CN104376555B - 一种导航阵列匹配的方法及其装置 - Google Patents
一种导航阵列匹配的方法及其装置 Download PDFInfo
- Publication number
- CN104376555B CN104376555B CN201410578458.5A CN201410578458A CN104376555B CN 104376555 B CN104376555 B CN 104376555B CN 201410578458 A CN201410578458 A CN 201410578458A CN 104376555 B CN104376555 B CN 104376555B
- Authority
- CN
- China
- Prior art keywords
- point
- information source
- source
- information
- array
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种导航阵列匹配的方法及其装置。该方法包括:按照设定阵列放置信源并得到信源世界坐标;导航仪拍摄信源阵列图像,并对图像进行直方图统计;根据直方图统计结果,设定阈值,对图像滤波,并得到信源像点坐标;对于像点完整无缺失的情况,将信源像点坐标与世界坐标匹配;对于部分帧信源像点缺失的情况,利用前帧匹配信息进行补全并匹配;根据匹配结果进行导航。本发明中的信源匹配方法提高了匹配速度,使导航仪更具实时性;对于信源缺失情况的处理方案,很好地解决了信源像点丢失导致匹配导航失败的问题,大大增强了导航的鲁棒性。
Description
技术领域
本发明涉及计算机视觉领域,特别涉及一种导航阵列匹配的方法及其装置。
背景技术
计算机视觉中的一个基本问题是不同点集之间的匹配,点集匹配对于摄像机的外参求解、姿态估计具有重要意义,这两个应用对于导航来说都是至关重要的。导航阵列的匹配属于物点与像点的匹配,目前对于点集的匹配有以下几种常用的方法:
一种是RANSAC点匹配方法,算法随机选点,基于点的邻域的特征,采用迭代的方式,根据一定的阈值关系进行点匹配。RANSAC是一种非确定性算法,选点时要设置一定的阈值,所以对阈值依赖性较大。同时匹配算法的计算量大,算法每次处理的对象也只是物体的局部特征。
另一种是基于Hausdorff distances的点匹配方法,该方法也是随机选点,根据点的邻域的特征来进行点集匹配。该类方法的缺点是点集匹配算法的计算量大,算法每次的处理对象是物体的局部特征,因此匹配的结果有时会陷入局部最优,而不能达到全局最优;此外,该类算法在孤立点存在的情况下,鲁棒性不强。
此外,还有基于几何不变量的方法,SIFT算法匹配等。但是,在实施的过程中,上述现有技术至少具有以下缺点:(1)由于成像器件本身的限制,信源成像形状不规则、分辨率低,因而在匹配像点与世界坐标点时,传统的基于点集的匹配因为需要丰富的纹理,对于非可见光波段成像应用限制较大;(2)以上算法时间复杂度较高,导航需要实时进行,不能满足实时输出导航结果;(3)在实际成像中,由于信源像点大小随信源亮度,增益等变化较大,加之信源被遮蔽等原因,容易导致信源像点丢失,而对于信源像点丢失的情况,无法得到正确匹配结果,因而无法准确导航。
发明内容
针对上述现有技术中存在的缺陷,为了提高导航的准确性与实时性,本发明的目的是提供一种导航阵列匹配的方法,本发明的另外一个目的是提供实现该方法的装置。
为了实现上述发明目的,本发明方法采用的技术方案如下:
一种导航阵列匹配的方法,包括如下步骤:
(1)将信源按照设定阵列放置,保证阵列易于观察,不被遮挡,并测量得到每个信源的世界坐标值;
(2)调整导航仪,使信源阵列在其视场内,拍摄信源阵列图像,并对图像进行直方图统计;
(3)根据直方图统计结果,选取统计的信源阵列图像直方图最左侧谷值作为阈值,亮度小于阈值的设为0,高于阈值的不变;而后对阈值截断后的图像进行中值滤波,去除图像中的椒盐噪声;对滤波后的图像进行快速连通域判断;对同一连通域内的信源所成光斑进行加权平均,求得重心作为信源像面坐标。设定阈值,对图像进行滤波,并得到每一个信源像面坐标;
