一种基于枪球联动系统的坐标关联方法及装置制造方法
【专利摘要】本发明公开了一种基于枪球联动系统的坐标关联方法，该方法包括：针对同一场景，获取待标定枪机和待标定球机的监控图像；基于监控图像生成第一尺度空间图像集合以及第二尺度空间图像集合；分别在第一尺度空间图像集合和第二尺度空间图像集合中选取极值采样点，并在不同尺度空间图像集合中筛选出一定数目的匹配点组合；在匹配点组合中进一步筛选出一定数目的标定点组合；按照标定点组合的坐标获得枪机与球机监控图像的标定矩阵；按照获得的标定矩阵，确定所述第一监控图像中的指定像素点在所述第二监控图像中的对应像素点。这样，可以解决现有技术中存在的计算的标定矩阵存在误差，从而使得枪机和球机的对应关系不准确，引起联动跟踪的失败的问题。
【专利说明】一种基于枪球联动系统的坐标关联方法及装置
【技术领域】
[0001] 本发明涉及通信领域，尤其涉及一种基于枪球联动系统的坐标关联方法及装置。
【背景技术】
[0002] 近些年，随着科学技术的发展，智能跟踪技术也越来越受到通信领域人员的关注， 在越来越多的场合应用到智能跟踪技术，例如大型展览馆、会议厅以及危险路段。结合智能 跟踪技术对现场进行监控，可以节省安保人力，同时避免了由于保安人员的流动性造成的 安保漏洞。
[0003] 普通的智能球机只能单纯地侦测是否有人闯入，并不能判断闯入者的动向，而智 能跟踪球机可以通过对图像进行差分计算自动识别视觉范围内物体运动的方向，并自动控 制系统对移动物体进行连续追踪。
[0004] 枪球联动跟踪技术，是以单球机智能跟踪技术作为基础的，能够将普通的跟踪球 机的单点式监控，提升为系统内对单个目标的无缝式接力跟踪。
[0005] 枪球联动跟踪技术的实现，通过需要设定枪机作为发起点，对广域范围内的目标 进行智能行为分析，并将同时监控的多个目标按照既定的策略进行排序，并按照先后顺序， 指挥智能跟踪球机逐个跟踪监控目标，该技术实现的关键点是数据关联问题，即建立一个 统一的坐标系，使得发起枪机可以将目标的坐标信息传递给跟踪球机，实现联动跟踪。
[0006] 现有的枪球联动跟踪系统，需要用户在枪机画面中选择一定数目标定点，并在球 机画面中选择与枪机画面中选择的每一个标定点对应的标定点，在枪机画面和球机画面 中选择的这些标定点作为标定点组合，计算标定矩阵来获得观测数据和目标之间的对应关 系，但由于该方法是通过用户选择枪机和球机画面上的标定点组合，所以获得的标定点坐 标通常存在误差，进而导致计算的标定矩阵存在误差，从而使得枪机和球机的对应关系不 准确，引起联动跟踪的失败。
【发明内容】
[0007] 本发明实施例提供一种基于枪球联动系统的坐标关联方法及装置，用以解决现有 技术中存在的计算的标定矩阵存在误差，从而使得枪机和球机的对应关系不准确，引起联 动跟踪的失败的问题。
[0008] 本发明实施例提供的具体技术方案如下：
[0009] 第一方面，一种基于枪球联动系统的坐标关联方法，包括：
[0010] 针对同一场景，获取待标定枪机的第一监控图像和待标定球机的第二监控图像；
[0011] 基于所述第一监控图像生成第一尺度空间图像集合，以及基于所述第二监控图像 生成第二尺度空间图像集合；
[0012] 分别在所述第一尺度空间图像集合和所述第二尺度空间图像集合中选取极值采 样点，并分别在归属于第一尺度空间图像集合的极值采样点和归属于第二尺度空间图像集 合的极值采样点中筛选出符合第一设定数目的匹配点组合；
[0013] 在筛选出的匹配点组合中进一步筛选出符合第二设定数目的标定点组合，其中， 所述第二设定数目不少于四，且要求标定点组合在一个平面上，每任意三个标定点组合均 不在一条直线上；
[0014] 按照筛选出的标定点组合的坐标获得枪机与球机监控图像的标定矩阵；
[0015] 按照获得的标定矩阵，确定所述第一监控图像中的指定像素点在所述第二监控图 像中的对应像素点。
[0016] 这样，将获得的待标定枪机与球机的监控图像进行处理生成不同的空间图像集 合，得到极值采样点，并在不同的空间图像集合中极值采样点中进一步筛选出匹配点组合， 然后在匹配点组合中选择用于获得枪机与球机监控图像的标定矩阵的标定点组合，该标定 矩阵即为枪机与球机监控图像的对应关系，选择枪机监控图像上任意像素点，都可以根据 标定矩阵在球机监控图像中找到该点的对应点，降低了计算误差，使枪机和球机监控图像 的对应关系更准确。
