[发明专利]一种基于特征方位角的全景图像误匹配消除方法

说明书

本发明公开了一种基于特征方位角的全景图像误匹配消除方法，将同一场景的两幅折反射全景图像中的horizon圆上的像素保存为一维图像，并结合变换方程对拍摄这两幅图像间对应的最优相机运动参数进行估算；分别计算出待测特征点匹配对在两幅图像中的方位角的实际值，并根据特征点在一幅图像中的方位角对其匹配点在另一幅图像中的方位角进行估算；最后通过设定阈值去除方位角的实际值与估算值之间偏差过大的特征匹配对。本发明，可以应用于由二次曲面反射镜和普通相机构成的折反射全景成像系统，去除图像中错误匹配的特征点，该方法有效的减少了误匹配特征点的数量，为后续视觉相关任务的顺利完成提供良好的基础。

技术领域

本发明涉及计算机视觉领域，具体涉及一种基于特征方位角的全景图像误匹配消除方法。

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。匹配操作一般是在基于同一场景的两幅图像间进行的，其通常包括特征提取和匹配两步。目前在图像特征的提取和匹配方面应用比较广泛的是SIFT(Scale Invariant Feature Transform)算法，尽管SIFT特征对平移、旋转、尺度缩放等具有良好的不变性，同时对于视角变化、仿射变换和亮度变化也能够保持一定程度的稳定性，但在实际应用中仍然存在特征点的误匹配问题。这些错误匹配的特征点会严重影响后续视觉任务的执行，甚至导致任务失败。因此，尽量消除错误匹配的特征点至关重要。

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。与RANSAC方法类似，目前存在的大部分误匹配消除算法应用于折反射全景图像时都存在上述问题。

综上所述，目前需要一种不需要对折反射全景图像进行展开，可以有效的减少错误匹配特征对的全景图像误匹配消除方法。

发明内容

本发明所要解决的技术问题是在去除误匹配特征的过程中需要将环形的折反射全景图像进行展开，导致额外增加计算量还会丢失部分图像信息的问题。

为了解决上述技术问题，本发明所采用的技术方案是提供一种基于特征方位角的全景图像误匹配消除方法，包括以下步骤：在折反射式全景成像系统中，将用于形成周围环境场景的图像的曲面镜和位于曲面镜的下方且光轴指向曲面镜的摄像机一起完成全景图像的采集，在理想情况下，在未展开的全景图像中存在一个以图像中心为圆心的圆，与曲面镜内焦点位于同一水平高度的特征点投影必定位于该圆上，设该圆为horizon圆，

步骤一，将同一场景的两幅折反射全景图像中的horizon圆上的像素保存为一维图像，并根据该一维图像结合变换方程对拍摄这两幅图像间对应的最优相机运动参数进行估算；

步骤二，分别计算出待测特征点匹配对在两幅图像中的方位角的实际值，并通过相应的最优相机运动参数根据特征点在一幅图像中的方位角对其匹配点在另一幅图像中的方位角进行估算；

步骤三，通过设定阈值去除方位角的实际值与估算值之间偏差过大的特征匹配对。

在上述方案中，设反射镜长短轴分别为a、b，水平入射光线与反射镜的交点距反射镜的焦点距离为r，f为相机的焦距，R为Horizon圆的半径。

反射镜方程为：

x²/a²-(y+c)²/b²＝-1，其中