基于自然特征的增强现实地图空间匹配方法及移动设备组成比例

本发明专利技术提供一种基于自然特征的增强现实地图空间匹配方法及移动设备,属于地图识别技术领域，本发明专利技术利用了边缘检测结果参与关键点计算与挑选，根据关键点与地图县界界线的位置关系设置权重，计算每个关键点总价值，价值较高的关键点继续进行特征点提取，价值较低的关键点可忽略，此方法不仅可以减少运算量，而且可以减少地图中地名地址、街道、河流等细小、繁琐、重复性较强的数据对总体界线识别造成的混淆干扰，弱化了易受影响区域对整体识别率的影响。本发明专利技术针对矢量底图数据能够实施有效地提取特征点，匹配结果的精准度明显提高，能够较好适用于地图数据识别场景。好适用于地图数据识别场景。好适用于地图数据识别场景。

【技术实现步骤摘要】
基于自然特征的增强现实地图空间匹配方法及移动设备


[0001]本专利技术属于地图识别
，具体涉及一种基于自然特征的增强现实地图空间匹配方法及移动设备。

技术介绍

[0002]地图服务是保障空间权益、联络现实民生的重要抓手，以往的地图服务主要指纸质地图。传统的纸质地图作为表达、传输和研究地理信息的重要载体，由于其方便阅读、信息表达鲜明、收藏价值高等优点，曾经被人们在旅游、测绘、生态等各领域广泛使用，但纸质地图也存在个性化不足、表达内容有限、表现形式单调、传播方式单向、更新周期较长等缺陷，因此越来越难以满足用户在交互、定位、导航、周边环境搜索等需求。针对这种情况，结合AR技术与地图数据的各项研究逐步开展，通过增强现实技术对纸质地图进行增强表达，可以对地图内容和其他地理信息进行扩展，如叠加增强型符号、地形地貌、三维模型等数据，让虚拟信息成为真实可感地图的补充与升华，提升地图表达内容的丰富感和全面性；另外纸质地图缺少用户交互功能，利用增强现实技术，可以为用户提供交互平台，如点击、手势等交互操作，提升用户体验。
[0003]基于增强现实技术的交互式地图将增强现实技术与传统纸质地图相融合，在一定程度上弥补了两者的缺陷，不仅可以扩展纸质地图表达的信息，还可以丰富地图的表现形式。交互式地图的关键技术在于地图识别，以往增强现实技术中研究的识别原型一般是图像，这些图像一般具有颜色对比鲜明、内容丰富、清晰度高、质量优等特点，作为样本在训练中能够提取到数量多、分布均匀的特征点序列，从而达到比较理想的图像识别目标。但是地图数据相对于一般图像，线条密集且不够尖锐、清晰度低、颜色对比不够鲜明，使用传统SIFT算法提取的特征点较少且分布不均匀，导致地图图像识别效果较差，识别率较低、出错率较高，并且地图繁杂的线条影响识别效果。

