一种基于asift的深度像匹配方法
【专利摘要】本发明公开了一种基于ASIFT的深度像匹配方法，包括：获取被测物体在两个视场内的深度像和灰度图像，并分别得到两个视场内深度像与灰度图像的对应关系；采用ASIFT算法提取两个视场内灰度图像的特征点对集；根据两个视场内深度像与灰度图像的对应关系，获得与灰度图像特征点对集相对应的深度像点对集，然后根据刚体变换的空间特征不变性原则对深度像点对集进行筛选，获得有效的深度像点对集；根据有效的深度像点对集采用最小二乘法计算初值旋转矩阵和平移矩阵；以初值旋转矩阵和平移矩阵作为ICP算法的迭代初值进行迭代，实现两个视场内深度像的精匹配。本发明适应性广和匹配精度高，可广泛应用于三维数字成像和光学三维重建领域。
【专利说明】
【技术领域】
[0001] 本发明涉及三维数字成像和光学三维重建领域，尤其是一种基于ASIFT的深度像 匹配方法。 -种基于AS I FT的深度像匹配方法
【背景技术】
[0002] 三维数字成像及造型（3DIM，3D Digital Imaging and Modeling)是近年来国际 上活跃研究的一个新兴交叉学科领域。它被广泛应用到反向工程、文物保护、医学诊断、工 业检测以及虚拟现实等诸多方面。深度像的空间匹配是3DM技术中一个非常关键的环节。 由于扫描设备的视场限制以及物体自身的遮挡关系，不可能一次扫描就得出描述物体形状 的全部信息。因此为了得到被测物体完整的数据模型，需要从多个视角对物体进行重复扫 描，直到采集到物体的完整深度信息为止。
[0003] 在每个方向得到的深度像是针对此方向的摄像机而言，也就是说，深度像位于此 摄像机的坐标系内。对于物体上的同一点，在不同摄像机坐标系内的坐标并不相同。而要 从不同方向的深度像中得到物体表面的完整表达，则需要确定各个方向深度像之间的变换 关系，把所有的深度像转化到同一个坐标系内，该过程就是匹配。其中，深度像之间的变换 关系是一个六自由度的刚体变换。
[0004] 目前应用较广泛的深度像匹配方法是迭代最近点（ICP，Iterative Closest Point)算法。该算法需要估计两个深度像的初始位置，以作为迭代的初值，其对噪声敏感且 容易陷入局部最优。如果场景中存在相似结构，则该算法进行迭代时往往会因陷入局部最 小而出现误匹配，从而导致整个配准失败。深度像的粗匹配用于得到两个深度像的初始位 置估计，因此，粗匹配效果的好坏很大程度上决定了 ICP的最终迭代结果。
[0005] 目前，深度像的粗匹配方法主要有两种：基于几何特征的粗匹配方法和基于纹理 特征的粗匹配方法。然而，基于几何特征的粗匹配方法，对于形状比较规则或对称的物体特 征识别比较困难，适应性较窄。而基于纹理特征的匹配方法，如基于Harris角点的特征提 取方法和基于尺度不变特征变换（SIFT, Scale Invariant Feature Transform)的点特征 提取方法，都不是完全仿射不变的特征提取方法，在两幅图像存在足够大的仿射变换时，基 于纹理特征的匹配方法无法在两幅图中检测到足够的共同特征，导致其在视场变化较大的 情况下匹配精度差，往往得不到满意的结果。
【发明内容】
[0006] 为了解决上述技术问题，本发明的目的是：提供一种适应性广和匹配精度高的，基 于ASIFT的深度像匹配方法。
[0007] 本发明解决其技术问题所采用的技术方案是：一种基于ASIFT的深度像匹配方 法，包括：
[0008] S1、获取被测物体在两个视场内的深度像和灰度图像，并分别得到两个视场内深 度像与灰度图像的对应关系，所述两个视场为视角不同但存在重叠区域的视场；
[0009] S2、采用ASIFT算法提取两个视场内灰度图像的特征点对集；
[0010] S3、根据两个视场内深度像与灰度图像的对应关系，获得与灰度图像特征点对集 相对应的深度像点对集，然后根据刚体变换的空间特征不变性原则对深度像点对集进行筛 选，剔除无效的深度像点对，从而获得有效的深度像点对集；
[0011] S4、根据有效的深度像点对集采用最小二乘法计算两个视场的初值旋转矩阵和平 移矩阵；
