本发明专利技术涉及一种基于SIFT图像特征匹配的卫星装配工件快速识别方法,其主要技术特点包括:采集工件图像并建立标准化图像的工件特征模型库;采用摄像装置对待识别的工件进行拍照;采用SIFT算法对采集到的图像和工件特征模型库中的图像进行快速识别;剔除误匹配特征点获得稳定特征匹配点;完成图像匹配,进而识别出该工件。本发明专利技术通过建立多方位图像采集的工件特征模型库并对待识别工件进行拍照,通过SIFT算法的图像特征进行快速匹配并剔除误配点,实现在卫星装配的过程中,对所需工件进行快速、稳定、准确的识别功能,提高了卫星装配过程的自动化程度,具有鲁棒性高、稳定性强、快速正确等特点。
【技术实现步骤摘要】
本专利技术属于图像识别
,尤其是一种基于SIFT图像特征匹配的卫星装配工件快速识别方法。
技术介绍
在进行卫星装配时,通常采用人工装配方式。人工装配方法不仅效率低下,而且还存在装配速度慢,工人工作强度大等缺陷。虽然,可以采用机械式的装配系统,但是,该方法鲁棒性较差,出错率高,并且还需要工人在旁边实时进行监督修正。随着图像识别技术的发展,图像匹配己成为物体辨识、机器人地图感知与导航、影像缝合、3D模型建立、手势辨识、影像追踪和动作比对等图像分析处理领域的关键技术和研究热点。所谓的图像匹配技术是指通过一定的匹配方法两幅或多幅图像之间识别同一个点。图像匹配方法中的SIFT(Scale Invariant Feature Transform)方法是David Lowe于1999年提出的局部特征描述子,并于2004年进行了更深入的发展和完善。提取的SIFT特征向量能够对旋转、尺度缩放、亮度变化保持不变性,对视角变化、仿射变换、噪声也保持一定程度的稳定性。但是,SIFT算法在产生稳定性的匹配点时,还会产生大量的误配点,因此,其图像匹配的正确率还有待进一步提高。
技术实现思路
本专利技术的目的在于弥补现有技术的不足之处,提供一种设计合理、鲁棒性高且稳定性强的基于SIFT图像特征匹配的卫星装配工件快速识别方法。本专利技术解决其技术问题是采取以下技术方案实现的:一种基于SIFT图像特征匹配的卫星装配工件快速识别方法,包括以下步骤:步骤1、采集工件图像并建立标准化图像的工件特征模型库;步骤2、采用摄像装置对待识别的工件进行拍照;步骤3、采用SIFT算法对采集到的图像和工件特征模型库中的图像进行快速识别;步骤4、剔除误匹配特征点获得稳定特征匹配点;步骤5、完成图像匹配,进而识别出该工件。所述步骤1的具体实现方法为:采集不同光照条件与不同方位的工件图像,以标准工况的参考图像为基准,构建标准化图像的工件特征模型库。所述步骤2的具体实现方法为:利用红外装置检测到工件后,由拍摄装置对该待识别工件进行拍照采样,并存储到内存当中。所述步骤3的具体实现方法包括以下步骤:步骤⑴、极值点的检测:搜索所有尺度上的图像位置,通过高斯微分函数来识别潜在的对于尺度和旋转不变的兴趣点;步骤⑵、关键点定位:在每个候选的位置上,通过一个拟合精细的模型来确定位置和尺度;步骤⑶、方向确定:基于图像局部的梯度方向,分配给每个关键点位置一个或多个方向,所有后面对图像数据的操作都相对于关键点的方向、尺度和位置进行变换;步骤⑷、关键点描述:在每个关键点周围的邻域内,在选定的尺度上测量图像局部的梯度。所述步骤4是采用RANSAC算法剔除误匹配特征点并获得稳定特征匹配点。本专利技术的优点和积极效果是:本专利技术通过建立多方位图像采集的工件特征模型库并对待识别工件进行拍照,通过SIFT算法的图像特征进行快速匹配并剔除误配点,实现在卫星装配的过程中,对所需工件进行快速、稳定、准确的识别功能,提高了卫星装配过程的自动化程度,具有鲁棒性高、稳定性强、快速正确等特点。附图说明图1是本专利技术的处理流程图;图2是本专利技术建立的标准图像;图3是本专利技术采集的图像;图4是本专利技术对图像特征点提取后的图像;图5是本专利技术采用SIFT进行图像匹配的结果示意图。具体实施方式以下结合附图对本专利技术实施例做进一步详述:一种基于SIFT图像特征匹配的卫星装配工件快速识别方法,如图1所示,包括以下步骤:步骤1,建立基于多个角度、多种光照等不同因素下图像采集的工件特征模型库。在本步骤中,针对卫星装配中典型工件因光照变化、目标仿射变换和物体干扰、遮挡等导致图像非线性问题,采集不同光照条件与不同方位的工件图像,以标准工况的参考图像为基准,构建标准化图像特征模型库。步骤2,采用摄像装置对待识别的工件进行拍照。在本步骤中,利用红外装置检测到工件后,触发拍摄装置,由该拍摄装置对该待识别工件进行拍照采样得到标准图像(如图2所示),并存储到内存当中。步骤3,采用SIFT算法对采集到的图像和工件特征模型库中的图像进行快速识别。