一种基于图结构提高平面目标表征稳定性的方法及装置与流程

本发明涉及一种面向增强现实技术的平面目标表征方法，尤其涉及一种基于图结构提高平面目标表征稳定性的方法及装置。

背景技术：

平面目标追踪算法是增强现实技术中的核心软件组件之一。在平面目标追踪算法中，最基础同时也是最关键的一个环节是如何表征平面目标。平面目标表征方法的鲁棒性和稳定性直接影响到追踪算法的精确性，最终影响到增强现实技术的逼真度和用户体验感。

较早的平面目标表征方法是直接采用灰度图对目标的全局结构进行建模。这种表征方法的优点是简单和易实现，但是存在的最大问题是无法处理好光照变化和局部遮挡问题。当前，主流的平面目标表征方法是将目标表征为无序的关键点集合。这种表征方法虽然在很大程度上克服了光照变化和局部遮挡的影响，具有一定的鲁棒性。然而，这种表征方法仅对目标的局部进行建模，丢失了目标的全局结构信息。此外，在模糊或目标的纹理结构分布不均匀的情况下，关键点往往很难被重复地检测出来，导致这种表征方法的稳定性较差。

技术实现要素：

本发明针对上述问题，提出了一种基于图结构提高平面目标表征稳定性的方法及装置，该方法是基于无向图g＝(v，e)的平面目标表征方法，将目标表征为一组具有拓扑结构的、可被重复检测出来的顶点集合v和边集合e。

本发明的技术方案是：提出一种基于图结构提高平面目标表征稳定性的方法，包括以下步骤：

(1)获取像素点显著性得分图：采用fast关键点检测算法中的快速二值测试策略计算输入图每个像素点的显著性得分；

(2)生成自适应网格：根据预先设定的顶点数量，自适应调整网格的划分方式，并根据输入图中目标在前一帧中的姿态信息，对网格点的位置做进一步的自适应调整；

(3)构造顶点集合：采用spatialsoftmax算法计算每个网格内所有像素点的相对显著性得分，利用相对显著性得分最高的像素点构造顶点集合，这种方式能够确保固定数量的顶点被重复检测出来；

(4)构造边集合：采用delaunay三角剖分方法对步骤(3)得到的顶点集合进行连接，这种连接方式中所有三角面的集合是顶点集的凸包，确保了无向图的稳定性和唯一性。

本发明的进一步技术方案是：步骤(1)的具体方法是根据所述输入图中的中心点像素灰度值与以中心点为圆心以r为半径的周围点像素的灰度值的差异程度，计算所述输入图中每个像素点的显著性得分，得到输入图的显著性得分图。

本发明的进一步技术方案是：步骤(2)中自适应调整网格的划分方式的标准是划分网格的数量和预先设定的顶点集合中的数量相互对应，并让每个网格的长宽比为1。

本发明的进一步技术方案是：步骤(2)中对网格点的位置做进一步的自适应调整的具体方法是利用姿态信息对网格点做投影变换，得到新的网格点。

本发明的技术方案是：提供了一种实现基于图结构提高平面目标表征稳定性方法的装置，所述装置包括：获取像素点显著性得分图模块，用于通过采用fast关键点检测算法中的快速二值测试策略计算输入图每个像素点的显著性得分；生成自适应网格模块，用于根据预先设定的顶点数量，自适应调整网格的划分方式，并根据输入图中目标在前一帧中的姿态信息，对网格点的位置做进一步的自适应调整；构造顶点集合模块，用于通过采用spatialsoftmax算法计算每个网格内所有像素点的相对显著性得分，利用相对显著性得分最高的像素点构造顶点集合；构造边集合模块，用于采用delaunay三角剖分方法对得到的顶点集合进行连接。

本发明的进一步技术方案是：所述获取像素点显著性得分图的具体方法是根据所述输入图中的中心点像素灰度值与以中心点为圆心以r为半径的周围点像素的灰度值的差异程度，计算所述输入图中每个像素点的显著性得分，得到输入图的显著性得分图。

本发明的进一步技术方案是：所述自适应调整网格的划分方式的标准是划分网格的数量和预先设定的顶点集合中的数量相互对应，并让每个网格的长宽比为1。

本发明的进一步技术方案是：所述对网格点的位置做进一步的自适应调整的具体方法是利用姿态信息h对网格点做投影变换，得到新的网格点。

本发明提供的一种基于图结构提高平面目标表征稳定性的方法及装置的有益效果是：提出的平面目标表征方法将目标表征为一组具有拓扑结构的、可被重复检测出来的离散点集合，能够兼顾目标的全局和局部结构，提高表征方法的鲁棒性和稳定性，尤其是在图像模糊和目标的纹理结构分布不均匀情况下，本发明提出的方法优势更明显。

附图说明

图1为本发明平面目标表征方法实施例的流程示意图；

图2为本发明的模块结构示意图。

具体实施方式

为进一步对本发明的技术方案作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的步骤。

如图1为本发明平面目标表征方法实施例的流程示意图，具体实现步骤如下：

(1)获取像素点显著性得分图：采用fast关键点检测算法中的快速二值测试策略计算输入图每个像素点的显著性得分。

具体实施过程是：根据中心点像素灰度值与以中心点为圆心以r为半径的周围点像素的灰度值的差异程度，计算输入图中每个像素点的显著性得分，显著性得分公式：

其中sm表示像素点显著性得分，sc表示中心点像素灰度值，si表示圆周上点的像素灰度值，n表示在圆周上选取点的个数，实施例中n为16。得到输入图的显著性得分图，然后抑制非极大值，用大小为w×h局部窗口对显著性得分图进行扫描，保留局部窗口内显著性得分的最大值，将非最大值位置的得分置零，可提高定位的可靠性。