[0017] 结合第一方面，在第一种可能的实现方式中，生成第一尺度空间图像集合，以及第 二尺度空间图像集合，包括：
[0018] 对所述第一监控图像进行高斯卷积核处理，将尺度可变高斯函数与第一监控图像 的空间坐标函数卷积，得到第一尺度空间图像集合；
[0019] 对所述第二监控图像进行高斯卷积核处理，将尺度可变高斯函数与第二监控图像 的空间坐标函数卷积，得到第二尺度空间图像集合。
[0020] 通过这种方式，可以把普通的二维图像整理为一组分辨率不同的图像集合，易于 找到图像中比较稳定的采样点。
[0021] 结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，分别在所 述第一尺度空间图像集合和所述第二尺度空间图像集合中选取极值采样点，包括：
[0022] 对第一尺度空间图像集合进行高斯差分尺度空间处理，将第一尺度空间图像集合 中不同尺度的高斯差分核与第一监控图像的空间坐标函数卷积，获得采样点；
[0023] 对第二尺度空间图像集合进行高斯差分尺度空间处理，将第一尺度空间图像集合 中不同尺度的高斯差分核与第二监控图像的空间坐标函数卷积，获得采样点；
[0024] 将所述第一尺度空间图像集合中的每一个采样点分别与其图像域及尺度域内的 相邻采样点进行大小比较，得到第一尺度空间图像集合中的极值采样点；
[0025] 将所述第二尺度空间图像集合中的每一个采样点分别与其图像域及尺度域内的 相邻采样点进行大小比较，得到第二尺度空间图像集合中的极值采样点。
[0026] 通过对采样点和其相邻的采样点进行大小比较，可以找到确保在尺度空间图像集 合和监控图像中都能找到极值采样点。
[0027] 结合第一方面，在第三种可能的实现方式中，分别在归属于第一尺度空间图像集 合的极值采样点和归属于第二尺度空间图像集合的极值采样点中筛选出符合第一设定数 目的匹配点组合，包括 ：
[0028] 根据每一个极值采样点的邻域的像素点，获得相应极值采样点处的梯度模值和梯 度方向；
[0029] 分别根据以每一个极值采样点为中心的高斯加权范围内所有像素点的梯度模值 和梯度方向，得到相应极值采样点的特征描述算子；
[0030] 分别针对第一尺度空间图像集合中的每一个极值采样点，在第二尺度空间图像集 合中选择第一极值采样点和第二极值采样点，其中，第一尺度空间图像集合中任意一个极 值采样点与其对应的第一极值采样点之间的欧式距离最短，所述任意一个极值采样点与其 对应的第二极值采样点之间的欧式距离次短，所述欧式距离是基于两个极值采样点的方向 和特征描述算子计算得到的；
[0031] 根据第一尺度空间图像集合中每一个极值采样点与对应的第一极值采样点之间 的欧式距离和与第二极值采样点之间的欧式距离的比值，在第一尺度空间图像集合中的所 有极值采样点和其各自对应的第一极值点采样点中，筛选出符合第一设定数目的匹配点组 合。
[0032] 这样，可以在第二尺度空间图像集合中的所有极值采样点中找到，第一尺度空间 图像集合中每一个极值采样点之间的欧式距离满足一定条件的极值采样点，即为匹配点组 合。
[0033] 结合第一方面的第三种可能的实现方式，在第四种可能的实现方式中，根据每一 个极值采样点的邻域的像素点，获得相应极值采样点处的梯度模值和梯度方向，包括： [0034] 根据每一个极值采样点的邻域像素的梯度方向分布特性，得到该极值采样点处的 梯度模值和梯度方向；
[0035]或者，
[0036] 采用直方图统计每一个极值采样点的邻域像素的梯度方向，得到该极值采样点的 梯度方向。
[0037] 通过这种方法，可以得到极值采样点处的梯度模值和梯度方向，用以计算该极值 采样点与另一尺度空间图像集合中极值采样点的欧式距离。
[0038] 结合第一方面的第三种可能的实现方式，在第五种可能的实现方式中根据第一尺 度空间图像集合中每一个极值采样点与对应的第一极值采样点之间的欧式距离和与第二 极值采样点之间的欧式距离的比值，在第一尺度空间图像集合中的所有极值采样点和其各 自对应的第一极值点采样点中，筛选出符合第一设定数目的匹配点组合，包括 ：
