CN109919957B - 一种基于动态视觉传感器的角点检测方法 - Google Patents

Abstract

本发明涉及一种基于动态视觉传感器的角点检测方法，包括以下步骤：1)针对动态视觉传感器数据中每一个新传入的事件，以其为圆心，构建角点检测模板；2)根据圆心处事件的极性与时间戳，统计模板内相应事件的个数；3)根据所统计相应事件的个数，判定圆心处是否为初始角点；4)对所确定的初始角点进行非极大值抑制，获得最终角点。与现有技术相比，本发明具有快速准确等优点。

Description

一种基于动态视觉传感器的角点检测方法

技术领域

本发明涉及图像特征检测技术领域，尤其是涉及一种基于动态视觉传感器的角点检测方法。

背景技术

动态视觉传感器通过检测图像的对数强度的变化来输出事件流，其中每个事件都具有位置、极性和时间戳信息。与传统相机相比，其具有延迟低，时间分辨率高，动态范围大等优势。

在传统图像处理技术领域中，角点因为其具有良好的定位性、信息量高，并且不受孔径问题影响等优势，一直被广泛应用于视觉测距、物体追踪等功能。角点作为一种实用特征，其在动态视觉传感器上的应用也备受关注。不同于传统相机输出的帧图像，动态视觉传感器输出的是离散事件流，传统的角点检测方法并不能进行直接的应用。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于动态视觉传感器的角点检测方法。

本发明的目的可以通过以下技术方案来实现：

一种基于动态视觉传感器的角点检测方法，包括以下步骤：

1)针对动态视觉传感器数据中每一个新传入的事件，以其为圆心，构建角点检测模板；

2)根据圆心处事件的极性与时间戳，统计模板内相应事件的个数；

3)根据所统计相应事件的个数，判定圆心处是否为初始角点；

4)对所确定的初始角点进行非极大值抑制，获得最终角点。

所述的步骤1)中，角点检测模板为：

以新传入的事件为圆心，以4像素长度为半径，由构建出圆形内的57个像素所组成。

所述的步骤2)中，统计模板内相应事件的个数具体为：

21)在角点检测模板内，搜寻与圆心处事件极性相同的事件，若在同一位置处传入过多次事件，则以最新的事件为准；

22)将搜寻到的与圆心处事件极性相同的事件与圆心处事件进行时间戳比较，并统计时间戳差值小于设定阈值的事件的个数。

所述的步骤22)中，统计时间戳差值小于设定阈值的事件的个数N(l₀)的计算式为：

其中，l₀为新传入的事件，位于检测模板的圆心，l为模板内其余位置处传入的事件，p(l)，p(l₀)为事件的极性，T(l₀)，T(l)为事件的时间戳，b为时间戳阈值，D(l₀)为以事件l₀为圆心的角点检测模板。

所述的初始角点的判定条件为：

当步骤22)中统计出的事件个数在预设范围内时，则判定该圆心处为初始角点，否则，判定该圆心处不为初始角点，具体表达式为：

其中，r₁、r₂为统计事件个数的范围值。

所述的步骤4)中，对初始角点非极大值抑制包括以下步骤：

41)以每一个初始角点为中心，建立一个正方形邻域；

42)若该正方形邻域内仅有一个初始角点，则将该角点作为最终角点，若在该正方形邻域内存在多个初始角点，则分别计算各初始角点的得分值，保留得分值最大的角点为最终角点。

所述的步骤42)中，各初始角点的得分值S(l₀)的计算式为：

与现有技术相比，本发明具有以下优点：

由于本发明直接对事件进行处理，通过把握角点的存在条件建立模板进行检测。与传统方法相比，大大减少了需要处理的数据量，能够在保证运用较低计算资源的同时对角点进行快速准确的检测。

附图说明

图1为本发明的角点检测算法流程图。

图2为检测模板示意图。

图3为事件时间戳比较示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例

如图1所示，本发明提供了一种基于动态视觉传感器的角点检测算法，该算法能够对实时传入的事件流进行角点检测，并可确保其检测的准确性、高效性，所用计算资源少，提升了其应用的广泛性。该基于动态视觉传感器的角点检测算法包括以下步骤：

