System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及机器人巡检,具体而言,涉及一种特征点匹配和模板匹配的偏移量计算方法及系统。
技术介绍
1、在使用机器人执行巡检任务过程中,会预先记录轨迹和各个巡检点位的云台角度,以便获取目标点位的图像信息做进一步分析。
2、但是,在实际巡检过程中由于各种误差的引入,导致获取的某点位图片与预先采集的图像相比存在偏移。为调整云台角度或获取图像重叠区域,需要计算获取的点位图片与预先采集的图像两图之间的偏移量。
3、现有的计算两图之间的偏移量的方法主要有以下两种:
4、第一种方法是直接采用特征点(sift、surf等特征点)匹配的方法,即首先分别提取两图的特征点,然后对两图的特征点进行匹配计算,得到单应矩阵(也叫“投影变换”),取其中一图的中心点通过单应矩阵得到另一图中心点,便可计算两图中心点间的水平偏移量和垂直偏移量。
5、然而,该方法的缺点在于特征点提取困难,以及对于混乱场景的计算效果不好,混乱场景往往出现计算错误,例如,背景是天空的单设备场景和存在网状等重复纹理场景。
6、第二种方法是结合第一种方法,引入目标检测模型,首先对场景指定目标进行检测,如果满足计算条件,则通过两图中检测到的目标中心之间的偏移量作为图像偏移量;如果不满足计算条件,则采用第一种方法。
7、第二种方法的主要缺点在于不利于无目标场景和多目标场景的计算,在无目标场景和部分多目标场景不能发挥作用,并且依赖指定的目标种类,泛化性不好。
技术实现思路
1
2、本专利技术提供一种特征点匹配和模板匹配的偏移量计算方法,包括:
3、s1、在机器人移动到指定点位的位置时,从存储设备获取该点位的历史图片image1,通过该点位记录的云台角度信息调整云台,通过云台摄像机获取巡检图片image2,设置历史图片image1和巡检图片image2的尺寸一致;
4、s2、从历史图片image1中按照区域(x,y,w,h)裁剪出图片image1_roi作为模版,区域数值x,y,w,h分别为图片image1_roi的矩形区域左上角横坐标、纵坐标、区域宽度、区域高度;采用标准相关性系数匹配的方法在巡检图片image2上做模版匹配,得到最佳匹配位置(xm,ym)和标准相关性系数vco;
5、s3、基于最佳匹配位置(xm,ym),计算历史图片image1到巡检图片image2的偏移量(dx,dy),偏移量(dx,dy)的计算公式为:
6、dx=xm-x,dy=ym-y (1)
7、式(1)中,dx为水平偏移量,dy为垂直偏移量;
8、s4、分别对历史图片image1和巡检图片image2进行surf特征点提取和描述,采用最近邻匹配方式得到n个匹配点对,若n≥阈值th1,则跳转到s2步骤继续执行;若n<阈值th1,则将n个点对作为单应矩阵计算点对,并跳转到s5步骤继续执行;
9、s5、利用所述单应矩阵计算点对,根据随机采样一致性ransac方法,计算历史图片image1到巡检图片image2的单应矩阵h;
10、根据所述单应矩阵h计算历史图片image1的中心点(w/2,h/2)在巡检图片image2上的对应点(xt,yt),对应点(xt,yt)的计算公式为:
11、
12、s6、计算历史图片image1到巡检图片image2的特征点匹配的偏移量(dx’,dy’),偏移量(dx’,dy’)的计算公式为:
13、dx’=xt-w/2,dy’=yt-h/2 (2)
14、s7、从巡检图片image2中按照区域(x’,y’,w,h)裁剪出图片image2_roi,区域数值x’,y’,w,h分别为图片image2_roi的矩形区域左上角横坐标、纵坐标、区域宽度、区域高度,x’,y’的计算公式为:
15、x’=x+dx’,y’=y+dy’ (3)
16、计算图片image1_roi和图片image2_roi的相关系数v’co,相关系数v’co的计算公式为:
17、
18、
19、
20、式(4)中,i′1(x,y)和i′2(x,y)分别表示图片image1_roi和图片image2_roi的像素值;
21、s8、比较v’co与vco的大小,若vco>v’co,则将(dx,dy)作为历史图片image1到巡检图片image2的偏移量;若vco≤v’co,则将(dx’,dy’)作为历史图片image1到巡检图片image2的偏移量。
