专利名称：室内的视觉定位方法
技术领域：
:本发明属图像处理领域。是一种利用计算机技术、图象摄取技术、数字图象处理技术、光学技术等实现室内视觉定位方法。该方法能实现对摄像头摄取视频的自动分析，并判断出摄像头的位移大小和方向。
背景技术：
:全局运动估计方法可划分为两类:一是直接基于象素的方法。二是先确定象素级或块级的运动矢量，然后利用回归法求取全局运动模型。对于全局运动估计，国际上已有相当多的学者做了大量的研究工作。Yosi Keller和Amir Averbuch改进基于梯度的运动估计方法，使全局运动估计计算量减少约20倍。Barfoot采用SIFT特征匹配法解决了三维运动估计问题，但要依靠预先放置的路标等参照物，而且速度较慢。GU等人利用尺度的邻域灰度信息消除，提高了模型估计准确度。但没有考虑全局运动估计的实时性，算法计算量依然比较大。全局运动估计处理的是视频序列图像，当前帧图像与参考帧图像进行匹配时，要保证这两帧图像有一定的重叠区域，因此对全局运动估计算法的实时性要求非常高。近年来，对于很多全局运动估计方法，一个主要的问题是计算量较大，导致参数估计速度慢，因而限制了它们的应用。为了减少全局运动的计算量，提高估计速度，本文提出了一种基于自适应的室内的视觉定位方法
发明内容
:本发明根据视觉定位要求高效的实时性和精确性，是以SUSAN算法和SIFT算法为基础，根据地面图像的特点对算法进行实时性和精确性的改进，用全局运动估计方法计算出序列图像中连续两幅图像的偏移量，针对图像匹配时的图像冗余，运用Kalman滤波估计每次匹配图像的重叠区域，提高该方法的自适应性，从而计算摄像头的位移大小和方向。本发明的技术方案参见
图1、图2。是在计算机的上位机平台上运行，用摄像头采集地面的序列图像，传入计算机，用本文的全局运动估计方法对序列图像进行全局运动估计，计算出序列图像的偏移大小和方向，在计算机的上位机平台上，根据传入的图像偏移大小和方向画出摄像头的运动轨迹，本发明的特征在于该方法还依次包括下述步骤:1、基于自适应的室内的视觉定位方法，是在计算机的上位机平台上运行，用摄像头采集地面的序列图像，对序列图像进行全局运动估计，计算出序列图像的偏移大小和方向，在计算机的上位机平台上，根据传入的图像偏移大小和方向画出摄像头的运动轨迹，本发明的特征在于该方法还依次包括下述步骤:I)首先提取摄像头采集地面的序列图像，然后用SUSAN算法提取序列图像中的特征点；在SUSAN算法中加入环形的USAN模板，对图像中的每个点进行特征点的粗提取，对提取后的特征点再用圆形的USAN模板进行筛选，计算是否为特征点的方法为
权利要求
1.基于自适应的室内的视觉定位方法，是在计算机的上位机平台上运行，用摄像头采集地面的序列图像，对序列图像进行全局运动估计，计算出序列图像的偏移大小和方向，在计算机的上位机平台上，根据传入的图像偏移大小和方向画出摄像头的运动轨迹，本发明的特征在于该方法还依次包括下述步骤:1)首先提取摄像头采集地面的序列图像，然后用SUSAN算法提取序列图像中的特征点；在SUSAN算法中加入环形的USAN模板，对图像中的每个点进行特征点的粗提取，对提取后的特征点再用圆形的USAN模板进行筛选，计算是否为特征点的方法为
全文摘要
为了实现室内的视觉定位方法的自适应性控制和提高该方法的实时性，根据Kalman滤波算法的特性，把Kalman滤波算法加入到全局运动估计方法当中，实现自适应的控制；并且根据SUSAN算法和SIFT算法的优缺点，在提取图像特征点部分采用了实时性较好的SUSAN算法，采用SIFT算法对该特征点进行描述和实现匹配。该方法根据前五次的匹配结果运用Kalman滤波算法预测出待匹配的两幅图像的重叠区域，只在重叠区域上提取特征点和实现图像匹配；根据最近邻特征点与次近邻特征点距离之比确定初始匹配点对，实现图像配准；采用六参数放射模型计算出图像的相对偏移量，在上位机界面上实时的画出摄像头的移动轨迹。
文档编号G06T7/00GK103198491SQ20131003898
公开日2013年7月10日 申请日期2013年1月31日 优先权日2013年1月31日
发明者张会清, 曹鲁光 申请人:北京工业大学