CN105118021A - 基于特征点的图像配准方法及系统 - Google Patents

Abstract

一种基于特征点的图像配准方法及系统，用于基于采集到的标准图像对采集到的待检测图像进行配准，方法包括：S1、通过模板匹配的方式在待检测图和标准图上确定非共线的多个匹配的特征点；S2、基于特征点分别建立标准图像三维坐标系和待检测图像三维坐标系：S3、计算待检测图像三维坐标系相对于标准图像三维坐标系的三维变换矩阵；S4、使用三维变换矩阵对待检测图像进行配准处理，将配准处理后的待检测图像与标准图像进行对比并获取差异值。本发明可降低对机械结构精度的要求，在图像对比时可以弥补机械结构精度的不足所造成的图像位置偏移，减小不必要的误差，即使图像采集时出现不一致，也可以通过三维变换矩阵对图像进行配准处理。

Description

基于特征点的图像配准方法及系统

技术领域

本发明涉及图像处理领域，尤其涉及一种基于特征点的图像配准方法及系统。

背景技术

在某些视觉应用中(如PCB板缺陷检测)，需要将摄像头采集到的图像与标准图像作对比，该对比动作要求两幅图像在位置上的严格一致性，以检测当前图像与标准图像之间像素级别的差异；当前的系统设计一般是从结构的角度来保证两幅图像位置的不发生偏移。

而机械结构不能达到足够的精度以保证摄像头与场景相对位置与标准状态下的一致性，例如，如图1所示，除了水平方向的偏移，由于目标物体的厚度不均也会造成采集到的图像的不一致。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于特征点的图像配准方法及系统。

本发明解决其技术问题所采用的技术方案是：构造一种基于特征点的图像配准方法，用于基于采集到的标准图像对采集到的待检测图像进行配准，所述方法包括：

S1、通过模板匹配的方式在待检测图和标准图上确定非共线的多个匹配的特征点；

S2、基于所述特征点分别建立标准图像三维坐标系和待检测图像三维坐标系：

S3、计算所述待检测图像三维坐标系相对于所述标准图像三维坐标系的三维变换矩阵；

S4、使用所述三维变换矩阵对待检测图像进行配准处理，将配准处理后的待检测图像与标准图像进行对比并获取差异值。

在本发明所述的基于特征点的图像配准方法中，所述步骤S1中在确定特征点后，针对标准图像和确定待检测图像分别执行以下步骤以获取各个特征点在相机坐标系下的坐标值：

S11、以图像所在平面为XOY平面，以像素为坐标系单位，确定各个特征点的X坐标和Y坐标；

S12、如果图像为标准图像，则设定一个正数作为标准图像中的各个特征点的Z坐标；

S13、如果图像为待检测图像，则基于任意两个特征点在待检测图像的XOY平面上的距离、该两个特征点在标准图像的XOY平面上的距离、以及步骤S12中设定的标准图像中的各个特征点的Z坐标，计算待检测图像中的各个特征点的Z坐标。

在本发明所述的基于特征点的图像配准方法中，所述步骤S13中基于以下计算公式计算待检测图像中的各个特征点的Z坐标：

$Z_1=\frac{L_1}{L}\×Z$

其中，Z₁代表待检测图像中的各个特征点的Z坐标，L₁代表任意两个特征点在待检测图像的XOY平面上的距离，L代表该两个特征点在标准图像的XOY平面上的距离，Z代表步骤S12中设定的标准图像中的各个特征点的Z坐标。

在本发明所述的基于特征点的图像配准方法中，所述步骤S2中标准图像三维坐标系和待检测图像三维坐标系的建立包括：以图像中的所有的特征点的重心作为原点O；以原点与某一个特征点所确定的直线为X轴；以垂直于特征点所在平面的直线为Z轴；根据右手法则，以垂直于XOZ平面的直线为Y轴。

