本发明专利技术提出了一种无需不同像机之间特征点匹配的多像机结构参数自标定方法，包括单个像机相对于目标的运动参数估计和多像机结构参数估计两个基本步骤。步骤一，针对单像机检测和跟踪图像序列中的目标特征点，通过估计像机相对于目标的运动所对应的本质矩阵，得到像机相对于目标的运动参数；步骤二，通过建立不同像机相对于目标的运动参数之间的关系方程，通过观察目标的多次运动求解多像机结构参数。本发明专利技术在多像机结构参数的自标定过程中，只需分别对单个像机图像序列中的目标特征点进行跟踪，无需不同像机之间的特征点匹配，避免了不同像机之间图像特性差异较大情况下特征点匹配困难的问题，实现了对多像机网络结构参数快速、准确的估计。
【技术实现步骤摘要】
本专利技术涉及计算机视觉及无线多像机传感网络领域，尤其涉及无线多像机传感网络结构参数自标定方法的研究。
技术介绍
无线多像机传感网络是当前国际上备受关注的多学科交叉的研究热点领域，它利用部署在观测区域内的大量低成本、低功耗、长期运行的像机节点，对网络覆盖区域中被观测对象的信息进行协同感知、采集和处理。由于其强大的信息采集和处理能力，无线多像机传感网络在军事、医疗监护、智能楼宇等方面有着广泛的应用前景。与传统的传感器不同， 像机对周围场景的感知不是全空间的，有一定的方向性和区域性，多像机网络的结构参数决定了网络对观测区域的覆盖和感知能力。对这些参数进行标定是实现无线多像机传感网络高效、低功耗运行的关键所在。多像机结构参数的标定是计算机视觉领域中的一个基本问题。传统的多像机结构参数标定方法，通过检测空间点在不同像机像平面上的投影位置，利用投影几何关系对多像机结构参数进行标定。这些方法首先需要对不同像机获得的图像进行处理，检测出图像中一系列具有明显特征的特征点集，然后利用一定的匹配方法获得不同图像中互相匹配的点对集，再利用这些匹配点对集进行多像机结构参数标定。而在无线多像机传感网络中，节点像机通常价格便宜、像机参数具有较大差异；网络中有红外、可见光、微光像机等不同类型的像机；节点的位置和方向部署随机。这些问题导致了像机之间的特征点匹配存在很大困难，使得传统的基于特征点匹配的多像机网络结构参数标定方法很难应用到无线多像机传感网络的标定中。
技术实现思路
本专利技术的目的在于提出，克服了无线多像机传感网络节点间图像特征匹配困难、传输带宽有限等问题。为达到上述目的，本专利技术提出，包括单个像机相对于目标的运动参数估计和多像机之间的结构参数估计两个基本步骤。步骤一，在本专利技术的一个实施例中，所述单个像机相对于目标的运动参数估计进一步包括选取当前帧图像与背景图像做差并求绝对值，得到绝对差图像；给定一个阈值， 在绝对差图像中检测出大于阈值的区域，所述区域为目标所在区域；依次检测图像序列每一帧图像中的特征点，保留每一帧图像目标区域中的特征点，所述特征点为目标上的特征点；在图像序列中选择任意图像对，对于其中一幅图像中目标上的每一个特征点，选取周围小邻域作为匹配模板；在图像对的另一幅图像中寻找目标上的匹配点，保留相互匹配的特征点对，所述相互匹配的特征点对为目标上特征点分别在运动前后的位置；由目标运动前后的特征点对构造系数矩阵，对所述系数矩阵进行奇异值分解得到两个正交矩阵，其中一个正交矩阵的最后一行为像机相对于目标的运动所对应基本矩阵的堆叠向量，重新排列所述堆叠向量的元素，并约束其秩为2，得到相应的基本矩阵；由像机的内部参数矩阵和所述基本矩阵，计算像机相对于目标的运动所对应的本质矩阵；对所述本质矩阵进行奇异值分解得到两个正交矩阵，通过构造两个斜对称矩阵，由所述正交阵和斜对称矩阵计算得到像机相对于目标的运动参数。步骤二，在本专利技术的一个实施例中，所述多像机之间的结构参数估计进一步包括建立不同像机相对于同一目标运动参数之间的关系方程i^u+a-igt-td = ο，其中R为像机C1和像机C2之间的旋转矩阵，t为像机C1和像机C2之间的平移矢量，Rt为目标的旋转矩阵，ta为像机C1相对于目标的平移矢量，t。2为像机C2相对于目标的平移矢量，I为单位矩阵；从所述序列图像中选取η对图像，利用上述的单个像机相对于目标的运动参数估计方法，分别针对不同的像机计算其相对于同一目标的η次运动参数；利用像机相对于目标运动参数之间的关系方程，建立目标η次运动所对应的联立方程组；利用 Levenberg-Marquardt方法求解不同像机之间的结构参数。