[发明专利]一种图像配准方法

说明书

本发明涉及一种图像配准方法，包括以下步骤：S1.对获取的两帧图像分别进行特征提取，并基于提取的特征采用描述子匹配获得初始匹配集合；S2.对所述初始匹配集合进行过滤处理，获得第一匹配集合；S3.采用光流法对所述第一匹配集合进行亚像素精度修正；S4.对修正后的所述第一匹配集合进行过滤获得第二匹配集合，完成图像配准。本发明的配准精度更高，效果更好。

技术领域

本发明涉及三维视觉领域，尤其涉及一种图像配准方法。

背景技术

三维视觉是计算机视觉领域传统的研究方向之一，目标是使计算机可以通过二维图像感知理解三维世界中的环境信息。其主要理论基础是多视图几何，即摄像头在多个视角对同一场景拍摄多张二维图像，同一个三维点在不同的二维图像上的位置是存在几何约束关系的。进而如何精准获取不同二维图像上的同一个三维点则是一个需要解决的技术难题。

目前，在三维视觉领域已经出现了非常多的图像配准技术，但是具有以下传统缺点：1.特征点定位基本都是像素级别的；2.提取的特征一般是稀疏的，并且会经过非极大值抑制进行处理，导致匹配到的两个特征有可能仅仅是三维空间中靠近的点；3.配准过程中在视角、光照、时间跨度等变化较大的场景中容易出现匹配出错的问题。

发明内容

本发明的目的在于提供一种图像配准方法，解决图像配准精度低的问题。

为实现上述发明目的，本发明提供一种图像配准方法，包括以下步骤：

S1.对获取的两帧图像分别进行特征提取，并基于提取的特征采用描述子匹配获得初始匹配集合；

S2.对所述初始匹配集合进行过滤处理，获得第一匹配集合；

S3.采用光流法对所述第一匹配集合进行亚像素精度修正；

S4.对修正后的所述第一匹配集合进行过滤获得第二匹配集合，完成图像配准。

根据本发明的一个方面，步骤S1中，对获取的两帧图像分别进行特征提取的步骤中，所述特征为手工特征或基于神经网络的深度特征；其中，提取出的所述特征包括：特征位置、特征朝向、特征提取区域半径和特征描述子信息。

根据本发明的一个方面，步骤S1中，基于提取的特征采用描述子匹配获得初始匹配集合的步骤中，所述初始匹配集合为其中，x为中第一帧图像中提取的特征，y为第二帧图像中提取的特征。

根据本发明的一个方面，步骤S1中，基于提取的特征采用描述子匹配获得初始匹配集合的步骤中，对于密集出现的特征采用非极大值抑制算法进行过滤，仅保留其中响应值最大的特征；然后通过特征描述子之间的距离进行最近邻暴力匹配与快速近似最近邻匹配，得到所述初始匹配集合。

根据本发明的一个方面，步骤S2中，对所述初始匹配集合进行过滤处理，获得第一匹配集合的步骤中，采用基于描述子距离约束、匹配局部空间约束、两视图投影几何一致性约束中的至少一种处理方式进行过滤处理。

根据本发明的一个方面，步骤S2中，对所述初始匹配集合进行过滤处理的过程中，若采用的所述处理方式为多种，则基于选取的所述处理方式对所述初始匹配集合依次进行过滤处理。

根据本发明的一个方面，所述第一匹配集合为

步骤S3中，采用光流法对所述第一匹配集合进行亚像素精度修正的步骤中，包括：

S31.获取所述第一匹配集合中的一个待修正的匹配C_i＝(x_i，y_i)，分别获得其所包含的特征x_i、y_i在二维像素平面上的特征位置P_xi、P_yi，特征朝向θ_xi、θ_yi与特征提取区域半径r_xi、r_yi；