在本发明所述的基于特征点的图像配准方法中，所述步骤S1中在确定特征点后，针对标准图像和确定待检测图像分别获取各个特征点在相机坐标系下的坐标值；

若所述相机坐标系为T_w，所述标准图像三维坐标系为T_s，所述待检测图像三维坐标为T_d，则所述步骤S3中基于以下公式计算所述三维变换矩阵：

$T_{trans}=T_1^{-1}{T}_2$

其中，T_trans代表所述三维变换矩阵，T₁代表T_s相对于T_w的变换矩阵；T₂代表T_d相对于T_w的变换矩阵。

在本发明所述的基于特征点的图像配准方法中，T₁、T₂分别基于以下步骤确定：

S31、基于步骤S2中标准图像三维坐标系/待检测图像三维坐标系建立时的原点的确定方式，确定T_s/T_d相对于T_w的偏移向量

S32、基于法线向量与平面上的任意向量垂直的原理，求解得到T_s/T_d在T_w下Z轴的法线向量

S33、基于步骤S2中的标准图像三维坐标系/待检测图像三维坐标系建立时的X轴的选定方式确定T_s/T_d在T_w下X轴的法向量

S34、基于和计算得到T_s/T_d在T_w下Y轴的法线向量

S35、基于三个法向量计算得到旋转矩阵R；

S36、基于R和得到T₁/T₂为： $\left[\begin{array}{cc}R& \stackrel{\→}{p}\\ 0& 1\end{array}\right].$

在本发明所述的基于特征点的图像配准方法中，所述步骤S35包括：将 三个法向量分别归一化得到则 $R=\left[\begin{array}{ccc}\stackrel{\→}{k_{x1}}& \stackrel{\→}{k_{y1}}& \stackrel{\→}{k_{z1}}\end{array}\right].$

本发明还公开了一种基于特征点的图像配准系统，用于基于采集到的标准图像对采集到的待检测图像进行配准，包括：

特征点确定模块：通过模板匹配的方式在待检测图和标准图上确定非共线的多个匹配的特征点；

坐标系确定模块：基于所述特征点分别建立标准图像三维坐标系和待检测图像三维坐标系；

三维变换矩阵确定模块：计算所述待检测图像三维坐标系相对于所述标准图像三维坐标系的三维变换矩阵；

配准模块：使用所述三维变换矩阵对待检测图像进行配准处理，将配准处理后的待检测图像与标准图像进行对比并获取差异值。

在本发明所述的基于特征点的图像配准系统中，所述特征点确定模块在确定特征点后，针对标准图像和确定待检测图像分别获取各个特征点在相机坐标系下的坐标值；

若所述相机坐标系为T_w，所述标准图像三维坐标系为T_s，所述待检测图像三维坐标为T_d，则所述步骤S3中基于以下公式计算所述三维变换矩阵：

$T_{trans}=T_1^{-1}{T}_2$

其中，T_trans代表所述三维变换矩阵，T₁代表T_s相对于T_w的变换矩阵；T₂代表T_d相对于T_w的变换矩阵。

在本发明所述的基于特征点的图像配准系统中，所述的获取各个特征点在相机坐标系下的坐标值包括：以图像所在平面为XOY平面，以像素为坐标系单位，确定各个特征点的X坐标和Y坐标；如果图像为标准图像，则设定一个正数作为标准图像中的各个特征点的Z坐标；如果图像为待检测图像，则基于任意两个特征点在待检测图像的XOY平面上的距离、该两个特征点在标准图像的XOY平面上的距离、以及步骤S12中设定的标准图像中的各个特征点的Z坐标，计算待检测图像中的各个特征点的Z坐标；