[0039] 在确定第一尺度空间图像集合中某一极值采样点与对应的第一极值采样点之间 的欧式距离和与对应的第二极值采样点之间的欧式距离的比值，小于设定阈值时，确定所 述某一极值采样点与对应的第一极值采样点为一匹配点组合，并将所述比值确定为该匹配 点组合的相似度参数；
[0040] 将获得的所有匹配点组合按照相似度参数进行排序，并按照相似度参数从小到大 的顺序筛选出符合第一设定数目的匹配点组合。
[0041] 通过相似度的参数与设定阈值的比较，得到符合条件的匹配点组合，并通过相似 度参数排序，得到最相似的匹配点组合。
[0042] 结合第一方面，在第六种可能的实现方式中，在筛选出的匹配点组合中进一步筛 选出符合第二设定数目的标定点组合，包括：
[0043] 其中，若获得的标定点组合的数目大于二，则选取包含的全部标定点形成的平面 图形面积最大的标定点组合。
[0044] 通过这种方法，可以筛选可以准确得到枪机与球机监控图像的标定矩阵的标定点 组合。
[0045] 结合第一方面的上述第一至第四，第六种可能的实现方式中任意一种实现方式， 在第七种可能的实现方式中，按照筛选出的标定点组合的坐标获得枪机与球机监控图像的 标定矩阵，包括：
[0046] 根据筛选出的标定点组合中每一个标定点的坐标，运用如下公式获得枪机与球机 监控图像的标定矩阵：
[0047] Ah = 0
[0048] 其中，A为标定点组合的坐标矩阵，h为枪机与球机监控图像的标定矩阵。
[0049] 通过这种方法，可以得到枪机与球机监控图像的标定矩阵。
[0050] 第二方面，一种基于枪球联动系统的坐标关联装置，包括：
[0051] 获取单元，用于针对同一场景，获取待标定枪机的第一监控图像和待标定球机的 第二监控图像；
[0052] 处理单元，用于基于所述第一监控图像生成第一尺度空间图像集合，以及基于所 述第二监控图像生成第二尺度空间图像集合；
[0053] 第一筛选单元，用于分别在所述第一尺度空间图像集合和所述第二尺度空间图像 集合中选取极值采样点，并分别在归属于第一尺度空间图像集合的极值采样点和归属于第 二尺度空间图像集合的极值采样点中筛选出符合第一设定数目的匹配点组合；
[0054] 第二筛选单元，用于在筛选出的匹配点组合中进一步筛选出符合第二设定数目的 标定点组合，其中，所述第二设定数目不少于四，且要求标定点组合在一个平面上，每任意 三个标定点组合均不在一条直线上；
[0055] 计算单元，用于按照筛选出的标定点组合的坐标获得枪机与球机监控图像的标定 矩阵；
[0056] 运行单元，用于按照获得的标定矩阵，确定所述第一监控图像中的指定像素点在 所述第二监控图像中的对应像素点。
[0057] 通过这种方法，处理单元将获得的待标定枪机与球机的监控图像进行处理生成不 同的空间图像集合，得到极值采样点，第一筛选单元在不同的空间图像集合中极值采样点 中进一步筛选出匹配点组合，然后第二筛选单元在匹配点组合中选择计算单元计算枪机与 球机监控图像的标定矩阵的标定点组合，该标定矩阵即为枪机与球机监控图像的对应关 系，选择枪机监控图像上任意像素点，都可以根据标定矩阵在球机监控图像中找到该点的 对应点，降低了计算误差，使枪机和球机监控图像的对应关系更准确。
[0058] 结合第二方面，在第一种可能的实现方式中，所述处理单元生成第一尺度空间图 像集合，以及第二尺度空间图像集合，包括：
[0059] 所述处理单元对所述第一监控图像进行高斯卷积核处理，将尺度可变高斯函数与 第一监控图像的空间坐标函数卷积，得到第一尺度空间图像集合；
[0060] 所述处理单元对所述第二监控图像进行高斯卷积核处理，将尺度可变高斯函数与 第二监控图像的空间坐标函数卷积，得到第二尺度空间图像集合。
[0061] 通过这种方式，处理单元可以把普通的二维图像整理为一组分辨率不同的图像集 合，易于找到图像中比较稳定的采样点。
[0062] 结合第二方面的第一种可能的实现方式，在第二种可能的实现方式中，第一筛选 单元分别在所述第一尺度空间图像集合和所述第二尺度空间图像集合中选取极值采样点， 包括：
[0063] 第一筛选单元对第一尺度空间图像集合进行高斯差分尺度空间处理，将第一尺度 空间图像集合中不同尺度的高斯差分核与第一监控图像的空间坐标函数卷积，获得采样 占.