(2)生成自适应网格：根据预先设定的顶点数量，自适应调整网格的划分方式，并根据输入图中目标在前一帧中的姿态信息，对网格点的位置做进一步的自适应调整。

具体实施过程是：根据预先设定好的顶点数n对输入图像目标区域进行自适应网格划分，即根据预先设置的顶点数目指导网格数量的生成，为提高顶点的生成质量，自适应网格划分的标准是划分网格的数量和预先设定的顶点集合中的数量相互对应，并让每个网格的长宽比为1。

本发明的优选实施方式是：自适应网格点调整，根据目标在前一帧的姿态信息h对网格点包括网格线进行自适应调整，具体实施过程是：利用姿态信息h，即单应性投影矩阵对网格点做投影变换，得到新的网格点，这样做的目的是为了尽可能消除由目标姿态变化导致前后帧网格划分不一致的问题。

(3)构造顶点集合：采用spatialsoftmax算法计算每个网格内所有像素点的显著性得分，利用显著性得分最高的像素点构造顶点集合，这种方式能够确保固定数量的顶点被重复检测出来。

具体实施过程为：spatialsoftmax算法的公式如下：

其中si表示网格内每个像素点的相对显著性得分，n表示网格内像素点的个数，mi表示像素点的显著性得分，由步骤(1)可得到，如果网格内仅有一个显著性得分较高的像素点，则该像素点的相对显著性得分也将越高；如果网格内有多个显著性得分较高的像素点，则相对显著性得分最高的像素点的位置将是多个像素点位置的加权平均。

构造无向图g＝(v，e)的顶点集合v，选取每个网格内相对显著性得分最高的像素点组成无向图的顶点集合。

(4)构造边集合：采用delaunay三角剖分方法对步骤(3)得到的顶点集合进行连接，这种连接方式中所有三角面的集合是顶点集的凸包，确保了无向图的稳定性和唯一性。

具体实施过程如下：构造无向图g＝(v，e)的边集合e，采用delaunay三角剖分方法对无向图的顶点集合v进行连接，delaunay三角剖分方法采用bowyer-watson算法，首先构造超级三角形包含点集合v所有点，放入三角形链表；然后将v中的散点依次插入，在三角形链表中找出散点外接圆包含插入点的三角形(称为该点的影响三角形)，删除影响三角形的公共边，将插入点同影响三角形的全部顶点连接起来，从而完成一个点在delaunay三角形链表中的插入；根据优化准则，对局部新形成的三角形进行优化，将形成的三角形放入delaunay三角形链表；循环执行第二步，直到所有散点插入完毕。对得到无向图的边集合e的每条边，找到与其共顶点且在顺时针方向上最接近的一条边，计算这两条边的夹角，用于后续的图匹配过程。

如图2所示，本发明的具体实施方式是：构建了一个基于图结构提高平面目标表征稳定性的装置，获取像素点显著性得分图模块1、生成自适应网格模块2、构造顶点集合模块3、构造边集合模块4，所述获取像素点显著性得分图模块1采用fast关键点检测算法中的快速二值测试策略计算输入图每个像素点的显著性得分；所述生成自适应网格模块2根据预先设定的顶点数量，自适应调整网格的划分方式，并根据输入图中目标在前一帧中的姿态信息，对网格点的位置做进一步的自适应调整；所述构造顶点集合模块3采用spatialsoftmax算法计算每个网格内所有像素点的显著性得分，利用显著性得分最高的像素点构造顶点集合，这种方式能够确保固定数量的顶点被重复检测出来；所述构造边集合模块4用于采用delaunay三角剖分方法对得到的顶点集合进行连接。

本发明的优选实施方式是：所述获取像素点显著性得分图的具体方法是根据所述输入图中的中心点像素灰度值与以中心点为圆心以r为半径的周围点像素的灰度值的差异程度，计算所述输入图中每个像素点的显著性得分，得到输入图的显著性得分图。

本发明的优选实施方式是：所述自适应调整网格的划分方式的标准是划分网格的数量和预先设定的顶点集合中的数量相互对应，并让每个网格的长宽比为1。

本发明的优选实施方式是：所述对网格点的位置做进一步的自适应调整的具体方法是利用姿态信息h对网格点做投影变换，得到新的网格点。

本发明的技术效果是：提出了一种基于图结构提高平面目标表征稳定性的方法及装置，该方法包括：采用fast关键点检测算法中的快速二值测试策略计算每个像素点的显著性得分；利用自适应调整网格的划分方式生成自适应网格；采用spatialsoftmax算法构造顶点集合v；采用delaunay三角剖分方法构造边集合e。该方法将目标表征为一组具有拓扑结构的、可被重复检测出来的离散点集合，即顶点集合v和边集合e，能够兼顾目标的全局和局部结构，提高表征方法的鲁棒性和稳定性。

在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的步骤、方法、装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种步骤、方法、装置所固有的要素。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。