[发明专利]一种基于马步测度的Harris‑SIFT双目视觉定位方法

权利要求书

1.一种基于马步测度的Harris-SIFT双目视觉定位方法，其特征是：对双目摄像机获取的图像首先进行高斯滤波和校正处理，再通过图像匹配进行深度恢复，其匹配算法是采用马步距离做测度的Harris-SIFT匹配算法，

所述的采用马步距离做测度的Harris-SIFT匹配算法具体包括：

(1)采用Harris算子提取图像的角点，即特征点；

(2)精确定位极值点

定位关键点位置和尺度并消除不稳定点，对关键点的位置、尺度进行拟合，得到更精确的位置和尺度定位，同时删除具有低对比度和不稳定的边缘响应点；

(3)对关键点分配方向获得旋转不变性

根据关键点的局部图像梯度方向来分配一个或多个方向，利用图像的局部特征给每一个关键点分配一个方向来描述旋转不变性，最后得到关键点邻域像素的梯度及方向，

$\left\{\begin{array}{c}m(x,y)=\\ \sqrt{{\[L(x+1,y)-L(x-1,y)\]}^2+{\[L(x,y+1)-L(x,y-1)\]}^2}\\ \mathrm{\θ}(x,y)=\arctan \frac{L(x,y+1)-L(x,y-1)}{L(x+1,y)-L(x-1,y)}\end{array}\right.$

式中：尺度L为各个关键点所在尺度，m(x,y)表示关键点的梯度大小；θ(x,y)表示关键点梯度的方向；

(5)计算SIFT特征描述子

为了增强匹配的稳健性，对每个关键点用4×4共16个种子点来描述，这样一个关键点产生并最终形成128维的SIFT特征向量；

(6)构建KD-tree，在KD-tree上计算第一幅图像的每个关键点在待匹配图像上的关键点最近邻匹配；

(7)采用马步距离计算特征向量的距离；

(8)采用基于2D单应变换的RANSAC算法剔除误匹配点对。

2.根据权利要求1所述的基于马步测度的Harris-SIFT双目视觉定位方法，其特征是：所述采用基于2D单应变换的RANSAC算法剔除误匹配点对具体包括：从SIFT匹配同名点对中随机抽取M组抽样，每一组抽样数据至少包含4对匹配点；利用M组抽样中匹配点对，分别估算出2D单应变换矩阵H的参数初始值；再根据匹配点对间的误差，计算出每一组2D单应变换矩阵H参数初始值所对应的内点和外点。