[0064] 第一筛选单元对第二尺度空间图像集合进行高斯差分尺度空间处理，将第一尺度 空间图像集合中不同尺度的高斯差分核与第二监控图像的空间坐标函数卷积，获得采样 占.
[0065] 第一筛选单元将所述第一尺度空间图像集合中的每一个采样点分别与其图像域 及尺度域内的相邻采样点进行大小比较，得到第一尺度空间图像集合中的极值采样点； [0066] 第一筛选单元将所述第二尺度空间图像集合中的每一个采样点分别与其图像域 及尺度域内的相邻采样点进行大小比较，得到第二尺度空间图像集合中的极值采样点。 [0067] 通过第一筛选单元对采样点和其相邻的采样点进行大小比较，可以找到确保在尺 度空间图像集合和监控图像中都能找到极值采样点。
[0068] 结合第二方面，在第三种可能的实现方式中，所述第一筛选单元分别在归属于第 一尺度空间图像集合的极值采样点和归属于第二尺度空间图像集合的极值采样点中筛选 出符合第一设定数目的匹配点组合，包括：
[0069] 所述第一筛选单元根据每一个极值采样点的邻域的像素点，获得相应极值采样点 处的梯度模值和梯度方向；
[0070] 所述第一筛选单元分别根据以每一个极值采样点为中心的高斯加权范围内所有 像素点的梯度模值和梯度方向，得到相应极值采样点的特征描述算子；
[0071] 所述第一筛选单元分别针对第一尺度空间图像集合中的每一个极值采样点，在第 二尺度空间图像集合中选择第一极值采样点和第二极值采样点，其中，第一尺度空间图像 集合中任意一个极值采样点与其对应的第一极值采样点之间的欧式距离最短，所述任意一 个极值采样点与其对应的第二极值采样点之间的欧式距离次短，所述欧式距离是基于两个 极值采样点的方向和特征描述算子计算得到的；
[0072] 所述第一筛选单元根据第一尺度空间图像集合中每一个极值采样点与对应的第 一极值采样点之间的欧式距离和与第二极值采样点之间的欧式距离的比值，在第一尺度空 间图像集合中的所有极值采样点和其各自对应的第一极值点采样点中，筛选出符合第一设 定数目的匹配点组合。
[0073] 这样，第一筛选单元可以在第二尺度空间图像集合中的所有极值采样点中找到， 第一尺度空间图像集合中每一个极值采样点之间的欧式距离满足一定条件的极值采样点， 即为匹配点组合。
[0074] 结合第二方面的第三种可能的实现方式，在第四种可能的实现方式中，所述第一 筛选单元根据每一个极值采样点的邻域的像素点，获得相应极值采样点处的梯度模值和梯 度方向，包括：
[0075] 所述第一筛选单元根据每一个极值采样点的邻域像素的梯度方向分布特性，得到 该极值采样点处的梯度模值和梯度方向；
[0076]或者，
[0077] 所述第一筛选单元采用直方图统计每一个极值采样点的邻域像素的梯度方向，得 到该极值采样点的梯度方向。
[0078] 通过这种方法，第一筛选单元可以得到极值采样点处的梯度模值和梯度方向，用 以计算该极值采样点与另一尺度空间图像集合中极值采样点的欧式距离。
[0079] 结合第二方面的第三种可能的实现方式，在第五种可能的实现方式中，所述第一 筛选单元根据第一尺度空间图像集合中每一个极值采样点与对应的第一极值采样点之间 的欧式距离和与第二极值采样点之间的欧式距离的比值，在第一尺度空间图像集合中的所 有极值采样点和其各自对应的第一极值点采样点中，筛选出符合第一设定数目的匹配点组 合，包括：
[0080] 所述第一筛选单元在确定第一尺度空间图像集合中某一极值采样点与对应的第 一极值采样点之间的欧式距离和与对应的第二极值采样点之间的欧式距离的比值，小于设 定阈值时，确定所述某一极值采样点与对应的第一极值采样点为一匹配点组合，并将所述 比值确定为该匹配点组合的相似度参数；
