[发明专利]一种基于多粒度处理融合的图像对齐方法、设备及介质

说明书

本申请公开了一种基于多粒度处理融合的图像对齐方法、设备及介质，方法包括：识别并获取两张待拼接图像中对应的若干对第一特征点，并根据若干对第一特征点，确定粗粒度单应性变换矩阵；利用粗粒度单应性变换矩阵，对目标图像进行图像变换，以获得目标图像对应的变换图像；确定源图像与变换图像中的图像重合区域，并确定图像重合区域中对应的若干对第二特征点；基于若干对第二特征点，确定细粒度单应性变换矩阵；基于粗粒度单应性变换矩阵与细粒度单应性变换矩阵，确定融合单应性变换矩阵，并对目标图像进行图像变换，以获得源图像对应的对齐图像。本申请通过上述方法实现了利用图像全局视觉特征，对纹理特征较少的数据中心机柜图像对齐。

技术领域

本申请涉及计算机视觉领域，尤其涉及一种基于多粒度处理融合的图像对齐方法、设备及介质。

背景技术

使用机器人在大型数据中心机房中做巡检任务时，由于各排机柜之间的走廊宽度较窄，机柜又比较高，所以机器人很难通过一个相机一次拍摄整个机柜，所以一般会使用多个相机同时拍摄一个机柜的不同部分，最后再拼接为一个整机柜图像。

通常情况下，做图像拼接时，首先会使用两副整张图像做特征点检测与匹配，来计算单应性变换矩阵对两张图像进行对齐，然后再做拼接，对齐的效果直接决定了拼接的效果。

在数据中心机房中，绝大多数甚至是所有的机柜和其中的服务器都是统一品牌和型号的，而且颜色纹理单一，这时再使用传统的整体特征点检测与匹配，会出现非常多的错误匹配，严重影响单应性变换矩阵的计算，最终导致两张待拼接图像无法对齐。因此，如何利用图像全局视觉特征，对纹理特征较少的数据中心机柜图像对齐成为亟待解决的技术问题。

发明内容

本申请实施例提供了一种基于多粒度处理融合的图像对齐方法、设备及介质，用以解决如下技术问题：如何利用图像全局视觉特征，对纹理特征较少的数据中心机柜图像对齐。

第一方面，本申请实施例提供了一种基于多粒度处理融合的图像对齐方法，其特征在于，方法包括：识别并获取两张待拼接图像中对应的若干对第一特征点，并根据若干对第一特征点，确定两张待拼接图像对应的粗粒度单应性变换矩阵；利用粗粒度单应性变换矩阵，对目标图像进行图像变换，以获得目标图像对应的变换图像；其中，目标图像为两张待拼接图像中的一张待拼接图像；确定源图像与变换图像中的图像重合区域，并确定第一图像重合区域与第二图像重合区域中对应的若干对第二特征点；其中，源图像为两张待拼接图像中的另一张待拼接图像，第一图像重合区域为源图像中对应的图像重合区域，第二图像重合区域为变换图像中对应的图像重合区域；基于若干对第二特征点，确定源图像与变换图像对应的细粒度单应性变换矩阵；基于粗粒度单应性变换矩阵与细粒度单应性变换矩阵，确定融合单应性变换矩阵，并基于融合单应性变换矩阵对目标图像进行图像变换，以获得源图像对应的对齐图像。

在本申请的一种实现方式中，根据若干对第一特征点，确定两张待拼接图像对应的粗粒度单应性变换矩阵，具体包括：分别构建两张待拼接图像对应的像素坐标系，并基于像素坐标系确定若干对第一特征点对应的像素坐标；基于若干对第一特征点对应的像素坐标，通过预设的单应性变换矩阵计算模型，确定两张待拼接图像对应的粗粒度单应性变换矩阵。

在本申请的一种实现方式中，粗粒度单应性变换矩阵计算模型，由以下公式表示：

其中，X_d1…X_dn表示源图像中的n个第一特征点的像素横坐标，Y_d1…Y_dn表示源图像中的n个第一特征点的像素纵坐标，a…h表示粗粒度单应性变换矩阵中的八个参数值，X_s1…X_sn表示目标图像中的n个第一特征点的像素横坐标，Y_s1…Y_sn表示目标图像中的n个第一特征点的像素纵坐标。