[发明专利]一种空间定位方法和装置

权利要求书

1.一种空间定位方法，其特征在于，包括以下步骤：

同步获取3D TOF传感器输出的点云数据和RGB摄像头输出的RGB图像；

根据所述点云数据和RGB图像，采用SIFT算法进行粗配准，获得第一匹配点对；

根据空间约束关系，对所述第一匹配点对进行精配准，获得第二匹配点对；

根据所述第二匹配点对训练RBF神经网络，获得所述点云数据和RGB图像之间的对应关系；

根据所述点云数据，进行滤波、分割提取处理，获得目标的点云数据；

根据所述RGB图像，进行去噪、分割提取处理，获得目标的RGB图像；

根据所述点云数据和RGB图像之间的对应关系，将所述目标的点云数据和目标的RGB图像进行融合，获得目标空间定位数据。

2.根据权利要求1所述的方法，其特征在于，所述根据所述点云数据和RGB图像，采用SIFT算法进行粗配准，获得第一匹配点对的步骤包括：

将所述点云数据转换成二维图像；

采用SIFT算法提取所述二维图像的第一关键点，获得其特征向量F_i¹，i＝1,2,…,n，n为第一关键点的总数；

采用SIFT算法提取所述RGB图像的第二关键点，获得其特征向量F_j²，j＝1,2,…,m，m为第二关键点的总数；

分别计算第一关键点与第二关键点之间的近邻指数G_ij，计算公式为：

其中，μ_i为第一关键点特征向量F_i¹的均值，μ_j为第二关键点特征向量F_j²的均值，σ_i为第一关键点特征向量F_i¹的方差，σ_j为第二关键点特征向量F_j²的方差，σ_ij为第一关键点特征向量F_i¹和第二关键点特征向量F_j²的协方差，C₁、C₂、C₃分别为预设常数；

针对每一个第一关键点，选取所有第二关键点中的近邻指数G_ij最大的k个，作为第一关键点的粗配准点，获得第一匹配点对(F_i¹,F_j²)，i＝1,2,…,n，j＝1,2,…,k。

3.根据权利要求1所述的方法，其特征在于，所述根据空间约束关系，对所述第一匹配点对进行精配准，获得第二匹配点对的步骤包括：

选出同时满足以下三个空间约束关系的所述第一匹配点对，获得第二匹配点对：

第一匹配点对中的第一关键点与第二关键点之间的像素平移距离小于或等于第一预设值；

其中，为第一匹配点对中的任意两对匹配点对，为二维图像中两个第一关键点连线与水平方向的夹角，为RGB图像中两个第二关键点连线与水平方向的夹角，ε₁为第二预设值；

其中，为二维图像中两个第一关键点之间的距离，为RGB图像中两个第二关键点之间的距离，ε₂为第三预设值。

4.根据权利要求1所述的方法，其特征在于，所述根据所述第二匹配点对训练RBF神经网络，获得所述点云数据和RGB图像之间的对应关系的步骤包括：

构建所述第二匹配点对中的第一关键点特征向量和第二关键点特征向量之间的转换矩阵模型，将第二匹配点对中的第一关键点特征向量作为RBF神经网络的输入，第二匹配点对中的第二关键点特征向量作为RBF神经网络的期望输出，利用输入和期望输出训练RBF神经网络，获得所述转换矩阵模型的各项参数；

将RGB图像中的任一像素点输入训练好的RBF神经网络，获得与所述任一像素点对应的二维图像中的像素点；

根据所述点云数据转换成二维图像的过程的逆过程，获得所述二维图像中的像素点对应的点云数据中的空间位置点，获得所述点云数据和RGB图像之间的对应关系。