[0081] 所述第一筛选单元将获得的所有匹配点组合按照相似度参数进行排序，并按照相 似度参数从小到大的顺序筛选出符合第一设定数目的匹配点组合。
[0082] 通过相似度的参数与设定阈值的比较，第一筛选单元可以得到符合条件的匹配点 组合，并通过相似度参数排序，得到最相似的匹配点组合。
[0083] 结合第二方面，在第六种可能的实现方式中，所述第二筛选单元在筛选出的匹配 点组合中进一步筛选出符合第二设定数目的标定点组合，包括：
[0084] 其中，若获得的标定点组合的数目大于二，则选取包含的全部标定点形成的平面 图形面积最大的标定点组合。
[0085] 通过这种方法，第二筛选单元筛选出可以准确计算出枪机与球机监控图像的标定 矩阵的标定点组合。
[0086] 结合第二方面的上述第一至第四，第六种可能的实现方式中任意一种实现方式， 在第七种可能的实现方式中，所述计算单元按照筛选出的标定点组合的坐标获得枪机与球 机监控图像的标定矩阵，包括：
[0087] 所述计算单元根据筛选出的标定点组合中每一个标定点的坐标，运用如下公式获 得枪机与球机监控图像的标定矩阵：
[0088] Ah = 0
[0089] 其中，A为标定点组合的坐标矩阵，h为枪机与球机监控图像的标定矩阵。
[0090] 通过这种方法，计算单元可以得到枪机与球机监控图像的标定矩阵。
[0091] 采用本发明技术方案，可以有效的避免计算的标定矩阵存在误差，从而使得枪机 和球机的对应关系不准确，引起联动跟踪的失败的问题，提升了枪机与球机的标定精度，并 简化了标定的过程。本发明技术方案，适用于目前市场出现的各种枪球联动系统，而且运用 软件实现，没有增加硬件开销。
【专利附图】
【附图说明】
[0092] 图1为本发明实施例提供的基于枪球联动系统的坐标关联方法的具体流程图；
[0093]图2为本发明实施例提供的筛选出符合第一设定数目的匹配点组合的具体流程 图；
[0094] 图3为本发明实施例提供的极值采样点的特征描述算子生成示意图；
[0095] 图4为本发明实施例提供的基于枪球联动系统的坐标关联方法的实例图；
[0096] 图5为本发明实施例提供的基于枪球联动系统的坐标关联装置结构图。
【具体实施方式】
[0097] 采用本发明技术方案，能够有效地避免了计算标定矩阵中存在的误差导致联动跟 踪失败的问题，提升了枪机与球机的标定精度，并简化了标定的过程。
[0098] 本发明实施例提供了一种基于枪球联动系统的坐标关联方法，下面结合附图对本 发明优选的实施方式进行详细说明。
[0099] 在实现本发明技术方案的过程中，应用特征点探测方法获取标定点，其中，本 发明技术方案可以应用的特征点方法，包括：基于尺度不变特征转换（Scale-Invariant Feature,SIFT)特征点探测方法、基于快速实时识别目标特征（Oriented Fast and Rotated BRIEF, ORB)特征点探测方法、基于加速鲁棒性特征（Speeded Up Robust Features, SURF)特征点探测方法以及快速基于特征点的目标或者图像匹配算法（Binary Robust Independent Elementary Features,BRIEF)特征点探测方法，本发明实施例应用SIFT特征 点探测方法实现枪球联动跟踪系统的坐标关联方法，其它方法也可实现本发明技术方案， 此处不再赘述。
[0100] 参阅图1所示，基于枪球联动系统的坐标关联方法的具体处理流程包括：
[0101] 步骤101 :针对同一场景，获取待标定枪机的第一监控图像和待标定球机的第二 监控图像。
[0102] 第一监控图像为枪球联动系统中待标定枪机拍摄的监控画面，第二监控图像为与 与待标定枪机对应的待标定球机拍摄的监控趣面。