本专利技术提出的，不需要像机之间特征点的匹配，只需要利用节点像机获得的图像序列分别估计每一个像机相对于目标的运动，然后利用不同像机相对于同一目标运动参数之间的关系方程求解多像机网络的结构参数。本专利技术克服了无线多像机传感网络传输带宽有限、节点间图像特征匹配困难等问题，不仅可以用于同类型像机网络的结构参数标定，还可以用于包含可见光、红外、微光等不同类型像机的多像机网络结构参数标定。附图说明图1为本专利技术实施例的无需像机间特征点匹配的多像机结构参数自标定方法流程图；图加为本专利技术实施例的像机不动、目标运动示意图；图2b为本专利技术实施例的目标不动、像机相对于目标做旋转运动示意图；图2c为本专利技术实施例的目标不动、像机相对于目标做平移运动示意图；图3为本专利技术实施例的目标旋转角度误差对摄像机姿态估计的影响；图4为本专利技术实施例的目标旋转角度误差对摄像机位置估计的影响；图5为本专利技术实施例的目标位置误差对摄像机姿态估计的影响；图6为本专利技术实施例的目标位置误差对摄像机位置估计的影响；图7为本专利技术实施例的图像序列长度对摄像机姿态估计的影响；图8为本专利技术实施例的图像序列长度对摄像机位置估计的影响。具体实施例方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的意义。下面所描述的实施例是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。本专利技术是针对无线多像机传感网络传输带宽有限、节点间图像特征匹配困难等问题，提出的。为了能够对本专利技术有更清楚的理解，在此进行简要描述。本专利技术包括两个基本步骤步骤一，单个像机相对于目标的运动参数估计，用于从单个像机获得的图像序列中估计像机相对于目标的运动参数；步骤二，多像机之间的结构参数估计，利用不同像机相对于目标的运动参数之间的关系方程估计多像机之间的结构参数。具体的，图1所示为本专利技术实施例的的流程图，包括以下步骤步骤S101，检测场景中的运动目标。在本专利技术的一个实施例中，针对单个像机，对所述图像序列中的图像进行编号， 记为I1, I2, I3,…，背景图像记为Ιο。编号完成后，顺序选取图像序列中的图像与背景图像，对每一个像素做差得到差图像，以图像I1为例，其所对应的差图像为Idl (X，y) = I1U, y)-l0(x, y)；再对差图像的每一个像素值取绝对值得到绝对差图像Iadl(X，y) = Idl(χ, y)| ；在绝对差图像Iadl上给定阈值t，检测出像素值Iadl(x，y)大于阈值t的区域D1= {(χ, y) I Iad (χ, y) > t}，所述区域即为目标区域，图像序列中其它图像目标区域的检测依此类推。在本专利技术的一个实施例中，上述阈值t采用以下步骤求得。以绝对差图像Iadl为例，其最小和最大像素值分别为Soin和gmax ；阈值t从gmin到gmax以间隔1个灰度级逐次递增，针对某个灰度级t，统计灰度小于等于t的像素出现的概率O1和灰度大于t的像素出现的概率ω2 ；计算灰度小于等于t的所有像素的灰度均值μ ！和灰度均方误差<，以及灰度大于t的所有像素的灰度均值μ 2和灰度均方误差4 ；对于从^lin到gmax之间的每一个灰度级，计算评估函数2 = (ωχσ\ +ω2σ\)1{ωλω2{μ2- μλ)2)，选取评估函数最大值对应的灰度级t，所述灰度级t即为上述阈值。步骤S102，检测和跟踪目标上的特征点。步骤2. 1图像中目标上特征点的检测。在本专利技术的一个实施例中，以图像I1及其所对应目标区域0工为例，对每一像素点(x，y)分本文档来自技高网...
【技术保护点】
１．一种无需像机间特征匹配的多像机结构参数自标定方法，其特征在于，包括单个像机相对于目标的运动参数估计和多像机之间的结构参数估计两个基本步骤。
【技术特征摘要】
【专利技术属性】
技术研发人员：许东，孙茜，吴祖亮，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：11
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。