的计算结果;并且优化了缓存数据的读取带宽，使得计算性能满足实时要求;还通过 优化缓存结构，剔除冗余数据，降低了对存储资源的需求，从而实现了在提高计算精度的同 时，还提高了计算性能，降低了资源占用，克服了处理实时高分辨率图像时的性能和资源不 足的问题。
[0029] 本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变 得明显，或通过本发明的实践了解到。
【附图说明】
[0030] 本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得 明显和容易理解，其中：
[0031] 图1是本发明一个实施例的基于尺度化缓存插值结构的鲁棒特征点提取系统的整 体结构框图；
[0032] 图2是本发明一个实施例的基于尺度化缓存插值结构的鲁棒特征点提取系统的尺 度化缓存插值结构原理图；W及
[0033] 图3是根据本发明一个实施例的基于尺度化缓存插值结构的鲁棒特征点提取系统 的匹配精度对比图。
【具体实施方式】
[0034] 下面详细描述本发明的实施例，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元件或具有相同或类似功能的元件。下面通过参考附 图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
[0035] W下结合附图描述根据本发明实施例的基于尺度化缓存插值结构的鲁棒特征点 提取系统。
[0036] 图1是根据本发明一个实施例的基于尺度化缓存插值结构的鲁棒特征点提取系统 的整体结构框图。如图1所示，该基于尺度化缓存插值结构的鲁棒特征点提取系统采用流水 线结构，包括:积分图计算模块110、特征点定位模块120、尺度化缓存插值模块130、特征点 方向计算模块140、特征点描述符向量计算模块150及单位向量计算模块160。
[0037] 其中，积分图计算模块110用于读取预先缓存的输入图像，并计算得到输入图像的 积分图数据。
[0038] 特征点定位模块120与积分图计算模块110相连，用于根据积分图数据得到符合预 设条件的特征点的亚像素位置，其中，亚像素位置包括亚像素坐标及所在尺度。例如，符合 预设条件的亚像素位置记作x(x，y，s)，其中，亚像素坐标为(x，y)，所在尺度为S。
[0039] 尺度化缓存插值模块130与积分图计算模块110相连，用于对积分图数据进行多尺 度化缓存，W得到整数坐标数据组，并对所述整数坐标组进行插值。
[0040] 具体地，在本发明的一个实施例中，结合图2所示，尺度化缓存插值模块130用于： 将特征点方向计算所需的邻域点作为积分图数据插值，并将该积分图数据插值存储于尺度 化积分图缓存组中；W及将特征点描述符向量计算所需的邻域点作为化ar小波向量数据插 值，并将该化ar小波向量数据插值分别存储于第一尺度化缓存组(如图2中的化a巧)和第二 尺度化缓存组(如图2中的化arY)中。运样设计是因为，特征点方向的邻域点由于不需旋转， 使得邻域点间的积分图数据可W实现有效的复用。运样，特征点方向的计算不需牺牲计算 精度。而在特征点描述符向量计算所需的每个尺度化缓存中，则配有一个化ar计算模块使 用积分图数据计算得到整数坐标的化ar小波向量数据。
[0041] 特征点方向计算模块140分别与特征点定位模块120和尺度化缓存插值模块130相 连，用于根据每个特征点的亚像素位置及尺度化缓存插值模块输出的插值结果确定每个特 征点的特征方向。其中，尺度化缓存插值模块输出的插值结果例如包括亚像素积分图数据 和亚像素化ar小波向量数据。
[0042] 具体地，在本发明的一个实施例中，特征点方向计算模块140用于根据每个特征点 的亚像素位置计算对应的多个(例如109个)邻域点所复用的多个(例如255个)积分图数据 的亚像素坐标，并从尺度化缓存插值模块130中读取亚像素积分图数据，通过化ar计算后得 到化ar小波向量，并根据化ar小波向量，通过扇形滑窗模块确定每个特征点的特征方向。
[0043] 特征点描述符向量计算模块150分别与特征点方向模块140和尺度化缓存插值模 块130相连，用于根据特征点的亚像素位置、尺度化缓存插值模块输出的插值结果和特征点 方向，计算得到特征点描述符向量。