(4)对于信源像点完整的情况,将得到的坐标与世界坐标进行匹配。具体得,首先,快包法检测凸包络,将信源阵列围在一个四边形中;而后检测包络上点与其前后包络点的夹角,设置阈值(160°)去除包络上的非角点,得到图像中的四个角点,如果角点个数不为4,则认为信源像点有丢失,转入步骤(5);之后进行角点匹配,按照角点排列顺序(顺时针)检测所示每两个角点之间信源像点的个数,并按照与前面角点的距离排列;匹配所有点后,将匹配信息保存;
(5)对于部分帧信源像点缺失的情况,利用前帧进行补全,之后与信源世界坐标匹配。Xpre为之前帧信源像点的坐标,Xcur为当前帧的信源像点坐标,由于船舶航行缓慢,大致有 与为各自已匹配点重心,d2(Xj pre)和d2(Xj cur)分别表示Xpre和Xcur中的点到与距离的平方,M为匹配集,则匹配关系为:
依据大量实验,一般t选择为2,依据此关系进行迭代,更新匹配集及中心坐标,直至所有Xpre都有匹配坐标,之后根据匹配集,可以根据与求得
定义Xpre和Xcur中分别减去与得到和则有:
也即
利用L-M优化求得R,根据Xpre即可得到当前帧补全匹配信息,并将匹配信息保存。
(6)导航仪根据匹配结果进行导航。
本发明由信源点排列组成的信源阵列呈矩阵形式,包括三行:第一行从左到右的信源点依次为:点1、点2、点3、点4;第二行从左到右的信源点依次为:点11、点12、点13、点5;第三行从左到右的信源点依次为:点10、点9、点8、点7、点6;其中,第一行和第二行中的四个信源点分别一一对齐,第三行的信源点10、信源点6分别与第二行的信源点11、信源点5对齐;每行中的信源点之间的间距相等。
一种实现上述导航阵列匹配的方法的装置,包括:灰度直方图统计模块,用于生成原始视图的深度直方统计图,统计不同灰度值所对应的像素个数;信源像点坐标计算模块,用于处理拍摄的信源图像,并且计算每个信源像点的亚像素级坐标;包络图计算模块,用于计算信源像点的凸包络,并得到四个角点信源坐标;角度距离匹配模块,根据原信源阵列之间的相对约束关系,利用角度及距离的相对关系,完成像点坐标与世界坐标的匹配任务;缺失信源点匹配模块,根据前帧匹配坐标信息,利用随机抽样一致算法,进行迭代,得到信源像点与世界坐标点的匹配关系,并得到丢失像点的标号;缺失信源点补全模块,根据前帧与当前帧匹配坐标信息,计算并优化旋转矩阵、平移矩阵,由前帧坐标推算出当前帧中丢失像点的坐标,恢复出完整的匹配信息。
本发明提出的信源匹配方法便于实施,不会限于局部最小值;同时提高了匹配速度,使导航更具实时性;对于信源缺失情况的处理方案,很好地解决了信源像点丢失导致匹配导航失败的问题,大大增强了导航的鲁棒性。
附图说明
图1是本发明导航用的信源阵列示意图;
图2是信源像点不丢失情况下凸包络及角点检测结果,a)凸包络检测结果,b)去除非角点包络;
图3是信源像点不丢失情况下匹配结果;
图4是信源像点存在丢失情况的图片;
图5是信源像点丢失情况下匹配及补全结果,图中箭头所指为丢失点;
图6是导航阵列匹配以及信源像点缺失情况下补全装置的结构流程图。
具体实施方式
实施例1
图1显示了一种约束性强且易于检测匹配的信源阵列形式,信源点1-13按照图示的位置排列。
对于信源像点完整的情况,由于阵列本身具有较强的约束,可以通过图形本身进行匹配,具体地:
1)检测凸包络。采用快包法,检测最外面点选择最左、最右、最上、最下的点,它们必组成一个凸四边形(或三角形),这个四边形内的点必定不在凸包上。然后将其余的点按最接近的边分成四部分,再进行快包法,结果如图2a)。
2)由于中心点提取及相机畸变等原因,凸包络包含较多非角点,如图2a)中2、3、5点所示,其与相邻包络点之间的连线几乎为平角,而角点与前后包络点连线的夹角最大约为160°,以此为阈值去除非角点包络,得到图像中的四个角点(如果角点数量不为4,则认为像点丢失),并将角点按顺时针排列,如图2b)。
3)按照角点排列顺序(顺时针)检测图2b)所示每两个角点之间信源像点的个数,并按照与前一个角点之间的距离排列;当每两个角点之间的信源像点个数按顺序排列为2131时,此时信源点1-11已完成匹配,剩下2个点按与11号点的距离排列即可匹配所有点,如图3所示。
实施例2
对于信源像点不完整的情况,如图4所示,由于船舶航行速度缓慢,可以利用前帧中保存的前帧匹配信息进行补全与匹配,如果Xpre为前帧信源像点的坐标,Xcur为当前帧的信源像点坐标。