[0103] 步骤102 :基于第一监控图像生成第一尺度空间图像集合，以及基于第二监控图 像生成第二尺度空间图像集合。
[0104] 对第一监控图像进行高斯卷积核处理，见公式一所示，得到第一尺度空间图像集 合：
[0105] L (X，y，〇 ) = G (X，y，〇 ) *1 (X，y) 公式一
[0106] 式中，G(x，y，〇 )是尺度可变高斯函数，G(ao
【权利要求】
1. 一种基于枪球联动系统的坐标关联方法，其特征在于，包括： 针对同一场景，获取待标定枪机的第一监控图像和待标定球机的第二监控图像； 基于所述第一监控图像生成第一尺度空间图像集合，以及基于所述第二监控图像生成 第二尺度空间图像集合； 分别在所述第一尺度空间图像集合和所述第二尺度空间图像集合中选取极值采样点， 并分别在归属于第一尺度空间图像集合的极值采样点和归属于第二尺度空间图像集合的 极值采样点中筛选出符合第一设定数目的匹配点组合； 在筛选出的匹配点组合中进一步筛选出符合第二设定数目的标定点组合，其中，所述 第二设定数目不少于四，且要求标定点组合在一个平面上，每任意三个标定点组合均不在 一条直线上； 按照筛选出的标定点组合的坐标获得枪机与球机监控图像的标定矩阵； 按照获得的标定矩阵，确定所述第一监控图像中的指定像素点在所述第二监控图像中 的对应像素点。
2. 如权利要求1所述的方法，其特征在于，生成第一尺度空间图像集合，以及第二尺度 空间图像集合，包括： 对所述第一监控图像进行高斯卷积核处理，将尺度可变高斯函数与第一监控图像的空 间坐标函数卷积，得到第一尺度空间图像集合； 对所述第二监控图像进行高斯卷积核处理，将尺度可变高斯函数与第二监控图像的空 间坐标函数卷积，得到第二尺度空间图像集合。
3. 如权利要求2所述的方法，其特征在于，分别在所述第一尺度空间图像集合和所述 第二尺度空间图像集合中选取极值采样点，包括： 对第一尺度空间图像集合进行高斯差分尺度空间处理，将第一尺度空间图像集合中不 同尺度的高斯差分核与第一监控图像的空间坐标函数卷积，获得采样点； 对第二尺度空间图像集合进行高斯差分尺度空间处理，将第一尺度空间图像集合中不 同尺度的高斯差分核与第二监控图像的空间坐标函数卷积，获得采样点； 将所述第一尺度空间图像集合中的每一个采样点分别与其图像域及尺度域内的相邻 采样点进行大小比较，得到第一尺度空间图像集合中的极值采样点； 将所述第二尺度空间图像集合中的每一个采样点分别与其图像域及尺度域内的相邻 采样点进行大小比较，得到第二尺度空间图像集合中的极值采样点。
4. 如权利要求1所述的方法，其特征在于，分别在归属于第一尺度空间图像集合的极 值采样点和归属于第二尺度空间图像集合的极值采样点中筛选出符合第一设定数目的匹 配点组合，包括： 根据每一个极值采样点的邻域的像素点，获得相应极值采样点处的梯度模值和梯度方 向； 分别根据以每一个极值采样点为中心的高斯加权范围内所有像素点的梯度模值和梯 度方向，得到相应极值采样点的特征描述算子； 分别针对第一尺度空间图像集合中的每一个极值采样点，在第二尺度空间图像集合中 选择第一极值采样点和第二极值采样点，其中，第一尺度空间图像集合中任意一个极值采 样点与其对应的第一极值采样点之间的欧式距离最短，所述任意一个极值采样点与其对应 的第二极值采样点之间的欧式距离次短，所述欧式距离是基于两个极值采样点的方向和特 征描述算子计算得到的； 根据第一尺度空间图像集合中每一个极值采样点与对应的第一极值采样点之间的欧 式距离和与第二极值采样点之间的欧式距离的比值，在第一尺度空间图像集合中的所有极 值采样点和其各自对应的第一极值点采样点中，筛选出符合第一设定数目的匹配点组合。