技术实现思路

[0004]为解决上述技术问题，本专利技术提供一种基于自然特征的增强现实地图空间匹配方法，使得尺度空间更加清晰，特征点分布更加均匀，提升了提取特征点匹配的正确率，缩短了匹配时间，能够较好适用于地图数据识别场景。
[0005]本专利技术所采用的技术方案如下：一种基于自然特征的增强现实地图空间匹配方法，步骤如下：
[0006]步骤一：首先对参考地图图像和待匹配地图图像进行图像预处理操作，首先使用双边滤波的方法去除地图数据中清晰度低且内容冗杂的噪声数据；然后使用直方图均衡化的方法减少图像的灰度级别，增强局部对比度；接着对图像边缘进行增强处理和锐化处理，更清晰地显示地图界线数据；最后选取地图中信息分布均匀且丰富的地区进行地图局部提取处理；
[0007]步骤二：使用基于SIFT算法改进的特征点提取方法进行地图数据特征点提取，步
骤具体如下；
[0008]步骤二一：基于Canny算子进行边缘检测，提取地图中的外围界线数据；
[0009]步骤二二：尺度空间构建，对对参考地图图像和待匹配地图图像分别进行尺度变换，获得多尺度空间中的图像表示序列，提取尺度空间中主轮廓，并以此作为特征向量，实现关键点提取；
[0010]步骤二三：在获取的空间内进行极值点检测，对每个像素点与周围所有的相邻点进行比较，选取范围内的极大值和极小值，获取的局部极值点即为关键点；在二维图像空间，中心点与它3
×
3邻域内的8个点做比较，在同一组内的尺度空间上，中心点和上下相邻的两层图像的2
×
9个点作比较，保证检测到的关键点在尺度空间和二维图像空间上都是局部极值点；
[0011]步骤二四：上述步骤获取的极值点是在尺度空间中，中间的检测点和它同尺度的8个相邻点和上下相邻尺度对应的9
×
2个点共26个点比较而获取的局部极值，是离散采样中搜索到的极值点，不一定是真实空间的极值点。因此需要对每个局部极值点采用三维二次函数拟合，然后对函数求极值从而精确确定关键点的位置和尺度，尺度空间函数在极值点处泰勒展开，求其导数并将其值设为0，得到的极值公式如下：
[0012][0013]其中，为关键点图像的对比度,是极值点的偏移量，D是尺度空间函数在关键点取值矩阵，D
T
是D的转置矩阵，w
i
为第i个关键点的位置权重，根据关键点与地图县界界线位置关系设置的权重,范围为0
‑
1，越靠近界线，权重越大，关键点极值越大，当公式中极值认为该关键点对比度与位置权重均较低，该关键点极值不符合要求，属于错误极值点，被剔除；
[0014]步骤二五：对获取的关键点确定特征方向，这个关键点方向信息需要对图像角度和旋转具有不变形，以保证后续特征匹配的准确性和效率，方向信息是通过计算每个关键点的梯度来实现的，任一关键点的梯度幅值m(x,y)如式(6)所示：
[0015][0016]梯度方向θ(x,y)如式(7)所示：
[0017][0018]其中L为关键点所在的尺度空间值；
[0019]首先计算以关键点为中心的领域内所有点位的梯度方向，然后将这些梯度方向归一化到36个方向内，每个方向代表10度范围；然后分别计算落在每个方向域内的关键点个数，由此生成梯度方向直方图，梯度方向直方图中y值最大的方向作为当前关键点的主方向。
[0020]然后对关键点进行描述，生成参考地图图像和待匹配地图图像的中心特征点描述子，方法具体如下：以关键点为中心取16*16的256个小窗格，每个小格代表关键点和邻域点所在尺度空间的一个像素，根据公式(6)和(7)求得每个小格的梯度幅值和方向，箭头方向即为梯度方向，箭头长度即为梯度幅值，然后使用高斯加权计算，然后将16*16的格子分成16个4*4的子区域，每个子区域计算8个方向的梯度方向直方图，形成一个种子点，这个试验
区共有16个种子点，每个种子点有8个方向向量信息，这个4*4*8共128维的特征向量，就是中心特征点描述子，即图像的特征点，判断两个特征点之间的关系是根据128维特征向量的关系来判断的；
