[发明专利]一种基于双重极线约束的特征标志点匹配方法有效
| 申请号: | 201910403384.4 | 申请日: | 2019-05-15 |
| 公开(公告)号: | CN110223355B | 公开(公告)日: | 2021-01-05 |
| 发明(设计)人: | 刘巍;马大智;邸宏图;张洋;逯永康;梁冰;马建伟;贾振元 | 申请(专利权)人: | 大连理工大学 |
| 主分类号: | G06T7/80 | 分类号: | G06T7/80 |
| 代理公司: | 大连理工大学专利中心 21200 | 代理人: | 关慧贞 |
| 地址: | 116024 辽*** | 国省代码: | 辽宁;21 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | 本发明一种基于双重极线约束的特征标志点匹配方法属于计算机视觉测量技术领域,涉及一种基于双重极线约束的特征标志点匹配方法。该方法首先对双目相机的内参数和两个相机之间的外参数进行标定;然后,利用灰度重心法对图像特征标志点进行提取,获取特征标志点在左右图像坐标系下的坐标;接下来基于标定参数构造第三视角图像;最后,基于左相机图像和构造的第三视角图像在右图像中的双重极线约束完成特征标志点的匹配。该方法通过构造第三视角图像,在右图像中形成双重极线约束缩小对应匹配点搜索范围来进行左右图像中特征标志点的一一匹配,实现了在复杂测量环境下的非对称有限特征图像中特征标志点快速,精准,高鲁棒性的匹配。 | ||
| 搜索关键词: | 一种 基于 双重 约束 特征 标志 匹配 方法 | ||
【主权项】:
1.一种基于双重极线约束的特征标志点匹配方法,其特征是,该方法首先对双目相机的内参数和两个相机之间的外参数进行标定;然后利用灰度重心法对图像特征标志点进行提取,获取特征标志点在左右图像坐标系下的坐标;接下来基于标定参数构造第三视角图像;最后,基于左相机图像和构造的第三视角图像在右图像中的双重极线约束完成特征标志点的匹配;方法具体步骤如下:第一步,双目相机内外参数标定首先在待测物(3)上均匀布置特征标志点(5),然后搭建双目测量系统,使左相机(1)和右相机(2)成一定角度固定在三角架(4)上,并在安装时要保证公共视场中有足够数量的特征标志点;然后进行相机标定,利用左右相机分别对棋盘标定板拍照,通过张氏标定法对左右相机的内参数和两个相机之间的外参数进行标定,左右相机内参数(α,β,u0,v0)满足坐标转换公式:
其中,(u,v)分别是空间点P在图像的行列像素坐标值,(XC,YC,ZC)是空间点P在摄像机坐标系下的坐标,K为相机的内参数矩阵;假设两摄像机的空间位置转换为旋转矩阵R与平移矩阵T,则空间点P在左摄像机坐标系下的坐标(XCL,YCL,ZCL)和在右摄像机坐标系下的坐标(XCR,YCR,ZCR)转换关系可表示为:
其中,(r1,r2…r9)是旋转矩阵R的参数,(tx,ty,tz)是平移矩阵T的参数;标定后得到左右摄相机的内参数矩阵分别是Kl和Kr,由此可以计算两摄像机间的基础矩阵F:
第二步,图像中特征标志点提取首先对图像进行二值化处理,通过设置适当的阈值获取二值化图像;然后提取二值图像的所有独立区域轮廓,计算每个区域的圆度特征,区域圆度计算公式如下:C=4πS/l2 (4)其中,S为区域面积值,l为区域周长,C为计算出的区域圆度,通过设置适当的圆度值C′,提取图像中圆度值大于C′的标志点区域;最后使用灰度重心法提取标志点中心在左右图像的位置坐标,灰度重心法计算坐标公式如下:
其中,f(u,v)是坐标为(u,v)的像素点的灰度值,Ω为目标区域集合
是标志点中心在图像中的位置坐标;第三步,基于先验标定信息构造第三视角图像根据内参数矩阵与相机成像模型,将标志点中心在右摄像机图像的像素坐标值(ur,vr)转换为右摄像机坐标系下的坐标(XCR,YCR,ZCR),其转换关系如下:
构造第三视角相机,将右摄像机坐标系相对于坐标系原点旋转一个角度,其旋转矩阵为R′,则标志点中心在右摄像机坐标系下的坐标(XCR,YCR,ZCR)与第三视角相机坐标系下的坐标(XCR′,YCR′,ZCR′)转换关系如下:
将标志点中心在第三视角相机坐标系下的坐标(XCR′,YCR′,ZCR′)转换为第三视角相机图像的像素坐标值(ur′,vr′),其转换关系如下:
计算第三视角相机与右相机间的基础矩阵F′,关系如下:
其中(f0,f1...f8)为基础矩阵F′的参数,可以利用八点法可以对其求解:
选取的8个特征标志点,其标志点中心在右摄像机图像的像素坐标值为
到
在第三视角相机图像的像素坐标值为
到
第四步,基于双重极线约束的特征标志点匹配极线约束是将对应匹配点搜索范围由全局图像缩小到了极线这条直线上,而双重极线约束则是通过左相机图像和第三视角相机图像在右相机图像中构建双重极线约束关系,将所需要搜索对应匹配点的范围缩小到几个点上,再次缩小了搜索范围,提高了匹配的精度与鲁棒性;首先构造第三视角相机图像到右相机图像的极线约束关系,通过基础矩阵F′构造全部的标志点中心在第三视角相机图像的像素坐标值(ur′,vr′)和右相机像素坐标系下坐标(ur,vr)的极线约束关系,(a′,b′,c′)为极线约束方程参数,公式如下:
a′ur+b′vr+c′=0 (12)然后构造左相机图像到右相机图像的极线约束关系,通过基础矩阵F构造标志点中心在左相机像素坐标系下坐标(ul,vl)和右相机像素坐标系下坐标(ur,vr)的极线约束关系,(a,b,c)为极线约束方程参数,公式如下:
aur+bvr+c=0 (14)接下来将所需要搜索对应匹配点的范围缩小到几个点上,计算左图像中标志点中心在右图像中对应的极线方程(12)与第三视角相机全部标志中心点在右图像中对应的极线方程(14)的交点(uk,vk),设定距离阈值D,计算右图像中全部标志中心点(ur,vr)与各交点距离dis:
满足dis最小且小于距离阈值D的标志点和与该极线对应的左图像标志点匹配,如果与极线对应的左图像标志点在右图像中没有满足距离阈值条件的标志点,则该特征标志点为左图像独有的非公共点,左图像全部标志中心点计算完毕后右图像剩下的标志中心点为右图像独有的非公共点。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于大连理工大学,未经大连理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201910403384.4/,转载请声明来源钻瓜专利网。





