[发明专利]一种检测图像特征点的方法及一种服务器集群

说明书

本发明公开了一种检测图像特征点的方法及一种服务器集群。一种检测图像特征点的方法，包括：将图像划分成格子，并为每个所述格子预设响应值；确定所述图像中的第一候选特征点；确定第一候选特征点所落入的至少一个第一格子；计算每个所述第一格子内的第一候选特征点的响应值，将每个第一格子内各第一候选特征点的响应值中最大的响应值对应的第一候选特征点作为该第一格子的第二候选特征点，存储该第二候选特征点的位置并将该第二候选特征点的响应值作为该第一格子的响应值；在所述第二候选特征点中确定目标特征点。本发明的实施例，大大减少了对内存的需求，减少了计算量，运算速度加快，目标特征点相对图像来说比较有代表性。

技术领域

本发明涉及图像处理领域，特别涉及一种检测图像特征点的方法及一种服务器集群。

背景技术

在计算机视觉(CV)系统中，检测出图像的特征点并进而进行特征点匹配是基础性的技术手段，因此特征点检测的质量和特征点检测的速度在整个系统中占据了非常重要的地位。

以ORB Slam(即时定位与地图构建)系统为例，当前的特征点检测存在以下缺点：

1.占用内存空间巨大，初始检测出的特征点数量最大可达需求特征点数量的10倍，如金字塔0层常见配置是200多个特征点,但是需要2000多个特征点的空间来保存初始检测结果。

2.为了保证挑选出的特征点有代表性的分布，特征点检测的流程复杂，比如需要把图像分成32x32的小块来运算，每个小块可能存在两次阈值筛选，初始特征点检测完成以后，还需要8叉树/4叉树挑选出最终的代表性特征点。

3.因不能满足最小对齐条件或由于所需内存太大或流程复杂，使整个流程运行非常缓慢，尤其在某些系统如移动平台或数字信号处理(dsp)平台中表现更加明显。

发明内容

本发明实施例的目的在于提供一种检测图像特征点的方法及一种服务器集群，该方法能够快速检测出特征点，占据内存空间小，检测出的特征点代表性好。

为了解决上述技术问题，本发明的实施例采用了如下技术方案：

一种检测图像特征点的方法，包括：将图像划分成格子，并为每个所述格子预设响应值；确定所述图像中的第一候选特征点；确定第一候选特征点所落入的至少一个第一格子；计算每个所述第一格子内的第一候选特征点的响应值，将每个第一格子内各第一候选特征点的响应值中最大的响应值对应的第一候选特征点作为该第一格子的第二候选特征点，存储该第二候选特征点的位置并将该第二候选特征点的响应值作为该第一格子的响应值；在所述第二候选特征点中确定目标特征点。

作为优选，确定所述图像中的第一候选特征点具体包括：将图像划分为多个区域，其中每个所述区域包括多个所述格子；在每个所述区域内，基于第一阈值检测所述第一候选特征点。

作为优选，将每个第一格子内各第一候选特征点的响应值中最大的响应值对应的第一候选特征点作为该格子的第二候选特征点，包括：对于每个第一格子，依次判断各第一候选特征点的响应值是否大于该第一格子的响应值；每当确定存在响应值大于该第一格子的响应值的第一候选特征点，将该第一格子的响应值替换为该第一候选特征点的响应值。

作为优选，确定第一候选特征点所落入的至少一个第一格子，包括：根据所述第一候选特征点的坐标值判断其所落入的所述第一格子。

作为优选，在所述第二候选特征点中确定目标特征点，包括：根据目标特征点的期望数量在所述第二候选特征点中确定第一数量的目标特征点。

本发明还公开了一种服务器集群，包括至少一个处理器、至少一个存储器，所述至少一个存储器能够存储被所述至少一个处理器处理的指令，所述至少一个处理器配置为执行所述指令以：将图像划分成格子，并为每个所述格子预设响应值；确定所述图像中的第一候选特征点；确定第一候选特征点所落入的至少一个第一格子；