22、进一步地,所述s4步骤的将n个点对作为单应矩阵计算点对的方法包括:
23、将获得的n个特征点按照特征描述的欧式距离从小到大进行排序,取前th1个匹配点对作为单应矩阵计算点对。
24、进一步地,所述s2步骤的历史图片image1中的区域数值x,y,w,h设置为w/3,h/3,w/3,h/3,其中w和h为历史图片image1的宽度和高度。
25、进一步地,所述s7步骤的巡检图片image2中的区域数值x’,y’,w,h设置为w=w/3,h=h/3,其中w和h为巡检图片image2的宽度和高度。
26、进一步地,所述s4步骤的阈值th1设置为th1=200。
27、本专利技术还提供一种特征点匹配和模板匹配的偏移量计算系统,执行如上述所述的特征点匹配和模板匹配的偏移量计算方法,包括:
28、获取历史图片和巡检图片模块:用于在机器人移动到指定点位的位置时,从存储设备获取该点位的历史图片image1,通过该点位记录的云台角度信息调整云台,通过云台摄像机获取巡检图片image2,设置历史图片image1和巡检图片image2的尺寸一致;
29、模版匹配模块:用于从历史图片image1中按照区域(x,y,w,h)裁剪出图片image1_roi作为模版,区域数值x,y,w,h分别为图片image1_roi的矩形区域左上角横坐标、纵坐标、区域宽度、区域高度;采用标准相关性系数匹配的方法在巡检图片image2上做模版匹配,得到最佳匹配位置(xm,ym)和标准相关性系数vco;
30、计算偏移量模块:用于基于最佳匹配位置(xm,ym),计算历史图片image1到巡检图片image2的偏移量(dx,dy);
31、特征点提取模块:用于分别对历史图片image1和巡检图片image2进行surf特征点提取和描述,采用最近邻匹配方式得到n个匹配点对,若n≥阈值th1,则跳转到s2步骤继续执行本文档来自技高网...
【技术保护点】
1.一种特征点匹配和模板匹配的偏移量计算方法,其特征在于,包括:
2.根据权利要求1所述的特征点匹配和模板匹配的偏移量计算方法,其特征在于,所述S4步骤的将N个点对作为单应矩阵计算点对的方法包括:
3.根据权利要求1所述的特征点匹配和模板匹配的偏移量计算方法,其特征在于,所述S2步骤的历史图片image1中的区域数值x,y,w,h设置为W/3,H/3,W/3,H/3,其中W和H为历史图片image1的宽度和高度。
4.根据权利要求1所述的特征点匹配和模板匹配的偏移量计算方法,其特征在于,所述S7步骤的巡检图片image2中的区域数值x’,y’,w,h设置为w=W/3,h=H/3,其中W和H为巡检图片image2的宽度和高度。
5.根据权利要求1所述的特征点匹配和模板匹配的偏移量计算方法,其特征在于,所述S4步骤的阈值th1设置为th1=200。
6.一种特征点匹配和模板匹配的偏移量计算系统,执行如权利要求1-5任一项所述的特征点匹配和模板匹配的偏移量计算方法,其特征在于,包括:
7.一种计算机可读存储介质,其
8.一种计算机设备,所述计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-5任一项所述的特征点匹配和模板匹配的偏移量计算方法的步骤。
...【技术特征摘要】
1.一种特征点匹配和模板匹配的偏移量计算方法,其特征在于,包括:
2.根据权利要求1所述的特征点匹配和模板匹配的偏移量计算方法,其特征在于,所述s4步骤的将n个点对作为单应矩阵计算点对的方法包括:
3.根据权利要求1所述的特征点匹配和模板匹配的偏移量计算方法,其特征在于,所述s2步骤的历史图片image1中的区域数值x,y,w,h设置为w/3,h/3,w/3,h/3,其中w和h为历史图片image1的宽度和高度。
4.根据权利要求1所述的特征点匹配和模板匹配的偏移量计算方法,其特征在于,所述s7步骤的巡检图片image2中的区域数值x’,y’,w,h设置为w=w/3,h=h/3,其中w和h为巡检图片image2的宽度和高度。
【专利技术属性】
技术研发人员:胡继云,陈丽萍,冉翔飞,
申请(专利权)人:北京鸿鹄元数科技有限公司,
类型:发明
国别省市:
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。