【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。