[发明专利]一种图像匹配方法、装置、存储介质及汽车

说明书

本发明公开了一种图像匹配方法、装置、存储介质及汽车。该方法包括：获取目标图像，并将所述目标图像划分为至少两个子图像；确定各个所述子图像的特征向量和灰度平均值；基于所述特征向量和灰度平均值匹配所述目标图像与预先获取的匹配图像，根据匹配结果确定所述匹配图像中与所述目标图像匹配的匹配区域，由于特征向量的光照、平移、旋转不变性，采用特征向量结合像素灰度平均值的方式进行匹配，弥补基于单个像素点的灰度值匹配误差较大的缺点，使图像匹配结果更稳定，进而，可以使VSLAM在场景明暗差距变化较大的情景运用，并提高了VSLAM的精度。

技术领域

本发明实施例涉及图像处理技术，尤其涉及一种图像匹配方法、装置、存储介质及汽车。

背景技术

VSLAM技术，指利用视觉系统实现自主定位与地图创建。随着计算机视觉技术的迅猛发展，各种基于计算机视觉的算法被不断地创新和改进，基于视觉的机器人定位方法因其信息量大、适应范围广而受到人们的普遍重视，已经成为机器人导航、无人车室内导航定位等方向的研究热点。然而，相关技术中的VLSM技术是基于像素点进行匹配，在一些场景下误匹配率较高，在很大程度上限制了VSLAM的场景选择范围。

发明内容

本发明提供种图像匹配方法、装置、存储介质及汽车，可以提供图像匹配的准确度。

第一方面，本发明实施例提供了一种图像匹配方法，包括：

获取目标图像，并将所述目标图像划分为至少两个子图像；

确定各个所述子图像的特征向量和灰度平均值，其中，所述特征向量与图像尺度缩放、旋转及亮度变化无关；

基于所述特征向量和灰度平均值匹配所述目标图像与预先获取的匹配图像，根据匹配结果确定所述匹配图像中与所述目标图像匹配的匹配区域。

可选的，获取目标图像，并将所述目标图像划分为至少两个子图像，包括：

获取设置于汽车上的摄像头拍摄的行驶路线上的环境图像，作为目标图像；

基于分辨率将所述目标图像划分为至少两个子图像。

可选的，确定各个所述子图像的特征向量和灰度平均值，包括：

采用滑动窗口法计算各个所述子图像的第一尺度不变特征变换(SIFT)特征向量；

确定所述目标图像的灰度图像，分别计算各个所述子图像内像素的第一灰度平均值。

可选的，在获取目标图像之前，还包括：

获取匹配图像，基于分辨率将所述匹配图像划分为至少两个匹配子图像；

确定各个所述匹配子图像的第二尺度不变特征变换(SIFT)特征向量和第二灰度平均值。

可选的，基于所述特征向量和灰度平均值匹配所述目标图像与预先获取的匹配图像，根据匹配结果确定所述匹配图像中与所述目标图像匹配的匹配区域，包括：

计算所述第一尺度不变特征变换(SIFT)特征向量与所述第二尺度不变特征变换(SIFT)特征向量的第一差值；

计算所述第一灰度平均值和所述第二灰度平均值的第二差值；

根据所述第一差值和第二差值确定所述目标图像中子图像与所述匹配图像中匹配子图像的匹配度；

根据所述匹配度确定所述匹配图像中与所述目标图像匹配的匹配子图像。

可选的，根据所述第一差值和第二差值采用如下公式计算所述目标图像中子图像与所述匹配图像中匹配子图像的匹配度：

P＝C_x+λT_x