[0021]步骤三：取出参考地图图像中的某个特征点，然后在待匹配地图图像中找到与其欧氏距离最近的两个特征点，分别计算该特征点与对应特征点的最近欧氏距离和次近欧式距离，如果最近的距离除以次近的距离小于阈值，则初步接受这一对匹配点，同样的方法获取所有特征点的相似性，然后结合步骤二四中根据关键点与地图县界界线位置关系设置的权重，通过加权方式计算整体相似度，弱化易受影响区域对识别准确性的影响，图像整体相似度的计算公式如式(8)所示：
[0022][0023]其中，s
i
为第i个关键点的相似率；
[0024]待匹配地图图像与参考地图图像中界线数据越相似，则识别率越高，根据整体相似度确定图像匹配度；
[0025]步骤四：用RANSAC算法来估计参考地图图像和待匹配地图图像之间的基础矩阵，并去除不符合该变换矩阵的异常点对，消除误匹配，最终确定正确的匹配点。
[0026]进一步的，步骤一具体如下：
[0027]步骤一一：使用双边滤波本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自然特征的增强现实地图空间匹配方法，其特征在于，方法步骤如下：步骤一：首先对参考地图图像和待匹配地图图像进行图像预处理操作，首先使用双边滤波的方法去除地图数据中清晰度低且内容冗杂的噪声数据；然后使用直方图均衡化的方法减少图像的灰度级别，增强局部对比度；接着对图像边缘进行增强处理和锐化处理，更清晰地显示地图界线数据；最后选取地图中信息分布均匀且丰富的地区进行地图局部提取处理；步骤二：使用基于SIFT算法改进的特征点提取方法进行地图数据特征点提取，步骤具体如下；步骤二一：基于Canny算子进行边缘检测，提取地图中的外围界线数据；步骤二二：尺度空间构建，对参考地图图像和待匹配地图图像分别进行尺度变换，获得多尺度空间中的图像表示序列，提取尺度空间中主轮廓，并以此作为特征向量，实现关键点提取；步骤二三：在获取的空间内进行极值点检测，对每个像素点与周围所有的相邻点进行比较，选取范围内的极大值和极小值，获取的局部极值点即为关键点；步骤二四：对每个极值点采用三维二次函数拟合，然后对函数求极值从而精确确定关键点的位置和尺度，尺度空间函数在极值点处泰勒展开，求其导数并将其值设为0，得到的极值公式如下：其中，为关键点图像的对比度，是极值点的偏移量，D是尺度空间函数在关键点取值矩阵，D
T
是D的转置矩阵，w
i
为第i个关键点的位置权重，即根据关键点与地图县界界线位置关系设置的权重,范围为0
‑
1，越靠近界线，权重越大，关键点极值越大，当公式中极值认为该关键点对比度与位置权重均较低，该关键点极值不符合要求，属于错误极值点，被剔除；步骤二五：对获取的关键点确定特征方向，这个关键点方向信息需要对图像角度和旋转具有不变形，以保证后续特征匹配的准确性和效率，方向信息是通过计算每个关键点的梯度来实现的，任一关键点的梯度幅值m(x,y)如式(6)所示：梯度方向θ(x,y)如式(7)所示：其中L为关键点所在的尺度空间值；首先计算以关键点为中心的领域内所有点位的梯度方向，然后将这些梯度方向归一化到36个方向内，每个方向代表10度范围；然后分别计算落在每个方向域内的关键点个数，由此生成梯度方向直方图，梯度方向直方图中y值最大的方向作为当前关键点的主方向；然后对关键点进行描述，生成参考地图图像和待匹配地图图像的中心特征点描述子，方法具体如下：以关键点为中心取16*16的256个小窗格，每个小格代表关键点和邻域点所在尺度空间的一个像素，根据公式(6)和(7)求得每个小格的梯度幅值和方向，箭头方向即
为梯度方向，箭头长度即为梯度幅值，然后使用高斯加权计算，然后将16*16的格子分成16个4*4的子区域，每个子区域计算8个方向的梯度方向直方图，形成一个种子点，这个试验区共有16个种子点，每个种子点有8个方向向量信息，这个4*4*8共128维的特征向量，就是中心特征点描述子，即图像的特征点，判断两个特征点之间的关系是根据128维特征向量的关系来判断的；步骤三：取出参考地图图像中的某个特征点，然后在待匹配地图图像中找到与其欧氏距离最近的两个特征点，分别计算...

【专利技术属性】
技术研发人员：姜芸，王军，武海英，
申请(专利权)人：东北农业大学，
类型：发明
国别省市：