[0012] S5、以初值旋转矩阵和平移矩阵作为ICP算法的迭代初值进行迭代，从而实现两 个视场内深度像的精匹配。
[0013] 进一步，所述步骤S2,其具体为：
[0014] 根据两视场内被测物体的灰度图像12)，对ASIFT仿射变换物理模型的绝对倾 斜量参数t和经度角参数Φ进行采样，然后经过SIFT特征点提取和匹配后得到两视场内 灰度图像的特征点对集（s1, s2),其中，倾斜度参数按t = 1,万，忑2，忑3,万4, VIs 进行采样，经度角参数按进行采样，kb/t<180°，b = 72°，k为整数， Sl = {slsl,--,sln\^ Elt} S2 = W,d"，se2 K e 且特征点,丨与特征点 ^相 对应。
[0015] 进一步，所述步骤S3，其包括：
[0016] S31、根据两个视场内深度像（IpIJ与灰度图像（Pi、P2)的对应关系Γ，Ρ Γ2，计 算与灰度图像特征点对集（S\S2)相对应的深度像点对集（V\V 2)，其中，
【权利要求】
1. 一种基于ASIFT的深度像匹配方法，其特征在于：包括： 51、 获取被测物体在两个视场内的深度像和灰度图像，并分别得到两个视场内深度像 与灰度图像的对应关系，所述两个视场为视角不同但存在重叠区域的视场； 52、 采用ASIFT算法提取两个视场内灰度图像的特征点对集； 53、 根据两个视场内深度像与灰度图像的对应关系，获得与灰度图像特征点对集相对 应的深度像点对集，然后根据刚体变换的空间特征不变性原则对深度像点对集进行筛选， 剔除无效的深度像点对，从而获得有效的深度像点对集； 54、 根据有效的深度像点对集采用最小二乘法计算两个视场的初值旋转矩阵和平移矩 阵； 55、 以初值旋转矩阵和平移矩阵作为ICP算法的迭代初值进行迭代，从而实现两个视 场内深度像的精匹配。
2. 根据权利要求1所述的一种基于ASIFT的深度像匹配方法，其特征在于：所述步骤 52, 其具体为： 根据两视场内被测物体的灰度图像（Ip 12)，对ASIFT仿射变换物理模型的绝对倾斜 量参数t和经度角参数Φ进行采样，然后经过SIFT特征点提取和匹配后得到两视场内 灰度图像的特征点对集（SSS2)，其中，倾斜度参数按t = 万4,万5 进行采样，经度角参数按々进行采样，kb/t<180°，b = 72°，k为整数，
且特征点$ 1与特征点 相对应。
3. 根据权利要求1所述的一种基于ASIFT的深度像匹配方法，其特征在于：所述步骤 53, 其包括： 531、 根据两个视场内深度像（Ii，I2)与灰度图像（PpP2)的对应关系1\和Γ2，计算与 灰度图像特征点对集（S\S 2)相对应的深度像点对集（V\V2)，其中，
532、 根据刚体变换的空间特征不变性原则对深度像点对集（V1，V2)进行筛选，剔除无 效点对，从而得到有效的深度像点对集（g，Γ/ )。
4. 根据权利要求3所述的一种基于ASIFT的深度像匹配方法，其特征在于：所述步骤 S32,其包括： S321、对深度像点对集（V1，V2)中的点对分别计算V,1与对应点集中其他点的 距离D1⑴和ν,2与对应点集中其他点的距离D2(i)，所述D 1⑴和D2(i)的计算公式为：
S322、根据公式Dis = I ID1 (i)-D2 (i) I I计算D1⑴和D2⑴的距离差Dis，然后判断计 算的距离差Dis是否超出预先设定的阈值，若是，则将该点对{v,1, vf }标记为无效点对，并 将其从点对集（V1，V2)中去掉；反之，则将该点对保留，最终得到有效的深度像点 对集（g，if
5.根据权利要求3所述的一种基于ASIFT的深度像匹配方法，其特征在于：所述步骤 S4,其具体为： 根据有效的深度像点对集（#，F/ )采用最小二乘法计算两个视场的初值旋转矩阵R 和平移矩阵T，所述初值旋转矩阵R和平移矩阵T的求解公式为：
其中，m表示有效深度像点对集(g, )中的点对个数，vh和vf ,分别为和if点 对集中的元素。
【文档编号】G06T17/00GK104157008SQ201410369761
【公开日】2014年11月19日 申请日期:2014年7月30日 优先权日:2014年7月30日
【发明者】李 东, 田劲东, 刘春阳 申请人:深圳大学