T₁、T₂的确定包括：基于坐标系确定模块中标准图像三维坐标系/待检测图像三维坐标系建立时的原点的确定方式，确定T_s/T_d相对于T_w的偏移向量基于法线向量与平面上的任意向量垂直的原理，求解得到T_s/T_d在T_w下Z轴的法线向量基于坐标系确定模块中的标准图像三维坐标系/待检测图像三维坐标系建立时的X轴的选定方式确定T_s/T_d在T_w下X轴的法向量基于和计算得到T_s/T_d在T_w下Y轴的法线向量基于三个法向量计算得到旋转矩阵R；基于R和得到T₁/T₂为： $\left[\begin{array}{cc}R& \stackrel{\→}{p}\\ 0& 1\end{array}\right].$

实施本发明的基于特征点的图像配准方法及系统，具有以下有益效果：本发明基于特征点获得待检测图像三维坐标系相对于标准图像三维坐标系的三维变换矩阵，因此，可以降低对机械结构精度的要求，在图像对比时，可以弥补机械结构精度的不足所造成的图像位置偏移，减小不必要的误差，即使图像采集时出现不一致，也可以通过三维变换矩阵对图像进行配准处理。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是图像采集不一致时的示意图；

图2是本发明基于特征点的图像配准方法的流程图；

图3是本发明基于特征点的图像配准方法中获取在相机坐标系下的Z坐标值的原理图。

具体实施方式

为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。

在执行本发明的方法前，首先采集标准图像，然后在尽量保证位置一致性的条件下采集待检测图像，本发明的基于特征点的图像配准方法即是用于基于采集到的标准图像对采集到的待检测图像进行配准。

如图2，是本发明基于特征点的图像配准方法的流程图；

所述方法包括：

S1、通过模板匹配的方式在待检测图和标准图上确定非共线的多个匹配的特征点；

S2、基于所述特征点分别建立标准图像三维坐标系和待检测图像三维坐标系：

S3、计算所述待检测图像三维坐标系相对于所述标准图像三维坐标系的三维变换矩阵；

S4、使用所述三维变换矩阵对待检测图像进行配准处理，将配准处理后的待检测图像与标准图像进行对比并获取差异值。

下面详细解释各个步骤：

关于步骤S1：

该步骤在确定了特征点之后，针对标准图像和确定待检测图像，分别执行以下步骤以获取各个特征点在相机坐标系下的坐标值：

S11、以图像所在平面为XOY平面，以像素为坐标系单位，确定各个特征点的X坐标和Y坐标；例如，可以以图像的左上角为原点，水平向右方向为X轴，竖直向下方向为Y轴，确定特征点的二维像素坐标。

以3个特征点为例，标准图像中的3个特征点ABC在相机坐标系下的二维像素坐标分别为：A(X_A,Y_A),B(X_B,Y_B),C(X_C,Y_C)；对应的待检测图像的3个特征点A₁B₁C₁在相机坐标系下的二维像素坐标分别为：A₁(X_A1,Y_A1),B₁(X_B1,Y_B1),C₁(X_C1,Y_C1)。

S12、如果图像为标准图像，则设定一个正数作为该图像中的各个特征点的Z坐标；例如，可以取Z_A＝Z_B＝Z_C＝m，m为正数，则3个特征点ABC在相机坐标系下的三维像素坐标分别为：A(X_A,Y_A,Z_A),B(X_B,Y_B,Z_B),C(X_C,Y_C,Z_C)。

S13、如果图像为待检测图像，则基于任意两个特征点在待检测图像的XOY平面上的距离、该两个特征点在标准图像的XOY平面上的距离、以及步骤S12中设定的Z坐标计算待检测图像中的各个特征点的Z坐标：Z_A1,Z_B1,Z_C1，于是3个特征点A₁B₁C₁在相机坐标系下的三维像素坐标分别为：A₁(X_A1,Y_A1,Z_A1),B₁(X_B1,Y_B1,Z_B1),C₁(X_C1,Y_C1,Z_C1)，Z_A1,Z_B1,Z_C1。

关于Z_A1,Z_B1,Z_C1的计算原理，结合图3，由于同一长度的线段距离相机越近，其成像后的长度越长，因此可以构造出其在Z轴上的坐标值。因此，基于以下计算公式确定待检测图像中的3个特征点的Z坐标：