1)对于Xpre和Xcur,初始化与为各自重心。
2)d2(Xj pre)和d2(Xj cur)分别表示Xpre和Xcur中的点到与距离的平方,则更新匹配关系为:
经过实验验证,t通
常选择为2
3)利用2)中得到的匹配点,更新中心与为匹配点重心,重复2)直到任意Xj cur都可以找到与之对应,即满足(d2(Xj pre)-d2(Xj cur))≤t的Xj pre,此时Xpre中未被匹配点即为Xcur中丢失点。
4)将旋转中心定为与则可以求得矩阵T为
5)将Xpre和Xcur中坐标减去各自中心得到和则式已匹配点满足
亦即
可以改写为
利用已匹配点构造一个超定方程,求出的最小二乘解,通常情况下求出的并不满足cos2θ+sin2θ=1,根据最小罗贝尼乌斯范数求取最接近的R。
6)根据求得的矩阵R,T,根据Xpre可以求得Xcur中丢失的点的理想坐标。
最终,匹配补全,得到图5的结果。
Claims (5)
1.一种导航阵列匹配的方法,其特征在于,包括如下步骤:
S1,将信源按照设定阵列放置,保证阵列易于观察,不被遮挡,并测量得到每个信源的世界坐标值;
S2,调整导航仪,使信源阵列在其视场内,拍摄阵列图像,并对图像进行直方图统计;
S3,根据直方图统计结果,设定阈值,对图像进行滤波,并得到每一个信源像面坐标;
S4,对于信源像点完整的情况,将得到的像面坐标与世界坐标进行匹配;
S5,对于信源像点缺失的情况,利用前帧匹配信息进行补全,之后与信源世界坐标匹配;其中,采用随机抽样一致算法进行补全与匹配:
如果Xpre为之前帧信源像点的坐标,Xcur为当前帧的信源像点坐标,Xcur=RXpre+T,其中,R、T分别为旋转矩阵和平移矩阵,与分别为之前帧信源像点的中心和当前帧信源像点的中心,d2(Xj pre)和d2(Xj cur)分别表示Xpre和Xcur中的点到与距离的平方,M为匹配集,利用随机抽样一致算法,则匹配关系为:
t为距离平方阈值;依据此匹配关系进行迭代,每次找出新的匹配点对,更新匹配集及中心坐标,直至所有Xpre都有匹配坐标,完成匹配;
之后,由匹配集求得矩阵R、T,加之缺失像点在Xpre中的坐标,即可得到当前帧补全信息,并将匹配补全信息保存;
S6,导航仪根据匹配结果进行导航。
2.根据权利要求1所述的一种导航阵列匹配的方法,其特征在于,所述步骤S1中,由信源点排列组成的信源阵列呈矩阵形式,包括三行:第一行从左到右的信源点依次为:点1、点2、点3、点4;第二行从左到右的信源点依次为:点11、点12、点13、点5;第三行从左到右的信源点依次为:点10、点9、点8、点7、点6;其中,第一行和第二行中的四个信源点分别一一对齐,第三行的信源点10、信源点6分别与第二行的信源点11、信源点5对齐;每行中的信源点之间的间距相等。
3.根据权利要求1或2所述的一种导航阵列匹配的方法,其特征在于,所述步骤S3中,得到信源像面坐标方法为:
首先,选取步骤S2中统计的信源阵列图像直方图最左侧谷值作为阈值,亮度小于阈值的设为0,高于阈值的不变;而后对图像进行中值滤波,去除图像中的椒盐噪声;对滤波后的图像进行快速连通域判断;最后,对同一连通域内的信源所成光斑进行加权平均,求得重心作为信源像面坐标;如果求得信源坐标为13个,则暂且认为像点完整,执行步骤S4;否则,认为有像点丢失,执行步骤S5。
4.根据权利要求1所述的一种导航阵列匹配的方法,其特征在于,所述步骤S4中,对于信源像点完整的情况,将得到的像面坐标与世界坐标进行匹配的具体步骤如下:
首先,快包法检测凸包络,将信源阵列围在一个四边形中;而后利用角度约束,去除包络上的非角点,得到图像中四个角点,如果得到角点个数不为4,则认为信源像点有丢失,转入步骤S5;之后进行角点匹配,按照角点排列顺序,即顺时针方向,检测每两个角点之间信源像点的个数;然后计算两角点之间的信源像点个数,判断信源像点排列顺序与步骤S1设定阵列中的信源点排列是否一致,如果不一致,则认为信源像点存在丢失,转入步骤S5;匹配所有点后,将匹配信息保存。
5.一种实现如权利要求1所述导航阵列匹配的方法的装置,其特征在于,该装置包括:
灰度直方图统计模块,用于生成原始视图的深度直方统计图,统计不同灰度值所对应的像素个数;
