[发明专利]一种ORB特征均匀化提取方法

说明书

本发明公开了一种ORB特征均匀化提取方法，具体按照以下步骤实施：步骤1、计算FAST角点的自适应阈值；步骤2、构建图像金字塔，并按照比例因子计算金字塔每层所需的期望特征点数量；步骤3、对图像进行网格划分并在网格内进行FAST角点提取；步骤4、构建四叉树管理节点；步骤5、计算特征点的方向与描述子。本发明一种ORB特征均匀化提取方法，提高特征分布的均匀度，在Mur‑Arta提出的特征提取算法基础上，计算FAST角点自适应提取阈值，采用改进四叉树提高了计算效率。

技术领域

本发明属于数字图像处理方法技术领域，涉及一种ORB特征均匀化提取方法。

背景技术

特征提取是数字图像处理中的一项关键技术，在许多领域都有着广泛的应用，包括机器人定位与导航、三维重建与场景恢复等。目前常用的特征提取算法包括SIFT，SURF和ORB特征，SIFT和SURF有更好的鲁棒性，但计算复杂，无法满足SLAM系统对实时性的要求，而ORB算法由于其出色的实时性得到了广泛的应用。然而传统ORB算法所提取的特征在图像上的分布并不均匀，会降低特征匹配和位姿估计的精度。

发明内容

本发明的目的是提供一种ORB特征均匀化提取方法，能够提高特征分布的均匀度。

本发明所采用的技术方案是，一种ORB特征均匀化提取方法，具体按照以下步骤实施：

步骤1、计算FAST角点的自适应阈值；

步骤2、构建图像金字塔，并按照比例因子计算金字塔每层所需的期望特征点数量；

步骤3、对图像进行网格划分并在网格内进行FAST角点提取；

步骤4、构建四叉树管理节点；

步骤5、计算特征点的方向与描述子。

本发明的特征还在于：

步骤1中的自适应阈值的计算公式如下：

式1)中，iniT为初始提取阈值；n为图像中像素个数；Ι(x_i)为图像中第i个像素的灰度值；为图像灰度的平均值。

步骤2中构建了八层金字塔，且每层的期望特征点数量的计算方式为：

式2)中，m为特征点总数量，根据人工设定；s为尺度因子，根据人工设定；a为第一层所需特征点数；

第二层的期望特征点数量为a/s，后面每一层的期望特征点数量为前面一层的特征点数量乘以1/s。

步骤3中在网格内进行FAST角点提取的具体方式为：设定FAST角点初始提取阈值为式(1)的计算值iniT，如果该网格内没有提取到角点，就降低阈值为minT＝iniT/4，继续在网格内进行角点提取，直到遍历图像中的所有网格，完成FAST角点的自适应提取。

步骤4的具体步骤为：

步骤4.1、初始化节点；

步骤4.2、分裂子节点，采用四叉树将初始节点平均分为四个子节点，且每个节点只包含该区域内的特征点；

步骤4.3、判断当前四叉树深度是否到达该层设置的最大深度，如果到了最大深度，则将该节点存储起来，如果没有到达最大深度，则进一步判断，判断该节点内的特征点的数量是否大于0，若该节点内特征点数量等于0，则删除该节点，如果大于0，则进行下一步判断，再判断该节点内特征点的数量是否大于1，如果该节点内特征点数量等于1，则将该节点存储，否则若该节点内特征点数量大于1，则将该节点继续分裂为四个子节点，继续进行上述判断；

所述最大深度D_max与该层期望特征点数量Set_Kp的关系如下：