5. 如权利要求4所述的方法，其特征在于，根据每一个极值采样点的邻域的像素点，获 得相应极值采样点处的梯度模值和梯度方向，包括： 根据每一个极值采样点的邻域像素的梯度方向分布特性，得到该极值采样点处的梯度 模值和梯度方向； 或者， 采用直方图统计每一个极值采样点的邻域像素的梯度方向，得到该极值采样点的梯度 方向。
6. 如权利要求1或4所述的方法，其特征在于，根据第一尺度空间图像集合中每一个极 值采样点与对应的第一极值采样点之间的欧式距离和与第二极值采样点之间的欧式距离 的比值，在第一尺度空间图像集合中的所有极值采样点和其各自对应的第一极值点采样点 中，筛选出符合第一设定数目的匹配点组合，包括： 在确定第一尺度空间图像集合中某一极值采样点与对应的第一极值采样点之间的欧 式距离和与对应的第二极值采样点之间的欧式距离的比值，小于设定阈值时，确定所述某 一极值采样点与对应的第一极值采样点为一匹配点组合，并将所述比值确定为该匹配点组 合的相似度参数； 将获得的所有匹配点组合按照相似度参数进行排序，并按照相似度参数从小到大的顺 序筛选出符合第一设定数目的匹配点组合。
7. 如权利要求1所述的方法，其特征在于，在筛选出的匹配点组合中进一步筛选出符 合第二设定数目的标定点组合，包括： 其中，若获得的标定点组合的数目大于二，则选取包含的全部标定点形成的平面图形 面积最大的标定点组合。
8. 如权利要求1 一 5, 7任一项所述的方法，其特征在于，按照筛选出的标定点组合的坐 标获得枪机与球机监控图像的标定矩阵，包括： 根据筛选出的标定点组合中每一个标定点的坐标，运用如下公式获得枪机与球机监控 图像的标定矩阵： Ah = 0 其中，A为标定点组合的坐标矩阵，h为枪机与球机监控图像的标定矩阵。
9. 一种基于枪球联动系统的坐标关联装置，其特征在于，包括： 获取单元，用于针对同一场景，获取待标定枪机的第一监控图像和待标定球机的第二 监控图像； 处理单元，用于基于所述第一监控图像生成第一尺度空间图像集合，以及基于所述第 二监控图像生成第二尺度空间图像集合； 第一筛选单元，用于分别在所述第一尺度空间图像集合和所述第二尺度空间图像集合 中选取极值采样点，并分别在归属于第一尺度空间图像集合的极值采样点和归属于第二尺 度空间图像集合的极值采样点中筛选出符合第一设定数目的匹配点组合； 第二筛选单元，用于在筛选出的匹配点组合中进一步筛选出符合第二设定数目的标定 点组合，其中，所述第二设定数目不少于四，且要求标定点组合在一个平面上，每任意三个 标定点组合均不在一条直线上； 计算单元，用于按照筛选出的标定点组合的坐标获得枪机与球机监控图像的标定矩 阵； 运行单元，用于按照获得的标定矩阵，确定所述第一监控图像中的指定像素点在所述 第二监控图像中的对应像素点。
10. 如权利要求9所述的装置，其特征在于，所述处理单元生成第一尺度空间图像集 合，以及第二尺度空间图像集合，包括： 所述处理单元对所述第一监控图像进行高斯卷积核处理，将尺度可变高斯函数与第一 监控图像的空间坐标函数卷积，得到第一尺度空间图像集合； 所述处理单元对所述第二监控图像进行高斯卷积核处理，将尺度可变高斯函数与第二 监控图像的空间坐标函数卷积，得到第二尺度空间图像集合。
11. 如权利要求10所述的装置，其特征在于，第一筛选单元分别在所述第一尺度空间 图像集合和所述第二尺度空间图像集合中选取极值采样点，包括： 第一筛选单元对第一尺度空间图像集合进行高斯差分尺度空间处理，将第一尺度空间 图像集合中不同尺度的高斯差分核与第一监控图像的空间坐标函数卷积，获得采样点； 第一筛选单元对第二尺度空间图像集合进行高斯差分尺度空间处理，将第一尺度空间 图像集合中不同尺度的高斯差分核与第二监控图像的空间坐标函数卷积，获得采样点； 第一筛选单元将所述第一尺度空间图像集合中的每一个采样点分别与其图像域及尺 度域内的相邻采样点进行大小比较，得到第一尺度空间图像集合中的极值采样点； 第一筛选单元将所述第二尺度空间图像集合中的每一个采样点分别与其图像域及尺 度域内的相邻采样点进行大小比较，得到第二尺度空间图像集合中的极值采样点。