信源像点坐标计算模块,用于处理拍摄的信源图像,并且计算每个信源像点的亚像素级坐标;
包络图计算模块,用于计算信源像点的凸包络,并得到四个角点信源坐标;
角度距离匹配模块,根据原信源阵列之间的相对约束关系,利用角度及距离的相对关系,完成像点坐标与世界坐标的匹配任务;
缺失信源点匹配模块,根据前帧匹配坐标信息,利用随机抽样一致算法,进行迭代,得到信源像点与世界坐标点的匹配关系,并得到丢失像点的标号;
缺失信源点补全模块,根据前帧与当前帧匹配坐标信息,计算并优化旋转矩阵、平移矩阵,由前帧坐标推算出当前帧中丢失像点的坐标,恢复出完整的匹配信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410578458.5A CN104376555B (zh) | 2014-10-24 | 2014-10-24 | 一种导航阵列匹配的方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410578458.5A CN104376555B (zh) | 2014-10-24 | 2014-10-24 | 一种导航阵列匹配的方法及其装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104376555A CN104376555A (zh) | 2015-02-25 |
CN104376555B true CN104376555B (zh) | 2017-02-15 |
Family
ID=52555445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410578458.5A Active CN104376555B (zh) | 2014-10-24 | 2014-10-24 | 一种导航阵列匹配的方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104376555B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1873375A (zh) * | 2005-06-01 | 2006-12-06 | 现代奥途纳特株式会社 | 具有一触式地图匹配校正功能的导航系统及其方法 |
CN101393639A (zh) * | 2008-07-11 | 2009-03-25 | 北京航空航天大学 | 双向约束的二维物点与像点匹配方法 |
CN102055968A (zh) * | 2009-10-28 | 2011-05-11 | 中国移动通信集团公司 | 多视点视频中丢失的视频数据的恢复方法、系统及设备 |
-
2014
- 2014-10-24 CN CN201410578458.5A patent/CN104376555B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1873375A (zh) * | 2005-06-01 | 2006-12-06 | 现代奥途纳特株式会社 | 具有一触式地图匹配校正功能的导航系统及其方法 |
CN101393639A (zh) * | 2008-07-11 | 2009-03-25 | 北京航空航天大学 | 双向约束的二维物点与像点匹配方法 |
CN102055968A (zh) * | 2009-10-28 | 2011-05-11 | 中国移动通信集团公司 | 多视点视频中丢失的视频数据的恢复方法、系统及设备 |
Non-Patent Citations (3)
Title |
---|
一种基于小波模极大值的图像特征匹配算法;洪小伟 等;《宁波大学学报(理工版)》;20090331;第22卷(第1期);第66-69页 * |
基于立体视觉的移动机器人导航方法的研究;段华,赵东标;《控制与决策》;20060630;第21卷(第6期);第709-713页 * |
