[发明专利]一种基于ORB算法的大视角图像快速识别方法

说明书

本发明公开了一种基于ORB算法的大视角图像快速识别方法，建立透视变换模型，模拟可能的视角变换，基于目标图像生成模拟图像集，用尺度不变ORB算法对模拟图像和基准图像进行粗匹配，当匹配点对达到要求时，停止粗匹配，用双向匹配的方法筛选粗匹配中所有匹配点对，根据筛选后的特征点对集合采用RANSAC算法求得基准图像与目标图像间的单应性矩阵，基于单应性矩阵对目标图像进行重采样，利用重采样图像与基准图像进行尺度不变ORB匹配，最终实现目标图像与基准图像的精匹配。本发明可以在大视角变换下正常工作，具备抗视角变换能力，实时性强，具有较高的工程使用价值。

技术领域

本发明属于计算机视觉技术领域，特别涉及了一种基于ORB算法的大视角图像快速识别方法。

背景技术

图像匹配技术在很多领域都有广泛的应用，大约有40％的计算机视觉应用中都会用到图像匹配技术。人脸识别、指纹识别、笔迹识别、机器人定位等技术已经广泛应用到社会生活中，其安全性与图像匹配算法的性能有着不可分割的联系。在军事、工业和精密农业等领域中，拥有高精度优点的景象匹配技术是发展主流。巡航导弹就是应用景象匹配技术来实现匹配制导的典型例子，且制导系统的性能决定了巡航导弹的制导精度，而巡航导弹末端制导系统的重要组成部分是景象匹配技术。提高景象匹配技术的匹配性能提高工作任务系统的精确率和准确率。

经典的图像匹配算法可分为基于灰度信息的图像匹配算法、基于变换域的图像匹配算法和基于特征的图像匹配算法。基于特征的图像匹配算法是通过图像上有代表性的特征信息，如点、线、面等，进行图像间匹配的算法，主要分为特征提取、特征描述和特征匹配三部分。优秀的不变特征量至少满足三个不变性，即平移不变性、旋转不变性和缩放不变性，这样基于特征的方法具有更强的普适性和稳健性，不仅对同源图像间的匹配效果很好，对异源图像之间的匹配效果较好。基于特征的图像匹配算法操作相对简单，计算量比较少，有一定的抗噪声、抗形变能力，是当前图像匹配技术的主流方向。

目前，国内外学者对大视角图像匹配算法有着广泛而深入的研究。国外，MSER、Harris-Affine、Hessian-Affine、ASIFT等算法均实现了尺度不变性和一定程度的仿射不变性，能够在大视角差异下正常工作。国内，中国矿业大学、河南理工大学、国防科大、上海大学、长春光学精密机械与物理研究所等均提出了相关算法，可以在一定大视角情况获得较好的效果。上述算法可以在一定大视角情况获得较好的效果，但是匹配速度慢，提高匹配算法的速度就成了关键。

发明内容

为了解决上述背景技术提出的技术问题，本发明旨在提供一种基于ORB算法的大视角图像快速识别方法，该方法结合了透视变换模型和ORB算法，在粗匹配算法获得单应性矩阵基础上进行精匹配，有效减少了模拟次数，并提高了算法运算效率。

为了实现上述技术目的，本发明的技术方案为：

一种基于ORB算法的大视角图像快速识别方法，包括以下步骤：

(1)建立世界坐标系W-X_wY_wZ_w、相机坐标系C-X_cY_cZ_c和图像坐标系O-UV，设物体平面位于世界坐标系W-X_wY_wZ_w中X_wWY_w平面的中心，根据相机成像原理和世界坐标系W-X_wY_wZ_w与相机坐标系C-X_cY_cZ_c的位置关系，建立透视变换模型，用于表征同一点在图像坐标系O-UV与世界坐标系W-X_wY_wZ_w中的对应关系；

(2)通过采样的方式设置透视变换模型的相机外参参数，获得不同的透视变换矩阵，对目标图像O进行透视变换，得到模拟图像集S；