1)针对动态视觉传感器数据每一个新传入的事件，以其为圆心，构建角点检测模板，如图2所示；

(2)根据圆心处事件的极性与时间戳，统计模板内相应事件的个数；

(3)根据步骤(2)中所统计的事件个数，判定圆心处是否为初始角点；

(4)对所确定的初始角点进行非极大值抑制，获得最终角点。

在步骤(1)中，所述模板是以新传入的事件为圆心，以4像素长度为半径，构建的圆形内的57个像素所组成。

在步骤(2)中，统计模板内相应事件的个数步骤如下：

(3-1)在步骤(1)中所构建模板内，寻找与圆心处事件极性相同的事件，若在同一位置处传入过多次事件，则以最新的事件为准。

(3-2)将(3-1)中寻找到的事件与圆心处事件进行时间戳的比较，统计时间戳差值小于设定阈值的事件的个数。

其中，

l₀表示新传入的事件，位于检测模板的圆心；

l表示模板内其余位置处传入的事件；

p(l)，p(l₀)表示事件的极性；

T(l₀)，T(l)表示事件的时间戳；

b表示时间戳阈值；

D(l₀)表示以事件l₀为圆心的角点检测模板；

在步骤(3)中，所述初始角点的判定条件为，在步骤(2)中所统计的事件个数在预设范围内时，则圆心处被认为是初始角点，否则排除是角点的可能。

其中，r₁、r₂是统计事件个数的范围值，本实施例中，设定r₁的值为11，r₂的值为22。

在步骤(4)中，初始角点非极大值抑制步骤如下：

(5-1)以每一个初始角点为中心，建立一个N_e×N_e的正方形邻域，本实施例中，N_e取值为3。

(5-2)若该邻域内没有其他初始角点，则将该邻域中心的初始角点设为最终角点。如果邻域内存在其他初始角点，计算各初始角点的得分值，保留得分值最大的初始角点为最终角点。得分值计算公式如下：

提取出的角点作为图像的重要特征，能够进行图像的理解与分析，并应用于三维场景重建、运动估计、目标跟踪、目标识别和图像配准等领域。

上述的对实施例的描述是为便于该技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于这里的实施例，本领域技术人员根据本发明的揭示，不脱离本发明范畴所做出的改进和修改都应该在本发明的保护范围之内。

Claims (2)

1.一种基于动态视觉传感器的角点检测方法，其特征在于，包括以下步骤：

1)针对动态视觉传感器数据中每一个新传入的事件，以其为圆心，构建角点检测模板；

2)根据圆心处事件的极性与时间戳，统计模板内相应事件的个数；

3)根据所统计相应事件的个数，判定圆心处是否为初始角点，统计模板内相应事件的个数具体为：

21)在角点检测模板内，搜寻与圆心处事件极性相同的事件，若在同一位置处传入过多次事件，则以最新的事件为准；

22)将搜寻到的与圆心处事件极性相同的事件与圆心处事件进行时间戳比较，并统计时间戳差值小于设定阈值的事件的个数，统计时间戳差值小于设定阈值的事件的个数N(l₀)的计算式为：

其中，l₀为新传入的事件，位于检测模板的圆心，l为模板内其余位置处传入的事件，p(l)，P(l₀)为事件的极性，T(l₀)，T(l)为事件的时间戳，b为时间戳阈值，D(l₀)为以事件l₀为圆心的角点检测模板；

所述的初始角点的判定条件为：

当步骤22)中统计出的事件个数在预设范围内时，则判定该圆心处为初始角点，否则，判定该圆心处不为初始角点，具体表达式为：

其中，r₁、r₂为统计事件个数的范围值；

4)对所确定的初始角点进行非极大值抑制，获得最终角点，对初始角点非极大值抑制包括以下步骤：

41)以每一个初始角点为中心，建立一个正方形邻域；

42)若该正方形邻域内仅有一个初始角点，则将该角点作为最终角点，若在该正方形邻域内存在多个初始角点，则分别计算各初始角点的得分值，保留得分值最大的角点为最终角点，各初始角点的得分值S(l₀)的计算式为：

2.根据权利要求1所述的一种基于动态视觉传感器的角点检测方法，其特征在于，所述的步骤1)中，角点检测模板为：

以新传入的事件为圆心，以4像素长度为半径，由构建出圆形内的57个像素所组成。

Images