改进的图像匹配与误匹配剔除算法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110443295A(43)申请公布日2019.11.12(21)申请号201910694130.2(22)申请日2019.07.30(71)申请人上海理工大学地址200093上海市杨浦区军工路516号(72)发明人孙东岳丁德锐管启魏国亮朱鸣嫡刘洋洋(74)专利代理机构上海天协和诚知识产权代理事务所31216代理人沈国良(51)Int.Cl.G06K9/62(2006.01)权利要求书2页说明书6页附图2页(54)发明名称改进的图像匹配与误匹配剔除算法(57)摘要本发明公开了一种改进的图像匹配与误匹配剔除算法，本算法采用FAST算法通过灰度值的差异从图像中提取特征点；利用图像块的二阶矩通过图像块的质心位置及几何中心给定特征点方向；对围绕特征点的像素点进行灰度值比较，采用BRIEF算法创建特征点的描述符；对描述符采用多探针局部敏感散列LSH算法匹配特征点的特征向量，得到特征向量的初始匹配对；依次使用GMS算法、余弦相似度算法和RANSAC算法剔除初始匹配对中的误匹配，得到精准的图像匹配结果。本算法通过改进的ORB算法特征点提取与匹配，结合GMS算法得到效果更好的粗略匹配集合，然后与RANSAC算法结合，达到剔除误匹配，保留正确匹配集合的目的，提高图像匹配的准确率以及算法的运算速度。CN110443295ACN110443295A权利要求书1/2页1.一种改进的图像匹配与误匹配剔除算法，其特征在于本算法包括如下步骤：步骤一、采用ORB算法中的FAST算法从图像中提取特征点，检测图像中具有明显灰度值变化的像素点，假设像素点p的像素值为Ip，设定一个阈值A，A＝20％Ip，以像素点p为中心，选取半径为3个像素点的圆上的16个像素点，假设选取的圆上有连续的N个像素点的亮度大于Ip+A或者小于Ip-A，则设定像素点p为特征点；步骤二、利用图像块的二阶矩给定特征点方向，获得图像块的质心位置，利用质心位置通过连接图像块的几何中心和质心确定每个特征点方向；步骤三、采用BRIEF算法创建特征点的描述符，选择围绕特征点的128对像素点，并将它们的灰度值进行比较，组成128维二进制描述符；步骤四、对128维二进制描述符采用多探针局部敏感散列LSH算法匹配特征点的特征向量，得到特征向量的初始匹配对；步骤五、使用GMS算法消除初始匹配对中的误匹配，GMS算法将图像的运动平滑性封装在一个区域内，如特征点运动是平滑的，则相邻像素点与特征点一起移动，正确匹配周围具有支持匹配的特征点，错误匹配周围无支持匹配的特征点，从而筛选掉错误匹配；步骤六、在使用GMS算法消除初始误匹配之后，仍然存在一些误匹配对，采用余弦相似度算法计算匹配对两个矢量之间的角度余弦值来估算两个矢量的相似度，设定相似度范围为-1到1，1表示匹配的两个向量方向完全相同，设定相似度大于0.8的向量匹配是正确匹配，予以保留，小于0.8的匹配为错误匹配并剔除；步骤七、调用RANSAC算法函数，利用单应性矩阵对使用GMS算法和余弦相似度算法消除初始匹配对中误匹配后的初始匹配对再次进行误匹配剔除，得到精准的图像匹配结果。2.根据权利要求1所述的改进的图像匹配与误匹配剔除算法，其特征在于：所述步骤四中多探针局部敏感散列LSH算法将对比图像中128维二进制描述符的所有特征向量都映射到一组散列桶中，将目标图像中128维二进制描述符中的类似特征向量采用相同的散列函数映射到相同散列桶或相邻散列桶中作为查询向量，检查相同散列桶或相邻散列桶，得到特征向量的初始匹配对。3.根据权利要求1所述的改进的图像匹配与误匹配剔除算法，其特征在于：所述步骤五中设定正确匹配周围具有支持匹配的特征点的阈值τ近似为：其中，α＝6是经验值，ni是单个网格单元中所呈现的特征点数的平均值，二值化Sij将匹配对分为真集和假集{T，F},Sij为匹配对周围支持该匹配对的得分，将大于阈值τ的放入真集T中，是正确的匹配对，小于阈值τ的放入假集F中，是错误的匹配对，其数学表达式为：其中，cell-pair表示单个网格匹配的集合。4.根据权利要求1所述的改进的图像匹配与误匹配剔除算法，其特征在于：所述步骤六中余弦相似度公式为：2CN110443295A权利要求书2/2页其中，Simcos为相似度值，θ为匹配对两个矢量的夹角，(xp,xq)为给定匹配对的坐标。3CN110443295A说明书1/6页改进的图像匹配与误匹配剔除算法技术领域[0001]本发明涉及一种改进的图像匹配与误匹配剔除算法。背景技术[0002]定位与实时建图是机器人导航和控制研究领域的两个基本问题，机器人研究领域的同步定位与地图构建SLAM技术是同时解决这两大问题的关键技术之一。目前，SLAM技术是机器人、自动驾驶