P1、移动后图片P2上各找出第一数量个极值点，采集极值点的位置、尺寸、方向信息，以及周围的特征描述因子；

对于特征描述因子，选取特征点周围预设范围内的所有像素点，按像素分部绘制直方图；目的是用来描述纹理特征。

4.根据权利要求3所述的标定图像自校准方法，其特征在于，筛选步骤包括以下步骤：

建立一个已训练完成的神经网络模型，对于P1、P2进行内容划分；

再使用膨胀侵蚀算法，去掉噪音，补全缺失，确保划分的区域连续完整；

根据划分出的路面范围，对提取的特征点进行筛选，只保留路面上的特征点。

5.根据权利要求4所述的标定图像自校准方法，其特征在于，对于特征点匹配步骤，包括以下步骤：

对于P1中的每一个特征点，分别计算其直方图与p2中所有特征点直方图的差异性，筛选出差异性最小的第三数量个点，得到的第一数量与第三数量乘积数量组匹配；

根据差异性将匹配排序，保留差异性小的前80％。

6.根据权利要求5所述的标定图像自校准方法，其特征在于，对于异常点筛除步骤，包括：

对于P1内的每一个局部区域，检查区域内特征点是否均匹配到P2的同一个区域；

若该区域内大部分特征点均匹配至P2的同一区域，则筛选掉未匹配至此区域的异常点；若该区域内特征点匹配情况无法达成共识，则根据特征点分布情况，分割此区域为若干块，检查分割后的区域匹配情况是否达成共识，持续分割直到达成共识，并筛去异常点。

7.根据权利要求6所述的标定图像自校准方法，其特征在于，计算新的单应性矩阵H后，还包括有检查步骤：设定单应性矩阵的检验算法和结果判定标准，通过自动检测机制检查单应性矩阵的好坏，如果计算结果不达标，系统将重新自动抓图计算，直到结果符合标准。