$Z_1=\frac{L_1}{L}\×Z$

其中，Z₁代表3个特征点的Z坐标，Z_A1、Z_B1、Z_C1都根据该公式获取，L₁代表任意两个特征点在待检测图像的XOY平面上的距离，L代表该两个特征点在标准图像的XOY平面上的距离，Z代表步骤S12中设定的标准图像中的3个特征点的Z坐标。优选的，L₁可以选取为任意一个特征点在待检测图像的XOY平面上到坐标原点的距离，L相应的选取为对应特征点在标准图像的XOY平面上到坐标原点的距离。

以A₁点的Z坐标获取为例，任意的两个特征点选标准图像中的AB，待检测图像中的A₁B₁，则：

$L=\sqrt{{(X_A-X_B)}^2+{(Y_A-Y_B)}^2}$

$L_1=\sqrt{{(X_{A1}-X_{B1})}^2+{(Y_{A1}-Y_{B1})}^2},$

于是，

$Z_{A1}=\frac{\sqrt{{(X_{A1}-X_{B1})}^2+{(Y_{A1}-Y_{B1})}^2}}{\sqrt{{(X_A-X_B)}^2+{(Y_A-Y_B)}^2}}\×Z_A$

假定m取1，即Z_A＝Z_B＝Z_C＝m＝1，则

$Z_{A1}=\frac{\sqrt{{(X_{A1}-X_{B1})}^2+{(Y_{A1}-Y_{B1})}^2}}{\sqrt{{(X_A-X_B)}^2+{(Y_A-Y_B)}^2}}$

关于步骤S2：

该步骤中，对标准图像三维坐标系和待检测图像三维坐标系的确定分别为：以图像中的所有的特征点的重心作为原点O；以原点与某一个特征点(例如A点)所确定的直线为X轴；以垂直于特征点所在平面的直线为Z轴；根据右手法则，以垂直于XOZ平面的直线为Y轴。

关于步骤S3：

若所述相机坐标系为T_w，所述标准图像三维坐标系为T_s，所述待检测图像三维坐标为T_d，该步骤主要是为了计算三维变换矩阵T_trans，使得T_d＝T_sT_trans。若T₁代表T_s相对于T_w的变换矩阵，T₂代表T_d相对于T_w的变换矩阵，则有：

$\left\{\begin{array}{c}{T}_s=T_w{T}_1\\ T_d=T_w{T}_2\end{array}\right.$

因此，从而得到待检测图像相对于标准图像的转换关系： $T_d=T_s{T}_1^{-1}{T}_2=T_s{T}_{trans},$ 即：

$T_{trans}=T_1^{-1}{T}_2$

因此，只需确定T₁T₂即可确定T_trans。

下面以T₁为例，介绍T₁的计算过程，根据RP01矩阵可知，

$T_s=T_w{T}_1=T_w\left[\begin{array}{cc}R& \stackrel{\→}{p}\\ 0& 1\end{array}\right]$

可见，要确定T₁，只需确定 $\left[\begin{array}{cc}R& \stackrel{\→}{p}\\ 0& 1\end{array}\right]$ 中的旋转矩阵R和偏移向量因此，T₁基于以下步骤确定：

S31、基于步骤S2中T_s/T_d的原点的确定方式，确定T_s/T_d相对于T_w的原点偏移向量上述步骤S2中的原点O是基于重心建立的，因此可得：

$\stackrel{\→}{p}=\left[\begin{array}{c}(X_A+X_B+X_C)/3\\ (Y_A+Y_B+Y_C)/3\\ (Z_A+Z_B+Z_C)/3\end{array}\right]$

