[发明专利]一种图像特征优化方法、装置、终端设备及可读存储介质

说明书

本发明公开了一种图像特征优化方法、装置、终端设备及计算机可读存储介质，所述方法通过从现实场景中获取三个特征点并构建一组摄像装置运动方程，根据等距分布假设构建出摄像装置运动参数表达式，继而通过混合粒子群算法计算出摄像装置运动参数。根据摄像装置运动参数和第一特征点在第一全景图像的方位角实际值，计算第一特征点的实际匹配特征点在第二全景图像的方位角估算值；再由得到的方位角的估算值与第二特征点在第二全景图像的方位角实际值进行比对，最终判断出第一特征点和第二特征点是否匹配。通过实施本发明实施例能在不知道全景相机的结构及设备参数的情况下，消除两全景图像中匹配错误的特征点对，且不易受环境条件的影响。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种图像特征优化方法、装置、终端设备及计算机可读存储介质。

背景技术

基于折反射全景图像的特征匹配在很多计算机视觉相关的任务中是很重要的一个步骤，例如图像拼接、目标识别及运动估计等。

RANSAC(Random Sample and Consensus)是一种应用广泛的消除误匹配方法。这种方法采用大量匹配特征点样本进行实验找到最适合的参数，并通过这些参数建立两幅图像间的转换矩阵。该矩阵一般描述平移、旋转及尺度等变换。利用转换矩阵，可以根据一个特征点在图像中的位置坐标来估计其匹配点的坐标，进而判断特征点匹配对是否正确。在折反射全景图像中，由于其投影关系较为复杂且存在成像畸变，因此在两幅图像中的特征点之间难以建立统一的转换矩阵。即RANSAC方法难以直接应用于未处理的折反射全景图像上，其一般需要先将全景图像展开后才能处理，但在全景图像的展开过程中，不仅会增加额外的计算量还会丢失部分图像信息。

因此现有专利CN106709942A,公开了一种基于特征方位角的全景图像误匹配消除方法，能够在不展开全景图像的情况下，消除误全景图像中误匹配的特征点对，但是其仍存在如下缺点：

1.需要预先知道全景相机的结构及设备参数(如反射镜的长短轴a、b及相机焦距f)，才可以在图像中计算出horizon圆的位置；

2.现有专利CN106709942A，是根据两幅图像中horizon圆区域相应像素间灰度值的差异来确定相机的最优运动参数ρ、ψ和α的，而图像的像素灰度值容易受拍摄环境中光照亮度等因素的影响，导致上述相机运动参数的计算准确度受环境条件影响较大。

发明内容

为解决上述两个问题，本发明实施例提供一种图像特征优化方法、装置、终端设备以及计算机可读存储介质，所述方法能在不知道全景相机的结构及设备参数的情况下，消除两全景图像中匹配错误的特征点对，且不易受环境条件的影响。

本发明一实施例提供一种图像特征优化方法，包括：

获取待检测特征点对；其中，所述待检测特征点对，包括从第一全景图像获取的第一特征点，以及从第二全景图像获得的第二特征点，所述第一全景图像和所述第二全景图像均基于同一现实场景生成；

根据摄像装置运动参数和所述第一特征点在所述第一全景图像的方位角实际值，计算所述第一特征点的实际匹配特征点在所述第二全景图像的方位角估算值；

计算所述方位角估算值与所述第二特征点在所述第二全景图像的方位角实际值的差值，若所述差值超过预设阈值，则判断所述待检测特征点对匹配错误并剔除；

其中，所述摄像装置运动参数的生成方法包括:

从所述现实场景中，获取至少三个特征点，分别为点A、B和C，并构建如下至少一组摄像装置运动方程：