專(zhuān)利名稱(chēng)：一種空間繩系機(jī)器人相機(jī)自運(yùn)動(dòng)檢測(cè)與補(bǔ)償方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理與計(jì)算機(jī)視覺(jué)領(lǐng)域，具體涉及一種搭載在空間繩系機(jī)器人系統(tǒng)上的相機(jī)自運(yùn)動(dòng)檢測(cè)與補(bǔ)償?shù)姆椒ā?br> 背景技術(shù)：
空間繩系機(jī)器人系統(tǒng)由“空間繩系機(jī)器人+空間系繩+空間平臺(tái)”組成，具有安全、靈活、操作距離遠(yuǎn)等特點(diǎn)，可廣泛應(yīng)用于包括在軌維修、在軌加注、輔助變軌及在軌空間站輔助組裝等在軌服務(wù)中，已經(jīng)成為空間操控技術(shù)領(lǐng)域的研究熱點(diǎn)之一。這種新型的微型智能機(jī)器人，在空間可以自主逼近目標(biāo)。在其逼近的過(guò)程中利用自身攜帶的雙目視覺(jué)測(cè)量系統(tǒng)對(duì)目標(biāo)進(jìn)行實(shí)時(shí)檢測(cè)、跟蹤與測(cè)量。其中最關(guān)鍵的步驟首先是動(dòng)態(tài)背景下對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行自動(dòng)檢測(cè)提取，這涉及到運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)。目前運(yùn)動(dòng)目標(biāo)檢測(cè)廣泛應(yīng)用于機(jī)器人導(dǎo)航、武器制導(dǎo)、交通流量監(jiān)測(cè)、人體運(yùn)動(dòng)分析、視頻壓縮等諸 多方面，涉及到計(jì)算機(jī)視覺(jué)、模式識(shí)別、統(tǒng)計(jì)學(xué)、圖像理解等諸多研究領(lǐng)域，是圖像處理研究領(lǐng)域的熱點(diǎn)和難點(diǎn)之一。由于空間繩系機(jī)器人的運(yùn)動(dòng)特性導(dǎo)致其攜帶的攝像機(jī)存在自主運(yùn)動(dòng)，連續(xù)獲取的前后幀圖像存在仿射變換運(yùn)動(dòng)效應(yīng)，使得問(wèn)題變得更加難以解決，這將對(duì)后續(xù)的運(yùn)動(dòng)目標(biāo)自動(dòng)檢測(cè)極為不利。對(duì)于運(yùn)動(dòng)平臺(tái)上運(yùn)動(dòng)目標(biāo)檢測(cè)問(wèn)題，常用的一種方法需要先消除相機(jī)自身運(yùn)動(dòng)，即將同一場(chǎng)景的不同角度或位置拍攝的圖像進(jìn)行配準(zhǔn)，然后檢測(cè)運(yùn)動(dòng)目標(biāo)。按照配準(zhǔn)基元的不同，圖像配準(zhǔn)算法可以分為以下三類(lèi)基于區(qū)域的算法、基于特征的算法和基于結(jié)構(gòu)關(guān)系的算法。其中，基于特征的算法因具有受幾何變形和灰度變化影響小、可匹配特征類(lèi)型多等優(yōu)點(diǎn)而備受關(guān)注。

發(fā)明內(nèi)容
要解決的技術(shù)問(wèn)題為了避免現(xiàn)有技術(shù)的不足之處，本發(fā)明提出一種空間繩系機(jī)器人相機(jī)自運(yùn)動(dòng)檢測(cè)與補(bǔ)償方法，針對(duì)空間繩系機(jī)器人上搭載的攝像機(jī)發(fā)生自運(yùn)動(dòng)時(shí)檢測(cè)運(yùn)動(dòng)目標(biāo)的問(wèn)題，提出了一種基于稀疏光流和SURF特征描述的像機(jī)自運(yùn)動(dòng)檢測(cè)與消除方法，為動(dòng)態(tài)背景下的運(yùn)動(dòng)目標(biāo)自動(dòng)檢測(cè)奠定基礎(chǔ)。