S32、基于法线向量与平面上的任意向量垂直的原理，求解得到T_s/T_d在T_w下Z轴的法线向量由于法线向量与平面上的任意向量垂直，因此有：

$\left[\begin{array}{ccc}(X_A-x_B)& (Y_A-Y_B)& (Z_A-Z_B)\\ (X_A-x_C)& (Y_A-Y_C)& (Z_A-Z_C)\\ (X_C-x_B)& (Y_C-Y_B)& (Z_C-Z_B)\end{array}\right]\left[\begin{array}{c}x\\ y\\ z\end{array}\right]=\left[\begin{array}{c}0\\ 0\\ 0\end{array}\right]$

可以求解得到标准图像三维坐标系在相机坐标系下Z轴的法线向量为：

$\stackrel{\→}{k_z}=\left(\begin{array}{c}x\\ y\\ z\end{array}\right)$

S33、基于步骤S2中的T_s/T_d的X轴的选定方式(以重心与A点的直线为X轴)，确定T_s/T_d在T_w下X轴的法向量

$\stackrel{\→}{k_x}=\left(\begin{array}{c}{X}_A-(X_A+X_B+X_C)/3\\ Y_A-(Y_A+Y_B+Y_C)/3\\ Z_A-(Z_A+Z_B+Z_C)/3\end{array}\right)$

S34、根据向量运算，基于和计算得到T_s/T_d在T_w下Y轴的法线向量：

$\stackrel{\→}{k_y}=\stackrel{\→}{k_z}\×\stackrel{\→}{k_x}$

S35、基于三个法向量计算得到旋转矩阵R，具体为：

将三个法向量分别归一化得到：由于单位矩阵经过旋转矩阵R旋转后变为了新坐标系的单位矩阵，即：

$\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\end{array}\right]R=\left[\begin{array}{ccc}\stackrel{\→}{k_{x1}}& \stackrel{\→}{k_{y1}}& \stackrel{\→}{k_{z1}}\end{array}\right]$

因此：

$R={\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\end{array}\right]}^{-1}\left[\begin{array}{ccc}\stackrel{\→}{k_{x1}}& \stackrel{\→}{k_{y1}}& \stackrel{\→}{k_{z1}}\end{array}\right]=\left[\begin{array}{ccc}\stackrel{\→}{k_{x1}}& \stackrel{\→}{k_{y1}}& \stackrel{\→}{k_{z1}}\end{array}\right]$

S36、基于上述的R和得到T₁为： $\left[\begin{array}{cc}R& \stackrel{\→}{p}\\ 0& 1\end{array}\right].$

T₂的计算过程与T₁同理，因此，不再赘述。

关于步骤S4：

使用所述三维变换矩阵对待检测图像进行配准处理，主要是利用上述三维变换矩阵T_trans的逆矩阵获取待检测图像内的像素点在标准图像三维坐标系中的坐标，通过对像素值进行线性插补的方式处理变换后的待检测图像，即可得到配准后的图像。

对应的，本发明还公开了一种基于特征点的图像配准系统，包括：

特征点确定模块：通过模板匹配的方式在待检测图和标准图上确定非共线的多个匹配的特征点，所述特征点确定模块在确定特征点后，针对标准图像和确定待检测图像分别获取各个特征点在相机坐标系下的坐标值；

坐标系确定模块：基于所述特征点分别建立标准图像三维坐标系和待检测图像三维坐标系；

三维变换矩阵确定模块：计算所述待检测图像三维坐标系相对于所述标准图像三维坐标系的三维变换矩阵；

配准模块：使用所述三维变换矩阵对待检测图像进行配准处理，将配准处理后的待检测图像与标准图像进行对比并获取差异值。

若所述相机坐标系为T_w，所述标准图像三维坐标系为T_s，所述待检测图像三维坐标为T_d，则所述步骤S3中基于以下公式计算所述三维变换矩阵：

$T_{trans}=T_1^{-1}{T}_2$

其中，T_trans代表所述三维变换矩阵，T₁代表T_s相对于T_w的变换矩阵；T₂代表T_d相对于T_w的变换矩阵。

所述的获取各个特征点在相机坐标系下的坐标值包括：以图像所在平面为XOY平面，以像素为坐标系单位，确定各个特征点的X坐标和Y坐标；如果图0像为标准图像，则设定一个正数作为标准图像中的各个特征点的Z坐标；如果图像为待检测图像，则基于任意两个特征点在待检测图像的XOY平面上的距离、该两个特征点在标准图像的XOY平面上的距离、以及步骤S12中设定的标准图像中的各个特征点的Z坐标，计算待检测图像中的各个特征点的Z坐标；

