前視目標圖像匹配定位技術研究.pdf

1、前視圖像匹配定位是一個具有挑戰(zhàn)性的難題。由于圖像中各點的深度變化很大，待定位兩幅圖像間的關系不能用簡單的相似變換來表達，而是涉及到復雜的透視變換。 同時考慮到兩幅圖像成像的視點未知，且成像時間不同，模板圖像甚至是從下視圖像生成的，損失了很多細節(jié)信息，場景圖像與模板圖像不會表現(xiàn)出完全相同的特征。 當目標的三維模型已知時，給出了三維點集和二維點集的匹配定位算法。利用目標的三維數(shù)據(jù)信息，手動選擇特征點，從而建立起關于目標的三維

2、特征點模型；在待定位的二維場景圖像中，自動尋找特征點。根據(jù)計算機視覺成像原理，利用三維點到二維點的投影關系，可以計算出攝像機相對世界坐標系的平移和旋轉參數(shù)。該算法可以同時得到目標三維點與場景二維點的變換參數(shù)和對應關系。 當目標的三維模型未知時，將目標及其周圍的場景作為模板圖像，給出了基于特征點相似度的匹配定位算法。首先分析了尺度變化和旋轉變化對特征點的提取和描述帶來的影響，然后在尋找特征點對應關系的過程中，定義了特征點匹配度量的

3、準則，利用特征點相似度進行匹配，然后用極線約束去除錯誤的匹配點對，最后根據(jù)參數(shù)擬合的方式尋找圖像間的變化參數(shù)并進行目標定位。實驗表明該算法能夠適應一定的尺度變化、旋轉變化、部分遮擋，對于一定立體旋轉角度變化具有一定的魯棒性。 基于特征點相似度的匹配定位方法僅僅考慮了極線約束，對特征點間的位置信息的利用并不完全。為了保持特征點間的位置信息，分析了松弛標記算法的原理，將特征點的相似度信息融入到松弛過程中，提出了基于松弛標記與特征點相

4、似度的匹配定位算法。該算法不僅利用了模板圖像的局部信息，還保持了模板圖像的結構信息，實驗證明相對于僅利用極線約束的算法，該算法能夠找到更多的匹配點對。 為了保持特征點間的位置信息，除了松弛標記算法以外，還可以應用信任度擴散算法。將特征點的相似度信息融入到消息傳遞過程中，提出了基于信任度擴散與特征點相似度的匹配定位算法。該算法在結合模板圖像的局部信息的同時，還保持了模板圖像的結構信息。實驗表明相對于僅利用極線約束的算法，該算法能夠找

5、到更多的匹配點對。 前述算法都是先計算特征點的匹配對再進行目標定位，而前視圖像匹配定位的特點是不需要準確地找到模板圖像特征點與場景圖像特征點之間的對應關系，僅僅關心場景圖像中模板圖像所在的位置、尺度大小和旋轉角度。將特征點的匹配過程與目標定位過程融合到一起，提出了基于均值漂移與投票的匹配定位算法。利用特征點的尺度、朝向和描述向量，構成一個一對多的匹配集合。對每個可能的匹配對，計算場景中模板圖像的位置、尺度變化因子和旋轉角度，構成