技術(shù)方案一種空間繩系機(jī)器人相機(jī)自運(yùn)動(dòng)檢測(cè)與補(bǔ)償方法，其特征在于步驟如下步驟1:采用金字塔L-K法計(jì)算前后兩幀圖像I1和I2的點(diǎn)集{ρπ}和{p2i}中對(duì)應(yīng)各點(diǎn)的光流矢量IVxi, VyJ，遍歷各點(diǎn)光流矢量{VXi，VyJ，將符合VXi>5并且VyiM的點(diǎn)形成點(diǎn)集 Ixi, yj ；同時(shí)，采用SURF算法分別提取前后兩幀圖像I1,12的特征點(diǎn)，得到特征點(diǎn)簇{Sli}，{s2i},各點(diǎn)的坐標(biāo)為{χπ, Y1J , {x2i, y2i}；步驟2:比較{Xli，yii}中各點(diǎn)與Ixi, yj中各點(diǎn)的歐氏距離，將歐氏距離大于5的各點(diǎn)組成為{xt，yt}；步驟3 :對(duì)位于{xt，yj處的I1上的特征點(diǎn)簇{slt}建立64位的SURF特征描述符Id1J，對(duì)位于{xt, yj處的I2上的特征點(diǎn)簇{s2i}建立64位的SURF特征描述符{s2i}；步驟4 :計(jì)算圖像I1的任一特征點(diǎn)Sltm與圖像I2中所有特征點(diǎn)Is2J之間的歐氏距離，如果兩個(gè)特征點(diǎn)Sltn^P S2im之間的歐氏距離最短，則稱(chēng)點(diǎn)S2im是點(diǎn)Sltm的匹配點(diǎn)；計(jì)算圖像I2的任一特征點(diǎn)S2tm與圖像I1中所有特征點(diǎn)Is1J之間的歐氏距離，如果兩個(gè)特征點(diǎn)S2tm和Slim之間的歐氏距離最短，則稱(chēng)點(diǎn)Slim是點(diǎn)S2tm的匹配點(diǎn)；由此找出所有對(duì)應(yīng)點(diǎn)對(duì){slm}和Is2J ；步驟5 :對(duì)匹配好的特征點(diǎn)對(duì)Is1J和Is2J，利用RANSAC算法估計(jì)出仿射變換模型A ;步驟6 :獲得兩幅圖像之間的仿射變換參數(shù)A后，根據(jù)仿射變換模型對(duì)應(yīng)關(guān)系對(duì)其中一幅圖像進(jìn)行仿射變換，從而消除像機(jī)運(yùn)動(dòng)。
·
有益效果本發(fā)明提出的一種空間繩系機(jī)器人相機(jī)自運(yùn)動(dòng)檢測(cè)與補(bǔ)償方法，計(jì)算出前后幀圖像中含有運(yùn)動(dòng)目標(biāo)的區(qū)域；然后利用SURF算法在不含運(yùn)動(dòng)目標(biāo)的區(qū)域進(jìn)行特征點(diǎn)檢測(cè)；其次采用的SURF特征描述向量不但具有尺度、旋轉(zhuǎn)不變性，而且還具有較好的區(qū)分性，所以新算法可以有效地提高圖像配準(zhǔn)可靠性和準(zhǔn)確性；同時(shí)還采用交叉匹配算法進(jìn)一步降低了誤匹配率，使得該算法魯棒性更強(qiáng)，運(yùn)動(dòng)參數(shù)求解得更加精確。


圖1為本發(fā)明的算法總流程框圖；圖2為兩幅圖像對(duì)應(yīng)點(diǎn)及估計(jì)點(diǎn)示意圖。
具體實(shí)施例方式現(xiàn)結(jié)合實(shí)施例、附圖對(duì)本發(fā)明作進(jìn)一步描述建立攝像機(jī)的幾何成像模型是消除相機(jī)自運(yùn)動(dòng)的基本前提。通常來(lái)說(shuō)，攝像機(jī)幾何成像模型可以用中心透視投影模型描述，在攝影測(cè)量學(xué)和計(jì)算機(jī)視覺(jué)等相關(guān)學(xué)科中，透視投影模型得到了充分研究，大多數(shù)算法都是基于透視投影模型開(kāi)發(fā)的。但是，由于透視投影的非線(xiàn)性，這些算法相對(duì)比較復(fù)雜，算法數(shù)值穩(wěn)定性較差，這一點(diǎn)在與圖像測(cè)量相關(guān)的領(lǐng)域已經(jīng)得到共識(shí)。當(dāng)拍攝過(guò)程中攝像機(jī)的內(nèi)參數(shù)不發(fā)生變化、距離拍攝區(qū)域較遠(yuǎn)時(shí)，視場(chǎng)遠(yuǎn)遠(yuǎn)大于目標(biāo)的尺度，不共面的特征物點(diǎn)在遠(yuǎn)場(chǎng)圖像中可以被近似認(rèn)為是共面的。此時(shí)仿射投影模型是透視投影模型的很好近似。事實(shí)上，基于仿射投影模型的像機(jī)自運(yùn)動(dòng)消除算法不僅能取得足夠的精度，而且能在很大程度上克服基于透視投影算法的數(shù)值不穩(wěn)定的缺點(diǎn)。