在本步骤中,针对卫星大部件仪器装配过程存在光照影响、局部遮挡等强非线性问题,采用SIFT算法对模拟图像进行特征的快速匹配。SIFT算法包括如下四个步骤:(1)极值点的检测:搜索所有尺度上的图像位置,通过高斯微分函数来识别潜在的对于尺度和旋转不变的兴趣点。具体方法如下:对图像进行极值点的检测,需要构建高斯金字塔。将原始图像不断降阶采样,得到高斯金字塔。高斯金字塔的构建分为两部分:①对图像做不同尺度的高斯模糊;②对图像做降采样(隔点采样)。其中,图像的尺度空间L(x,y,σ)定义为一个变化尺度的高斯函数G(x,y,σ)与原函数I(x,y)的卷积:L(x,y,σ)=G(x,y,σ)*I(x,y);其中,将金字塔分为不同层数,并且,每层又分为几张图片。使用高斯金字塔每组中相邻上下两层图像相减,得到高斯差分图像,得到高斯差分函数DOG。关键点是由DOG空间的局部极值点组成的,关键点的初步探查是通过同一组内各DOG相邻两层图像之间比较完成的。(2)关键点定位:在每个候选的位置上,通过一个拟合精细的模型来确定位置和尺度。关键点定位的具体方法为:关键点的选择依据于它们的稳定程度。通过步骤(1)检测到的极值点是离散空间的极值点,通过拟合三维二次函数来精确确定关键点的位置和尺度,同时去除低对比度的关键点和不稳定的边缘响应点,以增强匹配稳定性、提高抗噪声能力。通过对尺度空间DoG函数进行曲线拟合以提高关键点的稳定性。拟合函数为:其中,X=(x,y,σ)T。求导并让方程等于零,可以得到极值点的偏移量为:对应极值点,方程的值为:(3)方向确定:基于图像局部的梯度方向,分配给每个关键点位置一个或多个方向。所有后面的对图像数据的操作都相对于关键点的方向、尺度和位置进行变换,从而提供对于这些变换的不变性。具体方法为:为了使描述符具有旋转不变性,需要利用图像的局部特征为给每一个关键点分配一个基准方向。使用图像梯度的方法求取局部结构的稳定方向。对于在DOG金字塔中检测出的关键点,梯度的模值和方向为:在完成关键点的梯度计算后,使用直方图统计邻域内像素的梯度和方向。方向直方图的峰值则代表了该特征点处邻域梯度的方向,以直方图中最大值作为该关键点的主方向。(4)关键点的特征描述:在每个关键点周围的邻域内,在选定的尺度上测量图像局部的梯度,这些梯度被变换成一种表示,这种表示允许比较大的局部形状的变形和光照变化(如图3所示)。用一组向量为每个关键点建立一个描述符,使其不随各种变化而改变,比如光照变化、视角变化等等。SIFT描述子是关键点邻域高斯图像梯度统计结果的一种表示。对关键点周围图像区域分块,生成具有独特性的向量,这个向量是该区域图像信息的一种抽象,具有唯一性。其描述子使用在关键点尺度空间内4*4的窗口中计算的8个方向的梯度信息,共4*4*8=128维向量表征。将关键点附近的邻域划分为4*4个子区域,计算每个子区域的像素的梯度大小:插值计算每个种子点八个方向的梯度:weight=w*drk*(1-dr)1-k*dcm*(1-dc)1-m*don(1-do)1-n(式中W为上述像素梯度),对上述128个关键点的梯度信息进行归一化处理,归一化后的特征向量为L本文档来自技高网...
【技术保护点】
一种基于SIFT图像特征匹配的卫星装配工件快速识别方法,其特征在于包括以下步骤:步骤1、采集工件图像并建立标准化图像的工件特征模型库;步骤2、采用摄像装置对待识别的工件进行拍照;步骤3、采用SIFT算法对采集到的图像和工件特征模型库中的图像进行快速识别;步骤4、剔除误匹配特征点获得稳定特征匹配点;步骤5、完成图像匹配,进而识别出该工件。
【技术特征摘要】
1.一种基于SIFT图像特征匹配的卫星装配工件快速识别方法,其特征在于包括以下步骤:步骤1、采集工件图像并建立标准化图像的工件特征模型库;步骤2、采用摄像装置对待识别的工件进行拍照;步骤3、采用SIFT算法对采集到的图像和工件特征模型库中的图像进行快速识别;步骤4、剔除误匹配特征点获得稳定特征匹配点;步骤5、完成图像匹配,进而识别出该工件。2.根据权利要求1所述的一种基于SIFT图像特征匹配的卫星装配工件快速识别方法,其特征在于:所述步骤1的具体实现方法为:采集不同光照条件与不同方位的工件图像,以标准工况的参考图像为基准,构建标准化图像的工件特征模型库。3.根据权利要求1所述的一种基于图像特征匹配的卫星装配工件快速识别方法,其特征在于:所述步骤2的具体实现方法为:利用红外装置检测到工件后,由拍摄装置对该待识别...
【专利技术属性】
技术研发人员:张建畅,李晗,张小俊,孙凌宇,
申请(专利权)人:河北工业大学,
类型:发明
国别省市:天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。