[0044] 具体地，在本发明的一个实施例中，特征点描述向量计算模块150用于根据特征点 的亚像素位置和特征点方向，计算对应的多个(例如576个)邻域点的亚像素坐标，并从尺度 化缓存插值模块130中读取亚像素化ar小波向量数据，并通过高斯累加后得到特征点描述 符向量。
[004引在本发明的一个实施例中，例如，上述的尺度化积分图缓存组、第一尺度化缓存组 和第二尺度化缓存组均包括第一至第四尺度化缓存，第一至第四尺度化缓存分别包括第五 至第八尺度化子缓存，第五至第八尺度化子缓存分别根据数据的坐标信息的奇偶性对数据 进行存储。其中，上述的第一至第四尺度化缓存的尺度各不相同。进一步地，尺度化缓存插 值模块130还用于在特征点方向计算模块140和特征点描述符向量计算模块150将亚像素坐 标信息传入时，根据坐标信息分别从第五至第八尺度化子缓存中读取一个相应的数据，W 构成亚像素数据插值所需的整数坐标数据组。其中，该整数坐标数据组包括:左上、右上、右 下和左下四个整数坐标。换言之，结合图2所示，即每个尺度化缓存组中都划分为了四个尺 度不同的尺度化缓存，运四个尺度不同的尺度化缓存又分别包括四个根据数据的坐标信息 的奇偶性进行存储的尺度化子缓存。进而，在特征点方向计算模块140和特征点描述符向量 计算模块150将亚像素坐标信息传入时，根据坐标信息从运四个根据数据的坐标信息的奇 偶性进行存储的尺度化子缓存中各读取一个相应的数据，构成亚像素数据插值所需的左 上、右上、右下、左下四个整数坐标数据组，W供插值模块进行插值计算后输出。
[0046] 单位向量计算模块160与特征点描述符向量计算模块150相连，用于对特征点描述 符向量进行单位化，W得到预设小数精度位数(例如为小数点后16bit精度）的特征点单位 向量描述符向量。
[0047] 图3展示了利用本发明实施例的鲁棒特征点提取系统在具体实施时获得的匹配精 度对比示意图。如图3所示，相较于采用了定点整数精度坐标方式的软件算法(Open洲RF)， 本发明的实施例获得了更高的Recall曲线，即更好的匹配精度。表1展示了利用本发明鲁棒 特征点提取系统在具体实施时获得的最优性能结果。可W看出本发明的实施例获得了 243KPPS的最大每秒可处理特征点数性能，则在1920x1080的高清分辨率下，仍能在最大 72FPS的帖率时，提供最多每帖3250个特征点的处理能力，而片内缓存BRAM资源仅占用 6.9Mbi ts，即实现了对实时高分辨率图像的支持。
[004引
[0049] 表 1
[0050] 总的来说，本发明的实施例在计算化ar小波向量时，将其所使用的积分图数据的 索引坐标精度由定点整数精度改进为定点小数精度(小数点后1化it精度），得到积分图数 据的亚像素坐标。相应的，所需积分图数据，则使用每个积分图数据周边四个整数索引坐标 的积分图数据，通过双线性插值得到。积分图插值方法使用了更接近于SURF理论算法的积 分图亚像素坐标，修正了读取数据的索引偏差;通过插值得到了亚像素积分图数据，也在一 定程度上修正了数字图像系统的量化误差，更为接近连续图像。W上都帮助本发明实施例 的系统的计算精度更接近于SURF理论算法的计算结果，提高了计算精度。简言之，即本发明 的实施例使用了定点小数精度坐标，并通过插值得到了亚像素积分图数据与亚像素化ar小 波向量，获得了更接近于理论算法的计算精度。
[0051] 另外，由于使用积分图插值结构，需要由原先的每个积分图数据读取一次缓存，改 为读取四次，带来了 4倍的数据读取带宽，增加了系统复杂度，因此，将积分图插值的计算精 度进行一定的折衷牺牲，即在计算特征点坐标和每个特征点的各个邻域点坐标时，仍使用 亚像素坐标，即尺寸间隔S为亚像素级;在继续计算每个邻域点所需各个积分图数据的坐标 时，则将尺寸间隔S通过圆整降为原先的像素级。运样，可W将插值步骤由对积分图数据进 行，改为对化ar小波向量数据进行。运是因为，用于插值的周边四个整数索引坐标的化ar小 波向量数据，其所需的各个积分图数据也位于整数坐标，可直接从缓存中读取，而不需插 值，进而可W改进为计算并缓存整数索引坐标的化ar小波向量数据。于是，计算每个邻域点 的化ar小波向量时，数据读取带宽则由原算法的需读取8个积分图数据，降为了仅需读取4 个整数坐标化ar小波向量。运在当前的硬件能力(FPGA)限制下，有效克服了系统的计算瓶 颈，提高了计算性能，实现了 SURF算法的硬件实时计算。简言之，即本发明的实施例通过对 化ar小波向量进行插值，使得读取数据所需的带宽得到减半，提高了系统的计算性能。
[0052] 对于特征点的特征方向与描述符向量所需的化