[发明专利]基于ORB和主动视觉的视觉图像特征提取及匹配方法

说明书

本发明公开了一种基于ORB和主动视觉的视觉图像特征提取及匹配方法，采用高效快速的ORB特征提取算法提取特征参数，再利用概率统计方法计算出区域特征分布指数，在保证特征点分布均匀的前提下，根据概率选取数目一定的特征点，并且结合主动视觉的原理与应用，计算感兴趣的椭圆搜索域，再采用最近邻匹配算法和RANSAC算法，得到分布均匀且数目稳定的地图特征点，具有计算简单，且匹配效果好，满足系统实时性的要求。

技术领域

本发明属于计算机视觉图像处理技术领域，更为具体地讲，涉及一种基于ORB和主动视觉的视觉图像特征提取及匹配方法。

背景技术

同时定位和地图构建(SLAM)是自主机器人导航的一项重要研究内容，其目的在于机器人运动的同时，全状态估计出机器人的运动轨迹和环境路标的位置。目前，就算法而言，主要包括EKF-SLAM和基于粒子滤波的SLAM两种方法。在传感方式方面，由于视觉传感器具有特征提取方便、信息量大及成本低等优点，视觉SLAM逐步成为SLAM研究中的主流。

特征提取和匹配是SLAM中两个重要问题。利用特征提取算法提取的特征数目和特征点在图像上的位置分布会对SLAM的最终结果估计效果产生一定的影响。实际上，如果提供越多的特征信息生成的运动估计结果就越稳定，同时这些特征点应该尽可能地覆盖整个图像区域，使SLAM算法能够充分利用获取的图像信息来进行运算。但是，如果建立的地图中的特征点数目超过一定的数量，会严重影响算法的实时性，增加系统的运算成本。目前，比较流行的特征点提取方法包括SIFT、SURF等。在专利《基于ORB特征点的高压杆塔高清图像全景拼接方法》中指出SIFT和SURF特征提取方法会消耗大量时间用于特征提取上，很难满足对实时性要求较高的场合，并且指出采用ORB特征提取算法的运算时间比SIFT算法快两个数量级，比SURF算法快一个数量级。在专利《基于多视角二维图像并结合SIFT算法的三维重建方法》中提出了基于SIFT算法的改进算法，从而得到时间复杂度较低的三维重建。在文献《Improving computational and memory requirements of simulation and mapbuilding algorithms》中指出对于全状态估计的EKF-SLAM而言，特征点数目不断增加，会给EKF带来维数灾难问题。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于ORB和主动视觉的单目视觉图像特征提取及匹配方法，可以快速得到分布均匀且数目稳定的地图特征点，具有计算简单、匹配效果好，且满足系统实时性的要求。

为实现上述发明目的，本发明一种基于ORB和主动视觉的视觉图像特征提取及匹配方法，其特征在于，包括以下步骤：

(1)、图像预处理

将当前帧的彩色图像转换为灰度图像，再用ORB特征提取算法提取灰度图像的ORB特征点；

(2)、将灰度图像均匀地划分为M×N个栅格区域，再选出值较大的前K个栅格区域

设第i个栅格区域f_i中的ORB特征点的个数为n_i，其第j个ORB特征点在灰度图像中的位置坐标为f_i(u_j,v_j),i＝1,2...,M×N,j＝1,2,...n_i，M、N为常数；

计算第i个栅格区域f_i中n_i个ORB特征点的位置坐标均值和方差

统计第i个栅格区域内特征分布参数值