其中基于特征點(diǎn)的配準(zhǔn)算法就需要基于如下仿射變換模型來(lái)計(jì)算出相機(jī)的自運(yùn)動(dòng)的仿射變換參數(shù)設(shè)X1和X2為同一平面或近似平面場(chǎng)景由不同視點(diǎn)拍攝的兩幅圖像中的對(duì)應(yīng)兩點(diǎn)，(X1, Y1, I)、(X2, y2, I)分別為圖像像素坐標(biāo)系中X1和X2兩點(diǎn)的齊次坐標(biāo)。空間同名點(diǎn)在不同視角或不同距離拍攝的圖像上，其對(duì)應(yīng)像素坐標(biāo)之間的變換關(guān)系可以用仿射變換模型進(jìn)行描述，即

權(quán)利要求
1.一種空間繩系機(jī)器人相機(jī)自運(yùn)動(dòng)檢測(cè)與補(bǔ)償方法，其特征在于步驟如下 步驟1:采用金字塔L-K法計(jì)算前后兩幀圖像I1和I2的點(diǎn)集{Pli}和{p2i}中對(duì)應(yīng)各點(diǎn)的光流矢量IVxi, VyJ，遍歷各點(diǎn)光流矢量{VXi，VyJ，將符合VXi>5并且VyiM的點(diǎn)形成點(diǎn)集Ixi, yj ； 同時(shí)，采用SURF算法分別提取前后兩幀圖像I1, I2的特征點(diǎn)，得到特征點(diǎn)簇IsliK{s2i},各點(diǎn)的坐標(biāo)為{χπ, Y1J , {x2i, y2i}； 步驟2:比較{Xli，yii}中各點(diǎn)與Ixi, yj中各點(diǎn)的歐氏距離，將歐氏距離大于5的各點(diǎn)組成為{xt，yt}； 步驟3 :對(duì)位于{xt, yj處的I1上的特征點(diǎn)簇{slt}建立64位的SURF特征描述符{dlt},對(duì)位于{xt, yj處的上的特征點(diǎn)簇{s2i}建立64位的SURF特征描述符{s2i}； 步驟4 :計(jì)算圖像I1的任一特征點(diǎn)Sltm與圖像I2中所有特征點(diǎn)Is2J之間的歐氏距離，如果兩個(gè)特征點(diǎn)Sltm和S2im之間的歐氏距離最短，則稱(chēng)點(diǎn)S2im是點(diǎn)Sltm的匹配點(diǎn)； 計(jì)算圖像I2的任一特征點(diǎn)S2tm與圖像I1中所有特征點(diǎn)Is1J之間的歐氏距離，如果兩個(gè)特征點(diǎn)S2tni和Slini之間的歐氏距離最短，則稱(chēng)點(diǎn)Slini是點(diǎn)S2tni的匹配點(diǎn)； 由此找出所有對(duì)應(yīng)點(diǎn)對(duì){slm}和Is2J ； 步驟5 :對(duì)匹配好的特征點(diǎn)對(duì){slm}和{s2m}，利用RANSAC算法估計(jì)出仿射變換模型A ；步驟6 :獲得兩幅圖像之間的仿射變換參數(shù)A后，根據(jù)仿射變換模型對(duì)應(yīng)關(guān)系對(duì)其中一幅圖像進(jìn)行仿射變換，從而消除像機(jī)運(yùn)動(dòng)。
全文摘要
本發(fā)明涉及一種空間繩系機(jī)器人相機(jī)自運(yùn)動(dòng)檢測(cè)與補(bǔ)償方法，技術(shù)特征在于計(jì)算出前后幀圖像中含有運(yùn)動(dòng)目標(biāo)的區(qū)域；然后利用SURF算法在不含運(yùn)動(dòng)目標(biāo)的區(qū)域進(jìn)行特征點(diǎn)檢測(cè)；其次采用的SURF特征描述向量不但具有尺度、旋轉(zhuǎn)不變性，而且還具有較好的區(qū)分性，所以新算法可以有效地提高圖像配準(zhǔn)可靠性和準(zhǔn)確性；同時(shí)還采用交叉匹配算法進(jìn)一步降低了誤匹配率，使得該算法魯棒性更強(qiáng)，運(yùn)動(dòng)參數(shù)求解得更加精確。
文檔編號(hào)G06T5/00GK103065329SQ20131001338
公開(kāi)日2013年4月24日 申請(qǐng)日期2013年1月15日 優(yōu)先權(quán)日2013年1月15日
發(fā)明者黃攀峰, 蔡佳, 孟中杰, 劉正雄 申請(qǐng)人:西北工業(yè)大學(xué)