[发明专利]特征点检测方法、装置及电子设备有效
申请号: | 201710366545.8 | 申请日: | 2017-05-22 |
公开(公告)号: | CN108960012B | 公开(公告)日: | 2022-04-15 |
发明(设计)人: | 田光亚 | 申请(专利权)人: | 中科创达软件股份有限公司 |
主分类号: | G06V20/40 | 分类号: | G06V20/40;G06V10/762;G06V10/44;G06T5/00 |
代理公司: | 北京市隆安律师事务所 11323 | 代理人: | 权鲜枝 |
地址: | 100191 北京市海淀区*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 特征 检测 方法 装置 电子设备 | ||
1.一种特征点检测方法,其特征在于,包括:
获取目标图像的深度特征信息;
基于所述深度特征信息,将在所述目标图像上提取的快速特征点区分为前景特征点和后景特征点;
对所述前景特征点进行强特征检测,得到所述目标图像的强特征点,包括:生成前景fast角点邻域掩膜,在掩膜对应的区块内计算水平、垂直梯度,根据梯度数据,计算Hessian矩阵,并求取其角点响应,若该点响应值为邻域局部极值,且大于阈值t时,标记该点为强角点,阈值t与邻域尺寸根据深度数据动态生成;
将所述强特征点作为所述目标图像的目标特征点。
2.根据权利要求1所述的特征点检测方法,其特征在于,在所述基于所述深度特征信息,将在所述目标图像上提取的快速特征点区分为前景特征点和后景特征点之前,所述方法还包括:
获取需要进行特征点检测的目标图像;
对所述目标图像执行快速特征点提取操作,确定所述目标图像的快速特征点。
3.根据权利要求2所述的特征点检测方法,其特征在于,所述对所述目标图像执行快速特征点提取操作,确定所述目标图像的快速特征点,包括:
选取所述目标图像中的任一像素点作为中心像素点;
获取以所述中心像素点为原点、半径为r个像素、宽度为1个像素的像素圆环;
判断所述像素圆环上是否存在n个灰度值均大于或小于所述中心像素点的像素;
若存在,则将所述中心像素点确定为快速特征点。
4.根据权利要求1所述的特征点检测方法,其特征在于,所述基于所述深度特征信息,将在所述目标图像上提取的快速特征点区分为前景特征点和后景特征点,包括:
获取所述快速特征点的深度值;
判断所述深度值是否大于预设阈值;
将所述深度值大于所述预设阈值的快速特征点确定为前景特征点;
将所述深度值小于等于所述预设阈值的快速特征点确定为后景特征点。
5.根据权利要求1所述的特征点检测方法,其特征在于,所述对所述前景特征点进行强特征检测,得到所述目标图像的强特征点,包括:
获取所述前景特征点的梯度信息;
基于所述梯度信息,计算所述前景特征点的角点响应;
将角点响应大于预设阈值的前景特征点确定为强特征点。
6.根据权利要求5所述的特征点检测方法,其特征在于,所述获取所述前景特征点的梯度信息,包括:
遍历所述前景特征点;
生成所述前景特征点的邻域掩模;
在所述邻域掩模内计算所述前景特征点的水平梯度和垂直梯度,进而得到所述前景特征点的梯度信息。
7.根据权利要求1所述的特征点检测方法,其特征在于,在所述对所述前景特征点进行强特征检测,得到所述目标图像的强特征点之前,该方法还包括:
基于所述目标图像的深度特征信息,将所述目标图像进行区域划分,得到所述目标图像的深度区间;
在所述深度区间内提取深度图像的边缘数据;
基于所述边缘数据对所述目标图像进行边缘增强。
8.根据权利要求7所述的特征点检测方法,其特征在于,所述基于所述目标图像的深度特征信息,将所述目标图像进行区域划分,包括:
在所述深度特征信息对应的深度数据中生成随机种子点;
获取所述随机种子点的直方图的峰谷值;
利用所述峰谷值确定所述深度数据的聚类中心,并根据所述聚类中心完成对所述随机种子点的聚类;
基于聚类的结果,确定所述目标图像的划分区域。
9.根据权利要求1所述的特征点检测方法,其特征在于,在所述获取目标图像的深度特征信息之前,所述方法还包括:
对所述目标图像进行预处理。
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中科创达软件股份有限公司,未经中科创达软件股份有限公司许可,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/pat/books/201710366545.8/1.html,转载请声明来源钻瓜专利网。
- 上一篇:部分遮挡的柑橘果实图像识别方法
- 下一篇:一种行人再识别方法及装置