12. 如权利要求9所述的装置，其特征在于，所述第一筛选单元分别在归属于第一尺度 空间图像集合的极值采样点和归属于第二尺度空间图像集合的极值采样点中筛选出符合 第一设定数目的匹配点组合，包括： 所述第一筛选单元根据每一个极值采样点的邻域的像素点，获得相应极值采样点处的 梯度模值和梯度方向； 所述第一筛选单元分别根据以每一个极值采样点为中心的高斯加权范围内所有像素 点的梯度模值和梯度方向，得到相应极值采样点的特征描述算子； 所述第一筛选单元分别针对第一尺度空间图像集合中的每一个极值采样点，在第二尺 度空间图像集合中选择第一极值采样点和第二极值采样点，其中，第一尺度空间图像集合 中任意一个极值采样点与其对应的第一极值采样点之间的欧式距离最短，所述任意一个极 值采样点与其对应的第二极值采样点之间的欧式距离次短，所述欧式距离是基于两个极值 采样点的方向和特征描述算子计算得到的； 所述第一筛选单元根据第一尺度空间图像集合中每一个极值采样点与对应的第一极 值采样点之间的欧式距离和与第二极值采样点之间的欧式距离的比值，在第一尺度空间图 像集合中的所有极值采样点和其各自对应的第一极值点采样点中，筛选出符合第一设定数 目的匹配点组合。
13. 如权利要求12所述的装置，其特征在于，所述第一筛选单元根据每一个极值采样 点的邻域的像素点，获得相应极值采样点处的梯度模值和梯度方向，包括： 所述第一筛选单元根据每一个极值采样点的邻域像素的梯度方向分布特性，得到该极 值采样点处的梯度模值和梯度方向； 或者， 所述第一筛选单元采用直方图统计每一个极值采样点的邻域像素的梯度方向，得到该 极值采样点的梯度方向。
14. 如权利要求9或12所述的装置，其特征在于，所述第一筛选单元根据第一尺度空间 图像集合中每一个极值采样点与对应的第一极值采样点之间的欧式距离和与第二极值采 样点之间的欧式距离的比值，在第一尺度空间图像集合中的所有极值采样点和其各自对应 的第一极值点采样点中，筛选出符合第一设定数目的匹配点组合，包括： 所述第一筛选单元在确定第一尺度空间图像集合中某一极值采样点与对应的第一极 值采样点之间的欧式距离和与对应的第二极值采样点之间的欧式距离的比值，小于设定阈 值时，确定所述某一极值采样点与对应的第一极值采样点为一匹配点组合，并将所述比值 确定为该匹配点组合的相似度参数； 所述第一筛选单元将获得的所有匹配点组合按照相似度参数进行排序，并按照相似度 参数从小到大的顺序筛选出符合第一设定数目的匹配点组合。
15. 如权利要求9所述的装置，其特征在于，所述第二筛选单元在筛选出的匹配点组合 中进一步筛选出符合第二设定数目的标定点组合，包括： 其中，若获得的标定点组合的数目大于二，则选取包含的全部标定点形成的平面图形 面积最大的标定点组合。
16. 如权利要求9 一 13,15任一项所述的装置，其特征在于，所述计算单元按照筛选出 的标定点组合的坐标获得枪机与球机监控图像的标定矩阵，包括： 所述计算单元根据筛选出的标定点组合中每一个标定点的坐标，运用如下公式获得枪 机与球机监控图像的标定矩阵： Ah = 0 其中，A为标定点组合的坐标矩阵，h为枪机与球机监控图像的标定矩阵。
【文档编号】G06T7/00GK104424631SQ201310372758
【公开日】2015年3月18日 申请日期:2013年8月23日 优先权日:2013年8月23日
【发明者】程淼, 周璐, 王磊, 张兴明 申请人:浙江大华技术股份有限公司