适用航空的地形匹配导航算法研究;吴康,赵龙;《压电与声光》;20101031;第32卷(第5期);第754-757,761页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104376555A (zh) | 2015-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pizarro et al. | Toward large-area mosaicing for underwater scientific applications | |
CN109410207B (zh) | 一种基于ncc特征的无人机巡线图像输电线路检测方法 | |
EP3100234B1 (en) | Data-processing system and method for calibration of a vehicle surround view system | |
Yang et al. | Polarimetric dense monocular slam | |
Lao et al. | A robust method for strong rolling shutter effects correction using lines with automatic feature selection | |
Pizarro et al. | Large area 3D reconstructions from underwater surveys | |
CN102298779B (zh) | 全景辅助泊车系统的图像配准方法 | |
Bansal et al. | Geometric urban geo-localization | |
Tamas et al. | Targetless calibration of a lidar-perspective camera pair | |
CN108345821B (zh) | 面部追踪方法及设备 | |
CN105303615A (zh) | 一种图像二维拼接与三维表面重建的组合方法 | |
CN105787943B (zh) | 基于多尺度图像块特征和稀疏表示的sar图像配准方法 | |
CN103942796A (zh) | 一种高精度的投影仪-摄像机标定系统及标定方法 | |
CN112287867B (zh) | 一种多摄像头的人体动作识别方法及装置 | |
CN112287866A (zh) | 一种基于人体关键点的人体动作识别方法及装置 | |
CN113052109A (zh) | 一种3d目标检测系统及其3d目标检测方法 | |
CN107423772A (zh) | 一种新的基于ransac的双目图像特征匹配方法 | |
CN111915485B (zh) | 一种特征点稀疏工件图像的快速拼接方法及系统 | |
CN105894521A (zh) | 基于高斯拟合的亚像素边缘检测方法 | |
CN110084743B (zh) | 基于多航带起始航迹约束的图像拼接与定位方法 | |
CN104732532A (zh) | 一种遥感卫星多光谱图像配准方法 | |
CN110414385A (zh) | 一种基于单应性变换和特征窗口的车道线检测方法及系统 | |
CN106997579A (zh) | 图像拼接的方法和装置 | |
CN109238268A (zh) | 不规则小天体导航形心的最优外接椭圆提取方法 | |
Wu et al. | A self-adaptive correction method for perspective distortions of image |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information |
Inventor after: Cao Xun Inventor after: Dong Ziming Inventor after: Zhu Xi Inventor after: Yan Feng Inventor before: Cao Xun Inventor before: Dong Ziming Inventor before: Zhu Xi |
|
COR | Change of bibliographic data | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |