The invention discloses a detection method, an image splicing method, a corresponding device and equipment of an abnormal point pair. The detection method includes: filtering the set of feature point pairs between the images to be detected according to the first matrix, getting the set of normal point pairs between the images to be detected, the point pairs in the first matrix and the set of normal point pairs meet the first constraint condition; filtering the set of normal point pairs according to the second matrix, getting the set of abnormal point pairs between the images to be detected, and the set of normal point pairs in the second matrix and the set of normal point pairs Except for the set of outliers, the constraint of the second constraint is stronger than that of the first constraint. By using this method, several constraints are used to filter the set of feature points, which can effectively detect the set of abnormal point pairs between the images to be detected, thus ensuring the accuracy of the matched feature point pairs between the images to be detected, thus reducing the negative impact of the whole image processing and improving the robustness of the whole image processing application.
【技术实现步骤摘要】
异常点对的检测方法、图像拼接方法、相应装置及设备
本专利技术涉及图像处理
,尤其涉及异常点对的检测方法、图像拼接方法、相应装置及设备。
技术介绍
在图像处理
的常见应用中,如图像的拼接处理、即时定位与地图构建(SimultaneousLocalizationAndMapping,SLAM)以及三维重建等不同的处理场景,其技术实现一个关键环节均在于图像间特征点的匹配。然而,现有的实现图像间特征点匹配的方法如基于特征点描述子匹配的方式以及基于光流追踪的方法等,都会不可避免的引入匹配异常的特征点,即特征点匹配的结果中存在错误匹配,这些异常匹配的特征点会影响整个图像处理的结果,为图像处理带来负面影响,降低图像处理应用的鲁棒性。传统的去除匹配异常特征点的方法,大多通过一个图像中的点与另一视角所对应投影图像中的线形成对应关系的方式来排除匹配异常特征点,但是该种方式仍然无法有效的排除所有异常的特征点对,仍然会为图像处理中的后续操作提供错误的特征点匹配信息,影响图像处理结果。
技术实现思路
本专利技术实施例提供了异常点对的检测方法、图像拼接方法、相应装置及设备,准确有效的实现了图像间所匹配特征点对中异常点对的检测。第一方面,本专利技术实施例提供了一种异常点对的检测方法,包括:根据第一矩阵筛选待检测图像之间的特征点对集合,得到所述待检测图像之间的正常点对集合,所述第一矩阵与所述正常点对集合中的点对满足第一约束条件;根据第二矩阵筛选所述正常点对集合,得到所述待检测图 ...
【技术保护点】
1.一种异常点对的检测方法,其特征在于,包括:/n根据第一矩阵筛选待检测图像之间的特征点对集合,得到所述待检测图像之间的正常点对集合,所述第一矩阵与所述正常点对集合中的点对满足第一约束条件;/n根据第二矩阵筛选所述正常点对集合,得到所述待检测图像之间的异常点对集合,所述第二矩阵与所述正常点对集合中除所述异常点对集合外的点对满足第二约束条件,所述第二约束条件的约束力强于所述第一约束条件的约束力。/n
【技术特征摘要】
1.一种异常点对的检测方法,其特征在于,包括:
根据第一矩阵筛选待检测图像之间的特征点对集合,得到所述待检测图像之间的正常点对集合,所述第一矩阵与所述正常点对集合中的点对满足第一约束条件;
根据第二矩阵筛选所述正常点对集合,得到所述待检测图像之间的异常点对集合,所述第二矩阵与所述正常点对集合中除所述异常点对集合外的点对满足第二约束条件,所述第二约束条件的约束力强于所述第一约束条件的约束力。
2.根据权利要求1所述的方法,其特征在于,所述根据第二矩阵筛选所述正常点对集合,得到所述待检测图像之间的异常点对集合,包括:
确定所述正常点对集合所包含点对的点对总数;
如果所述点数总数大于设定基准值,则基于确定的第二矩阵筛选所述正常点对集合,获得对应所述第二矩阵的中间点对集合,并将所述中间点对集合作为新的正常点对集合,返回继续确定所述正常点对集合所包含点对的点对总数;
如果所述点数总数小于或等于所述设定基准值,则将所述正常点对集合中包含的点对确定为异常点对,形成包含各所述异常点对的异常点对集合;
其中,所述中间点对集合包含了所述正常点对集合中与所述第二矩阵不满足第二约束条件的点对。
3.根据权利要求1所述的方法,其特征在于,所述第一约束条件为:点对中第一特征点P1和第二特征点P2与所述第一矩阵H1满足P1TH1P2=0;
所述第二约束条件为:点对中第三特征点P3和第四特征点P4与所述第二矩阵H2满足P4=H2P3。
4.根据权利要求1所述的方法,其特征在于,所述第一矩阵的行列值均为3且秩为2;所述第二矩阵行列值均为3且第3行第3列的元素值为1。
5.根据权利要求1至4任一项所述的方法,其特征在于,所述根据第一矩阵筛选待检测图像之间的特征点对集合,得到所述待检测图像之间的正常点对集合,包括:
基于待检测图像之间特征点对集合中的点对,确定至少一个第一候选矩阵;
针对每个第一候选矩阵,确定所述特征点对集合中与所述第一候选矩阵满足所述第一约束条件的匹配点对的点对数量;
比较各所述第一候选矩阵对应的点对数量,将最大点对数量对应的第一候选矩阵确定为第一矩阵;
基于对应所述第一矩阵的各匹配点对形成所述待检测图像之间的正常点对集合。
6.根据权利要求5所述的方法,其特征在于,基于待检测图像之间特征点对集合中的点对,确定至少一个第一候选矩阵,包括:
将已确定的当前循环次数与第一阈值进行比较;
如果所述当前循环次数小于或等于所述第一阈值,则从所述待检测图像之间特征点对集合中随机选取第一预设数量的第一样本点对;
基于各所述第一样本点对中特征点的特征点信息,确定第一候选矩阵模型中各待定参数的参数值,形成当前的第一候选矩阵;
将所述当前循环次数加1作为新的当前循环次数,返回继续进行当前循环次数与所述第一阈值的比较操作;
如果所述当前循环次数大于所述第一阈值,则获取已确定的各第一候选矩阵。
7.根据权利要求5所述的方法,其特征在于,所述确定所述特征点对集合中与所述第一候选矩阵满足所述第一约束条件的匹配点对的点对数量,包括:
针对所述特征点对集合中的每个第一点对,将所述第一点对中第一特征点的转置与所述第一候选矩阵的乘积作为第一乘积矩阵;
如果所述第一乘积矩阵与所述点对中第二特征点的乘积为零矩阵,则将所述第一点对作为对应所述第一候选矩阵的匹配点对;
统计所述特征点对集合中相对所述第一候选矩阵的各匹配点对的点数数量。
8.根据权利要求1至4任一项所述的方法,其特征在于,所述根据第二矩阵筛选所述正常...
【专利技术属性】
技术研发人员:陈伟,朱飞,吴腾,杜凌霄,
申请(专利权)人:广州市百果园信息技术有限公司,
类型:发明
国别省市:广东;44
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。