T₁、T₂的确定包括：基于坐标系确定模块中标准图像三维坐标系/待检测5图像三维坐标系建立时的原点的确定方式，确定T_s/T_d相对于T_w的偏移向量基于法线向量与平面上的任意向量垂直的原理，求解得到T_s/T_d在T_w下Z轴的法线向量基于坐标系确定模块中的标准图像三维坐标系/待检测图像三维坐标系建立时的X轴的选定方式确定T_s/T_d在T_w下X轴的法向量基于和计算得到T_s/T_d在T_w下Y轴的法线向量基于三个法向量计算得到旋转矩阵R；基于R和得到T₁/T₂为： $\left[\begin{array}{cc}R& \stackrel{\→}{p}\\ 0& 1\end{array}\right].$

综上所述，实施本发明的基于特征点的图像配准方法及系统，具有以下有益效果：本发明基于特征点获得待检测图像三维坐标系相对于标准图像三维坐标系的三维变换矩阵，因此，可以降低对机械结构精度的要求，在图像对比时，可以弥补机械结构精度的不足所造成的图像位置偏移，减小不必要的误差，即使图像采集时出现不一致，也可以通过三维变换矩阵对图像进行配准处理。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (10)

1.一种基于特征点的图像配准方法，用于基于采集到的标准图像对采集到的待检测图像进行配准，其特征在于，所述方法包括：

S1、通过模板匹配的方式在待检测图和标准图上确定非共线的多个匹配的特征点；

S2、基于所述特征点分别建立标准图像三维坐标系和待检测图像三维坐标系：

S3、计算所述待检测图像三维坐标系相对于所述标准图像三维坐标系的三维变换矩阵；

S4、使用所述三维变换矩阵对待检测图像进行配准处理，将配准处理后的待检测图像与标准图像进行对比并获取差异值。

2.根据权利要求1所述的基于特征点的图像配准方法，其特征在于，所述步骤S1中在确定特征点后，针对标准图像和确定待检测图像分别执行以下步骤以获取各个特征点在相机坐标系下的坐标值：

S11、以图像所在平面为XOY平面，以像素为坐标系单位，确定各个特征点的X坐标和Y坐标；

S12、如果图像为标准图像，则设定一个正数作为标准图像中的各个特征点的Z坐标；

S13、如果图像为待检测图像，则基于任意两个特征点在待检测图像的XOY平面上的距离、该两个特征点在标准图像的XOY平面上的距离、以及步骤S12中设定的标准图像中的各个特征点的Z坐标，计算待检测图像中的各个特征点的Z坐标。

3.根据权利要求2所述的基于特征点的图像配准方法，其特征在于，所述步骤S13中基于以下计算公式计算待检测图像中的各个特征点的Z坐标：

其中，Z₁代表待检测图像中的各个特征点的Z坐标，L₁代表任意两个特征点在待检测图像的XOY平面上的距离，L代表该两个特征点在标准图像的XOY平面上的距离，Z代表步骤S12中设定的标准图像中的各个特征点的Z坐标。

4.根据权利要求1所述的基于特征点的图像配准方法，其特征在于，所述步骤S2中标准图像三维坐标系和待检测图像三维坐标系的建立包括：以图像中的所有的特征点的重心作为原点O；以原点与某一个特征点所确定的直线为X轴；以垂直于特征点所在平面的直线为Z轴；根据右手法则，以垂直于XOZ平面的直线为Y轴。

