[发明专利]一种基于分级匹配策略的改进无人机三维信息获取方法

摘要

本发明公开了一种基于分级匹配策略的改进无人机三维信息获取方法，结合双目相机标定对视频图像进行校正；在极线约束下，利用基于邻域灰度的模板匹配算法，在右目图像中进行匹配，确定目标区域；获取左右目标区域后，提取轮廓图及关键特征点，基于灰度相关的密集型精匹配对候选匹配点进行进一步的精确匹配；根据精确匹配后的目标关键特征点的视差值和双目相机几何模型计算求取目标三维信息。本发明能够实现无人机的检测、跟踪、精确匹配和三维定位。

主权项

1.一种基于分级匹配策略的改进无人机三维信息获取方法，其特征是：具体包括以下步骤：(1)结合双目相机标定对视频图像进行校正；(2)在极线约束下，利用基于邻域灰度的模板匹配算法，在右目图像中进行匹配，确定目标区域；(3)获取左右目标区域后，提取轮廓图及关键特征点，基于灰度相关的密集型精匹配对候选匹配点进行进一步的精确匹配；步骤(3)中，具体包括：(3‑1)使用Canny边缘检测算子获得二值边缘图像；(3‑2)对边缘图像进行降采样、闭运算，获取目标轮廓；(3‑3)利用多边形逼近算法提取目标轮廓中的多边形轮廓；(3‑4)利用角点曲率提取轮廓关键特征点；(3‑5)在特征点邻域构建匹配区域，利用灰度相似性函数进行特征点匹配；步骤(3‑4)中，具体包括：a)在每条固定尺度的轮廓，计算曲率，把曲率绝对值的局部极大值作为候选角点；b)按照支持区域内的平均曲率自适应地确定一个阈值，将候选点的曲率与该阈值比较曲率大于阈值则为角点，选取曲率小于阈值的点，以去除圆角；c)重新计算支持区域，计算剩余候选角点的角度，去除伪角点；d)考虑非闭合轮廓的端点，如果该端点附近没有其他的角点，则将其标记为角点；(4)根据精确匹配后的目标关键特征点的视差值和双目相机几何模型计算求取目标三维信息。