5.根据权利要求1所述的基于特征点的图像配准方法，其特征在于，所述步骤S1中在确定特征点后，针对标准图像和确定待检测图像分别获取各个特征点在相机坐标系下的坐标值；

若所述相机坐标系为T_w，所述标准图像三维坐标系为T_s，所述待检测图像三维坐标为T_d，则所述步骤S3中基于以下公式计算所述三维变换矩阵：

其中，T_trans代表所述三维变换矩阵，T₁代表T_s相对于T_w的变换矩阵；T₂代表T_d相对于T_w的变换矩阵。

6.根据权利要求5所述的基于特征点的图像配准方法，其特征在于，T₁、T₂分别基于以下步骤确定：

S31、基于步骤S2中标准图像三维坐标系/待检测图像三维坐标系建立时的原点的确定方式，确定T_s/T_d相对于T_w的偏移向量

S32、基于法线向量与平面上的任意向量垂直的原理，求解得到T_s/T_d在T_w下Z轴的法线向量

S33、基于步骤S2中的标准图像三维坐标系/待检测图像三维坐标系建立时的X轴的选定方式确定T_s/T_d在T_w下X轴的法向量

S34、基于和计算得到T_s/T_d在T_w下Y轴的法线向量

S35、基于三个法向量计算得到旋转矩阵R；

S36、基于R和得到T₁/T₂为：

7.根据权利要求6所述的基于特征点的图像配准方法，其特征在于，所述步骤S35包括：将三个法向量分别归一化得到则

8.一种基于特征点的图像配准系统，用于基于采集到的标准图像对采集到的待检测图像进行配准，其特征在于，包括：

特征点确定模块：通过模板匹配的方式在待检测图和标准图上确定非共线的多个匹配的特征点；

坐标系确定模块：基于所述特征点分别建立标准图像三维坐标系和待检测图像三维坐标系；

三维变换矩阵确定模块：计算所述待检测图像三维坐标系相对于所述标准图像三维坐标系的三维变换矩阵；

配准模块：使用所述三维变换矩阵对待检测图像进行配准处理，将配准处理后的待检测图像与标准图像进行对比并获取差异值。

9.根据权利要求8所述的基于特征点的图像配准系统，其特征在于，

所述特征点确定模块在确定特征点后，针对标准图像和确定待检测图像分别获取各个特征点在相机坐标系下的坐标值；

若所述相机坐标系为T_w，所述标准图像三维坐标系为T_s，所述待检测图像三维坐标为T_d，则所述步骤S3中基于以下公式计算所述三维变换矩阵：

其中，T_trans代表所述三维变换矩阵，T₁代表T_s相对于T_w的变换矩阵；T₂代表T_d相对于T_w的变换矩阵。

10.根据权利要求9所述的基于特征点的图像配准系统，其特征在于，

所述的获取各个特征点在相机坐标系下的坐标值包括：以图像所在平面为XOY平面，以像素为坐标系单位，确定各个特征点的X坐标和Y坐标；如果图像为标准图像，则设定一个正数作为标准图像中的各个特征点的Z坐标；如果图像为待检测图像，则基于任意两个特征点在待检测图像的XOY平面上的距离、该两个特征点在标准图像的XOY平面上的距离、以及步骤S12中设定的标准图像中的各个特征点的Z坐标，计算待检测图像中的各个特征点的Z坐标；

T₁、T₂的确定包括：基于坐标系确定模块中标准图像三维坐标系/待检测图像三维坐标系建立时的原点的确定方式，确定T_s/T_d相对于T_w的偏移向量基于法线向量与平面上的任意向量垂直的原理，求解得到T_s/T_d在T_w下Z轴的法线向量基于坐标系确定模块中的标准图像三维坐标系/待检测图像三维坐标系建立时的X轴的选定方式确定T_s/T_d在T_w下X轴的法向量基于和计算得到T_s/T_d在T_w下Y轴的法线向量 基于三个法向量计算得到旋转矩阵R；基于R和得到T₁/T₂为：